论文部分内容阅读
虉草（Phalaris arundinacea L.）为多年生冷季型禾本科高产牧草,粗蛋白（CP）是评价饲草品质的关键指标,但目前的化学分析方法存在诸多缺点,寻求高效、快速、准确、安全的虉草CP测定方法是现代草地畜牧业发展和草原生态恢复急需解决的实际问题。本研究旨在利用近红外光谱（NIRS）建立虉草CP的定量分析模型,为快速测定虉草CP提供有效方法。试验采集不同品种（品系）、生育期、栽培条件、干燥方式、生长年限、部位以及刈割次数的虉草样品454份,采用瑞士Buchi公司的傅里叶近红外光谱仪和Operator软件采集原始光谱,应用K-S算法剔除具有相似光谱的样品,筛选出210份用于建模和模型评价。通过凯氏定氮法测定210份样品的粗蛋白含量并在Management console软件中对光谱进行赋值,再采用软件NIRcal 5.4按照6∶3的比例将样品随机分为校正集和验证集,并剔除异常样品,运用不同的光谱预处理、回归算法、建模波段和主成分数建立8个虉草CP含量的近红外定量分析模型,通过外部验证表明8个模型均可以进行实际测定。最后比较不同的统计学参数获取最佳模型。结果表明,采用4 000～10 000 cm-1的建模光谱波段、 sa3+ncl+db1（3点平滑+趋近归一化+一阶导数处理）的预处理方法、 8/1-4的初/次级主成分数和偏最小二乘法（PLS）所建的模型为最佳模型,其校正决定系数(Rcal2)为0.982 1,验证决定系数(Rval2)为0.980 2,均大于0.98,表明预测性能优秀;校正标准差（SEC）和验证标准差（SEP）分别为0.780 2和0.783 2,均较小且非常接近,表明模型的分析精度很高并具有很好的适应性;残差（BIAS）为-0.000 5,接近于0,说明模型的稳定性很高,对外界因素不敏感;预测相关系数（r）为0.99,可见样品化学值与定标模型预测值的相关度极高;相对分析误差（RPD）为7.37, RPD>4.0表明模型能够很好地进行定量分析。综上,该试验在国内首次建立了虉草CP近红外定量分析模型,该模型样品来源多、数量大、分布范围广,预测精度和准确度高,适用范围大,为快速测定虉草粗蛋白提供了有效方法,在虉草品质分析、育种、家畜日粮配置以及草产品评价流通等方面具有应用前景。