10.3964/j.issn.1000-0593(2023)07-2119-05
基于近红外光谱技术的哀牢山六种优势树种叶凋落物定性鉴别研究
植物凋落物是联结生物有机体合成和分解的桥梁,通过物质流、能量流及信息流深刻地影响了陆地生态系统的结构、功能及关键生态过程.自然生态系统中地表凋落物通常以混合物的形式分解,尤其是在物种极其丰富的亚热带常绿阔叶林中.受样地内树种组成影响,叶凋落物往往属、种混杂,非专业人士难以实现准确鉴别,这为后续凋落物分解研究带来一定的困难.近红外光谱分析技术作为一种快速无损的检测手段,已经成功应用于牛肝菌、柑橘、水稻等的种类鉴别.该技术为解决叶凋落物鉴定这一难题提供了新的途径.该研究收集云南哀牢山典型中山湿性常绿阔叶林 6 种优势树种叶凋落物共计 540 份,获取样品近红外漫反射光谱,分析不同种类叶凋落物平均光谱图特征.建模时,使用 Kennard-Stone算法将 540 个样品数据以 2∶1 比例分为训练集与验证集,其中 360 个样品数据用于叶凋落物分类模型的建立,180 个样品数据用于叶凋落物分类模型的验证.使用标准正态变量变换(SNV)、Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)、导数处理(Derivative)等单一与组合算法对光谱数据进行预处理,并采用主成分分析(PCA)与正交偏最小二乘判别分析(OPLS-DA)2 种模式识别方法对不同树种叶凋落物进行鉴别.结果表明:(1)叶凋落物近红外光谱主成分分析得分图中各组数据呈现交织状态,虽然经 SNV+SG方法预处理后,光谱数据得到优化,变色锥与舟柄茶与其他树种出现一定的区分,但仍然无法实现 6 种叶凋落物的准确鉴别.(2)SNV+SD预处理方法结合 OPLS-DA建立的模式识别模型,效果最好,因变量累计拟合指数为 0.922,模型累计预测能力指数为 0.894,置换检验显示模型未过度拟合,训练集与验证集识别率均为 100%.研究表明,在对样本近红外光谱进行预处理优化的基础上,结合有监督的 OPLS-DA模式识别方法,可以实现不同树种叶凋落物的准确鉴别,为后续植物凋落物研究提供了有力的技术支撑.
近红外光谱、叶凋落物、主成分分析、正交偏最小二乘判别分析、哀牢山
43
O657.3(分析化学)
国家自然科学基金;云南省林业;草原科学院云南珍稀濒特森林植物保护和繁育实验室开放基金项目
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
2119-2123