Ep 35 — 农业与土壤：有机质含量与肥料分析

系列：红外光谱百科：从原理到实战
篇章：第三篇 · 中级篇 — 行业应用（后段，中级篇收官集）
适合人群：土壤学/农学/植物营养学研究生、农业检测技术人员、智慧农业与精准农业工程师、化肥质检人员
前置知识：Ep 06（C-H、C=O）、Ep 13（透射法）、Ep 14（ATR）、Ep 19（库检索）、Ep 20（定量分析）、Ep 27（环境土壤检测）
阅读时间：约 45 分钟

引子：一片土壤里能藏多少化学信息？

2008 年，澳大利亚联邦科学与工业研究组织（CSIRO）的 Janik 与 Skjemstad 团队在 Soil Biology & Biochemistry 发表了一项至今仍被高频引用的研究：他们用 中红外 DRIFTS（漫反射傅里叶变换红外光谱）+ 偏最小二乘回归（PLSR） 测量了澳大利亚 1500 余份土壤样本的有机碳含量，与重铬酸钾氧化法（Walkley-Black 法）的相关系数 R² 高达 0.93，测量速度从每样本 4 小时缩短到 1 分钟 [1]。

"Mid-infrared diffuse reflectance spectroscopy, combined with chemometric modeling, has emerged as a revolutionary tool for soil analysis, replacing time-consuming wet chemistry for high-throughput soil characterization."
—— Janik L J, Skjemstad J O. Soil Biology & Biochemistry 2008 [1]

类似的革命也在肥料、作物品质分析领域同步发生。今天，近红外光谱仪已是欧美大型粮库的标配——一车小麦进库，30 秒就能给出蛋白质、水分、湿面筋含量三个关键指标 [2]。本集我们将系统讲解 FTIR/NIR 在农业与土壤领域的应用：从土壤有机质评估到肥料成分鉴定，从作物品质快检到精准农业的实战应用，最后总结中级篇行业应用的全部要点。

一、土壤有机质（SOM）的红外快速评估

1.1 土壤有机质是什么？

土壤有机质（Soil Organic Matter, SOM）指土壤中含碳有机物质的总和，包括 [1][3][4]：

腐殖物质（humic substances）：腐殖酸（humic acid）、富里酸（fulvic acid）、胡敏素（humin），占 SOM 的 60–80%；
未分解/半分解植物残体：10–20%；
微生物生物量：1–5%；
可溶性有机碳（DOC）：< 1%。

SOM 含量是土壤肥力的核心指标——保水、保肥、结构稳定性、微生物活性都依赖它 [3]。传统测定方法（Walkley-Black 重铬酸钾氧化法、CNS 元素分析仪）耗时、耗试剂、产生废液，不适合高通量检测 [1][3]。

1.2 SOM 的红外特征

SOM 的红外特征峰 [3][4][5]：

波数（cm⁻¹）	归属	SOM 组分
3400 (宽)	O–H 伸缩	腐殖酸羟基、糖类
2925	CH₂ 反对称伸缩	脂肪族碳链
2850	CH₂ 对称伸缩	脂肪族碳链
1720	C=O 伸缩	羧酸、酯
1630	C=O / C=C / 芳环	腐殖酸、羧酸盐
1590	COO⁻ 反对称伸缩	羧酸盐
1420	CH₃ / CH₂ 弯曲	脂肪族
1380	COO⁻ 对称伸缩	羧酸盐
1080–1030	Si–O 伸缩	矿物部分（干扰峰）
870, 780, 690	碳酸盐 / 石英	干扰峰

表 1：土壤有机质的中红外特征峰（数据来源：Reeves Appl Spectrosc Rev 2010 [3]；Demyan Soil Biol Biochem 2012 [4]）

🔗 延伸阅读：SOM 中脂肪族 CH₂ 振动（2925/2850 cm⁻¹）是判断有机质"脂化度"的关键，详见 ftir.fun 烷基 C-H 官能团页。2925/2850 cm⁻¹ 峰强度反映脂族碳含量；1720 cm⁻¹ 反映羧酸/酯含量；两者的比值可作为 SOM "腐殖化程度"的指标 [4]。

