CN109406588A - 基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 - Google Patents
基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 Download PDFInfo
- Publication number
- CN109406588A CN109406588A CN201710707251.7A CN201710707251A CN109406588A CN 109406588 A CN109406588 A CN 109406588A CN 201710707251 A CN201710707251 A CN 201710707251A CN 109406588 A CN109406588 A CN 109406588A
- Authority
- CN
- China
- Prior art keywords
- nitrate
- electrode
- module
- soil
- response potential
- 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
Links
- 239000002689 soil Substances 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 25
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims abstract description 74
- 230000004044 response Effects 0.000 claims abstract description 60
- 229910002651 NO3 Inorganic materials 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 49
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims abstract description 34
- 150000002500 ions Chemical class 0.000 claims abstract description 20
- 239000012488 sample solution Substances 0.000 claims abstract description 19
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims abstract description 12
- 238000003062 neural network model Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 4
- 239000000460 chlorine Substances 0.000 claims description 38
- 229910052801 chlorine Inorganic materials 0.000 claims description 38
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 37
- 239000000243 solution Substances 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000002386 leaching Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 11
- 230000003321 amplification Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- -1 nitrate ions Chemical class 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000003750 conditioning effect Effects 0.000 claims description 6
- VWDWKYIASSYTQR-UHFFFAOYSA-N sodium nitrate Chemical compound [Na+].[O-][N+]([O-])=O VWDWKYIASSYTQR-UHFFFAOYSA-N 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 239000011259 mixed solution Substances 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000011780 sodium chloride Substances 0.000 claims description 3
- 235000010344 sodium nitrate Nutrition 0.000 claims description 3
