直鏈淀粉含量是決定稻米品質和口感的重要因素，也是培育優質食用稻米的重要指標。早期低代快速無損預測和后期高代大批量、快速、精確測定直鏈淀粉含量是水稻育種中的重要工作，可以顯著提高育種工作效率。因傳統的直鏈淀粉含量測定采用碘比色法，其操作復雜、速度慢、藥品消耗量大，且樣品被粉碎，難以滿足育種的需要。

　　20世紀80年代以來，隨著近紅外光譜（NIRS）技術的迅速發展，有關學者將近紅外光譜分析技術應用于農業科學研究，但多側重于理論和方法的探討。對較大批量樣本的粳稻稻谷、糙米、精米、糙米粉和精米粉等樣品進行了近紅外光譜分析，所得結果既能滿足粳稻品種低代選擇小樣本、無損傷測定的需要，也能滿足高代大批量樣本的測定，現將有關結果報道如下。

　　1試驗材料和方法

　　1.1供試材料

　　供試材料為216份常規粳稻（含糯稻35份），樣品的含水率≤12.0%。光譜掃描前，將光譜儀室的溫度調節至25℃，樣品置于光譜儀室平衡一晝夜，確保樣品環境條件與近紅外儀一致。

　　1.2測試方法

　　1.2.1樣品直鏈淀粉含量的化學值測定

　　稱取0.1g左右的精米粉樣品，先加入加1mL95%酒精浸潤后再加9mL1mol/L的KOH溶液放入30e恒溫箱一晝夜后，用日本BRAN-LUEBBE公司生產的全自動直鏈淀粉分析儀測定（以稻米直鏈淀粉含量為“0”的糯稻品種“神樂糯”樣品和已知直鏈淀粉含量的標準樣品而作出“標準曲線”）。

　　1.2.2樣品NIR光譜獲取

　　采用具有積分球、PbS檢測器、旋轉樣品池等裝置的德國BrukerFT-NIR近紅外光譜儀（Vector22/N-I），儀器由OPUS/IR掃描程序控制。

　　以鍍金的漫反射體作參比（每5個樣品掃描一次參比），樣品杯為帶石英窗的圓形小杯，直徑4.5cm，高5.0cm，每次裝樣量以石英窗不漏光為度。工作譜區選用3498.4~10001.6cm-1，分辨率采用8cm-1，每隔2nm采集反射強度，重復掃描64次，取平均值，貯存于1個計算機文件，形成一條反射光譜。每樣品重復裝樣掃描兩次，取平均值，計算機自動將反射光譜信息轉換成吸光度值貯存，然后在OPUS建模軟件上計算分析試驗數據。

　　1.2.3建模

　　所有樣品的近紅外光譜采集后，用Bruker公司的OPUS定量分析軟件包分析。先預設譜區范圍3498.4~10001.6cm-1，再進行光譜預處理比較。光譜預處理方法為：不處理、矢量歸一化、多元散射校正、一階導數、二階導數、一階導數+矢量歸一化、一階導數+多元散射校正等11種。并使用自動優化功能對每組進行優化，選出最佳譜區、最佳預處理方法和最佳主成分維數。在自動優化過程中，每一種預處理進行31次譜區組合，通過內部交叉證實給出交叉檢驗均方誤差（RMSECV）和主成分維數，從中選擇最優譜區、預處理方法和主成分維數，再進行內部交叉驗證（步長為1）。通過比較預測值和化學值的符合程度（用決定系數R2和RMSECV表示）評價直鏈淀粉含量的數學模型預測效果。

　　采用偏最小二乘法（PLS）建立水稻直鏈淀粉含量數學模型，用內部交叉證實法檢驗定標方程的預測效果，用已知化學值的10個樣品來檢驗預測模型，最后得到最佳近紅外光譜預測模型。

　　3討論與結論

　　水稻生產在我國的農業生產中具有極其重要的戰略地位，隨著人們物質生活水平的提高，對水稻的品質提出了更高的要求。直鏈淀粉含量是影響稻米品質的至關重要因素，在水稻育種中如何高效地進行有目的的選擇，需借助于快速簡便的分析技術，本研究借助近紅外技術建立的回歸預測模型可以用作水稻直鏈淀粉含量的快速測定，為稻米直鏈淀粉含量的選擇性育種提供了技術支持。

　　對同一批樣品的稻谷、糙米、精米、糙米粉、精米粉建立了近紅外回歸預測模型，除了稻谷的預測模型校正決定系數明顯低于0.90外，糙米預測模型的校正決定系數為0.8864，交叉檢驗均方誤差為2.56，因此也能滿足早代選擇既不損傷種子的生命力，又能快速測定的要求，具有一定的實用性。糙米粉、精米粉預測模型的校正決定系數均大于0.90，說明這兩種掃描樣品均可用于直鏈淀粉含量測定，由于這兩種方法都要損傷種子的生命力，因此可根據需要選擇應用。

　　稻米直鏈淀粉含量的近紅外建模表明，樣品的均一性與否，對模型的精度影響較大。掃描的結果表明稻谷的掃描重復性較差，同一樣品光譜間的擬合度低，而精米粉的掃描重復性較好，重復掃描間高度擬合。

　　直鏈淀粉含量的近紅外分析結果與化學值有高度的相關性，但由于粳稻品種資源在低直鏈淀粉區域品種較少，所以建模樣品中直鏈淀粉含量在3.0%~17.0%之間的品種較少，這對進一步提高模型的精度有一定的影響。進一步收集此類指標的樣品，可以提高模型的精度和預測的正確性。

　　【中國糧油儀器在線】部分信息來自互聯網，力求安全及時、準確無誤，目的在于傳遞更多信息，并不代表本網對其觀點贊同或對其真實性負責。