近紅外光譜分析技術在作物信息獲取上的應用.pdf

1、近紅外光譜分析技術具有簡單、快速、準確、無污染、重復性好、便于實現(xiàn)在線分析等優(yōu)點，己經(jīng)在某些領域得到了應用，并且發(fā)展迅速，前景廣闊。但目前近紅外光譜的分析技術應用還主要集中在石化、糧食、醫(yī)學等行業(yè)，應用于食品和農(nóng)業(yè)、生物化學研究、分析測試研究、藥品、化妝品、紡織、多聚物、有機物生產(chǎn)、無機礦物測試、工業(yè)流程的在線檢測和質量控制等方面。為了拓寬其應用范圍，為獲取作物信息獲取探尋一個快速、無損的檢測方法，本研究以設施農(nóng)業(yè)中的主要作物．番茄為研

2、究對象，利用近紅外光譜分析技術獲取番茄生長信息相關的化學組分的方法。本研究有兩個重點：一是研究利用近紅外光譜技術獲取作物的光譜信息時，不同的預處理、建模方法、波段選擇、異常樣品剔除方法及不同的檢測附件，對預測模型的影響；二是利用近紅外光譜技術獲取作物的光譜信息，利用光譜分析技術、化學計量方法等建立預測番茄葉面水分、葉綠素和spad含量的預測模型。 本文通過常規(guī)化學分析方法獲取了番茄葉片中的水分、葉綠素和spad含量。利用美國尼高

3、力(Nicolet)儀器公司的高性能高精確度NEXUS智能漫反射updrift附件和光纖附件兩種不同的光譜測量方法分別獲取葉面的漫反射光譜。并對近紅外光譜分析實驗進行了重點研究，通過對樣品處理方法、掃描條件、譜圖的預處理、建模方法、異常樣品剔除等因素的分析，確定譜圖最佳預處理方法如下： 水分的最佳預處理方法為水分原始光譜(采用光纖附件)和一階導數(shù)+5點平滑(采用updrift附件)，最佳預測模型的結果分別為： R=0.98083

4、,RMSEC=0.0150，RMSEP=0.0147， f=9和R=0.95600,RMSEC=0.0118，RMSEP=0.0273， f=7葉綠素的最佳預處理方法為原始光譜+SNV(Standard Normal Variate Transformation)(采用光纖附件)和二階導數(shù)+SNV(Standard Normal Variate Transformation)(采用updrift附件)，最佳預測模型的結果分別為： R=0

5、.95098，RMSEC=0.335,RMSEP=0.595， f=9和R=0.99020，RMSEC=0.567，RMSEP=0.366， f=8SPAD值的最佳處理方法為原始光譜+MSC(Multiplicative signal derivacative)(采用光纖附件)和一階導數(shù)+5點平滑+MSC(采用updrift附件)，預測模型的結果分別為： R=0.98043， RMSEC=4.89， RMSEP=5.36， f=10 R