Chryseobaterium s p. S 7溶藻过程光谱学特性及机理研究

藻类的大量繁殖对饮用水源、养殖业、旅游业以及人类健康造成了极大的影响。溶藻细菌作为一种生物控制手段,在控制藻类爆发方面显示出了极大的潜力。课题组前期分离获得一株金黄杆菌属溶藻菌Chryseobaterium sp.S7,研究发现该菌株具有明显的溶藻作用,作用方式为通过分泌溶藻物质进行间接溶藻,为进一步揭示该菌的溶藻特征及机理,以铜绿微囊藻为目标藻种,运用UV-Vis,EEMs,FTIR和FCM技术,分析Chryseobaterium sp.S7溶藻过程的光谱特性。实验结论如下：将菌株发酵液与藻液共培养7 d,利用UV-Vis和EEMs技术对藻细胞Chla含量与PC荧光值变化趋势进行分析,结果显示：藻细胞Chla含量在第1 d便开始下降,表明在短时间内,细菌胞外溶藻物质便可快速作用于藻细胞,第7 d时Chla去除率为59.37%。藻细胞PC荧光值也呈现下降趋势,与Chla变化趋势表现为一致性,表明在溶藻过程中伴有Chla和PC的减少。FTIR分析结果显示：藻细胞结构中的C=O, C-H,O-H键分别在1 647,2 927和3 475~3 437 cm-1处的吸收峰强度明显减弱,表明藻细胞内的多糖物质和蛋白质结构可能被破坏,处于2 500~1 700 cm-1范围的若干小吸收峰则进一步表明藻细胞解体的现象。分别在共培养第3 d和第7 d时对藻液进行PI特异染色,应用FCM对藻细胞PI特异性荧光和Chla,PC自发荧光特性进行分析,结果显示,在细菌S7的溶藻过程中,藻细胞PI特异性荧光逐渐增强,Chla、PC自发荧光呈下降趋势、表明藻细胞膜、Chla、PC三者破坏程度在溶藻过程中具有紧密的内在联系和较高的一致性。溶藻过程中藻细胞表现为多种形式的损伤,且损伤处于动态变化过程中,由Q1（Q5）区细胞按顺序逐步向Q4（Q8）区细胞移动。推测Chryseobaterium sp.S7可能的溶藻过程为：细菌将溶藻活性物质释放到细胞外,溶藻活性物质通过破坏铜绿微囊藻细胞膜中的多糖和蛋白质的结构,增加膜的通透性,进一步破坏胞体内的Chla,PC和DNA/RNA等物质,使藻体裂解死亡,最终形成细胞碎片。通过对Chryseobaterium sp.S7溶藻过程藻细胞的光谱学特性的分析,初步揭示了Chryseobaterium sp.S7的溶藻机理,为微生物控藻及修复技术提供了理论依据。     

