近红外光谱法在水稻育种中的应用基础研究

摘要

该文采用随机法、蛋白质含量梯度法、主成分系统聚类法、主成分三维线性映射法和水稻生物学性状参数系统聚类法挑选代表性样品,研究建立云南稻种共计468个糙米样品中的蛋白质含量的近红外定量分析数学模型,并检验模型的预测结果.

目录

文摘

英文文摘

1.引言

1.1近红外光谱分析技术的发展

1.2近红外在水稻品质分析中的应用

2.实验的理论与原理

2.1近红外光谱分析的理论基础

2.1.1近红外光谱分析的化学基础

2.1.2 NIR分析的物理基础

2.2近红外分析的数学基础

2.2.1偏最小二乘法

2.2.2主成分分析(PCA)

2.2.3聚类分析(Cluster Analysis)

2.3近红外漫反射光谱定量分析

2.3.1测定校正集样品的物化参数

2.3.2扫描样品的近红外光谱

2.3.3校正集样品的选择

2.3.4近红外定量分析数学模型的建立

2.3.5近红外定量分析的基本流程

2.4评价模型优劣的理论基础和建模效果的指标

2.4.1模型的稳定性好

2.4.2模型的预测准确度要好

2.4.3测定系数R2(The coefficient of determination)

2.4.4校正标准差(SEE)与预测标准差(SEP)

2.4.5相对标准差RSD

3.实验部分

3.1仪器设备及软件

3.1.1仪器设备

3.1.2软件

3.2实验材料

3.3实验方法

3.3.1样品的处理与化学标定

3.3.2样品近红外漫反射光谱的测量

3.3.3样本集的优化

3.3.4随机法挑选校正集样品建模

3.3.5含量梯度法挑选校正集样品建模

3.3.6主成分系统聚类法挑选校正集样品建模

3.3.7主成分三维线性映射法挑选校正集样品建模

3.3.8水稻生物性状系统聚类法挑选校正集样品建模

3.3.9五种定量分析数学模型的评价参数比较

3.3.10糙米高蛋白含量定量分析数学模型的建立

4.讨论

5.结论

参考文献

附录

致谢