基于UD-PLS對牛糞堆制Cu和Zn鈍化預(yù)測模型的研究

李治宇,石長青,周　嶺*,Ronaldo G. Maghirang（.新疆維吾爾自治區(qū)教育廳現(xiàn)代農(nóng)業(yè)工程重點實驗室,

新疆 阿拉爾 843300；2.塔里木大學(xué)動物科學(xué)學(xué)院,新疆 阿拉爾 843300；3.堪薩斯州立大學(xué)生物與農(nóng)業(yè)工程系,美

國堪薩斯 曼哈頓 66506）

基于UD-PLS對牛糞堆制Cu和Zn鈍化預(yù)測模型的研究

李治宇1,石長青2,周嶺1*,Ronaldo G. Maghirang3（1.新疆維吾爾自治區(qū)教育廳現(xiàn)代農(nóng)業(yè)工程重點實驗室,

新疆 阿拉爾 843300；2.塔里木大學(xué)動物科學(xué)學(xué)院,新疆 阿拉爾 843300；3.堪薩斯州立大學(xué)生物與農(nóng)業(yè)工程系,美

國堪薩斯 曼哈頓 66506）

選取鈍化材料木醋液和影響堆肥質(zhì)量的關(guān)鍵因素：含水量和C/N,每個因素安排6個水平,利用均勻設(shè)計進(jìn)行多因素多水平試驗,對試驗結(jié)果進(jìn)行偏最小二乘回歸分析,建立對重金屬的鈍化預(yù)測模型.結(jié)果表明：木醋液添加比例為0.50%、含水量為40%和C/N為40時,Cu和Zn的鈍化效果均達(dá)到最大值,分別為13.5%和30.2%；其中重金屬Cu的鈍化預(yù)測模型為yCu=15.4748+0.3524xA-0.1100xB+0.0131xC,其中交叉有效性為,模型達(dá)到精度要求；重金屬Zn的鈍化預(yù)測模型為yZn=34.3512+11.0905xA-0.2561xB-0.0531xC,其中交叉有效性為,模型達(dá)到精度要求.針對多因素多水平的復(fù)雜堆肥系統(tǒng)中,將均勻設(shè)計與偏最小二乘法有機耦合,有效地解決了試驗次數(shù)多、因素間多重相關(guān)性的問題,從而使模型精度和實用性都得到提高.

均勻設(shè)計；偏最小二乘回歸；木醋液；含水量；C/N；重金屬鈍化

近年來我國畜禽養(yǎng)殖業(yè)正在向集約化、規(guī)?；较虬l(fā)展,一些重金屬元素如Cu、Zn、As、Cr、Pb等被廣泛應(yīng)用于飼料添加劑,伴隨著大量畜禽糞便排放到環(huán)境中,給環(huán)境造成了嚴(yán)重的重金屬污染［1-3］.堆肥是實現(xiàn)畜禽糞便重金屬鈍化的有效途徑［4］,其主要原理是利用畜禽廢棄物有機物形態(tài)變化絡(luò)合固定重金屬,使堆肥物料中重金屬活性被鈍化,生物有效性降低［5］,許多學(xué)者嘗試向畜禽糞便堆肥中添加不同的重金屬鈍化劑,以減小其生物有效性和環(huán)境風(fēng)險,如生物炭、粉煤灰、風(fēng)化煤、膨潤土、木屑［2,6-7］,不同的鈍化材料均起到了一定的重金屬鈍化作用,但存在效果不佳、成本較高等問題［2］,因此研究開發(fā)綠色高效畜禽糞便重金屬鈍化劑是現(xiàn)代生態(tài)農(nóng)業(yè)迫切解決的問題.

木（竹）醋液是采用農(nóng)業(yè)剩余物經(jīng)過低溫?zé)峤猱a(chǎn)生的蒸汽經(jīng)過冷凝后得到的液體水相部分,木（竹）醋液具有機酸、醛、酮、醇、酚及其衍生物等多種有機化合物［8］,因此具有很高的反應(yīng)活性,能與環(huán)境中的重金屬離子發(fā)生絡(luò)合等作用,對重金屬離子的生物活性具有很大影響.研究表明：竹醋液能顯著影響豬糞堆肥中重金屬形態(tài)的變化［9］；本課題組通過棉稈制備的木醋液對牛糞堆制過程重金屬鈍化進(jìn)行了初步研究,結(jié)果表明：棉稈木醋液對重金屬鈍化效果顯著,同時對堆肥過程有一定影響［10］.我國的生物質(zhì)資源十分豐富,其中每年產(chǎn)出的農(nóng)作物秸稈約總量7億t［11］,但利用率極低,大量秸稈被焚燒或直接還田,不僅造成資源浪費,還造成環(huán)境污染［12］.如何有效地將兩者結(jié)合起來成為大家普遍關(guān)注的問題.

