|
|||||
|
|
| 近红外光谱技术在小麦条锈病菌和叶锈病菌定性识别和定量测定中的应用 | |
| 引用本文： | 李小龙,马占鸿,赵龙莲,李军会,王海光.近红外光谱技术在小麦条锈病菌和叶锈病菌定性识别和定量测定中的应用[J].光谱学与光谱分析,2014,34(3):643-73. |
| 作者姓名： | 李小龙 马占鸿 赵龙莲 李军会 王海光 |
| 作者单位： | 李小龙:中国农业大学农学与生物技术学院, 北京100193 马占鸿:中国农业大学农学与生物技术学院, 北京100193 赵龙莲:中国农业大学信息与电气工程学院, 北京100083 李军会:中国农业大学信息与电气工程学院, 北京100083 王海光:中国农业大学农学与生物技术学院, 北京100193 |
| 基金项目： | 国家科技支撑计划项目(2012BAD19B04)资助 |
| 摘 要： | 利用近红外光谱技术结合定性偏最小二乘法(DPLS)和定量偏最小二乘法(QPLS)分别实现了小麦条锈病菌和叶锈病菌的定性识别和定量测定。获取两种锈菌单一夏孢子样品各50个以及条锈病菌纯度为2.5%~100%的混合样品120个。采集样品光谱后,将两类样品均按2∶1的比例分为建模集和检验集,在4 000~10 000cm-1内采用内部交叉验证法建模。散射校正预处理方法下、主成分数为3时,定性识别模型的建模集和检验集识别准确率均为100.00%。"极差归一+散射校正"预处理方法下、主成分数为6时,定量测定模型建模集的决定系数(R2)、校正标准差(SEC)、平均相对误差(AARD)分别为99.36%,2.31%,8.94%,检验集的R2、预测标准差(SEP)、AARD分别为99.37%,2.29%,5.40%。结果表明,利用该方法对这两种锈菌定性和定量分析是可行的。本研究为植物病原菌的定性识别和定量分析提供了一种基于近红外光谱技术的新方法。 |
| 关 键 词： | 近红外光谱 小麦条锈病菌 小麦叶锈病菌 定性识别 定量测定 |
| 收稿时间： | 2013/5/15 |
Application of Near Infrared Spectroscopy to Qualitative Identification and Quantitative Determination of Puccinia striiformis f. sp. tritici and P. recondita f. sp. tritici |
|
| Abstract: | |
| Keywords: | Near infrared spectroscopy Puccinia striiformis f sp tritici Puccinia recondita f sp tritici Qualitative identification Quantitative determination |
| 本文献已被 CNKI 等数据库收录！ | |