基于中红外光声光谱的聚合物包膜控释肥料养分释放曲线预测
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
出现在 ２ ８ ０ ２９ ０ ｃ ０ ～ ５ ｍ 区域 的特 征 峰则 通 常认 为是 由
采用傅里 叶变换 红 外光声 光 谱 仪 （ ｃｌ ８ ，美 国） Ｎｉ ｅ ３ ０ ｏｔ ，
光声池 Ｍｏ ｅ ３ ０ ＭＴ Ｃ， 国 ） ｄｌ ０ （ Ｅ 美 ，中红外 区域 （０ ￣４０ ０ ５ ０ ０ ｃ ） 将包 膜肥 料 样 品放 入 圆柱 形不 锈 钢样 品 池 （ 径 ５ ｍ 。 直 ｍｍ， ３ｍｍ） 氦气吹扫 １ ， 封后连续 进行 ３ 次 中红 高 ， ０Ｓ 密 ２
０３ ． ２和 ０ ６ ｍ ・ ～ ， ． ４ｃ ｓ 每次测定 以碳 黑为参照 。
１５ 广 义 回归 神 经 网 络模 型 ．
人 工神经网络就是通过神经元联接输 入和输 出层 ，通过 控制 隐藏层 、 神经元 的多少 以及传 递和反馈 函数达到模 拟的 目的，能无 限逼 近任 何 非线 性 函数 ，因 此适 合 于非 线 性 模
大误差 。 ｌ１ 包衣材料 Ｉ
１ 实验部分
以聚丙烯酸酯类水基 聚合 物为基材 ， 通过 改变有机硅种
类及交联剂 的含量 ， 备 了 ２ 性质不 同 的系列丙烯 酸酯 制 ２种 类包衣 乳 液 ，并 以其 作 为 包衣 材料 制 备 了相 应 的包 膜 肥
料㈨ 。
１ ２ 包膜肥料 的制备 ．
１４ ０ ０ ０ ，１２ ０和 ９０ｃ ０ ｍ～ 。 各个 吸收峰的相对吸收强度发生
明显 改变 ， 且还 出现 了一定 的红移 或蓝移 。结合 聚合物膜合 成 主要组成成 分分析 ， 各吸收带位置与基 团间的归属关 系见
表 １１１ 。 ［，］ ４５
外 扫描重复 ， 描间隔为 ４ｃ ，使用 的动镜 速率为 ０ １ ， 扫 ｍ～ ． ６
摘
要 以聚丙烯 酸酯类 系列水基 聚合物包膜控释肥料 为样 品， 定 了包膜肥 料养分 的释放 曲线并原位 测 测
定 了肥料包膜的中红外 光声 光谱 ， 分析了不同肥料的养分释放曲线以及 不同包膜材料 的红外光 声光谱特征 ；
采用广义 回归神经网络模 型（ ＲＮ ，以肥料包膜红外光声光 谱的主成分作 为 Ｇ Ｎ模 型 的输 入层 ， 以 Ｇ Ｎ） ＲＮ 并
估。 数据分 析采用 Ｍａｌ ． 。 ｔ ｂ７ ０ ａ
Ｔａ ｅ １ Ａｓ ｉｎ ｅ ｆＦＦＩ ＰＡＳ ａ ｓ ｒ ｉ ｎ ｂｌ ｓｇ ｍ ｎｔｏ Ｒ－ ｂ ｏ ｐｔｏ ｓ Ｆｉ． ｇ ２ Ｔｈｅ ｍ ｉ ｉ ｆ ａ ｅ ｐｈｏ ｏ ｃ ｓｉ ｐｅ ｔａ ｏ ｈ ｏ ｉ ｇ ｄ－ｎ ｒ ｒ ｄ ｔ ａ ｏｕ ｔｃ ｓ ｃ ｒ ｆ ｔ ｅ ｃ ａｔｎ ｓ
