CN101806738B - 一种快速表征堆肥腐熟度的方法 - Google Patents
一种快速表征堆肥腐熟度的方法 Download PDFInfo
- Publication number
- CN101806738B CN101806738B CN2010101567336A CN201010156733A CN101806738B CN 101806738 B CN101806738 B CN 101806738B CN 2010101567336 A CN2010101567336 A CN 2010101567336A CN 201010156733 A CN201010156733 A CN 201010156733A CN 101806738 B CN101806738 B CN 101806738B
- Authority
- CN
- China
- Prior art keywords
- compost
- originaldata
- sample
- fluorescence spectrum
- dimensional fluorescence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000002361 compost Substances 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000002189 fluorescence spectrum Methods 0.000 claims abstract description 47
- 239000007788 liquid Substances 0.000 claims abstract description 21
- 230000005284 excitation Effects 0.000 claims abstract description 13
- 238000000556 factor analysis Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000010790 dilution Methods 0.000 claims abstract description 7
- 239000012895 dilution Substances 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 57
- 238000009264 composting Methods 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- 239000005416 organic matter Substances 0.000 claims description 6
- 239000012470 diluted sample Substances 0.000 claims description 5
- 230000035784 germination Effects 0.000 claims description 5
- 230000036284 oxygen consumption Effects 0.000 claims description 5
- 238000001069 Raman spectroscopy Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 239000012528 membrane Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000007787 solid Substances 0.000 abstract description 8
- 238000001914 filtration Methods 0.000 abstract description 3
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 2
- 239000010815 organic waste Substances 0.000 abstract description 2
- 238000003809 water extraction Methods 0.000 abstract 4
- 238000007865 diluting Methods 0.000 abstract 2
- 239000004615 ingredient Substances 0.000 abstract 1
- 239000000463 material Substances 0.000 abstract 1
- 239000000126 substance Substances 0.000 description 5
- 239000003337 fertilizer Substances 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 238000010220 Pearson correlation analysis Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000010871 livestock manure Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- QJZYHAIUNVAGQP-UHFFFAOYSA-N 3-nitrobicyclo[2.2.1]hept-5-ene-2,3-dicarboxylic acid Chemical compound C1C2C=CC1C(C(=O)O)C2(C(O)=O)[N+]([O-])=O QJZYHAIUNVAGQP-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000005446 