累积性发射光谱结合多元统计研究蘑菇湖水体DOM的特征

三维荧光光谱技术（3DEEM）因其方便迅速、灵敏度高等一系列优点,广泛应用于表征DOM。在实际应用中,3DEEM步骤较为繁琐,PARAFAC等方法相较于寻峰法虽然更加直观可靠,但是往往需要借助MATLAB等数学软件,因此该研究希望借助一种新的方法能够更加简便迅速地表征DOM。以蘑菇湖水体DOM为例,基于累积性发射光谱（AFEs）,结合多元统计及二阶导数等方法,对DOM各类荧光组分及含量进行表征。利用主成分分析（PCA）对AFEs进行因子载荷分析, 并确定荧光峰的类型及其含量的差异; 通过二阶导数转换,得到二阶导数AFEs;通过对所有采样点二阶导数AFEs各荧光峰进行绝对面积积分,分析DOM中各组分的含量及变化;通过聚类分析, 分析不同点位组分的差异性或相似性。研究表明,通过AFEs得到5类荧光峰,分别为类蛋白峰、类富里酸峰、陆源类腐殖酸峰以及腐殖酸峰。基于AFEs及其对荧光强度之和的分析,可以看出蘑菇湖水体中的DOM主要以不稳定、易被降解的、相对分子质量较小的类蛋白及富里酸为主,腐殖化程度由滨湖区向深湖区递减。基于AFEs得分图,得到5类荧光峰,且荧光峰中类蛋白及类富里酸峰占主导;基于点位得分矩阵,可以说明各点位之间的荧光组分存在差异。二阶导数AFEs被分为5个荧光波段, DOM以相对质量较小的有机质为主,腐殖化程度、芳香度较小,空间差异上不显著。通过对荧光峰面积以及采样点进行聚类分析,荧光峰被分为3类,其中富里酸含量占比较大,且岸边采样点和位于湖心区域的采样点之间存在差异。综上研究显示,AFEs相对简单迅速,能够代替3DEEM对DOM进行表征。蘑菇湖水体DOM是以相对分子质量较小、不稳定、易被降解的类蛋白、类富里酸物质为主,总体上腐殖化程度及相对分子质量具有由滨湖区向深湖区递减的趋势,但空间上差异性较小。     

三维荧光与神经网络研究城市河流沉积物孔隙水有机物组成与结构特征

应用三维荧光技术结合自组织神经网络方法,研究典型城市河流沉积物孔隙水中水溶性有机物(DOM)与颗粒性有机物(POM)组成结构及空间分布特征。自组织神经网络是一种非监督神经网络算法,能够从有机物三维光谱中提取不同的荧光组分,表征各组分的含量。沉积物是重要的有机碳库,而沉积物孔隙水中有机物的多寡可直接反映其环境特征。人们对水体中沉积物孔隙水中的DOM与营养盐特征的研究较多,而对POM的研究较少,尤其对重污染城市支流河的研究更少。因此,选取沈阳市白塔堡河为研究对象,沿河源、农村、城市区域河段采集沉积物孔隙水样品,提取DOM与POM,检测样品的三维荧光光谱。DOM的f_450/500值为1.82～1.91,表明DOM主要是微生物源;POM的f_450/500值为1.42～1.68,表明POM主要以陆地输入为主。自组织神经网络解析DOM与POM含有类酪氨酸、类色氨酸、类富里酸与类胡敏酸等物质,类酪氨酸主要源于新鲜的具有高氧化的类蛋白物质,而类色氨酸主要为微生物代谢产物。DOM的各组分丰度之和为POM的2倍,类酪氨酸平均相对丰度在50%以上,类色氨酸的平均相对丰度为18.8%～23.1%,类富里酸相对丰度比类胡敏酸的高,但两者在有机物组分所占比重小。通过主成分分析,DOM与POM特征呈现沿河源、农村、城市区域河段变化,表明白塔堡河深受人类活动的影响。     

应用固体表面三维荧光技术研究湖泊底泥有机质组成与结构特征

固体表面三维荧光是一种表征固态有机质组分与结构的先进技术,不需要提取固体样品中的溶解性有机质,直接对固体样品进行三维荧光光谱检测,具有可操作性、实用性、信息量大的特点。利用固体表面三维荧光光谱,结合平行因子(PARAFAC)技术、聚类分析(HCA)与分类回归树(CART)模型等分析手段,提取乌梁素海表层底泥中的荧光组分,识别影响有机质特征的关键因子,揭示有机组分的空间分异规律。根据污染程度的不同,采集了10个表层底泥样品(1#—10#),检测未处理样品和加热处理样品的固体表面三维荧光光谱,二者之差得到湖泊底泥有机质的固体表面三维荧光光谱。采用PARAFAC技术,提取了4个主要的荧光组分(C1—C4)。C1为类色氨酸物质,主要来自于内源。C2为类富里酸物质、C3为可见区类胡敏酸物质、C4为紫外区类胡敏酸物质,C2—C4主要来自于陆源。四个荧光组分的总含量在北部最高,南部次之,中部最少。C2—C4的总含量高于C1,表明湖区底泥有机质主要来源为陆源。C1在湖区南部的含量高于北部与中部,表明C1可能与大量水生植物的生长代谢有关。C2含量的空间分布为北部>南部>中部。C3在北部地区的含量远高于南部和中部,是北部地区底泥的代表性物质。C4与C2的空间分布规律大致相同。基于荧光组分HCA,得出C2与C4可能具有相同的来源;C3与C1是区别底泥有机质特征的关键因子。基于采样点HCA,可将湖区底泥分为3个不同区域,分别为北部重度污染区、南部中度污染区与中部轻度污染区。利用CART模型,进一步验证了C3与C1是识别底泥有机质特征的关键因子,使湖区底泥的分类结果更为精确,同时为后续乌梁素海底泥污染特征与污染来源的探究提供了技术支撑。