全 文 ：第28卷 第3期 作　物　学　报 V ol. 28, N o. 3
2002 年5月　 421～ 425页 A CTA A GRONOM ICA S IN ICA pp. 421～ 425　M ay, 2002
应用近红外反射光谱法整粒测定小样品油菜籽含油量的研究Ξ
吴建国　石春海　张海珍　樊龙江
(浙江大学农业与生物技术学院农学系, 浙江杭州 310029)
摘　要　以完整油菜籽为样品, 通过光谱预处理和回归统计方法来优化油菜籽含油量的近红外反射光谱法所建立回归
方程, 同时采用三种不同用量的样品杯进行近红外扫描分析。结果表明, 光谱预处理对较正结果影响较大, 不同光谱
数学处理以3级导数处理较好, 综合考虑定标组和检验组的效果, 采用“2, 3, 3, 1”、“2, 6, 6, 1”和“3, 3, 3, 1”的三种
处理组合较好。除趋势变换法散射处理外, 其余各处理均有明显效果, 以标准正态变量转换、标准正态变量转换+ 趋
势变换法、标准乘性散射校正和逆向乘性散射校正处理效果最理想。回归统计方法对建立含油量的回归方程有很大的
影响, 其中以改良偏最小二乘法效果最好。总体上看, 以8 g 样品定标分析效果最好, 3 g 样品分析略优于0. 6～ 0. 8 g
样品分析, 尽管这两种小样品检验组的预测决定系数 (R SQ )偏小, 但两者预测值与实测值偏差的平均值 (B ias)、工作标
准误 (SEP (C) )都很小; 其回归方程的决定系数 (R 2, 12V R )都较高, 而相应的各项误差 (SEC, SECV )也较低, 可直接用
于品质育种中间材料和早世代材料的测定筛选。
关键词　油菜籽; 近红外反射光谱; 含油量; 回归方程
中图分类号: S511　　　文献标识码: A
Study on Ana lysis of O il Con ten t in In tact Rapeseed with Few Sample Size by Near
Infrared Ref lectance Spectroscopy
WU J ian2Guo　SH I Chun2H ai　ZHAN G H ai2Zheng　FAN L ong2J iang
(A g ronom y D epartm ent, College of A g riculture and B iotechnology , Z hej iang U niversity , H angzhou 310029, China)
Abstract 　U sing in tact rapeseed as test samp les, som e m ethods fo r spectra p retreatm en t and differen t
regression m ethods w ere compared to establish a better regression equation fo r o il con ten t by near infrared
reflectance spectro scopy (N IR S). M eanw h ile, th ree k inds of samp le cup s w ith differen t capacity w ere used to
screen the suitable regression equation fo r rapeseed breeding. It w as indicated by the results that the th ird
derivative w as best fo r m athem atical treatm en t of the spectra value than o thers. A cco rding to effects of
calibration and validation, the suitable m athem atics treatm en tsw ere“2, 3, 3, 1”,“2, 6, 6, 1”and“3, 3, 3,
1”fo r data co llection. Scatter co rrection fo r spectra had sign ifican t effects on calibration excep t“D etrend (D )”
fo r o il con ten t analysis, and“T ransfo rm ation of Standard N orm al V ariate (SNV )”, “SNV + D”, “Standard
M ultip licative Scatter Corrections (Standard M SC )”or“Inverse M ultip licative Scatter Corrections ( Inverse
M SC )”could be used in op tion. R egression m ethod had obvious effect on calibration, and the best one w as
“M odified Partial L east Square (M PL S)”m ethod. T he analysis effects of the samp le w ith 82gram 2size w as
better than those of the samp les of 32gram size o r“0. 60～ 0. 90”2size. A lthough the later two had a bit low in
p rediction coefficien t (R SQ ) , they had low B ias and SEP (C) and had h igh calibration param eters (R 2, 12V R )
w ith low SEC and SECV in calibration set. T hese N IR S equations of rapeseed could be used to screen the better
p lan ts w ith h igh o il con ten t in the early generations o r in term ediate lines in rapeseed breeding.