dissolved organic matter Substances 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000695 excitation spectrum Methods 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 239000004021 humic acid Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000004016 soil organic matter Substances 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Fertilizers (AREA)
Abstract
本发明公开了一种快速表征堆肥腐熟度的方法，属于固体有机废弃物处理领域。收集1g样品，制备得到堆肥水萃液，测定堆肥水萃液的DOC，并稀释到DOC＜10mg/L，采集稀释后水萃液的三维荧光光谱EEM谱图，采用DOMFluor工具包在Matlab 7.0软件上对采集到的EEM谱图代入数据库进行平行因子分析，确定激发/发射波长为(230，330)/410和(220，280)/340的2个组分的得分数，再将所得得分数乘以样品稀释倍数后代入堆肥腐熟度判别关系式，即可用于表征堆肥腐熟度。本方法可以快速、价廉地监测堆肥腐熟度。同时该方法分析堆肥腐熟度时不需要化学试剂，仅需过滤或稀释等简单的预处理程序。
Description
技术领域
本发明涉及一种快速表征堆肥腐熟度的方法，具体是通过关联堆肥处理厂水萃液中的可溶性有机物的三维荧光特征与堆肥腐熟度，而快速鉴定堆肥腐熟度。属固体有机废弃物处理和资源化利用领域。
背景技术
据统计，我国每年产生约6000万吨养分资源的固体有机废弃物，其中包括畜禽粪便、农作物秸秆、农产品加工下脚料、生活污泥、厨余和筛选过的有机垃圾等，这些富含养分的固体有机废弃物如果不加以利用而随地弃置，不仅极大的浪费了养分资源，更严重地污染了环境。如果我国每年产生的50％固体有机废弃物做成有机(类)肥料，不仅可以节省40％左右的化肥(每年将节省或替代2000万吨标准养分的化肥)及提高化学氮肥的利用率，更可以显著提高我国土壤有机质含量和改善土壤生物活性。因此，解决固体有机废弃物问题的根本途径就在于开展其资源化利用。目前，资源化利用这些固体有机废弃物的最有效和最经济的途径是好氧堆肥。堆肥处理在稳定有机物、杀灭病原菌和杂草种子、脱水的同时获得优质的有机肥产品，实现了固体有机废弃物减量化、无害化和资源化，是适合我国国情和未来可持续发展的废弃物处理处置方法。
评估堆肥腐熟度是确保堆肥产品质量的必不可少的步骤。常规的评价堆肥腐熟度的指标耗时较长且费用昂贵(如果样品量较多时)。由于堆肥化过程是固体废弃物中大分子有机物腐殖化的过程，评估腐殖化程度的参数可以用于表征堆肥的腐熟度。然而，化学方法测定腐殖酸过程中会包含非腐殖质，且该方法灵敏度不高。三维荧光光谱(3D-EEM)是一种非破坏性的腐殖化程度表征手段，具有灵敏度高，选择性强，需样品量少和方法简便等优点，且测定下限通常比分光光度法低2-4个数量级。同时，3D-EEM谱图分析堆肥腐殖化程度时不需要任何化学试剂，仅需简单的过滤和/或稀释。然而，目前的研究者用3D-EEM表征堆肥腐熟度时仅最低限度地利用了3D-EEM提供的大量信息。此外，堆肥萃取液成分复杂，含有不同类型的荧光基团；不同类型的荧光基团相互叠加，从而导致荧光强度与监测指标的关联度降低。平行因子(PARAFAC)分析方法是一种将三维荧光数据解析成为三线性组分的方法，它可以对荧光基团进行解析，将重叠的荧光峰进行分离，得到荧光成分的激发光谱矩阵和发射光谱矩阵，并通过其得分矩阵对其浓度进行相对定量。因此，三维荧光光谱与平行因子(EEM-PARAFAC)分析方法可望作为一种堆肥腐熟度的快速监测工具。
发明内容
技术问题
本发明的目的是针对上述问题，提供一种操作简单且快速表征堆肥处理厂堆肥腐熟度的方法，该方法用于评估堆肥腐熟度时，快速、价廉、灵敏度高。
技术方案
一种快速表征堆肥腐熟度的方法，其特征在于：收集堆肥处理厂1g腐熟的堆肥样品，其与10mL水在摇床上100rpm振荡24h得到堆肥水萃液，然后测定堆肥水萃液的可溶性有机碳DOC并稀释到0＜DOC＜10mg/L，随后采集稀释后水萃液的三维荧光光谱数据176行×31列，采集到的三维荧光光谱数据176行×31列加入腐熟的堆肥产品数据库，待测样品与数据库腐熟堆肥产品的三维荧光光谱数据176行×31列均按下列形式排列，并在Excel表中存储为f1.csv形式：
1 2 3 26 27 28 29 30 31
A1 B1 C1 . . Z1 AA1 BB1 CC1 DD1 EE1
A2 B2 C2 . . Z2 AA2 BB2 CC2 DD2 EE2
数据库 A3 B3 C3 . . Z3 AA3 BB3 CC3 DD3 EE3
样品1 . . . . . . . . . . .
. . . . . . . . . . .
A176 B176 C176 . . Z176 AA176 BB176 CC176 DD176 EE176
A1 B1 C1 . . Z1 AA1 BB1 CC1 DD1 EE1
A2 B2 C2 . . Z2 AA2 BB2 CC2 DD2 EE2
数据库 A3 B3 C3 . . Z3 AA3 BB3 CC3 DD3 EE3
样品2 . .
. .
A176 B176 C176 . . Z176 AA176 BB176 CC176 DD176 EE176
… …
A1 B1 C1 . . Z1 AA1 BB1 CC1 DD1 EE1
A2 B2 C2 . . Z2 AA2 BB2 CC2 DD2 EE2
待测 A3 B3 C3 . . Z3 AA3 BB3 CC3 DD3 EE3
样品 . .
. .
