利用高光譜數(shù)據(jù)估測(cè)水稻米粉中粗蛋白粗淀粉

1、9期 劉 蕓等：利用高光譜數(shù)據(jù)估測(cè)水稻米粉中粗蛋白粗淀粉和直鏈淀粉含量2623利用高光譜數(shù)據(jù)估測(cè)水稻米粉中粗蛋白粗淀粉 和直鏈淀粉含量劉 蕓1，唐延林1，黃敬峰2，蔡紹洪1，樓 佳1（1貴州大學(xué)理學(xué)院，貴陽(yáng) 550025；2浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研究所，杭州 310029）摘要：【目的】粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量是水稻品質(zhì)的3個(gè)重要指標(biāo)。研究米粉中粗蛋白、粗淀粉和直鏈淀粉含量的光譜快速檢測(cè)方法為水稻品質(zhì)遙感監(jiān)測(cè)提供依據(jù)。【方法】通過(guò)田間小區(qū)試驗(yàn)，獲得了5個(gè)品種、3個(gè)供氮水平處理的米粉樣品，提取樣品的粗蛋白質(zhì)、粗淀粉和直鏈淀粉，測(cè)定樣品的粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量，同時(shí)測(cè)定相應(yīng)的

2、高光譜數(shù)據(jù)及粗蛋白質(zhì)與粗淀粉混合樣品的高光譜數(shù)據(jù)，分析它們的高光譜特征及其與樣品粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量之間的相關(guān)性，建立相關(guān)估測(cè)模型。【結(jié)果】粗蛋白質(zhì)和粗淀粉、直鏈淀粉的光譜有明顯的差異，米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與其某些高光譜參量之間存在極顯著相關(guān)，其中決定系數(shù)R2約0.7，相關(guān)估測(cè)模型的檢驗(yàn)精度在80%以上。【結(jié)論】高光譜法可以用來(lái)估測(cè)米粉的粗蛋白、粗淀粉和直鏈淀粉含量。關(guān)鍵詞：高光譜數(shù)據(jù)；米粉；粗蛋白質(zhì)；粗淀粉；直鏈淀粉Contents of Crude Protein, Crude Starch and Amylase in Rice Flour by Hyperspe

3、ctral DataLIU Yun1, TANG Yan-lin1, HUANG Jing-feng2, CAI Shao-hong1, LOU Jia1(1College of Science, Guizhou University, Guiyang 550025; 2Institute of Agricultural Remote Sensing & Information System Application, Zhejiang University, Hangzhou 310029)Abstract: 【Objective】The contents of crude prote

4、in, crude starch and amylase are three important indices to evaluate the nutrition and taste quality of rice. To study the method for quick inspecting the contents of crude protein, crude starch and amylase of rice flour may provide a basis for monitoring rice quality by remote sensing. 【Method】The

5、5 varieties of rice flour sample under 3 nitrogen application levels were obtained through field testing. The crude protein, crude starch and amylase were extracted from the rice flour, and their contents were determined. The hyperspectral reflectances of samples themselves, their crude protein, cru

6、de starch, amylase and mixture with crude protein and crude starch were measured by a ASD FieldSpec Pro FR. The hyperspectral characteristics and their correlation were analyzed. 【Result】The hyperspectral reflectances of crude protein was different from that of crude starch and amylase. The contents

7、 (%) of crude protein, crude starch and amylase in rice were very significantly correlated to their some hyperspectral parameters. The squared multiple correlation coefficients (R2) were about 0.7. For the inspection of estimating models, the precision degree were above 80%. 【Conclusion】It is conclu

8、ded that it can be possible to estimate the contents of crude protein, crude starch and amylase in rice flour by hyperspectral data. Key words: Hyperspectral datum; Rice flour; Crude protein; Crude starch; Amylase0 引言【研究意義】近年來(lái)，高光譜遙感技術(shù)的發(fā)展迅速，已可以在光譜維上展開(kāi)，直接對(duì)地物微弱光譜差異進(jìn)行定量分析。高光譜遙感技術(shù)在植被遙感研究與應(yīng)用，特別是農(nóng)作物的品質(zhì)遙感監(jiān)測(cè)

