论文部分内容阅读
摘 要 为改进和完善测定厚皮甜瓜糖度的方法，以海南生产和销售的厚皮甜瓜为材料，分析果实内糖度变化规律，以及各点位糖度与全瓜糖度关系，并构建预测全瓜糖度的数学模型。结果表明：果肉糖度分布规律为内层高于外层，近脐的中下部最高，近蒂的上部最低；果肉糖度的变化幅度为赤道方向大于脐蒂方向，并且受栽培环境和瓜形等因素的影响；通过果肉中心糖度和胎座糖度构建预测全瓜糖度的数学模型为B=0.891 6+0.734 4I+0.157 7P，模型预测值与实测值相关系数较大，说明其准确度较高。
关键词 厚皮甜瓜；果实糖度；糖度分布；模型
中图分类号 S652 文献标识码 A
Internal Brix Distribution and Modeling Technology
of Sugar Prediction of Muskmelon
DONG Wei， LI Yongmei， XING Yizhang， CHEN Bin， YANG Yimin， YANG Zhongfa*
College of Agronomy，Hainan University， Haikou， Hainan 570228， China
Abstract The Brix at different site in the fruit of muskmelon was assayed and a model to predict the Brix of a muskmelon， Cucumis melo L.， was established. It was revealed that the Brix of the inner layer was higher than that of the outer， and that of the lower part near hilum was the highest while that of the upper part close to the stem end was the lowest. In addition， fruit sugar in the equatorial direction change was greater than the umbilical pedicle direction，and environmental factors and the fruit shape had remarkable influence on the sugar content. A mathematic model， B=0.891 6+0.734 4I+0.157 7P， with high accuracy to predict the sugar content of muskmelon was established.
Key words Cucumis melo L.； Fruit sugar； Variation of Brix； The modeling technology
doi 10.3969/j.issn.1000-2561.2014.08.010
厚皮甜瓜（Cucumis melo L.）适应性强，生育期短，产量较高，并且由于其独特的香气和味道，深受消费者喜爱，是重要的水果型蔬菜，具有较高的经济价值[1]。厚皮甜瓜的品质决定消费群体[2]和用途[3]，对价格影响很大。因此，长期以来国内外都非常重视对其品质的评价。果实糖度是厚皮甜瓜的主要品质指标[4-7]。关于厚皮甜瓜糖度的测定，常规方法是通过部分果肉糖度估计全瓜糖度，即取赤道内层或内壁果肉测定蔗糖折光率，以此作为全瓜糖度[8-10]。这种常规方法测定的糖度并非果实的真实糖度，只有明确局部糖度与全瓜糖度的关系，才可能确定具有代表性的点位，提高测定的准确性。已有的研究仅限于内层果肉和脐蒂两点果肉的糖度分布[3-4]。另外，不同果实的糖度在果肉纵向和横向上变化幅度都可能存在差异[11]，这种差异将直接影响果实之间糖度的比较。厚皮甜瓜糖度的另一种测定方法是近红外反射分析法[4，12]，即通过特定点位的近红外反射光谱预测果实糖度，是一种非破坏性的测定方法。由于近红外光谱进入果实的深度较浅[5]，因此需要在外层果肉中选择能够代表全瓜糖度的测定点位。但前人只对脐蒂两点的外层果肉糖度进行过比较[3-4]，关于外层果肉糖度的分布规律及全瓜糖度的关系尚不明确。为了改进和完善厚皮甜瓜糖度的测定方法，本文以海南销售和生产的厚皮甜瓜为材料，对其糖度变化规律以及各点位糖度与全瓜糖度关系进行研究，以便提高糖含量测定的准确性。