A176 B176 C176 . . Z176 AA176 BB176 CC176 DD176 EE176
采用DOMFluor工具包在Matlab 7.0软件上对待测样品与数据库腐熟堆肥产品的三维荧光光谱数据176行×31列进行平行因子分析，依次键入如下命令：
OriginalData.Ex＝csvread(′Ex.csv′，1)
OriginalData.Em＝csvread(′Em.csv′，1)
OriginalData.X＝csvread(′f1.csv′，1)
OriginalData.nEx＝(size(OriginalData.Ex，1))
OriginalData.nEm＝(size(OriginalData.Em，1))
OriginalData.nSample＝(size(OriginalData.X，1))
OriginalData.nSample＝OriginalData.nSample/OriginalData.nEm
OriginalData.X＝(reshape(OriginalData.X′，OriginalData.nEx，OriginalData.nEm，OriginalData.n
Sample))
OriginalData.X＝permute(OriginalData.X，[3 2 1])
load PARAFACexample.mat
OriginalData
[CutData]＝EEMCut(OriginalData，20，20，NaN，NaN，″)
[Test1]＝OutlierTest(CutData，2，1，7，′No′，No′)
[Test2]＝OutlierTest(CutData，2，1，7，′Yes′，′No′)
[Test3]＝OutlierTest(Test3，1，1，7，′Yes′，′No′)
PlotLoadings(Test3，4)
PlotLoadings(Test3，5)
PlotLoadings(Test3，6)
PlotLoadings(Test3，7)
CompareSpecSSE(Test3，3，4，5)
[AnalysisData]＝SplitData(Test3)
[AnalysisData]＝SplitHalfAnalysis(AnalysisData，(3：7)，′MyData.mat′)
SplitHalfValidation(AnalysisData，′1-2′，3)
[AnalysisData]＝RandInitAnal(AnalysisData，4，10)
[FMax，B，C]＝ModelOut(AnalysisData，4，′C:\MyParafacResults.xls′)
即输出结果：得到数据库中所有样本和样品激发/发射波长为(230，330)/410和(220，280)/340的2个组分的得分数，即得到待测样品对应的激发/发射波长为(230，330)/410和(220，280)/340的2个组分的得分数；
再将待测样品的所得得分数乘以样品稀释倍数后代入堆肥腐熟度判别关系式：
即得到样品的堆肥腐熟度判别指标值：有机质含量，发芽指数，氧消耗速率，CO2生成速率，从而判定堆肥的腐熟程度。
上述一种快速表征堆肥腐熟度的方法，其中所用腐熟的堆肥产品数据库的构建方法为：
1)取堆肥处理厂的20个以上腐熟的堆肥产品作建库样品；
2)样品预处理，各取1g堆肥样品与10mL水在摇床上100rpm振荡24h得到堆肥水萃液，0.45μm滤膜去除其中悬浮物，然后利用总有机碳分析仪测定堆肥水萃液的可溶性有机碳DOC含量，并稀释到0＜DOC＜10mg/L；
3)三维荧光光谱谱图测定，约5ml稀释后的堆肥水萃液进入三维荧光光谱仪的比色皿，实验设定的激发波长范围为200-500nm，发射波长范围为250-600nm，狭缝宽度为5nm，扫描速度为1200nm/min，运行模式为Scan模式，每隔2nm取一个点，每个样品扫描后获得三维荧光光谱图及其对应的三维荧光光谱数据176行×31列，所得三维荧光光谱图中激发波长200-220nm的数据因含仪器噪音而删去，删去数据后的位置在数据表中显示为缺失值；以同样的设置，获得其余样品的三维荧光光谱图及其对应的三维荧光光谱数据176行×31列，所有样品的数据按下列形式排列，并在Excel表中存储为f1.csv形式：
1 2 3 26 27 28 29 30 31
A1 B1 C1 . . Z1 AA1 BB1 CC1 DD1 EE1
A2 B2 C2 . . Z2 AA2 BB2 CC2 DD2 EE2
A3 B3 C3 . . Z3 AA3 BB3 CC3 DD3 EE3
样品1 . . . . . . . . . . .
. . . . . . . . . . .
A176 B176 C176 . . Z176 AA176 BB176 CC176 DD176 EE176
A1 B1 C1 . . Z1 AA1 BB1 CC1 DD1 EE1
A2 B2 C2 . . Z2 AA2 BB2 CC2 DD2 EE2
A3 B3 C3 . . Z3 AA3 BB3 CC3 DD3 EE3
样品2 . .
. .
A176 B176 C176 . . Z176 AA176 BB176 CC176 DD176 EE176
样品3 A1 B1 C1 . . Z1 AA1 BB1 CC1 DD1 EE1
A2 B2 C2 . . Z2 AA2 BB2 CC2 DD2 EE2
A3 B3 C3 . . Z3 AA3 BB3 CC3 DD3 EE3
. .
