CN107748144A - 快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统 - Google Patents

快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统 Download PDF

Info

Publication number
CN107748144A
CN107748144A CN201711114739.5A CN201711114739A CN107748144A CN 107748144 A CN107748144 A CN 107748144A CN 201711114739 A CN201711114739 A CN 201711114739A CN 107748144 A CN107748144 A CN 107748144A
Authority
CN
China
Prior art keywords
air
sample
nitrogen
soil
quick
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.)
Pending
Application number
CN201711114739.5A
Other languages
English (en)
Inventor
阎凯
许建初
马怀霞
高大山
李云驹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Phosphate Chemical Group Co ltd Phosphate Resource Development And Utilization Engineering Technology Research Branch
Kunming Institute of Botany of CAS
Original Assignee
Yunnan Phosphate Chemical Group Co ltd Phosphate Resource Development And Utilization Engineering Technology Research Branch
Kunming Institute of Botany of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Phosphate Chemical Group Co ltd Phosphate Resource Development And Utilization Engineering Technology Research Branch, Kunming Institute of Botany of CAS filed Critical Yunnan Phosphate Chemical Group Co ltd Phosphate Resource Development And Utilization Engineering Technology Research Branch
Priority to CN201711114739.5A priority Critical patent/CN107748144A/zh
Publication of CN107748144A publication Critical patent/CN107748144A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，涉及土壤检测领域。该检测系统由样品制备、样品存储、样品扫描、智能检测、结果输出五部分组成，基于中红外光谱技术，结合机器学习(随机森林模型)和R软件包的创新运用，并采用样品编码、快速风干等技术，实现了“一键式”对土壤总碳、有机碳、总氮、水解氮、δ13C和δ15N的自动检测。与现有技术相比，本检测系统和方法降低了检测人员专业和经验要求，节约了时间和经费，并提高了检测的可靠性和准确性，方便了样品的实物定位和溯源，增加了检测结果用途的多元性，提升了检测系统的信息化水平。