1 材料与方法
1.1 材料
以海南销售和生产的厚皮甜瓜为材料，共采集分析样品42个。将2012年冬至2013年春采样的瓜作为冬季瓜，2013年夏秋采样的瓜作为夏季瓜。另外，根据厚皮甜瓜的生产地分为岛内瓜和岛外瓜。
1.2 测定方法
使用ATAGO的PAL-1 POCKET糖度计测定果肉汁液和胎座汁液的糖度（Brix）。将瓜纵向从蒂至脐分为上、中上、中、中下、下5等分，横向分为外层、中层、内层3层，部位划分及糖度测定点位见图1所示。果肉糖度的测定方法是首先在纵向每等分的切片上对称取4点果肉分别测定糖度，然后将所有果肉榨汁测定全瓜糖度。胎座糖度的测定方法是将整个胎座取出并充分搅拌后取汁液测定糖度。
观测网纹、瓜径比、瓜重等瓜形指标，网纹根据发生程度分为3级，第 1级无明显网纹、第2级网纹稀少且局限于部分果皮、第3级网纹多且均匀分布于全瓜；瓜径比等于纵径即蒂至脐直线距离与横径即赤道附近最大直径的比值，按<1.3、1.3～1.5、1.5～1.7、>1.7分为4级，分别记作1、2、3、4级；瓜重按<1.6、1.6～2.0、2.0～2.4、>2.4 kg分为4级，分别记作1、2、3、4级。 计算果肉糖度在纵、横2个方向上的变幅，纵向变幅是指横向各层在纵向5等分之间的变化幅度，横向变幅是指纵向各等分在横向3层之间的变化幅度。
变幅=（最大值-最小值）÷最大值×100%
1.3 数据分析
使用JMP9.0进行数据分析，多重比较采用Tukey HSD检验。
2 结果与分析
2.1 主要观测指标的数据特征
主要观测指标的数据特征见表1。由表1可知，全瓜糖度在5.2%～13.6%范围，变异系数CV为20.9%；各点位的糖度在4.2%～16.6%范围，变异系数CV为21.6%～31.2%；瓜径比在1.06～2.09范围，变异系数CV为18.1%；瓜重在0.56～3.77 kg范围，变异系数CV为34.7%。表明瓜重、瓜径比及糖度指标的变化幅度较大，有利于增加本研究的代表性。
2.2 果实内糖度分布规律
根据果实内各点位糖度运用JMP软件制作的等高线图见图2。由图2可知，糖度的横向分布规律是内层>中层>外层，并且各层之间差异显著；糖度的纵向分布规律是中下>中>中上>下>上，中下、中、中上显著高于下的糖度。总的变化规律为横向内层高、外层低；纵向外层为下高、上低，中层和内层为中下高、上低。
2.3 果实内糖度变幅及其影响因素
为了明确果实内糖度在纵向和横向上的变异性，分别对纵、横2个方向上各等份、各层的糖度变幅进行方差分析和多重比较。结果见图3。从图3可见，糖度的横向变幅在32.6%～41.5%之间，中间的变幅较大，上下两段的变幅较小，中、中上、中下的变幅显著高于下段的变幅（图3-A）；纵向变幅在16.6%～20.4%之间，中层最大，内层最小，但各层间的差异不显著（图3-B）。
为了探讨糖度变幅的影响因素，分析季节、产地、网纹、瓜重、瓜径比等指标对糖度变幅的效应（表2）。横向变幅上，除季节外其他指标的效应均达到显著水平；纵向变幅上，产地、网纹和瓜重的效应不显著，季节和瓜径比的效应显著。表明季节、产地、网纹、瓜重、瓜径比等指标均不同程度地影响糖度变幅，在瓜形因子中瓜径比的影响较大。
2.4 预测全瓜糖度的数学模型
为了构建预测糖度的数学模型，以糖度测定时间为序进行间隔抽样，将42个厚皮甜瓜分为3组，其中2组用于建模、1组用于模型的外部验证。将每等分每层4点的糖度进行平均得到15个点位的糖度值，加上胎座糖度、瓜重、瓜径比共计18个数值变量。这18个数值变量与全瓜糖度之间均呈线性相关（数据省略）。通过多重共线性分析、模型优选和模型外部验证，结果以赤道中层（中-中层）糖度、胎座糖度为自变量的模型拟合效果最好，由此构建的模型为：B=0.891 6+0.734 4I+0.157 7P，式中B表示全瓜糖度、I表示赤道中层果肉糖度、P表示胎座糖度。模型拟合好，决定系数为0.920 5、均方根误差为0.582 2。
