内蒙古河套平原表层土壤近红外光谱分析及其意义

近红外分析技术已经广泛应用于岩石分析中,方法简单、快速、有效,可以在短期内分析较多样品,适合应用于区域地质物质成分的分析。近红外光谱中不同矿物分子会表现出不同的峰值特征,故对层土壤进行近红外分析,可以较精确的获得土壤中矿物成分、含水量、矿物结晶程度等信息。通过分析河套平原土壤样品,推测出其矿物成分、含水量、晶体结晶程度等,结合当地气候特征和地质环境,推测其物质来源和矿物形成环境,不仅完善了当地的地质特征,还对河套地区土壤的成因机制的研究有重要意义。实验结果表明,河套平原表层土壤的矿物主要由高岭石、蒙脱石、伊利石、白云母等蚀变矿物组成,从而推测其来源为阴山山脉中酸性岩体,同时提出阴山山脉在气候方面对河套平原土壤形成也有重要影响,内蒙古地区虽然为大陆性干旱气候,但降水量充足,且阴山山脉南北两侧的年平均降水量差异巨大,阴山山脉南部的年平均降水量较北部大,保证了河套平原湿润的环境,有利于沉积物充分蚀变,这些均为土壤成因机制的完善提出了新的研究方向。     

基于深度稀疏学习的土壤近红外光谱分析预测模型

提出一种基于深度稀疏学习的土壤近红外光谱分析预测模型。首先,使用稀疏特征学习方法对土壤近红外光谱数据进行约简,实现土壤近红外光谱内容的稀疏表示;然后采用径向基函数神经网络以稀疏表示特征系数为输入,以所测土壤成分为输出,分别建立土壤有机质、速效磷、速效钾的非线性预测模型。结果表明用该模型预测土壤有机质的含量是可行的,但对土壤速效磷和速效钾含量的预测还需对模型做进一步的优化。     

土壤主要养分近红外光谱分析及其测量系统

土壤是农业生产的基础,采用近红外光谱技术实现对土壤养分的快速分析,研制分立波长型近红外土壤养分测量系统,指导农业生产过程,有助于改变现有农业生产的粗放经营状态.首先,使用FOSSXDS近红外光谱分析仪对85份东北土壤样品采集光谱,采用相关系数谱及连续投影法等化学计量学算法分析土壤的近红外光谱,并优选出总氮和有机质的特征...     

不同类型土壤总氮的近红外光谱技术测定研究

该研究从江苏、河南、山西、河北、吉林采集部分表层土壤,并在山西河北两地采集表下层土壤,经前处理后通过近红外光谱仪扫描得到光谱图,用传统开氏法测得其总氮,运用OPUS软件建立了土壤总氮和光谱图之间的数学模型,并初步探讨了模型的应用范围。结果表明：各地区表层土壤建立的模型良好,交叉检验的均方根误差均在0.01%以内,相关系数平均在0.85以上,并且该模型能够很好地定量分析同一采样范围内表层和表下层的土壤总氮,定量分析的均方根误差基本在0.01%以内,相关系数在0.80左右;可能受土壤类型的影响,该模型在地区之间的运用具有一定的局限性;从各地区随机取出部分数据作为一个新的集合建立的综合模型良好,其交叉检验的均方根误差和相关系数分别为0.010 2%和0.985 6,并且该模型能很好地预测各地区的土壤总氮。     

化学镀铜天然高分子材料表面特征的近红外光谱分析

通过对天然高分子材料木材进行化学镀的方法制成的木质电磁屏蔽材料既可以保留木材的一些优良特性,又能有效改善木材导电、 导热和电磁屏蔽性,不仅为木材的增值利用开辟了新道路,还为电磁屏蔽材料的加工利用拓宽了领域。本研究利用近红外光谱结合主成分分析法对化学镀铜处理前后样品进行了分析研究,旨在探讨利用近红外光谱技术研究该材料表面特性的可行性。结果表明：(1)化学镀铜前后样品表面的近红外光谱在形状和吸收强度上存在显著差异,而不同镀铜时间的样品之间也存在差异,尤其是反应未充分的样品。(2)经过主成分分析后,镀铜前后样品沿PC1轴、 PC2轴大致分成了6类,其中未处理样品、 活化处理样品性质较接近,镀铜时间25和40 min样品因反应充分,性质也比较类似,说明近红外光谱中包含反映材料处理前后的重要特征信息。(3)比较近红外区域和可见光区域光谱的主成分分析效果,发现近红外光谱区比可见光光谱区对镀铜处理前后样品的分类效果好,可见光光谱在突出样品的表面颜色特征信息方面表现更好,这说明两者结合运用更有利于样品表面特征信息的表征。     

