基团电负性与含氧有机物的标准生成热

本文利用作者提出的基团电负性,建立了一个计算含氧有机物标准生成热的简单方法: △fH°(RZ)=△fH°(CH_3Z)-(0.48 n~(1/2)+17.18)x_G-20.13n+69.71式中,△fH°(RZ)和△fH°(CH_3Z)分别为含氧有机物RZ和CH_3Z的标准生成热;Z-OE_e、OM_e、OH、COCH_3、CHO、CO_2H、CO_2Me、CO_2Et.CONH_2;x_G为基团Z的电负性;n是直链烷基R中的碳原子个数,48个可比较值的平均偏差为0.3kCal/mol。     

微波萃取－SPE柱净化/气相色谱－质谱法测定固体废物中53种半挥发性有机物

采用微波辅助萃取技术,结合固相萃取（SPE）小柱净化,建立了固体废物中53种半挥发性有机物的气相色谱－质谱检测方法。通过优化前处理条件,选择以丙酮－正己烷（1∶1,体积比）为萃取剂,微波萃取温度为100 ℃,萃取时间为15 min,萃取液经硅酸镁固相萃取柱净化,DB－5MS（30 m × 0.25 μm × 0.25 mm）色谱柱分离,结合电子轰击电离源（EI）选择离子监测（SIM）模式,采用内标法进行定量检测。实验表明：53种半挥发性有机物在0.2 ~ 5.0 mg/L范围内线性良好,相关系数（r）均不小于0.998,对典型固体废物灰渣和生化污泥样品的检出限分别为0.002 ~ 0.015 mg/kg和0.004 ~ 0.027 mg/kg,定量下限分别为0.008 ~ 0.060 mg/kg和0.016 ~ 0.108 mg/kg。在0.5、1.0、2.0 mg/kg 3个加标水平下,灰渣样品的平均加标回收率为70.7% ~ 98.5%,相对标准偏差（RSD,n = 6）为1.7% ~ 14%;生化污泥样品的平均加标回收率为71.8% ~ 105%,RSD（n = 6）为1.2% ~ 15%。该方法快速准确、环保可靠、试剂用量少、检测效率高,可满足固体废物中53种半挥发性有机物的高通量检测要求。     

基于呼气中特异性VOCs筛查的肺癌早期诊断与模型评估

采用气相色谱-质谱联用仪（GC-MS）检测了180例受试者的呼出气样品,包括79名肺癌患者和101名健康志愿者。每个受试者采集3个平行样品,以及1个室内空气样品。对所有呼气样品中检测的92种挥发性有机物（VOCs）进行定量分析。结合Mann-Whitney检验和正交偏最小二乘判别分析（OPLS-DA）模型筛选出10种肺癌患者呼气特异性VOCs,包括苯甲醛、顺式-2-丁烯、2-丁酮、萘、乙酸乙烯酯、乙烯、2,2,4-三甲基戊烷、3-甲基戊烷、己醛和2-甲基戊烷。利用统计学方法研究其在不同人群中的代谢差异和可能相关的代谢机制,通过建立机器学习模型验证候选标志物对疾病的诊断性能,结果显示,随机森林模型诊断的准确度、精准率、灵敏度和特异性分别为96.25%、96.21%、95.76%、96.67%,马修斯相关系数（MCC）为0.93,曲线下面积为0.96。上述10种化合物可作为肺癌患者的潜在呼气VOCs标志物,为肺癌的早期诊断提供了丰富的基础数据。     

植物源生物炭材料的制备及其在农药残留领域中的应用进展北大核心CSCD

随着农药的广泛使用,其已普遍存在于环境中,对人们的身体健康产生巨大影响。因此,环境中农药残留的去除和分析检测对保护人体安全健康至关重要。同时,农药在环境中残留浓度低,需要一种对目标物有较强选择性和富集作用,并对环境影响小的前处理吸附剂。植物源生物炭是由植物源生物质作为碳源衍生得到的材料,其比表面积大、孔容量高、表面官能团可调节,且环境相容性好,其原料植物源生物质的价格低廉、来源广泛并可再生,是一种廉价高效的吸附剂。该文主要综述了近10年来植物源生物炭用于环境中农药残留去除和分析检测前处理的应用进展。其中在农药残留去除方面的应用主要包括降低农药在土壤中的移动性,修复手性农药造成的污染,负载降解农药的细菌及作为化肥的缓释载体。在农药残留分析检测前处理方面,植物源生物炭可用作分散固相萃取、固相微萃取和磁性固相萃取的吸附剂来选择性吸附水果和蔬菜中的有机磷类和三唑类农药,以及水环境中的有机氯类农药。另外,还介绍了植物源生物炭的吸附机理,详细阐述了基于计算模拟如密度泛函理论、分子动力学模拟和巨正则蒙特卡洛模拟的吸附机理研究并讨论了其优势。最后,总结了植物源生物炭在农药去除和农药残留分析检测前处理方面应用的优势,指出了其在农药残留领域应用待解决的问题。     