Description

快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统
技术领域
本发明属于土壤检测领域，具体涉及快速测定土壤碳氮组分及碳氮稳定同位素的中红外光谱检测系统和方法。
背景技术
土壤碳(C)氮(N)组分及其碳氮稳定性同位素(δ13C、δ15N)特征与立地环境密切相关，反应了植物群落与环境的响应和适应策略，是体现区域生态系统功能及过程的重要参数。土壤碳素，特别是有机碳，直接参与土壤的各种物理、化学和生物过程。土壤氮素，特别是土壤水溶性氮，与植物氮素吸收及群落响应密切相关。碳氮稳定性同位素，是监测碳氮环境行为和通量的重要指标，在指示土壤有机质来源、转换、有机污染来源，以及氮素循环和含氮废物迁移中具有重要意义。
根据国家和行业的相关测定标准(如GB 9834-1988、LY/T 1229-1999)，以及鲁如坤(2000)编著的《土壤农业化学分析方法》，乙醇-乙醇胺非水滴定法、重铬酸钾法氧化法是测定土壤总碳、有机碳的通用方法，凯氏定氮法、碱解扩散法是测定土壤总氮、土壤水解氮的通用方法；此外，目前也有采用碳氮测定仪进行测定的。根据测定标准QBT4854-2015和林光辉(2013)《稳定同位素生态学》，质谱法(IRMS)是目前测定土壤碳氮稳定性同位素的标准测定方法。然而，这些方法检测效率较低、过程繁琐、费用较高，对检测人员的专业水平要求较高，且检测过程需要使用大量的化学试剂，需要进行无害化处置，在一定程度上制约了土壤碳氮质量研究和监测工作的开展。
中红外光谱法，作为便捷且经济的方式日渐受到环境监测和生态学研究领域的重视。中红外光谱技术采用的是一种漫反射光的收集和测定技术，通过漫射、散射光的收集对物质的官能团进行记录，相对于近红外光谱具有信号强、信号提取相对容易的特点。目前国内对于中红外光谱的解谱和定量分析仍处于起步阶段，目前仅专利CN 101975764A涉及土壤氮素的测定；专利申请公布号CN 105699314A涉及δ13C的中红外光谱量化，但无法同时对土壤总碳、土壤有机碳、土壤总氮、土壤水解氮、以及δ13C和δ15N进行测定。此外，解谱过程和建库过程复杂，非专业人员不易掌握。
另外，不论是常规检测还是近来受到重视的中红外光谱检测，其受检土壤样品制备中的风干过程一般需要2～6天，这一环节严重地制约了检测效率。
近年来，土壤退化日益严重，人们对土壤碳氮及其稳定同位素的关注和测定需求不断提高，就土壤碳氮质量检测领域的中红外光谱技术而言，研制和开发智能化、多指标同时测定、样品快速制备、且低成本的检测系统和方法，具有重要意义和巨大的实用价值。
发明内容
鉴于现有技术的上述缺陷和问题，本发明基于中红外光谱技术，结合机器学习(随机森林模型)和R软件包的创新运用，并采用样品编码、快速风干等技术，并进行实用性高的硬件组配，提供一种快速测定土壤碳氮组分及碳氮稳定同位素的中红外光谱检测系统和方法。
本发明提供了如下的技术方案(系统原理框图见图1，硬件组配见图2)：
快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，由样品制备、样品存储、样品扫描、智能检测、结果输出五部分组成，其特征是：(a)土壤样品在采样时用计算机208载入采样信息，连接编码打印机201进行编码，将贴有编码标签的样品装入样品流转箱203进行运输(配以读码器202在后续的环节加以识别)，通过快速风干器204进行风干，通过研磨仪205研磨；(b)风干后的土壤样品和经研磨的样品存入编码样品库206进行保存；(c)确定定标样品，采用光谱仪207对样品进行扫描，获得受检样品的光谱信息；(d)光谱仪与计算机连接，通过R程序包和随机森林(randomForest)算法，进行光谱仪光谱信息识别及数字化转化、并与同一样品的常规检测结果进行比较，在通过机器学习建立数据库和建立模型后，“一键式”对待检土壤样品碳氮组分(土壤总碳、土壤有机碳、土壤总氮、土壤水解氮)及碳氮稳定同位素(δ13C和δ15N)进行自动测定；(e)检测结果自动存入数据库，通过打印机209输出结果。
一、该检测系统的主要组成部分。
本检测系统由以下五部分组成(参见图2)：
1、样品制备部分。该部分主要由计算机208、样品编码打印机201与读码器202、样品流转箱203、快速风干器204、研磨仪205组成，通过对样品进行采集、编码、快速风干和研磨，以实现对土壤样品的采集和制备。
(1)计算机配合样品编码(条形码或二维码)打印机用于对土壤采样信息的录入和编码标签的打印；读码器用于对编码的识别和样品信息的读取。
(2)样品流转箱的功能是为了保证土壤样品采集运输过程中不产生霉变等不利变化，该箱能将温度和湿度控制在一定的范围内，以便在短时间内保存袋装或瓶装的土壤样品。
(3)快速风干器包括干燥空气制备仓301和样品风干仓302两个部分。上述两部分可以采用任何形状，如正方体、长方体、多边形体、圆柱体，或是多种规则与不规则体形的组合体；其制作材料可以采用各种金属和无检测污染性的工程塑料。快速风干器的整体体积以1m3～10m3为宜，其干燥空气制备仓与样品风干仓的比例在10：1与2：1之间为宜。
空气由风干器进风口303进入，干燥空气由安置在干燥空气制备仓中的干燥机303产生，在干燥空气制备仓储存。干燥机可采用压缩式、对流式、传导式、辐射式、介电式等类型，其功率视风干器所设置的风干槽数及风干样品的时间而定，一般在0.4千瓦～5千瓦之间选定。
在干燥机排气和排风扇抽气动能的作用下，在经干燥空气过滤板312过滤后，再经干燥空气前置匀流孔313进入样品风干仓。出于严防污染的考虑，干燥空气过滤板一般采用高效过滤材料(捕集0.1～0.3微米粒径的尘埃颗粒)的超细玻璃纤维材料制作，但亚高效与中效过滤材料(化纤、PP、玻璃纤维等)和粗效过滤材料(无纺布、不织布、尼龙等)也在本专利的保护范围。