预测模型的标准偏回归方程：B′=0.742 5I+0.263 3P，由标准偏回归系数可知，赤道中层糖度对全瓜糖度的贡献大于胎座糖度。
图4显示了全瓜糖度预测模型的外部验证结果，全瓜糖度实测值与预测值的相关系数（0.942 2）很高，表明赤道中层糖度和胎座糖度可以作为全瓜糖度的预测指标。
3 讨论与结论
以赤道内层果肉糖度估计全瓜糖度会使果实糖度偏高，并且与食味感觉不一致。一般认为赤道内层果肉的糖度最高[3]，国内外通常选择糖度最高的果肉作为全瓜糖度的测定对象[8-10，12]。然而，由于厚皮甜瓜的食用部分并非只是糖度最高的内层果肉而是全部果肉，食用者对糖度的官能感觉是被食果肉的总和，所以笔者认为从食味的角度应该关注全部果肉的糖度。赤道内层果肉糖度较高（图2），并且其占全部果肉的比例很小，所以以赤道内层果肉糖度作为全瓜糖度指标会造成对果实糖度的过高估计。
以赤道内层果肉糖度估计全瓜糖度，有可能导致果实之间糖度比较结果产生偏差。本研究结果表明，果肉糖度在纵向上和横向上的变幅均差异显著（图3），并且这种差异受产地、季节等环境因素和瓜形指标等遗传因素的影响（表2）。由于果实内糖度变幅差异显著，所以赤道内层果肉糖度较高的果实不一定全瓜糖度也较高，反之赤道内层果肉糖度较低的果实不一定全瓜糖度也较低。如果按常规测定方法以赤道内层果肉糖度估计全瓜糖度[8-10]，则忽略了果实内糖度变幅的差异性，这样在比较不同果实之间的糖度时，有可能导致评价结果发生偏差。
以赤道内层果肉糖度和胎座糖度预测全瓜糖度，可提高测定的准确度。综上所述，厚皮甜瓜糖度的常规测定方法存在诸多缺陷。通过部分果肉糖度预测全瓜糖度的技术关键在于选择具有代表性的测定点位，即明确果实内糖度的分布规律及其和全瓜糖度的关系。本研究以赤道中层果肉糖度和胎座糖度构建预测全瓜糖度的数学模型，通过外部验证，实测值与预测值的相关系数为0.942 2，高于常规方法即以赤道内层糖度估计全瓜糖度的相关系数（0.839 4），显然本模型的测定方法较大幅度地提高了预测的准确度。
运用近红外反射分析法测定厚皮甜瓜的糖度，由于有效测定的深度所限[5]，因此只能在外层果肉中选测具有代表性的测定部位。由于脐部果肉的组织结构比较稳定[3，12]，有机物质组分不一致对近红外分析结果的影响较小[4，13]，因此，目前一般选择脐部作为近红外反射光谱的采集点[3，14]。但是，关于脐部外层果肉与全瓜糖度的关系研究尚未见报道，以脐部外层果肉糖度预测全瓜糖度的可靠性还有待研究。本研究结果表明，在外层果肉中赤道外层果肉糖度与全瓜糖度的相关系数最高，脐所在的下部外层果肉糖度与全瓜糖度的相关系数较低（数据省略）。可见，选择赤道作为测定点位有利于提高测定的准确度，但是在进行非破坏性测定时无法确定向种子和果实输送养分的维管束的位置，测定结果会受到有机物组分均匀性的影响[3，12]。综上所述，为了选择具有代表性的测定点位，有必要将外层果肉进一步细分后研究这些点位与全瓜糖度的关系；同时，在非破坏性测定条件下，如何确定外层果肉中维管束位置或排除其对近红外分析的影响，也有待于进一步研究。 参考文献
[1] Sakaki Ritaka. Practical technology of hydroponics. Agricultural appliances association[C]. Tokyo， 2011.
[2] Katsuhiro Saito， Yoshiyuki Sugimoto. Economic Analysis on Quality of Melon-AHP approach to consumers'behavior[J]. Tech Bull Fac Hort Chiba Univ， 1993， 47： 255-260.
