论文部分内容阅读
蛋白质含量是评价小麦籽粒营养品质的重要指标之一,主要受到小麦植株生育环境温度等因素的影响。近年来,随着全球气温的持续升高,环境暖化对小麦籽粒中蛋白质含量的影响已成为国内外的研究热点。现有研究主要采用人工气候箱或开顶式增温设备来模拟暖化环境,结合常规理化分析方法来研究小麦籽粒蛋白含量对环境暖化的响应规律。研究结论虽揭示了小麦籽粒蛋白质含量对环境暖化的响应规律,但是并未揭示蛋白质含量变化的原因。另外,常规理化分析方法费时费力,难以满足农业生产自动化的需求。鉴于此,本文提出利用开放式增温设备模拟小麦不同生长环境温度,同时采用近红外和中红外光谱技术结合化学计量学方法预测小麦籽粒中的蛋白质含量,并进一步利用高光谱成像技术对小麦籽粒中蛋白质含量实现分布可视化。具体研究内容及结果如下:(1)露天增温对小麦生物量及其生长过程中茎、叶、粒中蛋白质含量的影响首先,利用红外线增温设备对小麦生长的整个过程进行增温处理以模拟气候变化(增温幅度约2°C),并结合两种耕种方式,共提出四种处理方式,分别为普耕增温(CTW)、普耕不增温(CTN)、免耕增温(NTW)和免耕不增温(NTN);其次在小麦主要生长阶段采集小麦的叶,茎和粒,并测定其中的蛋白质含量;最后,测定小麦主要生长阶段的叶面积指数和生育期长度。结果表明,增温提高了氮素从小麦茎和叶向籽粒的转移速度以及籽粒在灌浆期到成熟期期间的蛋白质合成速率;增温提高了小麦的叶面积指数和生育期长度,从而间接影响到籽粒中蛋白质的合成速率。(2)不同处理小麦籽粒的定性判别与蛋白质含量测定首先收集不同处理的小麦籽粒,分别采集籽粒的近红外和中红外光谱信息,并使用不同的预处理方法(SNV、MSC、SG、1stDER、2ndDER)对所采集的光谱数据进行预处理,选取最佳的预处理方法;其次利用凯氏定氮法测定小麦籽粒中蛋白质含量;最后对所采集的光谱数据进行主成分分析。结果表明,经过SNV预处理后的光谱能够有效减少噪声的干扰,提高模型的精确度;在普通耕作和免耕耕作条件下,增温分别将小麦籽粒中的蛋白质含量提高了9.92%和12.7%,统计结果差异显著(P<0.05);近红外光谱主成分分析比中红外光谱主成分分析效果较好,能有效对不同处理的小麦进行区分,为后续蛋白质定量模型的建立提供依据。(3)基于光谱技术对小麦籽粒蛋白质含量的快速检测首先利用近红外和中红外光谱技术建立小麦籽粒蛋白质含量预测模型,所建模型有iPLS、BiPLS、SiPLS、BP-ANN、LS-SVM;其次,采用数据融合方法将优选出的近红外和中红外的特征光谱进行融合,最后基于融合光谱建立上述模型。结果表明,就同种光谱技术,LS-SVM为最佳的预测模型。具体而言,基于近红外光谱建立的LS-SVM预测模型的Rc为0.9652、Rp为0.8516、RMSECV为0.214、RMSEP为0.448;基于中红外光谱建立的LS-SVM预测模型的Rc为0.9642、Rp为0.8017、RMSECV为0.235、RMSEP为0.468;基于融合光谱建立的LS-SVM预测模型的Rc为0.9723、Rp为0.9013、RMSECV为0.197、RMSEP为0.348。(4)基于高光谱成像技术对小麦籽粒蛋白质含量的分布可视化研究首先,以单个小麦籽粒为研究对象,提取不同处理小麦籽粒的光谱信号并分别采用SNV、MSC、SG、1stDER、2ndDER光谱预处理方法对所采集的光谱信号进行预处理,选取最佳的预处理方法;其次结合蛋白质理化含量值建立不同的定量模型(iPLS、BiPLS、SiPLS、BP-ANN、LS-SVM),提取待测单个小麦籽粒每一点的光谱信号值带入至最优定量模型中得到籽粒蛋白质含量的可视化分布图;最后对二维伪彩色图进行三维重构得到三维伪彩色图。结果表明,SNV对光谱预处理的效果最优;LS-SVM为最佳的蛋白质定量预测模型,其中模型的Rc为0.9361,Rp为0.9013,RMSECV为0.315,RMSEP为0.327;通过二维伪彩色图可直观地观察出单个小麦籽粒蛋白质的含量,通过三维伪彩色图可直观地观察到不同处理下单个小麦籽粒蛋白质含量的差异。本文揭示了小麦生长环境温度升高导致其籽粒蛋白质含量增加的原因;同时,基于光谱技术实现了对小麦籽粒蛋白质含量的快速检测,并进一步结合高光谱成像技术实现了对单个小麦籽粒蛋白质含量的分布可视化,研究结论可为小麦的生产和检测提供理论依据。