仓内用隔离板319设置出N个(N＞2,为整数)相对独立的风干槽，样品盛放皿盘315置于槽中，槽的末端设有干燥空气后置匀流孔314，每个风干槽前置匀流孔与后置匀流孔的个数与形状无特别要求，但各槽前置匀流孔与后置匀流孔的面积须相等，使得通过每个风干槽的干燥空气量大致相等。但各槽前置匀流孔与后置匀流孔的面积不相等，只会对各槽样品的风干效率产生有限的差异，不会改变本发明快速风干的属性，故也在本发明的保护范围。
在每个风干槽设有气流加速导板316，在干燥空气流经样品盛放皿盘上部时的空间变得狭窄，气流加速，穿隙能力增强，以提高样品的风干效率。气流加速导板可以制作成各种形状、引导气流的一面可以是光面也可以是糙面，只要使导入的干燥空气流经样品盛放皿盘上部时的空间变得狭窄，就属于本专利的保护范围。
通过风干槽的气体在干燥机排气和排风扇的共同作用下，经过风干器排风口集尘网318过滤，在风干器排风口304排出。排风口集尘网粗效过滤材料(无纺布、不织布、尼龙等)即可。快速风干器设有空气温湿度计311，以显示干燥空气制备仓中空气的温度和湿度。快速风干器设有控制面板310，以控制干燥机和排风扇的启动和关闭。快速风干器设有上盖305，以便置放、观察、取出样品和清洁样品风干仓；快速风干器设有后盖306，以便放置和操作干燥机。
(4)研磨仪为臼式研磨仪。
2、样品存储部分。编码样品库由若干个多抽(抽屉)多格样品柜组成，每格为一个存放单元，在干燥、低温、阳光不能直射的环境下设置，按照流水号(自然排序)标注样品存放单元的地址，每一个样品的存放地址是不可改变的(作废处理除外)，这样在它第一次放入该存放单元被记录地址后，以后只要知道样品编码就知道它所存放的具体位置，以方便样品多次(多用途)使用。
3、光谱扫描部分。该部分采用灵敏的中红外光谱仪，它与计算机连接，通过对被检土壤样品的光谱扫描，来获取光谱信息。
4、智能检测部分。该部分的硬件是计算机208，利用国际共享的R程序包，通过随机森林(randomForest)等算法进行研究开发，具有以下功能：(1)光谱信息识别及数字化转化；(2)光谱数据预处理；(3)通过与常规检测结果的比较，进行机器学习建立数据库和建立模型；(4)实现对土壤样品中总碳、有机碳、总氮、水解氮、δ13C和δ15N等多种指标的同时自动测定。
5、结果输出部分。该部分的硬件是打印机209，及其它配套数据传输器，具有以文字、表格和图片形式输出土壤碳氮组分及同位素检测结果和样品信息的功能。
二、该检测系统的主要原理及使用方法与步骤如下：
1、主要原理。
快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，基于中红外光谱技术，结合随机森林模型理论和R软件包开发，其原理框图见图1。较之现有的中红外光谱检测技术，其特征在于：优选地运用R软件包进行机器学习(随机森林模型)和推演，以替代专业化要求高且复杂的人工操作过程，便捷地同时测定土壤碳组分及其碳氮稳定同位素,其过程为：快速风干土壤样品，通过红外光谱仪获得被测土壤样品的光谱信息，在计算机运用R软件包对样品的光谱进行数据转换和校正，与常规检测结果比较，进行机器学习(随机森林模型)，获得预测模型，通过验证均方根误差(RMSECV)和决定系数(R2)对预测精度进行评价，视情增加样本数量，直至达到检测要求；“一键式”同时测定土壤总碳、土壤有机碳、土壤总氮、土壤水解氮及碳稳定同位素δ13C和氮稳定同位素δ15N的检测结果。
2、使用方法与步骤。
本检测系统具体使用方法与步骤如下：
(1)录入采样信息，对样品进行编码。派员进入研究区域，按照相关规范进行样品采集和编码，录入样品采集时间、样品采集工具、样品采集方式、经纬度、海拔高度、用地类型、坡向坡度、地表植被种类等样品信息。
(2)采用样品流转箱将土壤样品从野外安全地运至实验室。
(3)采用快速风干器等装置和仪器快速制备样品。采用自制的快速风干器对土壤样品进行风干，采用研磨仪进行粉碎，过0.5mm孔径聚乙烯筛，一式多份装入密封的塑料袋中，并张贴编码标签。
(4)存入编码样品库，记录样品存放的地址。将制备好的每个土壤样品按先后放入编码样品库柜中抽屉的格中，用计算机与读码器记录样品存放的地址。
(5)确定定标样品，进行光谱扫描和常规测定，对样品扫描的光谱进行数据转换和校正，进行机器学习，建立数据库和预测模型。
①明确任务，建立规则。明确研究区域，按照相关规范和所用中红外光谱仪的测试要求，建立本检测系统的《样品采集和制备规则》，以求本检测系统的样品采集和制备符合国际或国家、行业规范并保持先后一致，降低人为误差。
②进行土壤样品分层抽样，确定定标样品。考虑到不同景观、不同用地条件下土壤样品性质存在差异，在此根据不同景观和用地(分层)进行随机样点抽取，作为在进行光谱扫描测定的同时还进行常规测定定标样品(一式多份)。
③将定标样品进行光谱扫描。
④对定标样品进行常规测定。根据LY/T 1229-1999，GB 9834-1988等测定标准，对土壤总碳、总氮、有机碳、水解氮进行常规测定，根据测定标准QBT4854-2015对碳(δ13C)氮(δ15N)稳定同位素进行质谱分析。
⑤对样品扫描的光谱进行数据转换和校正。对定标样品的光谱进行数据转换，将二进制数据转换为方便计算的十进制数据。该过程主要通过R程序包的hexView进行。具体如下：首先通过require函数加载hexView程序包；利用opus.file.path函数设置光谱文件的读取路径；利用output.path函数设置转换后的输出路径。随后通过new.env函数创建环境空间用于随后数据的储存和运算；随后通过readRaw函数对二进制元光谱进行转换，选择MIR即中红外的方式进行读取。通过write.table函数将光谱形状以十进制数据点的形式存储在csv文件中。接着对定标样品的光谱进行预处理，包括多元散射校正、平滑处理等，降低光谱噪声和背景。该过程主要通过R程序包soil.spec进行。具体如下：首先通过msc函数对数据进行多元散射校正，算法如下：先计算所有样品的平均光谱将每个样品的光谱与平均光谱进行线性回归，得到回归系数mi、bi，计算校正后的光谱，其中i＝1，2，...，n为样品数；j表示j个波数。随后通过spec.env函数进行Savitzky-Golay图谱平滑转换，这是一种基于局域多项式最小二乘法拟合的滤波方式，算法如下： 式中，i＝1，2，...，n。令A＝{ani}，ani＝ni，-m≤n≤m，0≤i≤n，B＝AT×A，则有于是，Ba＝AT×Aa＝ATX，a＝(AT×A)-1×ATX＝HX；H就是所求的卷积系数，再利用卷积系数来进行加权平均运算。在消除CO2的影响后(2379.8～2350.8cm-1波段的数据被移除)，通过write.table函数将转化后光谱保存在CSV文件中。