- 239000004317 sodium nitrate Substances 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000000618 nitrogen fertilizer Substances 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及一种基于离子选择性电极的土壤硝态氮多参数检测方法与仪表，该方法包括：按照BP算法建立BP神经网络模型，针对BP神经网络的缺点采用五种方法改进；检测不同浓度标准样本溶液的硝酸根电极和氯电极响应电势；根据硝酸根电极和氯电极在标准样本溶液中的响应电势，训练BP神经网络模型即检测模型；检测所述待检测土壤浸提液的硝酸根电极和氯电极的响应电势；将检测结果输入到训练好的检测模型中经过模型计算得到硝酸根离子浓度；根据公式将硝酸根离子浓度转换成硝态氮含量。本发明所建立的检测模型考虑了氯离子对硝酸根电极的干扰影响，且改进后的BP神经网络模型速度快、精度高，因此相对于传统检测方法，可以大大提高土壤硝态氮检测的准确度。
Description
技术领域
本发明涉及土壤检测技术领域，尤其是涉及一种基于离子选择性电极的土壤硝态氮多参数检测方法与仪表。
背景技术
氮肥是我国用量最多的肥料，然而氮肥利用率过低，这样不仅造成了资源浪费，还造成了环境污染问题。硝态氮属于速效氮，容易被作物吸收，土壤中的硝态氮含量能反映土壤对作物的供氮能力，所以土壤硝态氮含量的检测对科学指导施用氮肥有重要意义。离子选择性电极是一种能对溶液中目标离子产生特异性电位响应的电化学传感器。离子选择性电极法操作简单、检测速度快、成本低，是一种常用的检测土壤硝态氮的方法。然而土壤成分复杂，用离子选择性电极检测土壤硝态氮含量时存在干扰离子的影响。传统的电极法检测土壤硝态氮含量的方法大多局限于单个影响因素的定性分析，检测模型常忽略干扰离子的影响，无法消除干扰离子(主要为氯离子)引入的测定误差。
发明内容
针对以上缺陷，本发明提供一种基于离子选择性电极的土壤硝态氮多参数检测方法与仪表，可以考虑到共存离子氯离子对硝酸根离子电极的影响，提高检测的准确度。
第一方面，本发明提供的基于离子选择性电极的土壤硝态氮多参数检测方法包括：
按照BP算法建立BP神经网络模型，针对BP神经网络的收敛速度慢和易陷入局部极小值的缺点采用五种方法改进；
检测不同浓度标准样本溶液的硝酸根电极响应电势和氯电极响应电势；
根据硝酸根电极和氯电极在各个浓度标准样本溶液中的响应电势以及对应的硝酸根离子浓度，训练BP神经网络模型即检测模型；
用硝酸根电极和氯电极检测土壤浸提液，得到对应的硝酸根电极和氯电极的响应电势；
将检测结果输入到训练好的检测模型中经过模型计算得到硝酸根离子浓度，所述检测结果为硝酸根电极响应电势和氯电极响应电势；
根据转换公式将所述土壤浸提液中的硝酸根离子浓度转换成土壤的硝态氮含量。
可选的，所述针对BP神经网络的收敛速度慢和易陷入局部极小值的缺点采用五种方法改进，包括：自适应调节学习率、自适应调节误差信号、调整激励函数的参数、附加动量法、改变归一化区间。
可选的，所述不同浓度标准样本溶液为不同已知浓度的硝酸钠溶液和不同已知浓度的氯化钠溶液的混合溶液。
可选的，所述根据硝酸根电极和氯电极在各个浓度标准样本溶液中的响应电势以及对应的硝酸根离子浓度，训练BP神经网络模型即检测模型，所述检测模型的输入为硝酸根电极响应电势和氯电极响应电势，输出为硝酸根离子浓度。
可选的，所述将所述土壤浸提液中的硝酸根离子浓度转换成土壤的硝态氮含量的所述转换公式为：
其中，为土壤硝态氮含量，为土壤浸提液中的硝酸根离子浓度。
第二方面，本发明提供的基于离子选择性电极的土壤硝态氮多参数检测仪表包括电源模块、硝酸根电极、氯电极、数据采集处理器和显示模块，其中：
所述电源模块，与所述数据采集处理器和所述显示模块连接，用于为所述数据采集处理器和所述显示模块提供电源；
所述硝酸根电极，用于在检测样本溶液和土壤浸提液时产生表征硝酸根离子浓度的响应电势；
所述氯电极，用于在检测所述样本溶液和所述土壤浸提液时产生表征氯离子浓度的响应电势；
所述数据采集处理器，用于采集所述硝酸根电极的响应电势和所述氯电极的响应电势，并按照以上所述检测模型，计算所述土壤浸提液的硝酸根离子浓度，并根据所述土壤浸提液中的硝酸根离子浓度，按照以上所述转换公式计算所述检测土壤的硝态氮含量；
所述显示模块，用于显示所述硝酸根电极的响应电势、所述氯电极的响应电势、所述土壤浸提液的硝酸根离子浓度和所述土壤的硝态氮含量。
可选的，所述数据采集处理器包括信号调理模块、模数转换模块、数据处理模块、通信模块、存储模块和输入模块，其中：
所述信号调理模块，分为阻抗变换模块和滤波放大模块，其中：所述阻抗变换模块用于对所述硝酸根电极的响应电势和氯电极的响应电势进行阻抗变换，所述滤波放大模块连接阻抗变换模块的输出，用于对所述阻抗变换模块的输出信号进行滤波和放大处理；
所述模数转换模块，与所述滤波放大模块的输出连接，用于将所述滤波放大模块输出的模拟信号转换成数字信号；
所述数据处理模块，与所述模数转换模块的输出连接，用于将转换成数字信号的硝酸根电极响应电势和氯电极响应电势进行处理；
所述通信模块，分为串口和网口，与所述数据处理模块连接，用于将所述数据处理模块处理后的数据上传到上位机中；
所述存储模块，与所述数据处理模块连接，用于将处理后的数据存储；
所述输入模块，与所述数据处理模块连接，用于输入控制所述数据处理模块进行数据处理的控制指令。
根据以上技术方案，本发明提供的基于离子选择性电极的土壤硝态氮多参数检测方法与仪表中，采用建立检测模型的方式进行检测，而该检测模型基于改进的BP神经网络建立，其输入为硝酸根电极响应电势和氯电极响应电势，输出为硝酸根离子浓度，然后根据转换公式可将硝酸根离子浓度转换成土壤硝态氮含量，可见本发明所建立的检测模型考虑了氯离子对硝酸根电极的干扰影响，且改进后的BP神经网络模型速度快、精度高，因此相对于传统检测方法，可以大大提高土壤硝态氮检测的准确度。