Key words　R apeseed; N ear infrared reflectance spectro scopy; O il con ten t; R egression equation
　　提高油菜籽中的含油量是当前和今后油菜品质 育种的主要目标之一。对油菜籽含油量的测定, 多Ξ 教育部“高等学校骨干教师资助计划”和浙江省“151人才基金”项目资助。
作者简介: 吴建国 (19712) , 男, 浙江人, 讲师, 现为浙江大学在职博士生, 作物遗传改良方向。
Received on (收稿日期) : 2001201215, A ccep ted on (接受日期) : 2001204230

采用“油重法”、“残余法”等化学方法。这些方法操
作过程冗长, 分析速度慢, 不适合于快速大批量测
定筛选育种的中间材料; 另外, 分析后的样品一般
无法继续繁殖, 这对于留种很少的育种早世代材料
的筛选是一个很大的限制。近红外反射光谱 (N ear
Infrared R eflectance Spectro scopy, N IR S) 技术是80
年代后期迅速崛起一种的新颖物理测试技术, 具有
测定速度快、无损伤分析等特点, 并很快地广泛应
用于农产品领域[ 1～ 6 ]。近年来, 国外已在油菜籽近
红外品质分析中取得较大的进展[ 7, 8 ] , 但在含油量
测定时定标方程的代表性和稳定性等方面未作进一
步的研究。国内也有学者应用少量数目样品进行了
初步的探索[ 9 ]。本研究旨在应用近红外反射光谱技
术以大量数目的样品集建立油菜完整籽粒含油量的
定标方程; 并通过光谱预处理和不同统计方法优化
定标方程。同时, 从油菜育种的实际需要出发, 探
讨运用小样本直接进行N IR S 分析的可靠性。
1　材料与方法
1. 1　试验材料和N IR S 扫描
试验材料共有258份油菜籽样本群体, 包括有
甘蓝型油菜、白菜型材料、甘蓝和芥菜型油菜。
N IR S 扫描采用美国马里兰州生产的N IR System s
5000型近红外分析仪。对油菜籽同一样品分别盛于
1ö4方形样品盒、35 mm 直径和18 mm 直径的圆形
样品盒内进行扫描, 样品用量分别为: 约8 g、
3g和0. 6 0～ 0. 8 0g。在波长为1 1 0 0～ 2 4 9 8nm 的
范围内, 每隔2 nm 采集反射强度 (R )。每份样品扫
描32次, 取平均值转化为 log (1öR ) 贮存于计算机。
利用W inisi Ê V 1. 04分析软件中的 SEL ECT 程
序[ 10 ] , 将与样品集中近红外反射光谱最相似的32个
样品剔除 (以减少常规分析工作量) , 用226个样品
进行常规含油量测定。从中随机选出44份样品作检
验组, 而剩余182份样品作为定标组用于构建回归
方程, 检验组则用于进一步检验所建回归方程可靠
性和有效性。定标组和检验组群体的油份含量见表
1。
1. 2　光谱分析与回归统计方法
光谱分析时, 先采用光谱散射处理和数学处理
两种方法。前者包括趋势变换法 (D etrend, D )、标
准 正 态 变 量 转 换 ( T ransfo rm ation of Standard
N orm al V ariate, SNV )、 标 准 乘 性 散 射 校 正
(Standard M ultip licative Scatter Corrections,
表1　用于近红外反射光谱分析的油菜籽样品含油量实测值统计
Table 1　Laboratory reference value statistics for a ll
samples used in N IRS analysis of rapeseed oil content
分组
Group ing
样品数
Samp le num ber
平均值 (% )
M ean
变幅 (% )
Range
标准误
SD
定标组
Calibration set
182 38. 3 26. 33～ 50. 30 3. 632
检验组
V alidation set
44 39. 98 33. 18～ 46. 1 2. 951
SM SC )、加权乘性散射校正 (W eigh ted M SC) 和逆
向乘性散射校正 ( Inverse M SC) [ 11 ] , 后者则通过不
