近红外漫反射光谱结合CARS-PLS规模化奶牛场粪便总氮定量分析模型的建立

将近红外漫反射光谱技术与CARS-PLS相结合,建立一种规模化奶牛场粪污治理过程中全环节粪便中总氮含量的快速检测方法。采集111个粪污治理全过程环节粪便样品的近红外漫反射光谱,利用间隔偏最小二乘法(iPLS)、联合偏最小二乘法(siPLS)和竞争自适应重加权抽样法(CARS)进行建模变量选择。全波长建模的相关系数(R)为0.928,预测均方根误差(RMSEP)为0.161 3%;iPLS变量选择后的相关系数为0.926,RMSEP为0.151 4%;siPLS变量选择后的相关系数为0.928,RMSEP为0.149 1%;CARS变量选择后的相关系数为0.981,RMSEP为0.084 1%。上述结果表明:通过变量选择可以良好地提升模型的预测精度,而3种变量选择方法中通过CARS法进行建模变量的选择可以更大地降低预测误差,提高预测精度。该研究为开发现场便捷式近红外光谱仪器提供了理论基础。     

基于微型近红外光谱仪油菜籽粗脂肪 与粗蛋白校正模型的建立

为了验证微型近红外光谱仪的现场分析实用性,利用该光谱仪测定了油菜籽中粗脂肪与粗蛋白的含量。采集油菜籽样品的近红外反射光谱,光谱经预处理和异常样本剔除后,结合偏最小二乘法回归(PLSR)建立油菜籽的粗脂肪与粗蛋白定量分析模型。结果表明,粗脂肪的模型校正相关系数(Rc)、校正均方根误差(RMSEC)、预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9187、1.1873、0.8162和1.3895;粗蛋白的模型校正相关系数(Rc)、校正均方根误差(RMSEC)、预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.8773、0.8153、0.8033和0.7532。验证了该光谱仪在油菜籽的粗脂肪含量和粗蛋白含量检测方面是可行的,为进一步拓展微型近红外光谱仪的应用奠定了基础。     

土壤养分的近红外漫反射光谱预测模型分析

针对土壤养分近红外漫反射光谱数据分析的预测问题,分别利用主成分回归和偏最小二乘回归的方法建立土壤样品的近红外漫反射光谱全氮含量的数学模型,比较模型的预测精度。研究结果表明,采用主成分回归法建模预测结果的均方根误差RMSEP为0.040;偏最小二乘回归法建模的RMSEP为0.034,通过模型验证得到的全氮含量预测值与实际值相关性分析得到主成分回归法决定系数R~2=0.873 1,偏最小二乘回归法R~2=0.903 5,表明偏最小二乘回归法所建模型预测精度优于主成分回归法。该研究为提高近红外光谱法土壤养分检测精度提供了依据。     

利用近红外光谱法对烟叶氮钾含量的快速测定

探讨了近红外光谱法无损快速测定烟叶氮钾含量的可行性,利用傅里叶变换近红外光谱仪测定建模集（104个）和检验集（40个）烟叶样品的近红外光谱,采用偏最小二乘法（PLS）把测得的烟叶光谱值与常规化学分析法测得的全氮和全钾数值拟合建立定标模型,经分析得出：预测模型分析氮的相关系数（R）为0.951,预测标准差（RMSEP）0.301;钾的相关系数（R）为0.928,预测标准差（RMSEP）为0.278。近红外法测定结果与常规方法已有较好的相关性,能为今后快速诊断烟叶的营养状况提供新技术。     

成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测

【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响。【结果】UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显。3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162。【结论】基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测。     