⑥进行机器学习，建立数据库和预测模型。基于样品的有关数据和相应光谱数据，通过R软件包和randomForest进行机器学习，建立预测模型。首先利用Bootstrap重抽样的方法生成K个子集数据：针对每个子集结合校正后光谱数据利用随机森林算法从K各自变量中随机选择部分变量进行分类树节点的确定，最终选择重复程度最高的树作为最终结果。本过程应变量为连续变量，因而可以理解为具有自适应性的回归分析，最终通过加权均方算法同时获得多种土壤碳氮组分及碳氮稳定同位素的光谱初始模型。
(6)进行“一键式”的智能测定。在系统建立了待检项目的光谱初始模型后，进行“一键式”智能测定操作，基于初始模型，通过交互验证均方根误差(RMSECV)和校正决定系数(R2)对预测精度进行评价，即可同时得到土壤样品总碳、有机碳、总氮、水解氮、δ13C和δ15N的测定结果。
三、与现有技术相比，本发明的有益效果在于：
在中红外光谱检测技术领域，目前国内尚未见到基于随机森林模型理论和R软件进行智能化开发以及同时测定土壤碳组分及碳氮稳定同位素的检测系统和方法之授权或公告文件。与现有技术相比，本发明具有以下有益效果：
(1)本系统基于中红外光谱技术和随机森林算法并通过R软件运行，实现了对土壤总碳、有机碳、总氮、水解氮、δ13C和δ15N的智能化检测，降低了检测人员专业和经验要求，并提高了检测的可靠性和准确性；
(2)实现了对土壤总碳、有机碳、总氮、水解氮、δ13C和δ15N的同时测定，其结果以“一键式”方式获得，提高了效率，大大节约了时间和经费；
(3)本检测系统具有样品快速风干装置，将样品制备的最短时间从数天缩短至数小时；
(4)本检测系统对样品进行编码，录入样品采集、制备和检测信息，方便了样品的实物定位和溯源，增加了检测结果用途的多元性，提升了检测系统的信息化水平。
附图说明
图1为快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统原理框图。
图2为快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统硬件组配示意图。其中：201——编码打印机；202——读码器；203——样品流转箱；204——快速风干器；205——研磨仪；206——编码样品库；207——光谱仪；208——计算机；209——打印机。
图3为快速风干器结构示意图。图(A)为整体构成剖面示意图，图(B)为样品风干仓平面示意图。其中：301——干燥空气制备仓；302——样品风干仓；303——风干器进风口；304——风干器排风口；305——风干器上盖；306——风干器后盖；307——干燥机；308——干燥机进风口；309——干燥机排风口；310——风干器控制面板；311——风干器空气温湿度计；
312——干燥空气过滤板；313——干燥空气前置匀流孔；314——干燥空气后置匀流孔；315——样品盛放皿盘；316——气流加速导板；317——风干器排风扇；318——风干器排风口集尘网；319——样品风干仓隔离板。
图4为具体实施方式例1土壤样品中红外原始光谱。
图5为具体实施方式例1经校正的土壤中红外光谱。
图6为具体实施方式例1土壤总碳、总氮、有机碳、水溶性氮、土壤碳(δ13C)氮(δ15N)稳定同位素光谱预测结果与常规测试结果的回归关系图。
图7为具体实施方式例2土壤总碳、总氮、有机碳、水溶性氮、土壤碳(δ13C)氮(δ15N)稳定同位素光谱预测结果与常规测试结果的回归关系图。
具体实施方式
下面结合具体附图，举例进一步说明本发明的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，但并不以此来限定本发明。
实施例1:
对目标研究区域(云南省西双版纳州勐那乡)项目土壤样品的总碳、总氮、有机碳、水解氮、碳同位素(δ13C)和氮同位素(δ15N)进行建库、建模与测定。
1、检测系统的硬件的制作与配置。
本检测系统按图1、图2、图3描述的原理和结构组配,所采用的硬件见表1。
表1:检测系统仪器、设备、装置配置一览表
本检测系统快速风干器的制作和使用说明：
快速风干器204采用不锈钢板材、型材制作。整体外形为正方形柱体，外部尺寸为1200×mm1000×mm×1000mm(高×长×宽)，其中下部干燥空气制备仓201尺寸为1000×mm1000×mm×1000mm(高×长×宽)，上部样品风干仓202尺寸为200×mm1000×mm×1000mm(高×长×宽)。干燥空气制备仓容积约为1m3(含干燥机体积)，干燥机307采用“松井”SJ-582E工业除湿干燥机，该机是一款空气相对湿度调节范围为20％～90％、输出空气温度+20℃～－20℃可调、在30℃/80％RH环境条件下其除湿量为35升/天的空气干燥机。干燥空气过滤板312采用320mm×320mm×50mm(长×宽×厚)超细玻璃纤维制成的高效空气过滤板。干燥空气制备仓按10槽制作，在风干器上盖305闭合的情况下，每槽空间相对独立，以防止样品在风干过程中交叉混杂；各槽干燥空气前置匀流孔313与后置匀流孔314均为直径2.5cm的圆孔；样品盛放皿盘315采用31cm×9.7cm×1.7cm(长×宽×高)长方形陶瓷平盘。气流加速导板316弧面与长方形陶瓷平盘上沿水平面最小距离为3mm(平盘在盛装土壤样品时应用直尺沿上沿刮平)。风干器排风口集尘网318采用“联兵”5mm厚防尘过滤棉(可清洗)制作，以消除外排气体的灰尘，保护环境。排风扇317采用“强力”100mm小型高速静音排风扇。空气温湿度计311采用“美德时”JB913高精度实验室用电子温湿度计，其空气温度测量范围为0℃～+20℃，空气湿度测量范围为15％～95％RH。控制面板310设立电源指示灯和干燥机、排风扇开关，以控制干燥机和排风扇的启动和关闭。快速风干器设有尺寸为1000×mm×1000mm整体上盖，以便置放、观察、取出样品，更换、清洗排风口集尘网，清洁样品风干仓；快速风干器后盖306尺寸为1000×mm×1000mm，以便放置和操作干燥机。
