在世界范围内溢油事件频繁发生, 溢油的组成成分会影响人类身体健康和生态系统。 因此, 迫切地需要一种可以快速识别溢油种类的方法。 针对溢油污染物现场快速鉴别的需求, 利用平行因子分析技术建立了基于三维荧光光谱的原油、 燃料油识别方法。 首先, 利用Delannay三角形内插值法对实验选的6种原油(Roncador原油、 巴士拉原油、 俄罗斯原油、 沙特原油(重质)、 上扎库姆原油、 海二站原油)和三种燃料油(380CST燃料油、 5-7号燃料油、 岚山燃料油)的三维荧光光谱去散射, 去散射后的三维光谱数据进行归一化处理; 之后, 对三维荧光光谱进行平行因子解析, 确定七个荧光组分为最佳荧光组分, 进而得到由7个荧光成分组成的样品荧光特征谱, 将风化第3, 15和45天的样品及未风化样品的第一平行样的荧光特征谱进行贝叶斯方法(Bayes)判别分析和聚类分析, 确定油品荧光特征谱的分析能力和18条荧光标准谱库(12条原油标准谱和6条燃料油标准谱); 最后, 利用非负最小二乘多元线性回归建立溢油荧光识别方法, 对第0, 7和30天风化的样品和未风化样品的另一平行样进行识别。 实验结果表明, 除对风化及未风化的俄罗斯原油识别外, 该方法对其余风化和未风化的五种原油和三种燃料油识别正确率均为1000%, 整体识别原油正确率为875%, 燃料油正确率为1000%。

利用吸收光谱和三维荧光光谱-平行因子分析(EEM-PARAFAC) 方法, 研究了海洋中常见的四种硅藻、 两种甲藻藻液的CDOM的光吸收性质和三维荧光特性。 吸收光谱测定结果表明在六种藻类生长过程中, 旋链角毛藻、 三角褐指藻、 小新月菱形藻和盐生舟行藻四种硅藻以及东海原甲藻和裸甲藻两种甲藻的α(355)分别增加了64.8%, 242.3%, 535.1%, 903.2%, 836.0%和196.4%。 表征CDOM分子量和类腐殖质组分比例的Sg呈下降趋势, 分别降低了8.7%, 34.6%, 39.4%, 53.1%, 46.7%和35.7%。 在三维荧光光谱测定中检测出小新月菱形藻和盐生舟行藻两种硅藻藻滤液的CDOM包括三种类腐殖质组分和一种类蛋白质组分: C1(Ex/Em=350(260) nm/450 nm), C2(Ex/Em=260(430) nm/525 nm), C3(Ex/Em=325 nm/400 nm)和C4(Ex/Em=275 nm/325 nm)。 随着藻类的生长, 小新月菱形藻和盐生舟行藻藻滤液的CDOM荧光强度分别增加了8.68, 24.9, 7.19, 39.8倍和2.64, 0.07, 4.39, 12.4倍, 经过相关性分析表明各组分的荧光强度与α(355)和Sg之间均表现为良好的相关性。 综上研究结果表明不论是甲藻还是硅藻, 在生长过程中藻类内源所产生的CDOM的含量及分子量均表现为上升趋势, 且硅藻类相比甲藻增长变化更为明显。 在CDOM的组成中, 类腐殖质成分随藻类生长所占比重同步增大, 类蛋白质组分增长缓慢。 另外通过该研究可以发现不同种类的藻所产生的CDOM的吸收光谱有明显差异, 由三维荧光光谱得到的不同荧光组分强度也因藻种不同而不同, 说明不同藻种在天然海水中对CDOM的贡献有很大区别。

基于浮游藻色素萃取液三维荧光光谱(EEM)，利用交替三线性分解(ATLD)和非负最小二乘(NNLS)发展浮游藻群落组成荧光分析技术。将ATLD 模型应用于48种浮游藻色素萃取液的EEM，通过残差分析确定浮游藻色素萃取液EEM 由14个荧光成分组成。Bayesian判别分析表明浮游藻色素萃取液荧光成分组成具有显著的门类特征性，利用聚类分析将浮游藻色素萃取液荧光成分组成按属水平聚类获得116 条特征光谱，使用NNLS 方法识别浮游植物群落组成。结果表明：该技术对512 个单种藻样品的平均识别正确率为99.8%。对256 个实验室混合样品，优势和次优势藻的平均识别正确率分别为93.5%和71.1%。将此技术应用于长江口18个浮游藻膜样品，分析结果与HPLC(高效液相色谱)-CHEMTAX 结果基本一致。

