专利名称：一种基于光谱技术的生物炭溯源鉴别方法
技术领域：
本发明涉及一种基于光谱技术的生物炭溯源鉴别方法。
背景技术：
生物炭是生物质在缺氧条件下不完全燃烧热裂解后形成的产物，可溶性极低，孔隙度和比表面积大，吸附力、抗氧化力和抗生物分解能力强。生物炭在土壤肥力改良、土壤固碳增汇减排以及受污染环境修复等方面具有显著作用。生物炭理化性能不仅受炭化过程中温度、时间、强度等工艺参数的影响，还与生物质材料有关。据Xu等报道(Xu R, XiaoS，Yuan J，et al. Adsorption of methyl violet from aqueous solutions by thebiochars derived from crop residues.Bioresource Technology，2011，102 (22):10293-10298.)，以蓖麻秸杆、花生秸杆、大豆秸杆和稻壳为原料的生物炭对水溶液中甲基紫(俗称 龙胆紫，一种染色剂)的吸附能力存在差别。生物炭使用部门往往也需要对生物炭进行溯源鉴别，从中筛选出具有特定材料性能的生物炭。各种来源的生物质经过炭化工艺加工制备成生物炭后，表观上都呈深黑色，肉眼不易区分甄别。而传统理化测试步骤繁琐，测试时间长，不适合用于生物炭的快速鉴别。因此有必要开展生物炭快速溯源鉴别方法研究。近年来，红外光谱技术因其测试快速、重复性好、测试精度较高、易于现场使用、免试剂等优点而得到广泛关注。国内外学者对橘色合欢树(Chia C H, Gong B, Joseph S D, etal. Imaging of Mineral-enriched biochar by FTIR, Raman and SEM-EDX. VibrationalSpectroscopy. 2012. In Press·)、山核桃壳(Novak J M, Busscher W J, Watts D ff, etal. Short-term CO2 mineralization after additions ofbiochar and switchgrass toa Typic Kandiudult. Geoderma. 2010，154 (3-4) : 281-288.)、柳枝稷(Kumar S, Loganathan
VA, Gupta R B, et al. An Assessment of U(VI)removal from groundwater usingbiochar produced from hydrothermal carbonization. Journal of Environmental Management. 2011，92 (10) : 2504-2512.)、甜菜根(Dong X, Ma L Q, Li Y. Characteristics andmechanisms of hexavalent chromium removal by biochar from sugar beet tailing.Journal of Hazardous Materials. 2011，190 (1-3) : 909-915.)等生物炭进行过红外光谱特征分析。但在利用光谱技术对生物炭快速溯源鉴别研究上，还未见文献报道。
发明内容
为了达到简便快速鉴别生物炭品种的目的，本发明提供了一种基于光谱技术的生物炭溯源鉴别方法。(I)建立生物炭品种光谱库收集已知不同源质品种的生物炭材料，每种材料5-10个样本，利用光谱仪采集每个样本的反射光谱数据，记录波长范围350-1100nm的光谱数据，采样间隔lnm，共751个波长点，记录各波长点的光强值，并作基线偏置校正，组建生物炭建模光谱库。基线偏置校正公式如下
F (X) = f (X) -minf (X)式中，f(x)是波长X的光强，X表示所有波长变量，F(X)表示波长X校正后的光强值，min(X)表示所有波长点的光强值的最小值；。生物炭建模光谱库由所有样本的光谱记录组成。每一样本的光谱记录包括生物炭品种名称(I字段)、不同波长点校正后的光强值(751字段)，通常还可包括归类代码(I字段)。(2)对生物炭建模光谱库进行主成分分析，按主成分方差贡献率大小，取所述的贡献率最大的前3个主成分；所述主成分分析的计算步骤如下对于η个样本，每个样本用用P个变量来描述研究对象，分别用XpXfXp表示，Xp表示第P个波长点所有样本的光强值按顺序组成的向量，这P个变量构成的P维随机向量为X=(XpXfXp)tO设随机向量X的均值为μ，相关系数矩阵为R，对X进行线性变换，考虑原始变量的线性组合
权利要求
1.一种基于光谱技术的生物炭溯源鉴别方法，其特征在于该方法的步骤如下 (1)建立生物炭品种光谱库收集已知不同源质品种的生物炭材料,每种材料5-10个样本，利用光谱仪采集每个样本的反射光谱数据，记录波长范围350-1100nm的光谱数据，采样间隔lnm，共记录751个波长点的光强值，并作基线偏置校正，组建生物炭建模光谱库； 基线偏置校正公式如下 F (X) f (X) -minf (X) 式中，f(x)是波长X的光强值，X表示所有波长变量，F(x)表示波长X校正后的光强值，minf (X)表示所有波长点的光强值的最小值； 生物炭品种光谱库由所有样本的光谱记录组成，每一样本的光谱记录包括生物炭品种名称、不同波长点校正后的光强值； (2)对生物炭建模光谱库进行主成分分析，按主成分方差贡献率大小，取所述的贡献率最大的前3个主成分； 所述主成分分析的计算步骤如下 对于η个样本,每个样本用P个变量来描述研究对象，分别用X1JfXp表不,Xp表不第P个波长点所有样本的光强值按顺序组成的向量，这P个变量构成的P维随机向量为X= (X1,V..xp)t; 计算相关系数矩阵R，
2.如权利要求I所述的方法，其特征在于以下14种生物炭的光谱三维主成分中心坐标如下表所示
全文摘要
本发明公开了一种基于光谱技术的生物炭快速溯源鉴别方法(1)建立生物炭建模光谱库；(2)对生物炭建模光谱库进行主成分分析，按主成分方差贡献率大小，取前3个主成分；(3)根据前3个主成分得分值，计算生物炭品种三维中心坐标；(4)待鉴别样本光谱扫描；(5)对待鉴别样本光谱作主成分分析，按主成分方差贡献率大小，提取前3个主成分，并计算与每一品种中心坐标之间的马氏距离；(6)根据待鉴别样本到每一品种中心坐标之间的最小马氏距离，将待鉴别样本归类到相应的生物炭品种，从而完成生物炭溯源鉴别。本发明属于一种有监督机器学习方法，通过利用光学间接测试和数值处理手段，达到生物炭快速溯源鉴别目的，可在实验室或工作现场应用。
文档编号G01N21/31GK102841063SQ201210315860
公开日2012年12月26日 申请日期2012年8月30日 优先权日2012年8月30日
发明者杨海清 申请人:浙江工业大学