农业机械学报

作者：朱礼强，郭建涛，杨增玲，刘贤，韩鲁佳

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：水稻秸秆;几何粒径;近红外光谱;光谱特征信号;光谱差异;校正方法

基金：国家重点研发计划项目（2022YFD2002101）

近红外光谱技术已被广泛用于秸秆理化特性的快速分析研究，具有检测速度快、效率高、无损等优点。然而实际应用时，秸秆的粒径不同会降低模型的检测精度及其稳定性。针对几何粒径水稻秸秆样本，分别获取其在10000~4000cm-1波段的近红外光谱。采用多项式拟合（Polynomial fitting, PF）消除秸秆样本光谱信号中的背景信号。使用单因素方差分析对多项式拟合的几何粒径秸秆样本光谱特征信号进行统计学检验（P<0.05）。运用主成分分析（Principal component analysis, PCA）及Biplot解析光谱特征信号对几何粒径秸秆样本光谱差异的贡献度。分别利用Pearson与Spearman相关性分析筛选关键光谱特征信号。根据二次多项式拟合数学模型，假设吸光度由粒径相关光谱信息（Particle size related spectrum information, PSRSI）与非粒径相关光谱信息（Non-particle-size-related spectrum information, nPSRSI）构成，提出了一种基于关键光谱特征信号吸光度与粒径的粒径回归校正方法（Particle size regression correction method, PSRCM）。结果表明：几何粒径秸秆样本5180cm-1光谱特征信号存在极显著差异性（P≤0?05，P≤0.01，P≤0.001）且与粒径呈现极显著相关性（Pearson’s r为0.96）。基于二次多项式数学模型的表现最优，决定系数R2与均方根误差（RMSE）的平均值分别为0.53和0.0021。PSRCM可有效校正6.824、5360、5180cm-1等特征信号引起的几何粒径秸秆样本光谱差异，校正效果明显优于标准正态变量变换（Standard normal variate transformation, SNV）与乘性散射校正（Multiplicative scatter correction, MSC）。本研究为秸秆近红外光谱无标样模型传递校正方法提供了理论依据。

来源：2025年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第12期