论文部分内容阅读
多环芳烃(polycyclic aromatic hydrocarbon,PAHs)是一类具有“三致”作用的持久性有机化学污染物,实现土壤PAHs现场快速检测,对于土壤污染分布调查、污染场地治理修复、污染事故应急处理等具有十分重要的现实意义。传统检测方法多为现场取样—实验室分析(如气相色谱-质谱法,高效液相色谱法),需要进行复杂预处理和有机溶剂消耗,操作繁琐,过程耗时,难以满足现场快速检测需求。荧光光谱技术具有快速、高灵敏、无试剂消耗等特点,可实现土壤PAHs的现场快速分析,但尚面临污染物荧光信号弱、光谱混叠严重、未知成分干扰影响大而引起的定量分析难问题。因此,针对土壤PAHs现场快速检测需求及荧光光谱技术所面临的问题,开展了基于荧光光谱数据的土壤PAHs定量分析方法研究,具有一定的理论意义和应用价值。论文取得主要研究成果如下:(1)设计了土壤PAHs激光诱导荧光光谱增强检测系统,研究了基于表面活性剂SDS的土壤PAHs样品预处理方法。所设计的检测系统对土壤蒽、芘和菲的检出限分别为19.6mg/kg、3.53mg/kg和15.9mg/kg,低于国外文献已有研究结果,能够满足我国当前土壤污染风险筛选和管制值对部分PAHs要求;表面活性剂SDS能显著增强土壤PAHs荧光发射强度和光谱稳定性,1%SDS添加下土壤蒽、芘和菲的检出限分别下降至16.5mg/kg、1.47mg/kg和10.4mg/kg,荧光强度与浓度相关系数达到0.99以上。(2)提出了基于加权非负最小二乘多元线性回归和基于SVR回归分析的土壤多组分PAHs激光诱导光谱定量分析方法,并进行了实验验证。结果表明,相比于单变量回归分析,加权非负最小二乘多元线性回归能够显著提升两组分PAHs预测结果的准确性,菲和蒽的平均相对误差分别由24.7%和23.5%下降至11.8%和11.7%,但在多组分PAHs中,菲和蒽的平均相对误差依然高达20.8%和23.1%;在SVR回归模型中,针对传统PSO和GWO寻优不足,基于非线性递减惯性权重和异步线性改变加速度因子改进了 PSO寻优方法,结合差分进化(DE)优化了 GWO寻优过程。改进后的参数寻优过程收敛速度更快,建立的SVR模型较线性回归分析预测结果更优。其中,GWO-DE-SVR模型蒽、芘、菲的平均相对误差均不超过6.9%。(3)研究了土壤PAHs激发-发射荧光光谱定量算法,提出了基于非平滑非负矩阵分解及U-PLS/RBL的土壤PAHs组分识别及定量分析方法。结果表明,通过构建非平滑稀疏增强的非负矩阵分解算法,实现了土壤多组分PAHs光谱数据解析,随机初始值下通过调节平滑因子θ,非平滑稀疏增强非负矩阵分解算法能够有效提取未知干扰存在下土壤PAHs单组分光谱,与标准参考光谱相似系数均大于0.90,适合未知干扰存在下土壤中PAHs组分识别;基于U-PLS/RBL算法对土壤多组分PAHs定量解析表明,激发-发射荧光光谱结合U-PLS/RBL算法具有二阶优势,能够有效实现土壤多组分PAHs含量预测,三种不同类型土壤PAHs平均预测误差均不超过13.3%,均方根误差低于53.4mg/kg;基于激发-发射荧光光谱构建的2D相关光谱能够进一步降低未知成分干扰,预测结果平均相对误差均不超过12.0%,均方根误差低于49.6mg/kg,结果优于激发-发射荧光光谱数据,更适合未知干扰存在下土壤PAHs定量分析。(4)分析了湿度、矿物质及有机质等不同理化参数下土壤PAHs荧光发射特性,研究了土壤湿度对PAHs定量影响校正方法,基于标准增量外推的土壤有机质定量影响抑制方法,并进行了实验验证。结果表明,土壤湿度和有机质对PAHs荧光发射强度影响较大;以湿度为外扰构建了土壤PAHs激光诱导荧光同步和异步2D相关光谱模型,并基于532nm反射光建立的土壤湿度定量影响校正方法,有效降低了不同湿度下土壤PAHs的测量误差。建立了基于标准增量外推法的土壤有机质定量影响抑制方法,在无法定标的情况下,可实现不同有机质含量土壤样品中PAHs的快速检测。