固相萃取-高效液相色谱法测定有机肥中四环素类抗生素药物残留

建立了固相萃取-高效液相色谱(SPE-HPLC)法测定有机肥中土霉素(OTC)、四环素(TC)和金霉素(CTC)3种四环素类抗生素残留的方法。肥料样品采用甲醇、EDTA和McIlvaine缓冲液的混合液(pH=7.2)为提取液,用强阴离子交换柱(SAX)-亲水亲脂萃取柱(HLB)串联进行纯化和富集。采用甲醇-乙腈-0.01mol/L草酸溶液为流动相,进行HPLC分析。3种抗生素的线性范围为0.10～20 mg/L,OTC、TC和CTC的检测限分别为0.03、0.03和0.05 mg/L。不同添加水平的样品加标回收率为64%～86%,RSD在4.14%～8.16%之间。该方法测定了上海市场上40种肥料,发现部分样品有四环素类抗生素的残留物。     

基于多光谱影像和机器学习算法的红树林树种LAI估算

针对红树林叶面积指数（Leaf Area Index,LAI）实地测量难度大、无法快速大范围LAI估算的问题。该研究以广西北部湾红树林为研究对象,以无人机（Unmanned Aerial Vehicle,UAV）和哨兵二号（Sentinel-2A,S2）多光谱影像为数据源,整合原始光谱波段、植被指数和组合植被指数构建高维数据集,并进行数据降维和特征优选。定量评估6种机器学习算法（XGBoost、前馈反向传播神经网络（Back Propagation,BP）、支持向量机（SVM）、岭回归（Ridge）、Lasso和弹性网络（ElasticNet））对不同红树林树种LAI的估算能力;探究UAV和Sentinel-2A影像对红树林树种LAI估算的精度差异。研究结果表明：1）基于XGBoost算法构建的模型实现了红树林LAI高精度估算,R2均高于0.70,RMSE均低于0.349;2）在UAV和Sentinel-2A影像下,XGBoost模型对不同红树林树种LAI的估算精度（R2）比其他5种模型分别提高了0.105～0.365和0.283～0.540,RMSE降低了0.100～0.392和0.102～0.518;3）UAV影像数据与XGBoost算法构建的模型对海榄雌LAI的估算精度优于其他组合（R2=0.821、RMSE=0.288）,Sentinel-2A影像数据与XGBoost算法构建的模型对秋茄和桐花树LAI的估算精度优于其他组合（R2=0.940～0.979、RMSE=0.142～0.104）,不同红树林树种LAI的估算精度依次为桐花树>秋茄>海榄雌;4）SNAP-SL2P算法整体性低估红树林LAI值,UAV影像红树林树种LAI的平均估算精度（R2=0.677～0.713）均优于Sentinel-2A影像,实现了不同红树林树种LAI的高精度估算。     

壳寡糖季铵盐的制备和诱导抗稻瘟病的初步研究

分别以壳聚糖(CTS,Mw=14 000)和壳寡糖(COS,Mw=2 000)与2,3-环氧丙基三甲基氯化铵(ETC)反应,合成2-羟丙基三甲基氯化铵壳聚糖(CTS-ETC)和2-羟丙基三甲基氯化铵壳寡糖(COS-ETC),经FT-IR和1H NMR对其结构表征,电导滴定法测得取代度为30%。在室内水稻稻瘟病的诱导抗病实验中,以浓度为500 mg/L的COS-ETC溶液喷洒过的水稻秧苗在1周内对水稻稻瘟病的抗病活性逐渐增强,并达到最高值的77.2%,明显高于COS和CTS-ETC。