基于GIS的杭州市地面水有机污染可视化研究

通过利用地理信息系统（GIS）的空间分析功能，对杭州市地面水中的有机污染现状（用高锰酸盐指数CODMn表示）进行区域分析，使环境信息数据定性、定位、可视，并能便捷地找出环境信息在时间上和空间上所呈现的规律性，为GIS深入应用于环境科学领域作了有益的尝试。     

980nm半导体激光器可靠性的研究现状分析

本文介绍了提高980nm半导体激光器可靠性的几种方案，并做了综合评述。进一步介绍了离子辅助镀膜技术在提高980nm激光器可靠性方面的应用。     

基于连续光谱法联合测定NH3-N、COD方法研究

针对地表水中Ⅰ—Ⅴ类水域、地下水、工业废水对氨氮及化学需氧量准确快速联合测定的需求,融合光谱分析法中的连续光谱法与顺序注射技术（SIA）,基于地表水国家检测标准,以氨态氮（NH₃-N）、化学需氧量（COD）原位水质参数为检测对象,设计了一种小型微量原位水质NH₃-N、COD高效快速检测仪。该系统主要依据自主设计的基于紫外灯照射消解与加热密闭消解方法同时进行的消解池结构以及基于光谱扫描设计的的检测池结构,达到快速消解稳定检测的目的。同时系统基于分光光度法优化了检测流程,测定开始COD消解的同时,待检测池中的NH₃-N指数显色后的配位化合物进行光谱扫描测定,消解后,进行COD的测定,整个检测过程相比国标检测法缩短至少60 min,可以实现25min内自动完成NH₃-N及COD的测定,大大节约时间成本。绘制经光谱扫描显色反应后配位化合物的吸光度与连续波长曲线可得：NH₃-N、COD分别于690和445 nm处具有明显吸收峰,经读取峰的吸光度值,采用最小二乘法分别建立NH₃-N、COD回归建模,拟合回归方程并计算相关系数,绘制相应参数的吸光度-浓度工作曲线。实验结果表明：在0~2 mg·L-1浓度范围内,NH₃-N标准工作曲线相关系数r≥0.998 7,且浓度与吸光度成正相关。重复性相对标准偏差为1.36%~1.68%,加标回收率为97%~102%;在0~50 mg·L-1浓度范围内,COD标准工作曲线相关系数r≥0.997 8,浓度与吸光度呈负相关。重复性相对标准偏差为2.14%~2.48%,加标回收率为97.6%~102.95%。系统的测定结果准确、直线性与稳定性良好,具有较高的可行性与可靠性。基于SIA与连续光谱法联合测定NH₃-N、COD的方法研究,为拓宽光谱法在水质快速检测领域的应用、提高检测效率等方面的研究具有重大价值。     

Corelationship between local structure and water purifying ability of iron-containing waste glasses

A relationship between the structure and water purifying ability of waste glass prepared from household garbage and Fe₂O₃ was examined by ⁵⁷Fe-Mössbauer and induced coupled plasma (ICP) measurements. From the Debye temperature of waste glass, Fe^II proved to be loosely bound in the glass network as a network modifier. Dissolution amount of Fe^III into artificial drain can be controlled from 0.14 to 0.35 mg/l by changing the Fe₂O₃ content. It proved that chemical oxygen demand (COD) decreases in proportion to the content of Fe^III, indicating that iron causes decomposition of organic and phosphorus compounds.     

一种新型智能COD仪的研制

近年来，GSM移动通信技术日趋成熟，它提供了强大可靠的短信息（SMS）服务和数据传输服务。基于GSM数据传输平台的各种应用也不断被开发。本文介绍GSM在污水COD监测方面的应用，并着重介绍COD监测终端的开发与研制。     

Synthesis of di-, tri-, tetra- and pentacyclic arene complexes of ruthenium(II):[Ru(η-polycyclic arene)-(1-5-η-cyclooctadienyl)]PF6 and their reactions with NaBH4

