绿松石的有机充填处理由来已久, 浸胶(丙烯酸酯类)、 注胶(环氧树脂类)两种充填方式已有大量研究, 冻胶(丙烯酸酯类)作为一种较新的充填方式, 研究基础较为薄弱。 以天然绿松石原料及其对应冻胶充填后的绿松石为研究对象, 结合处理所用冻胶材料, 通过常规宝石学测试、 红外光谱测试、 三维荧光光谱测试、 紫外-可见吸收光谱测试等测试技术, 对冻胶充填前后绿松石的宝石学特征和谱学特征进行系统的对比分析研究。 结果显示: 冻胶充填后, 绿松石的颜色和致密度得到明显提升, 表面有胶质物残留及白色“松花”现象, 冻胶充填绿松石在长波紫外灯下显示弱-中等的蓝色荧光, 短波下显示弱荧光, 胶质物残留位置发光明显, 而绿松石原料在长短波下均呈惰性; 冻胶原液的红外光谱显示CO伸缩振动峰［(1 722±5) cm-1］、 C-O伸缩振动峰［(1 156±5) cm-1］、 CC伸缩振动峰［(1 637±5) cm-1］, 还出现了苯环结构和C-OH的吸收峰, 表明其主要成分可能为含有苯环、 羧酸、 醇等结构的化合物与甲基丙烯酸酯的共聚物; 冻胶充填绿松石的红外光谱中出现了与冻胶原液对应的有机基团吸收峰, 可有效鉴别充填绿松石与原料; 三维荧光光谱测试显示: 绿松石原料在整个激发波长范围内没有出现明显的荧光中心, 冻胶充填绿松石均出现了发射波长在465、 445和410 nm附近的特征荧光中心, 激发波长范围为360～400 nm, 与冻胶原液的荧光中心相对应, 说明荧光由胶质物导致, 可作为冻胶充填的重要证据; 绿松石原料和冻胶充填绿松石的紫外-可见吸收光谱均符合天然绿松石的吸收特征, 说明冻胶充填过程中未添加有机染剂。

目前, 三维荧光技术在应急性饮用水污染事件检测中的应用越来越广泛, 但其仍存在易受水环境波动影响、 低浓度污染事件检出率较低等不足。 因此针对在线检测需求, 提出了一种基于时间序列双阈值的三维荧光饮用水异常事件检测方法。 该方法采用主成分分析法提取检测样本的三维荧光光谱主元特征值, 进行线性自回归（AR）模型训练并对未来时段水质样本主元特征值进行预测, 通过与实测样本主元特征值作差得到特征值差值, 同时结合实测特征值的变化率, 设置特征值差值-特征值变化率双阈值, 最终确定污染事件的时间起始点与结束点, 从而确定整个污染事件。 研究通过模拟高浓度污染事件、 低浓度污染事件、 供水水质波动等场景对所提方法进行了验证。 实验结果表明, 该方法不仅保持了高浓度污染事件检测的准确性, 在检测低浓度污染、 高干扰环境下的低浓度污染时, 该方法相较于常规判别方法, 检测结果准确率分别提高了9.4%和20.7%。

随着经济发展对石油资源需求量的不断增大, 各种石油污染问题日渐严重, 对生态环境及人类健康造成巨大威胁。 因此, 准确识别及时处理油类污染物对减轻溢油危害具有重要意义。 石油是一种复杂的有机化合物, 主要由较强荧光特性的芳香烃成分及其衍生物组成, 不同类型的石油所含多环芳烃的成分和含量不同, 三维荧光光谱3D-EEM在石油污染物的检测领域应用十分广泛。 基于三维荧光光谱技术, 采用BP神经网络结合自加权交替三线性分解（SWATLAD）算法对油类污染物进行定性定量的研究。 实验以0#柴油、 95#汽油和煤油为研究对象, 首先, 使用F-7000荧光光谱仪采集待测样品的光谱数据, 对得到的数据进行激发、 发射校正和去散射处理。 其次, 为解决小波阈值去噪阈值处信号不连续和过度收缩小波系数带来的难以准确还原真实信号的问题, 提出了一种改进的阈值函数, 去噪后的信噪比（SNR）和均方误差（MSE）分别为18.354 7和10.261 7, 更为真实的还原有用信号。 并通过基于误差反向传播的BP神经网络对预处理后的光谱数据进行训练, 训练后预测值与真实值的曲线拟合度较好, 表明后续经光谱仪采集的荧光数据直接输入神经网络即可输出预处理好的待测数据, 简化了实验操作步骤。 最后, 采用SWATLD对经小波变换和BP神经网络处理后的数据进行分解, 解析得到的0#柴油、 95#汽油和煤油的激发与发射光谱与真实光谱拟合度较高, 计算平均回收率分别为103.64%、 99.33%和97.85%, 经验证, 三维荧光光谱结合改进小波变换和BP神经网络的方法可以对荧光物质进行快速、 精确检测。