附图说明
通过参考附图会更加清楚的理解本发明的特征信息和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了根据本发明基于离子选择性电极的土壤硝态氮多参数检测方法一实施例的流程示意图；
图2示出了根据本发明基于离子选择性电极的土壤硝态氮多参数检测仪表一实施例的结构框图。
具体实施方式
为了更清楚地描述本发明的技术方案，以下结合附图和具体实施例对本发明进行详细的说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提供一种基于离子选择性电极的土壤硝态氮多参数检测方法，如图1所示，该方法包括：
S1、按照BP算法建立BP神经网络模型，针对BP神经网络的收敛速度慢和易陷入局部极小值的缺点采用五种方法改进，改进方法包括：自适应调节学习率、自适应调节误差信号、调整激励函数的参数、附加动量法、改变归一化区间；
S2、检测不同浓度标准样本溶液的硝酸根电极响应电势和氯电极响应电势，其中不同浓度标准样本溶液为不同已知浓度的硝酸钠溶液和不同已知浓度的氯化钠溶液的混合溶液；
S3、根据硝酸根电极和氯电极在各个浓度标准样本溶液中的响应电势以及对应的硝酸根离子浓度，训练BP神经网络模型即检测模型，该模型的输入为硝酸根电极读数和氯电极读数，输出为硝酸根离子浓度；
S4、用硝酸根电极和氯电极检测土壤浸提液，得到对应的硝酸根电极和氯电极的响应电势；
S5、将检测结果输入到训练好的检测模型中经过模型计算得到硝酸根离子浓度，所述检测结果为硝酸根电极响应电势和氯电极响应电势；
S6、根据转换公式将所述土壤浸提液中的硝酸根离子浓度转换成土壤的硝态氮含量，其中的转换公式为：
其中，为土壤硝态氮含量，为土壤浸提液中的硝酸根离子浓度。
本发明还提供一种基于离子选择性电极的土壤硝态氮多参数检测仪表，如图2所示，该仪表包括电源模块、硝酸根电极、氯电极、数据采集处理器和显示模块，其中：
所述电源模块，与所述数据采集处理器和所述显示模块连接，用于为所述数据采集处理器和所述显示模块提供电源；
所述硝酸根电极，用于在检测样本溶液和土壤浸提液时产生表征硝酸根离子浓度的响应电势；
所述氯电极，用于在检测所述样本溶液和所述土壤浸提液时产生表征氯离子浓度的响应电势；
所述数据采集处理器，用于采集所述硝酸根电极的响应电势和所述氯电极的响应电势，并按照以上所述检测模型，计算所述土壤浸提液的硝酸根离子浓度，并根据所述土壤浸提液中的硝酸根离子浓度，按照以上所述转换公式计算所述检测土壤的硝态氮含量；
所述显示模块，用于显示所述硝酸根电极的响应电势、所述氯电极的响应电势、所述土壤浸提液的硝酸根离子浓度和所述土壤的硝态氮含量。
在具体实施中，如图2所示，所述数据采集处理器包括信号调理模块、模数转换模块、数据处理模块、通信模块、存储模块和输入模块，其中：
所述信号调理模块，分为阻抗变换模块和滤波放大模块，其中：所述阻抗变换模块用于对所述硝酸根电极的响应电势和氯电极的响应电势进行阻抗变换，所述滤波放大模块连接阻抗变换模块的输出，用于对所述阻抗变换模块的输出信号进行滤波和放大处理；
所述模数转换模块，与所述滤波放大模块的输出连接，用于将所述滤波放大模块输出的模拟信号转换成数字信号；
所述数据处理模块，与所述模数转换模块的输出连接，用于将转换成数字信号的硝酸根电极响应电势和氯电极响应电势进行处理，例如S3C6410微处理器；
所述通信模块，分为串口和网口，与所述数据处理模块连接，用于将所述数据处理模块处理后的数据上传到上位机中；
所述存储模块，与所述数据处理模块连接，用于将处理后的数据存储，例如U盘；
所述输入模块，与所述数据处理模块连接，用于输入控制所述数据处理模块进行数据处理的控制指令。
Claims (7)
1.一种基于离子选择性电极的土壤硝态氮多参数检测方法，其特征在于，包括：
按照BP算法建立BP神经网络模型，针对BP神经网络的收敛速度慢和易陷入局部极小值的缺点采用五种方法改进；
检测不同浓度标准样本溶液的硝酸根电极响应电势和氯电极响应电势；
根据硝酸根电极和氯电极在各个浓度标准样本溶液中的响应电势以及对应的硝酸根离子浓度，训练BP神经网络模型即检测模型；
用硝酸根电极和氯电极检测土壤浸提液，得到对应的硝酸根电极和氯电极的响应电势；
将检测结果输入到训练好的检测模型中经过模型计算得到硝酸根离子浓度，所述检测结果为硝酸根电极响应电势和氯电极响应电势；
根据转换公式将所述土壤浸提液中的硝酸根离子浓度转换成土壤的硝态氮含量。
2.根据权利要求1所述的方法，其特征在于，所述针对BP神经网络的收敛速度慢和易陷入局部极小值的缺点采用五种方法改进，包括：自适应调节学习率、自适应调节误差信号、调整激励函数的参数、附加动量法、改变归一化区间。
3.根据权利要求1所述的方法，其特征在于，所述不同浓度标准样本溶液为不同已知浓度的硝酸钠溶液和不同已知浓度的氯化钠溶液的混合溶液。
4.根据权利要求1所述的方法，其特征在于，所述根据硝酸根电极和氯电极在各个浓度标准样本溶液中的响应电势以及对应的硝酸根离子浓度，训练BP神经网络模型即检测模型，所述检测模型的输入为硝酸根电极响应电势和氯电极响应电势，输出为硝酸根离子浓度。
5.根据权利要求1所述的方法，其特征在于，所述将所述土壤浸提液中的硝酸根离子浓度转换成土壤的硝态氮含量的所述转换公式为：
其中，为土壤硝态氮含量，为土壤浸提液中的硝酸根离子浓度。