本检测系统样品流转箱、编码样品库的设置和使用说明：
样品流转箱203采用“冰虎”C20型锂电冷藏箱，该冷藏箱温度可在+20℃～－20℃范围设定，电源方式为220V交流、12V直流和自带锂电池三种，在断电采用锂电供电的情况下可使用24小时。其有效空间20升，可装载保存土壤样品数十份，用2～4个冷藏箱即可承担一次中等规模的未干燥样品的运转任务。
编码样品库206设在干燥、低温、阳光不能直射的环境中，采用“麦德森”铁皮柜，其柜中的抽屉用ABS工程塑料制成。样品柜外观尺寸为123cm×71cm×28cm(高×宽×深)，每柜100抽(抽屉)、每抽6格，按照流水号(自然排序)标注柜/抽/格的号址。
2、操作步骤与结果。
(1)样品采集制备。2015年，派员前往项目地区，按照本检测系统《样品采集和制备规则》，使用螺旋取土钻在每个样点采集5个样品，除去植物细根和其它杂质，在桶中混合，各取大约500g代表样本装入自封袋里。用计算机208录入样品采集时间、样品采集工具、样品采集方式、经纬度、海拔高度、用地类型、坡向坡度、地表植被种类等样品信息。连接编码打印机201，打印不干胶编码标签，张贴在样品塑料自封袋上。将样品装入低温样品流转箱(温度设置为5℃)，运回实验室，利用快速风干器对土壤样品进行风干(在环境温度为10℃～25℃、湿度为40％～80％RH的条件下，样品在2～4小时风干)。采用Retsch RM200研磨仪205对风干的样品进行粉碎，过0.5mm孔径聚乙烯筛，一式五份装入密封的塑料袋中，同时张贴编码标签。
(2)样品入库。将制备好的土壤样品(一式五份)放入编码样品库的样品柜抽屉的格中，用读码器202、计算机记录样品存放的地址。
(3)确定定标样品。考虑到不同景观、不同用地条件下，土壤样品的性质存在差异，在此根据不同景观和用地(分层)进行随机样点抽取，作为在进行光谱扫描测定的同时进行常规测定的定标样品。
(4)光谱扫描。光谱仪207为德国布鲁克Alpha红外光谱仪，配以漫反射采集附件，扫描范围4000-400纳米。首先对OPUS软件进行调试，选择漫反射(Drift)测定选项，在测量之前先进行PQ和OQ自检，保证仪器运行正常。将风干研磨后的土壤样品通过样品填装器进行样品填装。随后对样品进行中红外光谱扫描，以金镜为背景，扫描32次(设备默认)，图4为土壤样品的中红外原始光谱。
(5)土壤样品的常规测定。根据LY/T 1229-1999，GB 9834-1988等测定标准，采用乙醇-乙醇胺非水滴定法测定土壤总碳，采用重铬酸钾法氧化法测定土壤有机碳。分别采用凯氏定氮法和碱解扩散法测定土壤总氮和土壤水解氮。根据测定标准QBT48 54-2015采用质谱法(IRMS)测定土壤碳同位素(δ13C)和氮同位素(δ15N)。
(6)对样品的光谱进行数据转换。电脑运行R软件，加载“hexView”、“GSIF”、“lava”、“date”、“caret”、“readr”、“mlbench”、“pROC”、“rpart”、“caretEnsemble”、“FitAR”、“doParallel”、“ggplot2”等相关R程序包。确定工作路径，将样品的所有光谱和常规测定结果保存在工作文件夹中。通过“hexView”程序包对二进制原始光谱进行数据转换，保存在plant spectra.csv中。通过“soil.spec”程序包进行光谱校正，先进行多元散射校正，随后进行Savitzky-Golay平滑转换，得到First derivative.csv文件，图5为经校正的土壤中红外光谱。
(7)“一键式”得到土壤总碳、总氮、有机碳、水解氮、碳同位素(δ13C)和氮同位素(δ15N)测定结果。建立数据库，将First derivative.csv文件与常规测定结果进行比对，采用随机森林算法(randomForest)进行机器学习，获得特征点，并通过均方根误差(RMSE)来确定合适模型，同时获得土壤总碳、总氮、有机碳、水解氮、碳同位素(δ13C)和氮同位素(δ15N)中红外光谱的初始回归模型。基于上述模型可获得土壤相关碳氮指标的光谱测定结果，与常规结果对比后发现该方法具有较高的可信度。图6为土壤总碳、总氮、有机碳、水溶性氮、土壤碳(δ13C)氮(δ15N)稳定同位素光谱预测结果与常规检测结果的回归关系。土壤常规测定与光谱推演结果比较见表2。
表2：西双版纳勐那项目土壤常规测定与光谱推演结果比较
(7)结果输出。通过打印机209将测定结果进行输出打印。
实施例2:
采用本发明对目标研究区域(老挝乌多姆塞省孟本地区)项目土壤的总碳、总氮、有机碳、水解氮、碳同位素(δ13C)和氮同位素(δ15N)进行测定。
1、采用与实施例1相同的检测系统，采样，按《样品采集和制备规则》操作，为了精简篇幅，细节不再赘述。
2、检测操作步骤与实施例1同，此略。检测结果：图7为土壤样品总碳、总氮、有机碳、水溶性氮、土壤碳同位素(δ13C)和氮同位素(δ15N)光谱预测结果与常规测试结果的回归关系，土壤常规测定与光谱推演结果比较见表3。
表3：老挝勐本项目土壤常规测定与光谱推演结果比较