[3] Kiyoshi Ishigami， Hideyuki Matsuura. Sugar composition and distribution of Muskmelon Fruit[J]. Bulletin of Shizuoka Agricultural Experiment Station， 1993， 37： 33-40.
[4] Hidekazu Ito. Development of a Non-destructive Near-infrared （NIR）Spectroscopy Method for Determining the Internal Quality of Melons[J]. Research Report of Tea Research Institute， 2007， 6： 83-115.
[5] Hideyuki Matsuura. Measurement of sugar contents in intact fruit of Muskmelon Satsuma mandarin and Kiwifruit by NIR spectroscopy[J]. Bulletin of Shizuoka Agricultural Experiment Station， 1991， 36： 57-68.
[6] Hiroshi .Arakawa Relations between ripeness and eating quality in muskmelon cultivars[J]. Bulletin of Shizuoka Agricultural Experiment Station， 2004， 49： 9-15.
[7] Hideki Horie. The Present and the Future of the Quality Evaluation on Vegetables[J]. Proceedings of vegetable and tea science， 2006， 3： 123-127.
[8] 中华人民共和国国家标准. ICS 67.080.10， 地理标志产品 哈密瓜[S]. GB/T 23398-2009.
[9] 中华人民共和国商业行业标准. 哈密瓜[S]. SB/T 10193-1993.
[10] Toshio Fukuyama. Sugar Contents， Amino Acid Contents， and Taste Tests in Muskmelon Fruits Cultivated under NFT， DFT， Rockwool Culture， Kuntan Culture and Soil Culture[J]. Environ Control in Bio1， 1990， 28： 2.
[11] Peiris K H S， Dull G G， Leffler R G， et al. Spatial variability of soluble solids or dry-matter content within individual fruits， bulbs， or tubers： Implications for the development and use of NIR spectrometric techniques[J]. Postharvest Biology & Technology， 1999， 34（1）： 114-118.
[12] Agricultural department， Research laboratory. Sugar content of greenhouse melon nondestructive analysis using near infrared spectroscopy[R]. Agricultural Technology， 2013： 370.
[13] 辛 阳， 杨重法， 罗海伟， 等. 近红外反射分析法测定水稻可能再转流物质的研究[J].光谱学与光谱分析， 2012， 32（9）： 2 414-2 417.
[14] Seiji Oba. Development of nondestructive measurement system for sugar content of muskmelon fruit by infrared spectroscopy[J]. Bulletin of Shizuoka Agricultural Experiment Station， 2001， 46： 11-22.
责任编辑：赵军明
关键词 厚皮甜瓜；果实糖度；糖度分布；模型
中图分类号 S652 文献标识码 A
Internal Brix Distribution and Modeling Technology
of Sugar Prediction of Muskmelon
DONG Wei， LI Yongmei， XING Yizhang， CHEN Bin， YANG Yimin， YANG Zhongfa*
College of Agronomy，Hainan University， Haikou， Hainan 570228， China
Abstract The Brix at different site in the fruit of muskmelon was assayed and a model to predict the Brix of a muskmelon， Cucumis melo L.， was established. It was revealed that the Brix of the inner layer was higher than that of the outer， and that of the lower part near hilum was the highest while that of the upper part close to the stem end was the lowest. In addition， fruit sugar in the equatorial direction change was greater than the umbilical pedicle direction，and environmental factors and the fruit shape had remarkable influence on the sugar content. A mathematic model， B=0.891 6+0.734 4I+0.157 7P， with high accuracy to predict the sugar content of muskmelon was established.
