利用近红外传递和反射光谱测定大麦品种饲料纤维

饲料纤维是大麦的重要品质参数，但是测量却非常赀工。本文对利用近红外传递和反射光谱作为评价大麦品种总饲料纤维含量的快速筛选法进行了研究。利用FGR分析法和NIR系统的6500光谱仪分别得到了大麦籽粒和田间大麦的传递和反射光谱。采用AOAC法测定了各个大麦品种的总饲料纤维。应用大麦籽粒传递光谱（850～1048nm）建立的预测总饲料纤维的PLS修饰模型的交叉验证标准误差为10．4（范围58～197）g／kg、决定系数为0．82，这说明应用这种模型选择或淘汰高饲料纤维品种的精确度已足够了。     

应用近红外光谱技术分析稻米蛋白质含量

以稻谷、米粒、米粉3种形态的样品，应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLS)，建立了6个稻米蛋白质含量近红外光谱数学模型，并对模型预测结果的准确性进行了评价。结果表明，糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数(R_C²)分别为0.893、0.971和0.987，校正标准差(RMSEC)分别为0.507、0.259和0.183；精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型R_C²分别为0.897、0.984和0.986，RMSEC分别为0.497、0.186和0.190。模型内部交叉验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数(R_CV²)分别为0.865、0.962和0.984，内部验证标准差(RMSECV)分别为0.557、0.290和0.205；预测精米蛋白含量的稻谷、精米粒和精米粉的模型R_CV²分别为0.845、0.951和0.979，RMSECV分别为0.594、0.316和0.233。模型外部验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数(R_V²)分别为0.683、0.801和0.939，外部验证标准差(RMSEV)为0.962、0.799和0.434；预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型R_V²分别为0.673、0.921和0.959，RMSEV为0.976、0.513和0.344。用米粉建立的近红外光谱预模型准确性最高，米粒次之，基于稻谷的预测模型准确性相对较低；内部交叉验证和外部验证表明，近红外光谱分析技术与化学分析方法一致性较好，且能保证样品的完整性，在水稻优质育种和稻米品质分析中具有广泛的应用价值。     

鉴别水稻品种所需的多重PCR引物组的开发

为了鉴别覆盖日本水稻种植面积大约99％的130个水稻品种（其中12个是适合酿酒的品种），本研究开发出了4组多重PCR引物。确定了区分每个样本的基因排列，并设计了15组STS（序列标记位点）引物。将这些每一个引物组用来对这130个品种进行PCR分析，以便检测到对每个品种很适合的区分显带。     

对水稻品种抗白叶枯病的评价

１９９２年和１９９３年用１４个水稻白叶枯病菌系鉴定并分析了５３个品种的抗性，其中４１个材料具有广谱抗性。分析了２１个抗病品种的抗性类型，有９个品种为全生育期抗性，１２个品种表现成株期抗性，其中有些品种与菌系存在着明显的交叉互作反应。本研究根据品种对国际鉴别菌系的系列反应型，初步尝试推测了１７个品种具有Ｘａ－４基因，１０个品种具有Ｘａ－３基因     

基于近红外光谱的单粒水稻种子活力快速无损检测

采用近红外光谱分析技术,对不同品种单粒水稻种子原始光谱进行一阶求导、5点平滑、矢量归一化光谱预处理后,建立定性分析模型。利用因子化法计算光谱距离,定性分析选择系数S均大于1.1832,结果表明能够有效区分高活力与低活力种子。此方法有利于快速无损地检测单粒种子活力,克服了传统的种子活力检测方法如发芽试验、TTC染色等方法存在的耗时长、工作量大、结果滞后等问题,为筛选种子、提高种子发芽率、种子活力实时监测提供了一种新的选择。     

近红外光谱技术在烟草行业的研究进展

介绍了近红外光谱分析技术的基本原理、特点及其在烟草行业的适用性,综述了该项技术在国内烟草行业研究与应用的现状,并对该技术在烟草行业的应用进行了展望。     

基于小麦籽粒高光谱特征的品种鉴别研究

为探究高光谱成像技术在小麦籽粒品种鉴别等的研究,以15种品种已知的小麦籽粒为对象,分别采集样品的光谱和图像信息。运用主成分分析法优选三个特征波长(447nm、615nm、955nm),提取特征波长下小麦籽粒图像的形态特征(面积、周长、圆度、长轴长度、短轴长度)和纹理特征(均值、标准差、熵)。应用Bayes判别分析法进行多元统计分析,建立判别函数判别回代准确率为99.9%,交叉验证的准确率为98%,模型的判别效果良好。研究表明利用高光谱成像技术结合Bayes判别分析的方法可用于小麦籽粒品种的鉴别。     