6.一种基于离子选择性电极的土壤硝态氮多参数检测仪表，其特征在于，包括电源模块、硝酸根电极、氯电极、数据采集处理器和显示模块，其中：
所述电源模块，与所述数据采集处理器和所述显示模块连接，用于为所述数据采集处理器和所述显示模块提供电源；
所述硝酸根电极，用于在检测样本溶液和土壤浸提液时产生表征硝酸根离子浓度的响应电势；
所述氯电极，用于在检测所述样本溶液和所述土壤浸提液时产生表征氯离子浓度的响应电势；
所述数据采集处理器，用于采集所述硝酸根电极的响应电势和所述氯电极的响应电势，并按照权利要求1中所述的检测模型，计算所述土壤浸提液的硝酸根离子浓度，并根据所述土壤浸提液中的硝酸根离子浓度，按照权利要求1中所述的转换公式计算所述检测土壤的硝态氮含量；
所述显示模块，用于显示所述硝酸根电极的响应电势、所述氯电极的响应电势、所述土壤浸提液的硝酸根离子浓度和所述土壤的硝态氮含量。
7.根据权利要求6中所述的检测仪表，其特征在于，所述数据采集处理器包括信号调理模块、模数转换模块、数据处理模块、通信模块、存储模块和输入模块，其中：
所述信号调理模块，分为阻抗变换模块和滤波放大模块，其中：所述阻抗变换模块用于对所述硝酸根电极的响应电势和氯电极的响应电势进行阻抗变换，所述滤波放大模块连接阻抗变换模块的输出，用于对所述阻抗变换模块的输出信号进行滤波和放大处理；
所述模数转换模块，与所述滤波放大模块的输出连接，用于将所述滤波放大模块输出的模拟信号转换成数字信号；
所述数据处理模块，与所述模数转换模块的输出连接，用于将转换成数字信号的硝酸根电极响应电势和氯电极响应电势进行处理；
所述通信模块，分为串口和网口，与所述数据处理模块连接，用于将所述数据处理模块处理后的数据上传到上位机中；
所述存储模块，与所述数据处理模块连接，用于将处理后的数据存储；
所述输入模块，与所述数据处理模块连接，用于输入控制所述数据处理模块进行数据处理的控制指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710707251.7A CN109406588A (zh) | 2017-08-17 | 2017-08-17 | 基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710707251.7A CN109406588A (zh) | 2017-08-17 | 2017-08-17 | 基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109406588A true CN109406588A (zh) | 2019-03-01 |
Family
ID=65454944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710707251.7A Pending CN109406588A (zh) | 2017-08-17 | 2017-08-17 | 基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109406588A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111537576A (zh) * | 2020-04-16 | 2020-08-14 | 中国科学院化学研究所 | 脑内神经化学物质检测方法 |
| CN111879596A (zh) * | 2020-07-20 | 2020-11-03 | 广东石油化工学院 | 一种工业污水硝态氮检测用缓冲液及检测方法 |
| CN112147202A (zh) * | 2020-09-18 | 2020-12-29 | 河南农业大学 | 基于电化学的土壤硝态氮实时检测系统及方法 |
| CN114965619A (zh) * | 2022-06-13 | 2022-08-30 | 西北农林科技大学 | 基于离子选择电极的土壤硝态氮快速检测设备与方法 |
| CN116908244A (zh) * | 2023-09-13 | 2023-10-20 | 成都心远心科技有限公司 | 一种林业生态保护用采样装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012083371A1 (en) * | 2010-12-23 | 2012-06-28 | Crc Care Pty Ltd | Analyte ion detection method and device |
| CN103134770A (zh) * | 2013-02-01 | 2013-06-05 | 中国农业大学 | 消除水分对近红外光谱检测土壤全氮含量影响的方法 |
-
2017
- 2017-08-17 CN CN201710707251.7A patent/CN109406588A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012083371A1 (en) * | 2010-12-23 | 2012-06-28 | Crc Care Pty Ltd | Analyte ion detection method and device |
| CN103134770A (zh) * | 2013-02-01 | 2013-06-05 | 中国农业大学 | 消除水分对近红外光谱检测土壤全氮含量影响的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 杜尚丰 等: "电极法检测土壤硝态氮的干扰因素与测量模型研究", 《农业机械学报》 * |
