基于改进模糊集对评价法的水资源承载力评价——以龙川江流域为例

水资源承载力对一个国家或地区可持续发展有至关重要的影响。综合考虑滇中龙川江高原流域特点和影响水资源承载力的因素,选取14项指标,建立水资源承载力评价指标体系;以集对分析理论为基础,对模糊集对评价模型进行改进,采用最小信息熵原理将层次分析法和熵权法确定的权重进行主客观耦合得到综合权重,建立水资源承载力的模糊集对评价模型。为比较,分别采用改进的模糊集对评价模型和模糊综合评价模型对龙川江高原流域进行水资源承载力评价分析,结果表明:采用模糊综合评价法,5个水平年的水资源承载力等级均为2级,采用模糊集对评价法,5个水平年的水资源承载力分别为2级、1级、2级、2级和1级。通过比较分析得出改进的模糊集对评价模型,对指标信息挖掘充分、计算简洁,评价结果可为龙川江高原流域进一步推行"河长制"的水资源保护与管理和清洁小流域治理提供科学依据。     

美味牛肝菌矿质元素富集能力及产地鉴别

研究美味牛肝菌矿质元素含量及富集规律,建立偏最小二乘判别分析（partial least squares discrimination analysis,PLS-DA）光谱数据融合模型鉴别美味牛肝菌不同产地。测定云南省内6 个产地美味牛肝菌和生长土壤样品的矿质元素,同时采集近红外光谱和紫外光谱信息。根据矿质元素含量及富集系数分析美味牛肝菌对矿质元素的积累特征和富集能力。采用平滑（Savitzky-Golay,SG）、二阶导数（second derivatives,2D）、标准正态变换（standard normal variables,SNV）、多元散射校正（multiple scattering correction,MSC）等对光谱数据进行预处理。运用PLS-DA建立单一光谱与数据融合产地分类模型。结果表明：美味牛肝菌富含K、P元素,相同元素不同产地之间存在显著性差异,其中Na元素含量差异较大,最高含量是最低含量的20.70 倍;6 个产地土壤中Fe元素含量最大,可能与云南富含Fe金属离子的酸性土壤有关;美味牛肝菌中P、K、Zn富集能力较强,其中P的富集系数达到4.63;光谱数据预处理中,近红外光谱和紫外光谱的最佳预处理结果为SG＋2D、SG＋MSC,预测集正确率为88.46%和96.15%;中级融合模型效果最佳,通过Hottelling T2检测法检验,所有样品未超过95%置信区间,模型训练集正确率100.00%,预测集正确率92.31%。对美味牛肝菌进行矿质元素、富集规律及产地鉴别研究有利于合理利用云南野生食用菌资源。     

傅里叶变换红外光谱和紫外光谱数据融合对牛肝菌种类的鉴别

采集5?种共272?份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正（multiplicative signal correction,MSC）及二阶导数（second derivative,2D）等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）模型和支持向量机（support vector machine,SVM）判别模型。结果显示：1）经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D＋MSC预处理优化了光谱信息并提高了分类准确度;2）基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3）中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。     

砷超标食用牛肝菌的红外光谱快速鉴别

红外光谱结合偏最小二乘判别分析建立快速区分牛肝菌砷含量是否超标的方法。采集美味牛肝菌和绒柄牛肝菌共85份样品的红外光谱信息,对光谱进行平滑、二阶导数和标准正态变量优化处理;采用电感耦合等离子体发射光谱仪测定牛肝菌中砷含量,根据GB 2762—2012规定的食用菌中砷限量标准评价牛肝菌的食用安全性;将红外光谱数据与牛肝菌的砷含量值进行拟合建立砷超标与未超标样品的分类模型。结果显示:(1)牛肝菌的砷元素含量为0.033~8.301 mg/kg(DW),不同种类、不同产地牛肝菌砷元素含量具有差异;(2)多数牛肝菌样品砷含量超过GB 2762—2012的限量标准,其中采自普洱思茅区的绒柄牛肝菌砷超标较为严重,食用有潜在风险;(3)砷超标与未超标牛肝菌的红外光谱在峰形、峰位上没有明显差异;优化处理后的光谱数据进行偏最小二乘判别分析,其主成分得分散点图能将砷超标样品和未超标样品区分开,分类正确率达到91.76%,能为快速检测食用菌中砷含量是否超标提供新方法。     

多光谱数据融合技术对绒柄牛肝菌产地的鉴别

采集5?个产地96?份绒柄牛肝菌样品的红外光谱和紫外光谱,结合多光谱信息融合策略,建立快速、有效鉴别绒柄牛肝菌产地的方法。运用多元散射校正、标准正态变量、二阶导数等预处理方法对原始光谱数据进行优化处理,减少噪音干扰。选取具有指纹特性的光谱信息进行初级数据融合;通过偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）筛选光谱数据中变量在投影方向重要程度大于1的波段,进行中级数据融合。利用优化处理后的单一光谱数据及多光谱融合数据建立PLS-DA模型和支持向量机（support vector machine,SVM）判别模型,比较两种判别模型对绒柄牛肝菌产地的鉴别效果。结果显示,通过红外光谱、紫外光谱、初级融合和中级融合数据分别建立PLS-DA模型,对绒柄牛肝菌产地的预测正确率为56.25%、56.25%、62.50%和81.25%;建立SVM判别模型,产地预测正确率分别为90.63%、65.63%、87.50%和96.88%,表明中级融合技术对绒柄牛肝菌产地鉴别效果显著,优于其他技术;并且SVM判别模型对牛肝菌产地区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,能够快速、有效鉴别不同产地绒柄牛肝菌,同时为食品质量监控提供有效方法和理论基础。