基于紫外光谱的水体硝酸盐氮浊度补偿研究

硝酸盐氮是水环境中监测中重要的污染指标之一,通过紫外吸收光谱可以快速无污染地对该污染物进行检测。针对紫外吸收光谱容易受到浊度干扰的这一情况,通过实验方法分析了福尔马肼浊度标准液对硝酸盐氮标准液的紫外吸收光谱的影响,基于此提出了补偿曲线法的浊度补偿方法对硝酸盐氮的紫外吸收光谱进行补偿校正,并通过实验对该方法进行了验证,验证结果良好。首先,在实验室通过紫外光谱采集测试系统采集了浓度为0.2～10 mg·L~(-1)的12组硝酸盐氮标准液、 5～50 NTU的10组福尔马肼浊度液、以及福尔马肼浊度液与硝酸盐氮的混合溶液的紫外吸收光谱。理论上,根据朗伯-比尔定律,混合溶液的吸光度应该等于不同溶质吸光度的叠加,但是通过实验分析,混合溶液在硝酸盐氮的主要吸收谱区的吸光度并不等于硝酸盐氮和浊度吸光度之和,这是因为浊度颗粒打破了硝酸盐氮分子的共面性,造成空间位阻,使共轭体系被破坏,导致硝酸盐氮吸光度降低。因此引入了在0～1之间的补偿系数k_N(λ)用来表征浊度对硝酸盐氮吸收谱的影响,当k_N(λ)越接近0时,表明浊度在此波长处对硝酸盐氮的吸光度影响越大。根据实验测量的光谱数据求出不同浊度在硝酸盐氮主要吸收谱区的补偿系数,即可得到不同浊度的补偿曲线。通过实验分析, 350～400 nm波段的硝酸盐氮吸光度基本为0,混合溶液吸光度只与浊度相关,且两者的吸光度基本相同,因此可以选择此波段的光谱积分来建立浊度回归模型,从而解算混合溶液的浊度值。相比于单个波长的建模回归,该光谱积分回归模型的稳定性好,不容易受到其他因素干扰。浊度解算模型的相关系数r的平方为0.998 5,解算效果较好,得到浊度值之后即可进行浊度补偿。通过实验对该补偿方法进行了验证,并与单波长的浊度补偿与未进行补偿时进行了对比。验证结果表明,补偿曲线法进行浊度补偿后,建立偏最小二乘(PLS)算法的硝酸盐氮预测模型,预测均方根误差(RMSEP)为0.124,预测值与真实值的平均绝对误差(MAE)为5.3%,补偿效果很好,其他两种都会发生很大偏差。相比之下,该文提出的浊度补偿方法效果明显优于其他两种,此方法可以为硝酸盐氮紫外吸收光谱的浊度补偿提供有效的技术参考。     