包膜肥料养分释放 曲线为输 出层 ，构建 了预测养分 释放 曲线 的 Ｇ Ｎ模 型。结果表 明 ， ＲＮ ＲＮ Ｇ Ｎ模 型能快速 有效地预测包膜肥料养 分释放曲线 ， 其预测相关系数（ 达 ０ ９ Ｒ ） ． ３以上 ； 包膜 的探测深度 明显影 响释 放曲线
的预测误差 ， 最小预测误差为 ７ １ ， ． ４ 平均为 １ ．８ ， Ｏ ２ 且基于包膜表层红外光声光谱 的预 测误差最小 。因
选取 １ 包膜肥料放入盛 有 １ ０ｍＬ去离子水 的广 口玻 ０ｇ ０ 璃瓶 中，密封后放 入 ２ ５℃恒 温培养 箱 中。每 隔一 定 时间取 样， 将瓶 中水样 全部取出待测 ， 换上 １ ０ｍＬ去离子水 。 电 ０ 用 导法测定释放 的养分浓 度 ， 每个处理设 三个 重复。
１ ４ 包膜 肥 料 包 膜 红 外 光 声 光 谱 的测 定 ．
谱， 该图谱表 明了在 ５ ０ ４０ ０ｃ 的 区域具有 丰富 的吸 ０ ０ ｍ 收。不 同的聚合物包膜肥料具有 相似 的吸收特征 ，都有 ６ 个
特征 吸 收 区 ：３３ ０ ３４ ０ ０ ～ ２９０ １ ～ １７ ０ ０ ～ ５ ，２８ ０ ５ ，１７ ０ ３ ，
基 于 中红 外 光声 光谱 的聚合 物 包膜 控释 肥 料 养分 释放 曲线预 测
申亚珍 ， 昌文 ， 杜 周健 民 ， 王火焰 ，陈小琴
１ ．中国科学院南京 土壤研究所 ，土壤与农业可持续发展国家重点实验室 ，江苏 南京 ２ ．中国科学院研究 生院，北京 １ ０４ ０ ０９ ２ ０ ０ １０８
收稿 日期 ：２ １—４１ ，修订 日期 ： ０ １０—６ ０ １０ —８ ２ １ —８０
进 入流化床包衣腔底部 的喷枪 中， 空气带走 包衣乳液 的水 热
基金项 目： 国家“ 十二五” 科技支撑计 划项 目（０１ Ａ ｌＢ １ ， ２ １Ｂ Ｄ ｌ０） 中国科学院院地合作项 目和美 国蓝月基金项 目资助 作者简 介：申亚珍 ， ， ９４ 女 １８ 年生 ， 中国科学 院南京土壤研究所博 士研究生
中 图分 类 号 ： １３ ￥ ４
的固态样 品分析 ［ ，所需样 品少 ， 品也不 需做前 处理 ，可 ｇ ］ 样
引 言
由于控释肥料具有提高养分利 用率 、减少环境 胁迫 、节
省 劳动力和施肥 成本 等诸 多优 点而 日益成 为研 究 的热点 之
一
实现原位逐层扫描 。由于包膜肥 料的控释效果 主要决 定于包
此， 结合 Ｇ Ｎ Ｒ Ｎ模型 ， 红外光声光谱可为包膜肥料养分释放 曲线的快速预测提供新 手段 。
关键词 红外光声光谱 ； 包膜肥料 ； ＮＮ模型 ； ＧＲ 释放 曲线
文献 标 识 码 ：Ａ Ｄ ：１． ９ ４ｊｉ ｎ １０ —５ ３２ １ ）２０ ３—４ ＯＩ ０ ３ ６／．ｓ ． ０ ００ ９ （０ ２ ０－３ ００ ｓ
即得 到最终包 膜肥料 。 １ ３ 包膜肥料养分释放 曲线 的测定 ．