The phenanthrene complex of ruthenium(II), [Ru(η⁶-phenanthrene)(1,5-η⁵-cyclooctadienyl)]PF₆ (2c), is prepared by the reaction of Ru(η⁴-1,5-COD)(η⁶-1,3,5-COT) (1) with phenanthrene and HPF₆ in 65% yield. Similar treatments with di- tri-, tetra- and pentacyclic arenes give corresponding polycyclic arene complexes, [Ru(η⁶-polycyclic arene)(1-5-η⁵-cyclooctadienyl)]PF₆ [polycyclic arene = naphthalene (2b), anthracene (2d), triphenylene (2e), pyrene (2f) and perylene (2g)] in 46-90% yields. The molecular structure of the perylene complex 2g is characterized by X-ray crystallography. Reaction of 2c with NaBH₄ gives a mixture of the 1,5- and 1,4-COD complexes of ruthenium(0), Ru(η⁶-phenanthrene)(η⁴-1,5-COD) (3c) and Ru(η⁶-phenanthrene)(η⁴-1,4-COD) (4c) in 76% in 1:8 molar ratio. The arene exchange reactions among cationic complexes [Ru(η⁶-arene)(1-5-η⁵-cyclooctadienyl)]PF₆ (2) showed the coordination ability of arenes in the following order: benzene ∼ triphenylene > phenanthrene > naphthalene > perylene ∼ pyrene > anthracene, suggesting the benzo fused rings, particularly those of acenes, decreasing thermal stability of the arene complex.     

Passivation of the facets of 980 nm GaAs pump lasers by a pulsed UV laser-assisted technique

It is reported on the passivation of the mirror facets, opened in the air, of ridge waveguide InGaAs/GaAs/AlGaAs single quantum well (λ=980 nm) laser diodes. The passivation concept consists of two steps, namely, oxide removal by irradiation of the mirror facets with a pulsed KrF laser, immediately followed by the deposition of a thin silicon layer. The experimental arrangement (the process operation and the aging behavior-resistance to catastrophic optical damage) of the lasers thus treated are described. The structural modification of the laser facets, as probed by micro-Raman spectroscopy and Rutherford backscattering spectroscopy, and the calibration technique used to assess the rate of oxide removal are also presented.     

基于荧光多光谱融合的水质化学需氧量的检测

为了对水中的有机污染物进行绿色、快速、准确的检测,提出了一种基于荧光多光谱融合的水质化学需氧量(Chemical Oxygen Demand, COD)的检测方法。实验样本为包含近岸海水和地表水在内的实际水样53份,采用标准化学方法获取样本的化学需氧量的理化值,利用荧光分光光度计采集样本的三维荧光光谱并对光谱数据进行处理和建模。在200～300 nm(间隔5 nm)的激发波长范围内将三维光谱展开成二维的发射光谱(发射波长范围250～500 nm,间隔2 nm)。采用ACO-iPLS(蚁群-区间偏最小二乘)算法提取发射光谱特征,PSO-LSSVM(粒子群优化的最小二乘支持向量机)算法建立预测模型,分别建立了单激发波长下的荧光发射光谱数据预测模型、多激发波长下发射光谱的数据级融合(LLDF)预测模型以及多激发波长下发射光谱的特征级融合(MLDF)预测模型,通过对预测效果的对比,得出结论。实验结果表明,对于不同激发波长下荧光发射光谱数据而言,265 nm激发光作用下的发射谱数据的预测模型最优,其检验集决定系数R2_P和外部检验均方根误差RMSEP分别为0.990 1和1.198 6 mg·L-1;对于荧光多光谱数据级融合模型(简写为：LLDF-PSO-LSSVM)而言,在235,265和290 nm激发光作用下的发射光谱的LLDF模型效果最优,其检验集的R2_ｐ和RMSEP分别为0.992 2和1.055 1 mg·L-1;对于荧光多光谱特征级融合模型(MLDF-PSO-LSSVM)而言,在265,290和305 nm激发光作用下的荧光发射光谱的MLDF模型效果最优,其R2_p=0.998 2,RMSEP=0.534 2 mg·L-1。综合比较各类建模结果可知,MLDF-PSO-LSSVM的模型效果最优,说明基于荧光发射光谱数据,采用多光谱特征级融合模型检测水质COD时,检测的精度更高,预测效果更好。     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。