何思洋 李 蒙 唐朝臣 周方圓 謝光輝*

(1.中國(guó)農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，北京 100193； 2. 湖南農(nóng)業(yè)大學(xué) 生物科學(xué)技術(shù)學(xué)院，長(zhǎng)沙 410128； 3. 廣東省農(nóng)業(yè)科學(xué)院 作物研究所/廣東省農(nóng)作物遺傳改良重點(diǎn)實(shí)驗(yàn)室，廣州 510640； 4.國(guó)家能源非糧生物質(zhì)原料研發(fā)中心，北京 100193)

隨著化石能源的消費(fèi)量與日俱增，發(fā)展生物質(zhì)等可再生能源成為確保能源安全和減少碳排放的重要途徑之一。高粱作為一種高產(chǎn)、抗旱和耐鹽堿的C4作物，具有很大的生產(chǎn)潛力，從能源用途上分為甜高粱和生物質(zhì)高粱[1-2]。其中甜高粱和生物質(zhì)高粱是籽粒高粱的變種，因兩者分別含有較高的可溶性糖、纖維素、半纖維素和木質(zhì)素，被認(rèn)為是發(fā)展第一、二代生物乙醇的理想作物之一[3-4]。在生物乙醇生產(chǎn)過(guò)程中，可溶性糖、纖維素、半纖維素、木質(zhì)素和灰分等能源轉(zhuǎn)化相關(guān)化學(xué)成分的含量都影響著乙醇的產(chǎn)量和轉(zhuǎn)化效率[5]，因此，了解能源高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分的含量以及成分之間的關(guān)聯(lián)，對(duì)能源高粱新品種選育及生產(chǎn)十分必要。此外，傳統(tǒng)的化學(xué)分析方法存在測(cè)定周期長(zhǎng)和費(fèi)用高等問(wèn)題，無(wú)法滿足大批量的測(cè)定需求，建立一種快速、準(zhǔn)確測(cè)定目標(biāo)成分的方法，對(duì)于高粱能源品質(zhì)分析至關(guān)重要。

應(yīng)用近紅外光譜(Near-infrared spectroscopy，NIRS)模型技術(shù)測(cè)定各種材料的化學(xué)成分具有快速、高效、無(wú)損和可在線分析等優(yōu)勢(shì)，目前在農(nóng)業(yè)、制藥和石化等多個(gè)領(lǐng)域得到廣泛應(yīng)用[6-9]。建立近紅外光譜分析模型時(shí)，對(duì)光譜進(jìn)行處理篩選和對(duì)樣品子集的劃分能夠有效提升模型的穩(wěn)健性和準(zhǔn)確性[10]：多元散射校正(Multiplicative scatter correction, MSC)能夠有效降低散射影響，增強(qiáng)光譜的信噪比[11]；Savitzky-Golay卷積平滑和求導(dǎo)能夠有效消除光譜噪聲[10,12]；競(jìng)爭(zhēng)性自適應(yīng)權(quán)重(Competitive adaptive reweighted sampling，CARS)算法能夠有效篩選波長(zhǎng)的最佳組合[13]；光譜-理化值共生距離(Sample set partitioning based on joint X-Y distances, SPXY)算法能夠基于光譜特征和樣品性質(zhì)變量的影響合理劃分樣品校正集和驗(yàn)證集，增加樣本代表性[14]。第五鵬瑤[15]和Li等[16]研究發(fā)現(xiàn)對(duì)光譜進(jìn)行處理篩選和對(duì)樣品子集的劃分能夠直接影響模型的性能。截止目前，在對(duì)能源高粱莖、葉建立近紅外光譜模型中，利用最新化學(xué)計(jì)量學(xué)方法對(duì)模型進(jìn)行系統(tǒng)優(yōu)化與評(píng)價(jià)鮮見(jiàn)報(bào)道。本研究選用27個(gè)甜高粱和28個(gè)生物質(zhì)高粱材料，采用近紅外光譜和化學(xué)計(jì)量學(xué)方法，分析不同類型的高粱莖、葉中能源相關(guān)成分含量的差異與相關(guān)性，旨在建立并優(yōu)化評(píng)估能源高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分的近紅外吸收光譜的模型，以期為大批量能源高粱莖、葉中能源相關(guān)化學(xué)成分的快速測(cè)定提供參考。

1 材料與方法

1.1 試驗(yàn)地點(diǎn)和供試材料

2017年，在河北省涿州市中國(guó)農(nóng)業(yè)大學(xué)涿州試驗(yàn)站(39°28′ N, 115°51′ E)和山西省介休市田堡村(37°08′ N, 112°06′ E)種植的高粱材料，每個(gè)品種小區(qū)種植面積為3.6 m2(雙行區(qū))，涿州市和介休市試點(diǎn)共采集27份甜高粱樣品(涿州14份和介休13份)和28份生物質(zhì)高粱樣品(涿州14份和介休14份)。