同时释放速率也有 明显不 同，可见包衣材料对 聚合 物包 膜肥
料的释放特征和释放速率都具有 及其重要 的影响 。因此 ，通 过改变聚合物包衣材料 的种类和组成可 以灵活地调节包膜肥 料养分的释放模式和释放速率 。
２２ 肥料包膜 的红外光声光谱特征 ． 图 ２为 ２ 个聚合物包膜 肥料 的傅里 叶变换红外 光声 光 ２
近年来 ，傅 里 叶变 换 红外 光 声 光谱 （ ｏ ｒ ｒｔ ｎ ｆｒ Ｆ ｕｉ ｒ ｓｏｒ ｅ ａ ｎ ｉｆａｅ ｈ ｔａｏ ｓｉ ｓｅｔｏｃｐ ，Ｆ Ｉ － ＡＳ 在材 料表 征 ｎｒｒｄｐ ｏｏ ｃｕｔ ｐｃｒｓｏ ｙ ＴＲ Ｐ ） ｃ 中得到越来越多 的应用［ ］ ７ 。其 特点是 快速 、简便 且 无破 坏
＊通讯联系人 ｅｍａ ：ｃｗｄ ＠ｉｓｓ ａ． ｎ － ｉ ｈ ｕ ｓａ．ｃｃ ｌ
ｅ ａ ： ｚｈｎ ｓ ｓａ．ｎ － ｉ ｙｓｅ＠ｉａ．ｃｃ ｍ ｌ ｓ
第２ 期
光谱学与光谱分析
３１ ３
分 而使包 衣材料喷涂 在肥料 颗粒 表 面，并 进行疏 水性 改性 ， 反应成 膜ｌ 将 包衣后 的包膜 肥料 在 ８ １ 。 Ｏ℃烘箱 中加 热 ８ｈ
大缩短 ， 因此通过高低温 度下 释放 曲线 间 的关 系进 行转化 ，
声光谱 和相应包 膜肥料养分释放 曲线之 间的关系 ，构建了人 工神经网络模 型 ，以期快速预测聚合物包膜肥料 的养分释放
曲线 。
可以在较短 时间内推导得 到养分释放 曲线 ＿ ， ４ 但温度 过高可 ］ 能使得 控释肥料膜层破裂 ， 同时高温释放曲线和低温 释放 曲 线的转 换并 不一定是 简单线性关系 ， 因此该方法在 预测的可 靠性上存在问题 。 通过养分释放模型也可以进行养分 释放 曲 线的估 算 ， ｕ等＿ 建立 了聚合物包膜肥料养分释放 的理论 Ｄ ５ ］ 模型和人工神经网络模 型 ， 尽管模型较好地描述 了聚合物包 膜肥料养分释放 ， 由于模型假设 以及模拟参数 获取和实 际 但 情况均具有明显差异 ， 以在养分释放 曲线 的预测 中存在较 所
１４ ０ ５ １２ ０ １ ２ ０ Ｏ ～ ６ １１５ ８
９ ０ １１６ ９ ～ ３ ９ Ｏ ９ ０ Ｏ ～ ２
ｃ Ｃ（ 类 骨 架 ） 脂
在 ３３ ０ ５ ｍ 处表现 出相对 较宽 的特征 峰是 由 ０ ￣３４ ０ｃ
于 ０ ＿Ｈ 及 Ｎ Ｈ 的伸缩振动和弯 曲振动而引起的 ； 卜 － 另一个
第 ３卷， ２ ２ 第 期
２０１２年 ２ 月
光
谱
学
与
光
谱
分
析
Ｓ ｅ ｔｏ ｃ ｐ ｎ ｐ ｃ ｒ ｌＡｎ ｌｓｓ ｐ ｃ ｒ ｓ ｏ ｙ ａ ｄ Ｓ ｅ ｔａ ａ ｙ ｉ
Ｖｏ ． ２ Ｎｏ ２ ｐ ３ ０ ３ ３ １３ ， ． ，ｐ ３ —３ Ｆ ｂｕ ｒ ｅ ｒ ａｙ，２ １ ０ ２
Ｃ— Ｎ ｓｊ ｏ — Ｓ ｉ
２８ ０ ２ ９ ０ ０ ￣ ５
