基于无人机高光谱特征参数和株高估算马铃薯地上生物量

地上生物量（above-ground biomass, AGB）是评价作物长势及其产量估测的重要指标,对指导农业管理具有重要的作用。因此,快速准确地获取生物量信息,对于监测马铃薯生长状况,提高产量具有重要的意义。于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期获取成像高光谱影像、实测株高（heigh, H）、地上生物量和地面控制点（ground control point, GCP）的三维空间坐标。首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM（digital surface model, DSM）,利用DSM提取马铃薯的株高（H_dsm）;然后利用无人机高光谱影像计算一阶微分光谱、植被指数和绿边参数,进而分析高光谱特征参数（hyperspectral characteristic parameters, HCPs）和绿边参数(green edge parameters, GEPs)与马铃薯AGB的相关性,每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge parameters, OGEPs);最后基于HCPs,HCPs加入OGEPs,HCPs加入OGEPs和H_dsm的组合利用偏最小二乘回归（partial least square regression, PLSR）和随机森林（random forest, RF）估算不同生育期的AGB。结果表明：（1）提取的H_dsm与实测株高H高度拟合（R2=0.84,RMSE=6.85 cm,NRMSE=15.67%）;（2）每个生育期得到的最优绿边参数不完全相同,现蕾期、块茎增长期和淀粉积累期OGEPs为R_sum,块茎形成期和成熟期OGEPs分别为Dr_min和SDr;（3）与仅使用HCPs估算AGB相比,使用HCPs加入OGEPs,HCPs加入OGEPs和H_dsm在马铃薯不同生育期可以提高AGB估算精度,且以后者为自变量提高精度的幅度更大;（4）每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势,随后开始降低,整体上R2呈先上升后下降的趋势,通过PLSR方法构建的估算AGB模型效果优于RF方法,其中块茎增长期表现效果最好。因此,高光谱特征参数中结合最优绿边参数和株高,并使用PLSR方法可以改善马铃薯AGB的估算效果。     

高效液相色谱法测定生物转化反应液中N,N'-乙二胺二琥珀酸

建立了高效液相色谱测定生物转化反应液中N,N'-乙二胺二琥珀酸（EDDS）含量的分析方法。采用InertSustain AQ-C₁₈色谱柱（250 mm×4.6 mm,5 μm）,以体积分数25%的甲醇水溶液（含有1.0 g/L一水乙酸铜、2.0 g/L四丁基氢氧化铵,以磷酸调节pH至2.80）为流动相,流速为1.0 mL/min,柱温为30℃,进样量为20 μL,检测波长为254 nm。该方法可在8 min内分离EDDS及其生物合成相关物质（苹果酸、柠檬酸、乙二胺四乙酸（EDTA）和富马酸）,且峰形良好。EDDS在0.06~0.6 g/L范围内线性线性关系良好（相关系数（r）为0.9995）,平均回收率为100.39%（n=9,RSD=1.15%）。EDDS生物合成反应液中EDDS含量为0.25 g/L,大部分底物被转化为苹果酸（36.56 g/L）;而EDDS的水解反应中富马酸产生较少,形成了3.05 g/L的苹果酸。该方法简便快速,灵敏可靠,适用于EDDS生物合成的研究。