Analytische Chemie
The Cultivation of “Saccharomyces cerevisiae” for enzyme production was monitored using Near-infrared spectroscopy. An inline NIR optrode was therefore immersed in a 15 L vessel. The calibration was done using a Partial Least Squares (PLS) model with reference measurements of glucose, ammonium, phosphate, ethanol, and optical density. A nonlinear biological process model based on an extended Kalman Filter (EKF) was used to describe the fermentation behavior. It was found that EKF corrects inaccurate PLS predictions.
Medium-resolution nuclear magnetic resonance spectroscopy (MR-NMR) currently develops to an important analytical tool for both quality control and processmonitoring. In contrast to high-resolution onlineNMR (HR-NMR),MR-NMRcan be operated under rough environmental conditions. A continuous re-circulating stream of reaction mixture fromthe reaction vessel to the NMR spectrometer enables a non-invasive, volume integrating online analysis of reactants and products. Here, we investigate the esterification of 2,2,2-trifluoroethanol with acetic acid to 2,2,2-trifluoroethyl acetate both by 1H HR-NMR (500MHz) and 1H and 19F MRNMR (43MHz) as amodel system. The parallel online measurement is realised by splitting the flow,which allows the adjustment of quantitative and independent flow rates, both in the HR-NMR probe as well as in the MR-NMR probe, in addition to a fast bypass line back to the reactor. One of the fundamental acceptance criteria for online MR-MNR spectroscopy is a robust data treatment and evaluation strategy with the potential for automation. The MR-NMR spectra are treated by an automated baseline and phase correction using the minimum entropy method. The evaluation strategies comprise (i) direct integration, (ii) automated line fitting, (iii) indirect hard modelling (IHM) and (iv) partial least squares regression (PLS-R). To assess the potential of these evaluation strategies for MR-NMR, prediction results are compared with the line fitting data derived from the quantitative HR-NMR spectroscopy. Although, superior results are obtained from both IHM and PLS-R for 1H MR-NMR, especially the latter demands for elaborate data pretreatment, whereas IHM models needed no previous alignment.
Im Rahmen der vom Bundesministerium für Bildung und -forschung geförderten Forschungsinitiative „BonaRes – Boden als nachhaltige Ressource der Bioökonomie“ soll sich das Teilprojekt „I4S – integrated system for site-specific soil fertility management“ der Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit widmen. Hierfür ist eine Messplattform zur Bestimmung relevanter Bodeneigenschaften und der quantitativen Analyse ausgewählter Makro- und Mikronährstoffe geplant. In der ersten Phase dieses Projekts liegt das Hauptaugenmerk auf der Kalibrierung und Validierung der verschiedenen Sensoren auf die Matrix Boden, der Probennahme auf dem Acker und der Planung sowie dem Aufbau der Messplattform. Auf dieser Plattform sollen in der zweiten Phase des Projektes die verschiedenen Bodensensoren installiert, sowie Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen erstellt werden.
Ziel der vorliegenden Arbeit ist die Grundlagenuntersuchung und Entwicklung einer robusten Online-Analyse mittels Energie-dispersiver Röntgenfluoreszenzspektroskopie (EDRFA) zur Quantifizierung ausgewählter Makro- und Mikronährstoffe in Böden für eine kostengünstige und flächendeckende Kartierung von Ackerflächen. Für die Entwicklung eines Online-Verfahrens wurde ein dem Stand der Technik entsprechender Röntgenfluoreszenzmesskopf in Betrieb genommen und die dazugehörigen Geräteparameter auf die Matrix Boden optimiert. Die Bestimmung der analytischen Qualitäts-merkmale wie Präzision und Nachweisgrenzen fand für eine Auswahl an Nährelementen von Aluminium bis Zink statt. Um eine möglichst Matrix-angepasste Kalibrierung zu erhalten, wurde sowohl mit zertifizierten Referenzmaterialien (CRM), als auch mit Ackerböden kalibriert. Da einer der größten Nachteile der Röntgenfluoreszenzanalyse die Beeinflussung durch Matrixeffekte ist, wurde neben der klassischen univariaten Datenauswertung auch die chemometrische multivariate Methode der Partial Least Squares Regression (PLSR) eingesetzt. Die PLSR bietet dabei den Vorteil, Matrixeffekte auszugleichen, wodurch robustere Kalibriermodelle erhalten werden können. Zusätzlich wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um Gemeinsamkeiten und Ausreißer innerhalb des Probensets zu identifizieren. Es zeigte sich, dass eine Klassifizierung der Böden anhand ihrer Textur Sand, Schluff, Lehm und Ton möglich ist.
Aufbauend auf den Ergebnissen idealer Bodenproben (zu Tabletten gepresste luftgetrocknete Proben mit Korngrößen < 0,5 mm) wurde im Verlauf dieser Arbeit die Probenvorbereitung immer weiter reduziert und der Einfluss verschiedener Kenngrößen untersucht. Diese Einflussfaktoren können die Dichte und die Homogenität der Probe, sowie Korngrößeneffekte und die Feuchtigkeit sein. Anhand des RMSE (Wurzel der mittleren Fehlerquadratsumme) und unter Berücksichtigung der Residuen werden die jeweils erstellten Kalibriermodelle miteinander verglichen. Um die Güte der Modelle zu bewerten, wurden diese mit einem Testset validiert. Hierfür standen 662 Bodenproben von 15 verschiedenen Standorten in Deutschland zur Verfügung. Da die Ergebnisse an gepressten Tabletten für die Elemente Al, Si, K, Ca, Ti, Mn, Fe und Zn den Anforderungen für eine spätere Online-Analyse entsprechen, wurden im weiteren Verlauf dieser Arbeit Kalibriermodelle mit losen Bodenproben erstellt. Auch hier konnten gute Ergebnisse durch ausreichende Nachweisgrenzen und eine niedrige gemittelte Messabweichung bei der Vorhersage unbekannter Testproben erzielt werden. Es zeigte sich, dass die Vorhersagefähigkeit mit der multivariaten PLSR besser ist als mit der univariaten Datenauswertung, insbesondere für die Elemente Mn und Zn.
Der untersuchte Einfluss der Feuchtigkeit und der Korngrößen auf die Quantifizierung der Elementgehalte war vor allem bei leichteren Elementen deutlich zu sehen. Es konnte schließlich eine multivariate Kalibrierung unter Berücksichtigung dieser Faktoren für die Elemente Al bis Zn erstellt werden, so dass ein Einsatz an Böden auf dem Acker möglich sein sollte. Eine höhere Messunsicherheit muss dabei einkalkuliert werden. Für eine spätere Probennahme auf dem Feld wurde zudem der Unterschied zwischen statischen und dynamischen Messungen betrachtet, wobei sich zeigte, dass beide Varianten genutzt werden können. Zum Abschluss wurde der hier eingesetzte Sensor mit einem kommerziell erhältlichen Hand-Gerät auf sein Quantifizierungspotential hin verglichen. Der Sensor weist anhand seiner Ergebnisse ein großes Potential als Online-Sensor für die Messplattform auf. Die Ergebnisse unter Laborbedingungen zeigen, dass eine robuste Analyse Ackerböden unter Berücksichtigung der Einflussfaktoren möglich ist.