１ ７１ ～ １ ７ ０ Ｏ ３
图 １ ２ 聚合 物包膜 肥料 的养 分 释放 曲线 ，由图可 为 ２个 知不同 聚合 物 包 膜 材 料 制 作 的 包膜 肥料 养 分 释 放 特 征 不 同ｍ］ 释放 曲线呈现不 同的形态线性 ， 的存在较 长的滞后 ， 有 期， 表现 出“ ” ， ｓ 型 有的几乎不存在滞后期 ， 表现 出“ ” 。 Ｌ型
衣材料性质 ，因而可以通过包膜的红外光 声光谱直 接获取相 应包膜肥料 的养分释放特征 。
本 工作 原位测定 了肥料包膜 的红外光声光谱并分析 了肥 料养分 释放 曲线 ， 然后通过人工神经网络模拟包膜 的红外光
＿］ １
，
其中研究养分释放曲线对 于评 价控 释效果具有重要 意
义； 最直接的做法是在 ２ ５℃下采用静水溶 出试 验ｌ ］ 但 该 ＿ ， ２ 。 方 法费时费力 ，在应用中很 难采用 。高温下养 分释放周期 大
ｆ ｒｃ ａ ｅ ｅ ｉ ｚ ｒ ｏ ｏ ｔ ｆｒ ｌ ｓ ｄ ｔ ｉ ｅ
２ 结果与讨论
２ １ 聚合物 包膜 肥料养分释放 曲线特征 ．
吸收带位置／ｒ一 ｅ １ ａ
３３ Ｏ ３ ４ ０ Ｏ ～ ５
归属
（一Ｈ（ ） ＿ 氢键缔合） Ｎ Ｈ 氢键缔合 ） ； — （
Ｃ Ｈ（ — 脂肪族） Ｇ一０（ 基 ） 羧 Ｎ—Ｈ（ 酰胺 ） Ｃ ０（ 基 ） 一 酯
ｆ ｐ ｙ ｒｃ ａ ｅ ｃ ｎ ｒ ｌ ｏ ｌ ｅ － ｏ ｔ ｏ ｔｏ ｌ ｌａ ｅ ｆ ｒｉ ｚ ｒ ｔ ｏ ｍ ｄ ｄ ｅ ｅ ｒ ｅ ｓ ｅ ｔ ｉｅ ｗｉｈ ａ ｌ ｓ
ｍｏ ｉｇｍｉｒ ｒｖ ｌｃｔ ｆ０ ３ ｌ ・ｓ ｎ－ ２ ） ｖｎ ｒｏ ｅｏ ｉ ｏ ． ２ｃｎ 一 （ － ２ ｙ
ቤተ መጻሕፍቲ ባይዱ
使用流化床包衣设备 ，将 粒径 为 ２ ｎ ～３ｒ－ ｌ ｎ的复合 肥颗 粒 （ ＰＯ— ｚ Ｎ＿２ ｓＫ Ｏ一１－２１ ） 人包 衣腔 中，打开设 备加热 待 ５１—５放
进风温度上升到设定温度时 ， 将配好 的包衣液 经蠕动泵雾 化
性 的分析包衣材料 的化学结构和组成变化 ， 尤其适合高 吸收
拟［ 广 义回归神经网络模型 （ｅ ｅａ ｒｇｅｓ ｎｎｕａ ｎ ｔ １ 。 ｇｎ ｒｌ ｅ ｒｓｉ ｅ ｒｌ ｅ— ｏ
ｗ ｒ ，Ｇ Ｎ） ｏ ｋ ＲＮ 是径 向基 函数神 经 网络模 型 ，采 用高 斯核 回 归线性 估 计 ，是 四层 神 经 网 络 结 构 ，其 特 点 是 模 拟 速 度 快＿ ，本文采用 ＧＲ ６ ＮＮ模拟 聚合物包膜 肥料养分 的释放 。 将 以包膜材料 的中红外光声 光谱 通过 主成分分 析进行 降维 ， 利用其 主成分 作 为 网络 的输 入层 ，养分 释 放 曲线作 为 输 出 层， 建 Ｇ 构 ＲＮＮ模 型 。 ２ 个 制备肥料 中随机抽取 １ 从 ２ ９个肥 料用于 ＧＲ ＮＮ模型 的训练 ， 剩余三个 肥料用 于预测和 验证 ， 采用 回归系数 （ 和预测标 准差 （ ＭＳ ） Ｒ） Ｒ Ｅ 对预测 效果进行评
