藜麦产地的红外光谱鉴别

种植环境差异导致不同产地的藜麦有差异,故对不同产地的藜麦进行区分鉴别对商家、消费者具有重要参考价值。将中红外光谱与主成分分析(PCA)、线性判别分析(LDA)及混淆矩阵结合对不同产地藜麦进行鉴别研究。结果显示:藜麦的红外光谱主要由淀粉、蛋白质和脂质谱峰组成,且在蛋白质和糖类谱峰上有差异。用600~4000 cm^-1范围的原始光谱进行PCA分析,前两个主成分(PC)取得了92%的累计方差贡献率,基于PCA分析生成的PC进行LDA分析,取得了96.25%的分类精度。基于预测结果的混淆矩阵作为综合评价指标,得到PCA-LDA分类模型的精确度、召回率及特异性分别为96.25%、96.59%和99.48%,说明使用PCA-LDA模型可以对藜麦产地进行有效鉴别。研究表明红外光谱结合多元统计分析方法是鉴别藜麦产地的有效方法。     

藜麦产地的红外光谱鉴别

种植环境差异导致不同产地的藜麦有差异,故对不同产地的藜麦进行区分鉴别对商家、消费者具有重要参考价值。将中红外光谱与主成分分析(PCA)、线性判别分析(LDA)及混淆矩阵结合对不同产地藜麦进行鉴别研究。结果显示:藜麦的红外光谱主要由淀粉、蛋白质和脂质谱峰组成,且在蛋白质和糖类谱峰上有差异。用600~4000 cm^-1范围的原始光谱进行PCA分析,前两个主成分(PC)取得了92%的累计方差贡献率,基于PCA分析生成的PC进行LDA分析,取得了96.25%的分类精度。基于预测结果的混淆矩阵作为综合评价指标,得到PCA-LDA分类模型的精确度、召回率及特异性分别为96.25%、96.59%和99.48%,说明使用PCA-LDA模型可以对藜麦产地进行有效鉴别。研究表明红外光谱结合多元统计分析方法是鉴别藜麦产地的有效方法。     

低温胁迫对谷物种子萌发影响的红外光谱研究

种子萌发作为植物生命历程的开端，直接影响作物的最终产量。种子萌发常遭遇低温的影响，严重威胁粮食生产安全。利用傅里叶变换红外光谱结合曲线拟合研究低温对谷物种子(藜麦、青稞、水稻和小麦)萌发的影响。研究结果显示，4种谷物种子的发芽势、发芽率和发芽指数都随温度的降低而下降，青稞种子在4℃低温下的发芽率和发芽指数仍然较高，表明青稞种子的耐低温能力更强。红外光谱结果显示，低温胁迫下的谷物种子原始红外光谱整体特征相似，主要由多糖、脂肪和蛋白质的特征吸收峰组成。对低温胁迫下的谷物种子多糖(1200～950 cm^-1)和酰胺Ⅰ带(1700～1600 cm^-1)进行曲线拟合，结果显示：藜麦种子的多糖含量上升，蛋白质含量下降；青稞种子的多糖和蛋白质含量均呈先升后降的趋势；水稻种子的多糖含量下降，蛋白质含量上升；小麦种子的多糖含量呈先升后降的趋势，蛋白质含量呈先降后升的趋势。另外，在低温胁迫下，藜麦、青稞、水稻和小麦种子中都有不同比例的蛋白质二级结构从无序转向有序。因此，傅里叶变换红外光谱结合曲线拟合是一种研究低温胁迫对种子萌发影响的有效方法。