烘箱消解-镉铜还原法测定地表水中总氮

提出了烘箱消解-镉铜还原法测定地表水中总氮含量的方法。氮的浓度在7.637×10-4～1.375×10-2 mmol.L-1范围内与其吸光度呈线性关系,检出限(3S/N)为6.704×10-5 mmol.L-1。对人工海水、实验室自来水、海水和湖水中总氮进行测定,其回收率和相对标准偏差(n=6)分别在96.7%～101.3%和3.7%～3.9%之间。     

紫外消解流动注射光度法测定海水养殖废水中总氮、总磷

采用紫外消解–流动注射分光光度法测定海水养殖废水中总氮和总磷。总氮样品浓度在0.050~5.00mg/L范围内,总磷样品浓度在0.020~5.00 mg/L范围内均与峰高有良好的线性关系(r分别为0.999 90和0.999 94)。在盐度为35,进样时间为70 s,清洗时间为90 s的条件下,总氮和总磷的检出限分别为0.050mg/L和0.020 mg/L,测定结果的相对标准偏差分别为1.15%,0.60%(n=6),加标回收率分别为98.7%~101.2%和98.6%~102.5%。该方法能满足海水养殖废水中总氮和总磷的监测要求。     

近红外漫反射光谱的小波变换滤波

利用小波变换对５２个烟草样品的近红外漫反射光谱进行滤波处理，并用ＰＬＳ法来计算烟草样品的总氮含量，结果表明小波变换滤波后，预测集的相对标准偏差由原来的９．２％降为７．４％，此结果也优于傅里叶变换和五点三次平滑。     

过硫酸钾氧化吸光光度法测定植物总氮

提出植物样经Ｈ２ＳＯ４＋Ｈ２Ｏ２凯氏消煮,试液中和后用过硫酸钾碱性溶液氧化,在酸性条件下用紫外吸光光度法测定包括铵态氮、硝态氮及亚硝态氮的总氮含量。对植物标准物质ＧＢＷ０７６０３作平行试验,分析结果与标准值的相对误差为４．７％;方法的相对标准偏差为３．３％。用该法作了批量分析,操作简便,数据可靠。     

水中总氮测定有关问题的探讨

大量的生活污水、农田排水或含氮工业废水排入天然水体中中,使水中有机氮和各种无机氮化物的含量增加,生物和微生物大量繁殖,消耗水中的溶解氧,使水体质量恶化。若湖泊、水库中的氮含量超标,会造成浮游植物繁殖旺盛,出现水体富营养化状态。因此,总氮是衡量水质的重要指标之一。     

生物转盘高效脱氮的实验研究

采用单轴三级生物转盘(RBC),在水力停留时间(HRT)为5、8、12h时,总氮(TN)去除率分别为30.94%、51.52%、58.67%。证明了生物转盘具有同步硝化反硝化的功能。增加硝化液回流系统后,在温度为15℃、回流比为200%时,TN去除率为74.57%。改变转盘的转速及水温,在试验中水温30℃、生物转盘转速10r/min时,转盘对TN的去除率达到最大值为85.35%。实验结果表明,生物转盘在污水脱氮上有较好的应用前景。     

水质中总氮测定的影响因素分析

采用碱性过硫酸钾消解―紫外分光光度法对水质中总氮含量进行测定,分析影响总氮测定结果的各种因素。实验结果显示,测定水中总氮过程中,实验所用纯净水、过硫酸钾纯度及碱性溶液存放时间对空白吸光度有明显影响,消解时间和冷却放置时间也会影响测定的空白吸光度和相对误差。在实验确定的最佳条件下对样品进行测定,结果准确可靠。     

总氮测定中空白值的影响因素及其控制方法

用紫外可见分光光度法测定水样中总氮时,经常出现空白值偏高的情况,这将直接加大了分析测试的系统误差。为了保证总氮分析测定的精密度和准确度,以满足总氮测试的技术要求,对总氮测定中影响空白值的主要因素———玻璃器皿的洁净度、实验室环境、碱性过硫酸钾的纯度和放置时间、实验室用水、消解时间和温度及自然冷却时间等进行了研究,并定量分析了相应影响因子对空白值的影响程度,通过多组实验数据的比对分析,提出了有效控制空白值的最佳实验条件,以指导实验操作。     

双系统离子色谱法检测水中硫化物、氰化物、总磷和总氮

针对水中硫化物、氰化物、总磷、总氮标准方法检出限较高,存在检出即超标的风险,且需分开检测的问题,本文通过调整过硫酸钾和氢氧化钠的配比,并试验了过硫酸钾纯度以及加热消解方式对总磷总氮检测结果的影响,确定最优的消解条件,将水中的磷和氮氧化为磷酸盐和硝酸盐,与硫化物、氰化物采用离子色谱分别测定,结果同时输出。该方法在实验测定的浓度范围内硫化物、氰化物、总磷和总氮的相对标准偏差分别为1.370%～8.074%;硫化物、氰化物、总磷和总氮的检出限分别为 0.0003mg/L、0.0001 mg/L、0.01 mg/L、0.03 mg/L;对实际水样中加标回收率分别为95.40 %～107.80 %;与实验室现有检测方法方法相比,检测时间大幅压缩,提高了检测效率。本方法已经应用于水中硫化物、氰化物、总磷和总氮的检测,并与参考方法具有良好的一致性。经过扩展,该方法可用于白酒中硫化物和氰化物以及窖泥中总磷、总氮的检测。     

基于可见/近红外光谱和数据驱动的机器学习方法测量土壤有机质和总氮

土壤养分直接关系到作物产量与品质状况,然而传统化学方法检测存在化学试剂消耗大、耗时费力等问题,不能满足精细农业的需求。快速获取土壤养分信息是发展精细农业、绿色农业的关键,想要了解土壤肥力状况,必须先了解有机质和总氮的含量状况。许多研究表明,长波近红外光谱被广泛应用于土壤检测领域,然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区,根据2×2网格法采集了深度为10～30cm的棕壤、红壤和水稻土三种最为典型的土壤样品共180份。经过研磨、风干等处理后用四分法均匀划分为两份,用于测定样品光谱信息和理化信息。将土壤样品按照2∶1(120∶60)划分为建模集和预测集。考虑到首尾端波段噪声较大,故去除325～349和1 051～1 075nm波段,将350～1 050nm波段用于光谱分析。通过连续投影算法(SPA)筛选出有机质12个特征波长点,总氮11个特征波长点,考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系,建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质...