采用傅里 叶变换 红 外光声 光 谱 仪 （ ｃｌ ８ ，美 国） Ｎｉ ｅ ３ ０ ｏｔ ，
光声池 Ｍｏ ｅ ３ ０ ＭＴ Ｃ， 国 ） ｄｌ ０ （ Ｅ 美 ，中红外 区域 （０ ￣４０ ０ ５ ０ ０ ｃ ） 将包 膜肥 料 样 品放 入 圆柱 形不 锈 钢样 品 池 （ 径 ５ ｍ 。 直 ｍｍ， ３ｍｍ） 氦气吹扫 １ ， 封后连续 进行 ３ 次 中红 高 ， ０Ｓ 密 ２
０３ ． ２和 ０ ６ ｍ ・ ～ ， ． ４ｃ ｓ 每次测定 以碳 黑为参照 。
１５ 广 义 回归 神 经 网 络模 型 ．
人 工神经网络就是通过神经元联接输 入和输 出层 ，通过 控制 隐藏层 、 神经元 的多少 以及传 递和反馈 函数达到模 拟的 目的，能无 限逼 近任 何 非线 性 函数 ，因 此适 合 于非 线 性 模
大误差 。 ｌ１ 包衣材料 Ｉ
１ 实验部分
以聚丙烯酸酯类水基 聚合 物为基材 ， 通过 改变有机硅种
类及交联剂 的含量 ， 备 了 ２ 性质不 同 的系列丙烯 酸酯 制 ２种 类包衣 乳 液 ，并 以其 作 为 包衣 材料 制 备 了相 应 的包 膜 肥
料㈨ 。
１ ２ 包膜肥料 的制备 ．
１４ ０ ０ ０ ，１２ ０和 ９０ｃ ０ ｍ～ 。 各个 吸收峰的相对吸收强度发生
明显 改变 ， 且还 出现 了一定 的红移 或蓝移 。结合 聚合物膜合 成 主要组成成 分分析 ， 各吸收带位置与基 团间的归属关 系见
表 １１１ 。 ［，］ ４５
外 扫描重复 ， 描间隔为 ４ｃ ，使用 的动镜 速率为 ０ １ ， 扫 ｍ～ ． ６
摘
要 以聚丙烯 酸酯类 系列水基 聚合物包膜控释肥料 为样 品， 定 了包膜肥 料养分 的释放 曲线并原位 测 测
定 了肥料包膜的中红外 光声 光谱 ， 分析了不同肥料的养分释放曲线以及 不同包膜材料 的红外光 声光谱特征 ；
采用广义 回归神经网络模 型（ ＲＮ ，以肥料包膜红外光声光 谱的主成分作 为 Ｇ Ｎ模 型 的输 入层 ， 以 Ｇ Ｎ） ＲＮ 并
估。 数据分 析采用 Ｍａｌ ． 。 ｔ ｂ７ ０ ａ
Ｔａ ｅ １ Ａｓ ｉｎ ｅ ｆＦＦＩ ＰＡＳ ａ ｓ ｒ ｉ ｎ ｂｌ ｓｇ ｍ ｎｔｏ Ｒ－ ｂ ｏ ｐｔｏ ｓ Ｆｉ． ｇ ２ Ｔｈｅ ｍ ｉ ｉ ｆ ａ ｅ ｐｈｏ ｏ ｃ ｓｉ ｐｅ ｔａ ｏ ｈ ｏ ｉ ｇ ｄ－ｎ ｒ ｒ ｄ ｔ ａ ｏｕ ｔｃ ｓ ｃ ｒ ｆ ｔ ｅ ｃ ａｔｎ ｓ
包膜肥料养分释放 曲线为输 出层 ，构建 了预测养分 释放 曲线 的 Ｇ Ｎ模 型。结果表 明 ， ＲＮ ＲＮ Ｇ Ｎ模 型能快速 有效地预测包膜肥料养 分释放曲线 ， 其预测相关系数（ 达 ０ ９ Ｒ ） ． ３以上 ； 包膜 的探测深度 明显影 响释 放曲线
