【摘 要】
：
农药在世界范围内广泛用于改善粮食生产,满足全球人口逐年增加的需求。我国作为传统的农业大国,为了有效遏制大规模虫害,农药已被人们广泛的应用于农业生产中。新烟碱类农药,如吡虫啉（IMI）、噻虫嗪（THX）、呋虫胺（DNF）等,因其高效、低抗性,已被广泛应用于水果和蔬菜中防治刺吸式口器害虫。然而,不能忽视的是,大多数新烟碱类农药对环境和人类健康构成严重的化学污染威胁。到目前为止,各种分析方法已被用于新烟
【基金项目】
：
西北农林科技大学科研启动经费项目（编号:Z111021601）；
论文部分内容阅读
农药在世界范围内广泛用于改善粮食生产,满足全球人口逐年增加的需求。我国作为传统的农业大国,为了有效遏制大规模虫害,农药已被人们广泛的应用于农业生产中。新烟碱类农药,如吡虫啉（IMI）、噻虫嗪（THX）、呋虫胺（DNF）等,因其高效、低抗性,已被广泛应用于水果和蔬菜中防治刺吸式口器害虫。然而,不能忽视的是,大多数新烟碱类农药对环境和人类健康构成严重的化学污染威胁。到目前为止,各种分析方法已被用于新烟碱类农药的检测,如高效液相色谱法,液相色谱质谱法,气相色谱质谱法,分光光度法,酶联免疫分析法,表面增强拉曼散射和电化学方法。相比之下,电化学传感器具有操作简单、响应速度快、成本低、选择性强、可行性高等显著特点,显示出快速检测痕量目标分子的潜力。本研究以金属有机框架作为前驱体,构建了电化学传感器用于高灵敏检测新烟碱类农药,主要研究成果如下:（1）基于铜基金属有机框架（MOF）衍生的分层多孔碳材料的新烟碱类农药电化学方法的构建及性能评估。以聚乙烯吡咯烷酮（PVP）掺杂的Cu-金属有机骨架为原料,通过一锅溶剂热法成功制备了新型三维氮掺杂大-中-微孔碳复合材料（N/Cu-HPC）,并进一步应用于新烟碱类农药的高性能电化学测定。N/Cu-HPC/GCE对于IMI、THX和DNF的检测线性范围分别为0.5-60、1-60和0.5-60μM,检测限分别为0.026,0.062和0.01μM。同时,该传感器可成功用于黄瓜和葡萄中IMI、THX和DNF的测定,回收率良好（92.0%-100.9%,RSD≤4.8%）,这表明N/Cu-HPC/GCE具有巨大潜力成为监测农产品中新烟碱类农药的先进传感装置。（2）基于双金属MOF衍生Ni Cu氮掺杂多孔碳复合材料的电化学方法的构建及性能评估。提高催化活性是开发用于监测IMI、THX和DNF等新烟碱类的电化学传感器的关键。在此,成功合成了一种由双金属MOF衍生的具有大量N掺杂的八面体Ni Cu纳米合金多孔碳复合材料（N/Ni Cu@C）,并将其用于电化学检测新烟碱类农药。N/Ni Cu@C/GCE结合了Ni Cu纳米合金和分级多孔碳结构的协同效应,显著促进了电解质和活性位点之间的扩散。同时,PVP的引入提高了N/Ni Cu@C的亲水性和分散性,对于IMI、THX和DNF的测定赋予了优异的电催化性能,线性范围分别为0.5-60、1-60和0.5-60μM,检测限分别为0.017、0.007和0.001μM。此外,该传感器可以检测苹果和西红柿中的IMI、THX和DNF,回收率为92.1-103.4%,RSD≤4.7%,表明了N/Ni Cu@C是作为未来监测新烟碱类化合物的一种很有前途的修饰电极材料。
其他文献
声表面波（surface acoustic wave,SAW）器件由于具有信号处理简单方便、很强的抗辐射功能、动态范围大、适于批量化生产等优点一直受到学者们的青睐,广泛应用于移动通信系统、电视、广播、各类军用雷达、传感器、滤波器中。压电材料和叉指电极是决定声表面波器件性能的关键要素。氮化铝压电薄膜具有高声速和温度稳定性好等显著优点,是与高声速衬底材料结合制备声表面波器件的理想材料;石墨烯可以维持巨
时间序列的相似性搜索,是根据给定的查询目标在时间序列候选数据中正确、快速查找到符合要求的数据。随着信息化技术的广泛应用,以及物联网技术的蓬勃发展,时间序列呈多元化的发展趋势,给相似性搜索工作带来极大挑战,主要体现为:（1）由于多元变量之间存在复杂的相关性,以及现有多元时间序列数据普遍缺少先验信息的数据现状,对多元时间序列相似性进行精确度量的难度较大;（2）传统的空间索引结构在处理高维数据时面临空间
