中药指纹图谱的融合技术

中药指纹图谱作为中药材真伪鉴别及质量控制的有效手段,具有整体、宏观和模糊分析等特点。高效液相色谱是指纹图谱研究的主流方法,在中药质量控制中具有重要地位。针对栀子药材而言,包括3类主要物质：环烯醚萜苷类、有机酸类和色素类。仅采用一个特征波长下的色谱指纹图谱无法对栀子药材进行整体表达和全面评价。为此,     

增敏光度法测定粮食中微量碘

研究了NaCl增敏碘 淀粉显色反应。NaCl用量为0 24g mL,H3PO4(3 97)为0.5mL的酸度条件下以KI还原KIO3与淀粉显色,λmax=483nm,λmax=2 7×105L·mol-1·cm-1。在483nm处,测得碘在大米、小麦和玉米中的回收率在96.3%～99.1%,RSD<2.5%。该法已用于大米、小麦、玉米等食品中微量碘的分析。     

SPME/GC-MS鉴别地沟油新方法(Ⅱ)

采用固相微萃取/气相色谱-质谱(SPME/GC-MS)方法测定地沟油中的微量杂质成分,通过对各种纯正植物油中的内源性微量成分与不同地区地沟油中的外源性杂质成分的对比分析,以及对地沟油中杂质成分来源的分析,确定了广州、贵州、深圳、北京等地区地沟油的特征成分,并作为鉴别指示成分。该方法灵敏度高、特征性强,在卫生部组织的地沟油检测盲样考核中,对阳性样品判断的准确率高达95.5%。     

氮肥管理对夏玉米土壤CH4和N2O排放的影响

通过设置四个不同的氮肥管理措施, 即氮肥施用量300 kg N/ha (N300)和250 kg N/ha (N250)、改进的施肥模式(Optimized)以及施用缓释肥(SRU), 研究华北平原夏玉米生长季土壤与大气之间CH₄和N₂O的交换通量及相应措施的减排潜力. 结果表明, 在2008年整个夏玉米生长季, 土壤都是大气CH₄的净吸收库和N₂O的排放源. 夏玉米生长季土壤氧化吸收的CH₄总量从大到小依次为Optimized > N250 > SRU > N300, 对应的吸收总量依次为624.16、590.07、487.89以及316.02 g CH₄-C/ha, 各处理间氧化吸收的CH₄总量无显著差异. 与N300和N250这两个处理相比, 依据夏玉米对氮肥的需肥规律以及玉米根层土壤速效氮的供给能力而确定氮肥施用量, 同时再平衡施用磷肥和钾肥的改进施肥模式能够显著降低夏玉米生长季N₂O的排放. 施用聚乙烯包膜的尿素也能够显著降低夏玉米季N₂O的排放. 夏玉米生长季土壤排放的N₂O总量从大到小依次为N300 > N250 > Optimized > SRU, 对应的排放总量依次为3462.18、2340.07、1680.00以及911.91 g N2O-N/ha, 相应的N₂O排放系数分别为1.15%、0.94%、0.91%以及0.30%.     

毛细管液相色谱法分离植物内源激素

建立了毛细管液相色谱法(CLC)同时分离测定4种植物内源激素的方法.采用硅胶基质ODS整体柱(27 cm×100 μm i.d.)作为分离柱,以带有光程为3 mm的光纤检测池的紫外检测器作为检测手段,在室温下以含10 mmol/L乙酸(pH 3.0)的V(甲醇):V(水)＝35:65为流动相,以0.6 μL/min的流速进行等度洗脱.采用溶剂梯度效应和扩展光程的检测池来提高检测灵敏度,该方法测定4种植物内源激素的检出限(S/N=3)在27.7～196.1 ng/mL之间,峰面积和保留时间的相对标准偏差(RSD)小于2.8%.方法已用于不同种类玉米样品的测定.     

中国玉米产量与消费量预测研究——基于改进GM(1,1)模型

中国当前玉米生产量与消费量的不断增长标志着玉米行业的巨大发展潜力.以2012-2020年中国玉米生产量与消费量为例,通过提升原始数据序列光滑性和重置时间响应函数初始条件两方面对传统GM(1,1)模型进行改进,并对模型的拟合情况进行检验.研究结果表明:改进后模型的平均相对误差及后验方差比值均低于传统模型,这表明改进模型比传统模型具有更高的预测精度,能够更好地预测中国玉米生产量与消费量情况.最后利用改进的GM(1,1)模型预测2021-2025年中国玉米生产量与消费量,发现2021-2025年中国玉米生产量与消费量将持续增长,但增速放缓.研究结论科学、可靠,可为中国玉米产业的经营和管理提供一定的科学依据.     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过AntarisⅡ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析(PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA, FLDA和KNN算法的模型鉴别准确...     

基于UMAP辅助的模糊C聚类方法进行太赫兹光谱识别

太赫兹(THz)具有低能性、瞬态性、波谱分析能力强的优点,在物质鉴别方面具有广阔的应用前景。现有的基于THz的物质鉴别方法,虽然取得了一定的效果,但是存在容易陷入局部最优的问题,从而导致识别精度不高。均匀流形逼近与投影(UMAP)作为一种非线性降维方法,其假设数据均匀分布在黎曼流形上,可以对具有模糊拓扑结构的流形进行建模。UMAP降维的过程是通过最小化两个拓扑表示之间的交叉熵,从而实现低维空间中数据表示的布局优化。传统的模糊C聚类方法(FCM)在聚类时,初始聚类中心往往随机给定,当初始聚类中心选择不恰当时,容易导致错误的聚类。为此,提出一种基于UMAP辅助的模糊C聚类算法,首先运用UMAP对输入的THz样本矩阵进行降维;再根据类与类之间距离最大化的原则,选择合适的初始聚类中心;最后利用模糊C均值聚类的方法进行聚类。所提出的方法不仅能够解决聚类过程中类与类之间过度拥挤的现象,而且能够反映出类别间的距离信息以便于给样本选择合适的初始聚类中心。为了验证提出的聚类方法的可靠性,运用太赫兹时域光谱技术对鲁棉研28、鲁棉研29、鲁棉研36、中棉28四种不同类型的转基因棉花种子进行了探测,利用基于U...     

结合小波压缩和APTLD的三维荧光光谱技术在掺伪麻油鉴别中的应用

将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%～99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。