外源硒对菲胁迫下苍耳光合荧光特性的影响

为了探究硒元素缓解土壤中多环芳烃污染对陆生植物苍耳(Xanthium sibiricum Patrin ex Widder)的胁迫作用,选择菲作多环芳烃代表物,通过盆栽实验,研究了土壤中不同菲污染浓度(0,20,80,320mg·kg-1)对苍耳的生长、叶绿素含量、光合参数及叶绿素荧光参数的影响,以及外源性施加硒(0.5mg·kg-1)对上述胁迫效应的缓解作用.结果显示,硒能显著缓解高浓度(320mg·kg-1)菲胁迫下苍耳生物量的减少(p0.05),同时缓解各浓度菲胁迫下叶片中叶绿素含量的降低;硒还能缓解植物在菲胁迫下净光合速率、气孔导度、胞间CO2浓度的降低,减缓叶片PSⅡ最大光化学效率、PSⅡ实际光能转化效率、光化学淬灭系数的下降和非光化学淬灭系数的上升.研究表明,土壤中外源性添加硒能保护菲胁迫下苍耳的光合机构,改善其光合功能.     

三-(3’-羧基联苯基)胺的合成及其光学性能

以三苯胺为原料,经溴化、Suzuki偶联和水解反应合成了新化合物——三-(3’-羧基联苯基)胺(3),其结构经1H NMR,13C NMR和元素分析表征。利用UV-Vis和FL研究了3的光学性质。结果表明,3的λex分别位于268 nm和366 nm;在366 nm激发波长激发下,3的最大发射波长位于495 nm,波色为蓝光。     

基于X射线荧光光谱与多特征串联策略的土壤重金属含量预测

针对土壤重金属快速检测需求,基于模型集群分析方法进行特征波长变量选择,提出了利用X射线荧光光谱技术检测农田土壤中重金属含量的方法。采集91个配制土壤样品的X射线荧光光谱值,用于构建土壤重金属检测模型。通过多特征串联方法提取特征波长变量,首先采用区间组合优化算法(ICO)粗选波长,然后采用竞争适应性重加权采样法(CARS)剔除区间波长中的无关变量,最后采用连续投影算法(SPA)进行波长精简。通过多特征串联ICO-CARS-SPA算法对X射线荧光光谱进行特征变量选择,得到5组(26、25、29、39、33)特征波长点,据此建立Cu、Zn、As、Pb、Cr 5种土壤重金属含量偏最小二乘(PLS)检测模型,并与其他传统特征波长选择方法进行了对比。结果表明,ICO-CARS-SPA算法所选变量结合偏最小二乘(PLS)的建模效果最优,Cu、Zn、As、Pb、Cr的验证集决定系数分别为0.993 3、0.992 6、0.995 6、0.993 2和0.988 6,均方根误差分别为6.938 5、23.698 4、3.632 6、8.510 6和14.764 5,验证集平均相对偏差分别为0.255 1、0.065 0、0.102 5、0.241 4、0.104 7。基于X射线荧光光谱结合多特征串联策略的ICO-CARS-SPA算法可剔除更多无效波长,提升有效信息贡献度,简化了检测模型复杂度,为土壤重金属含量预测模型选取合适的特征波段提取方法提供了理论支撑。     

重金属Cd-Cu复合污染对苍耳生长及叶绿素荧光特性的影响

采用盆栽土培法研究Cd(0～50mg/kg)单一污染及与Cu(0～500mg/kg)复合污染对苍耳(Xanthium sibiricum Patrin ex Widder)生长及叶绿素荧光特性的影响。生长特性研究结果表明:Cd(30mg/kg)与Cu(50mg/kg)复合污染时,生长指标(生物量、根系表面积及株高)显著大于单一Cu或Cd污染下的生长指标,且随着Cd与Cu复合浓度的增加而逐渐下降;Cd与Cu复合污染在低浓度下表现为拮抗效应,高浓度下表现为协同作用。生理特性研究结果表明:与单一Cd污染相比,Cd(50mg/kg)与Cu(50mg/kg)复合污染时,最大荧光产量(Fm)、光化学效率(Fv/Fm)及电子传递速率(ETR)明显较大,而初始荧光(Fo)明显较小(p0.05),表明Cu能一定程度上缓解Cd对苍耳的毒害作用。苍耳对重金属的富集及转移系数计算结果表明:与单一Cd污染相比,Cd(15mg/kg)与Cu(100mg/kg)复合污染时,苍耳对Cd的富集系数明显较大,表明Cu能有效促进苍耳对Cd的富集;Cd(50mg/kg)与Cu(100mg/kg)复合污染时,苍耳对Cd的转移系数明显较小,表明Cu不能有效促进苍耳把Cd从地下部转移到地上部。苍耳可以考虑作为修复Cd-Cu复合污染的候选植物种之一。     

基于向前和向后间隔偏最小二乘的特征光谱选择方法

在近红外光谱分析中,向前间隔偏最小二乘法（FiPLS）和向后间隔偏最小二乘法（BiPLS）是常用的基于波长变量选择的建模方法,其模型精度较高,但贪婪搜索特性较强,导致选出的波段并不能较好地反映待测成分的信息。针对该问题,提出一种基于两者组合策略的光谱特征波段选择方法（FB-iPLS）。在光谱分段的基础上,既利用FiPLS选取有用波段,同时利用BiPLS删除无用波段,来交互执行特征变量的选择与删除,对目标特征波段进行双向选择,用于提高模型的稳健性。用该方法建立水中乙醇含量的定量预测模型,并与FiPLS和BiPLS算法对比。由于光谱分段大小会对模型的结果有影响,该实验还考查这三种方法在不同光谱分段处的结果。在光谱划分60段时,提出的FB-iPLS方法取得最佳预测性能,其校正集与验证集相关系数r分别为0.967 7,0.967 0,交互验证均方根误差RMSECV分别为0.088 8,0.057 1。与FiPLS和BiPLS相比,该方法无论在不同光谱分段区间还是在各自最优与最差分段处,模型的整体预测性能都有所提高。实验结果表明,提出的方法能改善BiPLS与FiPLS贪婪搜索的特性,对特征波段的选取更高效、更具代表性,能进一步提高模型的预测性能。