重金属铜胁迫苹果砧木根系的显微拉曼光谱诊断研究

重金属污染会影响农作物的正常生长,如何快速准确的实现对农作物中重金属的检测已成为亟待解决的问题之一。传统植物中重金属检测依赖于化学方法,虽然可以实现重金属含量的精准检测,然而其操作过程繁琐,并且无法实现批量样本的检测,更无法实现重金属胁迫下植物组织的原位微观检测。拉曼光谱具备无损探测固体、液体和气体状态的分子振动信息、光谱分辨率高和对水分不敏感等优势,因此利用拉曼光谱技术检测农作物中重金属含量具有可行性。苹果砧木是苹果树幼苗嫁接的基础,能够保障后期的苹果树体健康以及苹果果品品质与产量,而苹果砧木根系受到重金属污染,阻碍其健康生长并影响苹果树幼苗的抗逆性,因此探明重金属与苹果砧木根系互作机理十分必要。该研究以5组不同浓度CuSO₄·5H₂O溶液胁迫下的苹果砧木为研究对象,首先采集不同铜离子（Cu2+）胁迫梯度下苹果砧木根系的拉曼散射光谱,利用自适应迭代重加权惩罚最小二乘法（Air-PLS）和S-G平滑方法对所获得的拉曼光谱数据进行预处理,去除荧光影响以及进行基线校正;其次建立偏最小二乘判别分析（PLS-DA）模型和支持向量机（SVM）判别模型,结果表明：基于显微拉曼光谱和SVM,PLS-DA判别模型对苹果砧木根系的铜离子胁迫进行判别,SVM模型准确率可达100%,PLS-DA模型准确率为96%,能够较好的预测出苹果砧木受重金属铜的胁迫程度;最后基于特征拉曼光谱峰1 096,1 329,1 605和2 937 cm-1进行苹果砧木根系横截面的化学成像可视化研究。研究结果表明,拉曼光谱技术结合Air-PLS和S-G平滑建立的SVM模型和PLS-DA模型可以快速、有效地进行苹果砧木根系受重金属胁迫程度的诊断,为重金属胁迫农作物检测提供新的思路,对农作物的重金属逆境胁迫互作机理诊断具有理论指导意义。     

逐孔起爆震动参数预报的BP神经网络模型

根据神经网络理论,结合逐孔起爆技术的特点,建立了爆破震动参数预报的BP网络模型。以某矿 山深孔台阶爆破为例,利用逐孔起爆过程中收集的原始资料和爆破震动监测数据,对建立的BP网络模型进 行了训练和应用。与实测值比较后发现,BP网络模型的预报结果更接近实测值。