可见/近红外光谱技术是土壤成分检测的有效工具。波长筛选对可见/近红外模型土壤属性的预测精度有重要影响。以宁夏吴忠地区75个水稻土样为研究对象, 利用可见/近红外光谱技术采集土壤样品光谱, 采用SPXY(Sample set partitioning based on joint X-Y distance)方法选取了校正集和预测集样本, 比较了分别采用 Savitzky Golay平滑(SG smoothing)、多元散射校正(Multiple scatter correction,MSC)、标准正态变量变换(Standard normal variate,SNV) 3种预处理方法对光谱数据处理后建立土壤碱解氮偏最小二乘法模型和原始光谱数据建模的效果。在此基础上, 分别采用遗传算法(Genetic gorithms,GA)、连续投影算法(Successive projections algorithm,SPA)、竞争性自适应重加权算法(Competitive adaptive reweighted Sampling, CARS)、随机蛙跳(Random frog, RF)进行波长筛选, 最后应用偏最小二乘法建立基于不同波长筛选方法的土壤碱解氮含量预测模型。研究表明, 由于仪器性能稳定, 样品的颗粒度比较小和均匀, 本次实验原始光谱数据建模效果最好; 各种波长筛选方法均可有效减少参与建模的波长数, 且连续投影算法优于全谱建模, 所选波长数仅为全谱波长数的1%, 其预测决定系数(R2)、预测均方根误差和相对分析误差值分别为0.726, 3.616, 1.906。这表明连续投影算法可以有效筛选水稻土碱解氮敏感波段, 为土壤碱解氮传感器开发提供技术支持。

利用磁控溅射技术在组装整齐的微球表面依次镀上银、金薄膜, 获得双金属纳米壳层结构。以对巯基苯胺(p-ATP)为探针分子, 研究了该壳层结构在不同激发线下SERS增强差异。测试结果表明, 金银双金属纳米壳层结构在780 nm激光下具有很好的SERS增强效果, 并随着外层金膜厚度的减小而逐渐增强。对各个基底的增强因子进行计算可知, 基底的表面等离子体共振(SPR) 峰与激发线的匹配程度越好, 其增强因子越大。由于金的高稳定性和良好的生物相容性, 该基底在SERS生物传感方面具有很大应用潜力。