基于近紅外漫反射光譜的規(guī)模化奶牛場糞水氮磷定量分析及模型構(gòu)建

趙 潤，牟美睿，王 鵬，孫 迪，劉海學(xué)，張克強(qiáng)*，楊仁杰*

（1.農(nóng)業(yè)農(nóng)村部環(huán)境保護(hù)科研監(jiān)測所，天津 300191；2.天津農(nóng)學(xué)院農(nóng)業(yè)分析測試中心，天津 300384；3.天津農(nóng)學(xué)院工程技術(shù)學(xué)院，天津 300384）

近年來奶牛場規(guī)?；潭鹊奶嵘斐森h(huán)境壓力凸顯，特別是夏季擠奶車間和牛舍降溫用水量加大、雨污混流等造成糞水量陡增而降低了收運和處理效率，大量糞水和沼液的出路成為現(xiàn)階段阻礙奶牛場正常運轉(zhuǎn)乃至奶業(yè)綠色轉(zhuǎn)型發(fā)展的首要難題。國內(nèi)外實踐經(jīng)驗表明，還田農(nóng)用是奶牛場糞水和沼液的必然出路，然而缺少糞水中氮磷等成分的快速檢測方法是造成還田難的技術(shù)瓶頸。有研究表明，時空差異、圈舍類型、養(yǎng)殖規(guī)模、清糞方式、糞污處理工藝等因素均會不同程度地影響糞污中氮磷含量變化[1-2]，但通過常規(guī)采樣監(jiān)測來獲取糞水中氮磷含量動態(tài)變化的做法存在時效性低、成本高、適用范圍有限及準(zhǔn)確度低等問題，因此有必要建立滿足規(guī)?；膛霈F(xiàn)場影響因素條件下糞水中氮磷含量的快速檢測方法。近期我國密集出臺的政策性文件中也明確指出要健全畜禽糞污還田利用和檢測方法標(biāo)準(zhǔn)體系，制定畜禽糞水、沼液還田利用技術(shù)規(guī)范，因此建立適合現(xiàn)場的快速檢測方法對指導(dǎo)奶牛場糞水安全和科學(xué)還田及防治環(huán)境污染意義重大。

近紅外光譜作為一種快速、便捷、可實現(xiàn)在線檢測的方法已被應(yīng)用于畜禽糞污中組分的檢測[3-11]。王曉燕等[12]采用近紅外光譜對雞糞中的氮磷鉀進(jìn)行定量分析，對該方法的可行性進(jìn)行了驗證。Chen等[13]、嚴(yán)旭等[14]、黃光群等[15]和渠清博等[16]綜述了近紅外光譜技術(shù)在預(yù)測動物糞污中干物質(zhì)、氮和磷等含量方面的應(yīng)用，指出近紅外光譜技術(shù)作為監(jiān)測畜禽糞污化學(xué)成分的有效手段具有很大的潛力。Jancewicz等[17]基于近紅外光譜對65種不同日糧的牛糞樣品進(jìn)行分析，結(jié)果表明近紅外光譜能較好地預(yù)測奶牛糞便中大部分營養(yǎng)物質(zhì)的化學(xué)組成和消化率。同時，近紅外光譜技術(shù)還被應(yīng)用于豬糞便中氮的全腸道表觀消化率研究[18-19]，結(jié)果表明近紅外光譜技術(shù)能準(zhǔn)確預(yù)測糞便中的化學(xué)成分。但目前發(fā)表的論文大多圍繞單一環(huán)節(jié)、單一尺度畜禽糞便樣品的組分和含量進(jìn)行近紅外光譜定量化預(yù)測的可行性分析，未見面向規(guī)?；膛黾S水處理全過程環(huán)節(jié)來建立符合現(xiàn)場復(fù)雜、復(fù)合影響因素條件下近紅外光譜快速檢測方法及其全尺度綜合模型的報道。這也是本研究中的主要技術(shù)難點。

本文選取天津市23家典型種養(yǎng)結(jié)合模式的規(guī)?；膛觯_展動態(tài)復(fù)合影響因素下全局、全過程近紅外漫反射光譜快速檢測方法與模型構(gòu)建，為實現(xiàn)滿足現(xiàn)場條件下的快速準(zhǔn)確定量化預(yù)測，破解規(guī)?；膛黾S水還田難和推進(jìn)奶業(yè)綠色發(fā)展提供技術(shù)支撐。