1.2 樣品取樣和化學(xué)分析

在成熟期每個(gè)高粱品種選取10株，收獲地上部分后剝離莖、葉。利用鍘刀將葉每隔12 cm切取1.5～2.0 cm樣段，利用莖取樣機(jī)SLS 4.2(北京慧明雨實(shí)驗(yàn)科技有限公司)將莖每隔15 cm切取1 cm樣段，共制備55份莖和55份葉樣品。標(biāo)準(zhǔn)樣品的制備，纖維素、半纖維素、木質(zhì)素和灰分的測(cè)定根據(jù)標(biāo)準(zhǔn) NB/T 34057—2017《木質(zhì)纖維素類生物質(zhì)原料化學(xué)成分的測(cè)定》[17]中的規(guī)定進(jìn)行。可溶性糖通過(guò)蒽酮比色法[18]測(cè)定。

1.3 樣品的近紅外光譜采集

通過(guò)Antaris II傅里葉近紅外光譜儀(Thermo Fisher Scientific，美國(guó))采集樣品光譜。樣品掃描波數(shù)范圍為10 000～4 000 cm-1，分辨率為8 cm-1，每個(gè)樣品利用積分球采集光譜64次，將64次光譜取平均值作為試驗(yàn)光譜。

1.4 數(shù)據(jù)分析和模型建立

采用SPSS 22.0軟件對(duì)能源高粱莖和葉的能源轉(zhuǎn)化相關(guān)化學(xué)成分?jǐn)?shù)據(jù)進(jìn)行方差分析和相關(guān)性分析。將莖和葉樣品光譜均進(jìn)行MSC和Savitzky-Golay卷積平滑處理，隨后根據(jù)建模要求依次采用一階求導(dǎo)處理和CARS光譜點(diǎn)篩選，近紅外光譜分析模型采用偏最小二乘法(Partial least squares, PLS)[19]建立，建立過(guò)程中異常樣品通過(guò)主成分分析(Principal component analysis, PCA)剔除，建模樣品利用光譜-理化值共生距離算法[14]按3∶1挑選校正集和驗(yàn)證集，校正集通過(guò)留一法進(jìn)行交叉驗(yàn)證。近紅外模型的建立與優(yōu)化均通過(guò)Chem Data Solution 3.1.0軟件實(shí)現(xiàn)。

建模過(guò)程中，模型擬合程度通過(guò)主成分?jǐn)?shù)、決定系數(shù)(Coefficients of determination,R2)、標(biāo)準(zhǔn)偏差(Root mean square error, RMSE)以及相對(duì)分析誤差(Ratio of performance to deviation, RPD)進(jìn)行評(píng)價(jià)。

2 結(jié)果與分析

2.1 能源高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量

由表1可知，甜高粱莖的可溶性糖含量在126.3～539.6 g/kg，顯著高于(P<0.01)生物質(zhì)高粱的93.8～356.0 g/kg；而甜高粱莖的纖維素、半纖維素和木質(zhì)素含量分別為175.1～331.5、109.7～205.1和82.5～178.2 g/kg,均顯著低于(P<0.01)生物質(zhì)高粱莖中的含量(208.2～353.8、143.3～220.3和97.5～200.2 g/kg)。二者在灰分含量上無(wú)顯著差異。在葉中，甜高粱可溶性糖平均含量(60.0 g/kg)顯著高于(P<0.01)生物質(zhì)高粱(46.4 g/kg)，纖維素含量(270.5 g/kg)顯著低于(P<0.05)生物質(zhì)高粱(276.7 g/kg)，但半纖維素、木質(zhì)素和灰分含量在兩類高粱間無(wú)顯著差異，見(jiàn)表1。兩類高粱的能源轉(zhuǎn)化相關(guān)化學(xué)成分的含量差異較大，因此在乙醇等能源轉(zhuǎn)化中應(yīng)當(dāng)采取不同的轉(zhuǎn)化工藝。

此外，莖的所有成分含量和葉的可溶性糖含量的變異系數(shù)均在11.9%～30.1%，說(shuō)明品種間差異較大，而葉的纖維素、半纖維素、木質(zhì)素和灰分的變異系數(shù)均在4.1%～8.8%，說(shuō)明在品種培育中具有較高的穩(wěn)定性，見(jiàn)表1。

2.2 莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分的相關(guān)性分析

由表2可知，甜高粱和生物質(zhì)高粱莖的可溶性糖含量均與莖的纖維素、半纖維素和木質(zhì)素含量呈極顯著負(fù)相關(guān)(P<0.01)；纖維素、半纖維素和木質(zhì)素三者間具有極顯著正相關(guān)(P<0.01)關(guān)系。2種類型高粱莖的灰分含量均與葉的灰分含量呈顯著正相關(guān)(P<0.05)，且葉木質(zhì)素與莖纖維素、半纖維素和木質(zhì)素均呈極顯著正相關(guān)(P<0.01)關(guān)系。2種類型的高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分間的相關(guān)性均不完全一致。

表1 能源高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量的方差分析(df=1)Table 1 Variance analysis for content of chemical components of energy conversion in stems and leaves between types of energy sorghum (df=1) g/kg

表1(續(xù))

