简介:为探究烟叶密集烘烤过程中各阶段对烟叶常规化学成分和致香物质的贡献率,通过对烤后烟叶化学成分(常规化学成分和致香物质)与评吸质量间进行典型相关分析,探索化学成分与评吸质量间的关系。通过对烤后烟叶的常规化学成分和致香物质分别进行因子分析,建立烟叶常规化学成分和致香物质的评价模型,再根据烘烤各阶段关键点测定的烟叶化学成分含量,分析各阶段对常规化学成分和致香物质的贡献率。结果表明:整体的化学成分与评吸质量间存在显著的相关性。在变片、凋萎和变筋阶段对常规化学成分的贡献率相对较大,分别为0.56、0.21和0.15,而干片和干筋阶段的贡献率相对较小;在变片、变筋和干片阶段对致香物质的贡献率相对较大,分别为0.52、0.33和0.17,凋萎阶段贡献率较小,而干筋阶段的贡献率为负值。由此得出变片、变筋和干片阶段是致香物质形成的主要时期,凋萎阶段影响很小,干筋阶段有不利的影响;而烤后烟常规化学成分的形成主要在烘烤前期,烘烤后期基本无变化。
简介:摘要 : 冠层光截获能力是反映作物品种间差异的重要功能性状,高通量表型冠层光截获对提高作物改良效率具有重要意义。本研究以小麦为研究目标,利用数字化植物表型平台( D3P)模拟生成了 100种冠层结构不同的小麦品种在 5个生育期的三维冠层场景,记录了从原始冠层结构中提取的绿色叶面积指数( GAI)、平均倾角( AIA)和散射光截获率( FIPARdif)信息作为真实值 ,进一步利用上述三维小麦场景开展了虚拟的激光雷达( LiDAR)模拟实验,生成了对应的三维点云数据。基于模拟的点云数据提取了其高度分位数特征( H)和绿色分数特征( GF)。最后,利用人工神经网络( ANN)算法分别构建了从不同 LiDAR点云特征( H、 GF和 H+GF)输入到 FIPARdif、 GAI和 AIA的反演模型。结果表明,对于 GAI、 AIA和 FIPARdif,预测精度从高到低对应的点云特征输入为 GF+H > H > GF。由此可见, H特征对提高目标表型特性的估算精度起到了重要作用。输入 GF + H特征,在中等测量噪音( 10%)情况下, FIPARdif和 GAI的估算均获得了满意精度, R2分别为 0.95和 0.98,而 AIA的估算精度( R2=0.20)还有待进一步提升。本研究基于 D3P模拟数据开展,算法的实际表现还有待通过田间数据进一步验证。尽管如此,本研究验证了 D3P协助表型算法开发的能力,展示了高通量 LiDAR数据在估算田间冠层光截获和冠层结构方面的较高潜力。