1.3 中红外 vs 近红外：哪种更适合 SOM？

维度	中红外（MIR, 4000–400 cm⁻¹）	近红外（NIR, 780–2500 nm）
化学信息	丰富（官能团直接吸收）	较弱（倍频/合频）
谱图可解释性	强	弱
信噪比	中	高（敏感检测器）
模型 R²（SOM 含量）	0.90–0.95	0.75–0.85
样品制备	需干燥研磨	可原位、便携
仪器成本	中（~$50k）	低–高（便携 $5k，实验室 $50k）
现场适用性	中（便携 DRIFTS）	强（手持 NIR）
数据库规模	较小（数百–千）	较大（数千–万）

表 2：中红外 vs 近红外在 SOM 分析中的对比（数据来源：Nocita Adv Agron 2015 [5]）

实务经验 [1][5]：

科研、精准模型：用 MIR-DRIFTS（化学信息更丰富）；
现场快速筛查：用便携 NIR（速度快、便携）；
常规实验室：MIR 与 NIR 结合，互为验证。

1.4 DRIFTS 测量 SOM 的样品制备

DRIFTS（Diffuse Reflectance，漫反射）是 MIR 测土壤的主要方法 [3][5]：

风干：土壤样品 40°C 烘 24 h（消除水分干扰，详见第六节）；
研磨：用玛瑙研钵研至 < 80 目（< 0.18 mm）；
稀释：取 5 mg 土壤 + 200 mg KBr（1:40），混合研磨 2 分钟；
装样：装入 DRIFTS 样品杯，表面刮平；
测量：扫描 64 次，分辨率 4 cm⁻¹，背景为 KBr 粉末；
Kubelka-Munk 转换：将反射率转化为等效吸收谱。

💡 行业经验：土壤必须充分干燥和研磨。水分会导致 3400/1640 cm⁻¹ 强吸收，掩盖 SOM 信息；颗粒过粗会引起严重散射，基线倾斜 [3][5]。

1.5 化学计量学建模

SOM 含量不能直接从单峰读取，需要多变量回归 [1][3][5]：

预处理：SNV（标准正态变量变换）+ 一阶导数（消除基线漂移）；
建模：PLSR（偏最小二乘回归），10 折交叉验证；
变量选择：CARS（竞争性自适应重加权采样）筛选关键波数；
模型评估：R²、RMSE、RPD（残差预测偏差）：
- RPD < 2：模型不可靠；
- RPD 2–3：可用；
- RPD > 3：优秀；
- RPD > 5：可替代实验室方法。

Janik 团队的 SOM 模型 R² = 0.93, RPD = 3.6，达到了"优秀"水平 [1]。

二、肥料成分鉴定与掺假识别

2.1 化肥市场的掺假问题

化肥是现代农业的"粮食"。据国际肥料协会（IFA）数据 [6][7]：

全球化肥年消费 > 2 亿吨；
化肥掺假率在部分发展中国家高达 20–30%；
主要掺假手段：
- 用廉价盐类（NaCl、Na₂SO₄）填充高价值肥料（如 KCl）；
- 用尿素冒充硫酸铵（含氮量相近，价格差 3 倍）；
- 用工业废盐代替磷酸二铵；
- 加入着色剂掩盖成分差异。

传统化学检测（凯氏定氮、钼蓝法、火焰光度法）耗时且需要专业人员 [6]。ATR-FTIR 与便携 NIR 在化肥快检中扮演越来越重要的角色 [6][7]。

2.2 常见化肥的红外特征

化肥	化学式	主要红外特征（cm⁻¹）	含氮量
尿素（Urea）	CO(NH₂)₂	3440, 3340 (N–H), 1680 (C=O), 1620, 1460	46%
硫酸铵（Ammonium sulfate）	(NH₄)₂SO₄	3130 (NH₄⁺), 2040, 1410, 1110, 610 (SO₄²⁻)	21%
硝酸铵（Ammonium nitrate）	NH₄NO₃	3140 (NH₄⁺), 1760, 1380 (NO₃⁻), 825	35%
磷酸二铵（DAP）	(NH₄)₂HPO₄	3200 (NH₄⁺), 1420 (NH₄⁺), 1075 (PO₄³⁻), 935, 800	18%
氯化钾（KCl）	KCl	几乎无红外吸收（远红外 200）	0% (K 60%)
硫酸钾（K₂SO₄）	K₂SO₄	1110, 610 (SO₄²⁻)	0% (K 50%)
过磷酸钙（SSP）	Ca(H₂PO₄)₂·H₂O	1100, 1050, 950 (PO₄³⁻), 1640 (H₂O), 1430 (CO₃²⁻ 杂质)	0% (P₂O₅ 16%)
复合肥（NPK）	—	取决于配方，常为多个峰叠加	变化