同的导数 (D erivative)、波段一间隙 (Segm en t2Gap )
和平滑 (Smoo th1, Smoo th2)组合进行优化。
　　统计方法采用主成分回归 (P rincipal componen t
regression, PCR )、偏最小二乘法 ( Partial least
squares, PL S) 和改良偏最小二乘法 (M odified PL S,
M PL S)回归分析建立回归方程。
1. 3　衡量回归方程优劣的参数
衡量回归方程优劣的主要参数包括定标标准误
差 (SEC ) , 定标决定系数 (R 2 ) , 交互定标标准误
(SECV ) , 交互定标决定系数 (12V R ) , 和检验组预
测值与实测值偏差的平均值 (B ias) , (经校正的) 工
作标准误 (SEP (C) )、检验组决定系数 (R SQ )。对于
同一样品集所构建的回归方程而言, 各类标准误和
差值越小越好, 而决定系数越大越好。
以上各光谱预处理方法、数学处理方法和回归
统计方法都通过W inisiÊ V 1. 04软件在 PC 兼容机
上运行完成。
1. 4　油菜籽含油量的测定
采用索氏抽提法测定含油量。其过程为油菜籽
样品经小型粉碎机粉碎, 称取约2 g 左右粉样, 用
滤纸包好 (取净重A ) ; 之后将样品包放入烘箱, 在
105摄氏度下烘烤3小时, 冷却半小时称总重 (B ) ;
然后, 利用索氏脂肪抽提仪乙醚抽提出6小时, 收
取滤纸包, 烘干1小时, 最后将滤纸包称重 (C) , 含
油量 (% ) = (B - C) öA。
2　结果
2. 1　光谱预处理
2. 1. 1　数学处理　　从总体上看, 油菜籽含油量
的分析, 未经数学处理产生的定标方程, 其外部检
验效果明显较差, 产生的B ias 和 SEP (C) 均较大,
且 R SQ 较小。经不同数学组合处理产生的定标方
程, 其效果一般好于对照。因此, 定标时采用适当
224　　　　　　　　　　　　　　　　　　　　　作　　物 　　学　　报　　　　　　　 　　　　　　　　　　　　28卷

的数学组合处理是很必要的。在各种数学处理中,
构建定标方程时应用3级导数处理效果最好, 2级导
数处理要优于1和4级导数处理 (表2)。根据定标方
程和各项误差和决定系数, 在2级和3级导数处理
中, “2, 3, 3, 1”和“3, 3, 3, 1”数学处理组合效果
最理想, 其R 2分别为0. 956和0. 961, SEC 分别小至
0. 747和0. 706。而从检验组的分析结果看, 最佳的
数学处理组合为“2, 6, 6, 1”和“4, 10, 10, 1”, 但
各项误差和决定系数与前两种组合差异不大。因
此, 根据定标组和检验组的两方面综合考虑, 对于
含油量分析采用“2, 3, 3, 1”、“2, 6, 6, 1”和“3,
3, 3, 1”的三种处理较好。这一些处理方法, 得到
的各类误差较小而决定系数较高, 可应用于实际的
品质分析当中 (表2)。
表2　不同的光谱数学处理对建立油菜籽含油量定标方程产生的效果1)
Table 2　The effects of spectra data math treatments on N IRS cal ibration for oil content of rapeseed
数学处理
M athem atics treatm ent
定标 Calibration
SEC R 2 SECV 12VR 检验 V alidationB ias SEP (C) RSQ
CK 0. 966 0. 927 1. 013 0. 919 - 0. 118 0. 942 0. 889
1, 3, 3, 1 0. 880 0. 938 1. 009 0. 921 - 0. 094 0. 869 0. 921
1, 4, 4, 1 0. 869 0. 940 0. 987 0. 924 - 0. 065 0. 883 0. 918
1, 6, 6, 1 0. 908 0. 936 1. 025 0. 917 - 0. 070 0. 900 0. 916
1, 10, 10, 1 0. 866 0. 942 0. 952 0. 929 - 0. 086 0. 895 0. 919
