西维因在甲醇-水二元混合溶剂中的三维荧光光谱特性研究

农药的广泛使用对环境产生了重要的影响,西维因作为一种重要的广谱高效杀虫剂在很多地表水中残留,了解和掌握西维因在环境中的光谱特性及检测方法具有重要意义。研究了西维因的激发-发射三维荧光光谱特性,通过改变甲醇-水二元混合溶剂中甲醇的体积比,探讨了不同体积比的甲醇-水混合溶剂对西维因三维荧光光谱的影响。研究结果表明,西维因的特征荧光光谱峰为单峰,西维因的激发波长和发射波长范围分别处于： 244~304和300~350 nm,最大激发/发射峰位置分别位于280和335 nm。随着甲醇-水二元混合溶剂中甲醇含量的增加,西维因的三维荧光光谱未出现明显位移,但是荧光光谱强度随甲醇含量的增加出现了非线性的变化,这主要与二元混合溶剂自身独特的性质有关。     

虫害胁迫下毛竹叶绿素含量高光谱估算方法

叶绿素作为参与植被光合作用最重要的色素,是监测毛竹虫害的一项重要指标。通过对不同光谱数据集进行波长筛选,建立虫害胁迫下竹叶叶绿素含量的高光谱估算模型,为利用高光谱遥感监测毛竹虫害提供理论依据。试验在福建省毛竹生产基地顺昌县进行,使用ASD FieldSpec 3光谱仪采集不同虫害程度竹叶光谱102条,并利用SPAD-502叶绿素计测定相应叶片叶绿素含量。通过对比不同虫害程度竹叶的光谱特征,探测利用高光谱数据估算叶绿素含量的机理。对竹叶原始光谱(OS)进行包络线去除(CR)、一阶导数(FD)、包络线去除一阶导数(CR-FD)变换,分析不同光谱数据与叶绿素含量的相关性,并利用连续投影算法(SPA)分别提取4种光谱的特征波长。采用基于x-y距离结合的样本划分法(SPXY)和随机法对4种光谱数据集进行划分,结合多元逐步回归(MSR)建立竹叶叶绿素含量估算模型,分析光谱变换及样本划分对估算叶绿素含量的影响。结果表明,不同虫害程度竹叶光谱反射率差异明显,主要表现为可见光波段范围内的"绿峰"和"红谷"的逐渐消失,"红边"斜率减小,近红外波长反射率降低。通过光谱变换可有效提升光谱与叶绿素含量的相关性,其中CR-FD光谱与叶绿素含量在724 nm处的相关系数最大。经连续投影算法提取的不同光谱数据集的特征波长集中分布在绿光、红光、"红边"位置,多个被选择波长位于与叶绿素含量相关性较高的波长区(600～750 nm)。基于SPXY样本划分法建立的MSR模型相比于随机样本划分法能显著提升叶绿素含量的估算精度,其中R~2和RPD平均提高0.1和0.5, RMSE平均降低0.7。以CR-FD光谱特征波长结合SPXY样本划分法建立的多元逐步回归模型对竹叶叶绿素含量的估算精度最高,R~2, RMSE和RPD分别为0.835, 2.604和2.364,可对虫害胁迫下毛竹叶片叶绿素含量进行准确的估算。     

蔬菜中西维因农药残留监测用荧光光谱仪的研究

根据西维因农药受到紫外光激发能够发出荧光的特征，利用脉冲氙灯作为激发光源，利用光纤进行传输和探测荧光，并结合电荷耦合器件(CCD)光谱探测技术，设计出了一套能够测量农药含量的荧光光谱仪器。分别利用稳态光谱仪和该仪器实现了对黄瓜中西维因农药残留的快速测定。实验结果表明，在激发波长为319nm和荧光发射波长为647nm情况下，西维因的线性范围为0.0～120μg／L，最低检出限LOD为5×10-7μg/L,线性相关系数r为0.9991(S／N=5)。该仪器可满足荧光检测的需要。     

西维因和蝇毒磷的同步荧光光谱解析及应用研究

研究了西维因、蝇毒磷的荧光行为,发现在pH 3.0的Britton-Robinson缓冲介质中,两种农药均能产生较强的的荧光,但光谱相互重叠,当以波长差Δλ=60 nm进行同步荧光扫描,它们的同步荧光光谱得到较好的分离,同步荧光峰(以激发波长表示)分别位于280和322 nm,可同时分别对其进行定量测定。西维因和蝇毒磷的线性范围分别为0.016～0.384 μg· mL-1和0.016～0.320 μg· mL-1;检出限分别为0.015和0.010 μg· mL-1。混合样本分析无需分离,方法简单、快速,用于蔬菜、水果、大米和水样等测定,结果满意。     