基于随机森林算法的秦艽龙胆苦苷含量快速检测

【目的】基于近红外光谱技术，运用随机森林算法实现秦艽中龙胆苦苷含量的快速、准确、无损检测。【方法】采用HPLC法测定秦艽中龙胆苦苷的含量，正交信号校正结合小波压缩对原始光谱进行预处理，以抽取的小波系数作为光谱特征建立秦艽近红外光谱和龙胆苦苷含量之间的随机森林定量分析模型，同时对4种模型的预测结果进行了对比分析。【结果】原始光谱正交信号校正预处理后分别建立偏最小二乘和随机森林定量分析模型，偏最小二乘回归模型在验证集上的均方根误差（RMSEP）和决定系数（R2）分别为0.246 9和0.936 8，随机森林定量分析模型在验证集上的均方根误差（RMSEP）和决定系数（R2）分别为0.207 5和0.969 5。原始光谱正交信号校正后进行离散小波分解，抽取63个中低频小波系数分别建立偏最小二乘和随机森林定量分析模型，偏最小二乘回归模型在验证集上的均方根误差（RMSEP）和决定系数（R2）分别为0.212 6和0.950 3，随机森林定量分析模型在验证集上的均方根误差（RMSEP）和决定系数（R2）分别为0.166 3和0.980 4。【结论】通过小波多尺度分解降低了决策树之间的相关性，进一步提...     

脐橙可溶性固形物含量的光谱检测技术研究

以晚熟脐橙为试材,采用近红外光谱技术与常规检测分析相结合的方法,对比和评价了基于果面和果汁光 谱信息的脐橙可溶性固形物(TSS)含量预测模型精度,并筛选了可溶性固形物预测特征光谱.通过对果面和果汁原 始光谱的多元散射校正(MSC)预处理,利用偏最小二乘法(PLS)分别建立了TSS预测模型,其中,当果面光谱主因 子为5时,其对于可溶性固形物预测相关系数为最大(R=0.8367)、预测均方根误差(RMSEP)为最小(RMSEP= 0.4903);而当果汁光谱主因子为8时,其对果汁可溶性固形物的预测相关系数为最大(R=0.9058)、预测均方根 误差为最小(RMSEP=0.5236).采用联合区间偏最小二乘法(siPLS)对果面和果汁光谱特征波段组合进行筛选, 获得果面光谱建模特征波段组合为1000~1107,1750~1857,2071~2177和2178~2284nm,建立的校正集和 预测集模型相关系数分别为0.9462和0.9020,RMSECV为0.3596,RMSEP为0.4309;获得用于果汁光谱建模 的特征波段组合为1000~1125,1251~1375,1376~1500和1626~1750nm,校正和预测模型相关系数分别为 0.9894和0.9596,RMSECV为0.1631,RMSEP为0.3128.结果表明:试验所筛选出的果面和果汁近红外光谱 特征波段组合建立的校正模型,均可用于晚熟脐橙TSS含量的无损检测,果汁光谱对于甜橙果实固形物含量预测 精度高于果面光谱,近红外光谱技术用于橙汁固形物检测是可行的.     

脐橙可溶性固形物的在线近红外光谱检测

【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。     

NIRS结合TQ软件对氯化铵掺假牛奶定量分析

[目的]应用近红外光谱法建立氯化铵掺假牛奶定量分析模型。[方法]氯化铵是提高牛奶中含氮量的典型掺假物质,样品直接使用近红外光谱仪采用漫反射和三氯乙酸预处理后使用透射模块分别扫描并建立定量分析模型,并对模型进行验证。[结果]建立了漫反射氯化铵含量定量分析模型和透射氯化铵含量定量分析模型,后者模型更加准确可靠,均方根校正标准差(RMSEC)、相关系数(R2)、均方根预测标准差(RMSEP)分别为0.032 4、0.998 4、0.049 8,回收率为107.607 4%。[结论]三氯乙酸预处理后的透射模型更加精确,可以用于牛奶中氯化铵掺假检测,为进一步研究牛奶中其他物质掺假检测提供借鉴。     

雪梨中可溶性固形物的快速检测

本文采用近红外漫反射法,对雪梨中的可溶性固形物含量进行检测。随机地在每只雪梨上选择2~3个样本,共采集了133个样本。剔除异常样本5个,剩下128个样本,分为校正集90个,预测集38个。使用Unscrambler9.7软件做数据处理。采用不同的光谱预处理方法,结合偏最小二乘(PLS)进行建模预测。发现,使用面积标准化、平均值标准化、标准正态变量变换(SNV)、多元散射校正(MSC)4种光谱预处理方法,均可得到理想的预测效果。使用预测相关系数(R)和预测均方根误差(RMSEP)作为评价指标,R值超过0.96,RMSEP值小于0.20。     

