补充的拉曼和FTIR光谱洞察力,用于使用深度环氧溶剂从树中去除红素

科学领域:

• 分析化学 分析化学
• 频谱学是一种光谱学.
• 生物质科学 生物质科学

背景情况:

• 准确的素量化对于生物质加工和增值应用至关重要.
• 传统的湿化学方法用于素分析是耗时且资源密集的.
• 开发快速的,非破坏性的法用于树脂素的确定是一个关键的研究目标.

研究的目的:

• 系统地研究各种可变选择方法 (SCARS,CARS,MC-UVE,iMWPLS) 的有效性,以预测红素含量.
• 与单频谱建模相比,评估融合光谱 (拉曼和ATR-FTIR) 的性能.
• 建立一个新的技术途径,以快速,定量检测素.

主要方法:

• 使用拉曼和减弱总反射度里埃变换红外光谱 (ATR-FTIR).
• 应用的变量选择方法包括顺序竞争性适应性重权取样 (SCARS),竞争性适应性重权取样 (CARS),蒙特卡罗非信息变量消除 (MC-UVE) 和代主波长部分最小方程 (iMWPLS).
• 将全频谱建模与融合的光谱数据进行比较,并使用选定的变量子集进行预测.

主要成果:

• 全频谱拉曼建模显示了有限的预测准确性 (R_p2=0.6221).
• 与单个光谱相比,融合光谱提高了预测准确性 (R_p²=0.7585),MC-UVE在融合条件下取得了最佳结果 (R_p²=0.8657).
• 与全频谱建模相比,在融合光谱上的MC-UVE显示出显著的改善 (14.1%的R_p2增加,RMSEP减少18.3%).

结论:

• 变量选择方法对于提高基于光谱的红素量化准确性至关重要.
• 合并的光谱,结合适当的变量选择,为快速而准确的素测定提供了一种优越的方法.
• 这种光谱方法减少了对湿化学的依赖,使实时,非破坏性监测成为可能,并可能降低分析能耗和化学品使用.