用二点滴定法测定化合物的组成比

本法只要测定三组E—V数据即可计算出化合物的组成比。     

基于BC3NT的混合系锂空气电池正极第一性原理研究

文章采用第一性原理,利用掺杂硼的碳纳米管(BC₃NT)容易产生拓扑缺陷的特点,将其用作混合系锂空气电池正极材料,研究了BC₃NT拓扑缺陷电子性质及氧分子吸附.结果表明:BC₃NT产生的拓扑缺陷使得氧气在纳米管外表面吸附更加稳定,且缺陷环越大,吸附越稳定.七元环缺陷、八元环缺陷分别会使氧气在纳米管外表面发生半解离吸附和完全解离吸附,有利于氧还原反应的发生;通过布居分析电荷转移进一步验证了缺陷环越大,转移电荷越多,吸附越稳定. BC₃NT能增强对氧分子的解离吸附能力,有利于氧还原反应的进行.该材料适合用作混合系锂空气电池正极,有利于提高其性能.     

基于光谱结构特性的马铃薯干腐和疮痂病识别方法研究

马铃薯干腐病和疮痂病的检测通过人工目测,结果存在主观性,该工作研究正常、干腐和疮痂病马铃薯的光谱分类识别方法。试验获取116个样本,光谱采集范围860~1 745 nm。经过一阶导数(first derivative, FD)处理后的光谱数据,主成分（PCA）分类识别效果较好,FD作为光谱预处理方法。光谱曲线上的极值点、极值点间的中点和极值点间连线的斜率决定光谱曲线的形状和变化,是曲线上的关键点,光谱曲线形状变化代表着内部物质的变化,具有指纹特性,利用极值点和中点对应的光谱或极值点间连线的斜率组成模式特征向量。分别用3种样本关键点的平均光谱形成标准模式特征向量,通过计算待测样本关键点组成的特征向量和标准模式特征向量之间的马氏距离,以最小马氏距离判定样本的归属,通过错误识别率检验模型识别性能。正常、干腐、疮痂样本分别有13,12,15个关键点,由各自关键点对应的反射率组成的模式特征向量,3类样本的错误识别率为0。去掉冗余关键点整合成一个标准模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为14.3%,全部错误识别为疮痂样本,特征向量数据点的增多,增加了病害样本之间的贴合度,降低了两类病害样本之间的区分度。利用波长911, 1 269和1 455 nm处两点间的斜率形成模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为2.4%。利用前2个主成分得分作为参数,采用线性判别分析(LDA)和贝叶斯分类器（BC）建模,提供不同角度的分类模型,对比检验基于模式特征向量建立的分类模型的有效性,2种识别方法的错误识别率均为0。实验结果表明,可以利用表征光谱曲线结构特征的模式特征向量作为分类参数,结合距离法建模,与常见识别方法具有同等识别精度。     

不同施氮水平下玉米冠层光谱反射特征分析

通过田间试验研究了玉米不同生长期冠层光谱反射率的变化特征,分析了不同施氮水平下可见光区冠层光谱反射率的差异。研究结果表明：受作物群体光和能力的影响,玉米可见光区冠层反射光谱在拔节期达最高点,随后持续降低; 近红外区,苗期反射率最低,在拔节期达最高点,喇叭口期有所降低而在开花吐丝期得到回升,进入灌浆期后又下降。不同施氮水平下,拔节期随施氮水平的增加,叶绿素的强吸收带(430～450和640～660 nm)玉米冠层反射曲线呈下降排列,但在550 nm附近反射率R_正常>R_偏低>R_偏高; 喇叭口期偏低施氮区的冠层反射率在可见光区明显高于其它施氮水平,且偏高和正常施氮区域内光谱反射强度基本相同,显示过量施肥并不会促进作物生长。分析玉米生长期间不同施氮水平下光谱反射率的差异,对监测玉米生长状况,指导田间施肥具有重要的现实意义。     

马铃薯冠层光谱响应特征参数优化与生长期判别

快速判别马铃薯作物的生长进程是指导田间关键生长期科学水肥管理的重要依据。研究在马铃薯发棵期（M1）、块茎形成期（M2）、块茎膨大期（M3）和淀粉积累期（M4）四个关键生长期,利用ASD便携式光谱仪采集80个样本区的314组作物冠层反射率数据,并同步采集叶片测定叶绿素含量。在光谱数据预处理后,分析了马铃薯不同生长期的光谱反射率变化特征,并初步选取了光谱“峰谷”响应参数,提出了一种基于方差分析与变量减少组合的光谱参数筛选算法（variance analysis combined with variable reduction,VACVR）用于明确光谱学响应的优化指标,采用Kennard-Stone(K-S)法划分样本集,最终基于支持向量机（support vector machine,SVM）方法建立马铃薯关键生长期判别模型。针对光谱数据,首先使用变量标准化(standard normalized variable,SNV)进行光谱预处理,在定性分析了随着生长期的推进马铃薯冠层反射特征的变化趋势的基础上,基于作物生长期动态光谱学响应与峰谷特性选取14个参数,包括：8个位置参数、2个面积参数、4个植被指数参数。采用K-S算法将样本按照3∶1划分为训练集（240个样本）和测试集（74个样本）。分析马铃薯不同生长期冠层反射光谱发现,随生长期的推进冠层光谱存在差异性：即在400~500和740~880 nm范围内,光谱反射率呈降低趋势;在530~640和910~960 nm范围内,反射率呈升高趋势;在530~640 nm范围内,M2和M3生长期的平均光谱非常接近,M4生长期的平均光谱与其他三个生长期的差别较大。叶绿素平均含量随生长期的进程,从M1（28.12 mg·L-1）到M2（31.04 mg·L-1）增加,在M2生长期达到最大值,之后M3（22.00 mg·L-1）和M4（15.36 mg·L-1）依次减少。光谱响应参数随着生长期的进程,绿峰位置L_g和红谷位置L_r逐渐红移,红边位置L_re逐渐蓝移;蓝边面积A_be逐渐增大,红边面积A_re逐渐减小;红边面积与蓝边面积比值依次呈现减小趋势。根据VACVR算法筛选10个敏感光谱响应参数,建立SVM判别模型,训练集判别率为100%,测试集判别率为94.59%,该模型可在判别马铃薯的生长期的基础上为田间管理决策提供支持。     