NIRS Prediction of SOM,TN and TP in a Meadow in the Sanjiang Plain,China

The aim of this study was to establish the applicability of near-infrared reflectance spectroscopy (NIRS) as a rapid method for the accurate estimation of nutrient components in agricultural soils. Focusing on the soil of the Sanjiang Plain, NIRS was used to predict soil organic matter (SOM), the total nitrogen (TN) and the total phosphorus (TP). A total of 540 samples were collected from the three different depths (180 samples from each depth: 0-10, 10-20 and 20-30 cm), from 2015 to 2017, from the Sanjiang Plain in Heilongjiang Province, China. From every depth, 120 samples were used to construct the calibration set. Other 60 samples were used to check the efficiency of the model. Combining the first-order differentiation with the partial least square (PLS) method, a prediction model was obtained to measure SOM, TN and TP. The correlation coefficient of SOM from 0 to 10 cm was R2=0.9567, from 10 to 20 cm was R2=0.9416, and from 20 to 30 cm was R2=0.9402. The corresponding ratio (standard deviation [SD]/root mean square error of prediction [RMSEP]) was >2.96. R2 of TN with the three depths was 0.9154, 0.9028 and 0.9024, respectively, all with SD/RMSEP>2.89. Meanwhile, R2 of TP with the three depths was 0.8974, 0.8624 and 0.7804, respectively, all with SD/RMSEP>2.50. These results demonstrated that NIRS based on the first-order differentiation and PLS could efficiently predict SOM, TN and TP from different soil depths.     

基于样品复配的奶牛场粪水近红外光谱氮磷速测模型构建

为提高样品代表性,构建近红外光谱的理想校正模型,实现对奶牛场粪水氮磷含量的速测,本研究基于粪水运移过程代表性暴露位点的原始样品,按照不同比例进行样品复配,填补现场不易采集到的"黑箱"位点样品,运用偏最小二乘法构建了基于最优光谱预处理方法的原样模型、复配模型和融合模型。结果表明:相比原始样品,原样+复配样品总氮、总磷的变异系数分别降低了0.103、0.107,提升了浓度分布均匀性,丰富了粪水光谱信息。相比原样模型,融合模型总氮和总磷的决定系数(R²_pred)分别提升了0.049和0.061,相对分析误差(RPD)分别提升了1.547和0.176。相比复配模型,融合模型总氮和总磷的R²_pred分别提升了0.026和0.022,RPD分别提升了0.470和0.052。验证结果表明,总氮和总磷模型的R²_pred分别为0.903和0.878、RPD分别为2.916和2.508。研究表明,样品复配的方法可有效提高校正集样品的代表性,提升模型预测性能,为还田前粪水养分的快速定量提供技术支撑。     

基于PCA-LSTM神经网络的凡纳滨对虾养殖水质预测

基于上海奉贤区2个水产养殖合作社2014—2018年和2021年的检测数据,选取水温(T)、溶解氧(DO)、高锰酸盐指数(I_Mn)、总磷(TP)、总氮(TN)、氨氮(TAN)、亚硝酸盐氮(NO₂^--N)、硝酸盐氮(NO₃^--N)共8个水质指标进行研究,提出了基于主成分分析(Principal component analysis, PCA)和长短时记忆神经网络(Long short-term memory neural network,LSTM)的预测模型。首先采用主成分分析法对数据进行特征提取和降维,选取高锰酸盐指数(I_Mn)和氨氮(TAN)作为水质预测指标,建立基于PCA法的LSTM模型;接着采用PCA-LSTM模型对不同养殖塘的水质进行预测;最后,将其与单一LSTM模型进行对比以验证模型的优劣。结果表明:PCA-LSTM模型可用于凡纳滨对虾养殖池塘水中I_Mn和TAN的预测, 预测结果优于单一LSTM模型。     