以发展近岸海域富营养化快速评价技术为目的，基于有色溶解有机物（CDOM）吸收光谱及三维荧光光谱（EEMs），结合溶氧(DO)、叶绿素a（Chl a）、浊度（Tur）等可现场检测的参数，利用平行因子分析（PARAFAC）、偏最小二乘回归（PLSR）等化学计量学方法，建立了近岸海域富营养化快速评价技术。利用PARAFAC解析CDOM的EEMs，得到3个荧光组分，即类腐殖质C1、C2及类蛋白质C3；选择a220、a254、a270、a350、C1、C2、C3等CDOM光学参数以及DO、Chl a、Tur等水质参数，考察其与总磷（TP）、总氮（TN）的相关性，在此基础上，以富营养化指数(TRIX)方法为参照，利用PLSR建立了富营养化评价模型，其训练集和验证集的相关系数分别为0.9721和0.9827，验证集的分类准确率为89.0%。结果表明以CDOM光学参数代替TP、TN发展近海富营养化快速评价技术具有可行性。

利用三维荧光光谱(EEMs)技术测定了实验室培养的分属5个门13个属的17种中国近海常见赤潮藻的荧光性质， 通过db7二维小波变换提取赤潮藻三维荧光光谱的特征参量， 采用系统聚类法构建荧光特征标准谱库， 并利用多元线性回归辅以粒子群算法进行参数估计建立识别技术， 实现了赤潮藻在门、 属水平上的识别测定。 测定样品中： 赤潮藻纯种培养体在门、 属水平上的平均识别正确率分别为96.1%和73.6%； 对于优势度分别为60%， 75%， 80%， 90%的赤潮藻模拟混合样品， 优势藻在门水平上的平均识别正确率分别为86.7%， 96.9%， 98.7%， 99.4%， 识别相对含量分别为62.6%， 72.7%， 76.0%， 81.6%； 优势藻在属水平上的平均识别正确率分别为51.0%， 68.9%， 72.0%， 78.8%； 对于优势度达75%的赤潮藻实际混合样品， 优势藻在门、 属水平上的平均识别正确率分别为99.4%和75.9%。 将所建技术用于围隔实验水样和现场调查采集水样进行分析， 有效实现了浮游藻群落组成的识别测定， 尤其是硅藻和甲藻的分类识别。

提出了一种基于小波高频分量的浮游植物活体荧光识别技术。通过测量近海常见52种浮游植物的三维荧光光谱，利用小波函数将光谱分解6层后得到系列正交高频分量cd1~cd6，通过标准偏差选择稳定而特异性强的分量特征点及其组合作为浮游植物荧光识别特征谱，并对其稳定性和判别能力进行贝叶斯判别分析，以判别正确率为基准选择分量组合cd3~cd6作为最佳荧光识别特征谱构建浮游植物荧光标准特征谱库，结合非负最小二乘法实现了浮游植物群落组成门、属水平上的识别测定：单种浮游植物在门、属水平上的识别正确率分别为95.5%和85.7%；浮游植物混合样品(混合比例分别为100%，75%，25%)在门水平上的识别正确率分别为100%，90.9%，53.3%，平均识别相对含量分别为79.7%，68.3%，17.5%；优势藻(单种优势度达75%)在属水平上的识别正确率为81.2%。将该技术用于围隔实验和现场调查采集水样，有效实现了浮游植物在门水平上的定性定量识别测定。

