表面增强拉曼光谱检测脐橙果皮混合农药残留

为了研究果皮农药残留快速检测方法。该文以脐橙为例,混合农药(亚胺硫磷和乐果)为研究对象,选用银纳米线作为增强基底,利用共焦显微拉曼光谱仪对农药残留进行检测。通过表面增强拉曼光谱(surface enhanced Raman scattering,SERS)技术,采集脐橙表皮混合农药残留的SERS光谱。对混合农药定性分析,银纳米线对2种农药都有较好的增强效果。对采集的光谱进行预处理后,建立模型,进行定量分析,研究结果表明,经过二阶微分预处理后光谱数据结合偏最小二乘法(partial least squares,PLS)得到的模型预测效果最好,预测相关系数(R_p)为0.954,其预测均方根误差(root-mean-square prediction error,RMSEP)为4.822 mg/L。挑选两种农药特征峰的特征波段,混合农药中亚胺硫磷的特征波段经多元散射校正(multiplicative scatter correction,MSC)处理后,建模效果较好,其中R_p为0.898,RMSEP为6.621 mg/L;混合农药中乐果的特征波段经基线校正处理后,建模效果较好,其中R_p为0.911,RMSEP为7.369 mg/L。研究结果表明SERS技术是一种快速、可靠的检测混合农药残留的方法。     

精料补充料中肉骨粉含量的近红外光谱检测

为了保证饲料安全,精料补充料中肉骨粉的检测是十分必要的。该文探讨了精料补充料中肉骨粉含量的近红外光谱分析方法,123个样品作为校正集,采用偏最小二乘法(PLS),分别对光谱进行散射校正和卷积平滑、一阶微分、二阶微分预处理建立校正模型,以最大的决定系数(R²)和最小的标准差(RMSEC)为选择依据,通过比较,以多元散射校正和卷积平滑处理与二阶微分相结合的处理效果最好,其预测值与测量值的决定系数(R²)和标准差(RMSEC)分别为0.9751和0.437。34个样品作为检验集进行外部验证,决定系数(r²)和标准差(RMSEP)分别为0.9749和0.420,平均绝对误差和相对误差分别为0.326和13.89％。结果表明,利用近红外分析技术可以检测精料补充料中肉骨粉的含量。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface-enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。     

基于近红外光谱的大豆叶片可溶性蛋白含量快速检测

可溶性蛋白是植物生化及抗性生理研究的重要指标之一。快速、准确、无损测定可溶性蛋白含量对作物生长状况的动态监测及抗性作物品种的筛选具有重要意义。近红外光谱具有快速、简单方便、非破坏性的特点,已在农业、食品、化工等领域广泛应用,尤其是近年来基于光谱技术快速无损的获取作物生理生化信息的研究已成为当前农业领域研究的热点。本文采用近红外光谱技术结合化学计量学方法以实现大豆叶片可溶性蛋白含量的快速无损检测。首先,采用Savitzky-Golay平滑(SG)、一阶导数(1-Der)、二阶导数(2-Der)等7种光谱预处理方法分别建立大豆叶片可溶性蛋白含量的偏最小二乘(PLS)预测模型,经对比发现SG预处理方法为大豆叶片可溶性蛋白含量预测的最优光谱预处理方法。其次,分别采用连续投影算法(SPA)、随机蛙跳(RF)和遗传算法(GA)对SG预处理后的光谱数据进行特征波长提取。最后,基于提取的特征波长分别建立了大豆叶片可溶性蛋白含量的SPA-PLS、RF-PLS和GA-PLS预测模型,发现基于SPA提取的11个特征波长建立的大豆叶片可溶性蛋白含量SPA-PLS模型具有最佳的预测效果,其预测集相关系数(R2p)为0.864,预测均方根误差(RMSEP)为1.894 mg/g,预测偏差为2.061(RPD)。上述结果表明,应用近红外光谱技术检测大豆叶片中可溶性蛋白含量是可行的,可为大豆生长状况动态监测及抗性大豆品种的筛选提供新的方法。     