平均M ean 0. 881 0. 939 0. 993 0. 923 - 0. 079 0. 887 0. 919
2, 3, 3, 1 0. 747 0. 956 0. 958 0. 927 0. 078 0. 896 0. 920
2, 4, 4, 1 0. 799 0. 950 0. 969 0. 926 0. 036 0. 896 0. 919
2, 6, 6, 1 0. 823 0. 947 0. 951 0. 930 - 0. 019 0. 872 0. 924
2, 10, 10, 1 0. 856 0. 943 0. 986 0. 924 0. 036 0. 887 0. 919
平均M ean 0. 806 0. 949 0. 966 0. 927 0. 033 0. 888 0. 921
3, 3, 3, 1 0. 706 0. 961 0. 940 0. 932 - 0. 045 0. 958 0. 918
3, 4, 4, 1 0. 778 0. 953 0. 989 0. 924 0. 080 0. 957 0. 917
3, 6, 6, 1 0. 821 0. 946 0. 999 0. 922 0. 050 0. 900 0. 922
3, 10, 10, 1 0. 822 0. 947 0. 953 0. 930 - 0. 022 0. 926 0. 923
平均M ean 0. 782 0. 952 0. 970 0. 927 0. 016 0. 935 0. 920
4, 3, 3, 1 0. 817 0. 947 1. 052 0. 913 0. 098 0. 936 0. 906
4, 4, 4, 1 0. 867 0. 940 1. 105 0. 906 0. 063 0. 863 0. 920
4, 6, 6, 1 0. 805 0. 951 0. 986 0. 924 0. 072 0. 944 0. 919
4, 10, 10, 1 0. 845 0. 946 0. 973 0. 926 - 0. 018 0. 899 0. 925
平均M ean 0. 834 0. 946 1. 029 0. 917 0. 054 0. 911 0. 918
　注: 1) 回归分析用 (Regression m ethod) : M PL S; 光谱散射校正用 (Scatter correction) : SNV + Detrend; 样品大小表3和表4同此 (Samp le size
is the sam e as those in table 3 and table 4) : 8 g.
表3　近红外反射光谱分析中不同光谱散射校正方法对油菜籽含油量定标效果的影响1)
Table 3　The effects of spectra scatter correction on N IRS cal ibrations for o il content of rapeseed
散射处理
Scatter correction
定标 Calibration
SEC R 2 SECV 12VR 检验 V alidationB ias SEP (C) RSQ
CK 0. 806 0. 945 1. 056 0. 907 0. 075 1. 022 0. 897
SNV + Detrend 0. 706 0. 961 0. 940 0. 932 - 0. 045 0. 958 0. 918
SNV 0. 706 0. 961 0. 940 0. 932 - 0. 045 0. 958 0. 918
Detrend 0. 807 0. 948 1. 073 0. 910 0. 055 1. 021 0. 892
Std. M SC 0. 706 0. 961 0. 940 0. 932 - 0. 051 0. 963 0. 917
W eight M SC 0. 712 0. 960 0. 971 0. 928 - 0. 065 0. 997 0. 905
Inverse M SC 0. 706 0. 961 0. 940 0. 932 - 0. 040 0. 953 0. 918
　注: 1)数学处理为 (M athem atics m ethod) : 3, 3, 3, 1; 回归方法用改良的偏最小二乘法 (Regression m ethod) : M PL S.