Claims (8)

1.快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于该系统由样品制备、样品存储、样品扫描、智能检测、结果输出五部分组成，①所述的样品制备是：土壤样品在采样时用计算机(208)载入采样信息，连接编码打印机(201)进行编码，将贴有编码标签的样品装入样品流转箱(203)进行运输，配以读码器(202)在后续的环节加以识别，通过快速风干器(204)进行风干，通过研磨仪(205)研磨；②所述的样品存储是：风干后的土壤样品和经研磨的样品存入编码样品库(206)进行保存；③所述的样品扫描是：确定定标样品，采用光谱仪(207)对样品进行扫描，获得受检样品的光谱信息；④所述的智能检测是：光谱仪与计算机连接，通过R程序包和随机森林算法，进行光谱信息的识别及数字化转化、并与同一样品的常规检测结果进行比较，在通过机器学习建立数据库和建立模型后，“一键式”对待检土壤样品碳氮组分：土壤总碳、土壤有机碳、土壤总氮、土壤水解氮及碳稳定同位素δ13C和氮稳定同位素δ15N进行自动测定；⑤所述的结果输出是：检测结果自动存入数据库，通过打印机209输出结果。
2.如权利要求1所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于：快速风干的土壤样品，通过红外光谱仪获得被测土壤样品的光谱信息，在计算机运用R软件包对样品的光谱进行数据转换和校正，与常规检测结果比较，进行机器学习，机器学习为随机森林模型，获得预测模型，通过验证均方根误差RMSECV和决定系数R2对预测精度进行评价，视情增加样本数量，直至达到检测要求；“一键式”同时测定土壤总碳、土壤有机碳、土壤总氮、土壤水解氮及碳稳定同位素δ13C和氮稳定同位素δ15N的检测结果。
3.如权利要求1所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于该检测系统的使用方法与步骤如下：
①录入采样信息，对样品进行编码；
②采用样品流转箱将土壤样品从野外安全地运至实验室；
③采用快速风干器等装置和仪器快速制备样品；
④存入编码样品库，记录样品存放的地址；
⑤确定定标样品，进行光谱扫描和常规测定，对样品扫描的光谱进行数据转换和校正，与常规检测结果比较，进行机器学习，建立数据库和预测模型；
⑥进行“一键式”的智能测定，同时得到土壤样品总碳、有机碳、总氮、水解氮、δ13C和δ15N的测定结果。
4.如权利要求1所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于：
所述快速风干器包括干燥空气制备仓(301)和样品风干仓(302)两个部分；
空气由风干器进风口(303)进入，干燥空气由安置在干燥空气制备仓中的干燥机(303)产生，在干燥空气制备仓储存，在干燥机排气和排风扇抽气动能的作用下，在经干燥空气过滤板(312)过滤后，再经干燥空气前置匀流孔(313)进入样品风干仓；
仓内用隔离板(319)设置出N个，N＞2,为整数，相对独立的风干槽，样品盛放皿盘(315)置于槽中，槽的末端设有干燥空气后置匀流孔(314)，每个风干槽前置匀流孔与后置匀流孔的个数面积相等，使得通过每个风干槽的干燥空气量相等；
在每个风干槽设有气流加速导板(316)，在干燥空气流经样品盛放皿盘上部时空间变得狭窄，气流加速，穿隙能力增强；
通过风干槽的气体在干燥机排气和排风扇的共同作用下，经过风干器排风口集尘网(318)过滤，在风干器排风口(304)排出；
快速风干器设有空气温湿度计(311)，显示干燥空气制备仓中空气的温度和湿度；
快速风干器设有控制面板(310)，控制干燥机和排风扇的启动和关闭；
快速风干器设有上盖(305)，置放、观察、取出样品和清洁样品风干仓；
快速风干器设有后盖(306)，放置和操作干燥机。
5.如权利要求4所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于：快速风干器干燥空气制备仓和样品风干仓采用任何形状：正方体、长方体、多边形体、圆柱体，或是多种规则与不规则体形的组合体；其制作材料采用各种金属和无检测污染性的工程塑料，快速风干器整体体积为1m3～10m3，其干燥空气制备仓与样品风干仓的比例在10∶1与2∶1之间。
6.如权利要求4所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于：快速风干器的干燥机采用压缩式、对流式、传导式、辐射式、介电式，其功率视风干器所设置的风干槽数量及风干样品的时间而定，在0.4千瓦～5千瓦之间。
7.如权利要求4所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于：快速风干器的干燥空气过滤板采用高效过滤，捕集0.1～0.3微米粒径的尘埃颗粒的超细玻璃纤维材料制作，采用亚高效与中效过滤材料：化纤、PP、玻璃纤维和粗效过滤材料：无纺布、不织布、尼龙。
8.如权利要求4所述的快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统，其特征在于：快速风干器样品风干仓的气流加速导板制作成各种形状、引导气流的光滑的或粗糙的一面。
CN201711114739.5A 2017-11-13 2017-11-13 快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统 Pending CN107748144A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711114739.5A CN107748144A (zh) 2017-11-13 2017-11-13 快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711114739.5A CN107748144A (zh) 2017-11-13 2017-11-13 快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统