9、中表現(xiàn)出強(qiáng)大優(yōu)勢(shì)1,2?？焖俦O(jiān)測(cè)主要農(nóng)作物的長(zhǎng)勢(shì)及品質(zhì)對(duì)及時(shí)改進(jìn)耕種方法穩(wěn)定農(nóng)業(yè)生產(chǎn)有重要指導(dǎo)作用?！厩叭搜芯窟M(jìn)展】在20世紀(jì)6070年代，美國(guó)農(nóng)業(yè)部（USDA）的研究人員詳細(xì)測(cè)定和分析了干燥和搗碎的多種植物葉片光譜，獲得在0.42.4 m光譜范圍內(nèi)大約有42處對(duì)應(yīng)一定的生物化學(xué)成分的吸收特征，這為用遙感手段來(lái)估測(cè)葉片乃至植株的生化組分提供了可能3。生物化學(xué)組分主要指植物體內(nèi)的各種色素（如葉綠素、葉黃素、類(lèi)胡蘿卜素等）、各種營(yíng)養(yǎng)成分（如N、P、K）及纖維素、半纖維素、木質(zhì)素、糖、脂肪、淀粉和蛋白質(zhì)等。前人試驗(yàn)表明，農(nóng)作物中生化組分對(duì)0.42.4 m范圍內(nèi)的光譜吸收有一些比較明顯的特征，其中心吸

10、收波長(zhǎng)分別為：水分970、1 180、1 450 nm；葉綠素480、660 nm；纖維素1 730、2 100、2 300 nm；氮760、1 640、2 100 nm；木質(zhì)素1 730、2 300 nm；淀粉990、1 450、1 530、1 900、2 250 nm。國(guó)內(nèi)外通過(guò)反射光譜法來(lái)研究生物體的化學(xué)組分已有較多報(bào)道：Card等4研究表明用葉片光譜反射率R的變量log（1/R）及l(fā)og（1/R）的一階、二階導(dǎo)數(shù)可估測(cè)葉子的化學(xué)組分含量；Kokaly等5研究表明利用2 054和 2 172 nm的光譜吸收特征來(lái)估算水稻葉片的的氮素含量；LaCapra等6用成像光譜儀估測(cè)水稻葉片的氮和木

11、質(zhì)素含量，發(fā)現(xiàn)木質(zhì)素與log（1/R）的相關(guān)性（R2=0.44）要差于氮（R2=0.74）；牛錚等7采用多元逐步回歸方法研究了以小麥鮮葉片為主的鮮葉中7種化學(xué)組分含量與其高光譜數(shù)據(jù)的統(tǒng)計(jì)關(guān)系，結(jié)果表明葉片的精細(xì)光譜特征能較好地反映出化學(xué)組分含量，尤其對(duì)粗蛋白、N、K含量反映最好，R2均達(dá)到0.8以上；Fourty等8通過(guò)光譜方法來(lái)估測(cè)鮮葉中的生物化學(xué)成份；王紀(jì)華等9,10、馮偉等11研究反射光譜與小麥葉片生化成分及籽粒品質(zhì)之間的關(guān)系；日本科學(xué)家小西教夫 等12對(duì)利用遙感技術(shù)來(lái)監(jiān)測(cè)水稻的蛋白質(zhì)和淀粉含量作了初步研究；Yoshio等13用反射光譜來(lái)監(jiān)測(cè)水稻品質(zhì)。Curran等14、Kokaly等1

12、5根據(jù)反射光譜數(shù)據(jù)用3種方法經(jīng)逐步回歸估測(cè)干葉片中的生化組分，結(jié)果表明估測(cè)精度依次為：總?cè)~綠素、氮、糖、葉綠素a、纖維素、葉綠素b、木質(zhì)素、水分、磷、蛋白質(zhì)、氨基酸、淀粉?！颈狙芯壳腥朦c(diǎn)】目前，國(guó)內(nèi)外已廣泛采用近紅外光譜檢測(cè)法來(lái)分析谷物、飼料的質(zhì)量，但一般是基于吸收光譜，而使用反射光譜的報(bào)道較少，Wu等16、Yadav等17用近紅外反射分光計(jì)（1 1002 500 nm）來(lái)測(cè)定稻米的氨基酸、蛋白質(zhì)等，Barton等18用近紅外分光計(jì)（4002 498 nm）來(lái)分析水稻的品質(zhì)（表觀(guān)直鏈淀粉、蛋白質(zhì)、灰分等），檢測(cè)結(jié)果與用化學(xué)分析方法、拉曼光譜法及傅里葉變換紅外吸收光譜法的結(jié)果有相同的精度。衡量稻

