排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
基于冠层尺度的枣树色素含量的高光谱估算模型 总被引:1,自引:0,他引:1
植物冠层色素含量与氮素含量具有高度的相关性,是农业遥感中的关键研究因素。本研究的主要目的是:(1)对比偏最小二乘回归和支持向量机两种建模方法对枣树冠层色素的预测精度;(2)构建基于高光谱数据的枣树冠层色素含量定量反演模型,为枣树冠层色素含量的快速、无损、廉价、环保的测定提供一定的理论依据和技术支持。相关性分析结果表明,枣树冠层色素与高光谱数据之间具有较好的相关性,但叶绿素、叶绿素a要优于叶绿素b和类胡萝卜素。独立样本对模型的预测性能检验结果表明,偏最小二乘回归和支持向量机均能有效的估算枣树色素含量,但不同色素的偏最小二乘回归模型和支持向量机模型的预测精度存在一定的差异,叶绿素和类胡萝卜素的支持向量机模型的预测精度要高于偏最小二乘回归模型,而叶绿素a和叶绿素b则相反。比较不同色素的最佳反演模型的预测精度表明,叶绿素、叶绿素a和类胡萝卜素的预测精度要优于叶绿素b,前三者的决定系数大于0.8,残余预测误差高于2.0,平均相对误差低于13%,而叶绿素b的对应值分别为0.60%,20.79%和1.79%。 相似文献
2.
红枣中微量元素含量的测定 总被引:5,自引:0,他引:5
用火焰原子吸收光谱法(FAAS)测定了红枣中K、Ca、Mg、Cu、Mn、Zn、Fe等7种微量元素的含量.实验方法加入标准样回收率在99.4%-105.2%之间,RSD在0.4%-1.3%之间,分析结果令人满意.红枣中含有丰富的微量元素,其含量由高到低的排列顺序为:Fe、K、Ca、Mg、Zn、Mn、Cu,说明红枣具有很高的营养价值. 相似文献
3.
近红外拓扑方法在南疆红枣品质分析中的应用 总被引:2,自引:0,他引:2
从南疆红枣的物理和光谱特征两方面,通过反复调整和逐步细分相结合的方法,给出红枣品质细分和特征因子分析框图。实际应用中可依据不同需要设置最佳光谱参数来提高光谱重复性和质量。实验分离出南疆红枣常见的裂口褐变、色泽和成分等光谱特征因子,如褐变特征因子明显尖峰特征谱线位置10 170cm-1。通过光谱图的特征分析,初步建立了红枣近红外光谱和部分品质之间的对应关系,为下一步红枣品质编码奠定了基础。该方法可节省大量重复建模费用,在建立红枣近红外品质分析标准和模型库共享方面有较好的应用前景。 相似文献
4.
《Analytical letters》2012,45(4):654-674
Jujube extract has a unique flavor that has been used as a common fragrance due to the volatile compounds. In this study, the volatiles of jujube extract were isolated by liquid–liquid extraction, simultaneous distillation extraction, ultrasound-assisted solvent extraction, and headspace solid-phase microextraction, and analyzed by gas chromatography–mass spectrometry. Altogether 92 compounds were identified by the four methods, of which 53 components were identified for the first time; however, only 21 compounds were identified by all these methods. The performance characteristics of the four pretreatment techniques were compared by principal component analysis which showed that the volatile compounds obtained by liquid–liquid extraction and ultrasound-assisted solvent extraction were similar both in categories and in content; whereas, the volatiles extracted by simultaneous distillation extraction, ultrasound-assisted solvent extraction, and headspace solid-phase microextraction greatly varied. The results indicated that a multi-pretreatment technique should be adopted in order to obtain the most complete information about the volatile compounds in jujube extract. The ultrasound-assisted solvent extraction method exhibited excellent repeatability and recoveries, and was very suitable for quantitative analysis. Although the recoveries and reproducibility of headspace solid-phase microextraction were inferior to the other methods, it was more sensitive than other methods. 相似文献
5.
选用了中国宁夏中宁早康枸杞园林场生产的枸杞、山东省沾化金丝枣、山西柳林县红枣,用火焰原子吸收分光光度法[1]和石墨炉法对这三种样品中的金属元素Fe、Cu、Zn、Mn、Ca、Pb的含量进行了测定。测定方法简单,精密度和灵敏度高,回收率为105.1%~93.1%,结果可靠。 相似文献
6.
冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物(SSC)检测模型的分析精度。采用可见-近红外(Vis-NIR)光谱结合Norris-Williams平滑(NWS)、连续小波导数(CWD)、多元散射校正(MSC)、标准正态变量变换(SNV)和NWS-MSC五种光谱预处理方法构建不同颜色(红绿相间MJ,绿色GJ和红色RJ)冬枣SSC的偏最小二乘(PLS)定量分析模型,分别采用MJ,GJ,RJ,MJ-GJ和MJ-GJ-RJ五个样品集合建立冬枣SSC的定量分析模型,并采用由MJ-GJ-RJ三种颜色冬枣样品组成的测试集进行模型的评价;以不同建模样品集(校正集)的校正相关系数(Rc)和交互验证均方根误差(RMSECV)作为构建最优模型的评价指标;测试集的预测相关系数(Rp)和预测均方根误差(RMSEP)用于模型预测精度的评价。研究结果表明:分别采用MJ,GJ和RJ的独立样品集进行建模时,模型仅对具有相同颜色的冬枣样品的SSC实现了较好的预测;分别在MJ样品中加入GJ和GJ-RJ样品进行MJ-GJ和MJ-GJ-RJ两个混合样品集的定量模型的构建时,MJ-GJ模型对MJ和GJ样品的SSC具有较好的预测效果,其RMSECV,Rc,RMSEP,Rp分别为1.108,0.698,0.980,0.724和1.108,0.698,0.983,0.822,而对RJ样品的预测误差较大,模型的RMSECV,Rc,RMSEP,Rp为1.108,0.698,1.928,0.597;而MJ-GJ-RJ模型对三种颜色的冬枣SSC均有较好的预测结果:MJ-GJ-RJ模型对MJ样品的SSC模型的RMSECV,Rc,RMSEP,Rp为1.158,0.796,1.077,0.668;对GJ样品的SSC模型的RMSECV,Rc,RMSEP,Rp为1.158,0.796,0.881,0.861;对RJ样品的SSC模型的RMSECV,Rc,RMSEP,Rp为1.158,0.796,1.140,0.841;采用蒙特卡罗无信息变量消除(MCUVE)方法进一步对MJ-GJ-RJ样品集光谱的特征变量进行优选后,模型的Rc和Rp分别由原来的0.796和0.864提高到0.884和0.922,模型的RMSECV和RMSEP分别由1.158和0.946减小到0.886和0.721,模型具有较好的分析精度。采用可见-近红外光谱对不同颜色冬枣的SSC进行分析时,当建模集样品与测试集样品颜色属性相似或选择性质相似的建模变量进行模型构建时,模型具有更好的通用性。 相似文献
7.
火焰原子吸收光谱法测定冬枣中的铁和锌 总被引:2,自引:0,他引:2
采用干法消解、湿法消解和非完全消解法3种方法多种体系处理冬枣样品,应用火焰原子吸收光谱法测定冬枣中铁和锌的含量.在选定的条件下,铁、锌的样品加标回收率在100.0%-101.3%之间,精密度(样品相对标准偏差RSD)均小于1.1%(n=11).实验结果表明,湿法消解和非完全消解法的测定结果相差不大.其中非完全消解法简便、快捷,测定结果准确,更适用于冬枣中铁和锌的测定. 相似文献
8.
9.
10.