从荧光分光光度计所测浮游植物三维荧光光谱中, 选取12个激发波长点(400, 430, 450, 460, 470, 490, 500, 510, 525, 550, 570, 590 nm)组成离散三维荧光光谱, 采用db7小波技术及Bayes判别法对光谱进行特征提取, 并利用多元线性回归辅以非负最小二乘建立识别技术, 实现了浮游植物群落组成门、 属水平上的荧光识别测定。 所测样品中, 32种赤潮藻: 模拟混合样品(优势种比例分别为70%, 80%, 90%)及单种藻, 属水平平均识别正确率分别为67.5%, 75.8%, 81.4%, 79.4%。 43种浮游植物: 模拟混合样品(优势门比例分别为50%, 75%, 100%)门水平平均识别率分别为95.2%, 99.7%, 91.9%; 平均定量测定百分比分别为38.1%, 63.2%, 90.5%。

基于SA4多小波函数和浮游藻三维荧光光谱发展了一种浮游藻荧光识别测定技术。首先，采用SA4多小波对我国近海常见的42种优势藻种的三维荧光光谱进行分解，得到不同的尺度分量和小波分量，然后，应用贝叶斯判别原理选择第二、三层尺度分量Ca2，Ca3及二者的联合Ca2-Ca3作为荧光特征光谱分量，通过系统聚类分析得到Ca2，Ca3，Ca2-Ca3标准谱库，在此基础上，利用非负最小二乘法解析的多元线性回归建立识别测定技术。用3种标准谱库对培养的单种浮游藻样品在门、属水平上进行分级识别，表明Ca2标准谱库的识别效果最好：门水平上识别正确率平均为96.1%，属水平上识别正确率平均为87.4%。将该技术用于模拟混合样品及实际混合样品的分析，3种比例下，模拟混合样品的优势藻在门水平上识别正确率范围为91.4%～100%，平均为98.0%，99.4%，99.9%，平均相对含量分别为72.7%，77.1%，86.1%，优势藻在属水平上识别正确率范围23.2%～100%，平均为91.2%，92.5%，93.4%。实际混合样品的优势藻在门水平上的识别正确率范围为60.0%～100%，平均为97.0%，平均相对含量为71.8%，在属水平上识别正确率范围为25.0%～100%，平均为83.1%。将该技术用于麦岛围隔和胶州湾采集样品，在门水平上优势藻的分析结果与镜检结果一致，对于10个单种浮游藻优势度超过75%的样品，7个在属水平上的优势藻分析结果与镜检结果一致。

小波分析技术是提取不同门类以及种属水平上浮游植物的三维荧光光谱特征的有效手段, 利用coif2小波函数对分属于7个门, 30个属的37种我国近海常见的浮游植物的三维荧光光谱进行小波分解, 小波分量和尺度分量作为浮游植物备选荧光特征谱, 通过Bayes分析确定第3层尺度分量作为浮游植物门类特征光谱, 第3层尺度分量和第2和第3层小波分量的组合作为浮游植物属特征谱。 对获得的浮游植物荧光特征谱进行系统聚类分析, 得到37种浮游植物门类水平上的107条和属水平上的155条浮游植物荧光标准谱, 组成浮游植物荧光标准谱库。 在此标准谱库的基础上, 利用非负最小二乘法解析的多元线性回归建立浮游植物三维荧光光谱识别技术。 该技术对1 776个单种藻样品和384个混合藻样品进行识别分析, 单种浮游植物样品在门类水平上的识别正确率为98.1%, 属水平上的识别正确率为97.0%; 浮游植物混合样品中的优势种在门水平上的识别正确率分别为94.8%, 在属水平上的识别正确率为92.7%

为了区分和识别不同门和属的浮游植物,以coiflet2小波函数(coif2)为基函数对4个门类9个属的12种浮游植物的三维荧光光谱进行分解,选取第三层尺度分量作为浮游植物识别特征谱。不同门类和属(种)的浮游植物的特征谱具有明显的特征差异。Bayes判别分析结果表明,此类特征谱对浮游植物在门类层次上的总分类正确率可达99.0%,属层次上的总分类正确率可达97.4%。以聚类分析法确立浮游植物特征谱的标准谱库,以此为基础,利用线性回归法(非负最小二乘法解析)建立浮游植物荧光识别测定技术。该技术对单种浮游植物样品在门类及属层次上的识别正确率均大于98.0%,当加入10%或20%的随机噪声时,在门类及属的层次上的识别正确率分别大于98.0%和85.0%; 对浮游植物混合样品中的优势种在门及属的层次上的识别正确率均为100%。