CN103575680A

CN103575680A - 一种评估有机肥质量指标的光谱学方法

Info

Publication number: CN103575680A
Application number: CN201310595563.5A
Authority: CN
Inventors: 余光辉; 沈其荣; 王昶; 黄驰超; 李欢; 冉炜
Original assignee: Nanjing Agricultural University
Current assignee: Nanjing Agricultural University
Priority date: 2013-11-22
Filing date: 2013-11-22
Publication date: 2014-02-12

Abstract

本发明公开了一种评估商品有机肥产品质量的方法，属于固体有机废弃物处理领域。本发明方法首先测定有机肥样本质量指标中的有机质、总氮、水分含量、pH值、水溶性有机碳、水溶性有机氮、发芽指数和电导率；其次，测定上述有机肥样本的近红外光谱，采用偏最小二乘法建立校正模型并采用留一交叉验证形式进行验证，从而得到定量校正模型，对于定量校正模型采用主成分分析法重新优化建模，得到优化模型；从而测定未知样品的质量指标。本发明方法可以快速、价廉地评估商品有机肥的质量参数。同时，该方法评估商品有机肥质量时，具有不需要化学试剂、无损和操作简单的优点。

Description

一种评估有机肥质量指标的光谱学方法

技术领域

本发明涉及固体有机废弃物处理和资源化利用领域，具体涉及一种评估有机肥质量指标的光谱学方法。

背景技术

畜禽粪便中含有大量农作物生长所需要的各种营养成分，如氮、磷、钾及有机质等，是优质的有机肥料，但大量粪便如果使用不当或过量施用，也会导致土壤、大气、水体的污染，使生态环境遭到破坏。因此，合理的利用畜禽粪便和农村其它有机固体废弃物（如秸秆、木屑、菇渣等）生产的有机肥，既可以避免不必要的环境污染，也可以合理利用这些固体有机废弃物中的营养成分。而评估有机肥质量参数是确保有机肥市场的必不可少的步骤。常规的评估有机肥质量指标的方法耗时较长且成本较高（如果样品量较多时）。目前的研究者仅利用近红外光谱预测堆肥过程中的相关物理化学指标的变化，尚未见对于商品有机肥质量指标评估的报道。

发明内容：

本发明提供了一种评估有机肥质量指标的方法，用于有机肥质量指标的快速、准确、无损评估，解决了现有检测方法费时、费力、费用高、污染重等问题。

一种评估有机肥质量指标的光谱学方法，包括以下步骤：

（1）采集有机肥样本，测定有机肥样本质量指标中的有机质、总氮、水分含量、pH值、水溶性有机碳、水溶性有机氮、发芽指数和电导率；

（2）采集步骤（1）的有机肥样本的近红外光谱谱图并进行预处理，用偏最小二乘法建立校正模型并采用留一交叉验证形式进行验证，从而得到定量校正模型，对于定量校正模型利用主成分分析法重新优化建模，得到优化模型；

（3）采集有机肥待测样品的近红外光谱谱图并进行预处理，通过步骤（2）的优化模型计算得到有机肥待测样品的质量指标。

所述的有机肥样本的数量为50个以上，优选为100～200。

所述的步骤（2）或（3）中的预处理是采用一阶导数、二阶导数、多元散射校正中的一种或多种对谱图进行预处理，优选采用二阶导数进行预处理。

所述的步骤1）的有机肥样本为具有肥料登记证的有机肥企业所生产的有机肥。

上述有机肥的粒径为20～100目，优选为60～80目；所述的有机肥包括有机肥样本和有机肥待测样品。

采集有机肥的近红外光谱的扫描范围为：350～2500nm其中，光谱扫描范围为350～1000 nm的分辨率为2～5nm，光谱扫描范围为1000～2500nm的分辨率为8～12nm。