13、米品質(zhì)的兩個(gè)重要指標(biāo)是稻米的蛋白質(zhì)含量與直鏈淀粉含量19，當(dāng)前日本已開(kāi)發(fā)出基于光譜方法的大米品質(zhì)自動(dòng)檢測(cè)系統(tǒng)20。ASD FieldSpec Pro FR光譜儀的工作原理與分光計(jì)的工作原理是相同的，薛利紅等21分析了水稻冠層反射光譜與其籽粒品質(zhì)的關(guān)系，唐延林等22利用高光譜法來(lái)估測(cè)稻穗稻谷的粗蛋白質(zhì)和粗淀粉含量，這表明可以用高光譜儀來(lái)檢測(cè)水稻的生化組分含量?！緮M解決的關(guān)鍵問(wèn)題】本研究目的是探索用高光譜儀來(lái)估測(cè)米粉中的粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量，為快速、低成本地檢測(cè)稻米品質(zhì)提供依據(jù)，同時(shí)也為用高光譜遙感方法進(jìn)行水稻品質(zhì)監(jiān)測(cè)提供理論依據(jù)。1 材料與方法1.1 稻米品種 試驗(yàn)選用的稻米品種為常規(guī)

14、粳稻秀水110、常規(guī)秈稻嘉育293、嘉早312、嘉早324和協(xié)優(yōu)9308，分別記為S1、S2、S3、S4和S5。將經(jīng)過(guò)3種供氮水平（嚴(yán)重缺氮、正常、嚴(yán)重超氮）栽種處理的水稻收割后脫粒，隨機(jī)取樣于45恒溫烘干、去殼得精米，然后粉碎過(guò)200目篩，制成米粉放入干燥箱中以供實(shí)驗(yàn)室測(cè)光譜用。正常栽種時(shí)S1、S2、S3、S4、S5的粗蛋白、粗淀粉和直鏈淀粉的含量分別為6.3%、80.2%、18.1%；9.6%、82.6%、24.0%；10.0%、76.1%、13.2%；9.2%、77.1%、14.6%；7.0%、80.4%和22.5%。1.2 光譜測(cè)定 光譜儀選用美國(guó)ASD公司產(chǎn)FieldSpec Pro

15、 FR光譜儀，波段值為3502 500 nm，其中，3501 000 nm光譜采樣間隔（波段寬）為1.4 nm，光譜分辨率為3 nm，1 0002 500 nm光譜采樣間隔（波段寬）為2 nm，光譜分辨率為10 nm。測(cè)光譜時(shí)，將米粉樣品置于高2 cm、直徑約5 cm的黑色圓盒中，裝滿(mǎn)樣品。用三角架固定光譜儀探頭，并使光譜儀探頭垂直向下正對(duì)待測(cè)樣品中部，光譜儀視場(chǎng)角為8°，距樣品表面距離0.15 m（視場(chǎng)直徑約2.1 cm）；光源用光譜儀所帶的50 W鹵化燈，距樣品表面距離0.45 m，方位角70°（與樣品表面的夾角）。每次數(shù)據(jù)采集前都進(jìn)行標(biāo)準(zhǔn)白板校正，光譜采樣以10個(gè)光譜

16、為一采樣光譜，每次記錄10個(gè)采樣光譜，然后求平均。數(shù)據(jù)分析軟件為SPSS10.0。1.3 粗蛋白、粗淀粉和直鏈淀粉提取與含量測(cè)定 粗蛋白、粗淀粉和直鏈淀粉的提取按一般生化方G×100法進(jìn)行。大米粗蛋白的提取方法：將收獲的秀水110稻谷碾磨去殼，得大米。將大米1 kg用清水浸泡5 h，然后粉碎打漿，放入離心機(jī)中離心，得離心液（溶有大米蛋白質(zhì)）和沉淀（主要為淀粉和纖維素）。在離心液中加入75%的乙醇，振蕩搖晃幾分鐘后再放入離心機(jī)中離心，棄去離心清液得蛋白質(zhì)沉淀物。將上面得到的大米蛋白質(zhì)沉淀物用蒸餾水溶解，得蛋白質(zhì)溶液，將溶液放入G-50層析儀中進(jìn)行萄聚糖柱層析，收集蛋白質(zhì)流出液，然后進(jìn)行