1 材料與方法

1.1 研究對象概況

1.1.1 典型奶牛場篩選

基于對天津市85家正常生產(chǎn)的規(guī)?；膛銮闆r摸底，分別從全市5個奶牛場集中分布地區(qū)（武清區(qū)、濱海新區(qū)、靜海區(qū)、寧河區(qū)、北辰區(qū)）中選取23家采用種養(yǎng)結(jié)合模式的典型規(guī)模化奶牛場，其共性特點包括：飼養(yǎng)品種均為中國荷斯坦奶牛，全群自繁自養(yǎng)，按照不同牛群生長階段劃分區(qū)域，80%的奶牛場具有10年以上的經(jīng)營歷史，常年穩(wěn)定運轉(zhuǎn)。泌乳牛多為臥床式養(yǎng)殖，臥床墊料為固液篩分后的干牛糞，育成牛為散欄式養(yǎng)殖，泌乳牛舍中產(chǎn)生的糞水全部進(jìn)入處理系統(tǒng)。不同之處在于：總存欄規(guī)模在400～5000頭不等；清糞方式和糞水處理工藝組合各不相同，如清糞方式包括干清糞、干清糞-水沖糞、水沖糞等，清糞設(shè)備包括刮糞板、鏟車、吸糞車等，糞水收儲設(shè)施包括集糞溝、集糞渠、收集池等，糞水處理方式包括固液篩分、厭氧消化、好氧發(fā)酵等，糞水處理設(shè)施包括集污池、分離池、調(diào)節(jié)池、沉淀池、氧化塘等，糞水處理設(shè)備包括USR、UASB、CSTR、PFR等厭氧反應(yīng)器；部分奶牛場育成牛的糞便進(jìn)入糞水處理系統(tǒng)，部分不進(jìn)；部分奶牛場擠奶車間（奶廳）的廢水進(jìn)入處理系統(tǒng)，部分不進(jìn)。選取的23家典型規(guī)?；膛鼍C合了上述情況特點，涵蓋了可能對糞水氮磷含量測定結(jié)果造成影響的現(xiàn)場要素。

1.1.2 樣品采集

選取濱海新區(qū)某代表性規(guī)模化奶牛場作為縱向采樣對象，以上述5個地區(qū)23家規(guī)?；膛鲎鳛闄M向采樣對象，參照《規(guī)?；膛霏h(huán)境監(jiān)測技術(shù)規(guī)程》（DB 12/T 655—2016）[20]，采樣布點從牛舍內(nèi)和奶廳糞水收儲設(shè)施開始，到糞水還田前的末級貯存設(shè)施為止，遍及收集池、集糞溝、集污池、分離池、調(diào)節(jié)池、沉淀池、貯存池和氧化塘等所有糞水流經(jīng)設(shè)施?？v向和橫向采樣對象的糞水處理工藝路線和采樣位點分布分別如圖1和圖2所示。收集池為奶廳廢水收儲設(shè)施，集糞溝為牛舍糞水匯集點，集污池為奶牛場所有糞水交匯點，分離池為固液篩分后的糞水暫存設(shè)施，調(diào)節(jié)池為進(jìn)入沼氣工程前勻漿調(diào)質(zhì)的設(shè)施，沉淀池為厭氧發(fā)酵后分離沼液和沼渣的設(shè)施，貯存池和氧化塘為糞水還田前的貯存設(shè)施。

參照《畜禽養(yǎng)殖污水采樣技術(shù)規(guī)范》（GB/T 27522—2011）[21]和《規(guī)?；膛霏h(huán)境監(jiān)測技術(shù)規(guī)程》（DB 12/T 655—2016）[20]，于2018年12月下旬采集上述23家規(guī)模化奶牛場的糞水樣品，用自制不銹鋼材質(zhì)提桶、水舀等工具在各設(shè)施采樣點垂直液面下10～20 cm處隨機(jī)采集3個位點的水樣，并在大水桶中用水舀混合攪勻后取500 mL置于集水瓶中，送回實驗室即時檢測。連續(xù)6 d采集濱海新區(qū)某典型奶牛場的糞水樣品共計57個，采集23家奶牛場的糞水樣品共計138個。