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。     

高光谱成像的土壤剖面水分含量反演及制图

传统土壤水分的获取方法仅可获得离散的土壤水分点位数据,难以获得剖面上精细且连续的水分含量分布图。研究了野外条件下利用近红外高光谱（882～1 709 nm）成像反演剖面土壤水分含量（SMC）,并实现精细制图的可行性。研究剖面位于江苏省东台市,我们利用近红外高光谱成像仪对剖面进行了5天原位连续观测,共采集了280个土样用于烘干法测定SMC。原始高光谱图像经数字量化值（DN）校正、黑白校正、拼接、几何校正、剪切和掩膜等一系列预处理后,提取各采样点的平均光谱反射率。提取光谱（Raw）经吸光度[LOG₁₀(1/R)],Savitzky-Golay平滑（SG）、一阶微分（FD）、二阶微分（SD）、多元散射校正（MSC）和标准正态变量（SNV）转换后,采用偏最小二乘回归（PLSR）和最小二乘支持向量机（LS-SVM）方法建立SMC预测模型,并对比分析不同光谱预处理方法与建模方法组合条件下SMC的预测精度。结果表明,光谱反射率随SMC增加逐渐降低,不同光谱预处理方法的预测精度有所差异,除MSC方法外,同一光谱预处理方法的LS-SVM模型预测精度均高于PLSR模型,并且基于LOG₁₀(1/R)光谱的LS-SVM模型对SMC预测精度最高,其建模集的决定系数（R2_c）和均方根误差（RMSE_c）分别为0.96和0.65%,预测集的决定系数（R2_p）、均方根误差（RMSE_p）和相对分析误差（RPD_p）分别为0.88,1.05%和2.88。利用最优模型进行剖面SMC的高空间分辨率精细制图,通过比较SMC反演图中提取的预测值与实测值关系发现预测精度较高（R2: 0.85～0.95, RMSE: 0.94%～1.02%）,且两者在剖面中的变化趋势基本一致,说明SMC反演图不仅能很好地反映出土壤水分在整个剖面中毫米级的含量分布信息,也可反映出同一位置处不同天数间的含量差异。因此,利用近红外高光谱成像结合优化的预测模型,能够实现土壤剖面SMC的定量预测及精细制图,有助于快速、有效监测田间剖面土壤水分状况。     

均匀背景中的动态小目标光谱数据获取方法研究

光谱是一种可以表征物质特性的光学信息,利用光谱成像仪可以获取处于视场范围内的物质的光谱图像,成熟的光谱成像技术均需要通过多次采集才能够获取完整的光谱图像数据立方体,相应系统的时间分辨率比较低,不适用于动态目标的光谱获取。快照式光谱成像在动态目标光谱成像方面具有较大的优势,其中编码孔径快照光谱成像技术是一种将压缩感知计算方法融入到光谱成像过程和图谱重构过程中的光谱成像技术,在采样过程中完成数据压缩,具有高通量优势,可以利用单次曝光的混叠数据,重构出目标光谱数据立方体,实现快照式成像,使得对动态的目标进行监测成为可能。实现监测需要目标的信息满足稀疏性的假设,实际目标很难满足这样的条件,重构误差比较大,不利于对动态的小目标进行监测和识别。针对均匀背景中动态小目标的光谱数据获取,提出一种双色散通道的编码孔径光谱成像方法,系统由两个通道组成,每个通道均包含一个光谱仪,其色散方向互相垂直,并共用一个前置望远镜系统和编码孔径。该系统可以实时观测均匀背景区域中的动态小目标。由于两个通道的色散方向互相垂直,可以从背景中分离出小目标的位置和相对应的编码。假设目标出现在视场中前后,背景的辐射特性变化很小,利用目标出现前的数据计算出背景光谱;目标出现后,通过帧间差分运算,消除背景辐射的影响,提取出目标位置对应色散区域中数据,利用约束最小二乘算法,重构运动小目标的光谱数据立方体。进行光谱数据重构,进行背景光谱补偿后,获得完整的动态小目标光谱数据。文章对成像过程建立了数学模型,并对重构方法进行了仿真验证,结合编码孔径的统计特征,使目标随机出现在不同的位置,统计重构光谱的峰值信噪比概率分布,并调整目标尺寸,分析目标尺寸对重构精度的影响,最后与编码孔径成像系统的两步软阈值迭代算法重构结果进行了对比。结果表明,这种方法在均匀背景中,采用随机编码矩阵进行编码,目标尺寸小于5×5个像元时,相对于编码孔径成像系统,提高了目标的信息重构精度和概率,并且极大的减小了运算量,可以实现对运动目标的实时监测。     