均勻設(shè)計（uniform design,簡稱 UD）是方開泰教授和王元院士于1978年提出的一種試驗設(shè)計方法,由于均勻設(shè)計在考察多因素、多水平試驗時是非常優(yōu)越的,其試驗次數(shù)比正交設(shè)計明顯的減少,可以通過最少的試驗獲得最多的信息,進(jìn)而揭示變量間的復(fù)雜規(guī)律,但是由于不具有整齊可比性,對試驗的結(jié)果不能進(jìn)行直觀分析,必須采用回歸分析方法［13］.該方法目前已被成功應(yīng)用于石油化工、航天軍事、品質(zhì)工程、社會科學(xué)、醫(yī)藥、機械制造、交通運輸?shù)戎T多的領(lǐng)域：張永利等［14］通過均勻設(shè)計實驗,對造紙黑液進(jìn)行濕式氧化處理,得到氧分壓對造紙黑液各指標(biāo)影響最大；李森等［15］采用均勻?qū)嶒炘O(shè)計法考察了催化劑、反應(yīng)條件等因素對多環(huán)芳烴去除率的影響；李北興等［16］將均勻設(shè)計用于水懸浮劑配方；李登萬等［17］用均勻設(shè)計法進(jìn)行了精密車削參數(shù)優(yōu)化；周永道和方開泰［18］用均勻設(shè)計,數(shù)論和序貫設(shè)計方法結(jié)合,很好的解決了軍事問題中單位圓覆蓋問題；張常利和杜永貴［19］詳細(xì)講解了基于均勻設(shè)計的遺傳算法及其應(yīng)用,具有很強的工程實用價值；在質(zhì)量工程上,Wang等［20］提出將均勻設(shè)計用在外表研究；顏衛(wèi)中等［21］將均勻設(shè)計用在多指標(biāo)抽樣調(diào)查方案設(shè)計中.總得來說,均勻設(shè)計得到國內(nèi)外研究領(lǐng)域廣泛的認(rèn)可和應(yīng)用.

偏 最 小 二 乘 法 （Partial Least-Squares Regression,簡稱PLS）是集多元線性回歸分析、典型相關(guān)分析和主成分分析為一體的多元數(shù)據(jù)分析方法,是由Wold等1983年提出,能夠在自變量存在多重相關(guān)性的條件下進(jìn)行回歸建模［22-24］；用偏最小二乘回歸建立的模型具有傳統(tǒng)的經(jīng)典回歸分析等方法所沒有的優(yōu)點［24-26］.該方法在生物信息學(xué)、化學(xué)、醫(yī)藥、社會科學(xué)等領(lǐng)域得到廣泛應(yīng)用：如劉紅玉［27］通過偏最小二乘法回歸建立基于光譜和圖像特征的番茄葉片氮、磷、鉀素模型；陳操操等［28］采用STIRPAT模型和偏小二乘模型對城市能源消費碳足跡的影響因素進(jìn)行了評估；于松青等［29］建立偏最小二乘回歸模型對山東省電力需求進(jìn)行預(yù)測分析.目前,國內(nèi)學(xué)者將該方法廣泛用于食品無損檢測［30-31］也取得很好的成果.

本文將均勻設(shè)計與偏最小二乘法有機耦合,研究在多因素多水平下牛糞堆肥中重金屬形態(tài)的影響,選取普遍超標(biāo)的Cu和Zn元素,研究棉稈木醋液、含水量和C/N比［32］對重金屬的鈍化效應(yīng),為畜禽糞便的有效化處理開辟了一種有效的技術(shù)途徑,為生物質(zhì)資源化利用和畜禽糞便無害化和資源化提供理論參考,實現(xiàn)生態(tài)環(huán)境和農(nóng)業(yè)的可持續(xù)發(fā)展.

1　材料與方法

1.1試驗材料

試驗中的木醋液由生物質(zhì)熱裂解實驗裝置熱解棉桿得到,熱解裝置見圖1.將風(fēng)干棉稈直接放入熱解裝置內(nèi),無需通惰性氣體,直接密閉熱解,每次進(jìn)料1kg,起始溫度20,℃終止溫度500,℃達(dá)到終止溫度500℃后恒溫?zé)峤?h.氣體經(jīng)泠凝裝置冷凝為液體,在出口收集到的木醋液為粗木醋液,靜置沉淀后取上清液體,即為試驗所用棉稈木醋液.木醋液的理化性質(zhì)見表1.