2. 1. 2　光谱散射校正　　用油菜籽整粒对含油量
进行N IR S 测定时, 利用不同光谱散射校正法进行
校正可产生不同的效果 (表3)。除经D etrend 处理未
取得明显效果外, 其余各处理均取得明显效果, 表
示回归方程优劣的决定系数 (R 2, 12V R ) 都得到明
显提高, 而相应的各项误差 (SEC, SECV )也有显著
3243期　　　　　　　　　吴建国等: 应用近红外反射光谱法整粒测定小样品油菜籽含油量的研究　　　　　　　　　　　

改善。检验组的预测效果也表现出一致的规律, 除
W eigh ted M SC 稍差外, 其余各项散射处理效果非
常相近, 故可选其中之一作为光谱散射校正。
2. 2　统计方法
由表4可见, 不同回归分析方法对定标效果有
很大影响。从定标方程和预测结果来看, 改良偏最
小二乘法 (M PL S) 和偏最小二乘法 (PL S) 要好于主
成分分析法 (PCR )。M PL S 法和 PL S 法在方程构建
的各项误差和系数上非常相近, 但对预测结果差异
较大, 经M PL S 构建方程预测的工作标准误 (SEP
(C) ) 平均值为0. 907, 小于经 PL S 法的回归方程的
SEP (C) (0. 935)。总的看来, M PL S 是近红外油菜
籽含油量分析中一种较好的回归方法。
2. 3　小样品测定
在将同一批样品以18 mm 直径和35 mm 直径
的圆形样品盒内进行扫描, 样品用量分别小至约
0. 60～ 0. 80 g 和3 g, 并选取与8 g 大样品扫描分析
相同的定标组 (182个样品) 和检验组 (44个样品) 进
行近红外回归方程构建和预测分析 (表5)。通过三
种回归方法和二种数学处理相结合的6种组合分析
表4　近红外反射光谱分析中不同回归方法对油菜籽含油量定标效果的影响1)
Table 4　The effects of regression methods of N IRS cal ibration for oil content of rapeseed
回归方法
Regression m ethod
数学处理
M athem atics treatm ent
定标 Calibration
SEC R 2 SECV 12VR 检验V alidationB ias SEP (C) RSQ
M PL S 1, 6, 6, 1 0. 908 0. 936 1. 025 0. 917 - 0. 070 0. 900 0. 916
2, 4, 4, 1 0. 799 0. 950 0. 969 0. 926 0. 036 0. 896 0. 919
2, 6, 6, 1 0. 823 0. 947 0. 951 0. 930 - 0. 019 0. 872 0. 924
3, 3, 3, 1 0. 706 0. 961 0. 940 0. 932 - 0. 045 0. 958 0. 918
平均M ean 0. 809 0. 948 0. 971 0. 926 - 0. 025 0. 907 0. 919
PL S 1, 6, 6, 1 0. 809 0. 936 1. 008 0. 920 0. 036 0. 906 0. 914
2, 4, 4, 1 0. 796 0. 951 0. 998 0. 922 0. 007 0. 938 0. 911
2, 6, 6, 1 0. 815 0. 948 0. 986 0. 925 0. 019 0. 915 0. 917
3, 3, 3, 1 0. 787 0. 952 1. 035 0. 918 0. 017 0. 982 0. 911
平均M ean 0. 802 0. 946 1. 007 0. 921 0. 020 0. 935 0. 913
PCR 1, 6, 6, 1 0. 982 0. 926 1. 051 0. 914 0. 017 0. 905 0. 916
2, 4, 4, 1 0. 965 0. 929 1. 156 0. 896 0. 095 1. 023 0. 910
2, 6, 6, 1 1. 060 0. 911 1. 129 0. 900 0. 083 0. 986 0. 901
3, 3, 3, 1 1. 054 0. 907 1. 230 0. 882 0. 191 1. 094 0. 876
平均M ean 1. 015 0. 918 1. 142 0. 898 0. 097 1. 002 0. 901
　注: 1) 散射校正 (Scatter correction) : SNV + Detrend.