Publications (1)

Publication Number Publication Date
CN107748144A true CN107748144A (zh) 2018-03-02

Family

ID=61251313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711114739.5A Pending CN107748144A (zh) 2017-11-13 2017-11-13 快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统

Country Status (1)

Country Link
CN (1) CN107748144A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111289512A (zh) * 2020-02-28 2020-06-16 中国水稻研究所 一种基于深度卷积神经网络的水稻籽粒碱消值高通量测定方法
CN114674817A (zh) * 2022-05-30 2022-06-28 秦皇岛水熊科技有限公司 光谱滴定方法的色度值信号去噪和平滑处理方法
CN115112793A (zh) * 2022-06-20 2022-09-27 核工业北京地质研究院 压碎法在线测定包裹体中二氧化碳碳同位素的装置和方法
CN115127856A (zh) * 2022-07-13 2022-09-30 南京德阳科技有限公司 一种混凝土试块抗压试验机器人取样识别的方法及装置
CN116818687A (zh) * 2023-06-21 2023-09-29 浙江大学杭州国际科创中心 基于光谱引导集成学习的土壤有机碳光谱预测方法及装置

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101109604A (zh) * 2007-08-07 2008-01-23 郑用琦 立式风干换热器
CN102798607A (zh) * 2012-08-13 2012-11-28 浙江大学 一种利用中红外光谱技术估测土壤有机碳含量的方法
CN203657394U (zh) * 2013-11-17 2014-06-18 刘芳圃 一种带过滤器的单层连续热风干燥机
CN204535339U (zh) * 2015-03-31 2015-08-05 四川泰乐制药有限公司 一种中药干燥装置
CN204630279U (zh) * 2015-05-28 2015-09-09 广东维中检测技术有限公司 独立样品干燥箱
CN204739851U (zh) * 2015-05-24 2015-11-04 龙文凯 一种具有干燥功能的谷物储存仓
CN105043992A (zh) * 2015-07-17 2015-11-11 辽宁师范大学 一种湿地土壤硝化微生物群落高光谱遥感监测方法
CN204815964U (zh) * 2015-07-22 2015-12-02 河南省安克林滤业有限公司 一种具有杀菌消毒功能的空气过滤材料
CN105699314A (zh) * 2016-02-29 2016-06-22 上海交通大学 一种利用中红外光谱检测土壤稳定碳同位素比值的方法
CN105784629A (zh) * 2016-02-29 2016-07-20 上海交通大学 利用中红外光谱快速检测土壤的稳定碳同位素比值的方法
CN105784628A (zh) * 2016-02-29 2016-07-20 上海交通大学 一种利用中红外光谱检测土壤有机质化学组成的方法
CN106096813A (zh) * 2016-05-31 2016-11-09 北京南科大蓝色科技有限公司 一种基于全流程管控的环境采样管理系统及管理方法
CN106092957A (zh) * 2016-06-02 2016-11-09 浙江农林大学 红木家具的近红外光谱识别方法
CN106126879A (zh) * 2016-06-07 2016-11-16 中国科学院合肥物质科学研究院 一种基于稀疏表示技术的土壤近红外光谱分析预测方法
CN106469197A (zh) * 2016-08-31 2017-03-01 北京市农业环境监测站 一种基于二维码的农田土壤环境样品库的管理方法及系统
US20170122889A1 (en) * 2014-06-18 2017-05-04 Texas Tech University System Portable Apparatus for Soil Chemical Characterization
CN106770058A (zh) * 2017-01-16 2017-05-31 中国科学院南京土壤研究所 基于红外光谱的土壤硝态氮的快速专用装置及其使用方法
CN106769384A (zh) * 2016-12-05 2017-05-31 杨娇仔 一种土壤检测用土壤样品干燥保温装置
CN107167365A (zh) * 2017-07-07 2017-09-15 苏州汉宣检测科技有限公司 一种土壤样品干燥保温装置