基于LOADEST模型和小波变换的河流氮磷污染动态分析

河流中污染物负荷量的估算及其演变规律的分析是开展流域非点源污染治理的基础。然而,常见的每月1~2次的低频率人工采样水质监测资料并不能反映河流水体中负荷量的每日连续变化。基于2003—2016年浙江省长乐江出口断面每月1次的水质监测资料,建立和验证了该河流总氮(TN)和总磷(TP)负荷量估算的LOADEST模型。应用该模型和连续的流量资料,核定了研究期间长乐江TN和TP的每日负荷量。结果表明,2003—2016年间长乐江TN年平均负荷量为(2 207.71±862.48)t·a^-1,TP年平均负荷量为(71.43±31.56)t·a^-1。TN和TP的日均负荷量变异较大,分别为(6.04±11.81)t·d^-1和(0.19±0.26)t·d^-1,它们在研究期间总体均呈上升趋势。采用小波分析方法,进一步揭示了研究期间长乐江TN和TP负荷量变化的基本规律。结果显示,长乐江TN负荷量以18个月的时间跨度为主发生着多时频的周期性变化;TP负荷量的变化主周期与TN负荷量的变化类似,但变化强度相对较弱。TN和TP负荷量周期性变化的决定性因素是河流流量的变化,受TN和TP浓度变化的影响较小。     

基于AnnAGNPS模型的苇子沟流域非点源污染模拟研究

采用连续分布式水文模型Ann AGNPS(Annualized Agricultural Non-Point Source Model),耦合GIS技术,对饮马河下游苇子沟流域2009—2015年非点源污染进行了定量模拟,同时用同步水质监测数据检验了该模型在苇子沟流域的适用性。结果表明,该模型对径流、总氮模拟效果较好,对总磷模拟效果较差。在日尺度上,模型对小型降雨事件径流量模拟值偏低,而对暴雨事件模拟值偏高;月尺度上,总氮、总磷的年内变化与降雨量的年内变化一致,5—8月雨季的非点源污染负荷占全年的80%以上;年尺度上,2009—2015年总氮、总磷污染负荷平均值分别为22 295.28 kg和7 085.00 kg,且年际变化趋势一致。降雨量与总氮负荷的Spearman相关系数为0.93,与总磷负荷的相关系数为0.92,且均达到极显著水平(P0.01),说明年降雨量的变化直接影响流域全年总氮、总磷污染负荷的变化。总氮和总磷负荷的空间分布具有很高的相似性,总体上总氮、总磷单位面积负荷量在流域西北部区域较低,而在流域中下游区域较高。     

藻菌共培养体系优势菌株筛选及沼液处理

本研究从小球藻处理沼液废水的体系中分离细菌,探究小球藻与细菌之间相互作用关系及藻菌体系对废水处理的效果。经多次平板划线从体系中共分离出5种菌株经16S rDNA基因测序,5种菌株分别与细菌Pseudomonas alcaliphila、Exiguobacterium、Bacillus amyloliquefaciens、Bacillus subtilis和Bacillus tequilensis高度相似。通过测定小球藻的叶绿素a的变化发现5种细菌均可促进小球藻生长,其中细菌Exiguobacterium对小球藻的促生效果最为明显。将几株单菌株分别和小球藻共同培养,考察共培养体系对沼液的净化效果,结果发现细菌Pseudomonas alcaliphila与小球藻共培养体系中沼液总磷（TP）下降到0.391 mg·L^-1,去除率最高,达85%;细菌Exiguobacterium与小球藻共培养体系中沼液总氮（TN）和化学需氧量（COD）去除率分别为64.4%和72.3%,效果最优;小球藻纯培养体系和细菌纯培养体系对沼液中COD、TN、TP的去除率,均远低于细菌Pseudomonas alcaliphila和Exiguobacterium与小球藻构建的藻菌共培养体系。综合比较,藻菌共培养体系对污水处理效果优于各自的纯培养体系,在污水处理中具有很好的应用前景。     