二阶导数光谱法快速测定硝酸盐氮和亚硝酸盐氮

紫外吸收方法中，硝酸盐氮(NO-₃-N)的紫外吸收峰在202.0 nm左右，而亚硝酸盐氮(NO-₂-N)的紫外吸收峰在210.0 nm左右，两者吸收峰位置距离很近，因此，在分析过程中两者的紫外吸收曲线严重重叠，相互之间严重干扰，不经过分离很难用单波长对二者的含量进行测定而常用的国标方法过程又过于繁琐，耗时较长。为了准确、快速、环保的实现环境水体和饮用水中的硝酸盐氮和亚硝酸盐氮快速监测，避免国标方法中对二者测定的诸多不足，结合紫外吸收和二阶导数光谱法，在不经过任何预先分离处理的情况下，建立了水体中这两种物质的快速分析方法，实现水样中二者的快速准确测定。研究采用优级纯试剂配制硝酸盐氮和亚硝酸盐氮系列标准溶液。以去离子水做参比，采用紫外-可见光分光光度计扫描其在195～250 nm范围内的紫外吸收光谱，之后采用Origin软件对所获得的光谱图做二阶导数处理，并采用Origin软件中的Savitzky-Golay方法对处理后的二阶导数光谱进行平滑处理以去除其他无关的干扰和噪声。通过观察上述所得两组二阶导数光谱图，得出以下结论，不同浓度的亚硝酸盐氮样品在223.5 nm处吸光度的二阶导数均为0，不同浓度的硝酸盐氮样品在216.5 nm处的吸光度的二阶导数也均为0。通过实验可见硝酸盐氮和亚硝酸盐氮混合样品的紫外吸收光谱的二阶导数在这两个特定波长处符合朗伯比尔定律。实验通过配制硝酸盐氮和亚硝酸盐氮混合样品，并扫描混合样品的紫外吸收光谱，采用上述方法对所得光谱做二阶导数及平滑去噪处理。研究混合样品二阶导数光谱图可以看出在硝酸盐氮浓度相同而亚硝酸盐氮浓度不同时，亚硝酸盐氮的浓度变化会对硝酸盐氮的吸光度的二阶导数有影响，但是各种混合样品的二阶导数光谱在223.5 nm处几乎交叉于一点，说明此处亚硝酸盐氮的浓度不同不会对硝酸盐氮的二阶导数吸光度有影响。且在223.5 nm处硝酸盐氮二阶导数吸光度随浓度增加而线性增加。因此，223.5 nm可作为混合组分中硝酸盐氮的测定波长。参照以上方法，可得亚硝酸盐氮的测定波长为216.5 nm。在223.5 nm处对单组分的硝酸盐氮的浓度值及其相应的吸光度的二阶导数进行线性回归，其线性关系良好，得到标准曲线的回归方程为C=438.69A+0.015，R2=0.995 9。同理，得到亚硝酸盐氮在216.5 nm处回归方程为C=-657.29A+0.068 8，R2=0.998。为了验证这种方法在实际水样测量中能否成立，取秦皇岛市新河、汤河以及戴河三种河水水样进行实验验证，结果表明，回收率在96.7%～103.0%之间，相对标准偏差在1.46～3.68之间。该方法结果较准确，且操作更加简便，成本较低，可同时实现硝酸盐氮和亚硝酸盐氮快速在线监测。     

聚丙烯酰胺溶液的光谱特性及其浓度光学检测

提出了光学检测聚丙烯酰胺溶液的方法,利用TU-1901/1900双光束紫外可见分光光度计、IRPrestige-21傅立叶变换红外光谱仪测量5~600 mg·L-1浓度范围内聚丙烯酰胺溶液的透射光谱,研究了其在波段190~900 nm和400~4 000 cm-1的光谱特性,进行了其浓度的反演分析。研究表明：聚丙烯酰胺溶液在200~300 nm和400~920 cm-1,2 986~3 684 cm-1范围存在较强吸收特性,其透光度在220 nm,2 623 cm-1处有一定的线性关系;在紫外波段基于2,3和4个透光度测量值反演其未知浓度的计算误差最大值分别为6.98%,2.34%和0.79%。     

基于Mie散射的水体紫外-可见光谱浊度干扰补偿

紫外-可见光谱法水质检测中,检测设备面对多样性的地表水体容易受到悬浮颗粒物引起的浊度干扰,导致谱线整体非线性抬升,测量精度显著下降。研究了一种基于Mie散射理论的紫外-可见水质光谱浊度干扰补偿算法,借以提高可溶有机物含量的检测精度。通过截取水样本紫外-可见光谱中主要由颗粒物散射引起的450~1100nm段光谱,采用基于Mie散射理论的光全散射颗粒物粒径分析法,重建了水样本所含颗粒物的粒径分布。利用粒径分布的二次反演,估计了220~450nm可溶有机污染特征光谱段中由颗粒物引起的消光值,实现了对浊度干扰的精确补偿。实验结果表明,该算法对不同地表水样本均表现出了良好的浊度补偿效果,化学需氧量解算精度得到较大提高。且补偿算法无需大量实验获取先验数据,可提高紫外-可见光谱法水体可溶有机物检测的准确性和检测部署的灵活性与适应性,具备实用价值。     