17、減壓、濃溶、干燥即得大米粗蛋白質(zhì)樣品。大米粗淀粉的提取按照文獻(xiàn)23的方法；直鏈淀粉的提取按文獻(xiàn)24方法。用凱氏定氮法測(cè)全氮含量，根據(jù)一般大米蛋白質(zhì)中含約16.8%氮的原理，將測(cè)得的全氮含量乘以換算因子K=5.95，推算為粗蛋白質(zhì)含量。粗淀粉的測(cè)量使用蒽酮法，直鏈淀粉的測(cè)量方法如下：選用色澤正常的稻谷數(shù)粒，去殼而成無(wú)胚整米，然后在瓷研缽中磨成粉末，盛于稱(chēng)量皿中，放入60烘箱中48 h，取出降至室溫。按國(guó)標(biāo)GB-3523-83測(cè)米粉含水率。稱(chēng)取0.01 g烘干的米粉放入100 ml容量瓶中，加1 ml無(wú)水乙醇溫潤(rùn)，再加9 ml 1 mol·L-1的NaOH溶液，在沸水浴中糊化15 min

18、，冷卻后用水定容，取其中20 ml堿分解液，加入100 ml石油醚，在振蕩器上振蕩3 min，靜止10 min，再取下層堿分解液5 ml放入100 ml容量瓶中，加蒸餾水50 ml、1 mol·L-1乙酸1 ml和碘試劑1 ml，用蒸餾水定容至100 ml，10 min后用分光光度計(jì)測(cè)620 nm處的光密度。用標(biāo)準(zhǔn)直鏈淀粉按同樣步驟作對(duì)比實(shí)驗(yàn)，繪制標(biāo)準(zhǔn)曲線(xiàn)，按下述公式計(jì)算樣品的直鏈淀粉的含量。0.1000×5×(1-H)×100直鏈淀粉含量（%）=式中，G是根據(jù)樣品光密度從相應(yīng)標(biāo)準(zhǔn)曲線(xiàn)上查得的直鏈淀粉含量（g），H為稻米含水率。2 結(jié)果與分析2.1 稻米

19、粗蛋白質(zhì)、粗淀粉和直鏈淀粉光譜圖-a是從S1稻米中提取的粗蛋白質(zhì)、粗淀粉和直鏈淀粉的光譜，從圖中可知，粗蛋白質(zhì)、直鏈淀粉和粗淀粉的光譜曲線(xiàn)有較大的差異，反射率數(shù)值粗淀粉明顯高于粗蛋白，且其反射峰、谷的位置、數(shù)量和反射谷的相對(duì)深度在1 200 nm以上區(qū)域都有明顯不同，直鏈淀粉和粗淀粉的反射光譜形狀基本相同。這是因?yàn)?，按物理化學(xué)原理，在3502 400 nm范圍內(nèi)影響蛋白質(zhì)反射光譜曲線(xiàn)形狀的主要吸收因子是O-H、C-H、N-H、N=H鍵的振動(dòng)、彎曲和變形，而影響淀粉和直鏈淀粉反射光譜曲線(xiàn)形狀的主要吸收因子都是它們中O-H、C-O、C-H、CH2鍵的振動(dòng)、彎曲和變形。所以圖中蛋白質(zhì)的反射光譜曲線(xiàn)在

20、形狀、吸收峰位置和數(shù)量上同淀粉的反射光譜曲線(xiàn)都有明顯不同，主要表現(xiàn)在：蛋白質(zhì)在410、2 060、2 180附近有圖中P、S、A分別表示粗蛋白質(zhì)、粗淀粉和直鏈淀粉P, S and A stand for crude protein, crude starch and amylose, respectively圖 稻米粗蛋白質(zhì)、粗淀粉和直鏈淀粉光譜Fig. Spectra of rice crude protein, crude starch and amylase3個(gè)小吸收峰，而淀粉沒(méi)有；兩者主要反射峰、谷位置相差10 nm以上。圖-b從秀水110糙米中提取的蛋白質(zhì)和粗淀粉按不同比例（質(zhì)量比）