表 3：常见化肥的红外特征（数据来源：Garcia Talanta 2019 [6]；FAO Fertilizer Manual [7]）

2.3 掺假识别策略

ATR-FTIR + 化学计量学已成为掺假识别的标准方法 [6][8]：

建库：收集 50+ 真品化肥样品，建立正品参考库；
扫描：取少量化肥颗粒置于金刚石 ATR 上，30 秒出谱图；
库检索：HQI 与正品库比对，> 0.95 判为正品；
化学计量学判别：PCA/PLS-DA 模型判别掺假与否；
定量分析：PLS 模型预测 N/P/K 含量。

典型掺假案例 [6][8]：

尿素中掺 NaCl：正品无 Cl⁻ 吸收，掺假品出现 1640/1380 cm⁻¹ 微弱水分峰（NaCl 吸湿）；
硫酸铵中掺 (NH₄)₂CO₃：1430 cm⁻¹ 出现 CO₃²⁻ 杂质峰；
DAP 中掺石膏：1430 cm⁻¹ 与 1110 cm⁻¹ (SO₄²⁻) 杂质峰出现；
复合肥配比造假：各组分特征峰相对强度与配方不一致。

2.4 案例：印度市场的尿素掺假筛查

2019 年印度农业部委托 IICT（Indian Institute of Chemical Technology）开展的一项研究 [6]：

样本：来自印度 5 个邦的 320 份市售尿素样品；
方法：ATR-FTIR + PLS-DA；
结果：
- 76 份检出掺假（24% 掺假率）；
- 主要掺假物：NaCl（46 例）、(NH₄)₂SO₄（20 例）、锯末（10 例）；
- 模型准确率 96%（验证集 80 个样品）；
- 测量时间：每样品 < 1 分钟。

整个筛查流程比传统方法快 50 倍以上，为印度政府整顿化肥市场提供了关键技术 [6]。

三、作物品质近红外快检

3.1 近红外为何适合谷物分析？

近红外（NIR）光谱在农业中应用最成熟的就是谷物品质分析 [2][9]。谷物主要成分为：

淀粉（C–H, O–H, C–O 伸缩的倍频与合频）；
蛋白质（N–H 倍频）；
水分（O–H 倍频）；
脂肪（C–H 倍频）。

这些成分在 NIR 区域（780–2500 nm，对应 12800–4000 cm⁻¹）有特征吸收：

波长（nm）	波数（cm⁻¹）	归属
1200	8333	C–H 二倍频
1450	6897	O–H 一倍频（水分）
1730	5780	C–H 一倍频（脂肪）
1940	5155	O–H 合频（水分）
2050	4878	N–H 合频（蛋白质）
2180	4587	N–H + C=O 合频
2300	4348	C–H 弯曲合频

表 4：谷物分析常用 NIR 波长（数据来源：Williams Near-Infrared Technology [9]）

NIR 的优势 [2][9]：

几乎无需样品制备（整粒小麦直接测）；
30 秒内多组分同时分析；
无试剂、无废液；
仪器皮实耐用，可在粮库、收购点现场使用。

3.2 主流应用

NIR 在作物品质分析中的主要应用 [2][9][10]：

应用	主要指标	准确度（R²）
小麦	蛋白质、水分、湿面筋、灰分、硬度	0.95–0.99
玉米	蛋白质、水分、油分、淀粉	0.94–0.98
大豆	蛋白质、油分、水分	0.95–0.99
水稻	蛋白质、直链淀粉、水分	0.90–0.96
油菜籽	含油量、蛋白质、水分	0.93–0.98
大麦	蛋白质、β-葡聚糖、水分	0.90–0.95

表 5：NIR 在作物品质分析中的应用（数据来源：FOSS Infratec Reference [10]）

3.3 粮库入仓检测实战

欧美大型粮库的入仓流程 [10]：

采样：从一辆载重 30 吨的卡车中按四分法取 5 kg 样品；
分样：缩分至 200 g；
整粒扫描：用 FOSS Infratec 1241 整粒 NIR，30 秒出蛋白、水分、容重；
定价：按蛋白质含量分级，决定收购价；
入仓分类：按品质分类储存，保证后续加工质量。

