传统荧光光谱技术已被用于土壤中多环芳烃（PAHs）的检测, 但由于土壤体系的复杂性、 PAHs污染物的多样化和微量化, 传统的荧光光谱技术无法有效提取土壤中PAHs的特征信息。 为了解决上述问题, 提出并建立一种基于二维相关荧光谱土壤中多环芳烃的检测方法。 以土壤中典型的多环芳烃蒽和菲为研究对象, 配置38个蒽菲混合标准土壤样品（蒽和菲的浓度范围均为0.000 5～0.01 g·g-1）, 在激发波长265～340 nm, 发射波长350～500 nm范围内采集了所有样品的三维荧光谱。 以激发波长为外扰, 对外扰变化的动态一维荧光谱进行相关计算, 得到每一样品的同步二维相关荧光谱。 研究了浓度均为0.005 g·g-1蒽菲混合土壤样品的三维荧光谱和同步二维相关荧光谱特性, 在同步谱主对角线398, 419, 444和484 nm处存在自相关峰, 其中, 398和484 nm荧光峰来自土壤中的菲, 419和444 nm荧光峰来自土壤中的蒽; 在主对角线外侧, 蒽和菲两组荧光峰之间存在负的交叉峰, 进一步验证了其来源不同; 同时, 在（408, 434） nm和（434, 467） nm处出现交叉峰, 其中408和434 nm荧光峰来自土壤中的菲, 467 nm荧光峰来自土壤中的蒽。 指出与三维荧光谱表征的信息相比, 二维相关荧光谱不仅能提取更多的特征信息（408和467 nm的特征峰在三维荧光谱中未被表征）, 而且还能提供荧光峰之间的相互关系, 对其来源进行有效解析。 在上述研究二维相关荧光谱特性的基础上, 基于同步相关谱矩阵（38×151×151）建立了定量分析土壤中蒽和菲污染物浓度的多维偏最小二乘（N-PLS）模型, 对蒽的校正和预测相关系数分别为0.986和0.985, 校正均方根误差（RMSEC）和预测均方根误差（RMSEP）分别为4.33×10-4和5.55×10-4 g·g-1; 对菲的校正和预测相关系数分别为0.981和0.984, RMSEC和RMSEP分别为5.20×10-4和4.80×10-4 g·g-1。 为了比较, 基于三维荧光光谱矩阵（38×16×151）建立了定量了分析土壤中蒽和菲的N-PLS模型, 对蒽的校正和预测相关系数分别为0.981和0.972, RMSEC和RMSEP分别为5.09×10-4和6.74×10-4 g·g-1; 对菲的校正和预测相关系数分别为0.957和0.956, RMSEC和RMSEP分别为7.36×10-4和7.77×10-4 g·g-1。 指出, 对于土壤中的蒽和菲检测, 基于二维相关荧光谱的N-PLS模型的相关系数r, RMSEC和RMSEP都要优于基于三维荧光谱的N-PLS模型。 研究结果表明: 所提出和建立的方法—二维相关荧光谱直接检测土壤中PAHs污染物不仅可行, 而且能提供更好的分析结果。 该研究为激光诱导荧光结合相关谱技术现场直接检测土壤中多环芳烃污染物提供了理论和实验基础, 具有较好的应用前景。

荧光光谱技术已被用于检测土壤中多环芳烃。 但土壤湿度对多环芳烃的荧光强度产生很强的干扰, 这对于荧光光谱技术的土壤多环芳烃快速实时检测技术的发展无疑是一种挑战。 为了研究土壤湿度对多环芳烃荧光特性的影响, 分别配置了八个不同湿度(含水量5%～40%, 间隔5%)的菲土壤样品。 采用美国PE公司的LS-55荧光分光光度计对不同湿度含量的菲土壤样品进行了检测, 得到不同湿度含量下的一维动态荧光谱, 以土壤湿度为外扰, 研究了其二维相关荧光光谱特性, 发现菲土在386, 408和432 nm处荧光强度随着土壤中湿度的增大而增强, 而333 nm处瑞利散射光强度却在减小, 提出通过建立菲荧光强度、 瑞利散射光强度与土壤湿度之间的关系, 有可能实现土壤湿度对菲荧光强度影响的校正。 同时, 也研究了土壤湿度对定量分析菲浓度标准曲线的影响, 指出土壤湿度极大影响着精准定量分析菲浓度标准曲线的建立。

为了准确检测土壤中的多环芳烃, 以土壤中典型多环芳烃污染物蒽为检测对象, 研究了土壤粒径大小对其荧光特性的影响, 并提出了一种校正土壤粒径大小对多环芳烃标准曲线影响的方法。研究了蒽在土壤中的荧光特性, 指出蒽在421 nm、442 nm和470 nm处出现较强的荧光峰。接着, 制备7种不同粒径大小的蒽土壤样品, 并以土壤粒径大小为外扰, 构建了同步和异步二维相关荧光谱, 研究了蒽荧光强度和304 nm处瑞利散射光强随土壤粒径大小的变化。结果显示, 随着土壤粒径增大, 蒽荧光强度和304 nm处瑞利散射光强度都有增强。最后, 分别建立了80目和160目土壤粒径下定量分析土壤蒽浓度的标准曲线, 并通过304 nm处瑞利散射光对蒽荧光进行校正。结果表明: 该方法有效降低了土壤粒径大小对蒽标准曲线的影响。