21、混合后的反射光譜。當(dāng)混合物中粗淀粉含量超過(guò)50%時(shí)，混合物光譜中蛋白質(zhì)在410、2 060、2 180 nm附近的3個(gè)小吸收峰已不再明顯?；旌衔锓瓷涔庾V的峰、谷位置隨蛋白質(zhì)、粗淀粉的混合比例不同而出現(xiàn)“紅移”和“藍(lán)移”，理論上，通過(guò)對(duì)光譜反射率數(shù)值和曲線(xiàn)形狀特征提取（求導(dǎo)、計(jì)算反射谷的寬度、面積和光譜吸收指數(shù)SAI、“紅移”和“藍(lán)移”大小等）25，可以用來(lái)估測(cè)混合樣品中粗蛋白質(zhì)、粗淀粉和直鏈淀粉的含量。2.2 米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與高光譜的相關(guān)性以不同比例蛋白質(zhì)和粗淀粉的混合物光譜為例，分析它們的光譜曲線(xiàn)在2 100 nm附近（2 0202 235 nm）的吸收面積S（光譜曲線(xiàn)與

22、2 020 nm和2 235 nm之間非基準(zhǔn)吸收線(xiàn)所包圍的面積）與蛋白質(zhì)或粗淀粉相對(duì)含量的相關(guān)性，發(fā)現(xiàn)蛋白質(zhì)相對(duì)含量與面積S之間極顯著負(fù)相關(guān)、粗淀粉相對(duì)含量與面積S之間極顯著正相關(guān)，決定系數(shù)R2在0.997以上。分析發(fā)現(xiàn)，米粉的粗蛋白質(zhì)含量與米粉光譜反射率在紫光到橙光范圍（380650 nm）內(nèi)達(dá)到了負(fù)顯著相關(guān)水平，在860 nm以上紅外區(qū)域也達(dá)到了顯著相關(guān)水平；粗淀粉和直鏈淀粉含量與米粉光譜在藍(lán)紫光范圍達(dá)到了正極顯著相關(guān)水平、而在短波紅外范圍也達(dá)到了正顯著相關(guān)水平。利用原始光譜反射率、一階導(dǎo)數(shù)光譜來(lái)構(gòu)建植被指數(shù)DVIij、RVIij、NDVIij，另外分別選用紅邊參數(shù)r、Dr、Sr，綠峰參數(shù)

23、g、Rg、Sg，藍(lán)邊參數(shù)b、Db、Sb和黃邊參數(shù)y、Dy、Sy，分別分析米粉的粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與其原始光譜Ri、log（1/Ri）、Di、D log（1/Ri）及上述各高光譜變量的相關(guān)性，得相關(guān)系數(shù)較大的光譜變量（表1）。表1 米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與其高光譜變量的相關(guān)系數(shù)（n=60）Table 1 Correlation coefficients between the contents of crude protein, crude starch, amylose of rice flour and their spectra光譜變量Spectral variab

24、les粗蛋白質(zhì)含量Content of crude protein (%)粗淀粉含量Content of crude starch (%)直鏈淀粉含量Content of amylase (%)R363-0.1570.768*0.755*D11990.848*-0.102-0.134D5370.339*0.794*-0.770*Dlog(1/R463)-0.379*0.758*0.779*Dlog(1/R1199)-0.850*0.0260.048R362/R914-0.264*0.798*0.786*R987/R5530.840*-0.203-0.192D793/D3670.853*0.18

25、50.207D915/D381-0.277*0.803*0.794*、*分別表示通過(guò)0.05、0.01顯著性檢驗(yàn)。下同*, * stand for significant difference at P0.05 and P0.01 levels, respectively. The same as below從表1可知，米粉中粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與其光譜變量之間存在極顯著相關(guān)性，因此，根據(jù)這些光譜變量，可以從米粉光譜來(lái)估測(cè)其粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量。估測(cè)米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量時(shí)，用導(dǎo)數(shù)光譜的估測(cè)效果要略好于原始光譜。根據(jù)表1對(duì)米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與其高

26、光譜變量的相關(guān)性分析可知，可以用米粉的某些高光譜變量來(lái)估測(cè)其粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量，估算回歸方程如表2示。以另外一組試驗(yàn)數(shù)據(jù)為檢驗(yàn)樣本，對(duì)米粉的粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量的估測(cè)模型（表2）進(jìn)行檢驗(yàn)和估測(cè)精度分析，結(jié)果如表3示。從表2、表3可知，從米粉光譜估測(cè)其粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量時(shí)，一般說(shuō)來(lái)，一階導(dǎo)數(shù)光譜變量模型（有較高的擬合R2、檢測(cè)R2和檢測(cè)精度）的估測(cè)效果較好，多元逐步回歸模型的估測(cè)效果要比單變量模型的估測(cè)效果好；估測(cè)粗淀粉、直鏈淀粉含量的效果要好于估測(cè)粗蛋白質(zhì)含量，因?yàn)橐话憔?、秈稻中粗淀粉、直鏈淀粉含量要大于粗蛋白質(zhì)含量。表2 米粉粗蛋白質(zhì),直鏈淀粉含量的估算回歸