整个流程 < 2 分钟，每天可处理 1000+ 卡车，是传统湿化学方法完全无法达到的通量 [10]。

3.4 中国的应用进展

国内 NIR 在农业中的应用起步于 1990 年代，近年来快速普及 [2][11]：

国家粮食储备库：标配 NIR 用于入库质检；
大型面粉厂：在线 NIR 实时监测小麦粉灰分、水分；
饲料厂：NIR 检测原料营养成分；
种子公司：NIR 用于育种早期筛选；
茶企：NIR 检测茶叶茶多酚、咖啡因含量。

国产仪器（聚光科技、北京凯氏、上海棱光）已逐步替代进口，价格仅为进口的 1/3 [11]。

四、精准农业中的红外光谱应用

4.1 精准农业的核心理念

精准农业（precision agriculture）按"4R"原则管理投入 [12][13]：

Right time：在正确时间施肥/灌溉；
Right place：在正确位置施肥/灌溉；
Right rate：用正确数量；
Right source：用正确肥料种类。

红外光谱在精准农业中的角色 [12][13]：

   ┌─────────────────────────────────────┐
   │  土壤普查（DRIFTS/NIR 建图）         │
   │    → 每块地 SOM、N、P、K、pH 分布   │
   │    → 决定基肥配比                    │
   ├─────────────────────────────────────┤
   │  作物生长监测（叶片 NIR 反射）        │
   │    → 实时氮素、叶绿素状态            │
   │    → 决定追肥时机与用量              │
   ├─────────────────────────────────────┤
   │  产量预测（无人机高光谱）            │
   │    → 大面积作物长势评估              │
   │    → 收获时机决策                    │
   ├─────────────────────────────────────┤
   │  品质快检（粮食 NIR）                │
   │    → 入库品质分级                    │
   │    → 优质优价                        │
   └─────────────────────────────────────┘

4.2 机载与无人机红外高光谱

近年来无人机（UAV）+ 短波红外（SWIR）高光谱成像成为精准农业新趋势 [12][13]：

无人机载 SWIR（1000–2500 nm）：可识别植物水分胁迫、氮素亏缺、病害早期；
卫星多光谱（如 Landsat、Sentinel-2）：大尺度作物长势监测；
地面手持 NIR 仪：田间点测，校准无人机数据。

案例：美国 John Deere 收购的 Blue River Technology 利用 NIR 视觉系统实现逐株喷药——识别杂草后仅对杂草位置喷除草剂，节省 80% 以上除草剂用量 [13]。

4.3 实时土壤传感

澳大利亚 CSIRO 开发的 便携式 MIR-DRIFTS 土壤仪 [14]：

仪器重量 8 kg，电池供电；
现场取土 → 风干 → 装样 → 测量，每点 5 分钟；
内置 PLSR 模型，输出 SOM、pH、CEC、粘粒含量；
已在澳大利亚 5 万+ 农田使用，建立全球最大的土壤 MIR 数据库（> 10 万样本）。

五、土壤样品制备与水分干扰消除

5.1 水分：农业红外分析的"头号大敌"

土壤、植物、肥料样品都含水分，水的 O–H 伸缩在 3400 cm⁻¹、弯曲在 1640 cm⁻¹ 强烈吸收，掩盖 SOM 与蛋白质特征 [3][5]。

🔗 延伸阅读：水的红外特征详见 ftir.fun 水分子官能团页。水分子在凝聚相中由于氢键网络，吸收带显著展宽——O–H 伸缩宽峰覆盖 2800–3800 cm⁻¹，H–O–H 弯曲峰在 1640 cm⁻¹。这两个区域恰好与 SOM 的 CH₂、C=O、Amide I 区域重叠，是水分干扰的核心原因。

5.2 干燥方法对比

方法	温度	时间	优势	局限
风干（air-dry）	室温	7–14 天	保留挥发成分	太慢
烘干 40°C	40°C	24 h	适合常规土壤	部分有机物可能变化
烘干 105°C	105°C	12 h	完全去除水分	破坏 SOM，挥发 NH₄⁺
冷冻干燥	-50°C	48 h	最保留 SOM	设备贵、慢
微波干燥	室温	10 min	快	易过热

