1 清华大学环境学院, 环境模拟与污染控制国家重点联合实验室, 北京 100084
2 清华大学环境学院, 环境污染溯源与精细监管技术研究中心, 北京 100084
3 清华苏州环境创新研究院先进监管技术仪器研发团队, 江苏 苏州 215163
汞是一种具有显著积累效应和遗传毒性的重金属元素, 对人体健康和生态环境危害极大。 我国水环境中汞污染严重, 开发快速、 高效、 经济的汞离子检测方法可以有效推动水环境中汞污染的源头治理。 该研究创新性地提出利用硫胺素-三维荧光法来实现水环境中汞离子的检测。 研究结果表明, 硫胺素与汞离子发生氧化还原反应前后, 其荧光峰的位置与数量发生了明显改变, 可作为检测水中汞离子的特征性信号。 此外, 在利用该法检测水中汞离子时, 硫胺素的浓度不宜过高, 体系应保持碱性环境, 反应温度与反应时间可由一级动力学模型来优化, 以期降低检测成本, 提高检测效率。 在指定的检测条件(硫胺素浓度为10 μmol·L-1、 pH为9.7、 反应时间为120 min、 温度为20 ℃)下, 汞离子浓度的线性检测范围为4~15 μmol·L-1。 硫胺素-三维荧光法与传统的水中汞离子的检测方法相比具有突出优势和良好的实际应用价值, 可以有效助力水环境中汞污染的源头监管, 极大提升环境执法效率。
汞离子 硫胺素 三维荧光光谱 测试条件 污染源监管 Mercury ion Thiamine Fluorescence excitation-emission matrix Detection condition Pollution source supervision 光谱学与光谱分析
2021, 41(6): 1846
1 华东交通大学机电与车辆工程学院, 江西 南昌 330013
2 赣州出入境检验检疫局, 江西 赣州 341001
木材的种类识别是木材加工和贸易的一个重要环节, 传统的木材种类识别方法主要有显微检测法和木材纹理识别法, 其操作繁琐, 耗时长, 成本高, 不能满足当前需求。 本研究利用木材的近红外光谱(NIRS)结合模式识别方法, 以期实现木材种类的快速准确识别。 采用近红外光谱结合主成分分析法(PCA)、 偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究; 5点平滑、 标准正态变量变换(SNV)、 多元散射校正(MSC)、 Savitzky-Golay一阶导数(SG 1st-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理; 校正集和测试集样品的正确识别率(CRR)用于模型的评价。 采用PCA方法, 通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。 在建立PLSDA模型, 原始光谱的正确识别率最高, 分别为88.2%和88.2%; 5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%; SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%; MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%; SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD(小波基为“Haar”, 分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。 可知, 在PLSDA模型中, 木材光谱未经预处理种类识别效果最后好。 在建立SIMCA模型过程中, 原始光谱的校正集和测试集的CRR分别为99.7%和99.4%; 5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%; SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%; MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%; SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD处理的光谱校正集和测试集的CRR分别为100%和100%。 可知, 在SIMCA模型中, 木材光谱经平滑和小波导数处理后的识别效果最好, 且光谱的校正集和测试集CRR都为100%。 采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时, 由于木材样本属性复杂, 主成分分布图相互交织, PCA无法识别出58种木材; 原始光谱的PLSDA模型可以得到较好的判别模型, 但校正集和测试集的CRR只有88.2%和88.2%; 木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果, 校正集和测试集的CRR均为100%, 且WD-SIMCA模型因子数比5点平滑SIMCA模型小, 模型更为简化, 故WD-SIMCA为58种木材种类识别的最优模型。 研究表明光谱预处理方法可以有效的提高木材种类识别精度, 有监督模式识别方法SIMCA可以用来建立有效的木材识别模型, 近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。
近红外光谱 木材种类识别 光谱预处理 偏最小二乘判别分析法 簇类独立软模式法 Near infrared spectroscopy (NIRS) Identification of wood species Spectral preprocessing Partial least squares discriminate analysis (PLSDA Soft independent modeling of class analogy (SIMCA)
1 西南科技大学环境与资源学院, 四川 绵阳 621010
2 清华大学环境学院环境模拟与污染控制国家重点联合实验室, 北京 100084
以某兽药抗生素废水为例, 研究了基于三维荧光光谱的水质指纹(简称水纹)技术用于揭示废水有机成分性质的可行性。 该废水具有4个典型水纹峰, 峰的激发波长/发射波长分别为225/345, 275/345, 325/405和405/470 nm, 编号A, B, C和D, 各峰强度关系B>A>C>D。 其中A峰和B峰的荧光强度较高, 分别为(0.64±0.21)和(0.99±0.30) R.U, 线性相关系数为0.95, 且发射波长相同, 很可能是同一种物质产生的。 各水纹峰强度与COD都有明显的正相关性, 线性相关系数R2达到0.66~0.70。 C峰对应的有机物部分降解或降解速率较低, 而其余3个水纹峰对应的有机物可以被较好降解。 出水中新出现的荧光峰260/425 nm可能是废水微生物处理过程中新生成的腐殖质。 上述研究表明, 该兽药抗生素制药废水具有独特的水纹特征, 水质指纹鉴别技术可以作为水体中识别该废水存在的新方法, 水纹信息还可以反映废水有机物总量和有机成分的性质, 对难降解废水的处理设计和运行均有一定价值。
抗生素废水 三维荧光光谱 水质指纹 有机物 难降解废水 Antibiotic wastewater Excitation-emission matrix Aqueous fingerprint Organic matter Refractory wastewater 光谱学与光谱分析
2018, 38(10): 3144