低本底伽马能谱测量在沉积岩分类判别中的应用及其影响因素探讨

沉积岩中放射性元素铀、钍、钾的含量主要取决于岩石中泥质的含量,而泥质含量的高低是判别沉积岩类别的主要依据,因此,可以将铀、钍、钾的比活度或含量值作为判别沉积岩岩类的量化指标。利用低本底伽马能谱法测量岩石样品中铀、钍、钾的比活度或含量,可以快速、准确地进行岩类判别。由于放射性测量受样品几何形状、样品质量及其所含水分含量变化的影响,因此岩类判别的准确性会受到影响。通过理论探讨和实验验证,发现各待测核素特征峰计数率值与样品质量成线性关系, 且不同的能量区域、不同的岩性,线性关系系数与趋势拟合程度都是不同的;当样品的水分含量不超过10%(取样时,岩屑水分不超过10%)时,对测量结果的影响很小(变化值均在一倍均方差以内),因此,水分含量对低本底伽马能谱法判别沉积岩岩类的准确性不产生显著的影响,一般可以不予考虑。对陕西定边某油气勘查区钻孔岩屑样品进行判别试验,对实测数据进行质量校正后,利用铀、钍、钾道的“归一化”计数率值(即单位质量的计数率)只能粗略地划分不同沉积岩的大类,再以铀、钍、钾特征峰的合峰计数率建立综合判别模式,能够对岩类进行进一步细分,且判别准确度达到75%以上。     

扫描电镜-能谱仪在生物质炭特性分析上的应用

利用扫描电镜—能谱仪分析不同温度产生的生物质炭的化学与结构特性。结果表明： 随温度升高,芒草碳的平均碳含量和最大碳含量均呈现增加趋势,平均碳含量和最大碳含量与最高处理温度之间为显著正相关关系(r值为0.76和0.86)。平均碳含量和最大碳含量与高温灼烧法测定的碳含量之间为显著正相关关系(r值为0.83和0.91),最大碳含量的相关性好于平均碳含量。因此,应用该方法获得芒草炭的碳含量与温度相关性好,最大碳含量可以用于生物炭组分分析;电镜扫描结果可以有效分析芒草炭的结构特性。基于该方法快速、简便、稳定以及可对生物质炭的结构和组分同时分析的优点,它是一种极具发展前途的分析方法,有助于生物质炭等其他材料的结构特性与组分研究。     

应用近红外高光谱成像预测三文鱼肉的水分含量

应用近红外高光谱成像技术实现三文鱼肉水分含量的快速无损检测。采集来自不同部位的三文鱼肉共90个样本的高光谱图像,提取样本感兴趣区域(ROI)的平均光谱。随机取60个样本作为建模集,其余30个样本作为预测集。分别采用偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)对全波段和水分含量建立相关性模型,并对预测集样本的水分含量进行预测。再用一种新的变量提取方法random frog选择特征波长,并基于特征波长分别建立水分检测的PLSR和LS-SVM模型。特征波长模型的预测精度虽然稍逊于全波段模型,但是仅用12个变量代替了全波段的151个变量,大大简化了模型,更便于实际应用。PLSR和LS-SVM特征波长模型的预测相关系数(R_p)分别为0.92和0.93,预测均方根误差(RMSEP)分别为1.31%和1.18%,取得了满意的结果。研究表明,近红外高光谱成像与化学计量学方法结合可以准确预测三文鱼肉的水分含量,为鱼肉品质的快速监测提供重要的参考。     

He-Ne激光和紫外线对PHB产生菌的复合诱变效应

采用紫外线、He-Ne激光及紫外线与He-Ne激光复合作用的方法, 对本实验室的一株产PHB的细菌G-Q7进行诱变, 以提高其产量. 结果表明, 紫外线和He-Ne激光单独作用, 诱变效果不佳, 而二者的复合作用却能产生很好的效果. 用He-Ne激光辐照20 min再经紫外线照射150 s, 正变菌株的细胞量为11.5g/L, PHB含量为65%, 并具有良好的遗传稳定性. 对诱变前后菌株积累的PHB产物的外观、热性质和13C-NMR图谱进行分析, 结果表明该诱变使代谢途径中的某种酶发生了改变.     

某些分析化学实验教材中均相沉淀概念的误区

目前,均相沉淀法在大学分析化学实验中已很少采用。高锰酸钾间接滴定法测定钙含量是大学分析化学实验中的经典实验之一,历史上存在均相沉淀法和传统沉淀法2种不同的沉淀操作。虽然我国现有大学分析化学实验中已不采用均相沉淀法进行该实验,但在某些分析化学实验教材中,却存在概念混乱的现象,即把传统沉淀法称作均相沉淀法。对这种现象进行了探讨和总结。     

苹果叶和花在花开放过程中根皮苷含量动态变化研究

对同时期苹果叶和花在花开放过程中根皮苷含量动态变化进行了研究。以根皮苷含量为指标,采用HPLC法测定苹果叶和花中根皮苷含量,色谱条件:采用PUXIANG C18色谱柱(4.6 mm×5 mm,5μm),以甲醇-0.1%磷酸水溶液为流动相,梯度洗脱,进样量为20μL,流速为0.8 mL/min,检测波长270 nm,柱温30℃.根皮苷进样量在0.40～16.00μg(r=0.999 1)范围内与峰面积呈良好的线性关系;苹果叶和苹果花中根皮苷的含量大体上呈现出先增加后降低又上升的趋势,二者变化趋势基本一致,在第6天含量达到最高,最高含量分别为263.92和143.00 mg/g.在花开放过程中,对比同时期的苹果叶和苹果花中根皮苷含量,苹果叶中根皮苷含量明显高于苹果花中根皮苷含量.     