. .
A176 B176 C176 . . Z176 AA176 BB176 CC176 DD176 EE176
平行因子PARAFAC分析，采用DOMFluor工具包在Matlab 7.0软件上对按上述格式排列好的各样品三维荧光光谱数据进行平行因子分析，分析中设置非负性限制，首先，对样品扫描后获得的三维荧光光谱数据除以各样品稀释后测定的DOC含量；然后，在Matlab 7.0软件上用DOMFluor工具包去除瑞利和拉曼散射，并去除离群样品后，剩余样品的三维荧光光谱数据即为所构建的用于快速表征堆肥腐熟度的数据库。
有益效果 本发明具有如下突出优点：
1、操作简单、快速。样品处理仅需简单的过滤操作，不需要任何化学药剂；样品测定时间仅为15min。
2、样品需求量少。样品需求量约为1g，容易携带。
3、灵敏度高。三维荧光光谱谱图测定的灵敏度比常规分光光度法高10-1000倍。
附图说明
图1本发明的技术路线及数据分析流程。
图2表征堆肥腐熟度的组分(Component)1和2的三维荧光光谱图谱[激发/发射(Ex/Em)波长分别为(230，330)/410和(220，280)/340]。
具体实施方式
下面结合附图对本发明的实施方式，作具体说明：
1)取样点。样品取自我国9个省份共60个不同类型堆肥处理厂的堆肥产品(表4)，9个省份包括内蒙古自治区(7个堆肥产品)、吉林省(5个堆肥产品)、河北省(6个堆肥产品)、山东省(9个堆肥产品)、河南省(7个堆肥产品)、江苏省(10个堆肥产品)、湖北省(8个堆肥产品)、安徽省(2个堆肥产品)和广西壮族自治区(6个堆肥产品)。
2)样品预处理。采集堆肥处理厂约20g堆肥产品，分成2份：一份(约19g)用于测定常规的堆肥腐熟度指标，即有机质含量、发芽指数、氧消耗速率和CO2生成速率；另一份(1g)用于提取堆肥水萃液，即将1g堆肥产品与10mL水在摇床上100rpm振荡24h得到堆肥水萃液，0.45μm滤膜去除其中悬浮物，然后利用总有机碳分析仪(型号TOC500，日本岛津)测定堆肥水萃液的可溶性有机碳(DOC)含量，并稀释到0＜DOC＜10mg/L；
3)三维荧光光谱谱图测定。约5ml稀释后的堆肥水萃液进入三维荧光光谱仪(CaryEclipse，Varian，USA)的比色皿，实验设定的激发波长范围为200-500nm，发射波长范围为250-600nm，狭缝宽度为5nm，扫描速度为1200nm/min，运行模式为Scan模式，每隔2nm取一个点，每个样品扫描后获得三维荧光光谱图及其对应的三维荧光光谱数据(176行×31列)。所得三维荧光光谱图中激发波长200-220nm的数据因含仪器噪音而删去，删去数据后的位置在数据表中显示为缺失值；以同样的设置，获得其余59个样品的三维荧光光谱图及其对应的三维荧光光谱数据(176行×31列)。所有60个样品的数据按下列形式排列，并在Excel表中存储为f1.csv形式：
表1.样品的三维荧光光谱数据排列形式.