基于同步荧光光谱法的鸭肉中西维因残留含量检测研究

为了快速测定鸭肉中西维因残留含量,提出应用同步荧光光谱法检测鸭肉中西维因残留含量,同时运用遗传算法-支持向量回归(GA-SVR)建立了鸭肉中西维因残留含量的回归预测模型。首先,通过荧光分光光度计分别采集了西维因水解物和含有西维因的鸭肉的三维同步荧光光谱图,经过分析确定了最佳波长差Δλ都为140 nm;其次,分析了鸭肉中西维因的浓度猝灭现象;最后采用GA进行同步荧光光谱的优化和选择,根据交互验证均方根误差(RMSECV)选择出了21个特征波长,并分别用全波长和21个特征波长作为SVR回归预测模型的输入特征变量,发现通过GA选择的特征波长可以得到更好的预测效果,并且其预测集的相关系数(R2)达到0.976 4,均方根误差(RMSECP)为12.232 2。试验结果表明利用同步荧光技术结合GA-SVR方法能有效、快速的检测鸭肉中西维因残留含量。     

利用高光谱扫描技术检测小麦叶片叶绿素含量

利用高光谱扫描技术对小麦叶片进行无损检测试验,探索精确测定小麦叶绿素含量的方法,为农作物生长状况、植物病理诊断等提供科学依据。研究选取90个样本作为校正集,30个样本作为预测集,获取叶片的高光谱反射图像,同时用传统的分光光度计方法测定其叶绿素含量。选取波长491～887 nm范围光谱,用多元散射校正、一阶导数、二阶导数3种方法处理,利用偏最小二乘法和逐步线性回归法分别建立了小麦叶片叶绿素含量与光谱信号间的数学模型。研究发现多元散射校正(MSC)结合二阶导数光谱的多元线性回归(SMLR)模型的效果较优,模型校正集和预测集决定系数分别为0.82和0.79,校正均方根误差和预测均方根误差分别为0.69和0.71。研究结果表明可以利用高光谱扫描技术检测小麦叶片叶绿素含量。     

土壤中有机农药荧光检测研究

根据有机物受激发荧光的基本原理,研究了氨基甲酸酯类有机杀虫剂西维因的荧光特性。利用荧光光谱对西维因及其水解物的溶液进行了研究,获得了不同浓度条件下的荧光谱图,考察了荧光强度与浓度的关系。结果表明,西维因及其水解物在一定的土壤环境中受紫外光激发时也能够发出很强的荧光,而且在溶剂中和土壤中的荧光光谱基本相同。它们的荧光光谱波长都位于可见光区的400～750 nm波段之间,波形平滑,分辨率高,适于农药的定性定量分析。实验证明利用荧光光谱法对土壤中的有机农药进行直接或间接的检测分析是可行的。     

PROSPECT模型的特征波长优化与作物叶绿素含量检测

叶绿素是作物生长诊断的重要参数,对其进行高效检测是农田精细化管理的基础。PROSPECT模型是作物光谱学检测研究的重要工具,可为建立高精度叶绿素诊断模型提供数据集基础。为了建立具有普适性的田间玉米作物叶绿素含量检测模型,使用PROSPECT模型输入叶片结构参数和生化参数模拟叶片400～2 500 nm波段反射率曲线10 650条。在其他参数设置保持不变的情况下,分析光谱反射率曲线对叶绿素含量参数的敏感性,结果显示叶绿素含量仅在400～780 nm区间对光谱反射率曲线产生影响。讨论了3种叶绿素检测特征波长筛选策略,分别为：根据敏感性分析结果,选出548～610和694～706 nm区域共计76个波长,记为SEN-BAND;基于反向区间偏最小二乘法（Bi-PLS）筛选5个区间共计91个波长,记为BP-BAND;基于连续投影算法（SPA）,在叶绿素影响区域400～780 nm筛选10个特征波长,记为SPA-BAND。进而使用2019年、2020年两年期田间实测玉米叶片光谱反射率曲线和叶绿素含量数据,分别应用上述3种方法选取的特征波长构建玉米叶片叶绿素含量检测模型。结果显示,使用SPA-BAND特征波长构建的模型,在两年期数据中均得到最佳结果。2019年数据模型建模集决定系数（R2_c）为0.815 6,建模集均方根误差RMSEC为2.908 6,验证集决定系数（R2_v）为0.799 5,验证集均方根误差RMSEV为2.997 7。2020年数据模型建模集决定系数（R2_c）为0.949 2,建模集均方根误差RMSEC为0.976 8,验证集决定系数（R2_v）为0.910 2,验证集均方根误差RMSEV为1.562 9。表明,基于PROSPECT模型筛选叶绿素含量特征波长建立的叶绿素诊断模型具有普适性。     

