低温预冷换热规律及表面改性影响研究

调研了低温管路预冷及两相换热的研究现状,阐述了低温预冷瞬态换热特性;介绍了金属表面改性对预冷规律的影响,仿真了低导热涂层管的预冷换热规律。研究发现:液氮预冷主要由膜态沸腾支配,且预冷耗时较长;液氢预冷未见膜态沸腾,预冷耗时更短。促进膜态沸腾向过渡沸腾的更早转化有利于预冷加速,且转化温度迁移可通过内壁表面结构改性实现,可采用的方法包括表面纳米微结构、低导热涂层、增加微肋结构等,讨论了结构改性对换热规律及预冷效率的影响。     

缩合法合成磁性荧光高分子CdTe@Fe_3O_4/P(NIPAM-co-AA)复合微球及其表征

具有超顺磁性和荧光特性的CdTe@Fe_3O_4/P(NIPAM-co-AA)多功能复合微球是以P(NIPAMco-AA)为模板制备而成.首先,采用溶胀法使模板微球带有磁性;其次,辅助TEOS和APTES两种化学试剂实现对Fe_3O_4/P(NIPAM-co-AA)微球表面的氨基功能化;最后,携带氨基的磁性微球与巯基乙酸修饰的CdTe量子点通过酰胺缩合反应,将量子点键合到磁性微球表面上,最终获得单分散的磁性荧光高分子复合微球.分别采用扫描电子显微镜、透射电子显微镜、倒置荧光显微成像系统、荧光分光光度计以及振动样品磁强计等方法对所获复合材料的结构与性能进行了表征.结果表明:复合微球单分散性良好,平均粒径约为30μm,饱和磁化强度可达5.4emu/g,具有良好的超顺磁性和较高的荧光发光效率.该材料将磁性、荧光结合到微米级高分子共聚物上,不仅解决了纳米粒子分离和处理的困难,而且奠定了多功能材料在生物标记、荧光成像等诸多领域潜在的应用基础.     

石墨烯量子点的制备

作为石墨烯家族的最新一员,石墨烯量子点(GQDs)除了具有石墨烯的优异性能,还因量子限制效应和边界效应而展现出一系列新的特性,因此吸引了化学、物理、材料和生物等各领域科学家的广泛关注。仅近两三年内,关于这种新型零维材料的研究,在实验和理论方面均取得了极大进展。本文主要介绍制备GQDs的两大类方法——自上而下和自下而上的方法。前者包括水热法、电化学法和化学剥离碳纤维法,后者则主要介绍溶液化学法、超声波法和微波法、可控热解多环芳烃法。另外还对一些制备条件较为苛刻的制备方法如电子束刻蚀法和钌催化富勒烯C60开笼法也作了简要介绍,并对GQDs的应用前景进行了展望。     

水稻产量遥感监测机器学习算法对比

水稻是我国的主要粮食作物,利用高光谱遥感技术在水稻未成熟之前对水稻产量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,可以准确掌握水稻的产量信息,帮助政府提前做出决策。以2019年—2020年广州市白云区钟落潭试验基地氮肥梯度实验为基础,分别获取水稻分化期和抽穗期冠层高光谱数据、作物群体长势参数（生物量、叶面积指数）及作物养分吸收量,利用贝叶斯岭回归（BRR）、支持向量回归（SVR）、偏最小二乘回归（PLSR）三种方法建立各生育期的产量监测模型并进行精度对比,确定水稻产量的最优估算时期和最佳估测模型。结果表明,三种方法中,BRR和SVR方法更适合产量监测,在不同时期及不同的参数组合下均有较好的表现（R2>0.82,NRMSE<8.22%）;基于2019年与2020年数据,采用全波段光谱信息进行产量监测时,分化期最佳监测模型为BRR模型,R2为0.90,抽穗期最优监测模型为SVR模型,R2为0.87;采用全波段光谱协同作物群体长势参数进行产量监测时,两时期最佳监测模型均为BRR模型,R2分别达到0.90和0.92;相较于BRR模型和SVR模型,PLSR模型在不同时期和不同参数组合下,最高R2仅为0.75;基于2020年数据,以三种不同的参数组合作为输入时,两时期估算结果均为BRR模型最优,且分化期建模精度高于抽穗期（R2至少增加0.02,NRMSE至少降低0.61%）;当输入参数组合为全波段光谱协同作物群体长势参数、作物养分吸收量时,BRR模型对产量的估算精度达到最高,R2为0.94。分析认为产量的最优监测时期是分化期,最优监测模型为BRR模型。研究结果可为水稻产量的早期遥感监测提供参考。     