4)平行因子(PARAFAC)分析。采用DOMFluor工具包(www.models.kvl.dk/ so urce/)在Matlab 7.0软件上对按上述格式排列好的60个样品的三维荧光光谱数据进行平行因子分析，分析中设置非负性限制{通过命令[CutData]＝EEMCut(OriginalData，20，20，NaN，NaN，″)中的NaN设置实现}，具体步骤如下：首先，对样品扫描后获得的60个三维荧光光谱数据除以各样品稀释后测定的DOC含量，用以减少不同样品有机物浓度的差异对样品的影响；然后，在Matlab 7.0软件上用DOMFluor工具包去除瑞利和拉曼散射{通过命令[CutData]＝EEMCut(OriginalData，20，20，NaN，NaN，″)实现}，并去除离群样品(Outlier，即与其它样品完全不同的样品){通过命令[Test1]＝OutlierTest(CutData，2，1，7，′No′，′No′)实现}，在此数据库中共有2个样品鉴定为离群样品，剩余58个样品的三维荧光光谱数据即为所构建的用于快速表征堆肥腐熟度的数据库。
5)最后，对经过以上处理步骤后的58个三维荧光光谱数据分别进行样品成份2至7组分运算{通过命令[Test3]＝OutlierTest(Test3，2，1，7，′Yes′，No′)实现}，并采用残差分析(Residual analysis)、半分裂法(Split half analysis)和目视检验(Visual inspection)确定最佳的荧光组分数为3{依次通过命令PlotLoadings(Test3，4)、PlotLoadings(Test3，5)、PlotLoadings(Test3，6)、PlotLoadings(Test3，7)、CompareSpecSSE(Test3，3，4，5)、[AnalysisData]＝SplitData(Test3)、[Analysis Data]＝SplitHalfAnalysis(AnalysisData，(3：7)，′MyData.mat′)、SplitHalfValidation(AnalysisData，′1-2′，3)实现}，最后获得激发/发射波长为(230，330)/410、(220，280)/340和(250，350)/450的组分1、2、3的得分数{通过命令[FMax，B，C]＝ModelOut(AnalysisDat a，4，′C:\MyParafac Results.xls′)实现}。
6)皮尔森(Pearson)相关性分析。对获得的3个组分的得分数与常规堆肥腐熟度表征指标(有机质含量、发芽指数、氧消耗速率和CO2生成速率)进行皮尔森相关性分析(SPSS软件，16.0版本)(见表2)。
表2.荧光组分得分数与堆肥腐熟度指标的相关性分析(样品数为58)
注：a相关性显著程度为0.01水平(2-尾)。b相关性显著程度为0.001水平(2-尾)。
结果发现组分1和2的得分数与各堆肥腐熟度指标具有显著的线性关系，而组分3的得分数与各堆肥腐熟度指标的线性关系相对较差。以上结果表明，仅组分1和2的得分数可用于判定堆肥腐熟度，而组分3的得分数并不能用于判定堆肥腐熟度。
通过上述皮尔森相关性分析，可以得到下列堆肥腐熟度判别关系式：
根据文献(Bernal et al.，2009.Composting of animal manures and chemical criteria forcompost maturity assessment.A review.Bioresour.Technol.100，5444-5453)中的堆肥腐熟度判别阈值[有机质含量＜30％，发芽指数＞50％，氧消耗速率＜10mg O2/g-OM/d，CO2生成速率＜4mg CO2/g-OM/d]，即可判定堆肥的腐熟程度。
7)应用实例。分别取自安徽2个猪粪堆肥处理厂的堆肥产品用于验证三维荧光光谱-平行因子分析方法的可行性。该2个堆肥处理厂的堆肥产品的三维荧光光谱应用平行因子分析后，得出2个厂堆肥产品的组分1和2的得分数的对数值分别为4.3和4.2，而2号堆肥处理厂的组分1和2的得分数的对数值分别为3.8和3.6。由表3可知，代入上述堆肥腐熟度判别关系式，得出本发明三维荧光光谱-平行因子分析方法预测堆肥腐熟度的误差＜10％，表明该方法快速预测堆肥腐熟度是可行的。
表3 堆肥腐熟度判别关系式应用实例.