作为一种集散热性好、准直性高、易于集成和维护等诸多优势为一体的脉冲激光光源,全光纤脉冲激光器一直是激光领域研究人员的研究重点。目前主要是通过调Q（Q-switched）和锁模（mode-locked）技术来实现脉冲激光输出。近十年来,探索二维材料的非线性光学特性,将其作为可饱和吸收体进行被动调Q或被动锁模来实现脉冲激光输出逐渐发展成为集光学、材料和化学的前沿交叉研究领域。然而,受限于其自身的物理化
轴承是动力装置中广泛应用的一类关键部件,其状态识别与剩余寿命预测技术一直是研究的热点内容。本文基于油液与振动信号融合参数,利用深度学习特征提取方法,并与支持向量机（SVM）相结合,研究了动力装备轴承关键部件状态识别与剩余寿命预测方法。主要研究内容包括:（1）在分析深度置信网络（DBN）、深度自动编码器（DAE）以及卷积神经网络（CNN）三种深度学习模型的原理、构成基础上,对其优缺点及适用范围进行了
近年来,以星间链路技术为核心的低轨卫星网络发展迅猛,巨量卫星星座建设给空间电磁频谱资源管理与使用带来新的挑战,频谱资源稀缺、信号干扰复杂成为星间通信新常态。将认知无线电技术应用于星间通信环境,实现星间频谱资源动态分配,将有助于提高频谱资源利用率,增强星间通信的抗干扰能力。使用调制识别方法对星间信号调制特征进行识别可以为频谱资源动态分配提供基础数据,而经典的调制识别算法对复杂场景的适应性差,识别准确
成像导引头是成像制导武器的核心部件,主要担负复杂战场环境感知、目标识别、目标跟踪、干扰对抗和制导信息测量与解算等任务。其中,目标识别是成像导引头的关键技术之一,目标识别的识别率、精度和环境适应能力等性能直接决定了成像导引头及制导武器的作战使用和打击效果。目前,成像导引头主要采用以模板匹配为代表的目标识别技术,难以满足复杂战场环境带来的挑战。本文以成像导引头的研制为背景,研究基于深度学习的成像导引头
自适应光学系统中,波前传感器的准确性和鲁棒性极大地影响像差探测能力和校正效果。在波前振幅分布不均匀或信标光能量不足的情况下,哈特曼波前传感器由于存在子孔径缺光现象导致传感精度下降,而无波前传感自适应系统由于收敛速度较慢难以用于实时性要求较高的应用场景。如何实现复杂条件下近实时波前测量是亟待解决的实际问题。基于深度学习的波前传感可以看作一种新型波前测量方法,该方法利用系统中远场光强分布,反演得到近场
三维点云数据含有被测场景物体表面丰富的信息,具有海量、高密度以及高精度等特性,已成为用来理解、分析和语义解释三维自然场景的一种主要数据类型。其中,基于三维数据的复杂场景多态目标语义分割的研究具有重要的军事和民用价值。本文以室内三维点云数据和常见物品三维点云数据为研究对象,对三维点云语义分割问题展开了研究。本文的研究内容主要包括以下三个部分:（1）介绍了三维点云语义分割领域目前的发展现状,对当前国际
图像是网络时代信息传递的一种重要载体,相对于文字、语音等传统媒介,图像可以直观高效的获取信息。高分辨率（High-Resolution,HR）图像通常包含大量的图像纹理细节,因而可提供丰富的信息,具有更好的观感,便于人们更加准确、快速地获取所需信息,做出准确判断。但由于硬件采集设备和网络传输条件的限制,通常人们获取的图像多为低分辨率（Low-Resolution,LR）的。图像超分辨率重建（Sup
随着军事通信抗干扰技术的不断进步,通信质量愈发依赖于抗干扰手段。将盲源分离与通信抗干扰结合,能在接收端不具备或少量具备发射端的先验信息基础之上,通过使用接收端接收的信号经过一定的处理恢复出源信号而对通信干扰信号进行分离,从而实现抗干扰的目的,因此成为跳频通信、卫星通信等军事通信领域的研究热门。本文基于盲源分离理论,研究了多通道、单通道等条件下的通信抗干扰技术,为盲源分离抗干扰通信提供了新的思路。本