卷积神经网络用于近红外光谱预测土壤含水率

近红外光谱分析技术在土壤含水率预测方面具有独特的优势,是一种便捷且有效的方法。卷积神经网络作为高性能的深度学习模型,能够从复杂光谱数据中自主提取有效特征结构进行学习,与传统的浅层学习模型相比具有更强的模型表达能力。将卷积神经网络用于近红外光谱预测土壤含水率,并提出了有效的卷积神经网络光谱回归建模方法,简化了光谱数据的预处理要求,且具有更高的光谱预测精度。首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理,通过主成分分析减少光谱数据量,并将处理后的光谱数据变换为二维光谱信息矩阵,以适应卷积神经网络特殊的学习结构。然后基于卷积神经网络算法,设置双层卷积和池化结构逐层提取光谱数据的内部特征信息,并采用局部连接和权值共享减少网络参数、提高泛化性能。通过试验优化网络结构和各项参数,最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型,并与传统的BP,PLSR和LSSVM模型进行对比实验。结果表明在训练样本达到一定数量时,卷积神经网络的预测精度和回归拟合度均高于三种传统模型。在少量训练样本参与建模的情况下,模型预测表现高于BP神经网络,但略低于PLSR和LSSVM模型。随着参与训练样本量的增加,卷积神经网络的预测精度和回归拟合度也随之稳定提升,达到并显著优于传统模型水平。因此,卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测,且在较多样本参与建模时取得更好效果。     

内蒙古草原拜仁达坝矿区地表土壤的X射线衍射和近红外光谱分析

在内蒙古草原拜仁达坝矿区上部的地表覆盖层中均匀采集土壤样品,用X射线衍射和近红外光谱技术对样品进行分析测试,旨在探讨草原矿区土壤成分来源及其与地下岩体的关系。结果表明,该土壤样品主要由石英、石墨、碳酸盐、角闪石、云母、绿泥石、蒙脱石、伊利石、块磷铝矿、硬水铝石、蓝铜矿、赤铁矿等组成,说明了地表土壤成分不仅来源于地表岩体风化产物,与地下岩体及其围岩蚀变作用更加密切相关。土壤中所含蓝铜矿和赤铁矿主要来源于矿体氧化带,可作为找矿标志;蚀变矿物组合主要为绿泥石-伊利石-蒙脱石,推测该区域大致经历了钾化→硅化、碳酸盐化→绢云英岩化→泥化的蚀变过程。通过分析蚀变矿物组合,可以还原围岩蚀变及物理风化过程,为深部找矿以及矿床成因研究提供了重要的参考信息,提高了找矿的成功率。X射线衍射和近红外光谱技术用于矿物、矿床研究方面,有着经济、快速的特点,能很好的鉴定矿区地表土壤中的矿物成分。尤其是近红外光谱分析技术对样品要求低,可以对样品进行快速批量的分析,具有其独特的优越性。随着近红外技术的发展,其在地质领域中将有越来越广泛的应用,并且能在找矿勘探中发挥重要的作用。     

四川平通512地震地表破裂带土壤近红外光谱分析及意义

在四川省平武县平通镇的512地震地表破裂带中采集黄色土壤样品,采用现代近红外光谱分析技术进行分析测试。通过对土壤中的矿物微粒特征吸收峰的快速鉴别,表明土壤样品主要由方解石、白云石、白云母、绢云母、伊利石、蒙脱石、滑石、透闪石、阳起石、绿泥石等矿物组成,其矿物成分与四川地区分布的黄壤成分基本一致。分析对比发现,土壤中的部分矿物与破裂带下部岩体的矿物组成特征相符合,说明该破裂带中的部分土壤矿物的演化与该地区岩石的矿物组成密切相关;地表破裂带土壤中的粘土矿物组成与北方的马兰黄土相似,推测这两种土壤中的粘土矿物可能具有相似的成因。研究结果说明近红外土壤矿物的分析技术可以有效分析土壤中的矿物微粒、指示成土环境,从而论证了将近红外光谱分析技术应用于土壤矿物的快速分析、地质研究的可行性。同时研究结果可以成为该地区土壤矿物分析的基础,为以后的土壤矿物以及地震破裂带的研究提供新的思路和方法。     

