基于激光诱导击穿光谱技术的土壤快速分类方法研究

为实现不同种类土壤的快速分类鉴别,实验研究了基于激光诱导击穿光谱技术的土壤快速分类方法。由于不同类型的土壤在元素组成上会存在较大差异,所以利用激光诱导击穿光谱技术进行土壤分类具有可行性。不同土壤在相同实验条件下产生的等离子体温度会存在较大差异,可以作为分类的重要依据,所选择的7类土壤中,赤红壤的等离子体温度最高。选取土壤中6种常量元素Si,Fe,Al,Mg,Ca和Ti的光谱强度作为分类指标,利用主成分分析(principal component analysis,PCA)对7种土类的25个样品进行了分类,其中砖红壤和赤红壤分类出现了交叠,而不同高山草甸土样品之间元素差异较大,并没有实现较好的聚类。利用反向传播神经网络(back-propagation artificial neural network)结合土壤的LIBS光谱对土壤进行了分类,分类结果与PCA结果相近,赤红壤与砖红壤出现了识别错误。当用PCA分析获得三个主成分值作为BP神经网络的输入量时,获得了较好的分类结果,因为简化了输入量,降低了BP神经网络的误差,此时只有一个高山草甸土被识别成褐土,而高山草甸土的等离子体温度显著低于褐土,所以结合不同土壤类型的等离子体温度差异,能够实现不同土壤的分类识别。实验证明激光诱导击穿光谱技术可以应用于土壤分类,为土壤普查和合理利用提高了一种新的技术。     

单脉冲和再加热正交双脉冲激光诱导击穿光谱对比研究

为了提高激光诱导击穿光谱技术(LIBS)的检测灵敏度和辐射光谱特性,采用再加热正交双脉冲结构对样品中的4种元素Fe,Pb,Ca和Mg以及含有不同浓度重金属元素Cr的土壤样品进行分析。研究了4条特征谱线FeⅠ：404.581 nm,PbⅠ：405.78 nm,CaⅠ：422.67 nm和MgⅠ：518.361 nm的光谱强度和信背比随两激光脉冲之间时间间隔的变化关系,获得了两激光脉冲之间最佳的时间间隔为1.0 μs。在单脉冲和双脉冲条件下,得到了4条特征谱线FeⅠ：404.581 nm,PbⅠ：405.78 nm,CaⅠ：422.67 nm和MgⅠ：518.361 nm光谱强度的增强倍数分别为2.23,2.31,2.42和2.10;分析了特征谱线FeⅠ：404.581 nm和CaⅠ：422.67 nm谱线强度随时间的演化特性以及4条特征谱线信背比随光谱采集延时的变化关系,双脉冲能有效延长光谱强度的衰减时间以及提高特征谱线的信背比;比较分析了等离子体温度和电子密度随时间的演化特性,在双脉冲条件下,等离子体温度最大升高了730 K,电子密度最大增加了1.8×1016 cm-3。单脉冲和双脉冲条件下获得重金属元素Cr的检测限分别为38和20 μg·g-1,再加热正交双脉冲技术使元素检测限下降近2倍。以上结果表明：再加热正交双脉冲能有效地提升LIBS技术的检测灵敏度和光谱特性,为进一步降低元素的检测限提供了有效的方法。     

基于工业分析/元素分析和可见-近红外光谱预测农作物秸秆高位热值

越来越多的农作物秸秆用于生产生物质成型燃料(生物质颗粒),作为民用和工业锅炉的生物质燃料。高位热值是衡量生物质燃料燃烧性能的主要参数之一,反映了生物质可用能含量,但利用传统的氧弹分析法测试高位热值费时费力,急需一种快速准确的方法评估农作物秸秆的高位热值,以制备高质量的生物质颗粒燃料。基于工业分析/元素分析和可见-近红外光谱分析,对比分析了五种农作物秸秆(稻秸、麦秸、棉秆、油菜秆和玉米秆)的高位热值预测模型。首先,利用多元线性回归(MLR)、逐步回归(SWR)和反向传播人工神经网络(BPNN)模型,在基于五种农作物秸秆工业分析和元素分析基础上,提出了高位热值预测模型并进行验证。MLR模型具有较好的相关系数(R2),预测均方根误差(RMSEP)和预测标准差与参比标准差比值(RPD),分别为0.921 1,0.135 1和3.49。此外,利用可见-近红外光谱分析了农作物秸秆,发现对光谱数据作最小二乘法回归(PLR),可建立高位热值预测模型,预测R2和RMSEP分别为0.881 2和0.412 9。研究结果表明MLR模型和PLR模型分别适用于基于工业分析/元素分析和可见-近红外光谱建模,对农作物秸秆的高位热值快速检测设备研发能提供基础模型支持。     

影响TiMnx非计量比合金储氢容量的结构因素

以TiMn_x (x = 1.4, 1.5, 1.6, 1.7)非计量比合金为对象,系统研究了储氢容量与其内在结构之间的相关性。结果表明,所有合金的主相均为C14型Laves相,但其储氢容量却存在显著差异。其中TiMn_1.4合金的储氢量约为0.65% (w,质量分数),吸/放氢平台较倾斜,且存在明显的滞后;而TiMn_1.5合金的可逆储氢量达到1.2% (w),平台较为平坦;但继续增加x,其储氢量反而降低,如x = 1.6合金的储氢量仅为0.30% (w),而x = 1.7合金则几乎不吸氢。进一步结构解析表明,上述储氢容量的迥异主要归因于部分Ti原子占据Mn(2a)位置,且其占位率随x的增加而降低,随之C14相中贮氢四面体间隙体积减小;而引起贮氢四面体间隙体积发生变化的主要因素是Ti―Ti键和Mn(2a)―Mn(2a)键的键长,其中Mn(2a)―Mn(2a)键长的增加对合金储氢容量的提升起关键作用。     