本发明的有益效果：

1.采用本发明方法评估有机肥质量指标具有简单的操作步骤，样品处理仅需简单的碾磨和过筛操作，不需要任何化学药剂；此外，本发明发明具有较快的样品检测速度，样品测定时间仅为1min。

2.采用本发明方法评估有机肥质量指标所需的待测样品的量少，待测样品需求量约为20g，便于一次携带多种待测样品，此外，采用本发明方法检测后的样品可以回收利用。

3.采用本发明方法评估有机肥质量指标准确度高，商品有机肥样品各项质量指标的定量校正模型的决定系数均在0.8以上。

附图说明

图1为本发明方法的流程图；

图2为本发明的部分有机肥样本全光谱曲线图；

图3为采用本发明方法评估有机肥待测样品质量指标的实测值与预测值间相关关系图。

具体实施方式

下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：

仪器及测试方法：

测定有机肥质量指标中的有机质、总氮、水分含量以及pH值依据的是中华人民共和国农业执行标准NY525-2012中的测定方法。

水溶性有机碳和水溶性有机氮采用Liqui TOC仪（Elementar公司，德国）以10:1的液固比提取的浸提液，过0.45μm滤膜后测定。

发芽指数的测定参考Zucconic（Zucconi等,1985）的方法。具体方法为：用去离子水将新鲜有机肥样品的含水量调解至75%后备用，并将此样品与去离子水按1：10（质量比）混匀，水平摇床上震荡2小时，静置30分钟后用定性滤纸过滤，滤液备用。将5ml的滤液加入到直径为9cm并铺有滤纸的培养皿中，每个培养皿中放入20粒大小相等、籽粒饱满的独行菜（Lepidium sativum L.）种子。将其放置在25±2℃的培养箱中，避光培养3天，同时以去离子水为对照，每个样品重复3次。计算公式为：

发芽指数=（滤液组种子发芽率×滤液组种子发芽根长）/（对照组种子发芽率×对照组种子发芽根长）×100%

电导率采用智能电导温度仪（FJA-6型，北京信诺高科仪器仪表商贸有限公司）以10:1的液固比提取的浸提液测定。

光谱数据的采集使用美国ASD仪器公司的AgriSpec便携式近红外光谱仪。

实施例1

1）有机肥样本的选取及采集有机肥样本的光谱数据。取自江苏省104个不同来源有机肥厂的有机肥样本，将104个有机肥样本过80目筛的样品置于直径6cm的培养皿中，用培养皿盖轻刮样品表面，使得样品表面平整并均匀分布于培养皿内，再将美国ASD仪器公司的AgriSpec便携式近红外光谱仪的光纤探头伸入有机肥样本中扫描，对每个样品扫描5次，取其光谱平均值作为该样品的光谱值，以减少培养皿对光谱测量的干扰。光谱采集过程中通过仪器自带的ViewSpecPro软件设定参数，并对光谱数据进行获取和保存。仪器参数设置如下：波长范围：350-2500nm；最快采集速度：100ms；采样间隔：350-1000nm波长范围内的分辨率为3nm，1000-2500nm波长范围内的分辨率为10nm。

2）定量校正模型以及优化模型的建立。

首先，测定有机肥样本的质量指标值（有机质、总氮、水分含量、pH值、水溶性有机碳、水溶性有机氮、发芽指数和电导率）；其次，采用ViewSpecPro软件对上述104个不同来源有机肥厂的有机肥样本红外光谱图进行二阶导数预处理，用偏最小二乘法建立校正模型，对校正模型采用留一交叉验证形式进行验证，得到定量校正模型，对于所建立的定量校正模型，利用主成分分析法去除偏离度较大数据，重新优化建模，建立优化模型。偏最小二乘法回归分析结合交叉验证的方法使用UnscramblerTrial9.7软件（CAMO公司，挪威）执行。优化模型对有机肥样品各质量指标进行检测的准确性指标如表1所示：