大宝山多金属矿床氧化微粒的X射线衍射和近红外光谱分析及其意义

利用XRD和NIR技术对大宝山东岗岭组下亚组氧化矿中7个氧化物样品微粒进行分析,其中前4个样品为同一标高,后3个样品为不同标高。XRD,NIR研究结果表明随着氧化程度的加深（04-2→04-3→04-4）,Al-OH矿物吸收峰位所对应的波长不断加大（2 160.72→2 163.05→2 200.36 nm）,说明矿物中的阳离子Al被取代,产生贫Al现象;且对应的峰的强度从7.08×10-4, 7.83×10-3到6.66×10-2,说明Al-OH矿物的含量不断上升;另外SO2-₄矿物所对应的吸收峰位（1 938.80→1 946.94→1 926.47 nm）的强度从5.635×10-2, 1.82×10-2到1.668×10-2,说明随着氧化的进行,SO2-₄矿物的含量不断下降, 结合前人研究, 我们可以推测出早期形成的铜多金属硫化物矿床在后期发生强烈氧化作用, 使得硫化矿体氧化, 其中的硫经氧化形成强酸性硫酸溶液, 围岩受到硫酸溶液的腐蚀, 转变成松散的黏土;在04-2, 04-3, 13-1号样品中发现钠明矾石和钾明矾石,矾类矿物的大量发现说明该矿区的氧化淋滤作用仍在进行;通过XRD与NIR技术发现了石英、绢云母、方解石、绿帘石、角闪石、透闪石、金云母、绿泥石、高岭土等矿物,很好的反映出蚀变类型,且与此区域的地质特征相吻合,目前近红外已开始用于矿床勘查中的蚀变填图。通过光谱分析发现了矿床深部氧化过程与阳离子取代间的关系, 并以光谱学的视角验证了前人对于大宝山矿床成因的解释。研究表明一方面XRD和NIR可以有效的分析土壤和岩石的矿物成分,从而为该地区矿床矿石研究提供服务;另一方面NIR可以波长的迁移情况反映离子交代,峰的尖锐程度反映结晶程度,峰的强度反映矿物含量,这些独具的优势使其可以从微观角度研究矿物的氧化。不过有一点需要指出来,和近红外与X射线衍射在其他领域的研究相比,这两种技术在地质学的应用需要进一步加深,包括地质学应用的理论基础研究和光谱的分析解释手段,以尽量做到不仅可以通过光谱技术分析出所对应的矿物类型还能快速分析出不同矿物的含量及同一矿物的不同构型。     

便携式短波近红外光谱仪器检测土壤总氮含量研究

基于便携式短波近红外光谱技术检测了土壤总氮含量。采集浙江省文城地区农田土壤样本243个,将土壤样本分为三组,一组未经过粉碎、过筛等处理,一组做过2 mm筛处理,一组过0.5 mm筛过处理,采用usb4000便携式光谱获取土壤光谱数据,结合(savitzky-golay, SG)平滑算法,波长压缩算法和小波变换对原始数据进行预处理,然后采用竞争性自适应重加权、随机青蛙和连续投影算法进行特征波长选择。基于全光谱建立了偏最小二乘回归和基于特征波长建立了极限学习机和LS-SVM模型。结果表明过筛处理后的样本模型结果优于未过筛的样本模型结果,过0.5 mm筛处理的土壤样本模型预测结果略优于过2 mm筛处理的土壤样本模型预测结果,最优预测集的决定系数为0.63,预测均方根误差为0.007 9,剩余预测偏差为1.58。表明便携式仪器检测土壤总氮含量,经过过筛处理的土壤样品检测结果优于未过筛土壤样品检测结果,建议土壤样品检测总氮含量时需经过过筛处理,这样得到的结果较为理想,在此基础上采用性能较好的光谱仪器采集数据,以减小原始光谱噪声。     

卷积神经网络和近红外光谱的土壤pH值预测

土壤pH值是影响土壤养分转化和土壤肥力的关键因素,使用近红外光谱技术对土壤pH值进行检测可为土壤资源的开发利用提供重要依据.卷积神经网络作为深度学习在人工智能方面的典型算法,由于其结构具备"局部感知,权值共享"的能力,因此不仅能够对复杂的光谱数据进行特征抽取,还能够减少网络的训练参数,提高网络的运算效率.将卷积神经网络...     

玉米秸秆组分近红外漫反射光谱(NIRS)测定方法的建立

玉米秸秆是我国产量最大的秸秆生物质资源,但目前还没有快速高效的组分分析方法,本研究利用傅里叶变换近红外漫反射光谱 (NIRS) 技术,采用偏最小二乘法(PLS),在国内首次建立了NIRS测定玉米秸秆中灰分、半纤维素、纤维素、Klason木质素、酸不溶灰分和水分含量的校正模型,该模型稳定,适合不同地区、不同品种的玉米秸秆及其不同部位。实验结果表明,采用一阶导数+Karl Norris滤波预处理,谱区在4 100～7 500 cm-1,能得到理想的预测模型。该模型对玉米秸秆各组分的交叉验证均方差(RMSECV)范围为0.090 3～1.45,预测误差(RMSEP)范围为0.256 9%～2.581 9%,预测相关系数≥0.871 1。该研究对加速我国秸秆生物质的工业转化具有重要意义。     