基于紫外光谱的水体硝酸盐浓度混合预测模型研究

水体中的硝酸盐浓度过高不仅会造成水环境污染而且会对人类身体健康造成很大威胁,传统的检测硝酸盐的方法检测时间长且操作复杂。针对水体中硝酸盐氮难以快速在线检测的问题,基于紫外吸收光谱,提出了一种混合预测模型结合光谱积分快速定量检测水体中硝酸盐浓度的方法。混合预测模型为低浓度样本建立的双波长法预测模型与高浓度样本建立的偏最小二乘支持向量机(LS-SVM)预测模型数据融合之后的模型。按照合适的浓度梯度配备了19组硝酸盐氮标准溶液,通过实验测得不同浓度硝酸盐氮样本的光谱数据。首先基于双波长法对所有样本进行回归分析,按照A=A₂₂₀-2A₂₇₅计算不同实验样本的吸光度A,其中A₂₂₀和A₂₇₅是220和275 nm处样本的吸光度,将吸光度A与样本浓度值进行线性回归,拟合出样本浓度的预测值。结果显示当样本浓度较小时,相关性很好,r为0.997 4,随着实验样本浓度的上升,曲线发生严重的非线性漂移,因此双波长法只适合低浓度样本预测模型的建立。对于高浓度样本,光谱重叠严重,适合建立非线性的预测模型,支持向量机(SVM)与LS-SVM都适合小样本的非线性数据建模,LS-SVM预测精度稍高,运算速度稍快。通过对所有的实验样本进行全波长光谱积分,比较相邻样本光谱积分的变化率可以筛选出样本的临界浓度值,4 mg·L-1的硝酸盐样本积分值前后变化率最大,因此选择4 mg·L-1作为临界浓度值较为合适。浓度高于4 mg·L-1的实验样本建立LS-SVM预测模型,通过交叉验证的方法选择出合适的参数,正则化参数γ=50,核函数选择高斯核,核函数宽度σ２=0.36,训练样本之后进行回归;其余样本建立双波长法预测模型,最后进行两种模型的数据融合,形成从低浓度到高浓度的水体中硝酸盐浓度的检测。为了验证混合预测模型的预测精度,另外建立了SVM,LS-SVM,偏最小二乘(PLS)等模型,并求出r,预测值与真实浓度值平均绝对误差(MAE)和均方根误差(RMSE)对模型进行评价。验证结果表明,相比于SVM,LS-SVM和PLS等模型,提出的混合模型回归的相关系数为0.999 86,分别提高了1.8%,1.6%和0.45%,预测值与真实浓度的平均绝对误差为2.55%,分别降低了6.27%,4.49%和1.01%,均方根误差为0.303,为四种预测模型中最小,SVM与LS-SVM的相对误差相对较高,PLS模型相对误差上下波动比较大,混合预测模型相对误差最为稳定,并保持在较低水平,由此可见混合预测模型的预测效果明显优于其他几种模型。并与文献[5-7]中的测量方法进行对比,该混合预测方法可以简单快速的测量水体中硝酸盐氮的浓度,且不需要试剂,无二次污染,与文献[9]中的预测模型相比,预测精度明显提高。因此提出的混合模型可正确快速地预测水体中硝酸盐氮的浓度,可为在线监测水体中硝酸盐浓度提供有效的技术参考。     

紫外光谱法检测COD中硝酸盐与温度影响的研究

以邻苯二甲酸氢钾配制的化学需氧量标准液为实验对象,采集1~800mg·L-1标准液的紫外吸收光谱,运用偏最小二乘法(PLS)建立了不同谱区的校正模型,结果表明,265~310nm谱区模型的相关性最高,误差最小;为了消除硝酸盐与温度对化学需氧量测量的影响,分别研究了不同浓度的硝酸钠与不同温度条件下标准液的紫外吸收光谱的变化情况,结果表明硝酸钠在208~238nm有明显的吸收,265~310nm谱区模型不受硝酸钠吸收的影响,温度的升高会导致标准液的紫外光谱吸光度的增大,通过预测分析建立了不同校正模型下的温度补偿函数。     

