激光诱导荧光（LIF）技术是一种主动式的遥感光学探测技术。土壤是常见的天然多孔介质，与石油混合后油滴会进入其孔隙内部，其独特的结构可以使光线发生多次反射和吸收，这种现象导致LIF探测土壤石油污染物获得的荧光分布具有差异性。笔者根据土壤含油量的多少以及分布特点，将土壤石油污染物分为油泥与含油土壤，基于蒙特卡罗方法和多孔介质的隐函数表示法，分别建立油泥和含油土壤的荧光仿真模型，采用荧光转换效率（接收荧光功率与发射激光功率的比值）表征荧光强度，从不同出射方向分析发射出土壤的荧光分布情况。通过模拟不同油品污染的油泥和含油土壤在不同入射天顶角、孔隙率、孔隙密度下的荧光转换效率，分析不同油品、LIF系统参数和土壤因素对荧光分布的影响。仿真结果表明：对于同种石油污染的油泥和含油土壤，油泥因较高的含油量导致荧光信号强于含油土壤；当激光垂直入射时，LIF系统收集的荧光信号强度最高，入射角度增大会导致荧光信号强度逐渐减弱；土壤石油污染物的荧光强度会随着孔隙率的增大而增大，随着孔隙密度的增大而减小；在激光照射下，轻质原油污染的土壤由于吸收系数较低，产生的荧光信号要弱于重质石油污染的土壤。本研究为LIF探测陆地溢油污染提供了理论和技术支持。

研究新降雪中溶解性有机质（DOM）的光谱特征有利于探究其与大气污染物的响应关系。 采用紫外-可见吸收光谱（UV-Vis absorption spectroscopy）、 三维荧光光谱（three dimensional fluorescence spectroscopy）结合平行因子分析（PARAFAC）技术, 分析了哈尔滨市新降雪样品中DOM的光谱特征及其来源。 新降雪中有色溶解性有机质（CDOM）浓度与荧光溶解性有机质（FDOM）强度变化呈现相同趋势, 其中CDOM含量因DOM来源、 大气云团运移、 大气污染情况及发色团光漂白性质的不同而与其他环境介质中CDOM浓度存在差异; 而FDOM强度则因环境介质中盐分含量及DOM的降解动力学速率存在差异而小于土壤和海洋。 新降雪中DOM的吸收光谱呈现指数递减趋势, 与冬季大气颗粒物中水溶性有机物发色团的吸收光谱相似, 在200~220 nm处存在明显吸收峰（由于受到水分子和溶解氧影响）, 表明DOM存在较多的不饱和双键共轭结构。 E2/E3值（250和365 nm处的吸光度比值）结果表明, 新降雪中DOM具有结构简单、 分子量小和芳香性弱的特征, 类富里酸为其主要组成物质; 通过PARAFAC共解析出类腐殖质和类蛋白质两类荧光组分, 其对荧光强度的贡献分别为66.78%和33.22%。 荧光参数分析结果表明, 该研究新降雪中DOM同时受陆源输入和微生物活动的影响, 并且具有较强的自生源特征（BIX>1）和较弱的腐殖化特征（HIX<0.8）。 荧光组分与大气污染物的相关性分析表明, 哈尔滨市新降雪中的荧光组分具有相同来源, 化石燃料、 生物质燃烧、 交通及工业等排放的细颗粒物（PM2.5）为新降雪中DOM的重要来源, 并通过类腐殖质组分的最大荧光强度初步建立了PM2.5浓度值的预测方程。 新降雪中DOM光谱特征分析可为揭示其来源组成及深入探寻其载体行为机制提供参考价值, 亦可为大气环境污染快速诊断识别提供新的研究思路和技术保障。