圖1　生物質(zhì)熱裂解實驗裝置Fig.1　Biomass pyrolysis experimental device

表1　棉桿木醋液理化性質(zhì)Table 1　The physical and chemical properties of cotton stalk wood vinegar

供試的牛糞原料來源于塔里木大學(xué)動物科學(xué)學(xué)院的養(yǎng)牛場；鋸末來自校外的木材加工廠.堆制原材料的基本理化性狀見表2.

表2　堆肥物料的初始理化性質(zhì)Table 2　The initial physical and chemical properties of composting materials

1.2試驗設(shè)計

表3　因素水平表Table 3　Factor level table

采用均勻設(shè)計法,以重金屬的鈍化效應(yīng)為響應(yīng)指標(biāo),以木醋液、含水量和C/N比為試驗因素,每個試驗因素安排6個水平,其中將木醋液規(guī)定為A、含水量規(guī)定為B和C/N比規(guī)定為C,用尿素調(diào)節(jié) C/N比［33］（W/W,注：木醋液添加量為木醋液與堆肥物料鮮重的比值）.3組因素及其水平,見表3.采用均勻設(shè)計用表安排試驗［34］,對 3組因素進(jìn)行考察,均勻試驗設(shè)計，見表4.

表4　均勻試驗設(shè)計表Table 4　Uniform design table

1.3堆制工藝

堆肥試驗采用靜態(tài)強制通風(fēng)+翻堆的方式進(jìn)行,堆體溫度超過60℃時通風(fēng)30min,第1、2、3、5、8周翻堆1次,第8周以后停止翻堆,直至堆肥結(jié)束,堆肥時長共計11周.

1.4堆肥裝置

堆肥裝置系統(tǒng)結(jié)構(gòu),如圖 2所示.反應(yīng)器內(nèi)部尺寸為0.6m×0.6m×0.6m,外部尺寸為1m×1m×1m,保溫層材料為聚乙烯泡沫板.在堆體中心距離底部15cm、30cm和45cm處放置溫度傳感器（Pt100電阻）；在距離桶底 1cm處開一個孔,孔的直徑是2cm；將直徑2cm的PVC管插入里面,同時在桶里面放一個2cm高的支撐架,上面放上一個箅子,同時鋪一層透氣性很好的塑料編制膜,反應(yīng)器底部有通風(fēng)管道,然后將PVC管接上鼓風(fēng)機,對其通風(fēng)供氧,其中堆肥裝置六個,每個處理一個.

圖2　堆肥試驗裝置Fig.2　Composting experiment device

1.5采樣方法

采樣在堆肥前后進(jìn)行采集（遇到翻堆時,須在翻堆前采集）,堆體分成上、中和下三層,取樣時間為 11：00,采集堆體不同層的試樣,每一層隨機取點采集3個次級樣品,然后將這3個次級樣品混合成一個待測樣品,樣品經(jīng)自然風(fēng)干,研磨后,過60目篩,并保存在4℃下,待測.

1.6試驗儀器

GC/MS氣相色譜-質(zhì)譜聯(lián)用儀（Trace GC-2000/DSQ）；WYT-4手持糖度計；METTLER TOLEDO DL31型卡爾菲休水分儀；SP-756PC型紫外可見分光光度計；凱氏定氮蒸餾裝置；可調(diào)溫電爐；密度瓶；FD-NST-I型液體表面張力系數(shù)測定儀；PHS-3C型PH計；分析電子天平（FA1004）；電熱鼓風(fēng)干燥箱（GZX-9140MBE）；箱式電阻爐（SX-2.5-10）；生物質(zhì)熱裂解實驗裝置（BRES06-1）和原子吸收分光光度計（AA800）.

1.7測定方法

木醋液成分測定：GC/MS測試［8］；表面張力：掛環(huán)法；密度：密度瓶法；有機碳：重鉻酸鉀氧化-分光光度法［35］；全氮：凱氏定氮法［36］；pH值：pH計法［36］；EC：電導(dǎo)法［37］；含水率：真空烘箱法［38］.

Cu、Zn總量待測液：將樣品在60℃下烘干至恒重,自然冷卻,用研缽研磨粉碎,過100目的篩子以后,儲存于聚乙烯瓶中備用.稱取0.5g（精確至 0.0002g）,然后采用 HNO3：HCl：HF=1：1：2進(jìn)行微波（濕法）消解［37］,經(jīng)過濾后用去離子水定容.