表5　近红外反射光谱分析中不同样品大小对油菜籽含油量定标效果的影响1)
Table 5　The effects of sample size of N IRS cal ibration for oil content of rapeseed
样品大小
Samp le size
数学处理
M athem atics treatm ent
回归方法
Regression m ethod
定标 Calibration
SEC R 2 SECV 12VR 检验 V alidationB ias SEP (C) RSQ
0. 60～ 0. 80 g 2, 4, 4, 1 M PL S 0. 889 0. 939 1. 089 0. 908 0. 074 1. 194 0. 861
PL S 0. 967 0. 925 1. 120 0. 902 0. 165 1. 233 0. 855
PCR 1. 068 0. 910 1. 185 0. 891 0. 113 1. 200 0. 859
3, 3, 3, 1 M PL S 0. 834 0. 947 1. 079 0. 910 0. 099 1. 225 0. 853
PL S 0. 994 0. 922 1. 134 0. 898 0. 091 1. 258 0. 848
PCR 1. 067 0. 910 1. 182 0. 889 0. 148 1. 270 0. 840
平均M ean 0. 970 0. 925 1. 131 0. 900 0. 115 1. 230 0. 853
3 g 2, 4, 4, 1 M PL S 0. 825 0. 947 0. 994 0. 924 0. 081 0. 940 0. 906
PL S 0. 760 0. 955 1. 025 0. 919 0. 038 1. 036 0. 879
PCR 1. 073 0. 910 1. 152 0. 896 0. 037 0. 977 0. 906
3, 3, 3, 1 M PL S 0. 906 0. 936 1. 141 0. 899 0. 095 0. 928 0. 906
PL S 1. 140 0. 900 1. 335 0. 860 0. 037 1. 029 0. 886
PCR 1. 205 0. 887 1. 327 0. 863 0. 111 1. 111 0. 862
平均M ean 0. 985 0. 922 1. 163 0. 893 0. 067 1. 004 0. 891
　注: 1)散射校正 (Scatter correction) : SNV + Detrend.
424　　　　　　　　　　　　　　　　　　　　　作　　物 　　学　　报　　　　　　　 　　　　　　　　　　　　28卷

表明, 这两种小样品所构建的定标方程和预测效果
非常相近, 对于检验组的预测结果来看, 3 g 样品
分析略优于0. 6～ 0. 8 g 样品分析。总体上看, 这两
种小样品分析效果都不如8 g 样品定标分析效果
(表4, 表5)。尽管这两种小样品检验组的预测决定
系数 (R SQ ) 偏小, 但两者预测值与实测值偏差的平
均值 (B ias) (0. 115和0. 067)、工作标准误 (SEP (C)
(分别为1. 230和1. 004) 都较小; 其回归方程的决定
系数 (R 2, 12V R ) 都较高, 而相应的各项误差 (SEC,
SECV )也较低, 可直接用于测定筛选大量的育种中
间材料。
3　讨论
　　在本研究中, 含油量所构建的回归方程以及外
部检验的决定系数均与国外同行所得结果相仿, 但
我们的结果相应的各项误差均更小, 且用于分析样
品的量为8 g 以下, 远小于 Starr 等 (1985)的分析样
品用量 (20 g) [ 7 ]。国内学者在探索油菜籽含油量近
红外分析时, 找到了一定的相关性 ( r= 0. 7) [ 9 ] , 但
本实验则基本实现了油菜籽含油量的整粒分析, 并
得到很好的相关性 (R 2= 0. 961)。采用回归方法时,
M PL S 方法均优于其它的方法, 这在稻米直链淀粉
近红外分析中也表现相同的规律[ 11 ]。另外在构建定
标方程时, 不能单纯追求定标决定系数值接近于1,
还要考虑预测的决定系数和各项差值的大小。如表
2中, 不难看出, 从定标方程的各项决定系数和误
差来看, “3, 3, 3, 1”数学处理组合最好 (R 2 =
0. 961) , 但预从测结果来看,“2, 6, 6, 1”组合最为
理想, 但其方程的 R 2仅为0. 947。这与高粱的蛋白
质分析有着相似的现象[ 5 ]。因此, 实际应用时, 需
综合考虑两方面的各项决定系数和误差, 以使所构
建的回归方程具有更好的可靠性和实用性。
油菜的生产主要目的是收籽榨油, 高含油量育
种是油菜品质育种的重要方向之一。本研究用于构
建回归方程的油菜籽样品含油量范围为26. 33%～
50. 30% (表1) , 基本上覆盖了生产上应用的甘蓝型
油菜品种和育种中间材料的含油量范围[ 12 ]。另外,
在收集反射光谱时, 样品用量除8 g 外, 还采用了
3 g和0. 60～ 0. 80 g 等更少的样品用量, 且后二者
在定标方程和预测结果来看, 都有较好稳定性和准
确性。尽管后二者, 尤其是0. 60～ 0. 80 g 用量的样
品测定, 它们的检验相关性略微偏低, 但各项误差
和差值也较低, 基本上符合一般的测定分析和解决
育种上留种量较少的中间材料或早世代材料测定与
筛选问题。因此, 本研究建立的定标方程可直接用
于育种中间材料的选择和常规分析。
References
[ 1 ] 　Ciurczak E W. U se of near infrared spectroscopy in cereal