近红外光谱数据分析方法的研究进展

分析了近红外光谱分析技术的特点,总结了数据处理方法的发展趋势。详细综述了光谱的预处理、定性和定量模型建立方法的研究进展。在光谱的预处理方面,目前常用的方法有:平滑、多元散射校正(MSC)、傅里叶变换(FT)、小波变换(WT)等。小波变换是近几年发展起来的一种数据处理技术,它比较稳定,具有局部性质。模型优化方法主要包括偏最小二乘法(PLS)、拓扑学方法、人工神经网络(ANN)、支持向量机(SVM)等。蚁群算法是新近发展起来的基于群体智能的仿生优化算法。SVM可以减少结构风险和机会风险,是目前理论应用工作者的研究重点。     

用近红外反射光谱法分析稻米3种必需氨基酸含量的研究

采用近红外反射光谱分析技术来测定水稻精米粉样的3种必需氨基酸含量,揭示不同数学处理方法、光谱散射校正和回归统计方法对建立回归方程的影响.研究表明,光谱数据的数学预处理对发展定标回归方程有很大影响,对于不同的氨基酸,通过比较均可找到一些定标效果较理想的数学处理组合,如"2,3,3,1"等.光谱散射处理对氨基酸的定标改     

SSR对黑龙江省主栽水稻品种抗瘟基因Pi-1的检测分析

应用水稻稻瘟病抗性基因Pi-1紧密连锁的3个微卫星标记RM144、RM224和MRG4766对黑龙江省49主栽水稻品种(系)进行抗瘟基因Pi-1检测分析。结果表明,用3个与抗瘟基因Pi-1紧密连锁的SSR标记同时对抗瘟基因Pi-1有检测是非常有效的途径,检测到富士光等14个水稻品种(系)含有Pi-1抗瘟基因,明确了该基因在黑龙江省水稻品种(系)中的分布情况,为分子育种、合理搭配种植品种等提供了理论依据。     

傅里叶变换红外光谱法在橄榄油掺假鉴别中的应用

采用傅里叶变换红外光谱仪对橄榄油、葵花籽油、花生油、玉米油、大豆油、菜籽油、棕榈油7种食用植物油的红外光谱信息进行分析。结果表明,橄榄油的红外吸收光谱在吸收峰的位置及吸光度上均与其他种类的植物油有区别,以3005~3009 cm^-1、1117~1121 cm^-1处的吸收峰作为种类区分。模拟掺假过程,向橄榄油中掺入其他6种不同比例的低价值植物油后,发现1097、3005 cm^-1处吸收峰的峰面积与掺假百分比呈线性关系。此外,对7种食用植物油180℃加热2 h后的红外光谱图进行分析,发现968、1097 cm^-1处的吸收峰变化趋势有差异,橄榄油呈上升趋势而其他种类的植物油则呈现下降趋势。掺假橄榄油加热后谱图分析发现3005 cm^-1处的峰面积有所降低,但与掺假百分比仍呈线性关系,掺入5%低价油,3400~3650 cm^-1区域呈明显增加趋势,据此可以鉴别掺假量低至5%的橄榄油,这为橄榄油的掺假鉴别提供了一种快速高效的方法。     

基于土壤水分梯度鉴定法的栽培稻抗旱标识品种筛选

利用土壤水分梯度鉴定法,对20份在田间表现不同抗旱性的栽培稻进行了抗旱性研究。结果表明,干旱处理24 d后,正常和干旱处理的土壤含水量分别为42.0%和7.9%,在同一田块实现正常供水和干旱处理,可鉴定栽培稻的抗旱性。以抗旱指数为指标,把20份栽培稻划分为高抗、抗、中抗、中感、感5个抗旱级别。根据抗旱指数和综合农艺性状,筛选出了IR55459-05(高抗)、MARAVILHA(抗)、MONOLAYA(中抗)、IR30358-084-1-1(中感)和IR7790-18-1-2(感)5个抗旱级别的标识品种。这一套栽培稻抗旱鉴定流程和标识品种,为水稻节水抗旱研究提供了参考。     