基于相似光谱匹配预测土壤有机质和阳离子交换量

土壤可见光-近红外波段光谱(350~2 500 nm)包含了大量的土壤属性信息,相同类型的土壤具有相似的光谱曲线特征,但相似光谱曲线是否具有相似的属性含量?探讨此问题可为土壤光谱库的应用提供依据,从而最终服务于快速获取土壤信息技术体系的构建。该研究以安徽宣城为研究区,根据母质、地形特征和土地利用等信息,采集91个典型土壤剖面,共含400个土壤发生层样品,测定了有机质(soil organic matter,SOM)和阳离子交换量(cation exchange capacity,CEC)含量,同时采用VARIAN公司的Cary 5000分光光度计测定了土壤光谱,并将光谱数据变换为反射率(R)、反射率一阶导数(FDR)和吸收度(Log(1/R))3种形式。该文采用光谱角(spectral angle mapper,SAM)、偏最小二乘回归(partial least square regression,PLSR)和SAM-PLSR(spectral angle mapper-partial least square regression,SAM-PLSR)3种方法预测土壤SOM和CEC。SAM方法是通过对测试集104个光谱曲线与参考集的296个光谱曲线进行相似性计算,并以此实现土壤SOM和CEC含量的预测。SAM-PLSR方法以SAM算法下的匹配结果作为建模样本建立PLSR模型和进行预测分析。结果表明,具有相似光谱曲线的土壤具有相似的SOM和CEC含量,SAM算法下相似光谱匹配可直接预测SOM(R2=0.78,RPD=2.17)和CEC(R2=0.82,RPD=2.41)。PLSR方法可很好地预测SOM(R2=0.87,RPD=2.77)和CEC(R2=0.87,RPD=2.59);相较之下,SAM-PLSR方法不仅可以更加准确预测SOM(R2=0.89,RPD=3.00)和CEC(R2=0.91,RPD=3.06),而且大大减少了建模样本的数量。该研究使可见光-近红外光谱可更加高效地用于土壤属性分析,并为土壤光谱数据库的建设及应用提供技术参考。     

基于组成特性的肉骨粉种属鉴别标志性变量挖掘

为了全面表征不同种属肉骨粉的组成特性,并进一步挖掘肉骨粉种属鉴别标志性变量,研究基于166个来源可靠的不同种属肉骨粉样本（猪、鸡、牛、羊源）,从基本组分、元素组成、脂肪酸组成和氨基酸组成4个方面全面获取物料组成特性信息。对比分析不同种属肉骨粉的69个组成变量,其中31个组成变量在种属间差异性显著（P<0.05）。主成分分析（Principal Component Analysis,PCA）结合偏最小二乘判别分析（Partial Least Square-Discriminant Analysis,PLS-DA）对肉骨粉种属间特异性进行探索性分析。结果表明,元素组成和脂肪酸组成可以为猪、鸡、牛、羊肉骨粉提供特异性组成标志变量;氨基酸组成是反刍动物肉骨粉的特异性组成标志变量来源。综合PLS-DA和单因素方差分析结果,以VIP值大于1,P<0.05为指标,研究获取了不同种属肉骨粉之间的特异性组成标志变量,分别为：C10∶0、C18∶0、C18∶2n6c（猪肉骨粉）;Ca、K、Zn、C18∶0、C18∶2n6c（鸡肉骨粉）;Sr、C14∶1、C17∶0、C17∶1、C18∶0、C18∶2n6t（牛肉骨粉）;H、Mg、Sr、C10∶0、C16∶0、C17∶0、C17∶1、C18∶0（羊肉骨粉）;Sr、Ba、C14∶1、C17∶0、C15∶0、C17∶1、C18∶0、C18∶2n6t、C18∶2n6c、丝氨酸（反刍动物肉骨粉）;K、Zn、C18∶0、C18∶2n6c（哺乳动物肉骨粉）。该研究可以为肉骨粉种属鉴别方法及其多元应用机理分析提供数据支持,并可以为肉骨粉多元应用细化至不同种属提供理论基础。     

基于可见-近红外光谱的鸡只粪便分类判别

鸡只粪便的性状是反映鸡只健康状况的重要特征之一,不同性状的鸡便往往与特定的疾病相关联。针对鸡只粪便性状主要依靠人工监测,存在速度慢且易发生交叉感染等问题,该研究提出一种基于可见-近红外光谱技术的鸡只粪便分类判别模型。首先,通过扫描4类典型的鸡只粪便样本（正常粪便、红血丝粪便、绿色粪便和饲料粪便）在400～900 nm波段范围的光谱数据,对每一类别的鸡便样本按随机性原则以3∶1划分为校正集和测试集。其次,分别采用多元散射校正、SG卷积平滑和标准差标准化进行数据预处理,并建立偏最小二乘判别分析模型,根据模型评价指标确定最优预处理方法。然后,使用主成分分析、竞争性自适应重加权采样、改进的混合蛙跳3种方法对预处理后的样本进行数据降维,并最终建立分类判别模型。结果表明：基于模型评价指标确定最优数据预处理方法后,再采用改进后的混合蛙跳降维方法建立的判别模型区分正常粪便、红血丝粪便、绿色粪便表现最优,测试集判别准确率分别为92.27%、92.59%、100%;而对于饲料粪便,所选3种降维方法建立的判别模型,其测试集准确率均可达100%。因此,通过可见-近红外光谱检测手段,结合特征波长优选与偏最小二乘判别分析,可以有效判别不同类型的鸡只粪便,为实现鸡病智能化监测提供技术支持。     

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

基于高分辨率反射光谱的土壤营养元素估算模型

研究了土壤中营养元素含量（N、P、K）与土壤可见光／近红外光谱之间的关系。在对原始光谱进行预处理分析后，计算出了4种光谱指标：反射率Reflectance、一阶导数FDR、倒数之对数log（1／R）和波段深度Depth。通过偏最小二乘回归分析建立了营养元素与4种光谱指标的经验模型，并且利用验证样本集对回归模型进行了验证。结果表明，可见光／近红外反射光谱具有快速估算土壤中营养元素含量的潜力。     