火焰原子吸收光谱法测定铜冶炼烟尘中铋

本文研究了测定铜冶炼烟尘中铋含量0.050% ~5.00%的火焰原子吸收光谱法。对铜冶炼烟尘试样的溶解、测定体系中酸介质的影响和各干扰元素进行了试验研究。制定了铜冶炼烟尘中铋含量的原子吸收光谱法。方法标准偏差为0.0013 %~ 0.057 %,相对标准偏差为0.78 % ~1.44 %,样品加标回收率为98.95%~101.87%。本方法具有灵敏度高、结果准确、操作简便等特点,适合铜冶炼烟尘中铋含量0.050 % ~ 5.00 % 的测定。     

高光谱图像和叶绿素含量的水稻纹枯病早期检测识别

基于高光谱成像技术和化学计量方法,实现了对水稻纹枯病病害的早期检测识别。以幼苗时期的水稻植株为研究对象,对其进行纹枯病病菌侵染,获得染病植株,采集358～1 021 nm波段范围的高光谱图像,三次实验共240个样本,包括染病植株120个样本和健康植株120个样本。根据高光谱图像的光谱维,对染病水稻叶片和健康水稻叶片提取感兴趣区域（ROI）,利用感兴趣区域的光谱数据,对其进行Savitzky-Golay（SG）平滑、Savitzky-Golay（SG）一阶求导、Savitzky-Golay（SG）二阶求导、变量标准化（SNV）和多元散射校正（MSC）预处理,建立线性判别分析（LDA）和支持向量机（SVM）分类模型,结果表明：采用SG二阶求导预处理后的线性判别分析（LDA）模型取得了较好的性能,正确识别率在建模集达98.3%,在预测集达95%;利用载荷系数法（x-loading weights, x-LW）对原始光谱和5种预处理的光谱数据进行特征波长提取,然后根据选取的特征波长建立线性判别分析（LDA）和支持向量机（SVM）分类模型,其中采用SG二阶求导预处理后提取的12个特征波长的线性判别分析（LDA）模型取得了较好的性能,其正确识别率在建模集达97.8%,在预测集达95%,而且基于载荷系数法建立的模型性能与全波段相当,可以通过载荷系数法减少数据量对水稻纹枯病病害进行识别;根据高光谱图像的图像维,研究了基于图像主成分分析、基于概率滤波和基于二阶概率滤波的图像特征提取方法,利用提取的特征变量建立反向传播神经网络(BPNN)和支持向量机（SVM）分类模型,其中基于图像主成分分析的反向传播神经网络（BPNN）模型取得了较好的性能,建模集准确识别率达90.6%,预测集的准确识别率达83.3%;根据高光谱图像光谱维和图像维的最优模型,特将叶绿素含量作为建模的另一个特征,分别与光谱特征、图像特征组合,建立反向传播神经网络（BPNN）和线性判别分析（LDA）模型,提出基于光谱特征加叶绿素含量、图像特征加叶绿素含量和光谱、图像特征加叶绿素含量三种组合方式,其中,光谱特征和图像特征分别与叶绿素组合的方式比之前单独的光谱和图像特征建模性能都有所提升,而且三种组合方式中光谱特征加叶绿素含量的反向传播神经网络（BPNN）建模方式取得本研究所有建模方式中较优的性能,其准确识别率在建模集达100%,在预测集达96.7%。以上研究表明,基于高光谱图像和叶绿素含量对水稻纹枯病病害进行早期识别是可行的,为水稻病害的早期识别提供了一种新方法。     

基于高光谱分析的玉米叶片氮含量分层诊断研究

为了明确不同生育时期进行玉米氮素营养诊断的叶片层位,建立准确稳健的玉米氮素营养诊断模型,以达到合理追施氮肥,提高氮肥利用率的目的。试验采用单因素盆栽试验设计,以玉米（郑单958）为研究对象,应用高光谱技术,分析了不同氮营养水平下不同生育时期不同层位玉米叶片的氮含量分布和变化规律及光谱响应特征;并依据叶片氮含量与光谱反射率的相关关系,叶片氮含量与全波段(400～2 000 nm)任意两两波段组合构建的比值光谱指数(RSI)的回归关系,初步确定了不同生育时期进行氮素营养高光谱诊断的目标叶片,筛选出最优的比值光谱指数,建立了叶片氮素含量估算模型。结果表明：玉米叶片氮含量：上层>中层>下层;随着玉米的生长,在低氮条件下上层叶片氮含量呈先减少后增加（追肥）再减少趋势,在高氮条件下呈减少趋势,中下层叶片氮含量呈递减趋势。六叶期下层玉米叶片光谱反射率敏感范围较大,相关性较强;九叶期和灌浆期上层玉米叶片的光谱反射率敏感范围较广,相关性较强;开花吐丝期中层叶片的光谱反射率敏感范围较大,相关性较强。六叶期选取下层叶作为诊断目标叶,选取最佳比值光谱指数RSI(1 811, 1 842)建立线性估算模型,九叶期和灌浆期选取上层叶片作为诊断目标叶,选取的最佳比值光谱指数分别为RSI(720, 557),RSI(600, 511)建立线性估算模型,开花吐丝期选取中层叶片作为诊断目标叶,选取比值光谱指数RSI(688, 644)建立线性估算模型。研究结果可为快速准确地利用光谱技术进行玉米叶片氮素营养诊断提供理论依据。