近年来,食品质量与安全问题越来越严重,需要快速便捷的检测技术以确定食品的品质.二维相关谱技术由于其高光谱分辨率、高选择性和高图谱解析能力,可有效解决常规一维谱在数据分析过程中所遇到的三个困难:①光谱选择性低;②特征信息提取难;③图谱解析难,特别适合于那些传统一维光谱方法难以满足的相似样品的判别分析.综述了二维相关谱方法的发展历程、获取谱图的实验方法、以及数学原理和谱图性质.同时,也指出根据同步二维相关谱交叉峰的正负以及异步二维相关谱交叉峰的有无,可实现被覆盖的或被淹没的弱峰之间相互指认和验证,确认其来源.详细介绍了二维中红外、近红外、紫外、荧光和拉曼相关谱在乳制品、酒类、食用油、肉类、蜂蜜、大米等食品品质检测中的应用,分析了目前二维相关谱方法存在的问题,展望了二维相关谱的发展前景.

采用二维荧光相关光谱技术有效地对严重重叠的蒽、芘混合溶液的荧光峰进行解析。为了实现上述研究目标,设计并配置了9个蒽、芘混合溶液。采集了蒽、芘单组份以及两种物质混合溶液的常规一维荧光谱,研究了其荧光特性,并进行对比、分析。在此基础上,以混合溶液中蒽和芘的浓度为外扰,构建二维荧光相关同步谱和异步谱。结果表明:在同步谱上出现6个较强的自相关峰,位置分别在373 nm、379 nm、391 nm、401 nm、413 nm和425 nm处;依据未被覆盖的蒽在425 nm的处荧光与各波长处荧光交叉峰的正负,指出379 nm、401 nm和452 nm处的荧光峰来自蒽,而373 nm、391 nm和413 nm处的荧光峰来自芘。同时,又根据相关异步谱交叉峰的有无,进一步确认和验证了混合溶液中各荧光峰的来源。该方法为解析农业环境中多种污染物的光谱特征提供理论和实验基础。

为了有效地提取牛奶中微量的掺杂物特征信息, 提出了基于二维相关近红外光谱多维主成分分析(MPCA)和最小二乘支持向量机(LS-SVM) 判别牛奶掺杂物的方法。首先, 采集纯牛奶、掺杂尿素牛奶和掺杂三聚氰胺牛奶的一维近红外谱, 并对其进行相关计算, 构建各样品的二维相关近红外谱。然后, 采用多维主成分分析法分析二维相关谱矩阵, 压缩数据, 提取相关谱的得分矩阵。最后, 将提取的得分矩阵输入最小二乘支持向量机, 分别建立掺杂尿素牛奶、掺杂三聚氰胺牛奶及两种掺杂牛奶与纯牛奶的LS-SVM判别模型。用所建模型对测试集未知样品进行了判别, 结果显示其判别正确率分别为92.3%, 96.2%, 92.3%。研究结果表明: 所提出的方法不仅有效提取了牛奶中掺杂物的特征信息, 而且缩短了建模所需时间, 取得了较好的判别效果。

基于纯牛奶、 掺杂牛奶样品间二维红外相关谱欧氏距离, 依据未知样品与校正集中“极值样品”欧氏距离平均值、 组内、 组间样品欧氏距离平均值, 提出了一种掺杂牛奶判别的新方法。分别配置掺杂尿素牛奶(0.01～0.3 g·L-1)和掺杂三聚氰胺牛奶(0.01～0.3 g·L-1)样品各16个, 采集纯牛奶及掺杂牛奶样品的红外光谱。以牛奶中掺杂物浓度为外扰, 构建纯牛奶与掺杂牛奶的同步二维红外相关谱, 并计算了各样品相关谱矩阵间的欧氏距离。在此基础上, 分别建立掺杂尿素牛奶、 掺杂三聚氰胺牛奶与纯牛奶的判别模型, 确定模型中的“极值样品”, 组内、 组间样品欧氏距离平均值。利用所建模型, 计算未知样品与“极值样品”的欧式距离, 并依据判别规则, 对未知样品进行判别。研究结果表明: 基于样品红外相关谱矩阵间欧氏距离可实现掺杂牛奶的判别, 其判别正确率为100%, 验证了该方法的有效性。该研究为掺杂牛奶的检测提供了一种新的可能方法。

基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3 gL-1)和三聚氰胺牛奶(0.01~0.3 gL-1)样品各36个, 采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型, 并利用这些模型对未知样品进行判别, 其判别正确率都为95.8%。研究结果表明: 与线性的偏最小二乘判别建模方法相比, 最小二乘支持向量机方法具有更强的预测能力。