镁对方解石相变压力和拉曼光谱影响的实验研究

为研究镁对方解石在高压条件下的相变行为和拉曼振动光谱的影响,探索碳酸盐在地球深部的存在形式和物理化学性质,结合金刚石压腔和激光拉曼光谱,对具有不同镁含量的方解石开展高压实验研究。实验选取天然无色透明冰洲石、淡黄色半透明方解石脉和白色大理石作为研究对象,利用ICP-AES测定冰洲石和方解石脉的成分为CaCO₃;大理石中Mg/(Mg+Ca)摩尔比为0.03,其成分可简化为(Mg_0.03Ca_0.97)CO₃。每种方解石样品挑选两粒大小约为50~100×50×20 μm的颗粒放入金刚石压腔,并在不同压力下进行相变过程观察和激光拉曼光谱测量。实验结果显示,常压下冰洲石和方解石脉样品的T₁,T₂,ν₄和ν₁拉曼振动频率分别为156.82,283.55,713.86和1 088.19 cm-1,大理石样品的拉曼振动频率为158.15,284.76,715.07和1 089.20 cm-1,表明方解石中含有3 mol%的MgCO₃时会造成方解石的拉曼振动频率整体升高1 cm-1以上。但是该变化幅度在不同压力下没有显著差别,表明镁对方解石的拉曼振动频率随压力的变化速率(∂ν/∂p)没有明显影响。冰洲石和方解石脉样品在1.5 GPa压力附近转变为方解石-Ⅱ,并在2.0 GPa进一步变为方解石-Ⅲ或Ⅲb;相比之下含有3 mol%的MgCO₃的大理石则是在2.4和3.7 GPa时才转变为方解石-Ⅱ和方解石-Ⅲ。假设镁对方解石相变压力的影响是线性的,即方解石向方解石-Ⅱ和方解石-Ⅲ/Ⅲb的相变压力随MgCO₃含量的增加以0.30和0.57 GPa·mol%-1的速率升高,当MgCO₃含量达到50 mol%时,方解石向方解石-Ⅱ和方解石-Ⅲ/Ⅲb的相变压力将分别为16.5和30.5 GPa,这与白云石向白云石-Ⅱ和白云石-Ⅲ的相变压力吻合。结合前人关于方解石中MnCO₃含量对矿物相变压力和拉曼光谱影响的研究结果,发现当方解石中部分Ca2+被具有不同半径和质量的离子(如Mg2+,Mn2+等)替代以后,阳离子与CO2-₃之间以及CO2-₃内部C-O化学键长度和强度都会发生改变,从而引起矿物结构稳定性以及拉曼振动频率的明显变化;并且两种阳离子之间半径差别越大,该影响效果越明显。因此,在研究高温高压条件下方解石的相变行为和拉曼光谱时,矿物中Mg和Mn等杂质元素对矿物结构稳定性和拉曼振动频率的影响是必须考虑的关键因素之一。     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。     