表4 堆肥腐熟度评估所用堆肥产品
Claims (1)
1.一种快速表征堆肥腐熟度的方法，其特征在于：收集堆肥处理厂1g堆肥产品，其与10mL水在摇床上100rpm振荡24h得到堆肥水萃液，然后测定堆肥水萃液的可溶性有机碳DOC并稀释到0＜DOC＜10mg/L，随后采集稀释后水萃液的三维荧光光谱数据176行×31列，采集到的三维荧光光谱数据176行×31列加入腐熟的堆肥产品数据库，待测样品与数据库腐熟堆肥产品的三维荧光光谱数据176行×31列均按下列形式排列，并在Excel表中存储为f1.csv形式：
采用DOMFluor工具包在Matlab 7.0软件上对待测样品与数据库腐熟堆肥产品的三维荧光光谱数据176行×31列进行平行因子分析，依次键入如下命令：
OriginalData.Ex＝csvread(′Ex.csv′，1)
OriginalData.Em＝csvread(′Em.csv′，1)
OriginalData.X＝csvread(′fl.csv′，1)
OriginalData.nEx＝(size(OriginalData.Ex，1))
OriginalData.nEm＝(size(OriginalData.Em，1))
OriginalData.nSample＝(size(OriginalData.X，1))
OriginalData.nSample＝OriginalData.nSample/OriginalData.nEm
OriginalData.X＝(reshape(OriginalData.X′，OriginalData.nEx，OriginalData.nEm，OriginalData.n
Sample))
OriginalData.X＝permute(OriginalData.X，[3 2 1])
load PARAFACexample.mat
OriginalData
[CutData]＝EEMCut(OriginalData，20，20，NaN，NaN，″)
[Test1]＝OutlierTest(CutData，2，1，7，′No′，′No′)
[Test2]＝OutlierTest(CutData，2，1，7，′Yes′，′No′)
[Test3]＝OutlierTest(Test3，1，1，7，′Yes′，′No′)
PlotLoadings(Test3，4)
PlotLoadings(Test3，5)
PlotLoadings(Test3，6)
PlotLoadings(Test3，7)
CompareSpecSSE(Test3，3，4，5)
[AnalysisData]＝SplitData(Test3)
[AnalysisData]＝SplitHalfAnalysis(AnalysisData，(3∶7)，′MyData.mat′)
SplitHalfValidation(AnalysisData，′1-2′，3)
[AnalysisData]＝RandInitAnal(AnalysisData，4，10)
[FMax，B，C]＝ModelOut(AnalysisData，4，′C:\MyParafacResults.xls′)
即输出结果：得到数据库中所有样本和样品激发/发射波长为(230，330)/410和(220，280)/340的2个组分的得分数，即得到待测样品对应的激发/发射波长为(230，330)/410和(220，280)/340的2个组分的得分数；
再将待测样品的所得得分数乘以样品稀释倍数后代入堆肥腐熟度判别关系式：
即得到样品的堆肥腐熟度判别指标值：有机质含量，发芽指数，氧消耗速率，CO2生成速率，从而判定堆肥的腐熟程度；
其中所用腐熟的堆肥产品数据库的构建方法为：
1)取堆肥处理厂的20个以上腐熟的堆肥产品作建库样品；
2)样品预处理，各取1g堆肥样品与10mL水在摇床上100rpm振荡24h得到堆肥水萃液，0.45μm滤膜去除其中悬浮物，然后利用总有机碳分析仪测定堆肥水萃液的可溶性有机碳DOC含量，并稀释到0＜DOC＜10mg/L；
3)三维荧光光谱谱图测定，约5ml稀释后的堆肥水萃液进入三维荧光光谱仪的比色皿，实验设定的激发波长范围为200-500nm，发射波长范围为250-600nm，狭缝宽度为5nm，扫描速度为1200nm/min，运行模式为Scan模式，每隔2nm取一个点，每个样品扫描后获得三维荧光光谱图及其对应的三维荧光光谱数据176行×31列，所得三维荧光光谱图中激发波长200-220nm的数据因含仪器噪音而删去，删去数据后的位置在数据表中显示为缺失值；以同样的设置，获得其余样品的三维荧光光谱图及其对应的三维荧光光谱数据176行×31列，所有样品的数据按下列形式排列，并在Excel表中存储为数据库fl.csv形式：
4)平行因子PARAFAC分析，采用DOMFluor工具包在Matlab 7.0软件上对按上述格式排列好的各样品三维荧光光谱数据进行平行因子分析，分析中设置非负性限制，首先，对样品扫描后获得的三维荧光光谱数据除以各样品稀释后测定的DOC含量；然后，在Matlab 7.0软件上用DOMFluor工具包去除瑞利和拉曼散射，并去除离群样品后，剩余样品的三维荧光光谱数据即为所构建的用于快速表征堆肥腐熟度的数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010101567336A CN101806738B (zh) | 2010-04-27 | 2010-04-27 | 一种快速表征堆肥腐熟度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010101567336A CN101806738B (zh) | 2010-04-27 | 2010-04-27 | 一种快速表征堆肥腐熟度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101806738A CN101806738A (zh) | 2010-08-18 |
| CN101806738B true CN101806738B (zh) | 2011-05-25 |
Family
ID=42608629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010101567336A Expired - Fee Related CN101806738B (zh) | 2010-04-27 | 2010-04-27 | 一种快速表征堆肥腐熟度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101806738B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004095B (zh) * | 2010-09-21 | 2012-08-22 | 同济大学 | 快速鉴别污水处理厂进水中垃圾填埋场渗滤液的方法 |