1.2 儀器與分析條件

1.2.1 近紅外漫反射光譜的采集

圖1 濱海新區(qū)某奶牛場糞水處理工藝流程和采樣位點分布圖Figure 1 Flow chart of slurry treatment route within sampling distribution in one dairy farm of Binhai District

圖2 23家規(guī)模化奶牛場糞水處理總工藝流程和采樣位點分布圖Figure 2 Flow chart of slurry treatment route within sampling distribution in 23 large-scale dairy farms

實驗采用美國PerkinElmer公司的傅里葉變換近紅外光譜儀，InGaAs檢測器，掃描范圍為4000～12 000 cm-1。將集水瓶中待測糞水樣品充分搖勻后，用3 mL一次性膠頭滴管取集水瓶中部2～3 mL樣品裝入樣品杯中，并放置在積分球旋轉(zhuǎn)樣品臺上（儀器自帶積分球附件），以積分球內(nèi)置參比為背景，分別采集每一個樣品的近紅外漫反射光譜。光譜掃描參數(shù)為：分辨率8 cm-1，掃描間隔2 cm-1，掃描次數(shù)64次。

1.2.2 總氮和總磷的測定

按照《水質(zhì)凱氏氮的測定》（GB 11891—1989）[22]中規(guī)定的方法測定糞水中總氮（TN）的含量，儀器選用全自動凱氏定氮儀（Foss kjeltec 8400型，丹麥）。按照《水質(zhì)總磷的測定鉬酸銨分光光度法》（GB 11893—1989）[23]中規(guī)定的方法測定糞水中總磷（TP）的含量，儀器選用可見光分光光度計（722E型，中國）。對23家規(guī)?；膛霾杉?38個糞水樣品中TN和TP的含量進(jìn)行測定，統(tǒng)計結(jié)果如表1所示，表明受養(yǎng)殖規(guī)模、清糞方式、糞水處理工藝等多種復(fù)合因素影響，不同奶牛場糞水處理全過程各環(huán)節(jié)糞水中TN和TP含量變化較大。

表1 23家規(guī)?；膛黾S水樣品TN和TP含量統(tǒng)計結(jié)果Table 1 Statistical results of TN and TP in slurry samples of 23 large-scale dairy farms

1.3 建模方法選擇

1.3.1 建模樣品選擇

原始光譜和化學(xué)值的準(zhǔn)確性在很大程度上決定了近紅外光譜分析結(jié)果的可靠性。由于待分析的樣品包括不同規(guī)?；膛雠Ｉ峒S溝、擠奶車間糞水收集池、場區(qū)集污池到氧化塘全過程環(huán)節(jié)的樣品，且每個環(huán)節(jié)的樣品中都包含著養(yǎng)殖規(guī)模、牛群階段、清糞方式、糞水處理工藝等眾多影響因素信息，從采樣到實驗室光譜和化學(xué)值的測定結(jié)果可能會存在顯著性差異，因此在建模前需要對異常樣品進(jìn)行剔除。本研究中采用蒙特卡洛交叉驗證方法（Monte Carlo cross validation，MCCV）對異常樣品進(jìn)行剔除，圖3為隨機(jī)采樣1000次，橫向138個樣本（TN模型）的預(yù)測均方根誤差（RMSEP）統(tǒng)計分布圖（均值MEAN和標(biāo)準(zhǔn)偏差STD）。設(shè)定閾值范圍：均值為1500，標(biāo)準(zhǔn)偏差為300，剔除7、15、52、54、69、71和126共7個異常樣品。采用同樣的方法，從橫向采集的138個樣本（TP模型）中剔除了8個異常樣品；縱向采集的51個樣本（TN模型）中未發(fā)現(xiàn)異常樣品；從縱向采集的51個樣本（TP模型）中剔除了2個異常樣品。

將剔除異常樣品之后的樣本集，分為校正集和預(yù)測集。校正集樣品用來建立定標(biāo)的數(shù)學(xué)模型，預(yù)測集樣品用來驗證模型的穩(wěn)定性和準(zhǔn)確性。為了使所建的定量分析模型能對規(guī)?；膛黾S水處理全過程環(huán)節(jié)糞水中TN和TP含量進(jìn)行準(zhǔn)確預(yù)測，校正集樣品中必須包含不同奶牛場各個環(huán)節(jié)的代表性樣品。本研究采用K-S（Kennard-Stone）方法來選擇校正集和預(yù)測集樣品，其結(jié)果如表2所示。