多级处理模式下粪污中氮、磷削减规律及其农田可消纳量——以苏南水网地区规模猪场为例

针对规模养殖场粪污多级处理模式下氮、磷削减规律及土地承载力不清等问题,以苏南水网地区一规模猪场为研究对象,系统分析了污水经二级厌氧消化、三级沉淀池和水生植物塘逐级处理后氮、磷的去除特征,进一步核算了此模式下粪污实际农田可消纳量。结果表明：猪场全年粪、尿总产生量分别约为4 086.9 t和10 995.8 t,粪便收集率约为90.5%。收集的粪污中可利用的总氮（TN）和总磷（TP）量分别为183.12 t和148.97 t。粪污经过厌氧消化后TN和TP去除率小于25.3%和57.2%,进一步通过三级沉淀池处理后二者可去除80%以上,最终通过水生植物生态处理后二者去除率均达95%以上。养殖废水经过多级处理工艺,可大幅提高其农田消纳量,降低粪污处理成本,特别适用于集约化程度高、经济发达、土地资源有限地区的畜禽养殖场。     

奶牛场粪污制备卧床垫料过程中物料性质及污染物含量的周年变化规律

为了考察奶牛场粪污制备卧床垫料过程中的牛粪性质及相关污染物含量的周年变化规律,选择天津市一家规模化奶牛养殖场作为研究对象,进行不同阶段、不同季节的连续采样,并对样品中的TN、TP、pH、含水率、有机质、粪大肠菌群和Cu、Zn等重金属进行了系统检测分析。检测数据分析显示:泌乳牛牛粪中的TN、TP、VS、Cu、Zn的排放量存在显著性季节差异(P0.05),且TN、TP、Cu、Zn、Cd的排放量均以冬季最高;经过BRU(Bedding Recovery Unit)好氧发酵处理后,再生牛粪固体中的含水率、重金属Zn和粪大肠菌群的含量出现不同程度的降低,而TN、TP和重金属Cu的含量则基本呈现升高趋势。     

黄鸢尾对牛场养殖废水肥用过程中的耐受性研究

为更有效地利用水生植物黄鸢尾处理牛场养殖废水,初步探明黄鸢尾净化牛场养殖废水过程中的关键影响因素,以不同稀释比例牛场废水水培黄鸢尾为研究对象,通过探究黄鸢尾的生长速率与稀释浓度的关系,分析黄鸢尾生长速率与各个污染物指标去除率之间相关性,研究黄鸢尾在牛场废水不同稀释浓度下的耐受性。结果表明：黄鸢尾作为水质净化系统中常见的植物,能有效降低牛场废水中的氮磷,净化水质。当牛场废水浓度高于T3水平（15∶1稀释）时,表现出生长受抑制,一周之后,黄鸢尾对COD、NH₄⁺-N、TN和TP的去除率可以达到57.1%、59.49%、82.59%和72.39%,其中对TN、TP去除效果最为显著。研究表明,当牛场废水稀释之后,控制稀释比例在T3水平时,黄鸢尾生长不会受到抑制,对牛场粪污废水中的污染物表现出较好的消纳和去除效果。     

农村土地利用方式对嘉兴土壤氮磷含量及其垂直分布的影响

为了探讨农村不同土地利用方式对土壤氮磷含量的影响,采用现场采样及室内分析测试方法,对嘉兴市水稻田、菜地、果园、畜禽养殖、农村庭院5种土地利用方式下的土壤氮、磷及其垂直分布进行了比较研究,结果表明:(1)不同农村土地利用方式土壤中TN、TP、Olsen P含量均呈自上层向下层逐渐降低的趋势.(2)在不同土地利用方式下,0～40 cm土层土壤TN含量差异显著,而40～80 cm土层土壤TN含量差异不大.(3)在不同土地利用方式下,0～80 cm各土层土壤TP、Olsen P含量的差异均显著.在0～80 cm土壤剖面中,养殖场、庭院、果园、菜地土壤TP平均含量分别为水田土壤的4.0、2.1、1.9、1.8倍;土壤Olsen P平均含量分别为水田土壤的35.5、10.6、10.0、4.4倍.