一种间接从高光谱数据中提取黑土硒含量的新方法

我国东北黑土富含养分,随着土壤数字制图、精确农业和土壤资源调查等研究的深入,引入航空高光谱数据并提供科学的预测结果成为研究热点。硒元素相对于黑土土壤的主要成分属于微量元素,但其对作物的正常生长的作用与大量元素是同等重要的,亦是人体健康所必要的营养元素。针对硒含量反演,建立了一个基于主要成分的间接提取模型,该模型能够显著提升硒含量回归系数,降低实测值与预测值的误差。数据源自CASI-1500航空高光谱成像系统,光谱范围380~1 050 nm,空间分辨率1.5 m。在黑龙江建三江地区采集60个土壤样本,化验获得硒、有机质、全铁、pH和氧化钙含量数据,选择BP神经网络,建立光谱与含量的反演模型。分析不同含量的黑土成分在可见-近红波段范围内光谱变换规律,掌握了硒元素随着含量升高,光谱反射率会逐步升高的规律。但当硒含量较低时,在其他成分的干扰下,这一规律会逐渐减弱,直至不显著。有机质的光谱特征与硒元素相反,总体上随着含量的增高,反射率整体下降,这与有机质的光谱特性紧密相关。全铁光谱呈现出与有机质光谱类似的规律,说明二者具有较高的相关性。不同pH值和氧化钙含量的光谱特征与检测值没有呈现出明显的特征规律,反射规律不明显。对60个采样点不同养分含量进行逐波段求反射率对养分的相关系数。结果表明,pH值各个波段相关系数最高,均值达到0.63;其次是全铁的相关系数,为0.54;有机质和氧化钙的相关系数接近,分别为0.42和0.47;而硒元素含量与逐波段的平均相关系数最低,为0.38。选取相关系数较高的前5个波段,作为建模波段。硒特征波段为447,437,456,466和475 nm;有机质特征波段为447,456,466,437和475 nm;全铁特征波段为752,695,800,762和733 nm;pH特征波段为905,752,800,943和695 nm;氧化钙特征波段为752,695,800,523和762 nm。通过计算样本点硒含量与其他成分的相关系数,硒与有机质呈正相关,相关系数为0.79;与全铁、pH、氧化钙呈负相关,相关系数分别为-0.80,-0.94和-0.69。针对有机质、全铁、pH和氧化钙反演精度较高,而硒元素含量较低,直接反演精度不足的问题,设计了一种先提取4种成分含量,再根据其提取结果建立硒元素函数关系,间接反演硒元素含量的方法。首先将五种成分与特征光谱进行神经网络分析,计算每种成分的回归系数R2和RMSE。显示全铁和pH具有较高的反演精度,有机质和氧化钙归系数虽低于0.8,但也显著高于硒元素的反演精度。建立硒元素与其他4种成分含量的回归模型,得出Se=0.522 9+0.041 8Som-0.016 6Fe₂O₃-0.035 6pH-0.005CaO,进行硒元素间接提取,回归系数从0.516增长到0.724,均方根误差从0.182降低到0.136,显著改进了反演硒含量的精度,为硒元素大范围精确制图提供了一种新技术。     

碳纤维复合材料的激光清洗等离子体光谱在线检测研究

近年来碳纤维复合材料（CFRP）由于性能优异,受到工业领域广泛关注。采用激光清洗技术预处理碳纤维复合材料表面的污染物和环氧树脂等杂质,有利于改善碳纤维复合材料表面性能,提高碳纤维复合材料胶接界面的结合强度。在线检测激光清洗过程,实时判断碳纤维复合材料的表面清洗质量,是保证激光清洗效果的关键环节,也是激光清洗装置自动化、集成化的核心技术。激光诱导等离子体光谱技术可以快速分析材料表面元素变化,实现在线检测激光清洗表面状态,在激光清洗领域有很广的应用前景。采用Nd∶YAG高能量脉冲激光器产生的1 064 nm激光在空气环境中诱导产生等离子体,利用改进型光栅光谱仪(ME5000)获取等离子体光谱,在线检测激光清洗碳纤维复合材料。研究外界空气环境对等离子体光谱检测结果的影响,发现350~700 nm波段的元素谱线可用于碳纤维复合材料表面物质成分分析;采用电子扫描显微镜观测的激光清洗表面形貌和X射线电子能谱仪测得的元素变化共同表征等离子体光谱检测的有效性,通过采集不同激光能量以及不同作用次数的等离子体光谱图,获得碳纤维复合材料表层树脂物质通过激光单次清洗干净的阈值,研究激光清洗质量与激光诱导等离子体谱线成分及其强度变化的关系。结果表明：在获取的激光诱导等离子体光谱中,光谱图中谱线波长在393.3 nm的S(Ⅱ)和589.5 nm的S(Ⅱ)谱线可有效在线表征碳纤维复合材料表面清洗质量;激光单次去除干净表面环氧树脂的阈值为10.68 mJ;低激光能量时需要清洗多次可以去除干净表面树脂;高激光能量时清洗单次可使表面树脂去除干净,多次清洗易造成基体损伤。实验结果为激光清洗碳纤维复合材料的智能集成化应用提供工艺依据和技术支持。     