1.3.2 建模算法選擇

在對現(xiàn)場規(guī)模化奶牛場各環(huán)節(jié)糞水中TN和TP含量進(jìn)行檢測時，模型算法越復(fù)雜，模型的適用性、穩(wěn)定性和預(yù)測性越容易受到外界因素的影響。偏最小二乘法（PLS）是光譜多元校正最常用的一種方法，被廣泛應(yīng)用于近紅外、拉曼、熒光等波譜定量模型的建立，是建立光譜定量校正模型的通用方法，并在現(xiàn)場檢測中得到實際應(yīng)用[24-25]。因此，本研究基于PLS算法來建立適合天津市規(guī)?；膛黾S水處理全過程環(huán)節(jié)中TN和TP含量的現(xiàn)場快速定量分析的全局?jǐn)?shù)學(xué)模型。

1.3.3 建模預(yù)處理方法選擇

圖3 均值-方差分布圖Figure 3 Mean-variance distribution

表2 K-S法劃分的校正集和預(yù)測集樣本信息Table 2 Classification information of samples in calibration set and prediction set

由于試驗用糞水樣品來源于規(guī)?；膛黾S水處理過程的各環(huán)節(jié)，其中包含固態(tài)糞渣等懸浮顆粒物質(zhì)，是一種復(fù)雜的分析體系，對光具有較強(qiáng)的散射性。因此，原始的近紅外漫反射光譜數(shù)據(jù)不僅包括了樣本的化學(xué)信息，還包括了許多外界干擾信息，需要采用適合的預(yù)處理方法消除干擾因素的影響，以提高模型的可靠性、適用性和穩(wěn)定性。對原始漫反射近紅外光譜進(jìn)行不同方法預(yù)處理，并采用PLS算法建立多變量回歸模型，采用交叉驗證均方根誤差（RMSECV）來選擇最佳建模的因子數(shù)（主成分?jǐn)?shù)）。表3給出了不同預(yù)處理方法PLS回歸結(jié)果。從決定系數(shù)R2、校正均方根誤差（RMSEC）和預(yù)測均方根誤差（RMSEP）來看，對于TN的近紅外PLS回歸模型最佳預(yù)處理方法為歸一化方法；而對于TP的最佳預(yù)處理方法為SG平滑+基線校正。

1.3.4 建模波段選擇

考慮到采用全波段4001個（12 000～4000 cm-1）變量建模，這些變量中包含與待測組分無關(guān)的冗余信息，同時又降低了建模效率。因此，本文采用間隔偏最小二乘法來選擇建立糞水中TN和TP含量數(shù)學(xué)模型所需的有效波數(shù)變量。通過計算，選取4400～8800 cm-1（2201個波數(shù)變量）和4000～8000 cm-1（2001個波數(shù)變量）范圍分別建立定量分析糞水中TN和TP含量的數(shù)學(xué)模型。

本文采用自行編寫的PLS Matlab代碼建立定量分析模型，采用The Unscrambler 9.7軟件對光譜數(shù)據(jù)進(jìn)行預(yù)處理，所有計算均采用MatlabR2017a軟件工具（Mathwork Inc.）完成。

2 結(jié)果與討論

2.1 規(guī)?；膛黾S水近紅外漫反射光譜特性

圖4為天津市23家規(guī)?；膛黾S水處理全過程環(huán)節(jié)采集的138個樣品在4000～12 000 cm-1范圍的近紅外漫反射光譜。從中可觀察到在5158、6938、8362 cm-1和10 232 cm-1處存在明顯的吸收峰，這些峰都是由糞水中的水吸收所引起，其中5158 cm-1附近的波帶主要是O-H反對稱伸縮振動和彎曲振動的合頻吸收引起[26]；6938 cm-1為O-H對稱伸縮振動和反對稱伸縮振動合頻吸收引起；8362 cm-1附近波帶為O-H反對稱和對稱伸縮振動，以及彎曲振動的合頻吸收引起；10 232 cm-1處附近波帶為倍頻O-H對稱伸縮振動和反對稱伸縮振動的合頻吸收引起。值得一提的是，雖然待分析樣品來自養(yǎng)殖規(guī)模、清糞方式、糞污處理工藝組合和糞水流經(jīng)環(huán)節(jié)等各不相同的奶牛場，但其近紅外漫反射光譜在全波長范圍內(nèi)整體輪廓相似，僅在強(qiáng)度上存在差別，表明通過近紅外漫反射光譜建立適合現(xiàn)場快速定量分析的數(shù)學(xué)模型具有可行性。