琅琊山景区不同指标浓度下水质光谱差异分析

高光谱技术已广泛运用于水质检测领域。探讨不同指标浓度下水质光谱变化规律及其光谱特征,能够为水质指标遥感光谱精准识别与定量提取提供理论基础。选取琅琊山景区不同水体景观共47个典型站位进行水质指标与光谱同步测量,提取每个检测点的7个水质指标及350~950 nm波段,探讨不同浓度水质指标光谱特征变化规律,分析水质指标与光谱反射率、反射率一阶微分、任意两波段反射率比值及差值之间的关系。结果表明： 各水质指标光谱曲线变化趋势一致,但各有差异,区分度最大的波段在可见光范围;不同盐度、溶解性总固体、电导率含量的水质光谱曲线变化较为接近,含量最高的样本光谱反射率最高,且变化最显著;浊度含量较高的水质样本光谱反射率变化较显著,700~950 nm波段不同浊度含量的水质样本光谱反射率区分不明显;溶解氧浓度为4~4.9 mg·L-1的水质光谱反射率在350~900 nm波段内明显低于其余样本;在350~380 nm波段范围,光谱反射率不随叶绿素含量变化而变化,叶绿素含量接近0的样本在400~950 nm波段低于其余样本;不同蓝绿藻藻蓝蛋白含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大,交叉点较多。此外,水质指标与原始光谱反射率相关性较低,光谱一阶微分、差值指数、比值指数与各水质指标相关性整体有所提升。该研究可为水质高光谱遥感检测提供一定的理论基础。     

紫外吸收光谱法研究硝酸盐溶液

分析硝酸盐溶液的紫外吸收光谱,对于人类健康、环境治理等问题具有重要意义。水中氮含量超过一定标准,会造成水体富营养化,引起水体污染,水质开始恶化,并伴有腥臭味,对人体健康非常不利。实验表明,硝酸盐溶液的紫外吸收光谱谱线在200—240nm内具有明显的吸收峰,浓度处于1—7mg/L之间,吸光度正比于溶液浓度。在200—240nm范围内确定了线性程度最好的波长点为220nm。经过一元线性回归建模,获得220nm处的回归直线关系式,它的相关系数为0.9974,回归系数的标准误差分别为0.022307和0.005152。整个结果为水中氮测定及其特性研究、光电检测提供了科学参考。     

