PARAFAC法解析太湖水体DOM三维荧光光谱

采用平行因子法(PARAFAC法)对太湖水样溶解性有机质(DOM)三维荧光光谱进行解析。通过比较因子数分别为3,4和5时,PARAFAC模型的核一致函数、 激发和发射光谱误差平方和、 各水样模拟的三维荧光光谱和残差谱图等情况,选择因子数为3作为太湖水样DOM三维荧光光谱PARAFAC模型的最佳因子数。太湖水样DOM的3类主要荧光组分分别是类腐殖质荧光物质、 类色氨酸荧光物质、 类酪氨酸荧光物质。     

聚丙烯酸对自然水体生物膜吸附镉的影响

选择聚丙烯酸(PAA)为水中溶解态高分子天然有机质的代表, 研究了PAA对自然水体生物膜吸附重金属Cd的影响, 包括不同浓度的PAA对吸附的影响, PAA对特定pH下吸附等温线的影响以及不同pH下按不同顺序添加PAA时对吸附的影响. 研究结果表明, PAA的存在一般会降低生物膜对Cd的吸附, 其影响程度与PAA的浓度、 溶液pH、 吸附顺序及生物膜厚度等有关. PAA与Cd的浓度比越高, 其对吸附的影响越显著. 吸附溶液pH越高, PAA的影响越显著. 吸附顺序对吸附的影响在pH较低时不明显, 当pH较高时, 先加PAA后加Cd及两者同时吸附时对吸附的降低作用接近且较大, 先加Cd后加PAA时对吸附的降低作用相对较小. 生物膜较薄时PAA的影响更显著. PAA对生物膜吸附Cd的影响主要由PAA与生物膜之间对Cd的竞争以及三元表面配合物的生成与吸附2种因素共同决定. 高pH会促进PAA与Cd的配合而不利于带负电的配合物在生物膜上的吸附.     

可见/近红外漫透射光谱结合CARS变量优选预测脐橙可溶性固形物

可溶性固形物(SSC)是脐橙重要内部品质之一。采用QualitySpec型光谱仪在350～1000 nm波段范围采集脐橙的可见/近红外漫透射光谱,采用CARS(competitive adaptive reweighted sampling)变量选择方法筛选出与脐橙SSC相关的重要变量,并与无信息变量消除(UVE)及连续投影算法(SPA)比较。最后,对选择的38个重要波长变量应用偏最小二乘(PLS)回归建立脐橙SSC预测模型,并对未参与建模的75个样品进行预测。研究结果表明,CARS方法优于UVE及SPA变量选择方法,能有效地筛选出重要波长变量。CARS-PLS建立的SSC预测模型优于全光谱的PLS模型,其校正集及预测集的相关系数分别为0.948和0.917,均方根误差分别为0.347%和0.394%。因此,可见/近红外漫透射光谱结合CARS方法可以预测脐橙可溶性固形物,CARS变量选择方法能有效简化预测模型和提高模型的预测精度。     

传统光谱变换与连续小波耦合定量反演潮土有机质含量

以北京地区的96个潮土土样的有机质含量为研究对象,以传统光谱变换为参照,研究分析传统光谱变换与连续小波的耦合在估测土壤有机质含量的可行性;首先采用传统光谱变换与连续小波处理土壤光谱数据,然后将处理后的光谱数据与土壤有机质含量进行相关性分析,提取敏感波段,并采用偏最小二乘法构建土壤有机质含量估测模型。结果表明：耦合传统光谱变换技术与连续小波技术可大幅提升光谱对有机质含量的敏感性,其相关系数R2最高可达0.714,这表明耦合传统光谱变换技术与连续小波技术可深入挖掘光谱内的有益信息;与传统光谱变换技术相比,基于耦合传统光谱变换技术与连续小波技术构建的模型精度更高,稳定性更好,其中以微分变换构建的模型最优,其R2=0.772,RMSE=0.223,这表明耦合传统光谱变换技术与连续小波技术可有效压制噪声的负面影响,提升光谱的稳定性。     