DTPA提取態(tài)Cu、Zn有效態(tài)待測液：待測樣品和提取劑按固液比（W:V）1：5 加入0.005mol/L的 DTPA（二乙基三胺五乙酸）+ 0.1mol/L的TEA（三乙醇胺）溶液調(diào)整pH至7.30后,機械振蕩2h［40-41］.DTPA提取態(tài)Cu、Zn分配系數(shù)計算公式［4］：

以堆肥制過程Cu、Zn分配系數(shù)差值的變化情況來衡量堆肥過程對其鈍化效果［42］,分配系數(shù)差值即鈍化效果用初始分配系數(shù)減去堆肥過程中任一取樣時間樣品的分配系數(shù)求得.

Cu、Zn含量測定：用原子吸收光譜法測重金屬Cu、Zn的總量和DTPA提取態(tài)含量.

2　結(jié)果與分析

2.1不同試驗條件下堆體溫度的變化

堆體溫度是堆肥化反應(yīng)進(jìn)程的直觀表現(xiàn).溫度是物料內(nèi)微生物新陳代謝的作用,有機物分解產(chǎn)生熱量,堆肥溫度上升,驅(qū)動水分隨氣體和基質(zhì)的升溫而蒸發(fā).堆肥高溫還可殺滅蟲卵、病原菌等,堆溫連續(xù)3d以上超過55℃,即達(dá)到了美國環(huán)境保護(hù)局（USEPA）的堆肥無害化要求［43］.因此高溫是實現(xiàn)堆肥無害化所必需的.

圖3　不同試驗條件下的堆肥溫度變化Fig.3　The change of compost temperature in different experimental conditions

如圖3所示,分別為不同因素下的溫度變化.堆肥前期溫度迅速上升,主要是因為有較多易降解的有機物在微生物作用下,用于微生物的細(xì)胞合成,同時分解為CO2、水、有機酸和氨,在此過程中代謝產(chǎn)生大量熱量.因此,堆體溫度升高是微生物代謝產(chǎn)熱累積的結(jié)果.不同處理的堆體溫度均達(dá)到 55℃以上,且溫度一直處于較高水平,說明微生物的發(fā)酵產(chǎn)熱多,生長快,保持足夠長的高溫段可提高堆肥的分解效率.其中每次翻堆（圖中箭頭指示的地方表示翻堆）后,堆體都會再次的快速升溫,且隨著堆肥的進(jìn)行,下一次翻堆后,其堆體溫度會再次升高.56d以后,溫度逐漸降低.在高溫階段末期,只剩下部分較難分解的有機物和新形成的腐殖質(zhì),此時微生物活性下降,發(fā)熱量減少,溫度下降,此時嗜溫性微生物再占優(yōu)勢,對殘留較難分解的有機物作進(jìn)一步分解,腐殖質(zhì)不斷增多且趨于穩(wěn)定化,此時堆肥進(jìn)入腐熟階段.在堆肥分別于堆制 77d時,堆體最終溫度穩(wěn)定在30℃左右,接近環(huán)境溫度,且不再升溫.

2.2均勻設(shè)計試驗結(jié)果

重金屬Cu和Zn的鈍化效果,如表5所示.從表中可以看出,Cu的鈍化能力依次為 A4B4C4＞A3B3C3＞A5B5C5＞A1B1C1＞A2B2C2＞A6B6C6；其中,木醋液添加比例為0.50%、含水量為40%和C/N比為40時,Cu的鈍化效果達(dá)到最大值,為13.5%；當(dāng)木醋液添加比例為0.80%、含水量為60%和C/N比為35時,Cu的鈍化效果達(dá)到最小值,為8.38%.

同理,Zn的鈍化能力依次為 A4B4C4＞A5B5C5＞A6B6C6＞A3B3C3＞A1B1C1＞A2B2C2；其中,木醋液添加比例為0.50%、含水量為40%和C/N比為 40時,Zn的鈍化效果也達(dá)到最大值,為30.2%；當(dāng)木醋液添加比例為 0.20%、含水量為55%和C/N比為45時,Zn的鈍化效果達(dá)到最小值,為19.1%.

表5　均勻設(shè)計試驗結(jié)果Table 5　Uniform design test results

2.3重金屬鈍化效應(yīng)PLS分析

2.3.1Cu鈍化效應(yīng)的PLS分析自變量與因變量之間的相關(guān)系數(shù)矩陣,見表 6.從相關(guān)系數(shù)矩陣可以看出,木醋液與含水量成正相關(guān)；木醋液與C/N比成負(fù)相關(guān)；含水量和C/N比成負(fù)相關(guān).從兩組變量間的關(guān)系看,各個自變量對因變量的影響關(guān)系大小依次為：含水量＞C/N比＞木醋液；其中木醋液和含水量與Cu的鈍化效果成負(fù)相關(guān),C/N比與Cu的鈍化效果成正相關(guān).