基于密度泛函理论的对二甲苯分子电子光谱的外场效应研究

对二甲苯（PX）是化工领域一种非常重要的原料,被广泛地用于香料、医药、油墨和农药等的生产,因此研究PX分子的电子光谱和外场效应,对于它的检测和降解具有十分重要的意义。为研究外电场作用下,PX分子的紫外-可见（UV-Vis）光谱的变化,采用密度泛函理论（density functional theory,DFT）B3LYP方法在6-311++G(d, p)基组水平上,优化了不同外电场（0～0.025 a.u.,0～1.285 6×1010 V·m-1）作用下PX分子的基态几何构型,在此基础上利用含时密度泛函理论（TDDFT）计算了PX分子的UV-Vis吸收光谱,最后对PX分子紫外吸收峰和摩尔吸收系数受外电场作用的的影响规律进行了研究。结果表明：有波长为189 nm、摩尔吸收系数为35 580 L·mol-1·cm-1的强吸收峰,处于E₁带,它是环状共轭的三个乙烯键的苯型体系中的π→π*电子跃迁产生的;与苯分子相比,吸收峰出现11 nm的红移：由于两个甲基和苯环形成p-π共轭,苯环的大π键变弱,故PX分子的紫外吸收峰出现红移;当增加了外电场后,最低未占据轨道(LUMO)向外电场的反方向偏移,导致苯环上的电子密度减小,大π键变弱,π→π*跃迁需要的能量降低,电子跃迁产生的波长增大,吸收峰出现显著红移,当外电场增大到0.020 a.u.时,红移已经非常明显;外电场的引入,导致苯环上的电子密度减小,大π键变弱,π→π*跃迁的电子数减少,摩尔吸收系数降低,随着外电场的增强,摩尔吸收系数降低明显,尤其在外电场增强到0.020a.u.后,摩尔吸收系数降低非常显著。这些工作为PX的检测和降解方法研究提供了一定的理论依据,也对其他有机污染物的检测方法和降解机理的研究有启示作用。     

考虑水分光谱吸收特征的水稻叶片SPAD预测模型

叶绿素是植被光合作用的重要色素,传统实验室方法测定叶绿素含量需破坏性取样且操作复杂。通过构建高精度SPAD光谱估算模型,可以实现对水稻叶片叶绿素含量的实时无损监测。以黑龙江省不同施氮水平下水稻为研究对象,采用SVC HR768i型光谱辐射仪共获取移栽后、分蘖期、拔节期、孕穗期、抽穗期共五个关键时期水稻叶片反射光谱数据。光谱探测范围350~2 500 nm。利用自带光源型手持叶片光谱探测器直接测定叶片光谱,光源为内置卤素灯。采用SPAD-502型手持式叶绿素仪同步测定水稻叶片的SPAD值。叶片水分是植物光合作用的基本原料,也间接影响着叶绿素含量。叶片含水量降低则会影响植物正常的光合作用,导致其叶绿素含量随之降低。因此将叶绿素敏感波段与水分吸收范围结合作为SPAD估算的输入量。随机森林模型是一个基于多个分类树的算法。算法在采样的过程中包括两个完全随机的过程,一是有放回抽样,可能会得到重复的样本,二是选取自变量是随机的。因此本文对叶片光谱反射率进行去包络线（CR）处理,综合考虑可见光近红外波段提取水稻叶片反射光谱特征参数和植被指数,综合分析光谱指标与SPAD相关关系,采用随机森林算法构建不同输入量的SPAD高光谱估算模型。结果表明: （1）水稻叶片SPAD与光谱反射率的相关系数在叶绿素敏感波段红波段范围（600～690 nm）、红边范围（720~760 nm）、水分吸收波段范围（1 400~1 490和1 900~1 980 nm）均为0.75以上;（2）在光谱参数与SPAD 的相关分析中,NDVI,DP2与水稻叶片SPAD值相关性最好,相关系数为0.811和0.808;（3）以结合水分光谱信息后的CR_{(V1, V2, V3, V4)}为自变量所建立的随机森林模型精度最高,R2为0.715,RMSE为2.646,可作为水稻叶片叶绿素预测模型。研究结果揭示了不同品种水稻的光谱响应机制,提供了水稻叶片SPAD值高精度反演的技术方法,为监测与调控东北地区水稻正常生育进程提供技术支持。