功能化介孔硅材料的合成及其对富含裸露组氨酸蛋白质的选择性吸附

通过自由基聚合反应合成了具有高比表面积的介孔硅(PPOSS),并对其表面进行修饰和铜离子(Cu~(2+))的固定,最终得到功能化介孔硅材料(PPOSS-IDA-Cu~(2+)),然后利用PPOSS-IDA-Cu~(2+)中的Cu~(2+)与蛋白质裸露组氨酸的螯合作用,选择性吸附富含裸露组氨酸的蛋白质。对牛血红蛋白、牛血清白蛋白、肌红蛋白和溶菌酶的吸附结果表明,所合成的PPOSS-IDA-Cu~(2+)材料对富含组氨酸的牛血红蛋白有较好的吸附选择性和较大的吸附容量(3 150mg/g),并且有望与其他材料联合使用,以检测到更多相对丰度较低的蛋白质,丰富人类蛋白质组学信息,为疾病的临床诊断及病理研究提供帮助。     

基于集成学习的水稻氮素营养及籽粒蛋白含量监测

利用高光谱遥感技术在水稻收获前对籽粒品质相关的蛋白质含量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,有助于提前掌握籽粒品质信息,明确市场定位。该研究以广东省典型优质籼稻为研究目标,基于2019年和2020年两年氮肥梯度实验,以水稻分化期和抽穗期冠层尺度高光谱数据、水稻氮素参数,包括叶片氮素含量（LNC）、叶片氮素积累量（LNA）、植株氮素含量（PNC）、植株氮素积累量（PNA）及籽粒蛋白含量数据为基础,利用四种个体机器学习算法partial least square regression (PLSR)、K-nearest neighbor (KNN)、Bayesian ridge regression (BRR)、support vector regression (SVR),三种集成学习算法random forest (RF)、adaboost、bagging,针对水稻不同生育期氮素状况进行监测建模,在此基础上构建基于水稻冠层光谱信息、光谱信息结合水稻农学氮素参数的籽粒蛋白含量的监测模型,并对模型进行精度对比。研究结果表明,在水稻氮素营养监测方面,利用水稻冠层454~950 nm波段信息,采用RF及Adaboost算法,在水稻分化期、抽穗期及全生育期LNC、LNA、PNC及PNA模型R2均达到0.90以上,同时也具有较低的RMSE和MAE。在水稻籽粒蛋白品质监测方面,采用全波段光谱信息进行籽粒蛋白含量监测时,RF具有最高的精确度与稳定性,两生育期的RF模型对籽粒蛋白含量的监测结果R2分别为0.935和0.941,RMSE分别为0.235和0.226,MAE分别为0.189和0.152;两生育期以全波段光谱信息结合长势参数进行籽粒蛋白监测时,Adaboost模型具有最高的精确度和稳定性,其中分化期全波段光谱信息结合PNA作为输入参数,Adaboost模型R2为0.960,RMSE为0.175,MAE为0.150,以抽穗期全波段光谱信息结合PNC作为输入参数,R2为0.963,RMSE为0.170,MAE为0.137。研究结果表明,与PLSR,KNN,BRR和SVR几种个体学习器算法相比,集成算法RF,Adaboost和Bagging具备良好的处理多重共线性的能力,适合用于高光谱数据的分析与处理,在作物氮素营养监测及水稻品质的早期遥感监测方面具有明显优势。     

电感耦合等离子体质谱法测定水产品中的碘和溴

为了建立同时测定紫菜、虾片、鱿鱼干、鲜虾皮等常见水产品中碘和溴含量的方法，通过正交试验设计选择最优提取条件，采用电感耦合等离子体质谱法(ICP-MS)测定元素含量。样品粉碎后加入2%四甲基氢氧化铵，于80℃浸提3 h,然后以¹⁰³Rh为内标，应用ICP-MS测定¹²⁷I和⁷⁹Br含量。结果表明：两种元素在1～1 000μg/L范围内线性相关系数均大于0.999,加标回收率在85.7%～112.1%之间，重现性良好，碘和溴的检出限分别为0.0044μg/g和0.029μg/g,定量下限分别为0.015μg/g和0.097μg/g。该方法简单、便捷、准确，可为水产品中碘和溴的同时测定提供参考依据。     

离子色谱-电感耦合等离子体质谱同步分离测定环境水中砷、铬、溴、碘的10种形态

建立了离子色谱-电感耦合等离子体质谱(IC-ICP-MS)联用技术，用于测定环境水中亚砷酸根、砷酸根、一甲基砷(MMA)、二甲基砷(DMA)、三价铬、铬酸根、溴离子、溴酸根离子、碘离子、碘酸根离子。使用Hamilton PRP-X100阴离子交换色谱柱，在流速1.4 mL/min、5%甲醇-40 mmol/L NH₄NO₃流动相(pH=8.6)等度洗脱条件下，20 min内实现了砷、铬、溴、碘4种元素10种形态的分离检测。10种元素形态检出限在0.1～2μg/L之间，定量限在0.5～6μg/L之间，平均加标回收率在75.4%～104.7%之间，相对标准偏差(RSD,n=3)在0.91%～4.96%之间。该方法可以用于环境水样中砷、铬、溴、碘4种元素10种形态的常规分析检测。