計算得出成分個數(shù) r=2,分別是 t1和 t2,則標(biāo)準(zhǔn)化變量中的回歸系數(shù)為r11=-0.5388,r21= 0.1642.為了更直觀、迅速地觀測各個自變量在解釋 yCu時的邊際作用,見圖 4.從回歸系數(shù)直方圖可見,因素主次順序為：含水量＞C/N比＞木醋液,說明含水量在解釋Cu的回歸方程時起到了極為重要的作用；然而,與含水量相比,木醋液和 C/N比對回歸方程的貢獻(xiàn)作用顯然不夠理想,較偏低.

表6　自變量量、因變量間相關(guān)系數(shù)矩陣Table 6　The correlation coefficient matrix between independent variables and dependent variables

圖4　回歸系數(shù)直方圖Fig.4　Regression coefficient histogram

通過標(biāo)準(zhǔn)化變量中的回歸系數(shù),計算得到重金屬Cu的標(biāo)準(zhǔn)化回歸方程為

將式（1）中標(biāo)準(zhǔn)化變量還原成原始變量,則回歸方程為

圖5　Cu鈍化效果預(yù)測值與觀測值相關(guān)關(guān)系Fig.5　The relationship of the predicted values and the observed values of Cu passivation effect

圖6　Cu鈍化效果預(yù)測值與觀測值Fig.6　The predicted values and the observed values of Cu passivation effect

2.3.2Zn鈍化效應(yīng)的PLS分析自變量與因變量之間的相關(guān)系數(shù)矩陣,見表7.同理,自變量之間的相關(guān)關(guān)系同表6的分析一致.各個自變量對因變量的影響關(guān)系大小依次為：木醋液＞含水量＞C/N比,其中木醋液與Zn的鈍化效果成正相關(guān),含水量和C/N比與Zn的鈍化效果成負(fù)相關(guān).

計算得出成分個數(shù)r=2,分別是t1和t2,則標(biāo)準(zhǔn)化變量中的回歸系數(shù)為r11=0.922,r21= -0.1208.同理,從回歸系數(shù)直方圖可見,因素主次順序為：木醋液＞含水量＞C/N比,說明木醋液和含水量在解釋 Zn的回歸方程時都起到了極為重要的作用；然而,與木醋液和含水量相比,C/N比對回歸方程的貢獻(xiàn)作用顯然不夠理想,較偏低,見圖7.

表7　自變量集、因變量間相關(guān)系數(shù)矩陣Table 7　The correlation coefficient matrix between independent variables and dependent variables

圖7　回歸系數(shù)直方圖Fig.7　Regression coefficient histogram

同理,重金屬Zn的則標(biāo)準(zhǔn)化回歸方程為

將式子（2）中標(biāo)準(zhǔn)化變量還原成原始變量,則回歸方程為

圖8　Zn鈍化效果預(yù)測值與觀測值相關(guān)關(guān)系Fig.8　The relationship of the predicted values and the observed values of Zn passivation effect

圖9　Zn鈍化效果預(yù)測值與觀測值Fig.9　The predicted values and the observed values of Zn passivation effect

3　討論

重金屬是否能給生態(tài)環(huán)境和人畜健康帶來危害,關(guān)鍵是其生物有效性［44］.重金屬生物有效性與重金屬的化學(xué)形態(tài)密切相關(guān),其中DTPA提取態(tài)重金屬含量與其生物有效性有很好的相關(guān)性,提取這類形態(tài)常用 DPTA試劑［45］.因此,研究堆肥過程中重金屬形態(tài)的變化可以準(zhǔn)確評價堆肥處理對重金屬生物有效性的影響.

黃向東［9］研究表明竹醋液可降低豬糞中 Cu 和 Zn的生物有效性,何增明［46］利用添加鈍化劑來研究堆肥中重金屬形態(tài)轉(zhuǎn)化及其生物有效性,以上結(jié)果均為堆肥過程中重金屬鈍化劑的使用提供了依據(jù).本研究中,棉稈木醋液作為添加劑能夠有效地降低重金屬的活性,能夠使遷移性較強的水溶態(tài)含量降低,抑制生物的有效性,可能是由于棉稈木醋液含有的多種有機化合物,對重金屬具有稀釋和中和的效果,使之轉(zhuǎn)變成生物有效性更低的各種鹽類化合物,轉(zhuǎn)換成化合物的重金屬就越多,生物有效性就越低,危害就越小.加之,含氧量和溫度是影響堆肥質(zhì)量的關(guān)鍵因素,同時含氧量受含水量影響,溫度受C/N比影響,所以控制含水量有助于好氧堆肥,能夠顯著增加微生物的有氧活動,有利于堆肥物料分解充分；控制C/N比有助于溫度的提高,能夠有效提高微生物的活性,也可以降低重金屬生物有效性.試驗結(jié)果表明,A4B4C4處理對重金屬Cu的鈍化效果達(dá)到最大值,為 13.5%；重金屬 Cu的鈍化預(yù)測模型為