表2 能源高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量的相關(guān)性分析Table 2 Person correlation analysis for content of chemical components of energy conversion in stems and leaves of energy sorghum

2.3 莖、葉樣品近紅外光譜模型建立和優(yōu)化

2.3.1近紅外光譜掃描

由圖1可知，莖和葉的樣品近紅外吸收光譜在4 000～7 000 cm-1具有較強(qiáng)吸收峰，且吸收峰表現(xiàn)出相似趨勢(shì)。同時(shí)，莖和葉的吸收光譜在吸收強(qiáng)度上表現(xiàn)不同，其中莖的吸光度普遍比葉吸光度高。因此在近紅外模型建立中，莖、葉可以分開(kāi)建模。

圖1 能源高粱莖(a)和葉(b)近紅外光譜圖Fig.1 Near-infrared spectrums of energy sorghum stems (a) and leaves (b) of energy sorghum

由圖2可知，55份能源高粱的莖、葉樣品的3個(gè)PC累計(jì)貢獻(xiàn)率分別達(dá)到99.55%和99.70%。生物質(zhì)高粱和甜高粱的莖樣品PC點(diǎn)分布出現(xiàn)了一定程度的空間分離，而2種類型能源高粱葉樣品的PC點(diǎn)分布表現(xiàn)出均勻混合狀態(tài)，沒(méi)有出現(xiàn)空間分離情況，說(shuō)明2種類型高粱的莖具備可被直接定性分析的潛力，而葉則不能進(jìn)行直接定性分析。

2.3.2近紅外光譜模型建立及穩(wěn)定性評(píng)價(jià)

不同的優(yōu)化模式對(duì)能源高粱莖、葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分模型參數(shù)具有不同的影響。

圖2 能源高粱莖(a)和葉(b)近紅外光譜PCA分析Fig.2 Principal component analysis for near-infrared spectrum of stems (a) and leaves (b) of energy sorghum

Factor，主成分?jǐn)?shù)；校正集決定系數(shù)；交叉驗(yàn)證決定系數(shù)；RMSEC，校正集標(biāo)準(zhǔn)偏差；RMSECV，交叉驗(yàn)證標(biāo)準(zhǔn)偏差； RPDCV，交叉驗(yàn)證相對(duì)分析誤差。下同。 coefficient of determination of cross validation; RMSEC，root mean standard error of calibration; RMSECV， root mean standard error of cross validation; RPDCV， the ratio of performance to deviation of cross validation. The same below.圖3 能源高粱莖中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量的建模參數(shù)Fig.3 The performance of NIRS models for content of chemical components of energy conversion in stem of energy sorghum

圖4 能源高粱葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量的建模參數(shù)Fig.4 The performance of NIRS models for content of chemical components of energy conversion in leaf of energy soghum

圖5 能源高粱莖中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量的“一階導(dǎo)-CARS”模型交叉驗(yàn)證散點(diǎn)圖Fig.5 Plots of cross validation from “first derivative-CARS” models for content of chemical components of energy conversion in stems of energy sorghum

圖6 能源高粱葉中能源轉(zhuǎn)化相關(guān)化學(xué)成分含量的“一階導(dǎo)-CARS”模型交叉驗(yàn)證散點(diǎn)圖Fig.6 Plots of cross validation from “first derivative-CARS” models for content of chemical components of energy conversion in leaves of energy sorghum

2.3.3近紅外光譜模型預(yù)測(cè)性能評(píng)價(jià)

3 討 論

能源高粱莖的5種能源轉(zhuǎn)化相關(guān)化學(xué)成分的含量在甜高粱和生物質(zhì)高粱之間差異較大，且莖比葉的能源轉(zhuǎn)化相關(guān)化學(xué)成分含量在品種間具有更大的變異系數(shù)。Li等[21]對(duì)6種甜高粱和6種生物質(zhì)高粱莖進(jìn)行化學(xué)成分含量分析發(fā)現(xiàn)，甜高粱莖干重的可溶性糖含量(107.6～475.6 g/kg)顯著高于生物質(zhì)高粱(53.6～354.5 g/kg)，同時(shí)Diallo等[22]研究發(fā)現(xiàn)與甜高粱相比，生物質(zhì)高粱莖中含有相對(duì)豐富的纖維素、半纖維素和木質(zhì)素，這與本研究結(jié)果一致。此外，甜高粱與生物質(zhì)高粱的葉片干重灰分含量達(dá)到72.3～105.3 g/kg，高于莖的20.1～54.6 g/kg，因此在生產(chǎn)應(yīng)用中，應(yīng)當(dāng)考慮葉中的灰分對(duì)生物乙醇和顆粒燃料生產(chǎn)效率帶來(lái)的制約。

表3 能源高粱莖、葉中能源相關(guān)化學(xué)成分含量的近紅外光譜“一階導(dǎo)-CARS”模型驗(yàn)證集評(píng)價(jià)Table 3 The evaluation of validation of “first derivative-CARS” NIRS models for content of chemical components of energy coversion in stems and leaves of energy sorghum

4 結(jié) 論