不同制备方法对荞麦秸秆生物炭理化性质的影响

为了了解荞麦秸秆生物炭的理化性质,探究了不同温度与升温速率对荞麦秸秆热解特性的影响,通过差示扫描量热法、比表面积、孔径以及傅里叶红外光谱等检测揭示了荞麦秸秆生物炭的理化性质。结果表明:荞麦秸秆的差热曲线具有相似的变化,随着升温速率的增加热解反应向右偏移;炭得率与热解温度呈负相关;pH值、电导率逐渐增大(9.16~12.27、2.56~4.96 mS/cm);随着热解温度的升高,荞麦秸秆生物炭的表面官能团种类逐渐减少,并随着升温速率的增加伸缩振动增强;生物炭的比表面积与孔径体积随着热解温度的升高呈先增加后降低的趋势,但与升温速率不具有相关性,在较低温度时随着升温速率的增加孔隙结构逐渐由介孔为主过渡为大孔为主;不同热解温度下制备的荞麦秸秆生物炭的分形维数范围为[2.3709,2.9368]。综上所述,在热解温度700℃与升温速率12.5℃/min的条件下制备的荞麦秸秆生物炭,其结构稳定、比表面积最大且具有良好的炭得率,综合性质最佳。

可见近红外光谱的山西玉米地土壤氮含量建模

土壤的粒度、水分等因素均会影响土壤的光谱特征,不同地区土壤因不同的气候和地理条件导致其土壤光谱特征存在差异,利用近红外光谱技术建立的土壤成分预测模型往往也有其特殊性。为了为后续开发基于近红外光谱技术的土壤氮含量速测仪提供参考,以山西玉米地土壤为研究对象,利用可见近红外光谱快速分析技术预测土壤氮含量,试验采集山西农业大学玉米试验田土壤样本120个,并测定总氮含量和采集可见近红外光谱。利用光谱-理化值共生距离(SPXY)算法按2∶1的比例划分校正集和预测集,分析采用平滑处理(Smoothing)、标准状态变换(SNV)、基线校正(Baseline)、去趋势处理(Detrend)、归一化(Normalize)和多元散射矫正(MSC)6种预处理方法并结合偏最小二乘法(PLS)、支持向量机(SVM)、主成分回归(PCR)3种建模方法建立土壤氮含量预测模型的效果,并选出最佳预测模型。结果显示,在所建立的21种预测模型中,采用Smoothing预处理方法并结合PLS建立的预测模型效果最佳,其决定系数为0.907,预测均方根误差(RMSEP)为0.086。此预测模型可有效预测山西玉米地的土壤氮含量。

基于近红外光谱的土壤氮含量模型及生物炭对土壤光谱的影响

采集添加生物炭的土壤(标记为ABS)和不添加生物炭的土壤(标记为CS),获取其近红外光谱,通过预处理算法和偏最小二乘法(partial least squares,PLS)建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理的预测模型效果最好,定向系数(determination coefficient,R2)分别为0.913和0.753,预测均方根误差(root mean square error of prediction,RMSEP)分别为0.093和0.753,利用近红外光谱可对两种土壤氮含量建模预测。研究了生物炭对土壤光谱及建模的影响,结果表明,添加生物炭会改变土壤成分含量,使近红外光谱和建模不同于普通土壤,而联合建模可减小差异的影响,取得较好的预测效果,联合建模结果显示,经过Smoothing预处理的预测效果最好,R2为0.907,RMSEP为0.086。