本文通过浸没沉淀相转换法制备了具有整体式结构的氧化锌/氯氧化铋/氧化石墨烯/聚偏氟乙烯(ZnO/BiOCl/GO/PVDF)复合膜，以亚甲基蓝(MB)、罗丹明(RhB)和四环素(TC)为目标污染物验证了复合膜的光催化降解性能，通过XRD、SEM等测试方法对复合膜进行测试。结果表明，氯氧化铋(BiOCl)的薄片结构提供更多的活性位点，氧化石墨烯(GO)的褶皱状结构有利于ZnO的结合，有助于光催化效果的提升。同时ZnO与BiOCl形成p-n异质结，扩大复合材料的可见光响应范围，在可见光照射下，180 min时对RhB的去除率达95.5%，140 min时对TC的去除率达93.1%以上，能够基本去除污染物；循环使用5次后，复合膜对MB的降解率仍达97.8%。在“双碳”背景下，本文制备的具有整体式结构的ZnO/BiOCl/GO/PVDF复合膜可作为一种环保、稳定、经济的光催化剂，用于去除MB等水溶性污染物，该复合膜在整体式结构催化剂降解水溶性污染物废水中具有广阔的应用前景。

光催化技术在太阳能资源利用方面呈现出良好的应用前景,已受到世界各国的广泛关注。g-C3N4是一种二维结构的非金属聚合物型半导体材料,具有合成简单、成本低、化学性质稳定、无毒等特点,在环境修复和能量转化方面应用潜力较大。但g-C3N4存在对可见光吸收能力差、比表面积小和光生载流子复合速率高等缺点,限制了其实际应用。构筑异质结光催化剂是提高光催化效率的有效途径之一。基于Ag基材料的特点,前人对g-C3N4/Ag基二元复合光催化剂进行了大量研究, 并取得显著成果。本文总结了近年来AgX(X=Cl,Br,I)/g-C3N4、Ag3PO4/g-C3N4、Ag2CO3/g-C3N4、Ag3VO4/g-C3N4、Ag2CrO4/g-C3N4、Ag2O/g-C3N4和Ag2MoO4/g-C3N4复合光催化剂降解环境污染物的研究进展,并评述了g-C3N4/Ag基二元复合光催化剂目前面临的主要挑战,展望了其未来发展趋势。

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。

近年来，石墨相氮化碳(g-C3N4)以其合适的带隙宽度、丰富的活性位点和成本低廉等优点，成为新兴的可见光响应非金属光催化剂，被广泛应用于光催化降解有机污染物领域。然而，纯g-C3N4对可见光的吸收效率较低且光生电子和空穴复合速率快，导致其光催化活性处于较低水平。基于g-C3N4的非金属特性，通过非金属掺杂可以有效提高g-C3N4的光催化性能，引起了学者们的广泛关注。本文介绍了目前非金属掺杂g-C3N4复合材料常见的制备方法,着重归纳了不同类型的非金属掺杂g-C3N4光催化降解水中有机污染物的相关研究进展，探讨其作为光催化剂在可见光条件下降解有机污染物的相关机理。最后，提出目前g-C3N4基复合材料在光催化降解水中有机污染物中所面临的挑战，旨在为非金属掺杂g-C3N4耦合光催化在水中有机污染物降解方面提供参考。

高炉渣作为钢铁行业的一类大宗固废, 其高附加值利用一直是相关行业的研究重点, 对钢铁行业的绿色发展具有重要意义。以高炉渣为研究对象, 综述了近5年来其作为光催化材料用于污水处理领域的研究进展。介绍了高炉渣的基本情况, 包括其形成组成、作光催化材料的可行性、国内外综合利用现状和综合利用中存在的问题; 简要阐明光催化技术的发展现状, 内容涉及其作用机理、性能改善方式和发展趋势; 说明高炉渣作光催化材料净化废水的研究进展, 并就现有文献对其光催化效率影响因素和提高方式进行了讨论; 最后对高炉渣基光催化材料的处理方式和应用方式进行了归纳总结, 并对其持续性的资源化利用进行了展望。