再生废水监测用于可持续农业再利用的近红外透反射光谱初步研究

《Ecological Informatics》:Preliminary investigation of reclaimed wastewater monitoring for sustainable agricultural reuse using near-infrared transflectance

【字体: 大 中 小 】 时间:2026年08月04日 来源:Ecological Informatics 8.5

编辑推荐:

  本研究调查了来自废水处理(Wastewater Treatment, WWT)厂的再生水作为可持续滴灌施肥(fertigation)来源的潜力,旨在确保向作物提供充足的养分并促进资源效率。研究人员采用原位近红外(Near-InfraRed, NIR)透反射光谱

  
本研究调查了来自废水处理(Wastewater Treatment, WWT)厂的再生水作为可持续滴灌施肥(fertigation)来源的潜力,旨在确保向作物提供充足的养分并促进资源效率。研究人员采用原位近红外(Near-InfraRed, NIR)透反射光谱,结合机器学习(Machine Learning, ML)技术,评估灌溉水和滴灌施肥基质的化学和结构特性。在受控条件下,使用便携式光谱辐射计(spectrophotoradiometer)获取液体样品的吸光度光谱,随后在NIR范围(1000–1800 nm)内进行分析。主成分分析(Principal Component Analysis, PCA)揭示了系统入口和出口处收集的滴灌施肥溶液之间的明显光谱差异,表明整个过程中水成分的变化。研究人员开发了一个偏最小二乘(Partial Least Squares, PLS)回归模型,将吸光度光谱与电导率(Electrical Conductivity, EC)(滴灌施肥中养分浓度的关键指标)、pH和温度(Temperature, T)的参考测量值相关联。通过PCA载荷、回归向量、变量投影重要性(Variable Importance in Projection, VIP)和选择性比率(Selectivity Ratio, SR)得分,识别出对模型性能有贡献的相关波长。该方法支持处理后的废水在农业中的再利用,有助于实现多个可持续发展目标(Sustainable Development Goals, SDGs),包括水资源保护(SDG 6)、可持续农业(SDG 2)和负责任的资源管理(SDG 12)。最后,该方法为种植者提供了关于滴灌施肥溶液化学和物理状态的宝贵见解,使其能够更明智地决定灌溉时机、浓度调整,并及早发现潜在的有害盐分积累。
在全球水资源短缺和环境污染的双重压力下,废水处理厂出水的资源化利用成为可持续发展的重要方向。滴灌施肥(fertigation)作为一种结合灌溉与施肥的精准农业技术,能够显著提高水肥利用效率,但传统监测方法依赖实验室分析,难以实现快速、非破坏性、在线检测,尤其在温室环境中缺乏对滴灌施肥溶液离子和养分负荷的实时监测工具。近红外(Near-InfraRed, NIR)光谱技术,特别是Aquaphotomics方法,通过分析水分子与溶质的相互作用,能够揭示水溶液化学环境的细微变化,为监测再生水质量提供了可能。然而,目前尚未有研究将NIR透反射光谱与机器学习(Machine Learning, ML)直接集成,用于再生废水滴灌施肥系统的现场监测。因此,研究人员开展了本研究,旨在开发一种基于便携式NIR透反射光谱和多元统计分析的监测方法,实现温室环境下滴灌施肥溶液电导率(Electrical Conductivity, EC)、pH和温度(Temperature, T)的快速预测,为可持续农业提供数据支撑。该论文发表在《Ecological Informatics》上。

主要关键技术方法:研究人员采用FieldSpec 4标准分辨率分光辐射计(ASD Inc., Boulder, CO, USA),配备透反射浸入式探针,在Vis-SWIR范围(350–2500 nm)获取吸光度光谱,并截取NIR 1000–1800 nm进行分析。光谱预处理包括Savitzky-Golay平滑、广义最小二乘加权(Generalized Least Squares Weighting, GLS-W)和均值中心化(Mean Centering, MC)。通过主成分分析(Principal Component Analysis, PCA)进行探索性分析,区分入口和出口样品。采用偏最小二乘(Partial Least Squares, PLS)回归模型,使用Kennard-Stone算法按70:30比例分割训练集和测试集,建立EC、pH和T的预测模型,并通过变量投影重要性(Variable Importance in Projection, VIP)和选择性比率(Selectivity Ratio, SR)识别关键波长。样本来源为意大利Sabaudia的Friuli Costruzioni Srl番茄温室,2022年5月1日至6月13日每日采样,共27个样品,每个样品采集20个光谱×3次重复。