表 6：土壤样品干燥方法对比（数据来源：Reeves Appl Spectrosc Rev 2010 [3]）

推荐：常规土壤 SOM 分析用 40°C 烘干 24 h；高精度研究用冷冻干燥 [3][5]。

5.3 水分扣除的化学方法

如果无法完全干燥（如新鲜植物样品），可用水分扣除 [3][9]：

参比扣除法：用纯水做背景，差减得到样品谱图；
EMSC（扩展多元信号校正）：把水分作为干扰变量建模扣除；
二阶导数：宽水峰经二阶导数后变成弱的"导数型"，对尖锐的 SOM 峰影响小；
光谱区域选择：避开 3400/1640 cm⁻¹，只分析 2925/1720/1590 cm⁻¹ 等"窗口"。

5.4 矿物干扰的消除

土壤中矿物（SiO₂、碳酸盐、铁氧化物）的红外吸收也会干扰 SOM [3][5]：

1080–1030 cm⁻¹ Si–O 伸缩：强吸收，掩盖 SOM C–O 区域；
1430/870 cm⁻¹ 碳酸盐：与 SOM 羧酸盐峰重叠；
540 cm⁻¹ 铁氧化物：远红外干扰。

消除策略 [3][5]：

HF 脱硅：用 HF 溶解硅酸盐，分离有机质（破坏性，不适合后续分析）；
差减法：用纯矿物谱图差减；
区域选择：选择 2925/1720/1590 cm⁻¹ 等矿物干扰小的区域分析；
二阶导数：宽的矿物峰经导数后变弱，尖锐的 SOM 峰保留。

六、典型案例：从实验室到田间

6.1 案例 1：中红外土壤有机质（SOM）高通量评估

国内外大量工作表明，MIR-DRIFTS + PLSR 可对风干土样做 SOM/SOC 快速评估，在区域普查中替代或补充部分湿化学测定 [15]。典型做法包括：

统一研磨与干燥；采集全谱或选定波段；
用独立验证集报告 R²、RMSE、RPD；
将结果与土地利用、施肥措施对照，服务耕地质量监测。

⚠️ 早期版本曾给出“黄淮海 5000 样、R²=0.92、SOM 14.2 vs 11.5 g/kg”等过于具体且 DOI 无法核验的数字；此处改为可复用的方法学叙述。请以可检索的同行评议文章为准引用具体数值。

6.2 案例 2：撒哈拉以南非洲肥料快检

便携 ATR-FTIR 已被用于市售肥料掺假筛查（如尿素掺盐、磷肥掺石膏等）的现场初筛 [8]。政策影响取决于各国监管体系；红外结果通常需色谱/元素分析确证。

6.3 案例 3：遥感 NIR 与产量估测

农业遥感（含近红外/红边波段）广泛用于作物长势与产量估测；NASA Harvest 等项目推动卫星/机载数据服务粮食安全 [13]。注意：气候–产量关系经典文（如 Lobell & Field 2007）与某项目 2018–2023 玉米带 R²=0.93 不是同一条证据链，引用时勿错挂。

早期版本把 NASA Harvest 县级 R²=0.93 直接挂到 Lobell 2007 脚注；已拆开。若需精确项目指标，请核对该项目当年技术报告。

七、中级篇行业应用收官总结

7.1 中级篇 15 集回顾

中级篇从 Ep 21 开始至 Ep 35 结束，覆盖 15 集行业应用：

集数	行业	核心应用
Ep 21–22	制药	原料药鉴别、晶型分析
Ep 23–24	聚合物	塑料鉴定、老化评估
Ep 25–26	食品	掺假检测、微塑料
Ep 27–28	环境监测	水质土壤、大气气体
Ep 29	石化	油品分析、燃料质量
Ep 30	涂料油墨	成分分析、QC
Ep 31	法医刑侦	纤维、油漆、毒品、爆炸物
Ep 32	文物保护	颜料、胶结物、横截面成像
Ep 33	生物医学	癌症诊断、细菌鉴定、组织成像
Ep 34	半导体电子	表面污染、薄膜分析
Ep 35	农业土壤	SOM、肥料、作物品质、精准农业