| CN101980004B (zh) * | 2010-09-21 | 2012-07-04 | 同济大学 | 一种快速表征污泥脱水性能的方法 |
| CN102661982B (zh) * | 2012-04-20 | 2014-06-04 | 广东省生态环境与土壤研究所 | 一种快速确定堆肥腐熟度的方法 |
| CN102998294B (zh) * | 2012-12-20 | 2014-10-22 | 中国环境科学研究院 | 一种三维光谱数据校正方法 |
| CN103175813A (zh) * | 2012-12-22 | 2013-06-26 | 桂林理工大学 | 荧光光谱同时快速测定蔬菜中多菌灵和噻菌灵含量的方法 |
| CN103163112B (zh) * | 2013-02-27 | 2015-03-11 | 中国环境科学研究院 | 一种有机质腐殖化水平的综合评价方法 |
| CN104422677A (zh) * | 2013-09-09 | 2015-03-18 | 汉圣生物科技股份有限公司 | 菇蕈类分析方法 |
| CN103424391A (zh) * | 2013-09-11 | 2013-12-04 | 中国环境科学研究院 | 生活垃圾渗滤液中生物可利用有机物含量的替代测定法 |
| CN104267008B (zh) * | 2014-09-04 | 2017-01-18 | 中国科学院南京土壤研究所 | 基于三维荧光光谱的土壤溶解性有机质的优化提取方法 |
| CN104829075B (zh) * | 2015-04-28 | 2017-05-10 | 上海元钧环保科技有限公司 | 基于腐殖质含量的发酵腐熟度判定法 |
| CN106018701A (zh) * | 2016-06-29 | 2016-10-12 | 合肥槟阳农业科技有限公司 | 一种草莓有机肥腐熟检测方法 |
| CN106442381B (zh) * | 2016-07-06 | 2020-02-14 | 中国农业大学 | 一种沼渣好氧堆肥发酵腐熟度的表征方法 |
| CN106018375B (zh) * | 2016-08-09 | 2018-09-14 | 东北农业大学 | 一种基于lm神经网络的堆肥腐熟度分级评价方法 |
| CN107655867A (zh) * | 2017-08-21 | 2018-02-02 | 天津大学 | 一种检测和提取牛粪中酪氨酸的方法 |
| CN107561046A (zh) * | 2017-08-28 | 2018-01-09 | 常州大学 | 一种基于荧光水纹的污水厂尾水排放实时监测方法与系统 |
| CN108845075B (zh) * | 2018-04-25 | 2021-06-29 | 南京农业大学 | 基于深度学习网络的堆肥腐熟实时预测方法 |
| CN108596987B (zh) * | 2018-04-25 | 2022-01-04 | 南京农业大学 | 基于图像深度特征序列的堆肥腐熟判断方法 |
| CN109738610A (zh) * | 2018-12-21 | 2019-05-10 | 广东省生态环境技术研究所 | 一种快速评价木质纤维素类废弃物堆肥腐熟度的方法 |
| CN109580520B (zh) * | 2018-12-21 | 2021-03-30 | 广东省生态环境技术研究所 | 一种表征堆肥过程中腐殖酸合成的方法 |
| CN111766335B (zh) * | 2020-08-10 | 2022-04-26 | 中国科学院东北地理与农业生态研究所 | 一种堆肥腐熟度的判定方法 |
| CN118209546B (zh) * | 2024-05-21 | 2024-07-16 | 吉林大学 | 一种堆肥腐熟度快速检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1831534A (zh) * | 2006-03-23 | 2006-09-13 | 天津市农业资源与环境研究所 | 有机肥腐熟度的花粉培养检测方法 |
| CN101477050A (zh) * | 2009-02-02 | 2009-07-08 | 西南科技大学 | 多环芳烃三维荧光在线检测仪 |
| CN101769867A (zh) * | 2010-01-08 | 2010-07-07 | 中国农业大学 | 一种堆肥产品品质的无损检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60214240A (ja) * | 1984-04-10 | 1985-10-26 | Mitsubishi Electric Corp | 漏油検出装置 |
-
2010
- 2010-04-27 CN CN2010101567336A patent/CN101806738B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1831534A (zh) * | 2006-03-23 | 2006-09-13 | 天津市农业资源与环境研究所 | 有机肥腐熟度的花粉培养检测方法 |
| CN101477050A (zh) * | 2009-02-02 | 2009-07-08 | 西南科技大学 | 多环芳烃三维荧光在线检测仪 |
| CN101769867A (zh) * | 2010-01-08 | 2010-07-07 | 中国农业大学 | 一种堆肥产品品质的无损检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 占新华等.污泥堆肥过程中水溶性有机物光谱学变化特征.《环境科学学报》.2001,第21卷(第4期),470-474. * |
| 滕险峰等.生活垃圾堆肥水溶性有机物荧光特性变化.《黑龙江农业科学》.2008,(第6期),48-51. * |
| 魏自民等.微生物接种堆肥胡敏酸三维荧光特性研究.《光谱学与光谱分析》.2008,第28卷(第12期),2895-2899. * |
| 魏自民等.生活垃圾微生物堆肥水溶性有机物光谱特性研究.《光谱学与光谱分析》.2007,第27卷(第4期),735-738. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101806738A (zh) | 2010-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101806738B (zh) | 一种快速表征堆肥腐熟度的方法 | |
| Zhu et al. | Insight into interactions of heavy metals with livestock manure compost-derived dissolved organic matter using EEM-PARAFAC and 2D-FTIR-COS analyses | |