基于CCD器件的农药荧光检测系统的研究

根据一些有机农药受到紫外光激发能够发出荧光的光谱特性,设计了基于荧光分析的农药浓度检测装置。系统以脉冲氙灯为激发光源,采用光纤进行传输和探测荧光,利用CCD线阵实现了光电信号的转换,设计了相应的弱信号处理电路,并由微机进行存储和显示。利用该系统实现了对西维因农药的荧光光谱特性的检测。实验结果表明,在激发波长319nm、荧光波长647nm时,最小检测浓度为5×10-7μg/L,西维因浓度范围在0~120.0μg/L之间时系统具有较好线性关系,线性相关系数r为0.9996(S/N=5)。该系统能满足荧光测量的需要。     

氨基甲酸酯类农药荧光分析研究

分析了西维因、克百威、残杀威等几种常用的氨基甲酸酯类农药的分子结构并揭示了它们的荧光特性,利用稳态荧光光谱仪对西维因和克百威标准溶液进行了荧光光谱实验,结果表明,氨基甲酸酯类农药在一定的溶剂条件下能够受激发产生荧光,而且荧光光谱清晰、分辨率高,受干扰较小,利用荧光光谱分析法对它们进行检测是可行的。     

共振光散射法研究甲萘威与DNA的作用及其应用

通过共振光散射光谱(RLS)和电子吸收光谱的特征,探求了甲萘威与ctDNA的结合方式,实验表明在pH 1.97的条件下,甲萘威与ctDNA既有表面聚集又有嵌入式结合的双重作用,结合形式与二者之间的浓度比有关。在此条件下,甲萘威与ctDNA作用的RLS强度与ctDNA的浓度呈线性关系,据此建立了一种简单快速测定ctDNA的新方法。ctDNA的浓度在0.02～3 μg·mL-1的范围内与RLS强度呈良好的线性关系,线性方程为I= 200.77c(μg·mL-1)+118.91,相关系数r=0.998 9。该方法已成功地用于人工混合样品的测定。     

利用Far-IR和THz-TDS光谱法测定大米中西维因

利用太赫兹时域光谱（THz-TDS）和傅里叶变换远红外光谱（FT-Far-IR）技术研究了大米中西维因在太赫兹频段的吸收光谱特征,并结合化学计量学方法对大米中西维因进行了测定。样品的制备采取待测农药西维因与大米粉末混合压片的方法模拟真实检测情景,无需样品的分离富集。分别将样品在1.8～6.3 THz特征波段内的Far-IR吸收光谱数据和在0.5～1.5 THz特征波段内的THz-TDS吸收光谱数据随机划分为训练集和验证集。采用偏最小二乘回归（PLSR）方法建立定量分析模型,将校正均方根误差（RMSECV）、预测均方根误差（RMSEP）、预测相关系数（R_v）作为模型性能评判的依据,RMSECV,RMSEP越小,R_v越大,则所建立的模型越好。两种检测技术均得到较好的结果。其中,运用Far-IR技术所得数据建立的定量分析模型预测相关系数(R_v)为0.99,校正均方根误差（RMSECV）为0.007 7, 预测均方根误差（RMSEP）为0.008 6; 运用THz-TDS技术所得数据建立的定量分析模型预测相关系数为0.98,校正均方根误差（RMSECV）为0.002 5、预测均方根误差（RMSEP）为0.004 4。该研究为定量检测粮食中的农残提供了一种新方法。     