p roducts. Food T esting and A naly sis, 1995, 5: 35～ 39
[ 2 ]　Delw iche S R. P ro tein content of single kernels of w heat by
near2infrared reflectance spectroscopy. J Cereal S cience,
1998, 27: 241～ 254
[ 3 ] 　J in T2M (金同铭) , Cui H 2C (崔洪昌). Non2destroyed test on
scurose, glucose, fructose and m alic acid of app le. A cta
A g riculturae B oreali2S inica (华北农学报) , 1994, 9 (4) : 104
～ 110
[ 4 ] 　J in T2M (金同铭) , L iu L (刘铃). N ear infrared spectroscopy
technique and its app lication in vegetable and fruit fields.
Chinese J of T rop ical C rops (热带作物学报) , 1998, 19 (增
刊) : 15～ 18
[ 5 ] 　L i Q 2C (李庆春) , W ang W 2Z (王文真) , Zhang Y2L (张玉
良) , et al. App lication of N IR diffuse reflectance spectroscopy
analysis in crop quality breeding. A cta A g ronom ica S inica (作
物学报) , 1992, 18 (3) : 235～ 240
[ 6 ] 　W u X2Q (吴秀琴) , L iang D 2S (梁冬升) , W u Y2F (吴燕凤) ,
et al. U sing N IRS m ethods to test the contents of crude
p ro tein and fiber in frijo les young pods. C rop V ariety R esource
(作物品质资源) , 1993, (1) : 28～ 29
[ 7 ] 　Starr C, Suttle J , M organ A G et al. A comparison of samp le
p reparation and calibration techniques for the estim ation of
nitrogen, o il and glucosino late content of rapeseed by near
infrared spectroscopy. J A g ric S ci Cam b, 1985, 104: 317～
323
[ 8 ] 　V elascal L , Becker H C. A nalysis of to tal glucosino late
content and individual glacosino lates in B rassica spp. by near2
infrared reflectance speetroscopy. P lant B reed ing , 1998,
117: 97～ 102
[ 9 ] 　Zhang Y2H (张晔晖) , Zhao L 2L (赵龙莲) , L i X2H (李晓
薇) , et al. Study on the m ethod of determ ing the contents of
rapeseed using the fourier transform near2infrared diffuse
reflectance spectroscopy. A cta L aser B iology S inica (激光生物
学报) , 1998, 7 (2) : 138～ 141
[ 10 ] 　Juliano B O , Perez C M , L aignelet B, et al. International
cooperative testing on the am ylose content of m illed rice.
S tarch, 1981, 33: 157～ 162
[ 11 ] 　Shu Q 2R (舒庆尧) , W u D 2X (吴殿星) , X ia Y2W (夏英武) ,
et al. Calibration op tim ization for rice apparent am ylose
content by near infrared reflectance spectroscopy (N IRS ).
J ournal of Z hej iang U niversity (A g ric. & L if e S ci) (浙江大
学学报 (农业与生命科学版) ) , 1999, 25 (4) : 343～ 346
[ 12 ] 　L iu H 2L (刘后利). P roceeding on rapeseed p roduction and
variety research in the world. C ited from Science A nthology of
L iu Houli (Edited by Fu T ingdong) (刘后利科学论文选集) ,
Beijing: A griculture U niversity P ress, 1994. 25～ 29
5243期　　　　　　　　　吴建国等: 应用近红外反射光谱法整粒测定小样品油菜籽含油量的研究