Key words Cucumis melo L.； Fruit sugar； Variation of Brix； The modeling technology
doi 10.3969/j.issn.1000-2561.2014.08.010
厚皮甜瓜（Cucumis melo L.）适应性强，生育期短，产量较高，并且由于其独特的香气和味道，深受消费者喜爱，是重要的水果型蔬菜，具有较高的经济价值[1]。厚皮甜瓜的品质决定消费群体[2]和用途[3]，对价格影响很大。因此，长期以来国内外都非常重视对其品质的评价。果实糖度是厚皮甜瓜的主要品质指标[4-7]。关于厚皮甜瓜糖度的测定，常规方法是通过部分果肉糖度估计全瓜糖度，即取赤道内层或内壁果肉测定蔗糖折光率，以此作为全瓜糖度[8-10]。这种常规方法测定的糖度并非果实的真实糖度，只有明确局部糖度与全瓜糖度的关系，才可能确定具有代表性的点位，提高测定的准确性。已有的研究仅限于内层果肉和脐蒂两点果肉的糖度分布[3-4]。另外，不同果实的糖度在果肉纵向和横向上变化幅度都可能存在差异[11]，这种差异将直接影响果实之间糖度的比较。厚皮甜瓜糖度的另一种测定方法是近红外反射分析法[4，12]，即通过特定点位的近红外反射光谱预测果实糖度，是一种非破坏性的测定方法。由于近红外光谱进入果实的深度较浅[5]，因此需要在外层果肉中选择能够代表全瓜糖度的测定点位。但前人只对脐蒂两点的外层果肉糖度进行过比较[3-4]，关于外层果肉糖度的分布规律及全瓜糖度的关系尚不明确。为了改进和完善厚皮甜瓜糖度的测定方法，本文以海南销售和生产的厚皮甜瓜为材料，对其糖度变化规律以及各点位糖度与全瓜糖度关系进行研究，以便提高糖含量测定的准确性。
1 材料与方法
1.1 材料
以海南销售和生产的厚皮甜瓜为材料，共采集分析样品42个。将2012年冬至2013年春采样的瓜作为冬季瓜，2013年夏秋采样的瓜作为夏季瓜。另外，根据厚皮甜瓜的生产地分为岛内瓜和岛外瓜。
1.2 测定方法
使用ATAGO的PAL-1 POCKET糖度计测定果肉汁液和胎座汁液的糖度（Brix）。将瓜纵向从蒂至脐分为上、中上、中、中下、下5等分，横向分为外层、中层、内层3层，部位划分及糖度测定点位见图1所示。果肉糖度的测定方法是首先在纵向每等分的切片上对称取4点果肉分别测定糖度，然后将所有果肉榨汁测定全瓜糖度。胎座糖度的测定方法是将整个胎座取出并充分搅拌后取汁液测定糖度。
观测网纹、瓜径比、瓜重等瓜形指标，网纹根据发生程度分为3级，第 1级无明显网纹、第2级网纹稀少且局限于部分果皮、第3级网纹多且均匀分布于全瓜；瓜径比等于纵径即蒂至脐直线距离与横径即赤道附近最大直径的比值，按<1.3、1.3～1.5、1.5～1.7、>1.7分为4级，分别记作1、2、3、4级；瓜重按<1.6、1.6～2.0、2.0～2.4、>2.4 kg分为4级，分别记作1、2、3、4级。 计算果肉糖度在纵、横2个方向上的变幅，纵向变幅是指横向各层在纵向5等分之间的变化幅度，横向变幅是指纵向各等分在横向3层之间的变化幅度。
变幅=（最大值-最小值）÷最大值×100%
1.3 数据分析
使用JMP9.0进行数据分析，多重比较采用Tukey HSD检验。
2 结果与分析
2.1 主要观测指标的数据特征
主要观测指标的数据特征见表1。由表1可知，全瓜糖度在5.2%～13.6%范围，变异系数CV为20.9%；各点位的糖度在4.2%～16.6%范围，变异系数CV为21.6%～31.2%；瓜径比在1.06～2.09范围，变异系数CV为18.1%；瓜重在0.56～3.77 kg范围，变异系数CV为34.7%。表明瓜重、瓜径比及糖度指标的变化幅度较大，有利于增加本研究的代表性。
2.2 果实内糖度分布规律
根据果实内各点位糖度运用JMP软件制作的等高线图见图2。由图2可知，糖度的横向分布规律是内层>中层>外层，并且各层之间差异显著；糖度的纵向分布规律是中下>中>中上>下>上，中下、中、中上显著高于下的糖度。总的变化规律为横向内层高、外层低；纵向外层为下高、上低，中层和内层为中下高、上低。
2.3 果实内糖度变幅及其影响因素
为了明确果实内糖度在纵向和横向上的变异性，分别对纵、横2个方向上各等份、各层的糖度变幅进行方差分析和多重比较。结果见图3。从图3可见，糖度的横向变幅在32.6%～41.5%之间，中间的变幅较大，上下两段的变幅较小，中、中上、中下的变幅显著高于下段的变幅（图3-A）；纵向变幅在16.6%～20.4%之间，中层最大，内层最小，但各层间的差异不显著（图3-B）。
