为对不同堆肥工艺堆肥全过程关键参数进行实时动态分析,该研究以牛粪便和玉米秸秆为原料,进行规模化槽式和膜覆盖好氧堆肥,采集堆肥全过程样本,分析了2种堆肥技术堆肥全过程中含水率、有机质含量和碳氮比等关键参数的变化,并结合Local ...为对不同堆肥工艺堆肥全过程关键参数进行实时动态分析,该研究以牛粪便和玉米秸秆为原料,进行规模化槽式和膜覆盖好氧堆肥,采集堆肥全过程样本,分析了2种堆肥技术堆肥全过程中含水率、有机质含量和碳氮比等关键参数的变化,并结合Local PLS算法建立了2种堆肥技术堆肥全过程中上述参数的通用速测模型,得出以下结果:1)2种主要工艺关键参数数值及变化规律均不同,且在整个堆肥过程中有显著性变化(P<0.05);2)所建立的Local PLS模型的RPD(Ratio of Prediction to Deviation)为4.47,RSD(Relative Standard Deviation)为3.37%,可达到很好的预测效果;有机质含量和碳氮比的R_P^2分别为0.74和0.77,RPD大于1.5,RSD小于10%,模型可用于定量预测;近红外预测值与实测值随堆肥时间的变化趋势具有较好的一致性,可实现规模化堆肥过程中关键参数的实时分析。展开更多
文摘为对不同堆肥工艺堆肥全过程关键参数进行实时动态分析,该研究以牛粪便和玉米秸秆为原料,进行规模化槽式和膜覆盖好氧堆肥,采集堆肥全过程样本,分析了2种堆肥技术堆肥全过程中含水率、有机质含量和碳氮比等关键参数的变化,并结合Local PLS算法建立了2种堆肥技术堆肥全过程中上述参数的通用速测模型,得出以下结果:1)2种主要工艺关键参数数值及变化规律均不同,且在整个堆肥过程中有显著性变化(P<0.05);2)所建立的Local PLS模型的RPD(Ratio of Prediction to Deviation)为4.47,RSD(Relative Standard Deviation)为3.37%,可达到很好的预测效果;有机质含量和碳氮比的R_P^2分别为0.74和0.77,RPD大于1.5,RSD小于10%,模型可用于定量预测;近红外预测值与实测值随堆肥时间的变化趋势具有较好的一致性,可实现规模化堆肥过程中关键参数的实时分析。