可见/近红外光谱技术无损识别苹果品种的研究

为了能快速无损鉴别苹果的品种,基于高光谱成像技术结合模式识别算法,分别建立了判别苹果品种K最近邻(KNN)识别模型与偏最小二乘判别分析(PLS-DA)识别模型。综合比较了不同光谱预处理方法(二阶微分(SD)、标准正态变换(SNV)和多元散射校正(MSC))对各模型识别效果的影响,并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映苹果品种的特征光谱。结果表明:采用主成分分析法选择了累计贡献率超过99.9%的前10个主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维;MSC预处理方法对光谱反射率预处理的效果最好;2种判别模型均能基本满足实际要求,且MSC+KNN识别模型的识别性能最优,对预测集样本的正确识别率高达100%。     

不同土壤对元阳传统水稻品种稻瘟病抗性的影响

为研究不同品种水稻稻瘟病发病情况与土壤理化特性的相关性,本研究以元阳传统水稻品种‘月亮谷’为主要研究对象,分别将‘月亮谷’和‘日本晴’种植于元阳梯田土和温室土中,‘月亮谷’、‘红阳3号’、‘蒙古稻’、‘日本晴’和‘越光’种植于元阳梯田土和东港稻田土中,在水稻生长到三叶一心期时,进行稻瘟病接菌处理,同时对种植土壤理化性质进行测定,分析各理化指标与不同水稻品种稻瘟病病情指数的相关性。结果表明,‘日本晴’在两种土中的稻瘟病病情指数为29.07%和29.63%,是‘月亮谷’的两倍(12.04%,14.81%);元阳梯田土有效磷含量与‘月亮谷’‘日本晴’病情指数相关性指数分别为-0.945,-0.946。东港稻田土有效磷含量是元阳梯田土的2.68倍,呈极显著差异(p<0.01)。‘月亮谷’、‘红阳3号’、‘蒙古稻’病情指数在东港稻田土中分别比在元阳梯田土中增加了10%、25%、15%,‘越光’‘日本晴’分别降低了7%、15%。元阳水稻品种在元阳梯田土中均发病较低,而在东港土中发病程度加剧。说明稻瘟病的发生与水稻的品种,土壤pH值、有机质含量以及碱解氮均有显著的相关性。本试验为进一步研究元阳梯田土壤与当地水稻品种抗稻瘟病之间的关系提供了理论基础、明确了梯田土壤对当地水稻品种抗稻瘟病的促进作用。     

基于DPLS-CSM优化的NIRS杂交水稻种子真伪快速无损鉴定

近红外光谱分析技术(NIRS)具有快速、无损、低成本、准确、无污染的优点,有望应用于杂交水稻种子真实性的高通量鉴定及筛选。本研究采用近红漫反射光谱结合一种新的化学计量学方法——判别式偏最小二乘分类筛选法(DPLS-CSM),对单粒水稻种子‘新两优6号’与其父本、母本和其他假种子进行了区分。通过与判别式偏最小二乘(DPLS)法的对比,使用DPLS-CSM建模时的灵敏度Sn、命中率Pr和马修斯相关系数Mcc分别为97.92%、97.58%和95.51%,高于DPLS法建模的92.01%、93.97%和90.68%;在对验证集进行检验时,DPLS-CSM模型的Sn、Pr和Mcc值分别为98.96%、95%和93.83%,高于后者的94.79%、88.35%和88.57%。结果表明,使用DPLS-CSM结合NIRS对‘新两优6号’的真伪鉴定是可行的,该方法为水稻杂交种真伪的快速无损鉴别与筛选提供了新的选择。     

CO39近等基因系抗稻瘟病性分析

利用14个稻瘟病菌菌株在温室分别接种和在自然病圃两个年度对CO39近等基因系进行鉴定.结果表明,这套近等单基因系和近等多基因系具很好的鉴别能力.抗病基因Pi-3提供抗病性的时间较长,病斑数较少,并且与其他基因组合而成的累加系也能高抗稻瘟病.     

我国水稻主要品种近30年来审定及推广应用概况

综合分析1985-2015年全国水稻主要推广品种面积及审定情况,结果表明：审定品种数量持续快速增长,主栽品种和主导品种的数量和面积不断下降,品种集中度明显降低,常规水稻在各稻区的发展情况存在差异,而杂交水稻在全国范围内实现了快速发展。对影响水稻主要品种数量、分布和结构类型的因素进行了分析,对下一步水稻品种选育和推广等问题进行了讨论。