为了探讨糖度变幅的影响因素，分析季节、产地、网纹、瓜重、瓜径比等指标对糖度变幅的效应（表2）。横向变幅上，除季节外其他指标的效应均达到显著水平；纵向变幅上，产地、网纹和瓜重的效应不显著，季节和瓜径比的效应显著。表明季节、产地、网纹、瓜重、瓜径比等指标均不同程度地影响糖度变幅，在瓜形因子中瓜径比的影响较大。
2.4 预测全瓜糖度的数学模型
为了构建预测糖度的数学模型，以糖度测定时间为序进行间隔抽样，将42个厚皮甜瓜分为3组，其中2组用于建模、1组用于模型的外部验证。将每等分每层4点的糖度进行平均得到15个点位的糖度值，加上胎座糖度、瓜重、瓜径比共计18个数值变量。这18个数值变量与全瓜糖度之间均呈线性相关（数据省略）。通过多重共线性分析、模型优选和模型外部验证，结果以赤道中层（中-中层）糖度、胎座糖度为自变量的模型拟合效果最好，由此构建的模型为：B=0.891 6+0.734 4I+0.157 7P，式中B表示全瓜糖度、I表示赤道中层果肉糖度、P表示胎座糖度。模型拟合好，决定系数为0.920 5、均方根误差为0.582 2。
预测模型的标准偏回归方程：B′=0.742 5I+0.263 3P，由标准偏回归系数可知，赤道中层糖度对全瓜糖度的贡献大于胎座糖度。
图4显示了全瓜糖度预测模型的外部验证结果，全瓜糖度实测值与预测值的相关系数（0.942 2）很高，表明赤道中层糖度和胎座糖度可以作为全瓜糖度的预测指标。
3 讨论与结论
以赤道内层果肉糖度估计全瓜糖度会使果实糖度偏高，并且与食味感觉不一致。一般认为赤道内层果肉的糖度最高[3]，国内外通常选择糖度最高的果肉作为全瓜糖度的测定对象[8-10，12]。然而，由于厚皮甜瓜的食用部分并非只是糖度最高的内层果肉而是全部果肉，食用者对糖度的官能感觉是被食果肉的总和，所以笔者认为从食味的角度应该关注全部果肉的糖度。赤道内层果肉糖度较高（图2），并且其占全部果肉的比例很小，所以以赤道内层果肉糖度作为全瓜糖度指标会造成对果实糖度的过高估计。
以赤道内层果肉糖度估计全瓜糖度，有可能导致果实之间糖度比较结果产生偏差。本研究结果表明，果肉糖度在纵向上和横向上的变幅均差异显著（图3），并且这种差异受产地、季节等环境因素和瓜形指标等遗传因素的影响（表2）。由于果实内糖度变幅差异显著，所以赤道内层果肉糖度较高的果实不一定全瓜糖度也较高，反之赤道内层果肉糖度较低的果实不一定全瓜糖度也较低。如果按常规测定方法以赤道内层果肉糖度估计全瓜糖度[8-10]，则忽略了果实内糖度变幅的差异性，这样在比较不同果实之间的糖度时，有可能导致评价结果发生偏差。
以赤道内层果肉糖度和胎座糖度预测全瓜糖度，可提高测定的准确度。综上所述，厚皮甜瓜糖度的常规测定方法存在诸多缺陷。通过部分果肉糖度预测全瓜糖度的技术关键在于选择具有代表性的测定点位，即明确果实内糖度的分布规律及其和全瓜糖度的关系。本研究以赤道中层果肉糖度和胎座糖度构建预测全瓜糖度的数学模型，通过外部验证，实测值与预测值的相关系数为0.942 2，高于常规方法即以赤道内层糖度估计全瓜糖度的相关系数（0.839 4），显然本模型的测定方法较大幅度地提高了预测的准确度。
运用近红外反射分析法测定厚皮甜瓜的糖度，由于有效测定的深度所限[5]，因此只能在外层果肉中选测具有代表性的测定部位。由于脐部果肉的组织结构比较稳定[3，12]，有机物质组分不一致对近红外分析结果的影响较小[4，13]，因此，目前一般选择脐部作为近红外反射光谱的采集点[3，14]。但是，关于脐部外层果肉与全瓜糖度的关系研究尚未见报道，以脐部外层果肉糖度预测全瓜糖度的可靠性还有待研究。本研究结果表明，在外层果肉中赤道外层果肉糖度与全瓜糖度的相关系数最高，脐所在的下部外层果肉糖度与全瓜糖度的相关系数较低（数据省略）。可见，选择赤道作为测定点位有利于提高测定的准确度，但是在进行非破坏性测定时无法确定向种子和果实输送养分的维管束的位置，测定结果会受到有机物组分均匀性的影响[3，12]。综上所述，为了选择具有代表性的测定点位，有必要将外层果肉进一步细分后研究这些点位与全瓜糖度的关系；同时，在非破坏性测定条件下，如何确定外层果肉中维管束位置或排除其对近红外分析的影响，也有待于进一步研究。 参考文献
[1] Sakaki Ritaka. Practical technology of hydroponics. Agricultural appliances association[C]. Tokyo， 2011.
[2] Katsuhiro Saito， Yoshiyuki Sugimoto. Economic Analysis on Quality of Melon-AHP approach to consumers'behavior[J]. Tech Bull Fac Hort Chiba Univ， 1993， 47： 255-260.
