基于无人机多光谱估测不同品种紫花苜蓿的地上生物量和叶绿素含量

地上生物量和叶绿素是紫花苜蓿生长过程中的重要指标，可以为其生长的动态监测与管理提供有效的帮助。紫花苜蓿作为最为重要的饲草作物，如何利用现代光谱智能技术有效且准确地预测其状态是紫花苜蓿种植过程中的重要问题。基于无人机多光谱对不同品种紫花苜蓿的地上生物量和叶绿素含量的估算结果进行研究并为此构建预估模型。共研究了21个紫花苜蓿品种，采用无人机搭载多光谱相机在天气晴朗无风时起飞并拍摄图像，将无人机拍摄得到的多光谱图像采用ENVI 5.3软件进行分析，挑选出NDVI、 EVI、 SAVI、 Green NDVI、 NDGI、 DVI、 NGBDI、 OSAVI、 NDRE和MSR共10个植被参数和无人机多光谱相机自带的5个光谱波段(蓝、绿、红、红边、近红外)进行特征分析，再使用Matlab 2020b软件，采用支持向量机(SVM)构建不同品种紫花苜蓿的地上生物量和叶绿素含量的预测模型。然而在实际操作的运行中，发现使用SVM构建的预估模型其准确率不理想，因此使用智能算法鲸鱼(WOA)和灰狼(GWO)对SVM预估模型进行优化，发现使用SVM预估模型能预估不同品种的紫花苜蓿的地上生物量和叶绿素含量，其...     

高效液相色谱结合浊点微萃取测定烟叶中麦角甾醇北大核心CSCD

本研究建立了一种简单、快速及灵敏测定烟叶中麦角甾醇的高效液相色谱新方法。方法基于脂肪酸基酸碱诱导浊点萃取(AB-CPE)技术,以己酸为萃取剂,通过加入碱诱导酸碱反应形成混浊均相,再加入酸进行相分离从而对麦角甾醇进行浊点萃取。考察并优化了影响分散液液微萃取的实验条件,包括萃取剂和分散剂种类及用量、pH和离子强度。在最优条件下,该方法在1~1000 mg/kg之间具有良好的线性关系,相关系数R^(2)≥0.997。方法的检出限(S/N=3)和定量限(S/N=10)分别是0.08 mg/kg和0.26 mg/kg,实际烟叶样品的加标回收率在92.5%~102.3%范围内,相对标准偏差(RSD)小于2.2%。该方法成功应用于烟草中麦角甾醇的定量检测。