圖4 奶牛場糞水樣品的近紅外漫反射光譜Figure 4 Near infrared diffuse reflection spectrum of slurry samples in dairy farms

表3 不同預(yù)處理方法PLS回歸結(jié)果Table 3 PLS regression results of different pretreatment

2.2 糞水處理全過程環(huán)節(jié)模型的建立

2.2.1 主成分分析

為明確同一奶牛場縱向糞水處理路徑中各環(huán)節(jié)糞水樣品之間的關(guān)系和性質(zhì)組成的變化，以及對定量分析模型的影響，對濱海新區(qū)某典型規(guī)?；膛?1個糞水樣品的近紅外漫反射光譜進(jìn)行主成分分析。在主成分得分圖上，樣品之間的距離越近，表明這些樣品的性質(zhì)、組成越相似；距離越遠(yuǎn)，表明樣品間性質(zhì)、組分變化越大。因此，通過得分圖上樣品分布，可推斷出糞水樣品有機(jī)組分隨處理環(huán)節(jié)的變化差異明顯。

圖5為前兩個主成分的得分圖，其中第一主成分PC1（Principal component 1）解釋84%的光譜總變量，第二主成分PC2解釋14%的光譜總變量。圖中粉色橢圓所包含的是集污池樣品，藍(lán)色和紅色橢圓所包含的是氧化塘樣品，黑色橢圓所包含的是奶廳附近收集池樣品。集污池樣品主要分布在得分圖的右上角區(qū)域，氧化塘樣品主要分布在右下角區(qū)域，奶廳附近收集池樣品主要分布在左下角區(qū)域，因此從得分圖上可明確樣品來源的環(huán)節(jié)，以及樣品之間的組分、濃度等特性關(guān)聯(lián)。同時可觀察到，奶廳附近收集池樣品與集污池、氧化塘樣品距離較遠(yuǎn)，表明樣品中有機(jī)物組成隨處理環(huán)節(jié)發(fā)生了較大變化，這與奶廳收集池中的廢水濃度遠(yuǎn)低于牛舍集糞溝中的糞水濃度；奶廳廢水與牛舍糞水混合后水體中的物質(zhì)組成和濃度值變化較大；混合水依次流經(jīng)集污池、分離池、氧化塘的過程中水質(zhì)組分和濃度呈梯度變化等現(xiàn)場情況相符。2.2.2定量分析模型的建立

圖5 51個樣品前兩個主成分得分圖Figure 5 Scores plot for 51 samples on first two principal components

對1.3所處理的光譜數(shù)據(jù)，建立定量分析縱向奶牛場糞水處理過程中各環(huán)節(jié)糞水樣品TN和TP含量的PLS數(shù)學(xué)模型，交叉驗證均方根誤差（RMSECV）分別為181.97和4.72。將預(yù)測集未知樣品光譜數(shù)據(jù)（18×2201）輸入所建立的PLS模型中，得到各樣品對應(yīng)的TN含量。圖6a為所建立的TN模型對預(yù)測集18個未知樣品（8個收集池樣品、6個氧化塘樣品、4個奶廳附近收集池樣品）TN含量預(yù)測結(jié)果與實際含量的線性擬合，其擬合關(guān)系為：C預(yù)測=1.02C實際+50.4，擬合相關(guān)系數(shù)R為0.96，預(yù)測均方根誤差RMSEP為187.80。同理將預(yù)測集未知樣品光譜數(shù)據(jù)（17×2001）輸入所建立的PLS模型中，得到各樣品對應(yīng)的TP含量。圖6b為所建立的TP模型對預(yù)測集17個未知樣品（7個收集池樣品，7個氧化塘樣品，3個奶廳附近收集池樣品）TP含量預(yù)測結(jié)果與實際含量的線性擬合，其擬合關(guān)系為：C預(yù)測=0.64C實際+7.3，擬合相關(guān)系數(shù)R為0.91，預(yù)測均方根誤差RMSEP為3.59。上述結(jié)果表明，基于近紅外漫反射光譜實現(xiàn)縱向同一奶牛場糞水處理過程中各環(huán)節(jié)樣品TN和TP的檢測是可行的。