由Cu和Zn的鈍化能力排序可知，在三個因素共同作用時，并不是按線性比例增加的.試驗結(jié)果表明，在A4B4C4處理時，重金屬Cu和Zn的鈍化效果最好,木醋液的添加比例是個中間值,取值在 0.50%左右；而含水量越小表示空隙越多,含氧量就越多,說明含水量應(yīng)越小越好,應(yīng)取最小值40%；而C/N比應(yīng)盡量越大越好,溫度就越高,堆肥質(zhì)量就越好,但是C/N比有個范圍應(yīng)保持在40為最佳,不宜太高和太低.Cu和Zn的鈍化能力排序的不同,說明了木醋液、含水量和C/N比對不同的指標(biāo)是有差異的，同時也可能由于兩者重金屬自身性質(zhì)的差異所致，如離子半徑、電負(fù)性的差異等，共同導(dǎo)致的結(jié)果.

4　結(jié)論

4.1均勻試驗設(shè)計結(jié)果顯示，當(dāng)木醋液添加比例為0.50%、含水量為40%和C/N比為40時,重金屬Cu和Zn的鈍化效果達(dá)到最大值,分別為13.5%和30.2%.

4.2偏最小二乘回歸分析,建立木醋液、含水量和C/N比與鈍化效果之間的響應(yīng)關(guān)系,結(jié)果顯示,重金屬 Cu的鈍化預(yù)測模型為 yCu=15.4748+ 0.3524xA-0.1100xB+0.0131xC,其中交叉有效性為,模型達(dá)到精度要求.重金屬 Zn的鈍化預(yù)測模型為yZn=34.3512+ 11.0905xA-0.2561xB-0.0531xC,其中交叉有效性為,模型達(dá)到精度要求.

4.3綜合而言,均勻設(shè)計和偏最小二乘法能夠在復(fù)雜的堆肥系統(tǒng)中,避免因素間多重相關(guān)性,能夠進(jìn)行工藝參數(shù)優(yōu)化,建立變量間的復(fù)雜規(guī)律,使模型精度和實用性都得到提高.故均勻設(shè)計和偏最小二乘法的結(jié)合,能為重金屬處理技術(shù)提供新的理論參考.

［1］ 王飛,趙立欣,沈玉君,等.華北地區(qū)畜禽糞便有機肥中重金屬含量及溯源分析 ［J］. 農(nóng)業(yè)工程學(xué)報, 2013,29（19）：202-208.

［2］ 候月卿,趙立欣,孟海波,等.生物炭和腐植酸類對豬糞堆肥重金屬的鈍化效果 ［J］. 農(nóng)業(yè)工程學(xué)報, 2014,30（11）：205-215.

［3］ 李文哲,徐名漢,李晶宇.畜禽養(yǎng)殖廢棄物資源化利用技術(shù)發(fā)展分析 ［J］. 農(nóng)業(yè)機械學(xué)報, 2013,44（5）：135-142.

［4］ 鄭國砥,陳同斌,高定,等.好氧高溫堆肥處理對豬糞中重金屬形態(tài)的影響 ［J］. 中國環(huán)境科學(xué), 2005,25（1）：6-9.

［5］ 沈秀麗,楊增玲,韓魯佳.畜禽糞便引發(fā)的重金屬污染的研究現(xiàn)狀［C］//中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集, 2011.

［6］ 殷飛,王海娟,李燕燕,等.不同鈍化劑對重金屬復(fù)合污染土壤的修復(fù)效應(yīng)研究 ［J］. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報, 2015,34（3）：438-448.

［7］ 李榮華,張廣杰,秦睿,等.添加鈍化劑對豬糞好氧堆肥過程中理化特性的影響 ［J］. 環(huán)境科學(xué)學(xué)報, 2012,32（10）：2591-2599.

［8］ 周嶺,萬傳星,蔣恩臣.棉稈與雜木木醋液成分比較分析 ［J］.華南農(nóng)業(yè)大學(xué)學(xué)報, 2009,30（2）,22-25.

［9］ 黃向東.竹炭與竹醋液對豬糞堆肥過程污染物控制效果及堆肥資源化利用研究 ［D］. 杭州：浙江大學(xué), 2010.