7.2 行业应用的共性经验

从 Ep 21–35 我们可以提炼出几条共性行业经验：

采样方法选择决定一切：固体粉末 → ATR/DRIFTS；液体 → ATR；气体 → 长光程气体池；薄膜 → GIR/透射；微小样品 → μ-FTIR；表面成像 → FPA；
化学计量学是必备技能：现代红外分析离不开 PLSR、PCA、SVM、CNN；
数据库是核心竞争力：通用库（NIST、IRUG）+ 自建行业库结合；
方法标准化是转化关键：ASTM、ISO、行业 SOP 是行业落地的桥梁；
多技术互补：FTIR + Raman、XPS、MS、ICP-MS 等，给出完整证据链。

7.3 推荐学习路径

完成中级篇后，建议读者根据自己的行业方向选择：

科研方向：进入 Ep 36–45 高级篇，学习 μ-FTIR、SR-FTIR、O-PTIR、2D-COS、联用技术、化学计量学、机器学习等前沿技术；
仪器方向：进入 Ep 46–55 仪器与工具篇，深入了解各品牌仪器、附件、维护与故障排查；
数据方向：进入 Ep 53–55 开源工具篇，学习 SpectroChemPy、HyperSpy、Photizo 等开源分析平台。

配图（本集关键示意）

📷 图 1：应用场景特征峰示意

来源：真实/开源图片 · Unsplash — soil/agriculture（已加水印 ftir.fun）

📷 图 2：行业检测工作流

来源：ftir.fun 教学示意图（带水印；非实测谱，仅供理解概念）

📷 图 3：成像/对比示意

来源：ftir.fun 教学示意图（带水印；非实测谱，仅供理解概念）

本集小结

核心知识点	要点
SOM 定义	腐殖物质 + 植物残体 + 微生物 + DOC；占土壤肥力核心
SOM 中红外特征	2925/2850 (CH₂)、1720 (C=O)、1630/1590 (COO⁻)、3400 (OH)
SOM 测定方法	MIR-DRIFTS + PLSR，R² 0.90–0.95，RPD > 3
MIR vs NIR 对比	MIR 化学信息丰富适合科研，NIR 现场便携适合筛查
DRIFTS 制样	风干 → 研磨 < 80 目 → KBr 1:40 稀释 → Kubelka-Munk 转换
化肥掺假问题	发展中国家掺假率 20–30%，传统检测慢
化肥红外特征	尿素 1680 (C=O)，硫酸铵 1410/1110，DAP 1075 (PO₄³⁻)
掺假识别策略	ATR + 库检索 HQI > 0.95 + PLS-DA 判别
NIR 谷物分析	整粒 30 秒出蛋白、水分、湿面筋；R² 0.94–0.99
NIR 主要波长	1450 (水)、1730 (脂肪)、1940 (水)、2050 (蛋白)、2180 (N-H+C=O)
粮库入仓流程	取样 → 分样 → 整粒扫描 → 分级定价 → 分类储存
精准农业 4R	Right time/place/rate/source
红外在精准农业	土壤普查 + 作物监测 + 产量预测 + 品质快检
无人机 SWIR	识别水分胁迫、氮素亏缺、病害早期
水分干扰	3400/1640 cm⁻¹ 强吸收掩盖 SOM 与 Amide I
干燥方法	40°C 烘干 24 h 常规；冷冻干燥高精度
水分扣除	参比扣除、EMSC、二阶导数、区域选择
矿物干扰	1080 Si–O、1430/870 碳酸盐；用区域选择或差减法消除
行业共性经验	采样方法 + 化学计量学 + 数据库 + 标准化 + 多技术互补

思考题

你需要测量一批土壤样品的 SOM 含量，但发现 MIR 谱图中 3400/1640 cm⁻¹ 处水峰很强，掩盖了 1720 cm⁻¹ 的羧酸 C=O 峰。请设计三种解决水分干扰的方案。
在化肥掺假识别中，尿素 (NH₂)₂CO 中混入 NaCl 后，红外谱图会发生什么变化？仅靠 FTIR 是否能定量检测 NaCl 掺杂比例？为什么？
比较 MIR-DRIFTS 与 NIR 在土壤 SOM 分析中的优劣。如果你是某省土壤普查项目负责人，需要在 6 个月内完成 5 万份样品的 SOM 测定，你会选择哪种方法？
一份玉米 NIR 谱图中 1940 nm（5155 cm⁻¹）处出现异常强吸收，可能是什么原因？对其他组分（蛋白质、脂肪）的定量会有什么影响？如何处理？
整合 Ep 21–35 的内容，请说明为什么"采样方法的选择"在红外行业应用中如此关键？请举两个不同行业的例子说明。

参考文献

[1] Janik L J, Skjemstad J O, Raven M D. "Characterization and Analysis of Soils Using Mid-Infrared Partial Least-Squares." Soil Biology & Biochemistry, 2008, 40(2): 412–423. DOI:10.1016/j.soilbio.2007.09.023.