鱼粉中肉骨粉的可见-近红外光谱快速定性判别方法（简报）

为了能更加快速准确的定性判别鱼粉中是否掺有肉骨粉（MBM）,该文收集中国常用的鱼粉和肉骨粉,制备定标集样品201个,其中111个为掺有不同肉骨粉质量分数（1%～33%）的样品,90个为纯鱼粉,并独立制备113个验证集样品,其中74个为掺有不同肉骨粉质量分数（1%～33%）的样品,39个为纯鱼粉。在400～2 498 nm波长范围内进行光谱扫描,选择合适的光谱预处理方法和光谱范围,采用DPLS方法建立判别分析模型。建立的判别分析模型：数学预处理方法为2-8-6-1,散射校正方法为变量标准化处理（SNV）,光谱范围为全谱（408～ 2 492 nm）,定标模型的正确判断率为95.7%,外部验证正确判断率为95.6%,对于掺入量≥5%MBM时,正确判断率为100%。研究结果证明近红外反射光谱可以提供一种快速鉴别鱼粉中MBM的方法。     

饲料中肉骨粉含量的近红外反射光谱检测方法

收集28份鸡饲料,31份猪饲料,25份牛饲料和肉骨粉7份,在饲料中掺入不同比例(0.5%～6.0%)的肉骨粉,制成分析样本.采用偏最小二乘(PLS)法,分别对光谱进行散射校正、平滑、一阶导数和二阶导数预处理,建立了鸡饲料、猪饲料和牛饲料中肉骨粉含量的近红外定量分析模型.利用验证集样本对定标模型进行了检验,鸡饲料、猪饲料和牛饲料中肉骨粉含量的真值与预测值之间的决定系数分别为0.9694、0.9846和0.9788;标准差分别为0.279、0.252和0.287;相对分析误差分别为5.663、6.865和5.889.结果表明,利用近红外光谱法测定饲料中的肉骨粉含量具有较高的预测精度.     

Potential nitrogen and phosphorus leaching from soils fertilized with meat and bone meal

Abstract

The nitrogen and phosphorus contents of meat and bone meal (MBM) make it a potentially valuable nutrient source in agriculture. Its narrow N:P ratio, however, makes it a potential environmental risk if it is not utilized with caution. A column-leaching experiment was conducted to assess potential nitrogen and phosphorus leaching from bare soils fertilized with MBM. This should give an idea of the efficacy of autumn or early spring MBM application on land devoid of vegetation cover. Earlier greenhouse and field experiments have indicated that nitrogen mineralization after MBM application takes place relatively rapidly. The column experiment conducted here has indicated that spring application of MBM prior to planting can result in the loss of mineral nitrogen, reducing the total amount of N available to the crop. A higher initial loss (up to 47 mg l^?1) of ammonium was found for the MBM treated soils, but this declined to less than 0.1 mg l^?1 by the end of the experiment, 11 weeks later. Nitrate loss was highest at the onset of the experiment for the soils that received mineral N fertilizer. With time, however, the largest nitrate losses were associated with the MBM-treated soils. Nitrate leaching continued to well beyond the end of the experiment. The effect will most certainly be exacerbated when the crop N (rather than crop P) requirement forms the basis for MBM application. The amount of P leached as ortho-P is probably small but may also represent an environmental risk if N remains to be the basis of MBM application. Based on the results presented here and considering the dangers of elevated nutrient losses, autumn and early spring MBM application may not be recommended.     

基于光谱特性分析的冬油菜苗期田间杂草识别

杂草识别是自动除草的关键环节,运用光谱分析技术可以快速识别杂草。该文以冬油菜苗、冬油菜苗期杂草和土壤为研究对象,通过ASD便携式光谱分析仪采集光谱数据。对每个样本连续采集5组数据,经平均、一阶导数、压缩等预处理后,得到368组波长在400～2300 nm范围内的光谱数据。采用逐步判别分析法,按统计量Wilks’ Lambda最小值原则选择变量,选取了710、755、950和595 nm共4个特征波长。运用4个特征波长分别建立了典型判别函数模型和贝叶斯判别函数模型。用这2组模型分别对预测集进行预测,典型判别函数模型的正确识别率为97.78%,在不同的先验概率下贝叶斯判别函数模型的正确识别率分别为98.89%和97.78%。结果表明：当先验概率根据类别大小计算时,以特征波长建立的贝叶斯判别函数模型能较好的识别冬油菜苗期田间杂草,而且模型稳定。该研究结果可为杂草探测光谱传感器的开发提供参考。     

磁流体改性制备磁性肉骨生物炭及其对Cd2+的吸附特性

病死水产品(以非正常死亡鲤鱼为例)制成肉骨生物炭(Carp meat bone Biochar,CBC)应用于Cd2+污染修复,是实现水产养殖废弃物无害化、减量化和资源化处置的新途径.采用磁流体对CBC进行改性制备磁性肉骨生物炭(Magnetic Carp meat bone Biochar,MCBC),并考察磁流体改...