【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012—2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD Field Spec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法(UVE)结合交叉验证偏最小二乘回归、连续投影算法(SPA)结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归(MLR)及UVE与SPA组合后结合逐步多元线性回归(SMLR)等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除(UVE)方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归(SMLR)、连续投影算法(SPA)、连续投影算法(SPA)+逐步多元线性回归(SMLR)及连续投影算法(SPA)+偏最小二乘回归(PLS)+交叉验证(CV)等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除(UVE)法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特�
【目的】研究农情数据在分布广泛、动态变化的网络环境下实现数据共享的技术、方法和解决方案。【方法】使用REST(representational state transfer,表述性状态转移)架构风格解决系统之间松耦合、可扩展等问题。以xml(extensible mark language,可扩展标记语言)和AgroXML为基础设计农情数据结构规范实现不同系统对数据的一致理解。通过开发原型系统验证方案的可行性。【结果】将农情数据合理抽象为网络资源并设计其标识符,基于.net平台使用WCF(Windows Communication Foundation)技术构建了RESTful Web服务,实现了不同系统间的资源获取;通过改进AgroXML的Schema文件制定了农情数据结构规范,初步实现了农情数据表述一致化,并开发了相应的数据解析模块;以新疆生产建设兵团农场农业生产管理数据共享为例,设计开发原型系统验证方案的正确性,讨论其优缺点,并提出了进一步改进的方向。【结论】REST架构风格能够充分解耦服务提供者和使用者,尤其适合于农情数据分布广泛、动态变化的特点,避免了传统分布式技术存在的问题,满足了系统的开放性和扩展性要求,结合统一的数据结构标准,能够很好地实现农情数据共享。