| 杜尚丰 等: "电极法测定土壤硝态氮精度的提高方法", 《农业机械学报》 * |
| 简宁 等: "营养液多参数在线检测技术研究", 《节水灌溉》 * |
| 蒲攀: "离子选择膜技术及其土壤硝态氮检测应用研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111537576A (zh) * | 2020-04-16 | 2020-08-14 | 中国科学院化学研究所 | 脑内神经化学物质检测方法 |
| CN111879596A (zh) * | 2020-07-20 | 2020-11-03 | 广东石油化工学院 | 一种工业污水硝态氮检测用缓冲液及检测方法 |
| CN111879596B (zh) * | 2020-07-20 | 2023-12-01 | 广东石油化工学院 | 一种工业污水硝态氮检测用缓冲液及检测方法 |
| CN112147202A (zh) * | 2020-09-18 | 2020-12-29 | 河南农业大学 | 基于电化学的土壤硝态氮实时检测系统及方法 |
| CN112147202B (zh) * | 2020-09-18 | 2024-03-22 | 河南农业大学 | 基于电化学的土壤硝态氮实时检测系统及方法 |
| CN114965619A (zh) * | 2022-06-13 | 2022-08-30 | 西北农林科技大学 | 基于离子选择电极的土壤硝态氮快速检测设备与方法 |
| CN116908244A (zh) * | 2023-09-13 | 2023-10-20 | 成都心远心科技有限公司 | 一种林业生态保护用采样装置 |
| CN116908244B (zh) * | 2023-09-13 | 2023-12-22 | 四川省林业和草原调查规划院 | 一种林业生态保护用采样装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109406588A (zh) | 基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 | |
| CN102565104B (zh) | 一种烃源岩有机碳含量的测定方法 | |
| CN102590318B (zh) | 连续分析pH值、酚酞碱度、总碱度和氯离子浓度的分析方法及装置 | |
| CN106525762A (zh) | 一种基于自适应模型的水质监测方法和水质监测装置 | |
| Wells et al. | New approach to analysis of voltammetric ligand titration data improves understanding of metal speciation in natural waters | |
| CN109784390B (zh) | 一种人工智能嗅觉动态响应图谱气体检测识别方法 | |
| CN112733386A (zh) | 一种基于深度神经网络的多组分反应性溶质运移参数反演方法 | |
| CN116166923A (zh) | 基于地统计分析与apls-mlr的土壤重金属来源解析方法 | |
| CN105738438A (zh) | 一种双电极法实现水中碳酸氢根和碳酸根快速检测仪器及其方法 | |
| CN118679385A (zh) | 土壤参数传感器系统 | |
| CN106198700A (zh) | 探测海底热液的数据自容式丝状三电极传感系统 | |
| CN206710365U (zh) | 一种便携式土壤重金属检测装置 | |
| CN112147202A (zh) | 基于电化学的土壤硝态氮实时检测系统及方法 | |
| CN102175737A (zh) | 营养液组分在线检测的离子选择电极交叉敏感校正方法及装置 | |
| CN107192754B (zh) | 基于离子选择性电极的农田硝态氮检测方法和系统 | |
| CN116049664A (zh) | 一种基于深度学习的电子烟种类识别方法、系统及可读介质 | |
| CN102645477A (zh) | 利用离子选择电极测定浓度的迭代运算法 | |
| CN119224097B (zh) | 一种考虑地下水环境因子干扰的asv重金属原位检测系统及方法 | |
| CN107490601A (zh) | 一种无土栽培营养液多离子浓度检测系统 | |
| CN112268993A (zh) | 一种基于电子鼻技术对河道水质参数快速监测的方法 | |
| CN117192057B (zh) | 一种水质检测方法、装置及存储介质 | |
| CN107121482A (zh) | 一种嵌入式伏安电子舌检测系统及方法 | |
| CN113252744B (zh) | 基于光电化学的溶液中痕量离子/分子检测仪 | |
| CN205898741U (zh) | 探测海底热液的数据自容式丝状三电极传感系统 | |
| CN120927781B (zh) | 地下水重金属含量快速检测方法、系统、设备及介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190301 |
|
| WD01 | Invention patent application deemed withdrawn after publication |