27、方程（n=60）Table 2 Regression equations of estimating the contents (%) of crude protein, crude starch and amylose of rice flour 生化參數(shù)Biochemical parameters光譜變量xSpectral variables回歸方程Regression equationsR2F標(biāo)準(zhǔn)誤Std.E粗蛋白質(zhì)Crude proteinD119918.838exp(1148.5x)0.727*154.30.1049R987/R553-23.973x2+77.138x51.9180.

28、743*82.40.8193D793/D36720.589x0.31590.746*170.40.1011-15.522 R523+13.903 R994+342.88 R671-347.32 R665+7.42400.789*51.30.75715228.39 D1199+4095.47 D831 3149.24 D1480+10.93900.872*127.20.5834粗淀粉Crude starchD537290.24exp(-1584.9x)0.615*93.20.1459R362/ R914-358.92x2 +438.68x 26.7550.628*48.11.7967D915/

29、D38171.357exp(5.1747x)0.651*110.20.1418496.65 R363-334.27 R1856-67.524 R670+205.92 R1498+68.3350.778*48.31.4571-77982.8 D537+16638.2 D1973 23126.7 D997+120.540.716*46.41.5732直鏈淀粉AmyloseD53774.112exp(-1584.9x)0.608*90.10.1567R362/ R914-86.866x2 +106.74x 6.31890.620*46.41.8484D915/ D38117.413exp(5.174

30、7x)0.640*102.90.1504125.20 R363-85.226 R1856-15.981 R670+50.600 R1498+18.2850.762*44.11.4881-19535.3 D537+4118.44 D1973 5853.94 D997+30.46700.705*44.71.6414表3 米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量的高光譜估算模型精度分析（n=60）Table 3 Analysis of precision for the hyperspectral estimating models of the contents (%) of crude protein

31、, crude starch and amylose of rice flour (n=60)生化參數(shù)Biochemical parameters光譜變量xSpectral variables回歸方程Regression equations模擬R2Imulated R2模擬FSimulated F檢驗(yàn)R2 Inspected R2檢驗(yàn)F Inspected F檢驗(yàn)精度(%)Inspected precision 粗蛋白質(zhì)Crude proteinD119918.838exp(1148.5x)0.727*154.30.764*188.291.3R987/ R553-23.973x2 +77.13

32、8x 51.9180.743*82.40.343*28.982.5D379/ D77320.589x0.31590.746*170.40.679*122.092.0-15.522 R523+13.903 R994+342.88 R671-347.32 R665+7.42400.789*51.30.584*31.682.65228.39 D1199+4095.47 D8313149.24 D1480+10.93900.872*127.20.749*55.893.2粗淀粉Crude starchD537290.24exp(-1584.9x)0.615*93.20.712*141.592.2R362

33、/ R914-358.92x2 +438.68x26.7550.628*48.10.713*142.993.1D915/ D38171.357exp(5.1747x)0.651*110.20.701*133.794.3496.65 R363-334.27 R1856-67.524 R670+205.92 R1498+68.3350.778*48.30.857*78.890.5-77982.8 D537+16638.2 D1973 23126.7 D997+120.540.716*46.40.744*52.694.9直鏈淀粉AmyloseD537 74.112exp(-1584.9x)0.608

34、*90.10.706*139.393.8R362/ R914-86.866x2+106.74x 6.31890.620*46.40.708*140.992.4D915/ D38117.413exp(5.1747x)0.640*102.90.686*126.894.0125.20 R363-85.226 R1856-15.981 R670+50.600 R1498+18.2850.762*44.10.843*74.191.2-19535.3 D537+4118.44 D1973 5853.94 D997+30.46700.705*44.70.753*56.994.23 討論20世紀(jì)70年代后期，