一种针对作物生育期光谱迁移的修正植被指数

针对基于固定特征波长的植被指数不能适用于多个生育期叶绿素含量的诊断这一问题,研究优化提出一种基于双波长计算光谱覆盖面积的叶绿素诊断植被指数,用于稳健地诊断多生育期的营养。以拔节期、孕穗期和扬花期的冬小麦为研究对象,采集其325～1 075 nm范围的冠层反射光谱,测定采样样本的叶绿素含量。采用小波去噪和多元散射校正算法对光谱数据进行预处理。通过相关性分析,确定生育期特征波长的迁移范围,进而提出了基于光谱覆盖面积的冬小麦叶绿素含量光谱诊断参数(modified normalized area over reflectance curve, MNAOC）。以信噪比（SNR）和平滑度指标（S）进行综合评价,小波去噪函数的最佳参数为(“sqtwolog”,“mln”,“3”,“db5”)。相关性分析结果表明,生育期特征波段的迁移范围为（700 nm,723 nm）。在分析MNAOC指数对叶绿素含量诊断分辨率的基础上,以0.5 mg·L-1的分辨率建立一元线性回归模型的结果为：拔节期R2_c=0.840 1,R2_v=0.823 7;孕穗期R2_c=0.865 5,R2_v=0.817 4;扬花期R2_c=0.833 8,R2_v=0.807 6。与ratio vegetation index（RVI）等5种双波长植被指数对比表明,由于700和723 nm计算的光谱面积包含了由于生育期导致的光谱动态迁移特征,使得MNAOC指数在模型精度上和多个生育期的普适性上,都优于其他双波长代数运算植被指数,为大田环境冬小麦生育期叶绿素含量诊断提供支持。     

基于二维相关光谱的水体叶绿素含量探测

利用Shimadzu UV2450分光光度计测量了含有不同叶绿素浓度的湖水样本在可见光和近红外区域的透射光谱,并使用实验室手段测量了水体的叶绿素含量。分析了湖水样本的透射光谱特性,同时引入二维相关光谱技术,利用叶绿素浓度值作为微扰量,得到水体叶绿素的动态光谱,进而结合二维同步谱图和异步谱图确定表征水体叶绿素浓度的特征波段。综合观察二维相关光谱中的同步谱图和异步谱图,更加精确地阐明了水体光谱特征,同时剔除水体中其他物质对于光谱信息的影响,更有效、全面地提取反映水体叶绿素信息的敏感波段。利用所选特征波段构建归一化水体叶绿素指数,将特征波段与叶绿素指数分别与水体叶绿素浓度建立线性预测模型。结果显示,归一化水体叶绿素指数的预测模型测定R2达到0.771 2,均方根误差是45.509 8 mg·L-1,预测R2达到0.765 8,均方根误差是39.503 8 mg·L-1。模型精度较利用特征波段建立的多元线性回归模型有了较大的提高,达到了实用水平。     

基于近红外光谱的土壤参数快速分析系统

应用面向对象的软件开发理念开发了基于近红外光谱的土壤参数快速分析系统。系统设计了SOIL类,SOIL类的实例化对象即为具有某种特定类型、特定物理性质以及光谱特性的土壤样本。系统主要包括文件操作、光谱预处理、样品分析、建模和验证以及样品测定等子功能。系统首先接收土壤标定样本集的目标参数及光谱数据文件,并对其进行各种预处理,将处理结果显示在终端,并将建立的模型保存在模型数据库。系统通过预测土壤参数界面读取模型数据库中保存的各种模型及其参数,并将读入的待测样本光谱信息代入选定的模型,从而实现土壤参数分析功能。系统采取Visual C++ 6.0和Matlab 7.0协同完成功能开发,并采用Access XP来建立和管理模型数据库。     

固相萃取-气相色谱质谱联用法测定蔬菜中杜烯残留

建立固相萃取-气相色谱-质谱联用内标法测定蔬菜中杜烯残留量的检测方法.样品经乙腈提取,弗罗里硅土固相柱净化后,用气相色谱质谱联用仪进行检测.方法的检出限为0.005 mg/kg,经过不同实验室验证,样品中杜烯的平均基体添加回收率在81.0%～112.0%之间,室间精密度在1.03%～3.89%之间.