- Tigabu M, Oden PC, Lindgren D (2005) Identification of seed sources and parents of Pinus sylvestris L. using visible-near infrared reflectance spectra and multivariate analysis. Trees - Struct Funct 19(4):468–476.
研究了可见光（VIS）和近红外（NIR）光谱法识别樟子松种子来源和亲本的潜力。从瑞典Savar（北部），Roskar（中心）和Degeberga（南）的三个地方收集了一个单一家族（克隆AC1005×BD1178）的种子，以及来自四名母亲（克隆编号BD1032，AC1014，BD1178和AC1005）的种子，和四名父系（Y3020，BD1178，AC1014和BD1032）父母进行评估。使用NIRSystems Model 6500光谱仪，从400至2,498nm，分辨率为2nm，在各种子上记录VIS和NIR反射光谱。 VIS + NIR光谱数据用乘法信号校正进行预处理，并通过类比（SIMCA）和部分最小二乘判别分析（PLS-DA）的软独立建模进行分析。计算的模型随后应用于对外部测试集中的样本进行分类。结果表明，在VIS + NIR，VIS和NIR区域，使用PLS-DA模型，以100％的分类精度鉴定种子来源。母亲父母的平均分类精度范围为92％〜96％，父系父母确定为91.2-96％的准确度。使用SIMCA方法的分类准确度对于种子来源以及母亲和父母父母来说相对较低。可以得出结论，VIS + NIR光谱可以用作监测推测种子源的快速和非破坏性方法。结果强调了基于种类鉴定种子鉴定技术的前景，作为树木改良和育种的工具。
介绍
再造林的成功取决于其他方面不断供应优质种子，以种植苗圃所需的种群或直接播种在外地。种子质量是一个多重概念，包括物理，生理和遗传属性，它们将在播种或储存时确定种子的性能（Hampton 2002）。在林木种子中，遗传质量特别重要，因为由于树木生长寿命长，不能及早检测出异常现象。使用优质或加树种植果树的建立是确保可持续遗传改良种子供应的最常见和最具成本效益的途径（Zobel and Talbert 1984; Varghese et al。2000）。在瑞典，樟子松的第一代果园种植于二十世纪四十年代末，直到二十世纪七十年代中期，总面积达574公顷，二代种子果园成立于20世纪80年代初，在1968 - 1994年期间，共收获了42.9吨s藜种子（Hannz et al。2000）。几项研究表明，花粉污染是维持果园种子遗传纯度的主要障碍，因为其中许多人将在果园外的邻近地方拥有未知的父母（例如Yazdani和Lindgren 1991; Pakkanen和Pulkkinen 1991; Wang et al.1991; Harju and Nikkanen 1996）。将母体克隆转移到南部较暖的气候也是常见的做法，以便更好地起花和种子成熟。花粉污染涉及将花粉从周围的立场远距离分散到种子园内。由外来花粉受精产生的种子的遗传增益将低于被花粉粉受精的种子（例如Kang等，2001），尽管低水平的花粉污染可以增强果园种子的基因多样性（Lindgren和Mullin，1998）。由于适应受双亲的基因型控制，如果迁移的花粉来自不良适应的植物，杂交种子的生存机率将很低。种子来源同样重要，因为在种子发育过程中，母体环境（也称为后效应）的影响已经反映在后代的表现中。对于樟子松，在苗圃，植物营养和田间试验中观察到种子重量，身高增长，死亡率和霜冻耐受性的显着后果（Lindgren和Wang 1986; Dormling and Johnsen 1992; Lindgren和魏1994）。还报道了落叶松幼苗的冷驯化和高度生长的后果（Wei et al。2001）。由于种子交易不仅可以在国家之间或国家之间的地方之间轻松转让种子，否则种子批次混合的风险很高，除非有正当认证。在瑞典北部，像种子生产不足的地区，这种威胁特别严重。作为目前可用的方法，基于分子标记（Wang等人，1991; Stoehr等人1998; Wang和Szmidt 2001）是昂贵且技术上复杂的，种子园管理者和种子供应商需要快速，简化和成本 - 种子转移常规监测和果园种子遗传纯度的有效方法。可视（VIS）和近红外（NIR）光谱学是最好的方法，因为该技术非常快速，无损坏，不需要样品制备并且成本更低。这是一种可以通过轻质原子如C-H，O-H和N-H之间的键的吸收NIR来测量生物材料中的化学成分的技术。这些键通常具有高的振动频率，并且导致在中红外区域中活跃的基波振荡的泛音和组合（Murray和Williams 1987; Osborne等人1993; Ciurczak 2001）。除了化学信息之外，NIR光谱还包含可用于确定物理性质的物理信息，如种子中的体积密度（Velasco et al。1998; Font et al。1999）和种子重量（Velasco等，1999）。前瞻性研究已经证明了VIS + NIR光谱仪用于表征类似生物样品的组合的能力，例如鉴定草药来源（Woo等人，1999），Gliridia来源的分类（Lister et al。 2000），大豆，水稻和小麦品种的分类（Delwiche和Massie 1996; Kwon和Cho 1998; Turza等1998），以及根据其颜色分类小麦籽粒（Delwiche和Massie 1996; Dowell 1998; Wang等1999）。在本研究中，我们调查了VIS + NIR光谱的潜力，作为识别樟子松种子来源和亲本的快速和非破坏性方法。
从单个种子收集VIS + NIR反射光谱（log 1 / R），并通过类比（SIMCA）和偏最小二乘判别分析（PLS-DA）的软独立建模进行分析。 SIMCA和PLS-DA是用于开发基于光谱测量的多变量分类模型的最广泛使用的方法（Nas等人，2002）。 SIMCA是一种基于每类相似观察的不相交主成分分析（PCA）的监督多变量分类方法（Wold et al。1998），而PLS-DA是基于PLS广义逆的线性判别分析的正则化版本（Martens和Nas 1989; Wold等人2001; Nas等人2002; Baker和Rayens 2003）。在这种情况下，需要由指示类成员资格的虚拟值组成的Y矩阵，并且使用数字化的NIR光谱作为描述符矩阵和虚拟变量的矩阵作为回归来执行PLS回归。
