基于离子选择性电极的土壤重金属检测系统研究

设计了一套基于离子选择性电极与单片机技术的土壤重金属含量检测系统,并基于能斯特(Nernst)方程与最小二乘法研究了离子选择性电极响应电位与目标离子浓度的线性回归模型,建立两者之间的函数关系。采用离子选择性电极作为信号采集器,通过单片机系统和串行模数转换模块实现了较高精度、低成本的数据采集,并基于LabVIEW 8.2软件开发上位机软件实现了数据的显示、保存和打印。通过相关实验,得到铜离子选择电极响应电位E与离子浓度C的线性回归方程为E=267.047+29.494lg C_(Cu^(2+)),线性相关系数R^2=0.996 2。运用标准浓度硝酸铜溶液对回归模型进行了验证,线性回归模型的计算值与实际值间的相对误差在2.0%~7.2%之间。实验结果表明,回归模型的预测效果基本上可以满足一般精度要求的检测,检测系统可以用于土壤痕量重金属的初步检测分析。

土壤重金属检测技术研究现状及发展趋势

综述了近年来国内外常用的土壤重金属检测方法,同时对一些新型检测技术如高光谱技术、环境磁学、太赫兹技术及生物技术等作了相关介绍,对各类检测方法的优缺点进行了对比、分析,并与传统的实验室检测进行了综合比较、分析。在此基础上,展望了土壤重金属检测技术的发展趋势。

海口市蔬菜土壤重金属含量特征研究

采用野外调查法结合实验室分析法对海口市郊区蔬菜土壤重金属含量特征进行研究,测定了Cr、As、Cd、Cu、Zn、Pb、Ni、和Hg 8种重金属全量、有效态含量及蔬菜土壤pH值和有机质含量,重金属全量与有效态含量间的相关性及土壤pH值,有机质含量与蔬菜土壤中重金属全量间的相关性。结果表明,海口市蔬菜土壤中各种重金属均表现出一定的累积趋势;8种重金属元素有效态含量与全量呈正相关,重金属有效态占全量比例在1.86%~13.47%之间,其中Cd、Pb和Hg较高,分别为13.47%、10.23%和8.42%,三者表现出较大的潜在污染风险;土壤p H值和有机质含量与重金属全量表现出一定的相关性,相关性大小与重金属种类有关;重金属全量并不能全面正确评价土壤的环境效应,对蔬菜土壤重金属污染程度进行评价时,应把重金属全量、有效态含量与土壤基本理化性质结合起来进行研究。

基于神经网络的土壤重金属预测模型研究

土壤中重金属含量变化具有非线性、大延时等特点,很难用传统方法建立土壤重金属预测的精确模型。BP神经网络具有良好的非线性函数逼近能力,非常适合处理土壤预测等复杂问题。利用神经网络模型,通过自适应的动态学习方法和模型优化,采用MATLAB神经网络工具箱建立了土壤重金属预测模型。在预测模型中输入测试样本,将预测结果与实测值进行比较,平均相对误差小于1%。结果表明,所构建的基于BP神经网络的土壤重金属预测模型具有良好的精确性和准确性,能有效预测土壤中重金属的状况。

基于离子选择性电极的水产养殖环境因子检测仪研究

设计了一套基于离子选择性电极与单片机技术的水产养殖环境因子检测仪，用于快速检测水产养殖中影响水质的硝酸根（NO3-）、铵根（NH4＋）等离子。基于能斯特方程与最小二乘法对电极响应电势与相应离子浓度的一元线性回归模型进行了研究，建立了两者之间的函数关系。便携式检测仪采用离子选择性电极作为信号采集器，通过单片机系统和串行模数转换模块实现了较高精度、低成本的数据采集，并通过液晶显示模块实现数据的实时显示。通过相关试验，得到了NO3-选择电极响应电位E与离子浓度C的线性回归方程；运用标准浓度KNO3溶液对回归模型进行了验证，线性回归模型的计算值与实际值间的相对误差在1．4％-5．6％。对NH4＋检测结果表明，检测仪可以满足一般精度要求的检测，可用于水产养殖中NO3-和NH4＋等因子的初步检测分析。