［10］ Li Zhiyu, Zhou Ling, Liu Fei, et al. Exploring the regulatory role of wood vinegar on heavy metals （copper, zinc） before and after cow dung composting ［J］. Information Technology Journal,13（15）：2453-2460,2014.

［11］ 王毅,王婕姝,胡江,等.基于均勻設(shè)計—偏最小二乘回歸建模的秸稈型顆粒飼料部分加工參數(shù)研究 ［J］. 南方農(nóng)業(yè)學(xué)報, 2013,44（11）：1878-1882.

［12］ 田賀忠,趙丹,王艷.中國生物質(zhì)燃燒大氣污染物排放清單［J］. 環(huán)境科學(xué)學(xué)報, 2011,31（2）：349-357.

［13］ 方開泰,馬長興.正交設(shè)計與均勻設(shè)計 ［M］. 北京：科學(xué)出版社, 2001.

［14］ 張永利,王承智,韋朝海,等.均勻設(shè)計法優(yōu)化造紙黑液的濕式氧化法處理工藝 ［J］. 中國環(huán)境科學(xué), 2013,33（7）：1244-1251.

［15］ 李森,張楊,羅勇,等.基于均勻設(shè)計的類 Fenton's體系去除污染土壤中蒽和芘的研究 ［J］. 環(huán)境科學(xué)學(xué)報, 2015,35（4）：1157-1163.

［16］ 李北興,王偉昌,張大俠,等.正交設(shè)計和均勻設(shè)計在優(yōu)化噻蟲胺懸浮劑物理穩(wěn)定性上的應(yīng)用 ［J］. 中國農(nóng)業(yè)科學(xué), 2015,48（2）：280-292.

［17］ 李登萬,陳洪濤,馮錦春,等.基于均勻設(shè)計法的精密車削參數(shù)優(yōu)化 ［J］. 機械工程學(xué)報, 2015,51（3）：206-212.

［18］ 周永道,方開泰.覆蓋單位圓的序貫方法 ［J］. 數(shù)理統(tǒng)計與管理, 2011,30（2）：218-226.

［19］ 張常利,杜永貴.基于均勻設(shè)計的遺傳算法及其應(yīng)用 ［J］. 軟件, 2010,31（11）：68-72.

［20］ Wang Y C, Lin K J and Fang K T. Design Outer Array Points ［J］. Journal of Quality Technology, 1995,27：226-241.

［21］ 顏衛(wèi)中,張維群.均勻設(shè)計在多目標(biāo)抽樣調(diào)查方案設(shè)計中的應(yīng)用. ［J］. 統(tǒng)計與決策, 2006,（5）：147-148.

［22］ Eriksson L, Johansson E, Kettaneh W N, et al. Multiple and mega variate data analysis： Principles and applications ［M］. Umea：Umetrics, 2001.

［23］ Hoskuldsson A. PLS regression methods ［J］. J Chemometrics, 1988,2（3）：211-228.

［24］ 王惠文.偏最小二乘回歸方法及其應(yīng)用 ［M］. 北京：國防工業(yè)出版社, 1999.

［25］ World S, Trygg J, Berglund A, et al. Some recent developments in PLS modeling ［J］. Chemon Intell Lab Syst, 2001,58（2）：131.

［26］ 王惠文,吳載斌,孟潔.偏最小二乘回歸的線性與非線性方法［M］. 北京：國防工業(yè)出版社, 2006.

［27］ 劉紅玉,毛罕平,朱文靜,等.基于高光譜的番茄氮磷鉀營養(yǎng)水平快速診斷 ［J］. 農(nóng)業(yè)工程學(xué)報, 2015,S1：212-220.

［28］ 陳操操,劉春蘭,汪浩,等.北京市能源消費碳足跡影響因素分析—基于 STIRPAT模型和偏小二乘模型 ［J］. 中國環(huán)境科學(xué), 2014,34（6）：1622-1632.

［29］ 于松青,林盛.基于偏最小二乘回歸的山東省電力需求預(yù)測分析 ［J］. 干旱區(qū)資源與環(huán)境, 2015,29（2）：14-20.

［30］ 馬廣,傅霞萍,周瑩,等.大白桃糖度的近紅外漫反射光譜無損檢測試驗研究 ［J］. 光譜學(xué)與光譜分析, 2007,27（5）：907-910.

［31］ 湯修映,牛力釗,徐楊,等.基于可見/近紅外光譜技術(shù)的牛肉含水率無損檢測 ［J］. 農(nóng)業(yè)工程學(xué)報, 2013,29（11）：248-254.

