基于二维相关荧光谱定量分析水中的PAHs

针对水环境中多环芳烃(PAHs)污染现状,提出并建立一种基于二维相关荧光谱水体中PAHs的检测方法。以菲和荧蒽为研究对象,配置36个蒽荧蒽混合水溶液样品(蒽和荧蒽的浓度范围均为1×10-4~1×10~(-6) g·L~(-1)),采集了所有样品的三维荧光光谱。以激发波长为外扰,构建同步二维相关荧光谱。在此基础上建立了定量分析水溶液中蒽和荧蒽浓度的多维偏最小二乘(N-PLS)模型,对蒽和荧蒽的预测均方根误差(RMSEP)分别为5.48×10~(-6) g·L~(-1)和6.25×10~(-6) g·L~(-1)。为了比较,基于常用的三维荧光谱建立了NPLS模型,对蒽和荧蒽的RMSEP分别为5.92×10~(-6) g·L~(-1)和7.33×10~(-6) g·L~(-1)。研究结果表明:基于二维相关荧光谱检测环境中PAHs污染物是可行。     

基于3D荧光光谱分析和多维偏最小二乘的PAHs浓度优化检测

多环芳烃(PAHs)具有强致癌性,威胁人类身体健康。在复杂水质检测环境中,利用荧光光谱检测PAHs浓度时,由于测量光谱中存在瑞利散射影响,使得PAHs光谱信号包含明显的非平稳噪声,常用的多次采样求均值法容易使PAHs光谱存在明显的测量误差,导致PAHs检测精度下降。为此,提出了一种基于3D荧光光谱分析和多维偏最小二乘(N-PLS)的PAHs浓度优化检测方法,首先分析了菲、芴、苊与荧蒽4种PAHs溶液的光谱特性,通过拟合散射带数据点值消除光谱中的瑞利散射噪声,同时尽可能地保留原光谱信息。提取4种PAHs光谱的均值、方差和一维边际分布等特征参数,利用聚类分析方法对其光谱数据做样本分类,将相似光谱数据样本进行合并;然后根据校正集的光谱信号与不同PAHs浓度之间的关系,建立N-PLS模型,对各类PAHs的浓度进行预测分析,并且验证PAHs浓度与光谱数据荧光强度的关系;最后利用双线性分解对浓度残差进行修正,对含有各类PAHs的水溶液与实际水样进行浓度残差验证,分析了不同参数下PAHs的预测误差。实验结果表明,溶剂菲有2个明显的荧光峰值,激发与发射波长分别为285/245和315/345 nm;芴与荧蒽均存在6个明显的荧光特征峰值,分别为265/255,325/345,335/325,365/355,385/395和405/415 nm,且与其他PAHs的荧光峰值相距较远; 溶液苊在发射波长300~485 nm的范围内存在连续波峰,且对应激发波长在255~360 nm范围内;N-PLS方法对不同水质环境下的PAHs预测误差较小,其中菲与芴均方根误差均小于0.4 μg·L-1,相对误差小于6%,苊与荧蒽均方根误差均小于1.0 μg·L-1,相对误差均小于9%。对4种不同的PAHs在河流中的扩散趋势进行了仿真分析,确定出了其扩散程度,其中芴与菲扩散速率约为51 mg·L-1,苊与荧蒽扩散速率为21 mg·L-1,且扩散速率在一定范围内呈线性增长趋势,PAHs与其浓度之间符合朗伯比尔定律的线性关系; 通过不同迭代次数下N-PLS方法的均方根误差分析,得到了均方根误差精度最高时的迭代次数;对比了不同主因子数时N-PLS方法对PAHs预测的适应度与相关系数,结果表明当主因子数为3时,适应度可达96.5%,此时N-PLS预测模型效果最佳。相比其他检测方法,本文方法检测精度较高,回收率较好,具有较强的鲁棒性。     

