空气质量监测的高灵敏差分吸收光谱学技术

差分吸收光谱学技术以其多组份、高灵敏、连续实时在线的测量方式正成为空气质量监测的理想工具,是空气质量污染指标常规在线监测技术的发展方向。介绍了差分吸收光谱学技术的原理、关键技术以及所研制的空气质量自动监测系统。重点介绍了该项技术在环境空气质量自动在线监测中的应用。     

气相色谱法测定环境空气中的微量乙酸

以填充多孔聚合物聚苯乙烯的吸附采样管吸附环境空气中的微量乙酸,样品经自动热脱附仪解吸,用强极性的色谱柱分离,氢火焰离子化检测器检测,方法最低检出浓度为0.10mg/m3,相对标准偏差在5%以下,加标回收率在86.2%—105.2%之间。方法操作简便、快速,适用于环境空气中微量乙酸的监测,实际测定结果满意。     

离子色谱法测定气态污染物中硫酸雾方法

硫酸雾在空气中存在的3种环境条件，分别为外排废气、工作场所、外环境空气。目前国标法只对外排废气中硫酸雾监测采用铬酸钡分光光度法作了规定，对工作场所、外环境空气中硫酸雾检测没有成熟分析方法。作为改进和完善，研究建立了不同环境条件下硫酸雾监测分析方法。     

基于北斗和ZigBee的环境质量监测系统设计

针对目前环境空气质量监测系统大多操作复杂、显示控制单一及不能远距离报警的弊端,设计了基于北斗和ZigBee的环境空气质量监测系统,该系统可以在远距离的情况下自动完成组网,实现对空气中的温度、湿度和烟雾空气指标的监测和预警功能;系统中的采集端主控模块完成对多种传感器采集的信息进行显示与参数的设置工作,采用数字式温湿度传感器和离子烟感实时采集空气中的监测对象,空气指标数据通过每个子模块中的ZigBee路由及终端节点组成的无线局域网进行数据的传输,所有信息汇总后由ZigBee协调节点模块经北斗卫星网络进行实时传输,从而实现对远程空气质量监控的目的;经实验证明该系统温度误差值小于2.5%,湿度误差值小于等于4%,具有传输稳定、使用领域广阔和覆盖面积大等优点,符合未来智能报警领域的发展趋势,具有一定的实用价值和可推广性。     

地表水亚硝酸盐氮浓度紫外可见光谱检测方法的基础研究

随着我国经济的高速发展,地表水污染问题日趋严重,实现地表水水质连续监测对于保障人类健康和保护环境至关重要。亚硝酸盐氮浓度是水质评估的一项重要指标,污染的水体对人畜及水产构成很大威胁。利用紫外可见吸收光谱检测有机污染物已经成为水质检测的重要方法。国内关于紫外可见光谱法检测亚硝酸盐氮的文献并不多,一般采用对水样进行化学前处理然后再利用紫外分光光度计预测浓度。这种方法不仅检测步骤繁琐,耗时耗力,对环境进一步造成污染,而且无法实现实时连续检测。无化学预处理的基于紫外可见吸收光谱法的亚硝酸盐氮浓度检测鲜有报道。采用紫外可见光谱法针对地表水水质的无人值守自动连续监测方法开展基础研究。配置了亚硝酸盐氮样本溶液,设计了为期三天的实验,每天分别测量所有样本的紫外可见光谱(记为D1组, D2组, D3组)。首先将前两天的样本分别进行偏最小二乘回归法(PLSR)建模,利用交互验证得到平均绝对相对误差(MAPE)分别为1.19%和1.85%,这说明PLSR模型具有优良的预测精度。其次,为了验证PLSR模型在不同条件下的适应性,取D1,D2的实验数据进行互相预测分析。两天互相预测的MAPE分别为3.36%和4.51%,低于5%,说明PLSR模型具有良好的鲁棒性。最后,将D1,D2的全部样本用于建立最终的PLSR实测模型, D3的样本作为测试集。测试集的MAPE为2.19%。结果表明,基于紫外可见光谱分析技术的PLSR算法对溶液中亚硝酸盐氮浓度的算法检测结果的MAPE均控制在5%以下,优于同类文献的测量精度。此外, PLSR模型建模过程简单,运算时间短;建好的模型结构简单更容易移植并固化到嵌入式系统中,为后期开发设计便携式装置带来便利。作为地表水亚硝酸盐氮浓度检测的基础研究,可为日后地表水水质的精准快速检测提供指导。     

基于ZigBee技术的水域污染远程智能监测系统设计

针对所监测水域范围较大实时监测能力不强,水质污染程度监测不准确等问题,提出构建基于基于ZigBee无线通信技术的智能水域污染程度监测系统,利用ZigBee无线通信技术与Internet网络将水质检测数据发送到远程水质监控中心进行汇总处理,监控中心的服务器可获取到所监控水域范围内所有水域的水质污染程度数据、污染发展趋势、主要污染物等信息。本文对水质检测传感器模块、ZigBee无线通信模块、单片机外围电路、模数转换电路等硬件进行了设计;系统软件设计了远程参数设置、驱动程序等内容。通过系统测试结果表明,该系统对于水质污染程度的检测准确率可达到98%以上,通信成功率达到100%,水质检测终端工作稳定可靠,通信速率满足实时监测要求,适用于各种水域环境的水质污染程度的监测需求。     