35、美國(guó)農(nóng)業(yè)部（USDA）的研究人員研究了從干葉和干物質(zhì)的反射光譜來(lái)對(duì)其生物化學(xué)參量（如纖維素、蛋白質(zhì)、糖、淀粉等）進(jìn)行估計(jì)，分析精度能與濕化學(xué)分析法相媲美。本研究通過(guò)對(duì)米粉的蛋白質(zhì)、淀粉、直鏈淀粉、不同比例稻米蛋白質(zhì)和淀粉混合物及不同米粉的高光譜特征的分析，結(jié)果表明：（1）粗蛋白質(zhì)、直鏈淀粉和粗淀粉的光譜曲線(xiàn)有較大的差異，直鏈淀粉和粗淀粉的反射光譜形狀基本相同；（2）不同比例的粗蛋白質(zhì)和粗淀粉混合時(shí)，混合物的反射光譜與純凈物反射光譜相比會(huì)出現(xiàn)峰、谷位置“紅移”或“藍(lán)移”現(xiàn)象；（3）米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量與其某些高光譜變量之間具有極顯著相關(guān)性，估測(cè)米粉粗蛋白質(zhì)、粗淀粉和直鏈淀粉含量時(shí)，

36、用導(dǎo)數(shù)光譜的估測(cè)效果要略好于原始光譜，多元逐步回歸模型的估測(cè)效果要比單變量模型的估測(cè)效果好。一般說(shuō)來(lái)，樣品中含量高的生化組分的估測(cè)效果要比含量低的生化組分的估測(cè)效果好，這是符合光譜吸收的比爾定律的。本研究分析表明，利用導(dǎo)數(shù)光譜估測(cè)的效果要比用原始光譜好，原因是蛋白質(zhì)和粗淀粉的吸收峰位于紅外區(qū)域，并且它們的吸收峰相互有重疊，也與其它生化成分（如纖維素）的吸收峰重疊3，而使用導(dǎo)數(shù)光譜可以將這些反射谷的變化趨勢(shì)挖掘出來(lái)，部分剔除各生化組分之間的相關(guān)性，有利于分離不同生化組分的吸收特征。本研究是通過(guò)對(duì)米粉樣品的高光譜來(lái)估測(cè)米粉中的粗蛋白、粗淀粉和直鏈淀粉含量作了一些探討，所使用的高光譜實(shí)質(zhì)是漫反射光譜

37、，與米粉的外觀(guān)形態(tài)和內(nèi)部結(jié)構(gòu)都有一定關(guān)系，即與稻米品質(zhì)（外觀(guān)、口味和營(yíng)養(yǎng)）相關(guān)。利用近紅外漫反射光譜進(jìn)行非接觸在線(xiàn)檢測(cè)已逐步應(yīng)用于食品、煙草、醫(yī)藥等工業(yè)生產(chǎn)中。4 結(jié)論利用高光譜儀能對(duì)米粉中的粗蛋白質(zhì)、粗淀粉和直鏈淀粉進(jìn)行估測(cè)，其中對(duì)粗淀粉的估測(cè)檢驗(yàn)精度要好于對(duì)粗蛋白質(zhì)和直鏈淀粉的估測(cè)。它可以為快速、低成本地檢測(cè)稻米品質(zhì)，為水稻品質(zhì)的遙感監(jiān)測(cè)、為用遙感方法對(duì)大量谷物及飼料的營(yíng)養(yǎng)成分快速估測(cè)提供參考方法和依據(jù)。References1Vane G, Goetz A F H. Terrestrial imaging spectrometry: current status, future trend

38、s. Remote Sensing of Environment, 1993, 44(2): 117-126.2薛利紅, 朱 艷, 張 憲, 曹衛(wèi)星. 利用冠層反射光譜預(yù)測(cè)小麥籽粒品質(zhì)指標(biāo)的研究. 作物學(xué)報(bào), 2004, 30(10): 1036-1041.Xue L H, Zhu Y, Zhang X, Cao W X. Predicting wheat grain quality with canopy reflectance spectra. Acta Agronomica Sinica, 2004, 30(10): 1036-1041. (in Chinese)3Curran P J.

