熒光光譜定量分析茶鮮葉葉綠素和水分的方法研究.pdf

1、熒光光譜分析技術(shù)具有快速、實(shí)時(shí)、重復(fù)性好、便于實(shí)現(xiàn)現(xiàn)場(chǎng)檢測(cè)等優(yōu)點(diǎn),已在農(nóng)業(yè)、食品工業(yè)、生命科學(xué)和環(huán)境科學(xué)等領(lǐng)域中得到廣泛應(yīng)用。茶是我國(guó)的主要農(nóng)業(yè)經(jīng)濟(jì)作物之一,在我國(guó)農(nóng)業(yè)和國(guó)民經(jīng)濟(jì)中起著重要的作用。葉綠素和水分是植物葉片的基本組成物質(zhì)之一,是植物生長(zhǎng)和受環(huán)境脅迫等情況的敏感指示器。利用熒光光譜分析技術(shù)及時(shí)、準(zhǔn)確的檢測(cè)茶鮮葉的葉綠素和水分含量,對(duì)茶樹(shù)生理信息的檢測(cè)、水肥管理等有重要意義。
　　 本文以茶鮮葉為研究對(duì)象,探討應(yīng)用LED

2、激發(fā)熒光光譜技術(shù)檢測(cè)葉綠素和水分含量的方法,主要研究?jī)?nèi)容如下:
　　 1.研究共收集不同品種、不同茶園的茶鮮葉樣品120個(gè),采用F96S熒光分光光度計(jì)檢測(cè)了熒光光譜,通過(guò)對(duì)比試驗(yàn),確定了儀器的最佳激發(fā)波長(zhǎng)、光譜檢測(cè)范圍、光譜檢測(cè)問(wèn)隔、樣品測(cè)量次數(shù)等檢測(cè)參數(shù)。通過(guò)對(duì)樣品的熒光光譜分析,得到了茶鮮葉樣品在采集光譜區(qū)域的特征。并同步測(cè)定了茶鮮葉中葉綠素和水分的含量。
　　 2.運(yùn)用主成分分析、馬氏距離法、杠桿值法等3種光譜異常

3、樣品剔除方法,對(duì)120個(gè)樣品光譜數(shù)據(jù)進(jìn)行光譜異常值判定,結(jié)果表明主成分分析法比其它兩種算法更加適合本研究。最后剔除了3個(gè)異常樣品光譜,保留了117個(gè)樣本;利用預(yù)測(cè)濃度殘差法對(duì)化學(xué)值異常樣品進(jìn)行判定,其中葉綠素葉面積含量和葉綠素葉鮮重含量的異常值為5個(gè),葉片含水率的化學(xué)異常值為6個(gè)。利用偏最小二乘法對(duì)剔除樣品異常值前后的樣品集進(jìn)行建模,比較模型的預(yù)測(cè)效果,證明了經(jīng)過(guò)光譜異常值和化學(xué)異常值的刪除,可以大幅提高模型的穩(wěn)定性和預(yù)測(cè)性。
　

4、　 3.經(jīng)過(guò)異常樣品剔除后,葉綠素含量指標(biāo)的樣品集個(gè)數(shù)為112個(gè),選取其中的82個(gè)樣品作為校正集,剩余30個(gè)樣品作為預(yù)測(cè)集。比較了一階導(dǎo)數(shù)(1st)、二階導(dǎo)數(shù)(2nd)、多元散射校正(MSC)、標(biāo)準(zhǔn)下唇態(tài)換(SNV)、平滑(S-G)、歸一化(Nor)等6種預(yù)處理方法的效果,找出了葉綠素葉面積含量的最佳光譜預(yù)處理方法是2nd+MSC+Nor,葉綠素葉鮮重含量指標(biāo)的最佳預(yù)處理方法是2nd+MSC+SNV;并在最佳的光譜預(yù)處理方法下,分別建

5、立葉面積含量和葉鮮重含量的偏最小二乘預(yù)測(cè)模型,葉面積含量的校正相關(guān)系數(shù)(Rc)和預(yù)測(cè)相關(guān)系數(shù)(Rp)分別為0.9529和0.8698;葉鮮重含量的校正相關(guān)系數(shù)(Rc)和預(yù)測(cè)相關(guān)系數(shù)(Rp)分別為0.9113和0.8232。結(jié)果表明:使用單位葉面積含量來(lái)表示葉片葉綠素含量效果更好,更為合理。采用PLS+BP網(wǎng)絡(luò)進(jìn)行建模,并比較了不同主成分?jǐn)?shù)和隱含層單元數(shù)對(duì)PLS+BP模型精度的影響,得出了葉面積含量PLS-BP建模的較優(yōu)參數(shù)為主成分?jǐn)?shù)為6

6、,隱含層單元數(shù)為8;葉鮮重含量PLS-BP建模的較優(yōu)參數(shù)為主成分?jǐn)?shù)為6,隱含層單元數(shù)為9時(shí)校正模型最佳的結(jié)論,其中葉面積含量模型的Rc和耶分別為0.9391和0.9093,葉鮮重含量模型的Rc和Rp分別為0.9476和0.8673。比較PLS和PLS+BP模型的建模結(jié)果,發(fā)現(xiàn)PLs+BP模型對(duì)于葉鮮重含量預(yù)測(cè)性有很大提高,Rp從單獨(dú)使用PLS時(shí)的0.8232提高到0.8673。
　　 4.利用SPXY法對(duì)剔除異常樣品后的葉片含水

7、率樣品集進(jìn)行校正集和預(yù)測(cè)集劃分,其中校正集樣品數(shù)80個(gè),預(yù)測(cè)集樣品數(shù)31個(gè)。比較1st、2nd、MSC、SNV、S-G、Nor等6種預(yù)處理方法的效果,找出了葉片含水率的最佳預(yù)處理方法為Nor+MSC+2nd;并在最佳的預(yù)處理方法下建立葉片含水率的逐步回歸(SWR)模型,模型的驗(yàn)證結(jié)果為:Rc和Rp分別為0.8860和0.8364,校J下均方根誤差(RMSEC)和預(yù)測(cè)均方根誤差(RMSEP)分別為3.1584和3.644.7。采用原始光譜

8、進(jìn)行建模,建模方法為PLS+BP神經(jīng)網(wǎng)絡(luò),模型結(jié)果為:Rc和Rp分別為0.9424和0.8666,RMSEC和RMSEP分別為2.3043和3.6723。比較SWR和PLS+BP建模結(jié)果,發(fā)現(xiàn)PLS+BP模型大幅提高了校正模型的精度。
　　 通過(guò)對(duì)利用LED激發(fā)熒光光譜技術(shù)檢測(cè)茶鮮葉葉綠素和水分含量的初步研究,探索了化學(xué)計(jì)量學(xué)方法在熒光光譜分析中的應(yīng)用。研究成果不僅豐富了熒光光譜分析的方法,而且為利用葉綠素?zé)晒夤庾V技術(shù)快速無(wú)損檢