山西省科技攻关计划项目(20130313010-6)
- 作品数：6 被引量：38H指数：5
- 相关作者：宋海燕程旭闫姗姗杨威王世芳更多>>
- 相关机构：山西农业大学更多>>
- 发文基金：山西省科技攻关计划项目国家自然科学基金国家科技部专项基金更多>>
- 相关领域：农业科学理学更多>>
- 基于差分脉冲阳极溶出伏安法的标准重金属铜溶液检测研究被引量：7
- 2017年
- [目的]准确、快速的检测溶液中铜离子的含量。[方法]本研究采用电化学分析法中的差分脉冲阳极溶出伏安法,首先将原丝网印刷金电极放入稀硫酸溶液中进行循环伏安活化扫描,增强其电极表面的电化学性能;然后采用不同的修饰液修饰活化后的丝网印刷金电极,提高其测定重金属的灵敏度,满足定量、快速的测定要求;再利用差分脉冲阳极溶出伏安法,铋/Nafion修饰的丝网印刷金电极测量确定浓度的标准重金属铜溶液,得出了最优参数。[结果]绘得重金属铜浓度-电流标准曲线图,其重金属铜浓度和电流的决定系数(R2)为0.992 6;当信噪比为3时,传感器的检测限为84.46μg·L-1。[结论]说明该电化学方法对重金属铜具有检测限低、准确性好等优点。
- 闫姗姗杨威宋海燕
- 关键词：溶出伏安法
- 水分对土壤近红外光谱检测影响的二维相关光谱解析被引量：14
- 2014年
- 为了能进一步分析水分对土壤近红外光谱检测的影响，分别从三个地方（桃园堡、牧场和农大示范田）采集了三种土壤，经过筛、烘干后分别配制了含水率为20％，15％和10％的土壤，然后采用ASD公司的FieldSpec3光谱仪在保证其他检测条件不变的情况下，对不同含水率下不同采集地的土壤进行了检测，获得了其不同含水率下的动态光谱图。最后视水分为外部干扰，应用二维相关光谱的理论对其进行了分析。结果表明，在350～2500 nm波段范围内，三个不同采集地土壤的同步二维相关光谱图比较类似，都在2210和1929 nm附近处出现较强的自动峰，在1415 nm附近处有较弱的自动峰；从三处自相关峰的密集程度来看，1929 nm处对应的官能团对水分最敏感，2210 nm处次之，1415 nm处最不敏感。该研究明确找出了水分对土壤近红外光谱检测影响的敏感波段和敏感程度，为今后消除水分影响建立抗水分干扰模型提供了依据。
- 宋海燕程旭
- 关键词：二维相关光谱水分土壤近红外
- 水分对土壤有机质检测影响的光谱特性分析及抗水分干扰模型建立被引量：5
- 2016年
- 土壤水分对光谱表现出很强的吸收性,且土壤水分与土壤有机质的吸收波段有重叠,因此土壤水分对土壤有机质的检测造成一定的干扰。为此做了以下工作：（1）采用可见近红外光谱仪在室内获取相同含水率下不同土壤动态光谱图;（2）通过对相同含水率下不同有机质含量的二维同步相关光谱图分析得出：当土壤为烘干土样时,600和1 660nm左右表征土壤有机质的波段出现强的自相关峰,但随着含水率的增加,这两个波段逐渐消失,由于受水分的影响,1 931,2 200和1 480nm均形成了强的自相关峰。说明水分会掩盖表征土壤有机质信息的波段,对土壤有机质检测造成干扰。（3）为了消除水分影响,提高模型对不同含水率下土壤有机质的预测精度,将田间近似最大含水率样本参与建模,采用偏最小二乘定量分析方法在550-650和1 610-1 710nm波段内建立了抗水分干扰土壤有机质预测模型,并对不同含水率的土壤有机质进行预测,结果表明：预测样本的相关系数为0.954,标准偏差为0.744%,标准差为0.844%,预测效果明显提高,说明此方法可减少水分对土壤有机质检测的影响。
- 王世芳程旭宋海燕
- 关键词：水分有机质
- 基于支持向量机和近红外光谱特性的土壤质地分类被引量：7
- 2017年
- 为了分析不同质地土壤的近红外光谱特性,建立合适的土壤质地分类预测模型。研究以沙土、壤土和黏土3种不同类型土壤作为研究对象,采集了山西省内3个地区的土壤样本共156个,获取其近红外光谱数据,采用支持向量机(SVM)在1 001~2 500 nm波段内对不同质地土壤的吸光度值进行建模预测。结果表明,3种质地土壤具有不同的光谱反射特性;利用支持向量机建立的土壤分类预测模型,其测试集的预测正确率达到91.67%,说明SVM在土壤分类应用中的效果较好,可以利用SVM模型进行土壤属性预测。
- 胡晓艳宋海燕
- 关键词：近红外SVM
- 基于连续统去除的土壤有机质近红外光谱敏感波段提取研究被引量：1
- 2016年
- 土壤是一个复杂的三相集合体,由土壤中不同物质引起的谱带信息重叠现象非常严重,故通过适当的谱图预处理来提取其敏感波段显得尤为重要。本研究将连续统去除方法引入到土壤有机质敏感波段的提取中,分析了当土壤有机质含量变化时其谱图的变化规律,结果表明:采用连续统去除方法可以很好的提取土壤有机质敏感波段,且以提取的敏感波段600nm、900nm和2 210nm为中心,建立的土壤有机质模型可以较准确的预测土壤有机质含量,其所建模型中预测样本均方根误差MSE为0.286,相关系数R为0.979,均优于全波段所建模型中预测样本的均方根误差3.395和相关系数0.861。连续统去除方法可以很好的提取土壤有机质敏感波段,该研究对土壤有机质快速定量测试仪的研制具有重要意义。
- 闫姗姗程旭宋海燕
- 关键词：土壤有机质神经网络
- 土壤有机质近红外预测FIR模型传递算法研究被引量：5
- 2015年
- 针对近红外光谱检测中存在的模型传递问题,即在某一测试环境或仪器上建立的定性定量预测模型不适用于其他检测环境或仪器所采集的数据,该研究以土壤有机质为研究对象,采用FIR算法开展了此方面的研究工作。首先,在山西境内不同地方采集了59个壤土土壤样本,选用ASD公司的FieldSpec3光谱检测仪,分两批次对土壤样本进行了近红外光谱检测。第一批测试土样称为"源机样本"为50个,第二批测试土样称为"目标机样本"为9个;然后,随机选取"源机样本"中的41个样本作为校正样本,其余9个样本作为预测样本,采用偏最小二乘(PLS)定量预测方法建立了土壤有机质的定量预测模型,预测样本的预测相关系数为0.961,预测样本标准差(RMSEP)为0.600%,预测样本标准偏差(SEP)为0.597%,说明采用该方法可以很好地预测"源机样本"。当采用上述模型对9个"目标机样本"进行预测时,发现其预测相关系数为负值,表明采用该模型直接对"目标机样本"进行预测是不可行的。最后,采用FIR模型传递算法对"目标机样本"进行了处理,当窗口大小为p=516时预测效果提高,预测相关系数为0.706,RMSEP为0.662%,SEP为0.430%,说明FIR可以实现不同测试条件下获得谱图的传递,实现模型的共享。
- 宋海燕秦刚
- 关键词：近红外FIR土壤有机质