溶解性有机质（DOM）是土壤中活跃的有机成分， 其来源和组成可指示土壤腐殖化程度及与外部环境间的相关关系。 为科学地监测与评价湿地土壤环境质量， 采集黑龙江省碾子山雅鲁河国家湿地公园内不同植被条件下的表层（0~20 cm）土壤， 应用三维荧光光谱-平行因子分析法， 测定DOM荧光光谱， 并进一步分析土壤理化指标对DOM组成的影响。 结果表明: 5种植被类型（包括9种群系）条件下土壤DOM腐殖化指数在2.562~9.052之间， 落叶阔叶林和落叶阔叶灌丛土壤腐殖化程度高于草甸， 其次为沼泽， 水生植被最低; 荧光指数介于1.407~1.586， 土壤DOM来源兼具外生源和自生源特征， 落叶阔叶林和芦苇［Phragmites australis (Cav.) Trin. ex Steud.］沼泽表现为明显的外生源特征， 而水生植被及稗［Echinochloa crus-galli (L.) P. Beauv.］沼泽具有明显的自生源特征; 生物指数在0.482~0.662范围内， 新近自生源贡献率均较低。 土壤DOM中识别出3类5种有机组分， 类腐殖质（紫外类富里酸和可见类富里酸）相对比重最大， 外生源特征明显的土壤样品中含量多; 其次为类蛋白质（类酪氨酸和类色氨酸）， 自生源特征较强的土壤样品中含量多; 类腐殖酸（胡敏酸）最低， 多存在于旱生-中生环境中。 土壤含水量、 pH值、 总有机碳含量对DOM组成具有显著或极显著的影响， 3项理化指标与类蛋白质含量成正相关， 与类腐殖质含量成负相关， 含水量、 总有机碳含量与类腐殖酸含量成负相关。 总体上看， 在该湿地公园内， 落叶阔叶林、 落叶阔叶灌丛土壤偏弱酸性， 含水量、 总有机碳含量低， 腐殖化程度高， 外生源特征明显， 类腐殖质和类腐殖酸含量高， 其次为草甸及沼泽植被， 而水生植被条件下土壤近中性， 含水量、 总有机碳含量高， 腐殖化程度低， 自生源特征明显， 类蛋白质含量高。 本研究结果可为以该湿地公园为代表的北方寒区永久性河流湿地土壤环境质量监测与评价提供基础数据。

石油油品在一定的激发光照射下可产生相当强度的三维荧光光谱，是鉴别和分析石油污染物的重要依据。由于石油油品的荧光光谱特征复杂、数据庞大，不宜直接用数学模型描述，也不宜简单依靠人工观察分析。因此，根据深度学习的卷积神经网络（CNN）理论提出了一种直接利用石油油品原始荧光数据进行CNN建模的方法，利用其强大的非线性运算能力、自适应表示学习能力，自动隐性地从训练数据中进行特征学习，实现水环境中石油污染物种类识别。通过大量的荧光实验构建了石油油品（汽油、机油、柴油）的训练和验证光谱数据集，基于Python深度学习框架Keras建立了CNN模型，并对CNN模型在光谱数据集上进行了训练、验证与测试实验，实现了被测油品的种类判别。实验结果表明：该CNN模型对3种油品的训练集与验证集三维荧光光谱的分类准确率都达到了99.76%，综合测试分类准确率达到82.65%，对单物质分类准确率为100%，验证了三维荧光技术结合深度学习算法能够实现对石油油品准确可靠的判别分类，也为进一步研究基于深度学习的水环境污染物智能识别系统提供了技术支持，为环境检测提供了一种新思路与新方法。

为了研究长期施用堆肥对潮土剖面土壤水溶性有机物(DOM)的来源和组分特征的影响, 研究以河北省曲周实验站长期施用堆肥的试验田为研究对象, 利用三维荧光光谱技术研究了在长期施用高量生物堆肥(EMI)、 常量生物堆肥(EMII)、 高量传统堆肥(TCI)、 常量传统堆肥(TCII)和化肥(CF)下不同深度土壤水溶性有机物在来源和组成的差异。 研究结果表明, 不同施肥处理的土壤水溶性有机碳(DOC)含量在土壤剖面的分布规律有较大差异, 堆肥使0～20和60～80 cm土层的DOC分别显著提高了81.94%～171.33%和61.18%～152.18%。 荧光光谱指数表明, DOM来源为微生物和植物混合源, 堆肥施用量的增加使DOM腐殖化程度加强, 造成表层土壤中DOM由陆源向生物源迁移, 随着土壤深度的增加, DOM由陆源向生物源迁移。 三维荧光光谱和荧光区域积分表明, 生物堆肥和传统堆肥增加了类腐殖酸物质的含量, 且随着施用量的增加而增加; 高量生物堆肥和传统堆肥增加了类富里酸物质和类溶解性微生物代谢产物的含量; 施用化肥和堆肥均降低了类色氨酸的含量。 类腐殖酸含量、 类富里酸含量和类溶解性微生物代谢产物数量随着土壤深度的增加整体呈降低趋势; 类酪氨酸随着土壤深度的增加呈增加趋势; 类色氨酸随着土壤深度增加整体呈先增加后降低趋势, 且在20～40 cm含量最高。 相关性分析表明, 全磷(TP)、 全氮(TN)、 阳离子交换量(CEC)、 速效钾(AK)、 有机碳(SOC)和DOC等土壤理化指标与类酪氨酸物质呈显著负相关, 与类富里酸、 类溶解性微生物产物和类腐殖酸含量呈显著正相关, 硝态氮(NO-3-N)、 TN、 pH、 SOC与类色氨酸物质呈显著正相关。 总之, 长期施用堆肥增加了潮土表层DOM的含量, 显著改变了土壤中DOM的组成和剖面上的分布特征。