近红外光谱的结球甘蓝可溶性糖含量测定

结球甘蓝是一种富含碳水化合物的常见蔬菜,可溶性糖含量是决定其品质的重要参数。可溶性糖易溶于水,是蔬菜和水果口味的有效调节剂。作为碳水化合物,可溶性糖由三种元素C,H和O组成,其分子吸收光谱主要由被检测材料的分子中C-H,O-H和CO等基团的组合频率吸收和倍频吸收组成,包含丰富的有机物信息。因此,采用近红外光谱和化学计量学方法,探索结球甘蓝可溶性糖含量的快速检测方法。用德国布鲁克公司的MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集161份结球甘蓝样本光谱数据。波数范围：12 800～4 000 cm-1(780～2 500 nm)。蒽酮比色法测量样本的可溶性糖。综合应用马氏距离法(MD)和蒙特卡洛交叉验证法(MCCV)剔除异常样本,采用Kennard-Stone(K-S)法将样本按照给定比例划分为校正集和验证集。分别使用Savitzky-Golay卷积平滑(S-G),一阶导数(FD),二阶导数(SD),多元散射校正(MSC)和变量标准化(SNV)及它们的组合共12种方法对样本进行光谱预处理,获得最佳预处理方法,提高光谱数据的信噪比。采用竞争性自适应重加权采样法(CARS)筛选偏最小二乘回归(PLS)模型中回归系数绝对值大的波数点,去掉回归系数绝对值小的波数点,以有效选择与所测特性值相关的最优波数组合,获得具有良好鲁棒性和强预测能力的校正模型。使用模型决定系数R2、交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)作为模型精度评价指标。根据蒙特卡洛交叉验证法和马氏距离剔除异常样本的原理,共剔除10个光谱或者化学值异常的样本。最终参与建模分析的样本个数为151。异常样本剔除后,通过K-S法将样本按照3∶1被分成校正集(110个样本)和验证集(41个样本)。使用原始光谱数据,预处理后的光谱数据和对应于优选波数的光谱数据,建立PLS模型。结果表明,利用MSC+FD光谱预处理可以提高建模精度,校正集R2从处理前的0.68增长到0.93,MSC+FD是本研究中理想的光谱数据预处理方法。利用CARS法共优选了84个建模波数。在12 000~10 000 cm-1波数区域内,有O-H键2级和C-H键3级倍频伸缩振动吸收,此区域主要的背景信息为水和其他含氢基团,在此区域内共包含了36个选定的波数。在8 500~6 000 cm-1区域,存在糖类和水的O-H键的1级倍频伸缩振动吸收,葡萄糖的O-H键的1级倍频伸缩振动吸收,该区域是包含反映可溶性糖成分的主要光谱区间,背景影响较小,CARS方法在此区域共选择了15个建模波数。5 800~4 000 cm-1区域与12 000~10 000 cm-1区域相似,包含的选定波数多,CARS方法在此区域选择了33个建模波数。利用CARS对参与建模的波数进行优选,减少了无关信息,降低了模型的复杂度,选择的波数不但引入了表征待测组分的光谱,同时还引入了代表背景信息的光谱,使得校正模型适应性增强。建立了结球甘蓝可溶性糖的全谱PLS模型,根据CARS波数优选结果,建立了结球甘蓝可溶性糖的CARS-PLS模型。对于全谱PLS定量模型,校正集的决定系数R2为0.93,RMSECV为0.157 2%,RMSEP为0.132 8%。对于CARS-PLS模型,校正集的决定系数R2为0.96,RMSECV为0.076 8%,RMSEP为0.059 4%。数据表明,两种模型具有相当的R2,但CARS-PLS模型的RMSECV是全谱PLS模型的1/2。RMSEP也接近1/2,CARS-PLS模型比全谱PLS定量模型所用建模变量少,模型得到简化,精度更优。用CARS-PLS模型对验证集41个样本进行预测,预测集决定系数R2为0.86,预测标准误差为0.059 4%。提供了一种工作效率较高的结球甘蓝质量无损检测方法。     

连续小波变换定量反演土壤有机质含量

以北京市东部地区96个潮土土样的土壤参数及对应光谱数据为数据源,采用连续小波多尺度分析处理与分析。首先将土壤光谱进行初步处理,生成小波系数,其次将土样的有机质含量与小波分解系数开展相关性分析,提取特征波段,最后采用特征波段建立预测耕层有机质含量的模型。结果表明：经连续小波处理后,光谱对耕层有机质含量的预测能力明显优于传统光谱变换技术;经连续小波分解后,对土壤有机质含量的预测能力随光谱分辨率降低呈先降后升再降的趋势;连续小波分析算法可提升土壤光谱对有机质含量的估测能力,与土壤高光谱反射率相比,基于连续小波变换的土壤有机含量最佳的精度提高19%;由于光谱分辨率为80 nm建立的模型精度较高,其R2达到0.632,这表明在连续小波算法下,光谱分辨率较低的宽波段数据可用于土壤有机质含量的监测。     