39、 Remote sensing of foliar chemistry. Remote Sensing of Environment, 1989, 30: 271-278. 4Card D H, Peterson D L, Matson P A, Aber J D. Prediction of leaf chemistry by the use of visible and near infrared reflectance spectroscopy. Remote Sensing of Environment, 1988, 26: 123-147.5Kokaly R F. Investiga

40、ting a physical basis for spectroscopic estimates of leaf nitrogen concentration. Remote Sensing of Environment, 2001, 75: 153-161.6LaCapra V C, Melack J M, Gastil M, Valeriano D. Remote sensing of foliar chemistry of inundated rice with imaging spectrometry. Remote Sensing of Environment, 1996, 55:

41、 50-58.7牛 錚, 陳永華, 隋洪智, 張慶員, 趙春江. 葉片化學(xué)組分成像光譜遙感探測(cè)分析. 遙感學(xué)報(bào), 2000, 4(2): 125-130.Niu Z, Chen Y H, Sui H Z, Zhang Q Y, Zhao C J. Mechanism analysis of leaf biochemical concentration by high spectral remote sensing. Journal of Remote Sensing, 2002, 4(2): 125-130. (in Chinese)8Fourty T, Baret F. On spectra

42、l estimates of fresh leaf biochemistry. International Journal of Remote Sensing, 1998, 19(7): 1289-1297. 9王紀(jì)華, 黃文江, 趙春江, 楊敏華, 王之杰. 利用光譜反射率估算葉片生化組分和籽粒品質(zhì)指標(biāo)研究. 遙感學(xué)報(bào), 2003, 7(4): 277-284.Wang J H, Huang W J, Zhao C J, Yang M H, Wang Z J. The inversion of leaf biochemical components and grain quality ind

43、icators of winter wheat with spectral reflectance. Journal of Remote Sensing, 2003, 7(4): 277-284. (in Chinese)10黃文江, 王紀(jì)華, 劉良云, 趙春江, 宋曉宇, 馬智宏. 小麥品質(zhì)指標(biāo)與冠層光譜特征的相關(guān)性的初步研究. 農(nóng)業(yè)工程學(xué)報(bào), 2004, 20(4): 203-207.Huang W J, Wang J H, Liu L Y, Zhao C J, Song X Y, Ma Z H. Correlation between grain quality indicators a

44、nd spectral reflectance properties of wheat canopies by using hyperspectral data from winter wheat. Transactions of the CSAE, 2004, 20(4): 203-207. (in Chinese)11馮 偉, 姚 霞, 田永超, 朱 艷, 劉小軍, 曹衛(wèi)星. 小麥籽粒蛋白質(zhì)含量高光譜預(yù)測(cè)模型研究. 作物學(xué)報(bào), 2007, 33(12): 1935-1942.Feng W, Yao X, Tian Y C, Zhu Y, Liu X J, Cao W X. Predicti

45、ng grain protein content with canopy hyperspectral remote sensing in wheat. Acta Agronomica Sinica, 2007, 33(12): 1935-1942. (in Chinese)12小西教夫, 志賀弘行, 安積大治, 高橋義博, 安逹孝行, 齊藤元也. 美味米作. 測(cè)量, 2000, 7: 14-21.13Inoue Y, Sakaiya E, Nakano K. Estimating rice grain quality and growth during ripening period base

46、d on reflectance spectra. A Century of Integrating Crops, Soils & Enviroment ASA-CSSA-SSSA 2007 International Annual Meeting, November 4-8, New Orleans Louisiana. 14Curran P J, Dungan J L, Peterson D L. Estimating the foliar biochemical concentration of leaves with reflectance spectrometry- test

47、ing the kokaly and clark methodologies. Remote Sensing of Environment, 2001, 76: 349-359.15Kokaly R F, Clark R N. Spectroscopic determination of leaf biochemistry using band-depth analysis of features and stepwise multiple linear regression. Remote Sensing of Environment, 1999, 67: 267-287.16Wu J G,

48、 Shi C H, Zhang X M. Estimating the amino acid composition in milled rice by near-infrared reflectance spectroscopy. Field Crops Research, 2002, 75: 1-7.17Yadav B K, Jindal V K. Monitoring milling quality of by image analysis. Computers and Electronics in Agriculture, 2001, 33: 19-33.18Barton F E, Himmelsbach D S, McClung A M, Champagne E T. Rice quality by spectroscopic analysis: precision of three spectral regions. Cereal Chemistry, 2000, 77(5): 669-672. 19陳 能, 羅玉坤, 朱智偉, 張伯平, 鄭有川, 謝黎虹. 優(yōu)質(zhì)食用稻米品質(zhì)的理化指標(biāo)與食味的相關(guān)性研究. 中國(guó)水稻科學(xué), 1997, 11(2): 70