HgCl2/I2复合催化剂协同催化合成异丙醇钇的研究

以金属钇和异丙醇为原料，以HgCl2/I2为复合催化剂，通过对金属钇的机械加工以增加其比表面，并将异丙醇脱水使其含水量降低至0．05％，体系在82℃回流5h，经过滤、减压蒸馏，得到了白色海绵状异丙醇钇，其产率高达83％，合成时间比文献报道的缩短了19h，产率提高了8％。文章确定了催化剂的最佳用量为20gY加入60mg HgCl2/I2，研究了合成产率与HgCl2/I2催化剂和HgCl2催化剂的依赖关系及异丙醇中含水量对合成产率的影响，并对HgCl2/I2的催化作用机理进行了初步探讨。     

平面坡体渐进破坏模型及其应用

平面坡体渐进破坏模型旨在通过在坡体稳定性分析中引进渐进坡坏的概念,来较合理地考虑岩土材料的峰值强度和残余强度在稳定性分析中的不同作用。通过与其它稳定性分析方法进行比较以及实例应用研究,证明该计算模型可用于初步判断坡体稳定状态并估算其破坏变形范围。这一研究也说明了水对边坡破坏的重要作用。     

含水量对TiO_2纳米管形貌控制参数的影响

以不同含水量的乙二醇溶液为电解液,采用阳极氧化法制备TiO2纳米管阵列。通过记录反应过程中电导率、粘度及回路电流随时间的变化曲线,研究含水量对电解液粘度、电导率及电流等过程参数的影响,分析了纳米管形貌尺寸与TiO2溶蚀所耗电荷量的关系。粘度初始值和初始电导率均与含水量呈三次关系,相关系数分别为0.992 5和0.977 8。在反应过程中,溶液粘度值有缓慢增加的趋势。由于不同含水量的电解液粘度的不同,H+和OH-数量不同,F-迁移速率不同,电导率-时间曲线及电流-时间曲线具有不同的变化趋势,并对其进行了理论分析。当水体积分数为4%,5%,6%和10%时,纳米管的形貌较为有序并且TiO2纳米管阵列表面的碎片较少,纳米管直径变化范围为50nm至72nm,长度变化范围为0.85~1.90μm。F-腐蚀氧化膜时所消耗电量与TiO2氧化膜被腐蚀掉的体积呈一次函数关系,即腐蚀电量越大,腐蚀掉的体积越大,为制备一定形貌尺寸的纳米管提供了一定的控制方法。     

荒漠植物含水量的光谱特征分析

用美国SVC的HR-768便携光谱仪现地测定了9种荒漠植物的高光谱并在实验室使用烘干法测定相应植物的含水率,对测定的光谱数据使用ENVI软件去除包络线,运用相关系数法分析植物含水率与反射光谱之间的关系,结果表明:978～1 030 nm波段与植物含水率相关性一般,1 133～1 266 nm波段与植物含水率相关性较好,1 374～1 534 nm波段与植物含水率相关性最好,是表达植物含水率大小的特征波段.对1 374～1 534 nm波段光谱数据进行聚类分析,可将测定的植物划分为含水率较高(>70%)、中等(50%～70%)、较低(<50%)3个等级.以上研究揭示了荒漠植物含水量大小和光谱数据之间的关系,为荒漠区生境分析和利用遥感数据进行荒漠植物监测提供了参考依据.     

小波变换的潮滩沉积物含水量预测

潮滩沉积物水分的分布在空间和时间上会有很大的变化,含水量的变化会导致沉积物中生源要素含量的变化.因此,实时、准确、快速的监测潮滩沉积物含水量,对了解潮滩的各种特性,掌握潮滩生源要素信息,潮滩资源的开发有着重要意义.采集青岛市东大洋村潮间带的沉积物115份,分别测定新鲜样品、风干4周、风干8周样品的可见近红外光谱和含水量...     

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。     

不同含水量黑土土壤光谱反射率半经验模型构建

土壤含水量的变化情况与时空分布对热量平衡、农业墒情等具有显著的影响。利用反射率光谱信息反演土壤含水量的研究,可为实现土壤含水量速测、揭示土壤含水量时空变异规律提供科学依据。构建不同含水量黑土土壤反射率光谱半经验模型,深入探究土壤重量含水量与反射率光谱的关系。 制备了12种不同湿度的土壤样品。 采用ASD Field Spec Pro 3地物波谱仪对制备的不同湿度梯度的黑土土壤进行反射率光谱测量。 利用菲涅耳反射率建立土壤表面反射模型;在以往的研究中,Kubelka-Munk (KM)模型中的漫反射率R_∞通常被视为对于给定材料和照明波长的常数或需要反演的参数。通过研究发现,漫反射率R_∞不仅与材料和波长有关,还与土壤含水量相关。利用与土壤含水量相关的吸收系数及散射系数描述了土壤含水量与漫反射率R_∞的关系,并基于KM理论对体散射分量进行建模;进而构建不同含水量黑土土壤反射率光谱半经验模型。 根据实际测量数据选用最小二乘算法对模型参数进行反演,并通过分析反演参数简化模型。最后,将未参与建模的不同含水量梯度的数据代入模型中,验证模型的有效性。结果表明：对比不同含水量土壤反射率光谱的模拟值与实测值在400～2 400 nm波段范围内的模拟精度发现,含水量为200 g·kg-1的土壤反射率光谱的均方根误差最大,为0.008,含水量为40 g·kg-1的土壤反射率光谱的均方根误差最小,为0.000 6,不同含水量下土壤样品反射率光谱的均方根误差的均值是0.005 1。在400～2 400 nm波段范围内,不同波长下黑土土壤反射率光谱的预测均方根误差基本低于0.008,1 920 nm波长处的预测均方根误差最小,为0.002 062。采集长春地区的土壤检验模型的可靠性,配制15个不同含水量样品并对其进行反射率光谱测量。选取9个样品数据用于建模,6个样品数据用于验证。结果表明：在400～2 400 nm波段范围内,不同波长下的长春土壤反射率光谱的预测均方根误差基本低于0.015,525 nm波长处的预测均方根误差最小,为0.000 922 5。综上所述,所建立的模型具有很高的预测精度,可很好地适用于不同含水量黑土土壤反射率光谱的模拟。     