三种多环芳烃混合溶液二维荧光相关谱解析

多环芳烃为优先控制污染物,但是由于其含量很低,多组分多环芳烃荧光峰相互重叠,所以常规荧光光谱法无法对其荧光峰进行有效解析。采用二维荧光相关分析方法对三种多环芳烃,蒽、菲和芘的混合溶液进行荧光峰解析。根据研究目标,按照三种多环芳烃浓度比的不同配制了三种混合物体系,共27个样本,每种体系的三种溶液浓度彼此间按规律递增和递减。在此基础上,以浓度为外扰,构建了各体系的同步和异步二维荧光相关谱。同步谱中,在425,402,381,373,365,393及347 nm处产生自相关峰。以未被覆盖的菲在347 nm处荧光峰为线索,通过其与各波长处荧光交叉峰的正负,判断出了402,381,425和452 nm处荧光峰源于混合溶液中的蒽; 373与393 nm处荧光峰源于混合溶液中的芘; 365,356及347 nm处荧光峰源于混合溶液中的菲。通过异步谱解析出菲的385 nm处荧光峰,证明了异步谱比同步谱具有更好的光谱分辨率。研究结果表明,采用二维荧光相关方法对光谱严重重叠的多组分多环芳烃的解析是可行的,并具有一定的优势,可推广到对环境中其他污染物质的检测。     

蒽芘混合溶液二维荧光相关谱解析

采用二维荧光相关光谱技术有效地对严重重叠的蒽、芘混合溶液的荧光峰进行解析。为了实现上述研究目标,设计并配置了9个蒽、芘混合溶液。采集了蒽、芘单组份以及两种物质混合溶液的常规一维荧光谱,研究了其荧光特性,并进行对比、分析。在此基础上,以混合溶液中蒽和芘的浓度为外扰,构建二维荧光相关同步谱和异步谱。结果表明:在同步谱上出现6个较强的自相关峰,位置分别在373nm、379nm、391nm、401nm、413nm和425nm处;依据未被覆盖的蒽在425nm的处荧光与各波长处荧光交叉峰的正负,指出379nm、401nm和452nm处的荧光峰来自蒽,而373nm、391nm和413nm处的荧光峰来自芘。同时,又根据相关异步谱交叉峰的有无,进一步确认和验证了混合溶液中各荧光峰的来源。该方法为解析农业环境中多种污染物的光谱特征提供理论和实验基础。     

蒽芘混合溶液二维相关荧光谱定量分析研究

为了实现对水中多环芳烃的快速、准确检测,基于同步二维相关荧光谱中自相关峰强度与水中多环芳烃浓度之间的关系实现其定量分析。配置蒽芘混合水溶液19个(芘浓度范围为1×10-6~1×10-4 g·L-1)。采集了所有样品在320nm波长激发下的荧光谱。在研究单组分蒽、芘水溶液一维荧光特性和蒽芘混合水溶液二维相关荧光谱特性的基础上,建立了同步二维相关荧光谱主对角线394nm处自相关峰强度与水溶液中芘浓度之间的数学关系:F=3 003.56-2843.86c+1 436.92 C2,其复相关系数为0.999。该研究为快速检测水中多环芳烃污染物提供了一种技术手段,同时该方法也可推广到环境中其他污染物的检测中。     

同分异构体菲与蒽三维荧光特征的比较

近年来三维荧光光谱法越来越多地用于研究环境领域污染物的迁移转化,但荧光光谱特征与物质分子结构的关系不清晰始终制约着应用。研究了典型的芳香族污染物同分异构体菲和蒽的荧光光谱特点。结果表明,菲和蒽有共同荧光峰λ_ex/λ_em=225/340 nm,且菲275/360 nm的荧光峰与蒽285/360 nm峰位置也接近,然而两者荧光光谱仍存在明显差异。菲有3个清晰的荧光峰,在275/340 nm附近还有一峰,225/340 nm处的荧光最强。蒽的荧光光谱较复杂,250/380,250/400和250/425 nm附近荧光峰的强度较强。浓度为0.058 1 mg·L-1时,共同荧光峰225/340 nm处蒽的荧光强度大约为菲的1.63倍。利用密度泛函理论的计算结果表明,蒽和菲的前线分子轨道能级差ΔE分别为3.621和4.779 eV。由于ΔE小和电子云的对称性好,蒽可在波长更长的激发光下发光且荧光强度更强。密度泛函理论可以用来判断有机物的发光能力。     

三维荧光光谱结合小波压缩与交替惩罚四线性分解算法测定多环芳烃

基于三维荧光光谱结合交替惩罚四线性分解(APQLD)对痕量多环芳烃(PAHs)进行检测,实验以苊(ANA)和萘(NAP)为研究对象。首先利用小波变换对得到的三维荧光光谱数据进行压缩,以消除数据的冗余信息。分别在乙醇溶剂、甲醇溶剂以及超纯水条件下测定不同浓度的PAHs的激发-发射荧光光谱,并将其组合构建四维数据,利用APQLD对构建的四维光谱数据进行分析,并对比了PAHs在三种溶剂条件下各自的回收率。实验结果表明,用不同溶剂构建的四维数据能更准确地测定PAHs的浓度,其回收率更高;对比二阶校正以及其他四维校正算法,APQLD更能体现四维算法所具有的优越性;当因子数N=3时,ANA的回收率为96.5%~103.3%,预测均方根误差为0.04 μg·L-1;NAP的回收率为93.3%~110.0%,预测均方根误差为0.08 μg·L-1。     