绿肥对华北潮土土壤可溶性有机物的影响

在华北潮土上种植不同绿肥,于绿肥翻压前原位采集其地上部及土壤样品,进行56d的绿肥翻压模拟试验。设毛叶苕子(Vicia villosa Roth.)、二月兰(Orychophragmus Violaceus L.)、黑麦(Secale cereale L.)三个绿肥处理和无绿肥对照处理,分析培养过程中土壤可溶性有机物(DOM)组分及其紫外-可见光谱参数的变化,以探究绿肥对土壤DOM的影响。种植和翻压绿肥增加土壤可溶性有机碳(DOC)、总有机酸碳(TOAs)和总碳水化合物碳(TCs)含量,三者的变化趋势一致,各处理均在培养第1 d上升至峰值后迅速下降。毛叶苕子提高DOC和TOAs的效果最好,最高比对照增加114.01%(培养第1d)和109.10%(培养第14 d)。黑麦提高TCs的效果最好,最高比对照增加323.18%(培养第42 d)。种植和翻压绿肥增加土壤可溶性有机氮(DON)含量,与DOC变化趋势不同,各处理在培养第1 d上升后迅速下降一段时间后又迅速上升。毛叶苕子提高DON的效果最好,最高比对照增加305.83%(培养第42d)。绿肥增加了SUVA₂₅₄,SUVA₂₆₀,SUVA₂₇₂,SUVA₂₈₀,SAUC_240-400,降低了A₂₅₀/A₃₆₅和A₂₄₀/A₄₂₀。紫外-可见光谱参数的主成分分析显示SUVA₂₅₄,SUVA₂₆₀,SUVA₂₇₂,SUVA₂₈₀间有很高正相关性,A₂₅₀/A₃₆₅和A₂₄₀/A₄₂₀间亦有很高正相关性,SAUC_240-400是这些参数中表征DOM性质的关键因子。综上结果表明,种植翻压绿肥增加了土壤DOM含量,提高了土壤DOM的芳香性、疏水性、腐殖化程度、平均分子量,增加了土壤DOM的稳定性。     

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究。采集浙江省文城地区农田土壤样品近红外光谱数据,土壤样品数为394个。为简化模型,采用遗传算法结合连续投影算法挑选出18个特征波长建模,应用偏最小二乘回归建立有机质预测模型,建模集的决定系数为0.81,均方根预测误差为0.22, 剩余预测偏差为2.31,预测集的决定系数为0.83,均方根预测误差为0.20,剩余预测偏差为2.45。研究发现,遗传算法结合连续投影算法在简化模型同时,模型的预测评价指标同采用全谱波长建模并没有明显降低。因此,遗传算法结合连续投影算法挑选的特征波长可以应用于近红外光谱检测土壤有机质含量。     

川西平原还田秸秆腐解释放DOM的光谱特征

为掌握川西平原保护性耕作模式下还田秸秆腐解过程的光谱学特性,追溯还田秸秆对川西地区生态系统结构的影响过程,采集了该地区主要种植作物油菜、水稻的秸秆样本,利用紫外-可见吸收光谱(UV-Vis)、三维荧光光谱(3D-EEM)和傅里叶变换红外光谱(FTIR)三种光谱学表征手段,阐明秸秆各腐解阶段溶解性有机质(DOM)的光谱学特征,对比不同农作物秸秆快速淋溶阶段DOM(0~0.5 d)与腐解过程(0.5~90 d)的光谱学特征差异性,解析其变化机理。结果表明： 还田秸秆腐解过程中DOM的光谱学特性差异明显,伴随着芳香性物质的溶出、降解以及新生腐殖类物质的形成;由秸秆快速淋溶阶段释放DOM的E₂/E₃值最大而SUVA₂₅₄值最小可知该阶段溶出的物质芳香性和分子量相对较小;其芳香性组分的溶出主要集中在腐解前期(≤10 d),表现于该阶段E₂/E₃值逐渐减小且SUVA₂₅₄值逐渐增大,DOM中多糖峰、芳香C和酰胺峰变弱;难分解的纤维素、半纤维素和大分子蛋白质主要在腐解后期被降解;DOM中酚类、羰基类和羧酸类物质数量增加,使得DOM与有机污染物、金属离子的相互作用增强,进而调节农田土壤中污染物的迁移转化过程。本研究为川西平原秸秆还田的环境意义提供了基础数据和新证据,为该地区农业废弃物处理与资源化提供了依据。     

苹果可溶性固形物便携式检测实验研究

为实现苹果可溶性固形物的便携式快速检测,搭建了以STS光谱仪和自制样品杯作为光谱检测装置的苹果可溶性固形物便携式检测平台。采用自行设计的检测平台采集了苹果的近红外漫反射光谱,对比分析了不同的光照角度、光源与探头距离对光谱响应特性的影响,建立了苹果可溶性固形物偏最小二乘模型(PLS)和最小二乘支持向量机模型(LS-SVM),采用连续投影算法及主成分分分析法对最小二乘支持向量机模型进行了优化,并对比分析了两种检测模型的优劣。其中当光源距探头距离为15 mm光源角度为45°时,结合偏最小二乘法建立苹果的可溶性固形物定量检测模型精度最高。模型的预测集相关系数为0.924,预测均方根误差为0.334%。实验结果表明,采用四周照射、底部接收并结合避光圈的这种结构布置能够有效的克服杂散光现象并且提高了光谱中的有效信息。研究可为快速、便携的苹果可溶性固形物检测仪器的设计提供参考依据和理论支撑。