首页 > 论文 > 激光与光电子学进展 > 56卷 > 22期(pp:222601--1)

基于三维荧光光谱的土壤中石油类有机物分类识别

Identification of Petroleum Organic Matter in Soil Based on Three-Dimensional Fluorescence Spectroscopy

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

基于三维荧光光谱法,以含有不同类型润滑油、机油、柴油、汽油的土壤样品为研究对象,分别提取不同土壤样品的三维荧光光谱,然后计算不同样品的荧光强度均值、标准差、重心横纵坐标、相关系数、长轴斜率、偏度和峰度等7个特征参数,并作为不同油类的识别特征。对7个特征参数进行主成分分析(PCA),前3个主成分累计贡献率为88.79%,但经聚类分析发现5w-40型润滑油和15w-40型润滑油的主成分混叠较强,无法准确实现分类。将经PCA得到的3个主成分作为反向传输人工神经网络的输入量,将石油烃有机物的种类作为输出量,以进行油类识别,综合识别率达到95.6%。实验结果表明,基于三维荧光光谱方法直接从油污土壤中识别污染油可行,该方法为后续研究基于三维荧光光谱识别土壤中油类污染物提供了技术支持,具有较好的应用前景。

Abstract

This study focuses on selected soil samples containing different types of lubricating oil, engine oil, diesel oil, and gasoline. Three-dimensional (3D) fluorescence spectra are extracted from different soil samples, and 7 characteristic parameters are calculated for each of them, including the fluorescence intensity mean, standard deviation, transverse and longitudinal coordinates of center of gravity, correlation coefficient, long-axis slope, skewness, and kurtosis. Spectral data are used as identification characteristics for oil. Principal component analysis (PCA) is performed on the 7 characteristic parameters, and the feature vectors of the first 3 principal components after dimension reduction are extracted, accounting for a cumulative contribution rate of 88.79%. Clustering analysis reveals highly similar principal components of 5w-40 and 15w-40 lubricating oils; therefore, these oils can not be accurately classified. Subsequently, the first 3 principal components obtained by PCA are input into the back-propagation artificial neural network and the types of petroleum organic matter are used as outputs for oil identification, resulting in a 95.6% comprehensive recognition rate. Experimental results demonstrate the feasibility of identifying oil pollutants directly using 3D fluorescence spectroscopy of oily soil. Additionally, technical support is provided for subsequent research on oil pollutant identification in soil based on 3D fluorescence spectroscopy, indicating good application prospects.

广告组1 - 空间光调制器+DMD
补充资料

中图分类号:O657.3

DOI:10.3788/LOP56.222601

所属栏目:物理光学

基金项目:国家重点研发计划、国家自然科学基金、安徽省科技重大专项、安徽高校自然科学研究重点项目、中科院安徽光学精密机械研究所所长基金;

收稿日期:2019-04-26

修改稿日期:2019-05-17

网络出版日期:2019-11-01

作者单位    点击查看

左兆陆:中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031中国科学技术大学, 安徽 合肥 230026中国科学院合肥物质科学研究院安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
赵南京:中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031中国科学院合肥物质科学研究院安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
孟德硕:中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031中国科学院合肥物质科学研究院安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
黄尧:中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031中国科学技术大学, 安徽 合肥 230026中国科学院合肥物质科学研究院安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
殷高方:中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031中国科学院合肥物质科学研究院安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
刘建国:中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031中国科学院合肥物质科学研究院安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
谷艳红:合肥学院先进制造工程学院, 安徽 合肥 230601

联系人作者:赵南京(njzhao@aiofm.ac.cn)

备注:国家重点研发计划、国家自然科学基金、安徽省科技重大专项、安徽高校自然科学研究重点项目、中科院安徽光学精密机械研究所所长基金;

【1】Wang X, Zhao N J, Yu Z M et al. Detection method progress and development trend of organic pollutants in soil using laser-induced fluorescence spectroscopy. Spectroscopy and Spectral Analysis. 38(3), 857-863(2018).
王翔, 赵南京, 俞志敏 等. 土壤有机污染物激光诱导荧光光谱检测方法研究进展. 光谱学与光谱分析. 38(3), 857-863(2018).

【2】Wang J, Zhang F, Wang X P et al. Three-dimensional fluorescence characteristics by parallel factor method coupled with self-organizing map and its relationship with water quality. Acta Optica Sinica. 37(7), (2017).
王娟, 张飞, 王小平 等. 平行因子法结合自组织映射神经网络的三维荧光特征及其与水质的关系. 光学学报. 37(7), (2017).

【3】Kong D M, Zhang C X, Cui Y Y et al. Detection of oil species in mixed oil based on alternating penalty trilinear decomposition. Acta Optica Sinica. 38(11), (2018).
孔德明, 张春祥, 崔耀耀 等. 基于交替惩罚三线性分解的混合油液油种成分的检测. 光学学报. 38(11), (2018).

【4】Chen Z K, Mi Y, Shen X W et al. Fluorescence detection of oil pollutants based on PARAFAC and ART algorithms. Laser & Optoelectronics Progress. 55(1), (2018).
陈至坤, 弭阳, 沈小伟 等. 基于PARAFAC和ART算法的油类污染物荧光检测. 激光与光电子学进展. 55(1), (2018).

【5】Lemke M, Fernández-Trujillo R and L hmannsr ben H G. In-situ LIF analysis of biological and petroleum-based hydraulic oils on soil. Sensors. 5(1), 61-69(2005).