三维荧光光谱结合自加权交替三线性分解算法检测农药类混合物

三维荧光光谱技术与自加权交替三线性分解(SWATLD)算法相结合,对三类农药混合溶液进行检测。在乙腈溶剂中配制西维因、速灭威和三唑磷不同浓度比的混合溶液为测量样品(西维因、速灭威及三唑磷的最佳激发波长/发射波长分别为285/325,305/345和265/305 nm),利用荧光光谱仪获取样品的三维荧光光谱,经过空白扣除以及激发与发射校正,有效地去除仪器误差以及散射产生的影响,得到样品的真实光谱。采用基于自加权交替三线性分解算法对测得的光谱数据进行分析,得到的三种农药的平均回收率为96.9%±1.9%,99.8%±1.0%和100.8%±3.2%。根据SWATLD算法预测结果,计算三类农药的预测均方根误差(RMSEP)值为0.616×10-2,0.539×10-2和0.374×10-2 μg·mL-1,低于平行因子(PARAFAC)分析法预测结果的RMSEP值,且最低检测限均在0.005~0.022 μg·mL-1范围内。和PARAFAC算法相比较,突出了SWATLD算法的优势,表明该算法对光谱重叠严重的三类农药混合物有较好的分解能力。     

标准芳烃及其混合溶液的同步荧光光谱分析

为了提供区分标准芳烃的实验依据,并为环境中芳烃污染检测提供参考.对10个标准芳烃样品(萘、芴、蒽、菲、荧蒽、苊、芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲)及其混合溶液(蒽、萘、芴混合溶液,苊、荧蒽、菲混合溶液和芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲混合溶液)的同步荧光特性进行了分析,获得10种标准芳烃标志峰最好时对应的Δλ值及其标志峰位.在此基础上,通过同步荧光光谱分析区分了三种标准芳烃混合溶液的组分,实验发现对蒽、萘、芴混合溶液,Δλ=3 nm时最易区分三种组分|对苊、荧蒽、菲混合溶液,Δλ=3 nm或Δλ=10 nm均可区分三种组分,相对而言,Δλ=10 nm更简便些|对芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲混合溶液,Δλ=5 nm时是最好的,但也仅能区分芘、1,2-苯并[A]蒽、苯并[k]荧蒽三种组分,苯并菲不确定.     

菲的三维荧光光谱特性研究

多环芳烃(简称PAHs)具有高荧光量子产率,利用三维荧光光谱研究了PAHs中菲的荧光光谱特性.菲具有两个荧光峰.通过对菲的三维荧光光谱的分析,选择在激发波长255 nm、发射波长370 nm对菲进行定量分析.菲溶液在5.0～250.0 ng·mL-1的范围内工作曲线呈线性关系,检出限为3.88 ng·mL-1,相对标准偏差为4.23%(n=5),实验还尝试了对自来水样品的测定,测试效果良好,回收率为90.0%～105.4%.该研究为快速检测水源水中痕量PAHs提供了方法基础.     

土壤湿度对多环芳烃荧光特性的影响

荧光光谱技术已被用于检测土壤中多环芳烃。但土壤湿度对多环芳烃的荧光强度产生很强的干扰,这对于荧光光谱技术的土壤多环芳烃快速实时检测技术的发展无疑是一种挑战。为了研究土壤湿度对多环芳烃荧光特性的影响,分别配置了八个不同湿度(含水量5%～40%,间隔5%)的菲土壤样品。采用美国PE公司的LS-55荧光分光光度计对不同湿度含量的菲土壤样品进行了检测,得到不同湿度含量下的一维动态荧光谱,以土壤湿度为外扰,研究了其二维相关荧光光谱特性,发现菲土在386,408和432 nm处荧光强度随着土壤中湿度的增大而增强,而333 nm处瑞利散射光强度却在减小,提出通过建立菲荧光强度、瑞利散射光强度与土壤湿度之间的关系,有可能实现土壤湿度对菲荧光强度影响的校正。同时,也研究了土壤湿度对定量分析菲浓度标准曲线的影响,指出土壤湿度极大影响着精准定量分析菲浓度标准曲线的建立。     

基于三维荧光光谱和PSO-SVM对胭脂红含量的测定

胭脂红是一种应用广泛的食品色素，在各种食品、饮料的添加剂里都有它的身影，过量食用人工合成色素会严重危害健康。食物中色素一般都是多种联用，各种色素之间会相互产生干扰，这加大了对食品中色素检测的难度，模拟食品中多种色素共存的环境，采用荧光光谱技术，结合PSO-SVM算法，建立一种测定混合溶液中胭脂红含量的方法。从试剂公司购买胭脂红和苋菜红固体粉末，选择胭脂红为待检测色素，苋菜红为干扰色素，配成不同浓度的胭脂红单色溶液以及加入苋菜红后的混合溶液样本，其中胭脂红的浓度在0.1~30 μg·mL-1之间，干扰色素苋菜红的浓度在0.1~10 μg·mL-1之间随意添加。运用Edinburgh Instruments 公司生产的FS920稳态荧光光谱仪, 测得胭脂红单色溶液与加入苋菜红后混合溶液的荧光光谱图，分析得到胭脂红的最佳激发波长为λ_ex＝326 nm，最佳发射波长为λ_em＝430 nm。各选取6组不同浓度的单色样本以及混合色素样本，其中，胭脂红的物质浓度同为3，4，5，6，7和8 μg·mL-1，苋菜红的物质浓度都定在2 μg·mL-1。观察6组样本在激发波长λ_ex=326 nm时的发射光谱和荧光强度的关系。单色样本中，胭脂红浓度与荧光强度线性关系良好；而在混合溶液中，随着胭脂红浓度的增加，荧光强度呈现出先降后增再降的过程，光谱线型、强度与各组分浓度间存在复杂的非线性关系，得以证明混合溶液的荧光光谱并不是由各组分光谱简单的叠加，而是在吸收光谱的过程中，胭脂红溶液与苋菜红溶液存在竞争和相互影响。配取25组胭脂红、苋菜红混合溶液，从中选择7个作为预测样本，其余18组作为训练样本。7 个预测样本中胭脂红的浓度分别为 1.0，2.0，4.0，6.0，9.0，12和15 μg·mL-1，干扰物质苋菜红的物质浓度在0.1~10 μg·mL-1之间。选择各组样本在最佳激发波长λ_ex＝326 nm 下对应的荧光强度，作为检测模型的输入，以胭脂红的预测浓度作为输出。对PSO参数初始化设置后，训练输出SVM的最佳参数c和g，将所得的最佳参数输入PSO-SVM模型, 得到7组预测样本的浓度预测结果分别为：1.146 9，1.860 6，3.854 4，6.146 9，9.133 8，11.857 6和14.859 8 μg·mL-1。分析PSO-SVM的预测结果，得到胭脂红平均回收率为100.84%，预测均方根误差(RMSEP)为1.03×10-4，模型输出与真实值之间的相关系数是0.999。在同等条件下，采用误差逆向传播算法(BP)预测得到的7组样本浓度分别为：1.140 1，2.139 8，3.188 2，6.436 2，8.882 7，11.860 1和12.664 3 μg·mL-1，其平均回收率为98.56%，均方根误差为4.65×10-3，输出值与真实值之间的相关系数为0.972。与误差逆向传播算法(BP)的预测结果相比较，PSO-SVM 相关系数高出2.7%，平均回收率高出0.6%，均方根误差降低了将近一个数量级。分析结果表明，通过荧光光谱技术与PSO-SVM相结合的方法，能够有效的避开干扰色素的影响，准确的测定混合溶液中胭脂红的含量，并且效果相比较于BP更加理想。     

优化光谱指数的露天煤矿区土壤重金属含量估算

光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。可见光和近红外反射光谱（Vis-NIR）为研究土壤重金属污染提供了一个有用的工具。于新疆准东露天煤矿区采集51个0～10 cm深度的土壤样品，在实验室中分别测定样品的有机质（SOM）含量、重金属砷（As）含量与高光谱；使用基于JAVA语言自主开发的两波段组合软件V1.0（No: 2018R11S177501）计算不同高光谱数据变换形式（原始反射率（R），倒数（1/R），对数（lgR）和平方根（）下Vis-NIR区域（400~2 400 nm）所有两波段组合得到的优化光谱指数（NPDI）与As的相关性，在最优光谱指数（|r|≥0.73和p=0.001）中通过变量重要性准则（VIP）进一步筛选VIP≥1的指数作为模型自变量，基于地理加权回归（GWR）模型估算As含量并使用四个交叉验证度量标准：相对分析误差（RPD），决定系数（R2），均方根误差（RMSE）和最小信息准则（ACI）评价模型精度，从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。结果表明：(1）研究区As含量离散度较高，所有样品中SOM含量均小于2％，且As含量与SOM含量在0.01的显著性水平上无显著相关性（|r|=0.113）。（2）As含量与单波段光谱反射率的相关性很低（|r|≤0.228），而通过R，1/R，lgR，计算的NPDIs与As含量的相关性在近红外（NIR，780~1 100 nm）和短波红外（SWIR，1 100~1 935 nm）光谱中发现最高的相关系数和最低的p值（|r|≥0.73和p=0.001），在长波近红外（LW-NIR）区域基于R形成的NPDIs与As含量相关性最高（|r|=0.74）。（3）VIP方法分别筛选NPDI_{R（1 417/1 246）}，NPDI_{1/R（799/953，825/947）}、NPDI_{sqrt-R（1 023/1 257，1 008/1 249，1 021/1 250，1 020/1 247）}和NPDI_{lgR（801/953，811/953，817/951，825/947，828/945）}为GWR模型自变量。(4）从4个预测模型的表现可以看出，Model-a（R）与其他三个模型（Model-b（1/R），Model-c（）和Model-d（lgR））相比，它具有最高的验证系数（R2=0.831，RMSE=4.912 μg·g-1，RPD=2.321）和最低的最小信息准则值（AIC=179.96）。优化光谱指数NPDI_{R(1 417/1 246)}有助于快速准确地估算As含量，为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考，促进露天煤矿区环境污染快速有效调查和生态可持续发展。     

荧光法研究琥珀酸曲格列汀与牛血清白蛋白的相互作用及分析应用

琥珀酸曲格列汀(QGLT)是一种新型降糖药,基于其能够猝灭牛血清白蛋白(BSA)的荧光,用荧光法研究了两者的相互作用。对影响荧光猝灭的因素如溶液酸度、介质性质等进行了优化。猝灭机理探讨发现QGLT主要通过静态猝灭降低BSA的荧光,并推导出两者的结合位点数为n=1,结合常数分别为4.529×104 L·mol-1(298k)和2.958×104 L·mol-1(303 k)。热力学参数测定结果显示吉布斯自由能变、焓变和熵变均为负值,表明QGLT和BSA的结合主要是通过氢键与范德华力自发结合的。研究中发现Lineweaver-Burk方程具有良好的线性关系,线性方程为：(F₀-F)-1=2.711×10-4+3.51×10-3 c_QGLT-1(c_QGLT：μg·mL-1),r=0.998 9,检出限为0.13 μg·mL-1(S/N=3),线性范围为0.5～10.0 μg·mL-1。回收率实验结果表明方法的准确性较好(回收率为94.0%～97.5%)。用该方程测定了药片和人血清中QGLT含量,结果令人满意。本研究拓展了QGLT含量测定的新方法。     

不同环数芳香烃激光诱导荧光光谱研究

为了更好地区分测量小分子芳香烃,利用一台Nd∶YAG激光器提供能量为0.085 J·cm-2、波长为266 nm的入射光。针对苯、甲苯、萘、菲、蒽、芘和屈不同环数的芳香烃,使用激光诱导荧光法研究了单一芳香烃及不同芳香烃混合物的荧光光谱。结果表明,芳香烃的苯环数是荧光发射光谱的主要决定因素;相同苯环数不同结构的芳香烃对荧光光谱范围基本没有影响;由于266 nm波长的吸收效率差异,导致相同环数的芳香烃的荧光光强存在差异;而且吸收效率相近且浓度相同时,环数越大,荧光光强越强。随着芳香烃环数的增加,荧光光谱波段和峰值都出现从紫外波段向可见光波段红移的现象,同时吸收效率相近时,荧光光谱范围变宽;一环至四环芳香烃的较好的荧光光谱区分范围分别为275~320,320~375,375~425和425~556 nm。针对不同芳香烃混合物研究表明,由于辐射能量传递机制导致混合物中有3环或4环芳香烃存在时,紫外波段的光被损失,所以1环或2环芳香烃混入混合物后,混合物中的1环或2环荧光光谱不能被检测到,但荧光光谱强度增大;当混合物中只包含3环和4环芳香烃时,荧光发射光谱具有两种芳香烃的特点;当混合物中存在3环和4环芳香烃时,荧光发射光谱和各自的浓度相关,从而可以一定程度区分不同环数物质。