| Chen et al. | Impact of different nitrogen source on the compost quality and greenhouse gas emissions during composting of garden waste | |
| Toledo et al. | Monitoring of the composting process of different agroindustrial waste: Influence of the operational variables on the odorous impact | |
| Cui et al. | Assessment of phytotoxicity grade during composting based on EEM/PARAFAC combined with projection pursuit regression | |
| Mann et al. | Relationships between field management, soil health, and microbial community composition | |
| Zhang et al. | Assessing the stability in composting of penicillin mycelial dreg via parallel factor (PARAFAC) analysis of fluorescence excitation–emission matrix (EEM) | |
| Tang et al. | Insight into complexation of Cu (II) to hyperthermophilic compost-derived humic acids by EEM-PARAFAC combined with heterospectral two dimensional correlation analyses | |
| Tang et al. | Different analysis techniques for fluorescence excitation–emission matrix spectroscopy to assess compost maturity | |
| Ren et al. | A synthetic analysis of greenhouse gas emissions from manure amended agricultural soils in China | |
| Yu et al. | Fluorescence excitation–emission spectroscopy with regional integration analysis for assessment of compost maturity | |
| Li et al. | Responses of microbial communities to a gradient of pig manure amendment in red paddy soils | |
| Tian et al. | Assessment of the maturity and biological parameters of compost produced from dairy manure and rice chaff by excitation–emission matrix fluorescence spectroscopy | |
| Chen et al. | Analysis and behavior of soluble organic nitrogen in forest soils | |
| Albrecht et al. | Efficiency of near-infrared reflectance spectroscopy to assess and predict the stage of transformation of organic matter in the composting process | |
| Ji et al. | Evaluation of composting parameters, technologies and maturity indexes for aerobic manure composting: A meta-analysis | |
| Lü et al. | Application of advanced techniques for the assessment of bio-stability of biowaste-derived residues: a minireview | |
| Hu et al. | Effects of organic wastes on structural characterizations of humic acid in semiarid soil under plastic mulched drip irrigation | |
| Jimenez et al. | Methane production and fertilizing value of organic waste: Organic matter characterization for a better prediction of valorization pathways | |
| Ippolito et al. | Long-term biosolids land application influences soil health | |
| CN102636466A (zh) | 一种表征堆肥腐殖化程度的方法 | |
| Zhao et al. | The impacts of metal ions on phytotoxicity mediate by microbial community during municipal solid waste composting | |
| CN109214635A (zh) | 一种堆肥腐熟度的评价方法 | |
| Bhattacharjya et al. | In situ decomposition of crop residues using lignocellulolytic microbial consortia: a viable alternative to residue burning | |
| Brinton et al. | Compost sampling for nutrient and quality parameters: variability of sampler, timing and pile depth |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110525 |