的预测误差 ， 最小预测误差为 ７ １ ， ． ４ 平均为 １ ．８ ， Ｏ ２ 且基于包膜表层红外光声光谱 的预 测误差最小 。因
选取 １ 包膜肥料放入盛 有 １ ０ｍＬ去离子水 的广 口玻 ０ｇ ０ 璃瓶 中，密封后放 入 ２ ５℃恒 温培养 箱 中。每 隔一 定 时间取 样， 将瓶 中水样 全部取出待测 ， 换上 １ ０ｍＬ去离子水 。 电 ０ 用 导法测定释放 的养分浓 度 ， 每个处理设 三个 重复。
１ ４ 包膜 肥 料 包 膜 红 外 光 声 光 谱 的测 定 ．
谱， 该图谱表 明了在 ５ ０ ４０ ０ｃ 的 区域具有 丰富 的吸 ０ ０ ｍ 收。不 同的聚合物包膜肥料具有 相似 的吸收特征 ，都有 ６ 个
特征 吸 收 区 ：３３ ０ ３４ ０ ０ ～ ２９０ １ ～ １７ ０ ０ ～ ５ ，２８ ０ ５ ，１７ ０ ３ ，
基 于 中红 外 光声 光谱 的聚合 物 包膜 控释 肥 料 养分 释放 曲线预 测
申亚珍 ， 昌文 ， 杜 周健 民 ， 王火焰 ，陈小琴
１ ．中国科学院南京 土壤研究所 ，土壤与农业可持续发展国家重点实验室 ，江苏 南京 ２ ．中国科学院研究 生院，北京 １ ０４ ０ ０９ ２ ０ ０ １０８
收稿 日期 ：２ １—４１ ，修订 日期 ： ０ １０—６ ０ １０ —８ ２ １ —８０
进 入流化床包衣腔底部 的喷枪 中， 空气带走 包衣乳液 的水 热
基金项 目： 国家“ 十二五” 科技支撑计 划项 目（０１ Ａ ｌＢ １ ， ２ １Ｂ Ｄ ｌ０） 中国科学院院地合作项 目和美 国蓝月基金项 目资助 作者简 介：申亚珍 ， ， ９４ 女 １８ 年生 ， 中国科学 院南京土壤研究所博 士研究生
中 图分 类 号 ： １３ ￥ ４
的固态样 品分析 ［ ，所需样 品少 ， 品也不 需做前 处理 ，可 ｇ ］ 样
引 言
由于控释肥料具有提高养分利 用率 、减少环境 胁迫 、节
省 劳动力和施肥 成本 等诸 多优 点而 日益成 为研 究 的热点 之
一
实现原位逐层扫描 。由于包膜肥 料的控释效果 主要决 定于包
此， 结合 Ｇ Ｎ Ｒ Ｎ模型 ， 红外光声光谱可为包膜肥料养分释放 曲线的快速预测提供新 手段 。
关键词 红外光声光谱 ； 包膜肥料 ； ＮＮ模型 ； ＧＲ 释放 曲线
文献 标 识 码 ：Ａ Ｄ ：１． ９ ４ｊｉ ｎ １０ —５ ３２ １ ）２０ ３—４ ＯＩ ０ ３ ６／．ｓ ． ０ ００ ９ （０ ２ ０－３ ００ ｓ
即得 到最终包 膜肥料 。 １ ３ 包膜肥料养分释放 曲线 的测定 ．
同时释放速率也有 明显不 同，可见包衣材料对 聚合 物包 膜肥
料的释放特征和释放速率都具有 及其重要 的影响 。因此 ，通 过改变聚合物包衣材料 的种类和组成可 以灵活地调节包膜肥 料养分的释放模式和释放速率 。