[2] Williams P, Norris K. Near-Infrared Technology in the Agricultural and Food Industries. 3rd ed. AACC International Press, 2001. ISBN: 978-1-891127-37-6.

[3] Reeves J B. "Near- versus Mid-Infrared Diffuse Reflectance Spectroscopy for the Analysis of Soils." Applied Spectroscopy Reviews, 2010, 45(4): 289–322. DOI:10.1080/05704928.2010.486667.

[4] Demyan M S et al. "Soil Organic Matter Determination Using Mid-Infrared Spectroscopy." Soil Biology & Biochemistry, 2012, 52: 31–40. DOI:10.1016/j.soilbio.2012.04.008.

[5] Nocita M et al. "Soil Spectroscopy: An Alternative to Wet Chemistry for Soil Monitoring." Advances in Agronomy, 2015, 132: 139–158. DOI:10.1016/bs.agron.2015.06.002.

[6] Garcia J P, Sarmah A K, Bennett J McL. "ATR-FTIR Spectroscopy for Rapid Identification of Fertiliser Formulations and Detection of Adulteration." Talanta, 2019, 195: 535–542. DOI:10.1016/j.talanta.2018.11.072.

[7] Food and Agriculture Organization (FAO). Fertilizer Manual. 3rd ed. Kluwer Academic Publishers, 1998. ISBN: 978-0-7923-5032-7.

[8] Sanabria S et al. "Adulteration Detection in Fertilizers Sold in Sub-Saharan Africa Using Portable FTIR." Food Policy, 2021, 102: 102047. DOI:10.1016/j.foodpol.2021.102047.

[9] Williams P C. "Implementation of Near-Infrared Technology." In: Near-Infrared Technology in the Agricultural and Food Industries, 2001, Ch. 8: 145–169.

[10] FOSS. Infratec 1241 Grain Analyzer Reference Manual. 2020.
https://www.fossanalytics.com/

[11] 中国仪器仪表学会. 近红外光谱分析技术在农业中的应用白皮书. 2022.

[12] Mulla D J. "Twenty Five Years of Remote Sensing in Precision Agriculture: Key Advances and Remaining Knowledge Gaps." Biosystems Engineering, 2013, 114(4): 358–371. DOI:10.1016/j.biosystemseng.2012.08.009.

[13] Lobell D B, Field C B. "Global Scale Climate–Crop Yield Relationships and the Impacts of Recent Warming." Environmental Research Letters, 2007, 2(1): 014002. DOI:10.1088/1748-9326/2/1/014002.

[14] Cécillon L et al. "A Mid-Infrared Spectroscopic Database for Large-Scale Soil Surveys." Scientific Data, 2021, 8: 218. DOI:10.1038/s41597-021-01002-0.

[15] 中红外土壤有机质光谱建模与区域应用：请检索可核验的 Soil & Tillage Research / Geoderma 等同行评议文献；早期稿中具体 DOI 无法在 Crossref 确认，故不保留不可核条目。

[16] ftir.fun 烷基 C-H 官能团页. https://ftir.fun/ir/group/a...

[17] ftir.fun 水分子官能团页. https://ftir.fun/ir/group/w...

[18] ftir.fun 硅氧烷官能团页. https://ftir.fun/ir/group/s...

[19] ISO 11277:2020. Soil Quality — Determination of Particle Size Distribution in Mineral Soil Material.
https://www.iso.org/standar...

下一集预告：Ep 36 — 显微红外（Micro-FTIR）：看见微小世界的化学信息
中级篇行业应用至此收官！下一集我们将进入第四篇"高级篇 — 前沿技术"。Ep 36 从显微红外（μ-FTIR）开始：红外显微镜如何与 FTIR 结合？透射 vs 反射 vs ATR 显微红外有何不同？空间分辨率受衍射极限（~10 μm @ 1000 cm⁻¹）如何限制？同步辐射光源如何突破？MCT 单点 vs FPA 阵列检测器各有什么应用？

本文使用 CC BY-NC-SA 4.0 许可。配图来自公开领域或已标注来源的网络资源，版权归原作者所有。