近红外光谱法快速测定植物油中脂肪酸含量

应用近红外光谱技术建立了快速测定植物油中4种脂肪酸含量的方法。应用气相色谱法测定52个植物油样品中棕榈酸(C16：0)、硬脂酸(C18：0)、油酸(C18：1)和亚油酸(C18：2)的含量作为其化学值(真值)。建模集样品数为41,检验集样品数为11,通过对模型的优化,结果表明建模样品集脂肪酸的化学值(真值)与近红外预测值的相关系数r分别为：r(C16：0)=0.891,r(C18：0)=0.837,r(C18：1)=0.982,r(C18：2)=0.971。检验样品集脂肪酸的化学值与近红外预测值的相关系数分别为0.921,0.891,0.946和0.949。实验结果表明气相色谱法测得的植物油中四种脂肪酸含量与近红外预测值之间存在较好的线性关系。应用近红外光谱法测定植物油中主要脂肪酸的含量是可行的。该方法既快速、方便,又可进行同一样品的多组分分析,有很好的应用前景。     

紫外、近红外、多源复合光谱信息的银杏叶质量快速分析

为考察不同类型光谱信息用于银杏叶质量快速分析的适应性,收集了58个银杏叶样品,采用高效液相色谱方法(HPLC)测定其黄酮及内酯类活性成分的含量作为定标和检验样本的因变量(y)值,测定各样品的紫外、近红外光谱及包含紫外、可见及近红外信号的多源复合光谱信息作为样本的自变量(x)值;分别采用偏最小二乘回归(PLSR),以及根据待测样本在自变量空间最近邻K个样本与待测样本间的相互关系去预测其因变量值的KNN保形映射(KNN-KSR)方法,建立银杏叶活性成分的光谱定量分析模型,比较各光谱模型下检验集样本实测值与模型值的相关系数(R)、均方根偏差(RMSEP)、平均相对误差(MRE)。结果表明PLSR方法所建立的三类光谱模型的各项指标均不及KNN-KSR方法、且其紫外光谱模型的结果极差;而采用KNN-KSR方法根据三类光谱信息预测银杏叶中黄酮、内酯类成分时,R基本能达到0.8、RMSEP分别小于0.05与0.025且其平均相对误差均在8%以下。采用KNN-KSR方法根据紫外、近红外及多源光谱信息均可实现对银杏叶中四类黄酮醇苷成分及三类内酯成分含量的快速分析,突破了现有工作只是基于PLSR方法、根据近红外光谱信息对银杏叶总黄酮醇苷进行定量分析的局限;利用紫外和多源复合光谱信息及KNN-KSR方法进行银杏叶中黄酮醇苷及内酯类成分的快速检测,为银杏叶质量分析提供了更多的方法和选择。多源复合光谱仪具有体积小、成本低,便携的优点,非常适合银杏叶药材现场采购的快速检测及后续产品的质量分析与监控。     

多元散射校正预处理波段对近红外光谱定标模型的影响

利用近红外光谱对非均匀样品进行分析时,所得样品光谱中包含由光散射导致的干扰信息,通常需要借助多元散射校正算法(multiple scattering correction, MSC)对光谱进行预处理。由于不同波段光谱中所包含的散射信息、噪声水平、基线漂移程度等存在差异,利用MSC方法对光谱进行预处理时,基于不同波段的光谱数据会得到不同的校正结果,进而影响所得定标模型的可靠性。以60个全麦粉样品为研究对象,确定定标区间后,对包含定标区间的不同波段的原始光谱分别进行MSC处理,并利用固定区间内的光谱数据结合偏最小二乘回归(partial least square regression, PLSR)方法建立分析样品中蛋白质含量的定标模型,研究了MSC光谱预处理波段对定标模型的影响,并对MSC光谱预处理波段进行了优化,使定标模型的相关系数由0.96提高到0.98,交互验证均方根误差(root mean squares error of cross validation, RMSECV)由0.37%降低到0.32%。结果表明：利用MSC方法对样品光谱预处理时,光谱预处理波段会影响多元散射校正对光谱中非化学吸收信息的校正能力,确定合适的预处理波段是获得可靠分析结果的一个前提条件。     

近红外光谱法检测聚醚多元醇伯羟基与仲羟基的相对含量

文章利用近红外光谱法,采用多元线性回归检测了聚醚多元醇的伯羟基与仲羟基的相对含量,得到了较好的预测结果,对工业在线检测具有重要的参考价值。     

近红外光谱技术实时测定土壤中总氮及磷含量的初步研究

及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2_CV)分别为0.862 6(N),0.668 5(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.969 8,0.830 7,预测标准误差(RMSEP)分别为0.009 5%(N),0.008 6%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。