石墨烯气凝胶的可控组装

石墨烯气凝胶一般是由石墨烯片层经过湿法化学组装或气相化学生长获得的一种具有连通多孔网络结构的石墨烯三维宏观体材料,表现出极高的比表面积、良好的导电性以及优异的机械性能等,在电化学储能、吸附、催化以及传感等领域有着极为重要的应用。本文从石墨烯气凝胶的结构设计与组装策略出发,综述了近年来石墨烯纳米结构单元在石墨烯气凝胶材料（氧化石墨烯、还原氧化石墨烯、化学气相沉积（CVD）石墨烯、以及复合气凝胶等）中的组装行为,并对石墨烯气凝胶目前的现状及今后发展方向做了简要评述。     

反气相色谱法与Hansen溶解度参数法测定聚乙烯醇溶解度参数及相关热力学性质

采用反气相色谱（IGC）法,以聚乙烯醇（PVA）为固定相,脂肪族、芳香族、醇、酮及卤代烃5类18种化合物为探针分子,研究PVA的溶解性质并获得了PVA在383.15～423.15 K范围内的溶解度参数（δ₂）及相关热力学性质,并与Hansen溶解度参数法（HSP）测得的溶解度参数（δ_T）进行比较。结果表明,5类溶剂对PVA溶解能力的趋势为酮类 >醇类 >卤代烃、芳香类、脂肪族类>脂环族,卤代烃、芳香类和脂肪族类溶剂的溶解能力相似;在测试温度范围内PVA的δ₂随温度升高而增加;采用IGC法外推出室温（298.15 K）下PVA的δ₂为27.69 （J/cm³）^0.5,与HSP法测得室温下PVA的δ_T（27.77 （J/cm³）^0.5）一致。PVA溶解度参数及相关热力学参数的研究为其应用及相关研究提供了定量依据。     

浓硫酸性质实验的整合创新设计

对浓硫酸的几个性质(吸水性、脱水性、强氧化性、遇水放热性、催化性)实验进行了整合创新设计, 解决了教材实验中的药品耗量大、不易操作、药品易撒落、易污染水源、耗时长、不适合学生分组实验等缺点。整合创新后设计的实验不仅操作简便、体现绿色实验理念, 而且操作安全, 适合中小学生开展课外活动。     

构建高效分析化学课堂的策略

针对当前分析化学课堂教学现状,从营造宽松愉悦课堂气氛、建立切实可行的预习学案和采用启发式教学方法等3个方面论述了如何构建高效分析化学课堂,以实现学生知识与能力的协调发展。     

A Convenient “Turn On-off” Phosphorescent Nanosensor for Detection of Biotin Based on Quantum Dots/CTAB

A switchable room-temperature phosphorescence(RTP) nanosensor based on an MPA-capped Mn-doped ZnS QDs/CTAB composite system(MPA=3-mercaptopropionic acid; CTAB=cetyltrimethyl ammonium bromide; QDs=quantum dots) was established for the detection of biotin. The phosphorescence intensity of QDs/CTAB could be regularly quenched with the increase of biotin. Under optimal conditions, this method yielded two linear ranges of 2-20 μg/L and 20-140 μg/L with respective correlation coefficients of 0.993 and 0.990, as well as a detection limit of 0.93 μg/L. Therefore, the analytical potential of the proposed nanosensor was evaluated by detecting biotin in urine and biotin tablets. This approach yielded satisfactory results because of the effective elimination of background fluorescence and light scattering from the sample matrix. This approach provides a practical method for biotin detection.     

Source Apportionment Research of Fine Particulate Matter in the Atmosphere by PAHs

Haze weather frequently occurs in many cities in China. Polycyclic aromatic hydrocarbons(PAHs) in fine particulate matter(PM_2.5) can adversely affect the environment and human health. In this paper, PM_2.5 samples were collected at nine sites in a city in northeastern China from September 2013 to October 2014. Sixteen USEPA(US Evironment Protection Agency) priority PAHs in PM_2.5 were analyzed to determine their spatial and temporal distribution characteristics. The source apportionment of PAHs was conducted with the Positive Matrix Factorization(PMF) model. The results indicate that the concentrations of total PAHs(T-PAHs) in PM_2.5 are within the range of 0.26 to 72.48 ng/m³. The seasonal variation of T-PAHs is winter >spring >autumn >summer, and the space distribution of PAHs is JZP >DP >BFH >LP >EESA >IPT >CP >HZMC >JYP. In all types of PAHs, three-ring and five-ring PAHs are significantly prominent(62%) in the heating period due to petrogenic sources and traffic emissions. Middle- and high-ring PAHs in the non-heating period are caused by coal combustion and vehicle exhaust, which accounts for 77% of the total emissions. The source apportionment results obtained by the diagnostic ratio of PAHs reflect that coal burning, traffic and other sources have a distinct influence on PAH emissions in this city. Six factors are defined by PMF v5.0, namely, coke oven emissions(7.7%), biomass burning(44.3%), petrogenic sources(10.7%), coal combustion(10.4%), gasoline engine emissions(16.7%), and diesel engine emissions(10.3%). The results indicate that the PAHs in PM_2.5 in the city are primarily caused by combustion processes and vehicle exhaust.