２２ 肥料包膜 的红外光声光谱特征 ． 图 ２为 ２ 个聚合物包膜 肥料 的傅里 叶变换红外 光声 光 ２
近年来 ，傅 里 叶变 换 红外 光 声 光谱 （ ｏ ｒ ｒｔ ｎ ｆｒ Ｆ ｕｉ ｒ ｓｏｒ ｅ ａ ｎ ｉｆａｅ ｈ ｔａｏ ｓｉ ｓｅｔｏｃｐ ，Ｆ Ｉ － ＡＳ 在材 料表 征 ｎｒｒｄｐ ｏｏ ｃｕｔ ｐｃｒｓｏ ｙ ＴＲ Ｐ ） ｃ 中得到越来越多 的应用［ ］ ７ 。其 特点是 快速 、简便 且 无破 坏
＊通讯联系人 ｅｍａ ：ｃｗｄ ＠ｉｓｓ ａ． ｎ － ｉ ｈ ｕ ｓａ．ｃｃ ｌ
ｅ ａ ： ｚｈｎ ｓ ｓａ．ｎ － ｉ ｙｓｅ＠ｉａ．ｃｃ ｍ ｌ ｓ
第２ 期
光谱学与光谱分析
３１ ３
分 而使包 衣材料喷涂 在肥料 颗粒 表 面，并 进行疏 水性 改性 ， 反应成 膜ｌ 将 包衣后 的包膜 肥料 在 ８ １ 。 Ｏ℃烘箱 中加 热 ８ｈ
大缩短 ， 因此通过高低温 度下 释放 曲线 间 的关 系进 行转化 ，
声光谱 和相应包 膜肥料养分释放 曲线之 间的关系 ，构建了人 工神经网络模 型 ，以期快速预测聚合物包膜肥料 的养分释放
曲线 。
可以在较短 时间内推导得 到养分释放 曲线 ＿ ， ４ 但温度 过高可 ］ 能使得 控释肥料膜层破裂 ， 同时高温释放曲线和低温 释放 曲 线的转 换并 不一定是 简单线性关系 ， 因此该方法在 预测的可 靠性上存在问题 。 通过养分释放模型也可以进行养分 释放 曲 线的估 算 ， ｕ等＿ 建立 了聚合物包膜肥料养分释放 的理论 Ｄ ５ ］ 模型和人工神经网络模 型 ， 尽管模型较好地描述 了聚合物包 膜肥料养分释放 ， 由于模型假设 以及模拟参数 获取和实 际 但 情况均具有明显差异 ， 以在养分释放 曲线 的预测 中存在较 所
１４ ０ ５ １２ ０ １ ２ ０ Ｏ ～ ６ １１５ ８
９ ０ １１６ ９ ～ ３ ９ Ｏ ９ ０ Ｏ ～ ２
ｃ Ｃ（ 类 骨 架 ） 脂
在 ３３ ０ ５ ｍ 处表现 出相对 较宽 的特征 峰是 由 ０ ￣３４ ０ｃ
于 ０ ＿Ｈ 及 Ｎ Ｈ 的伸缩振动和弯 曲振动而引起的 ； 卜 － 另一个
第 ３卷， ２ ２ 第 期
２０１２年 ２ 月
光
谱
学
与
光
谱
分
析
Ｓ ｅ ｔｏ ｃ ｐ ｎ ｐ ｃ ｒ ｌＡｎ ｌｓｓ ｐ ｃ ｒ ｓ ｏ ｙ ａ ｄ Ｓ ｅ ｔａ ａ ｙ ｉ
Ｖｏ ． ２ Ｎｏ ２ ｐ ３ ０ ３ ３ １３ ， ． ，ｐ ３ —３ Ｆ ｂｕ ｒ ｅ ｒ ａｙ，２ １ ０ ２
Ｃ— Ｎ ｓｊ ｏ — Ｓ ｉ
２８ ０ ２ ９ ０ ０ ￣ ５
１ ７１ ～ １ ７ ０ Ｏ ３