两例新的镧系金属-有机框架化合物高效去除Cs+离子研究※

¹³⁷Cs具有强放射性和较长半衰期, 一旦从核废液中泄露将对人类健康和环境造成很大危害. 由于¹³⁷Cs⁺的高溶解性、易迁移性和废液中干扰离子的影响, 从复杂的放射性废液中有效去除¹³⁷Cs⁺仍然是一个挑战. 本研究通过溶剂热法合成了两例新的三维微孔镧系金属-有机框架化合物(Me₂NH₂)_0.5(H₃O)_0.25Na_0.25Ln(OH)(stp)•0.25H₂O (FJSM-LnMOF; Ln=Eu, Tb; H₃stp=2-磺酸基对苯二甲酸), 它们具有良好的水稳定性和一定的耐酸碱性. FJSM-EuMOF和FJSM-TbMOF对Cs⁺离子吸附具有快速的动力学和高的吸附量(q_m^Cs分别为229.25和211.28 mg/g). 它们对Cs⁺离子具有良好的选择性(K_d^Cs值高达2.18×10³ mL/g). 即使在Na⁺, K⁺, Mg²⁺, Ca²⁺离子干扰的情况下, 它们仍然表现出对Cs⁺离子的选择性吸附性能. 我们成功获得了Cs⁺吸附产物的单晶结构, 通过单晶结构分析结合X射线光电子能谱(XPS), 红外(IR), 扫描电镜能量色散谱(EDS)和元素分析(EA)等多种表征方法, 证实了FJSM-EuMOF对Cs⁺离子的吸附为离子交换的机理. 结果表明, FJSM-EuMOF对Cs⁺离子的高效吸附主要源于镧系金属-有机阴离子框架中有机配体上的 COO^–和 $text{SO}_{3}^{}$官能团对Cs⁺离子强的作用力以及通道内存在易交换的[Me₂NH₂]⁺阳离子和[H₃O]⁺离子. 这项工作表明, 镧系金属-有机框架化合物在放射性铯的修复中具有潜在的应用价值.     

基于CTAC改性活性炭膜包用于水溶液中Cr(Ⅵ)的吸附去除及其再生性研究

使用多孔聚丙烯膜包覆阳离子表面活性剂十六烷基三甲基氯化铵（CTAC）改性活性炭,制成CTAC改性活性炭聚丙烯信封式膜包,用于吸附去除水中的Cr(Ⅵ),并考察了膜包材料的再生性。采用扫描电镜和红外光谱表征分别对CTAC改性活性炭进行了形貌和结构表征,考察了CTAC改性后国药粉末活性炭膜包在海水、湖水、自来水3种实际水样中的去除效果,去除率为88.5%～97.5%,相对标准偏差为0.25%～1.9%。采用NaOH溶液解吸,膜包在3次重复利用后,对Cr(Ⅵ)的平均去除率可达91.2%,在5次重复利用后,对Cr(Ⅵ)的平均去除率可达65.4%,仍有较好的去除效果。该CTAC改性结合膜包的方法有望为含铬废水治理提供普适性的吸附材料和方法。     

改性植物生物炭去除水中四环素类抗生素的研究进展

四环素类抗生素滥用和缺乏有效去除技术导致广泛残留并诱导产生耐药细菌,已成为世界环境问题之一.植物生物炭具有来源广、成本低、易制备、资源有效利用和环境友好等优点,在环境修复领域,特别是抗生素污染物去除方面备受关注.本文综述了改性植物生物炭对四环素类抗生素的去除效果,讨论环境因素对改性生物炭性能的影响并深入探讨去除机制,分...     

Pd/Ce_xZr_(1-x)O_2对柴油机尾气中可溶性有机物的催化氧化性能

采用共沉淀结合乙醇超临界干燥方法,制备了不同铈锆比的CexZr1-xO2复合氧化物,采用浸渍法制备了负载Pd的催化剂,通过XRD、N2吸脱附、H2-TPR和静态储氧量测试等表征技术,考察了它们的结构性质、还原性能和储放氧性能,并将其应用于柴油机尾气可溶性有机物(SOF)的催化氧化反应中.结果表明,该铈锆复合氧化物具有圆柱形管状介孔结构,孔径分布范围较宽,具有较大的比表面积,因而有利于对SOF的吸附;锆的添加使铈锆复合氧化物体相氧向表面迁移的能力增强,进而提高了载体及其负载Pd催化剂的储氧量、还原性能和对SOF的催化氧化性能.     

吴传德课题组在MOFs材料的小分子识别方面取得新进展

<正>多数挥发性有机物小分子(Volatile Organic Molecules,VOMs)具有类似的结构和理化性质,VOMs的检测与识别在生物技术、分离以及环境监测等领域具有重要意义并富有挑战性.化学系2010级本科生董明杰同学在吴传德教授的指导下,以新兴的金属——有机框架材料(MOFs)作为主体,通过客体VOMs与MOFs的弱相互作用来调控MOFs的发光性能,达到检测不同VOMs的目的.董明杰合成了一个具有纳米孔道(~2nm)的MOF荧光材料,依靠吸附作用将染料分子引入到MOF孔道     

基于BiGRU-CNN的宽带电磁图像条带噪声去除方法研究

电磁探测成像系统能够对电磁干扰源进行大范围、宽频带且快速的定位,系统主要由抛物反射面和多通道超宽频带信号采集系统组成。由于各个通道器件参数受限于制造工艺的影响不可能完全一致,探测不同频率干扰源的响应特性也不相同,导致获得的电磁图像中存在的条带噪声随干扰源的频率变化而呈现出不同的特征,严重地影响定位的精度。构建了双向门控循环单元（BiGRU）-卷积神经网络（CNN）模型,根据实测数据构建数据集作为模型的输入,BiGRU和CNN利用图像相邻行间的强相关性,从过去和未来的输入中广泛收集冗余信息,对条带噪声进行提取并对空间信息进行整合处理,利用数据之间的差值对这个过程进行循环迭代。通过大量的实验对模型进行验证,BiGRU-CNN方法与测试的经典方法相比更优,在垂直梯度能量方面降低了15.2%,在残差非均匀性方面降低了21.9%。