智能手机的主要叶类蔬菜品质和新鲜度指标的光谱检测

蔬菜品质和新鲜度的高低不仅影响食用时的口感,而且营养程度也不一样。作为蔬菜品质和新鲜度重要参考指标之一的叶绿素和含水量的检测,已经越来越受到国内外学者的重视。相比于传统的肉眼目视判断的检验方法,可见-近红外光谱分析具有快速高效、无损、非接触等独特的优势,更加适合蔬菜的实时检测。目前相关研究主要集中在生长中植被叶绿素和含水量的反演,对市场上成品蔬菜的研究较少,或者研究对象单一,缺乏市场普适性。此外,光谱数据的获取需要专业的光谱仪采集,费时费力,各种生理生化指标的研究离实用化还有很长的距离。为了与实际相结合,基于智能手机光谱系统（SCSS)建立了快速、准确、普适性强的反演蔬菜叶绿素和含水量的模型,并通过地面光谱仪SVC数据验证了该系统的可靠性。选取市场典型的五种蔬菜（菠菜、小油菜、油麦菜、生菜和娃娃菜）作为实验样本,分别进行常温保存和冷藏保存来模拟现实中菜市场和超市的蔬菜储存环境。每隔24 h进行一次数据采集。对获取的原始光谱数据进行波段选择和小波变换去噪的预处理。构建蔬菜叶绿素反演指数(VCRI_{（m, n）})和蔬菜含水量反演指数(VWRI_{(i, j)}),分别提取该两个指数与叶绿素和含水量实测值的相关系数R作为权重系数,最终建立了叶绿素和含水量的加权平均反演模型。实验结果表明,SVC仪器和SCSS两者数据针对蔬菜叶绿素和含水量的敏感波段基本一致,叶绿素反演的敏感波段在730~980 nm之间,反演精度R2分别为0.863和0.808 1,标准差为8.679 5和8.892 5;含水量反演的敏感波段在水汽吸收波段950~1 000 nm之间,反演精度R2分别为0.742 9和0.712 9,标准差为8.789 9%和8.861 4%。SVC实验数据跟SCSS实验数据结果十分接近,验证了新型智能手机光谱系统实时监测蔬菜叶绿素和含水量的有效性。智能手机光谱系统具有体积小、价格便宜的优势,结合网络云端服务和实时数据反馈的特点,能够实现蔬菜品质和新鲜度指标的智能检测,让光谱分析真正应用于人们日常生活中。     

不同含水量尾砂的光谱特征与遥感模型

我国尾矿库数量众多,分布广泛,在低含水量条件下,风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大,含水量变化快,传统的含水量监测方法效率低、安全性差、成本高,难以实现尾矿库含水量的大面积、实时、快速的监测。目前,基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量,但矿区尾砂与常规土壤在成分上存在差异性,使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此,选择辽宁省风水沟尾矿库作为研究区,采集尾砂配置成不同含水量的样品,测试其可见光-近红外光谱,分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系,建立针对尾砂的含水量遥感预测模型,并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明：（1）含水量对尾砂的光谱特征有显著影响,二者存在高度的相关性,光谱反射率随含水量增加而下降,且波长越长,含水量对光谱的影响越显著;（2）构建了基于尾砂光谱特征的含水量遥感预测模型,选择Landsat8-OLI传感器的B6和B7波段,定义了比值指数（RTI）、归一化差异指数（NDTI）和差值指数（DTI）3种尾砂光谱指数,并将这3种指数作为输入自变量,使用随机森林方法进行训练以及含水量的建模预测,并与B7波段建立的对数反射率预测模型进行比较。结果表明,光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。（3）使用光谱指数+随机森林的预测模型,通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图,结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798,均方根误差RMSE为0.077,相对分析误差RPD为1.970,平均相对精度ARE为20.1%,在现有技术条件下,达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方法。     

Arrhenius模型模拟蜂蜜黏度-温度-含水量变化规律

蜂蜜的黏度受温度、含水量、成分以及蜜源产地等因素的影响。本文使用DHR-2流变仪测定了20个不同含水量的洋槐蜂蜜、荆条蜂蜜、油菜蜂蜜在5℃～25℃范围内的黏度值。在该温度范围内,蜂蜜的黏度随温度升高而降低,随含水量升高而降低。温度对洋槐蜂蜜、荆条蜂蜜、油菜蜂蜜的黏度的影响都遵从Arrhenius公式。蜂蜜的黏度受温度、水分、成分以及蜜源的影响,本文提出可用Arrhenius模型方程来描述蜂蜜的黏度随温度以及水分的变化趋势,可为蜂蜜黏度数据库的建立提供参考。