图 １ ２ 聚合 物包膜 肥料 的养 分 释放 曲线 ，由图可 为 ２个 知不同 聚合 物 包 膜 材 料 制 作 的 包膜 肥料 养 分 释 放 特 征 不 同ｍ］ 释放 曲线呈现不 同的形态线性 ， 的存在较 长的滞后 ， 有 期， 表现 出“ ” ， ｓ 型 有的几乎不存在滞后期 ， 表现 出“ ” 。 Ｌ型
衣材料性质 ，因而可以通过包膜的红外光 声光谱直 接获取相 应包膜肥料 的养分释放特征 。
本 工作 原位测定 了肥料包膜 的红外光声光谱并分析 了肥 料养分 释放 曲线 ， 然后通过人工神经网络模拟包膜 的红外光
＿］ １
，
其中研究养分释放曲线对 于评 价控 释效果具有重要 意
义； 最直接的做法是在 ２ ５℃下采用静水溶 出试 验ｌ ］ 但 该 ＿ ， ２ 。 方 法费时费力 ，在应用中很 难采用 。高温下养 分释放周期 大
ｆ ｒｃ ａ ｅ ｅ ｉ ｚ ｒ ｏ ｏ ｔ ｆｒ ｌ ｓ ｄ ｔ ｉ ｅ
２ 结果与讨论
２ １ 聚合物 包膜 肥料养分释放 曲线特征 ．
吸收带位置／ｒ一 ｅ １ ａ
３３ Ｏ ３ ４ ０ Ｏ ～ ５
归属
（一Ｈ（ ） ＿ 氢键缔合） Ｎ Ｈ 氢键缔合 ） ； — （
Ｃ Ｈ（ — 脂肪族） Ｇ一０（ 基 ） 羧 Ｎ—Ｈ（ 酰胺 ） Ｃ ０（ 基 ） 一 酯
ｆ ｐ ｙ ｒｃ ａ ｅ ｃ ｎ ｒ ｌ ｏ ｌ ｅ － ｏ ｔ ｏ ｔｏ ｌ ｌａ ｅ ｆ ｒｉ ｚ ｒ ｔ ｏ ｍ ｄ ｄ ｅ ｅ ｒ ｅ ｓ ｅ ｔ ｉｅ ｗｉｈ ａ ｌ ｓ
ｍｏ ｉｇｍｉｒ ｒｖ ｌｃｔ ｆ０ ３ ｌ ・ｓ ｎ－ ２ ） ｖｎ ｒｏ ｅｏ ｉ ｏ ． ２ｃｎ 一 （ － ２ ｙ
ቤተ መጻሕፍቲ ባይዱ
使用流化床包衣设备 ，将 粒径 为 ２ ｎ ～３ｒ－ ｌ ｎ的复合 肥颗 粒 （ ＰＯ— ｚ Ｎ＿２ ｓＫ Ｏ一１－２１ ） 人包 衣腔 中，打开设 备加热 待 ５１—５放
进风温度上升到设定温度时 ， 将配好 的包衣液 经蠕动泵雾 化
性 的分析包衣材料 的化学结构和组成变化 ， 尤其适合高 吸收
拟［ 广 义回归神经网络模型 （ｅ ｅａ ｒｇｅｓ ｎｎｕａ ｎ ｔ １ 。 ｇｎ ｒｌ ｅ ｒｓｉ ｅ ｒｌ ｅ— ｏ
ｗ ｒ ，Ｇ Ｎ） ｏ ｋ ＲＮ 是径 向基 函数神 经 网络模 型 ，采 用高 斯核 回 归线性 估 计 ，是 四层 神 经 网 络 结 构 ，其 特 点 是 模 拟 速 度 快＿ ，本文采用 ＧＲ ６ ＮＮ模拟 聚合物包膜 肥料养分 的释放 。 将 以包膜材料 的中红外光声 光谱 通过 主成分分 析进行 降维 ， 利用其 主成分 作 为 网络 的输 入层 ，养分 释 放 曲线作 为 输 出 层， 建 Ｇ 构 ＲＮＮ模 型 。 ２ 个 制备肥料 中随机抽取 １ 从 ２ ９个肥 料用于 ＧＲ ＮＮ模型 的训练 ， 剩余三个 肥料用 于预测和 验证 ， 采用 回归系数 （ 和预测标 准差 （ ＭＳ ） Ｒ） Ｒ Ｅ 对预测 效果进行评