[3] Kiyoshi Ishigami， Hideyuki Matsuura. Sugar composition and distribution of Muskmelon Fruit[J]. Bulletin of Shizuoka Agricultural Experiment Station， 1993， 37： 33-40.
[4] Hidekazu Ito. Development of a Non-destructive Near-infrared （NIR）Spectroscopy Method for Determining the Internal Quality of Melons[J]. Research Report of Tea Research Institute， 2007， 6： 83-115.
[5] Hideyuki Matsuura. Measurement of sugar contents in intact fruit of Muskmelon Satsuma mandarin and Kiwifruit by NIR spectroscopy[J]. Bulletin of Shizuoka Agricultural Experiment Station， 1991， 36： 57-68.
[6] Hiroshi .Arakawa Relations between ripeness and eating quality in muskmelon cultivars[J]. Bulletin of Shizuoka Agricultural Experiment Station， 2004， 49： 9-15.
[7] Hideki Horie. The Present and the Future of the Quality Evaluation on Vegetables[J]. Proceedings of vegetable and tea science， 2006， 3： 123-127.
[8] 中华人民共和国国家标准. ICS 67.080.10， 地理标志产品 哈密瓜[S]. GB/T 23398-2009.
[9] 中华人民共和国商业行业标准. 哈密瓜[S]. SB/T 10193-1993.
[10] Toshio Fukuyama. Sugar Contents， Amino Acid Contents， and Taste Tests in Muskmelon Fruits Cultivated under NFT， DFT， Rockwool Culture， Kuntan Culture and Soil Culture[J]. Environ Control in Bio1， 1990， 28： 2.
[11] Peiris K H S， Dull G G， Leffler R G， et al. Spatial variability of soluble solids or dry-matter content within individual fruits， bulbs， or tubers： Implications for the development and use of NIR spectrometric techniques[J]. Postharvest Biology & Technology， 1999， 34（1）： 114-118.
[12] Agricultural department， Research laboratory. Sugar content of greenhouse melon nondestructive analysis using near infrared spectroscopy[R]. Agricultural Technology， 2013： 370.
[13] 辛 阳， 杨重法， 罗海伟， 等. 近红外反射分析法测定水稻可能再转流物质的研究[J].光谱学与光谱分析， 2012， 32（9）： 2 414-2 417.
[14] Seiji Oba. Development of nondestructive measurement system for sugar content of muskmelon fruit by infrared spectroscopy[J]. Bulletin of Shizuoka Agricultural Experiment Station， 2001， 46： 11-22.
责任编辑：赵军明