异丙甲草胺农药残留吸收光谱检测方法研究

除草剂可以快速、有效地进行除草，已被广泛应用，但是在除草剂使用同时也会对周围环境和农作物带来一定程度的污染，例如农业生产过程中经常发现由于除草剂使用不当而使果树中毒的现象。异丙甲草胺是一种酰胺类选择性除草剂，被广泛应用于旱地作物、蔬菜和果园、苗圃。根据相关文献报道，基于气相色谱法、气相色谱-质谱联用法和固相萃取等方法可以实现异丙甲草胺残留检测，而基于吸收光谱法对异丙甲草胺的分析未见相关文献报道，提出直接利用吸收光谱及其导数光谱分析法实现异丙甲草胺农药及其在苹果汁中的农药残留检测。首先利用分光光度计对不同浓度异丙甲草胺药液进行吸收光谱实验研究，发现在266 nm处有明显吸收光谱特征峰。对农药吸收光谱进行拟合分析，得到异丙甲草胺药液浓度和吸光度之间预测模型函数方程，函数方程为y=2.147 09x+0.031 98，相关系数为0.998 5。然后利用分光光度计对苹果汁-异丙甲草胺混合溶液进行吸收光谱实验研究，相对于纯苹果汁吸收光谱，在混合溶液吸收光谱中发现266 nm处为异丙甲草胺所对应的特征峰。对苹果汁中药物浓度和吸光度进行建模，模型函数为：y=0.704 9+0.826 8x，其相关系数为0.991 1。可以看出，当苹果汁中异丙甲草胺残留量很低时，其农药吸收光谱特征峰并不明显。为进一步提高检测效果，对混合溶液吸收光谱进行一阶导数处理，得到其一阶导数吸收光谱。与苹果汁吸收导数光谱相比较，苹果汁-农药混合溶液导数光谱有两个明显特征光谱峰，分别位于269和276 nm处。进一步分析苹果汁-异丙甲草胺混合溶液的导数吸收光谱峰值与农药含量之间的关系，对异丙甲草胺含量与导数光谱吸光度进行函数拟合。其中269 nm对应预测模型函数关系式：y=0.005 3-0.090 6x，相关系数r=0.992 5；276 nm对应预测模型函数关系式为y=-0.000 769-0.302 8x，相关系数r=0.990 6。为验证由吸收光谱和其一阶导数光谱所得苹果汁中农药残留预测模型的准确性，另外配置五种浓度苹果汁-异丙甲草胺混合溶液。然后在同等条件下对其进行吸收光谱实验，将266，269和276 nm处的吸光度分别代入对应模型函数可求得浓度预测值，结合已知浓度值可计算其平均回收率，其中吸收光谱266 nm对应平均回收率为104.68%，导数光谱269 nm对应平均回收率为104.59%，276 nm对应平均回收率为105.18%。对苹果汁中异丙甲草胺检测模型进行分析，计算得到检出限(LOD)和定量限(LOQ)参数值，其中原始吸收光谱对应LOD和LOQ分别为0.014 8和0.049 2 mg·mL-1，一阶导数光谱对应LOD和LOQ最小值分别为0.001 5和0.004 9 mg·mL-1。研究结果表明，采用吸收光谱方法对苹果汁中异丙甲草胺进行直接检测与分析是快速和可行有效的，而且对吸收光谱进行导数运算处理后，检测效果更优。     

一种紫外-可见光谱法检测水质COD的浊度影响实验研究

消除浊度影响是直接光谱法检测水质COD的关键技术问题。此源于紫外-可见光谱法检测水质参数的关键依赖于化学计量法所建立的准确的水质参数分析模型,而浊度是影响其建模的一个重要参数。为此,选取福尔马肼浊度液和邻苯二甲酸氢钾标准溶液,开展了紫外-可见吸收光谱法检测水质COD的浊度影响实验研究,获得了选定溶液在245,300,360和560 nm几个特征波长点的吸光度随浊度变化的最小二乘法拟合曲线,分析了吸光度随浊度的变化规律。研究结果表明,在240～380 nm的紫外光谱段,由于引起浊度的颗粒物对有机物产生了吸附,致使浊度对水样的紫外光谱影响较为复杂;在380～780 nm的可见光谱区域,浊度对光谱的影响则是随着波长的增大而减弱。基于此,开展了多元散射校正法对受浊度影响的水样光谱进行校正试验。对某溪水水样的紫外-可见吸收光谱进行多元散射校正,通过处理前后光谱对比表明,浊度引起各个波长点的基线偏移都得到了有效的校正,而在紫外区域特征并未减弱。接着对选取的三种液体的紫外-可见吸收光谱进行多元散射校正,实验结果表明：该方法可在不影响水样紫外-可见吸收光谱特征的前提下对其吸收曲线进行有效的校正,这不仅提高了光谱法检测水质COD的信噪比,而且还为化学计量法建立准确、有效的水质检测COD分析模型进行数据预处理提供了一种新途径。     

