王昕洵， 陳玲玲,2， 張?zhí)N薇， 毛培勝*

1. 中國(guó)農(nóng)業(yè)大學(xué)草業(yè)科學(xué)系， 草業(yè)科學(xué)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100193

2. 赤峰市農(nóng)牧科學(xué)研究院草原研究所， 內(nèi)蒙古 赤峰 024031

不同硬實(shí)率紫花苜蓿種子的近紅外光譜分析

王昕洵1， 陳玲玲1,2， 張?zhí)N薇1， 毛培勝1*

1. 中國(guó)農(nóng)業(yè)大學(xué)草業(yè)科學(xué)系， 草業(yè)科學(xué)北京市重點(diǎn)實(shí)驗(yàn)室， 北京 100193

2. 赤峰市農(nóng)牧科學(xué)研究院草原研究所， 內(nèi)蒙古 赤峰 024031

紫花苜蓿； 種子； 硬實(shí)率； 近紅外光譜

引 言

紫花苜蓿(MedicagosativaL.)是一種重要的優(yōu)質(zhì)豆科牧草， 在世界范圍內(nèi)種植面積大、 用途廣。 但是， 由于紫花苜蓿的種子具有硬實(shí)特性， 對(duì)苜蓿的研究工作和產(chǎn)業(yè)化生產(chǎn)造成一定的影響。 硬實(shí)普遍存在于豆科植物種子中， 研究證明， 硬實(shí)種子的活力、 抗逆表現(xiàn)及耐貯藏性能等都高于非硬實(shí)種子[1-2]。 但是， 由于硬實(shí)種子和非硬實(shí)種子在外部形態(tài)上沒(méi)有差距， 很難鑒別和分離[3]。 目前常使用浸泡法來(lái)判斷硬實(shí)種子， 該方法雖然簡(jiǎn)單、 方便， 但浸泡后的非硬實(shí)種子種皮結(jié)構(gòu)和成分都發(fā)生變化， 無(wú)法在原始狀態(tài)下進(jìn)行相關(guān)機(jī)理研究[4]。

近紅外光譜分析技術(shù)具有快速、 方便、 高效、 成本低、 應(yīng)用廣泛等特點(diǎn)。 目前， 越來(lái)越多地被應(yīng)用到多個(gè)研究領(lǐng)域中[5-6]， 其高效、 準(zhǔn)確的特性正是種子硬實(shí)性判別所需的。 本研究嘗試采用近紅外光譜技術(shù)， 以不同硬實(shí)比率的紫花苜蓿種子作為材料， 通過(guò)模型分析的方法， 建立紫花苜蓿硬實(shí)種子比率的測(cè)定模型， 為種子硬實(shí)率的無(wú)損檢測(cè)提供技術(shù)支持和理論參考。

1 實(shí)驗(yàn)部分

1.1 儀器設(shè)備

實(shí)驗(yàn)主要儀器為Thermo Electron (美國(guó))的傅里葉變換近紅外光譜儀(Antaris)。 測(cè)定波長(zhǎng)范圍在4 000～10 000 cm-1(2 500～1 000 nm)之間， 掃描次數(shù)為64 次， 分辨率為8 cm-1。

1.2 樣品

自然硬實(shí)率梯度樣品： 選擇不同地區(qū)、 不同年份、 不同品種的紫花苜蓿種子共121份， 收獲年份分布在2004年—2012年之間， 其種源地分別為內(nèi)蒙古(28份)、 甘肅(26份)、 新疆(23份)、 寧夏(11份)、 黑龍江(5份)、 河北(5份)、 澳大利亞(7份)、 加拿大(14份)、 法國(guó)(2份)， 硬實(shí)率分布在0.2%～33.6%之間。

人工調(diào)整不同硬實(shí)率梯度樣品： 選擇2012年從內(nèi)蒙古收獲的敖漢苜蓿種子， 種子原始硬實(shí)率為20%。 人為地調(diào)整不同硬實(shí)率的樣品， 硬實(shí)率從20%～80%， 間隔為2%， 共31份樣品。 調(diào)整方法為： 選取干凈完整的苜蓿種子樣品， 分成兩份。 一份作為原始樣品備用。 另一份經(jīng)蒸餾水浸泡24 h后， 取出未吸漲種子， 攤晾兩天， 作為硬實(shí)樣品備用。 經(jīng)計(jì)算比率， 取一定量的原始樣品和硬實(shí)樣品， 按照不同硬實(shí)率梯度混合， 成為所需硬實(shí)比率的樣品。

1.3 硬實(shí)率測(cè)定

用浸種法測(cè)定種子硬實(shí)率， 隨機(jī)選取每份樣品中完整飽滿的種子100粒， 用蒸餾水浸泡24 h， 測(cè)定未吸脹種子數(shù)， 重復(fù)5次， 取平均值[7]。

硬實(shí)率=平均未吸脹種子數(shù)/被測(cè)種子總數(shù)100×100%

1.4 光譜采集

從每份樣品中隨機(jī)選取干凈、 完整的種子15 g， 放入樣品杯中， 輕搖使表面平整， 裝樣量控制在樣品杯容量的2/3。 為了能盡量消除由裝樣緊實(shí)度不同和粒度差異帶來(lái)的誤差， 每份樣品重復(fù)掃描3次， 取平均。 每次掃描時(shí)均進(jìn)行重新裝樣和背景掃描。 整個(gè)實(shí)驗(yàn)過(guò)程中將室溫控制在25 ℃左右[8]。