［32］ Haug R T. The Practical handbook of compost engineering ［M］. Florida： Lewis Publishers, 1993.

［33］ 秦莉,沈玉君,李國學(xué),等.不同 C/N比對堆肥腐熟度和含氮氣體排放變化的影響 ［J］. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報, 2009,28（12）：2668-2673.

［34］ 方開泰.均勻設(shè)計與均勻設(shè)計表 ［M］. 北京：科學(xué)出版社, 1994.

［35］ HJ 615-2011土壤有機碳的測定重鉻酸鉀氧化-分光光度法［S］.

［36］ NY 525-2002有機肥料 ［S］.

［37］ LY/T 1251-1999森林土壤水溶性鹽分分析 ［S］.

［38］ GB/T 8576-2010復(fù)混肥料中游離水含量的測定真空烘箱法［S］.

［39］ Cancar J, Milacic R, Strazar M, et al. Total metal concentrate-ons and partitioning of Cd, Cr, Cu, Fe, Ni and Zn in sewage sludge ［J］. Science of Total Environment, 2000, 250： 9-19.

［40］ Lindsay W L, Norvell W A. Development of DTPA soil test for Zinc, Iron, Manganese and Copper ［J］. Soil Science Society of America Journal, 1978,42：421-428.

［41］ Navarro A F, Cegarra J, Roig A, et al. Relationships between organic matter and carbon contents of organic wastes. Bioresource Technology, 1993,44（3）：203-207.

［42］ 張樹清,張夫道,劉秀梅,等.高溫堆肥對畜禽糞中抗生素降解和重金屬鈍化的作用 ［J］. 中國農(nóng)業(yè)科學(xué), 2006,39（2）：337-343.

［43］ USEPA. Composting： yard trimmings and municipal solid waste ［Z］. SEPA, 530-R-94-003, 1993.

［44］ J F Blais, J C Auclair, R DTyagi, et al. Cooperation between two thiobacillus strains for Heavy metal removal from municipal sludge ［J］. Canadian Journal of Micro-biology, 1993,38：181-187.

［45］ Gemma Rauret. Extraction procedures for the determination of heavy metals in contaminated soil and sediment ［J］. Talanta, 1998,46：449-455.

［46］ 何增明.豬糞堆肥中鈍化劑對重金屬形態(tài)轉(zhuǎn)化及其生物有效性的影響研究 ［D］. 長沙：湖南農(nóng)業(yè)大學(xué), 2011.

Research of copper and zinc passivation prediction model during cattle manure composting based on uniform design—partial least squares method.

LI Zhi-yu1, SHI Chang-qing2, ZHOU Ling1*, Ronaldo G. Maghirang3（1.Key Laboratory of Modern Agricultural Engineering, Department of Education of Xinjiang Uygur Autonomous Region, Alar 843300, China；2.College of Animal Science, Tarim University, Alar 843300, China；3.Biological and Agricultural Engineering Kansas State University, Manhattan, Kansas 66506, USA）

China Environmental Science, 2015,35（8）：2442～2451 Abstract：The wood vinegar was elected the passivation materials and the key factors affecting the quality of compost for moisture content and C/N ratio. Each factor had six levels, uniform design was used for multiple factors level test, the test results were analyzed by using partial least squares regression, and the heavy metal passivation prediction model was established. Results showed that the test combination with 0.50% wood vinegar, 40% water content and 40C/N ratio had the maximum passivation effects for Cu and Zn （13.5% and 30.2%, respectively）. Partial least squares regression was also applied to the test results. The prediction model for heavy metal Cu passivation effect was y Cu=15.4748+0.3524xA-0.1100xB+0.0131xC, where xA, xB, and xCwere wood vinegar content, water content, and C/N ratio, respectively. The cross-validation was：. The model reached precision requirement. The prediction model for heavy metal Zn passivation effect was y Zn=34.3512+11.0905xA-0.2561xB-0.0531xC. The cross-validation was：. The model reaches precision requirement. In view of the multiple factors level complex composting system, the uniform experimental design combined with partial least squares analysis to effectively solve the experiment many times, and the problems of multiple correlation between factors, so that the precision and practicability of model was improved.

uniform design；partial least squares；wood vinegar；moisture content；carbon-nitrogen ratio；heavy metals passivation effect

X705

A

1000-6923（2015）08-2442-10

2014-12-28

國家自然基金（51266014）；兵團博士資金專項（2011BB012）

* 責(zé)任作者, 教授, zhoul-007@163.com

李治宇（1988-）,男,重慶銅梁人,塔里木大學(xué)碩士研究生,主要從事生物質(zhì)資源化研究.發(fā)表論文4篇.