荧光光谱法检测水质COD时温度、浊度、pH的影响分析

以COD标准液为研究对象,基于特定激发波长下的荧光发射光谱数据,采用化学计量学算法对水质COD进行了检测,分析了水的温度、浊度和pH的变化对发射光谱的影响,并对相关参数的影响进行了补偿校正。在此基础上建立了多参量共同作用时对水质COD预测模型的补偿校正方法。首先采用荧光光谱法对浓度范围为1～55 mg·L-1水质化学需氧量(COD)标准溶液进行三维荧光光谱的采集,去除散射峰以后采用基于蚁群算法优化的偏最小二乘法(ACO-iPLS)对不同激发波长(Ex=255～285 nm,间隔为5 nm)下的荧光发射光谱(Em=275～450nm)数据进行特征提取并采用基于粒子群优化的最小二乘支持向量机算法(PSO-LSSVM)进行预测模型的建立。结果表明,不同激发波长下的荧光发射光谱数据模型的检验集决定系数R2_p在0.961 8～0.998 1范围内,当采用波长为Ex=270 nm的激发光作用时所激发出的荧光发射光谱数据所建模型的效果最优,其检验集决定系数R2_p=0.998 1,预测均方根误差RMSEP=0.348 3 mg·L-1。其次,对温度、浊度、pH对荧光光谱法检测水质COD的影响进行了分析,并给出了相应的补偿模型。结果表明,温度和浊度在检测水质COD时对荧光光谱的影响不可忽略,但通过建立补偿模型可以对其影响进行有效的补偿校正,温度补偿后荧光数据模型的整体平均偏差Bias=0.130 6 mg·L-1,经浊度补偿后可以很好的校正浊度变化对荧光光谱法检测水质COD的影响,而pH范围在4～12.3内变化时对荧光光谱的影响相对较小,因此可忽略。最后,结合单一影响因素的分析结果,对荧光光谱法检测水质COD时水体的多种环境因素(温度、浊度、pH)共同作用的影响进行了分析。实验结果表明,忽略pH影响后,可以采用对温度和浊度同时补偿的方法对二者的影响进行有效的校正。该结果可为水质参数光学传感器在调试过程中抑制环境因素的影响提供参考。     

二阶导数光谱法定量分析凝灰岩石粉对不同侧链长度聚羧酸减水剂吸附性

凝灰岩石粉对聚羧酸减水剂（PCs）有一定的吸附性,使得“有效减水剂”比例降低,导致PCs性能大大降低。PCs抗吸附特性具有重要的设计参考意义,与PCs组成、结构密切相关。紫外可见分光光度法（UV）是用于吸附量检测的常用方法,但对PCs测试还存在较多的不确定性,给测试带来了困难。为此,采用紫外分光度技术及导数光谱处理的方法定量分析凝灰岩石粉对不同侧链长度聚羧酸减水剂的吸附量,并对试验参数进行了分析与优化。结果显示,PCs吸收光谱图中无明显紫外特征峰,增大浓度、降低溶液pH值时可在190~200 nm波长范围出现假峰,并通过乙酸分析试剂光谱试验得到证实;对光谱数据进行二阶导数处理后,可获得PCs特征峰207 nm,此特征峰对应的样品吸光度与其浓度间存在良好的线性关系,相关系数r均大于0.99;为了进一步论证紫外吸收光谱法的准确性,与TOC测定法进行比较,两者之间呈良好的线性关系,相关系数r为0.997,这表明UV二阶导数光谱法可为PCs吸附性分析提供一种简单、快速、准确、便宜且无需显色剂的定量测试方法;从样品测试分析可看出,凝灰岩石粉对聚羧酸减水剂的吸附随着PCs侧链长度减小而减弱。研究成果为紫外可见分光光度技术快速检测弱紫外吸收有机物含量提供了新的途径。     