1.5 數(shù)據(jù)處理

采用TQ Analyst v6.0分析軟件(美國(guó))， 利用偏最小二乘回歸算法(PLS)建立紫花苜蓿種子自然硬實(shí)率的近紅外光譜預(yù)測(cè)模型和人工配比不同硬實(shí)率的近紅外光譜預(yù)測(cè)模型[9-10]。

2 結(jié)果與討論

2.1 自然硬實(shí)率紫花苜蓿種子近紅外光譜模型的建立

2.1.1 樣品集的劃分

121份樣品的硬實(shí)率主要分布在0.2%～33.6%， 平均值為13.7%。 其中硬實(shí)率在0～11%之間的樣品有53份， 11.1%～20%之間的樣品有33份， 20.1%～34%之間的樣品有35份。 將樣品按照硬實(shí)率從大到小的順序排列后， 按2∶1的比例劃分定標(biāo)集和驗(yàn)證集， 定標(biāo)集樣品82份， 驗(yàn)證集樣品39份。 劃分時(shí)使兩個(gè)集合中樣品的硬實(shí)率分布較相似， 其平均值、 最大值、 最小值和標(biāo)準(zhǔn)差都比較接近。 各個(gè)區(qū)段定標(biāo)集和驗(yàn)證集的樣品數(shù)量分布見(jiàn)圖1。

Fig.1 Distribution of calibration and validation samples in different hard seed rate segments

2.1.2 光譜范圍的選擇

Fig.2 The spectras of alfalfa seed samples

2.1.3 模型不同回歸方法和光程類型的比較

2.1.4 不同數(shù)據(jù)格式和濾波方法的比較

2.2 人工配比不同硬實(shí)率的紫花苜蓿種子近紅外光譜模型的建立

Table 1 The results of different spectral regions for the model in hard seeds of alfalfa

Table 2 The results of different regression methods and pathlengths for the model in hard seeds of alfalfa

Table 3 The results of different data formats and smoothing filters for the model in hard seeds of alfalfa

2.3 不同建模樣品對(duì)建模效果的影響

Table 4 The comparative analysis of prediction parameters of models in hard seeds of alfalfa

模型R2calRMSECRMSEPR2CVRMSECVRPD自然梯度模型0 91603 914 890 86124 981 91人工梯度模型一0 98842 775 660 91387 932 46人工梯度模型二0 98163 634 510 96025 323 58

3 結(jié) 論

[1] Zhang Lifeng, Wu Xingwen, She Yuehui. Agricultural Science and Technology, 2012, 13(9): 1885.

[2] SUN Xing-miao, WANG Zheng, LI Shu-guang, et al(孫星邈， 王 政， 李曙光， 等). Soybean Science(大豆科技), 2014， (3): 23.

[3] KANG Yue-qiong, HAO Feng(康月瓊, 郝 風(fēng)). Seed(種子), 2004, 23(7): 10.

[4] WANG Jin, LUO Guang-hong, YAN Xia, et al(王 進(jìn)， 羅光宏， 顏 霞， 等). Journal of Desert Research(中國(guó)沙漠), 2011, 31(4): 974.

[5] FENG Lei, CHEN Shuang-shuang, FENG Bin, et al(馮 雷， 陳雙雙， 馮 斌， 等). Transactions of the Chinese Society for Agricultural Machinery(農(nóng)業(yè)機(jī)械學(xué)報(bào)), 2012, 43(8): 175.

[6] ZHENG Tian-tian, SUN Teng-fei, CAO Zeng-hui, et al(鄭田甜， 孫騰飛， 曹增輝， 等). Spectroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2015, 35(3): 622.

[7] ZHAO Tang-jun, LIU Qing-chao, WANG Kui-ling, et al(趙堂君， 劉慶超， 王奎玲， 等). Seed(種子), 2013, 32(12): 24.

[8] HAN Liang-liang, MAO Pei-sheng, WANG Xin-guo, et al(韓亮亮, 毛培勝, 王新國(guó), 等). Journal of Infrared and Millimeter Waves(紅外與毫米波學(xué)報(bào)), 2008, 27(2): 86.

[9] Plans M, Simo J, Casanas F, et al. Journal of Agricultural and Food Chemistry, 2012, 60(3): 706.

[10] LI Yong, WEI Yi-min, WANG Feng(李 勇, 魏益民, 王 鋒). Acta Agriculturae Nucleatae Sinica(核農(nóng)學(xué)報(bào)), 2005, 19(3): 236.

Determination of Hard Rate of Alfalfa (MedicagosativaL. ) Seeds with Near Infrared Spectroscopy

WANG Xin-xun1, CHEN Ling-ling1, 2, ZHANG Yun-wei1, MAO Pei-sheng1*

1. Beijing Municipal Key Laboratory of Grassland Science, Department of Grassland Science, China Agricultural University, Beijing 100193, China

2. Chifeng Academy of Agricultural and Animal Sciences, Institute of Grassland Research, Chifeng 024031, China

Alfalfa (MedicagosativaL. ); Seeds; Hard seed rate; Near infrared spectroscopy

Jan. 14, 2015; accepted May 18, 2015)

2015-01-14，

2015-05-18

現(xiàn)代牧草產(chǎn)業(yè)技術(shù)體系項(xiàng)目(CARS-35)， 中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2014JD025)資助

王昕洵， 女， 1987年生， 中國(guó)農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院草業(yè)科學(xué)系碩士生 e-mail： fiveyuan@yeah.net *通訊聯(lián)系人 e-mail： maops@cau.edu.cn

S330.2； S541.9

A

10.3964/j.issn.1000-0593(2016)03-0702-04

*Corresponding author