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101109604A (zh) * 2007-08-07 2008-01-23 郑用琦 立式风干换热器
CN102798607A (zh) * 2012-08-13 2012-11-28 浙江大学 一种利用中红外光谱技术估测土壤有机碳含量的方法
CN203657394U (zh) * 2013-11-17 2014-06-18 刘芳圃 一种带过滤器的单层连续热风干燥机
US20170122889A1 (en) * 2014-06-18 2017-05-04 Texas Tech University System Portable Apparatus for Soil Chemical Characterization
CN204535339U (zh) * 2015-03-31 2015-08-05 四川泰乐制药有限公司 一种中药干燥装置
CN204739851U (zh) * 2015-05-24 2015-11-04 龙文凯 一种具有干燥功能的谷物储存仓
CN204630279U (zh) * 2015-05-28 2015-09-09 广东维中检测技术有限公司 独立样品干燥箱
CN105043992A (zh) * 2015-07-17 2015-11-11 辽宁师范大学 一种湿地土壤硝化微生物群落高光谱遥感监测方法
CN204815964U (zh) * 2015-07-22 2015-12-02 河南省安克林滤业有限公司 一种具有杀菌消毒功能的空气过滤材料
CN105699314A (zh) * 2016-02-29 2016-06-22 上海交通大学 一种利用中红外光谱检测土壤稳定碳同位素比值的方法
CN105784628A (zh) * 2016-02-29 2016-07-20 上海交通大学 一种利用中红外光谱检测土壤有机质化学组成的方法
CN105784629A (zh) * 2016-02-29 2016-07-20 上海交通大学 利用中红外光谱快速检测土壤的稳定碳同位素比值的方法
CN106096813A (zh) * 2016-05-31 2016-11-09 北京南科大蓝色科技有限公司 一种基于全流程管控的环境采样管理系统及管理方法
CN106092957A (zh) * 2016-06-02 2016-11-09 浙江农林大学 红木家具的近红外光谱识别方法
CN106126879A (zh) * 2016-06-07 2016-11-16 中国科学院合肥物质科学研究院 一种基于稀疏表示技术的土壤近红外光谱分析预测方法
CN106469197A (zh) * 2016-08-31 2017-03-01 北京市农业环境监测站 一种基于二维码的农田土壤环境样品库的管理方法及系统
CN106769384A (zh) * 2016-12-05 2017-05-31 杨娇仔 一种土壤检测用土壤样品干燥保温装置
CN106770058A (zh) * 2017-01-16 2017-05-31 中国科学院南京土壤研究所 基于红外光谱的土壤硝态氮的快速专用装置及其使用方法
CN107167365A (zh) * 2017-07-07 2017-09-15 苏州汉宣检测科技有限公司 一种土壤样品干燥保温装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MERYL L.MCDOWELL ET AL.: "Soil total carbon analysis in Hawaiian soils with visible, near-infrared and mid-infrared diffuse reflectance spectroscopy", 《GEODERMA》 *
MERYL L.MCDOWELL ET AL.: "Soil total carbon analysis in Hawaiian soils with visible, near-infrared and mid-infrared diffuse reflectance spectroscopy", 《GEODERMA》, vol. 189, 18 August 2012 (2012-08-18), pages 312 - 320, XP028951289, DOI: 10.1016/j.geoderma.2012.06.009 *
曲楠等: "近红外与中红外光谱技术在土壤分析中的应用", 《分析测试学报》 *
曲楠等: "近红外与中红外光谱技术在土壤分析中的应用", 《分析测试学报》, vol. 34, no. 1, 31 January 2015 (2015-01-31), pages 120 - 126 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111289512A (zh) * 2020-02-28 2020-06-16 中国水稻研究所 一种基于深度卷积神经网络的水稻籽粒碱消值高通量测定方法
CN114674817A (zh) * 2022-05-30 2022-06-28 秦皇岛水熊科技有限公司 光谱滴定方法的色度值信号去噪和平滑处理方法
CN115112793A (zh) * 2022-06-20 2022-09-27 核工业北京地质研究院 压碎法在线测定包裹体中二氧化碳碳同位素的装置和方法
CN115112793B (zh) * 2022-06-20 2023-10-20 核工业北京地质研究院 压碎法在线测定包裹体中二氧化碳碳同位素的装置和方法
CN115127856A (zh) * 2022-07-13 2022-09-30 南京德阳科技有限公司 一种混凝土试块抗压试验机器人取样识别的方法及装置
CN115127856B (zh) * 2022-07-13 2024-06-04 南京德阳科技有限公司 一种混凝土试块抗压试验机器人取样识别的方法及装置
CN116818687A (zh) * 2023-06-21 2023-09-29 浙江大学杭州国际科创中心 基于光谱引导集成学习的土壤有机碳光谱预测方法及装置
CN116818687B (zh) * 2023-06-21 2024-02-20 浙江大学杭州国际科创中心 基于光谱引导集成学习的土壤有机碳光谱预测方法及装置

Similar Documents

Publication Publication Date Title
CN107748144A (zh) 快速测定土壤碳氮及其稳定同位素的中红外光谱检测系统
CN102426153B (zh) 一种基于冠层高光谱指数的小麦植株水分监测方法
Shi et al. Development of a national VNIR soil-spectral library for soil classification and prediction of organic matter concentrations
Lu et al. Comparison of total emitted solar-induced chlorophyll fluorescence (SIF) and top-of-canopy (TOC) SIF in estimating photosynthesis
Lymburner et al. Estimation of canopy-average surface-specific leaf area using Landsat TM data
CN102928396B (zh) 基于拉曼光谱的尿素同位素丰度的快速检测方法
CN102507480B (zh) 基于12个特征波长的无损快速检测茶叶含水率的方法
Cotrozzi et al. Reflectance spectroscopy: A novel approach to better understand and monitor the impact of air pollution on Mediterranean plants
CN101424636A (zh) 一种快速无损检测绿茶成分含量的装置及方法
CN102313713B (zh) 基于中红外光谱的植物15n示踪同位素丰度快速检测方法
Wang et al. Identification of robust hyperspectral indices on forest leaf water content using PROSPECT simulated dataset and field reflectance measurements
Junttila et al. Close-range hyperspectral spectroscopy reveals leaf water content dynamics
CN108169141A (zh) 一种基于高光谱图像的茶树lai及氮含量估算方法
Zhang et al. Estimation of corn canopy chlorophyll content using derivative spectra in the O2–A absorption band
CN107576630A (zh) 同时测定植物多种重金属含量的中红外光谱便携检测系统
Punalekar et al. Characterization of a highly biodiverse floodplain meadow using hyperspectral remote sensing within a plant functional trait framework
CN112540971B (zh) 一种基于烟叶特征的全信息在线采集系统及方法
CN105954226B (zh) 对叶表结构不敏感的叶绿素含量的检测方法
Lattanzi et al. 13C‐labeling shows the effect of hierarchy on the carbon gain of individuals and functional groups in dense field stands
CN105784629B (zh) 利用中红外光谱快速检测土壤的稳定碳同位素比值的方法
CN107300535A (zh) 近红外快速检测有机肥有效成分含量的方法
CN111595806A (zh) 一种利用中红外漫反射光谱监测土壤碳组分的方法
CN207528628U (zh) 同时测定植物多种重金属含量的中红外光谱便携检测系统
CN114878508A (zh) 一种基于高光谱成像土遗址文物表面含水量检测方法
CN110261346A (zh) 一种基于近红外光谱快速检测土壤中pvc含量的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180302