三维荧光光谱技术结合线性支持向量算法在水体有机污染监测中的应用

针对当前地表水体有机污染的原位快速监测需求,提出一种基于三维荧光光谱技术的水质指标预测模型和水质等级快速判断方法。以扬州市域内多种地表水体的水质监测数据作为模型训练样本,充分利用水体三维荧光光谱信息,结合线性支持向量回归算法（LIBLINEAR）,建立了与化学需氧量（COD_Cr）、高锰酸盐指数（COD_Mn）、氨氮（NH₃-N）、总磷（TP）、总氮（TN）和五日生化需氧量（BOD₅）6项有机污染相关水质指标的预测模型。研究结果表明,6项指标预测模型的训练集和测试集决定系数R2均大于0.73,预测值与国标及行业标准方法分析结果的相关系数r达到0.9以上。利用水质指标预测结果进一步判断有机污染指标相关水质等级,黑臭水体识别率达86%,对Ⅲ类~重度黑臭共6个水质等级的分类准确率为60%。结果说明该方法通过水体三维荧光光谱信息预测水质有机污染指标具有较好的准确性和精度,为广域时空尺度地表水的高效原位监测提供了一种新的解决方案。     

地表水总有机碳含量紫外-可见光谱检测方法

总有机碳是以碳含量评价水质有机污染的指标,可以反映水体受污染程度。目前地表水总有机碳检测多采用现场取样后实验室分析检测方法,该方法存在费时费力、操作复杂、二次化学污染等缺点。紫外-可见光谱法具有环保、操作简便、可实时在线原位检测等优点,在地表水总有机碳检测中具有很好的应用前景。针对总有机碳检测问题,采用了一种基于自适应增强学习的区间偏最小二乘回归方法,该方法将总有机碳吸收光谱波段分为若干子区间,初始化训练样本权重, 依次在各子区间建立偏最小二乘回归模型,根据子区间模型预测误差率计算该子区间预测结果的权重系数,并更新下一子区间训练样本权重,最后将各子区间模型预测结果线性加权得到总有机碳的检测结果。实验配制总有机碳标准溶液浓度25～150 mg·L-1共43个样品,第一时间段采集35个总有机碳标准样品光谱分为训练集和测试集,建立并验证总有机碳检测算法模型。为评价算法模型鲁棒性,在另一时间段采集剩余的8个标准样品光谱进行反测验证。实验结果表明,采用基于自适应增强学习的区间偏最小二乘回归法建立的总有机碳定量模型具有较高的精度和鲁棒性,分组验证和反测验证的预测均方根误差分别为1.304和1.533 mg·L-1,均优于偏最小二乘回归和极限学习机方法。为进一步验证该方法的有效性,使用该建模方法预测生活污水的总有机碳含量。实际地表水样本取样于河北石家庄藁城污水处理厂排污口污水及河北先河公司园区的生活污水,经稀释后共获得50组地表水样本,采用SPXY方法分为训练集33组水样,测试集17组水样。在实际水样检测中,采用净信号分析方法进行光谱预处理,降低总有机碳与其他水质参数间的交叉干扰;分组验证预测均方根误差为3.26 mg·L-1,平均绝对值百分比误差为3.46%。综上所述,基于自适应增强学习的区间偏最小二乘回归方法,可以快速准确地对地表水中总有机碳进行检测,为在线水质总有机碳检测提供了方法支撑。     

SOF-FTIR在化工厂区氨气排放通量测量中的应用

介绍了一种化工厂区污染气体排放通量实时监测的新方法,即太阳掩星法傅里叶变换红外光谱技术(SOF-FTIR),提出了复杂条件下的背景谱、测量谱和污染区域周边大气透过率谱获取模型。通过对欲监测的污染源区域周边做闭合环路连续测量以获得测量光谱,最终应用非线性最小二乘拟合算法对污染源区域污染气体的柱浓度信息进行反演,并结合实验时气象参数以及GPS信息得到该区域污染气体的排放通量。运用此方法实际遥测了某化工厂区氨气的排放情况,并对氨气气体浓度分布及排放通量进行了定量分析。相对于传统的FTIR监测方法,该方法操作简单、机动性强,在污染气体区域监测以及其他污染源污染排放应急监测等应用领域具有良好的应用前景。     

基于可调谐激光吸收光谱的大气甲烷监测仪

可调谐二极管激光吸收光谱(TDLAS)技术利用二极管激光器波长调谐特性,获得被测气体的特征吸收光谱范围内的吸收光谱,从而对污染气体进行定性或者定量分析,这种方法不仅精度较高,选择性强而且响应速度快,已经被用于大气痕量气体监测以及工业控制。在对空气中的痕量气体进行检测中,由于气体浓度较低,需要和长吸收光程技术相结合。将可调谐二极管激光吸收光谱与经过108次反射后达到27 m光程的多次反射池相结合研制了用于地面环境空气中甲烷含量监测的便携式吸收光谱仪,并结合了用于微弱信号检测的二次谐波检测技术,从而达到了体积分数低于1×10-7的检测限,并利用不同体积分数的甲烷气体对系统进行了测试,得到了很好的测试结果。