论文部分内容阅读
好氧堆肥是水稻秸秆等农业废弃物资源化利用的主要途径,其中腐熟度评价和监测是其堆肥产品化重要的环节。目前常规的通过温度、颜色或经验等判断和评价堆肥腐熟程度的方法,难以确切反映原料种类、配比以及添加发酵菌剂等不同条件下堆肥的腐熟过程及其腐熟度。高光谱技术以其精细的光谱分辨率、纳米级连续光谱信息的获取能力,能有效地获取堆肥过程中腐熟因子光谱的细微特征,为快速监测好氧堆肥腐熟度提供了一种新的途径。本研究应用高光谱技术结合化学计量方法,基于敞开式和半封闭式高温好氧堆肥两种方式的堆肥实验过程,深入分析研究了水稻秸秆好氧转化过程中表征腐熟度的有机质含量(Organic matter,OM)、全氮含量(Total nitrogen,TN)以及碳氮比(Carbon-nitrogen ratio,C/N)的高光谱特征。在详细分析比较13种光谱变换对OM、TN和C/N不同波段光谱反射特征影响的基础上,采用逐步回归法(Stepwise regression,SR)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、连续投影算法(Successive projections algorithm,SPA)和联合区间偏最小二乘法(Synergy interval PLS,si PLS)分别对OM、TN及C/N的特征波段进行分析和提取,并运用偏最小二乘回归(Partial least squares regression,PLSR)以全波段和提取的特征波段分别建立了堆肥过程中OM、TN及C/N的光谱反演模型。主要结论如下:1)450nm~1000nm波段光谱反射率对OM含量、TN含量和C/N变化具有指示作用。在好氧堆肥过程中,OM含量、TN含量和C/N由高逐渐降低,450nm~1000nm波段光谱反射率平均值与OM含量、TN含量和C/N整体上呈现负相关关系。450nm~1650nm波段光谱对水稻秸秆好氧堆肥物料的响应特征具有一定的稳定性,且不受堆肥方式的影响。2)光谱变换可以不同程度地提高水稻秸秆好氧堆肥物料光谱与OM含量、TN含量和C/N的相关性,有利于OM和TN特征波段的提取。本研究得到OM的最佳光谱变换为线性基线校正(Linear baseline correction,LBC),TN的最佳光谱变换为多元散射校正(Multiplicative scatter correction,MSC)。C/N使用原始光谱(Raw reflectance spectra,R)分析。3)特征波段的提取可以减少自变量个数从而简化反演模型,不同堆肥方式下水稻秸秆好氧堆肥过程中OM、TN和C/N在450nm~1650nm波段内的特征波段个数和位置较为稳定。分别对敞开式堆肥和半封闭式堆肥各指标特征波段进行提取后发现:OM最佳特征波段提取方法为si PLS,所提取特征波段集中在1440.21nm~1645.19nm;TN最佳特征波段提取方法为SPA,所提取特征波段为970.73nm、1014.99nm和1016.63nm;C/N最佳特征波段提取方法为SPA,所提取特征波段为454.21nm和1468.32nm。4)敞开式堆肥中OM光谱反演以LBC-si PLS-PLSR模型效果最好,模型Rp2和RMSEP分别为0.746和4.061,RPD为2.02;TN光谱反演以MSC-SPA-PLSR模型效果最好,模型Rp2和RMSEP分别为0.650和0.205,RPD为1.71;C/N光谱反演以R-SPA-PLSR模型效果最好,模型Rp2和RMSEP分别为0.706和1.110,RPD为2.07。敞开式堆肥实验获得的最佳建模方法在半封闭式堆肥实验中得到了验证,以相同方法建立的各指标反演模型精度均优于原始光谱全波段PLSR建模精度,说明以上模型具有较高的鲁棒性。综上,基于不同堆肥方式的水稻秸秆高温好氧堆肥过程中OM含量、TN含量和C/N与光谱特征关系的定量研究及其结果表明:基于高光谱技术结合相关化学计量学方法是实现对水稻秸秆高温好氧堆肥过程中OM含量、TN含量和C/N定量检测的重要及有效手段。研究结果可为精确监测秸秆腐解发酵过程,降低堆肥质量控制成本以及评价产品肥效性等提供科学依据及数据参考,对于应用高光谱分析技术智能监测水稻秸秆堆肥腐熟度具有重要科学意义。