SERS技术的小白菜中西维因农药残留检测

西维因是一种广谱、高效的氨基甲酸酯杀虫剂。提出一个基于表面增强拉曼光谱进行定量和定性分析小白菜中西维因残留的方法。密度泛函理论B3LYP/6-311G基组被用于计算西维因农药的理论拉曼光谱。硫酸镁、PSA、石墨化炭黑和C18被用来去除叶绿素、矿物质和维生素等物质的影响。采用MSC，SNV和归一化三种方法对原始光谱进行预处理，建立小白菜中西维因残留的偏最小二乘模型。研究表明，小白菜中西维因农药残留检测可以达到0.976 mg·L-1以下。经MSC预处理后所建PLS模型预测性能最好，当主成分数为9时所建模型的性能最好，R_c为0.977，RMSECV为2.09 mg·L-1，R_p为0.986 5，RMSEP为1.71 mg·L-1。五个未知西维因农药浓度小白菜样本用来验证模型的准确度，相对误差为1.98%~7.28%，预测回收率为95.73%~107.28%，T值为0.397, 小于t_{0.05, 4}=2.776，说明模型是准确可靠的。SERS方法是一种有效的方法，可以实现小白菜中西维因农药残留的快速可靠检测。     

基于同步-导数荧光光谱法的多组分农药残留测定的研究

多组分农药残留物的荧光检测中,由于组分间结构与化学性质相似,导致荧光光谱相互重叠,常规荧光光谱法难以同时进行测量。利用同步-导数荧光光谱法对西维因与克百威这2种常用农药的荧光光谱进行了研究,并试验了pH值对两者荧光特性的影响。在pH为7.8的条件下,选择Δλ=60 nm,在250～450 nm的波长范围内对两者混合溶液进行了同步荧光光谱扫描,并做一阶导数处理。实验结果表明,两者的同步导数荧光光谱完全得到了分离,消除了彼此间的干扰,能够对两者的混合溶液进行同时测定。西维因与克百威的线性范围分别为0.013～1.156 μg·mL-1与0.025～1.042 μg·mL-1,检出限分别为0.013 μg·mL-1与0.025 μg·mL-1,回收率分别为98%～104%与96%～103%;相对标准偏差均低于2.25%。     

多波段激光雷达植被光谱分析

多波段激光雷达是获取光谱的一种新型手段。与传统的光谱仪仅能获取二维层面上的光谱不同,它基于超连续谱激光光源,利用激光的穿透性和高集中性,依靠光栅分光系统能够获得植被垂直方向上的光谱信息,从而得到植被在三维层面上的光谱分布。利用32波段激光雷达,首先在暗室条件下,将多波段激光雷达获取的光谱与ASD光谱仪获取的光谱进行了比较,发现在458～865 nm内,两者有相同的形状特征,能准确的表示出植被的反射特征,然后通过对光谱指数与叶绿素含量的相关性分析发现,基于两者的光谱指数与叶绿素含量均有较好的拟合关系,其中,基于多波段激光雷达光谱的优化比值植被指数(MSR)与叶绿素含量存在极显著相关关系,决定系数R2达到0.780 2,均方根误差(RMSE)仅为0.508 1。最后,利用多波段激光雷达,实现了垂直方向上的光谱获取,通过多次扫描的方式,得到了植被光谱的三维点云分布,并利用MSR与叶绿素含量之间的最优拟合方程,反演得到了叶绿素含量的三维分布图。     

Analysis of spectral response of vegetation leaf biochemical components

Based on the leaf spectra data measured with LOPEX'93, the authors analyzed the relationship between leaf spectra and leaf biochemical components including leaf chlorophyll and leaf water content. It was showed that leaf chlorophyll was highly correlated with the second derivation of leaf reflectance at wavelengths 700, 670, 600, 500, 490, 440, and 410 nm; similarly, it was also showed that leaf water content was highly correlated with the continuum removed leaf reflectance at wavelengths 2350, 2180, 2130, 2120, 1870, and 1820 nm, which correspond to the absorption features of water in shortwave infrared bands. In addition, the authors found that ND (Normalized Difference) has a higher response to chlorophyll than other spectral indexes and the correlation coefficient is 0.618; Ratio975 has a very high response to water content and the correlation coefficient is up to 0.996. Based on the above evidences, the authors built a model to retrieve leaf chlorophyll and leaf water content through ground measured leaf spectra data and the simulated leaf chlorophyll and leaf water content are very accurate as compared to the ground measurements.