定量分析模型需要具有较低的内部交叉验证均方差（RMSEC）和较高的决定系数（R2）。此外，RPD值，即标准差（SD）与内部交叉验证均方差（RMSECV）的比值也被用于评估模型的准确性。0.66≤R²≤0.80表明模型只能起到近似定量预测的效果，0.81≤R²≤0.90表明模型的预测效果不错，R²>0.90表明模型的预测效果很好；至于RPD值，RPD＜2的模型不足以应用于定量分析,2≤RPD≤2.5的的模型可用于粗略定量预测，2.5≤RPD≤3表明模型的预测效果不错，RPD>3表明模型的预测效果很好。采用预测相关系数（r）、预测均方根误差（RMSEP）、标准差（SD）与RMSEP的比值RPD评价模型性能。r值越高，RMSEP值越小，说明模型性能越好；RPD值在1.0-2.0之间表明模型可以区分变量的高低值，在2.0-2.5之间表明可以进行定量预测，超过2.5则表明具有良好的预测精度。

表1优化模型对有机肥样品各质量指标进行检测的准确性指标

3）有机肥待测样品的检测：

测定有机肥待测样品的有机质、总氮、水分含量、pH值、水溶性有机碳、水溶性有机氮、发芽指数和电导率的实测值。

采集该有机肥待测样品近红外光谱图，将样品的粒径为80目，近红外光谱的波长范围为350-2500nm，最快采集速度：100ms。采样间隔：350-1000nm波长范围内的分辨率为3nm，1000-2500nm波长范围内的分辨率为10nm。将采集后的近红外光谱图采用二阶导数进行预处理，对预处理后的红外光谱图采用上述建立的优化模型计算得到有机肥待测样品的有机质、总氮、水分含量、pH值、水溶性有机碳、水溶性有机氮、发芽指数和电导率的预测值。

该有机肥待测样品的有机质、总氮、水分含量、pH值、水溶性有机碳、水溶性有机氮、发芽指数和电导率的实测值和预测值如表2和表3所示。

表2或表3中水分含量的单位为（%）、有机质的单位为（g/Kg）、总氮的单位为（g/Kg）、水溶性有机碳的单位为（g/Kg）、水溶性有机氮的单位为（g/Kg）、发芽指数的单位为（%）和电导率的的单位为（mS/cm）。

表2有机肥中水分含量、有机质、总氮和水溶性有机碳的实测值和预测值

表3有机肥中水溶性有机氮、发芽指数、电导率和pH的实测值和预测值

Claims

1.一种评估有机肥质量指标的光谱学方法，其特征在于：所述的方法包括以下步骤：

（2）采集步骤（1）的有机肥样本的近红外光谱谱图并进行预处理，用偏最小二乘法建立校正模型并采用留一交叉验证形式进行验证，从而得到定量校正模型，对于定量校正模型采用主成分分析法重新优化建模，得到优化模型；

2.根据权利要求1所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的有机肥样本的数量为50个以上。

3.根据权利要求2所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的有机肥样本的数量为100～200个。

4.根据权利要求1所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的步骤（2）或步骤（3）中的预处理是采用一阶导数、二阶导数、多元散射校正中的一种或多种对谱图进行预处理。

5.根据权利要求4所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的步骤（2）或步骤（3）中的预处理是采用二阶导数对谱图进行预处理。

6.根据权利要求1所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的有机肥样本为具有肥料登记证的有机肥企业所生产的有机肥。

7.根据权利要求1所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的有机肥粒径为20～100目。

8.根据权利要求7所述的评估有机肥质量指标的光谱学方法，其特征在于：所述的有机肥粒径为60～80目。

9.根据权利要求1所述的评估有机肥质量指标的光谱学方法，其特征在于：采集有机肥的近红外光谱的扫描范围为：350～2500nm。

10.根据权利要求9所述的评估评估有机肥质量指标的光谱学方法，其特征在于：光谱扫描范围为350～1000nm的分辨率为2～5nm，光谱扫描范围为1000～2500nm的分辨率为8～12nm。