光催化降解土壤中多环芳烃

多环芳烃(PAHs)是一类广泛分布于土壤中的持久性有机污染物,其化学结构稳定,具有高疏水性、难降解性和三致毒性,多产生于交通运输、工业生产、垃圾焚烧等人为活动中。近年来,日益严峻的PAHs污染给土壤生态、食品安全和民众健康带来严重威胁。因此,对土壤PAHs污染的治理具有重要意义且亟待解决。在众多PAHs处理技术中,光催化技术凭借能耗低、操作简便、环境友好等优势,受到了研究者们的广泛关注。本文概述了PAHs的光催化降解机理与途径,综述了光催化修复土壤PAHs领域的研究进展,讨论了不同环境因素对催化剂降解效果的影响,并总结了当前光催化技术应用于土壤PAHs污染修复所面临的挑战。     

基于铂修饰丝网印刷电极检测土壤中铵态氮的电化学传感器

土壤中铵态氮(NH₄⁺)含量的现场检测对于提高氮肥的利用率、减少环境污染,从而实现精准农业具有重要意义.针对目前土壤检测方法存在的周期长、成本高及时效性差等问题,本文基于铂粒子对NH₄⁺具有特异性电催化响应,通过在丝网印刷电极(SPE)表面电沉积铂颗粒,制备了一种电化学传感器.采用碳酸盐排除土壤中未知离子的干扰,结合土壤铵态氮快速提取装置,实现了对土壤中铵态氮的现场快速检测.该传感器对NH₄⁺检测的线性范围为0.1～5 mmol/L(R²=0.997),检出限为13μmol/L(S/N=3),检测时间约5 min;并且对土壤中NH₄⁺具有良好的选择性和稳定性,可应用于实际土壤样品中NH₄⁺的快速检测.相比于传统的检测方法,该方法无需大型仪器、操作便捷、检测速度快,可望为土壤中铵态氮的快速检测提供新方法,为精准农业提供重要的数据支持.     

新显色剂BPA-TC光度性能的研究及土壤中稀土总量的测定

研究了显色剂偶氮溴膦(BPA TC)与稀土元素的显色反应。在2mol·L-1HCl介质中,稀土元素与BPA TC显色反应的摩尔吸光系数相互较接近。利用此反应性质,测定土壤中稀土总量获得满意结果。     

多分类器融合提取土壤养分特征波长

光谱已经应用于土壤养分速测的分析，但是如何寻找土壤光谱特征波段，尽最大可能避免无用信息干扰、保留有用信息，建立准确度高、预测效果好的模型仍是一个亟需解决的问题。以青岛三个不同地区土壤样品为例，测定土壤样品的紫外-可见-近红外光谱及其总碳（TC）、总氮（TN）、总磷（TP）含量；分别采用连续投影算法（SPA）、无信息变量消除法（UVE）、遗传算法（GA）、相关系数法（CC）四种算法（四种单分类器）对土壤光谱提取特征波长；再引入投票法和加权投票法的多分类器融合方法将四种算法融合得到特征波长；以偏最小二乘回归（PLSR）建立各土壤养分含量的模型，通过对模型效果的评价标准（建模集绝对系数R2_c、校正均方根误差RMSEC、检验集绝对系数R2_p、预测均方根误差RMSEP和相对分析误差RPD值）来判别各单分类器算法和多分类器融合算法对土壤养分含量特征波长的提取效果。分别对四种算法、筛选其中三种算法、最优二种算法进行融合，分析融合后模型效果和特征波长个数，结果表明：将四种单分类器经投票法融合后，其模型效果大部分不如单分类器，且相对好的模型特征波长个数较多；相较于投票法多分类器融合，四种单分类器经加权投票法融合模型效果有了一定的提高，TC和TN都能够在较少的波长中获得较好的预测效果，但仅TN经融合后，模型效果优于每个单分类器；TC，TN，TP分别在取SPA+UVE+GA，SPA+UVE+GA（或SPA+GA+CC）、SPA+UVE+GA三种单分类器进行加权投票法融合后，均能获得最优模型效果，且明显优于每个单分类器，模型效果有了显著提高；各土壤养分含量经两个最优单分类器加权投票法融合后，仍能得到好于最优单分类器的建模效果，TC和TP建模效果略差于三个单分类器融合结果，TN建模效果与三个单分类器融合结果相同。因此，在筛选三种算法融合，且其中包含最优两种算法的情况下，能够以较少的特征波长个数获得明显高于单分类器的建模效果。该方法为寻找土壤养分以及其他复杂物质成分的光谱特征波段提供了新方法，也为多种算法的综合运用提供了新思路。     

基于迭代逼近算法的土壤中机油和柴油混合物荧光信号重叠特性研究（英文）

随着我国经济的迅速发展,石油制品需求量与日俱增,伴随着工农业生产活动,大量石油制品进入土壤,造成严重的土壤石油污染。土壤中的石油污染物会对植物生长产生危害,并通过食物链威胁人类健康,因此需对土壤中的石油污染物进行现场、快速检测。激光诱导荧光技术(Laser-Induced fluorescence, LIF)具有检测速度快、灵敏度高、可现场检测等优点,但在检测土壤中有机污染物时,面临着荧光光谱重叠严重等问题。为了研究土壤中机油和柴油混合物荧光信号的重叠特性,制备了10种含有不同浓度机油、柴油混合物的土壤样品。通过搭建LIF实验系统,获取不同混合浓度的机油和柴油的荧光光谱,对油类荧光光谱进行了最大值归一化处理,建立土壤中机油、柴油混合光谱的反演关系,以最小残差平方和为指标,使用迭代逼近算法计算出土壤荧光光谱中柴油和机油样品的荧光贡献率。分别使用了全谱法和截取特征光谱两种方法计算机油和柴油的荧光贡献率。全谱法是在混合油样的全波段光谱(200~600 nm)范围进行迭代逼近,截取特征光谱方法是在截取油样光谱(330~460 nm)段进行迭代逼近。(330~460 nm)范围内包含了混合油样的所有光谱特征。用计算出的机油的荧光贡献率与机油样品浓度做线性拟合时发现,截取特征光谱法的拟合系数R为0.989,优于全谱法的0.923。分别用全谱法、截取特征光谱法计算出的荧光贡献率以及归一化机油、柴油光谱合成混合油归一化光谱,与实际归一化混合光谱比较,截取特征光谱法计算的平均相对误差为3.38%,优于全谱的8.79%,其原因是全谱法比截取特征光谱法引入了更多的噪声信号,所以在计算油类荧光贡献率时产生了较大的误差。选取机油和柴油归一化光谱上300, 350, 400, 450和500 nm等5个位置的荧光强度与归一化混合油光谱做多元线性回归拟合,计算出平均相对误差为10.31%。结果表明截取特征光谱方法优于多元线性回归方法;土壤中机油和柴油的荧光贡献率与自身的浓度之间成良好的线性关系,说明在土壤中机油和柴油混合后各自的化学性质保持稳定,在土壤中的荧光信号重叠特性是线性叠加的。这种这种方法同样可以用于其他石油类混合物的解离。通过该研究提高了LIF技术在土壤中石油烃类污染物定性与定量检测的准确性。为土壤中石油烃现场快速检测提供了方法支撑。