研究结果:

3.1 收集数据的探索性分析:通过PCA分析,PC2和PC3分别解释了12.95%和8.24%的方差,入口和出口样品在得分图上呈现一定分离,出口样品聚集较紧密,入口样品集中在PC3负值区域。负PC3载荷集中在1000–1040 nm、1090–1110 nm、1160–1180 nm、1340–1370 nm和1450–1465 nm区域,这些区域对应水分子O-H振动的倍频和合频带,表明入口和出口溶液的水分子环境和溶质相互作用不同,反映了滴灌施肥过程中水成分的变化。

3.2 多变量回归分析:PLS模型对EC的预测性能最优,采用7个潜在变量(Latent Variables, LVs),校准均方根误差(RMSEC)为0.461 mS/cm,交叉验证均方根误差(RMSECV)为0.485 mS/cm,预测均方根误差(RMSEP)为0.674 mS/cm,预测决定系数(R2P)为0.715。VIP得分大于2的区域集中在1383–1401 nm,SR高于95%置信限的峰值在1163–1165 nm和1173 nm,表明这些波长与EC预测高度相关,主要对应水分子O-H伸缩振动的倍频和合频带。pH模型采用5个LVs,R2C为0.847,R2CV为0.836,但R2P仅为0.308,RMSEP为0.837 pH单位,预测性能较差,表明在复杂基质中NIR预测pH存在挑战。温度模型采用7个LVs,RMSEC为0.331 °C,RMSECV为0.348 °C,RMSEP为0.536 °C,R2P为0.763,VIP大于2的区域在1386–1401 nm,SR峰值在1339–1351 nm,与温度对水分子氢键结构的影响一致,表明T可被准确预测。

总结讨论部分:讨论指出,EC是滴灌施肥中最可靠且实际相关的预测参数,而pH和温度的预测仅为探索性。EC的强预测性能表明NIR透反射光谱可作为快速代理监测再生滴灌施肥溶液的离子和养分负荷。该方法为种植者提供了实时调整施肥时机、浓度和诊断系统偏差的依据,支持可持续农业实践。研究结论部分翻译:适当的废水处理在农业中利用具有广泛益处,减轻淡水需求压力,减少废水排放。在淡水稀缺地区,再生水提供实际灌溉支持,提高水利用效率和农业系统韧性。处理废水还能作为养分来源,改善土壤肥力,减少合成肥料依赖,降低养分淋溶和富营养化风险。NIR光谱是一种强大的非破坏性技术,用于快速评估处理废水和滴灌施肥溶液的化学物理性质。其中,电导率是最可靠预测的目标,pH和温度建模仅为探索性。该研究进一步验证了便携式NIR透反射光谱在真实温室条件下监测再生废水滴灌施肥溶液的工作流程,将光谱监测直接与可操作的滴灌施肥决策联系起来。通过将EC估计与具体管理行动(如调整灌溉时机、肥料浓度和诊断系统偏差)相结合,该方法为实现更明智和可持续的滴灌施肥控制提供了现实途径。持续监测EC可及时发现养分输送异常,实现快速纠正,防止对作物产生不利影响。最后,再生废水的再利用和监测直接支持多项联合国可持续发展目标,包括SDG 6(清洁水和卫生)、SDG 2(零饥饿)和SDG 12(负责任消费和生产)。该方法提高了资源利用效率,并引入了一种基于传感器的实用监测方式,可轻松集成到滴灌施肥管理流程中,赋予种植者利用可操作数据优化实践、减少环境影响、确保长期可持续性的能力。未来工作应扩展数据集到不同季节、作物阶段和废水成分,提高模型鲁棒性;整合更多参考参数和使用先进机器学习算法;开发专用硬件-软件平台,实现全自动数据驱动管理。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号