多光谱数据融合和GANs算法的COD浓度预测

水体中过高浓度的有机污染物含量危害巨大,不仅会造成严重的环境污染,而且会危害人类身体健康。化学需氧量(COD)表征了水体中有机污染物的污染程度。提出了一种将紫外(UV)光谱和近红外(NIR)光谱进行多光谱数据级融合(LLDF)和特征级融合(MLDF),进而构建基于生成对抗式网络(GANs)算法的COD浓度定量预测模型。首先按照一定的浓度梯度配制COD标准液样本,分别采集标准液的UV光谱(190～310 nm)和NIR光谱(830～2 100 nm),对获取到的UV和NIR光谱数据进行一阶导数和Savitzky-Golay (S-G)平滑的预处理,消除基线漂移和干扰噪声;基于预处理过的光谱,直接进行数据级和特征级的数据融合,结合GANs算法搭建COD浓度预测模型。并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测偏差来对模型进行评价。结果表明,不论是特征级融合模型还是数据级融合模型都不够理想。分析原因可知,由于UV和NIR波段数据量不均衡,导致NIR波段掩盖掉了UV光谱的模型贡献度,让光谱融合失去意义。为了避免融合失败,拟采用归一化的方法处理多光谱数据,并讨论了标准归一化(SNV)、最大最小归一化(MMN)和矢量归一化(VN)对建模的影响。将经过归一化后的UV和NIR光谱数据再次进行融合,分别作为GANs模型的输入X,将真实测量COD值作为输出值Y,建立不同归一化方法处理后的COD浓度预测模型。建模结果显示,采用不同归一化方法对多光谱数据融合模型的影响较大,不论是数据级融合模型还是特征级融合模型的预测精度较未归一化之前有明显的提升,其中采用最大最小归一化的预测模型效果提升最为明显。与单一谱源的全波长UV波段的GANs预测模型、全波长NIR波段的GANs预测模型进行对比来验证多光谱数据融合GANs预测模型的精度,结果表明：基于UV和NIR光谱的特征级光谱融合模型的R2为0.994 7,RMSEP为0.976,比数据级融合的预测模型误差降低了52.9%,预测回收率为98.4%~103.1%,远好于其他几组,模型的泛化能力更强,预测精度也更高。与单一谱源的预测模型相比,多光谱数据融合能反应更多的水体样品的化学信息,更加全面揭示水体的污染物程度,从不同的层面上反应水体中污染物的差异,为在线监测水体中COD浓度提供一定的技术支持。     

一种基于紫外光谱法的海水硝酸盐在线监测系统

硝酸盐含量是水体质量指标之一,对于水质质量监测尤其重要。本文搭建了一种水体中硝酸盐在线原位监测系统,采用紫外吸收光谱法（190～240 nm）计算水样吸光度,并通过建立的偏最小二乘模型测定硝酸盐浓度,可用于海洋,河流,湖泊等多种水体。该自动在线监测系统不需要进行水样预处理,无二次污染,能够快速,可靠,灵敏地直接测定现场水样的硝酸盐含量。本系统使用光程为1cm的流通式样品池,并采用参考光路消除系统误差。将系统测量模型得到的不同水样的硝酸盐浓度值与实验配制浓度值相比较,结果表明二者的线性拟合曲线的相关系数r为0.999 98,具有良好的相关性。对采集的浓度数据进行系统误差分析,得到其平均相对误差为0.65%,说明系统精确度高,并且稳定性很好。还通过对烟台海岸进行的现场海水测试,其海水硝酸盐含量约为0.2 mg·L-1左右,以及在水样加标回收实验中,加标回收率皆在 95%～110%内,验证了系统的可靠性和实用性,可用于实际水体硝酸盐监测。     

稀土氨羧络合物的吸收光谱研究

本文系统地研究了EDTA,NTA,CyDTA,TTHA与镨,钕,钐,铕,锹,铒络合物的可见光吸收光谱及三阶导数光谱,并以Nd,Ho-TTHA体系测定了混合稀土氧化物中的Nd,Ho,首次以Sm-DTPA体系的三阶导数我谱成功地进行了纯氧化镧中杂质氧化钐的测定。