圖6 縱向PLS模型預(yù)測含量與實際含量的線性擬合Figure 6 Linear fitting between predicted and practical content using vertical PLS model

2.3 糞水處理全局模型的建立

2.3.1 主成分分析

為明確不同奶牛場糞水處理過程中糞水樣品之間的關(guān)聯(lián)和特性差異，以及對于定量分析模型的影響，對天津市23家規(guī)?；膛鲈诓煌娘暳贤度耄暳吓浞胶惋曃沽浚?、飼喂方式、清糞方式、處理工藝及環(huán)節(jié)等因素作用下共138個糞水樣品的近紅外漫反射光譜進(jìn)行主成分分析。圖7為前兩個主成分的得分圖，前兩個主成分分別解釋光譜總變量的64%和33%。從整體樣品分布來看，同一奶牛場的多數(shù)樣品距離接近，圖中僅給出了5個橢圓來說明所包含的樣品來源于同一奶牛場，其中包含樣品數(shù)最多的為2.2節(jié)分析的濱海新區(qū)某一奶牛場（縱向采樣對象），94號和95號樣品來源于另外一家奶牛場，該場僅采集了這兩個樣品。上述結(jié)果說明：相對于縱向（同一奶牛場）不同環(huán)節(jié)，橫向（不同奶牛場）采集的樣品之間差異性更大。

2.3.2 定量分析模型的建立

圖7 138個樣品前兩個主成分得分圖Figure 7 Scores plot for 138 samples on first two principal components

對1.3所處理的光譜數(shù)據(jù)，建立定量分析橫向不同奶牛場糞水處理過程中各環(huán)節(jié)樣品TN和TP含量的PLS數(shù)學(xué)模型，其RMSECV分別為355.74和8.13。圖8a為所建立的TN模型對預(yù)測集41個未知樣品TN含量預(yù)測結(jié)果與實際含量的線性擬合，其擬合關(guān)系為：C預(yù)測=0.91C實際-0.84，擬合相關(guān)系數(shù)R為0.96，預(yù)測均方根誤差RMSEP為238.59。圖8b為所建立的TP模型對預(yù)測集38個未知樣品TP含量預(yù)測結(jié)果與實際含量的線性擬合，其擬合關(guān)系為：C預(yù)測=0.8C實際+7.12，擬合相關(guān)系數(shù)R為0.91，預(yù)測均方根誤差RMSEP為6.56。上述結(jié)果表明，基于近紅外漫反射光譜實現(xiàn)橫向不同奶牛場糞水處理過程中各環(huán)節(jié)樣品TN和TP的檢測也是完全可行的。

2.4 影響因素分析

從縱向和橫向樣品得分圖可以看出，不同環(huán)節(jié)和不同奶牛場的糞水分布在不同區(qū)域。因此，定標(biāo)模型中不同環(huán)節(jié)和不同奶牛場糞水樣品的分布對定量分析模型的適用性、穩(wěn)定性和預(yù)測能力都存在影響。對于縱向和橫向定量分析模型，定標(biāo)模型中應(yīng)包括全程各環(huán)節(jié)代表性的樣品，這樣所建立的模型才能實現(xiàn)全程和全局未知樣品的準(zhǔn)確預(yù)測，上述建立的全程和全局模型取得的理想預(yù)測結(jié)果恰好驗證這一點。同時注意到，圖5第一主成分提取了84%的總變量信息，而圖7第一主成分僅提取了64%的總變量信息，進(jìn)一步表明了相對于縱向樣品，橫向樣品變異性更大。

圖8 橫向PLS模型預(yù)測含量與實際含量的線性擬合Figure 8 Linear fitting between predicted and practical content using horizontal PLS model

3 結(jié)論

（1）基于近紅外漫反射光譜和偏最小二乘法，對同一奶牛場和不同奶牛場糞水處理全過程各環(huán)節(jié)中糞水樣品的TN和TP進(jìn)行定量分析是可行的。

（2）相對于橫向模型，縱向模型能提供更好的預(yù)測結(jié)果。這是由于不同奶牛場在飼料投入、清糞方式和糞水處理工藝等復(fù)雜因素條件下樣品的變異性更為明顯。

（3）基于近紅外漫反射光譜技術(shù)可實時、快速、高效地對規(guī)?；膛黾S水處理全過程TN和TP進(jìn)行跟蹤和監(jiān)控。