【6】Ding Y T, Jiang W H and Yu P. Hopf-zero bifurcation in a generalized Gopalsamy neural network model. Nonlinear Dynamics. 70(2), 1037-1050(2012).

【7】Bublitz J, Christophersen A and Schade W. Laser-based detection of PAHs and BTXE-aromatics in oil polluted soil samples. Fresenius'' Journal of Analytical Chemistry. 355(5/6), 684-686(1996).

【8】Mbaye O M A, Maroto A, Gaye-Seye M D et al. . A new direct laser photo-induced fluorescence method coupled on-line with liquid chromatographic separation for the simultaneous determination of anilides pesticides. Talanta. 132, 909-914(2015).

【9】Feng W W, Wang R, Sun P Y et al. The study of fluorescence spectrum using ultraviolet-laser for several typical oil pollutants. Spectroscopy and Spectral Analysis. 31(5), 1168-1170(2011).
冯巍巍, 王锐, 孙培艳 等. 几种典型石油类污染物紫外激光诱导荧光光谱特性研究. 光谱学与光谱分析. 31(5), 1168-1170(2011).

【10】Lai W H, Zhou M R, Wang Y et al. Application of counterfeit liquor recognition based on deep learning and laser induced fluorescence. Laser & Optoelectronics Progress. 55(4), (2018).
来文豪, 周孟然, 王亚 等. 深度学习与激光诱导荧光在假酒识别中的应用. 激光与光电子学进展. 55(4), (2018).

【11】L hmannsr ben H G and Roch T. In situ laser-induced fluorescence (LIF) analysis of petroleum product-contaminated soil samples. Journal of Environmental Monitoring. 2(1), 17-22(2000).

【12】Yang R J, Shang L P, Bao Z B et al. Feasibility of using laser-induced fluorescence to detect directly polycyclic aromatic hydrocarbons in soil. Spectroscopy and Spectral Analysis. 31(8), 2148-2150(2011).
杨仁杰, 尚丽平, 鲍振博 等. 激光诱导荧光快速直接检测土壤中多环芳烃污染物的可行性研究. 光谱学与光谱分析. 31(8), 2148-2150(2011).

【13】Wu W X. Research progress on the pollution and environmental behaviors of polycyclic aromatic hydrocarbons (PAHs) in the soil. Journal of Anhui Agricultural Sciences. 42(25), 8563-8565, 8568(2014).
吴维兴. 土壤中多环芳烃污染及其环境行为研究进展. 安徽农业科学. 42(25), 8563-8565, 8568(2014).

【14】Christensen J H, Hansen A B, Mortensen J et al. Characterization and matching of oil samples using fluorescence spectroscopy and parallel factor analysis. Analytical Chemistry. 77(7), 2210-2217(2005).

【15】Wang C Y, Wang X S, Wang Y H et al. Fluorescence analysis of crude oil samples with different spectral approaches. Spectroscopy and Spectral Analysis. 26(4), 728-732(2006).
王春艳, 王新顺, 王延华 等. 基于不同光谱技术的原油样品的荧光分析. 光谱学与光谱分析. 26(4), 728-732(2006).

【16】Chen Z K, Huang W, Shen X W et al. Elimination method of Rayleigh scattering for three dimensional fluorescence spectra of oil pollutants. China Measurement & Test. 44(11), 121-126(2018).
陈至坤, 黄微, 沈小伟 等. 油类污染物三维荧光光谱的瑞利散射消除方法. 中国测试. 44(11), 121-126(2018).

【17】Wang Y T, Zhang Y L and Wang J Y. Oil identification technique based on analysis of three-dimensional fluorescence spectra feature. Acta Photonica Sinica. 39(7), 1330-1333(2010).
王玉田, 张艳林, 王金玉. 基于三维荧光谱特征分析的油种鉴别技术的研究. 光子学报. 39(7), 1330-1333(2010).

【18】Li A M, Lian Z Y, Yang R J et al. Direct determination of polycyclic aromatic hydrocarbons (PAHs) in soil based on three-dimensional fluorescence spectroscopy. Environmental Chemistry. 37(4), 910-912(2018).
李爱民, 连增艳, 杨仁杰 等. 基于三维荧光光谱直测土壤中的多环芳烃. 环境化学. 37(4), 910-912(2018).

引用该论文

Zuo Zhaolu,Zhao Nanjing,Meng Deshuo,Huang Yao,Yin Gaofang,Liu Jianguo,Gu Yanhong. Identification of Petroleum Organic Matter in Soil Based on Three-Dimensional Fluorescence Spectroscopy[J]. Laser & Optoelectronics Progress, 2019, 56(22): 222601

左兆陆,赵南京,孟德硕,黄尧,殷高方,刘建国,谷艳红. 基于三维荧光光谱的土壤中石油类有机物分类识别[J]. 激光与光电子学进展, 2019, 56(22): 222601

被引情况

【1】黄尧,赵南京,孟德硕,左兆陆,程钊,陈宇男,陈晓伟. 非平滑非负矩阵分解解析土壤多环芳烃三维荧光光谱. 中国激光, 2020, 47(10): 1011002--1

【2】章学仕,刘丽娴,张乐,杨威,邵晓鹏. 易燃液体无损光谱检测技术综述. 激光与光电子学进展, 2021, 58(2): 200002--1

【3】李雷,吴庆州,王涛. 三维同步荧光结合平行因子算法研究丹参粉的荧光特征. 激光与光电子学进展, 2021, 58(4): 430001--1

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF