1 郑州大学地球科学与技术学院, 河南 郑州 450001
2 郑州大学水利科学与工程学院, 河南 郑州 450001
化学需氧量(COD)是水体污染监测的常用水质指标之一, 传统采集手段耗时耗力; 利用遥感反演COD浓度能够快速获取整个水域的COD浓度空间分布状况, 对于水污染治理和水环境保护具有重要意义。 目前利用多光谱遥感数据反演COD浓度精度较低, 主要原因是目前的反演模型多是以皮尔逊相关系数大小为指标选取建模波段的经验方法, 对于多光谱遥感数据而言, 其光谱波段范围较宽, 波段的组合数量有限, 难以找到有效的变量作为建模变量。 针对这一问题, 以郑州市天德湖为例, 基于Planet多光谱高分辨率遥感影像, 对遥感影像进行预处理和分析水样的高光谱数据, 利用卷积神经网络对天德湖COD浓度进行反演; 同时选取单变量回归模型、 多变量回归模型进行精度对比。 主要研究结论有: (1)相比于以皮尔逊相关系数为衡量标准选择不同波段组合的反演方式, 卷积神经网络反演具有更高的空间反演精度, 其决定系数为0.89, RMSE为2.22 mg·L-1, 这是因为卷积神经网络不仅充分利用了遥感影像的光谱特征, 而且能够提取目标像元周围的领域空间信息, 学习到图像深层的抽象特征以及水质参数浓度和遥感数据之间的“内在规律”, 可以在一定程度上避免传统方法建模带来的不稳定性; (2)选取最优的卷积神经网络模型制作天德湖水质COD浓度空间分布专题图; 天德湖具有典型的内陆水体光谱特征, 其COD浓度空间分布整体呈现西部高、 东部较低、 东南方向的进水口浓度较低、 东北方向的出水口浓度较高的特征, 卷积神经网络反演的天德湖区域浓度平均值为23.96 mg·L-1, 标准差为7.11 mg·L-1, 变异系数为0.29, 更加接近实际采样点的统计值。 基于卷积神经网络模型结合多光谱影像反演COD的结果表明卷积神经网络在水质参数COD遥感反演中具有较好的应用潜力。
多光谱遥感 卷积神经网络 Planet影像 Multispectral remote sensing COD COD Convolutional neural network Planet image
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。
氨态氮 化学需氧量 连续光谱法 顺序注射技术 NH3-N COD Continuous spectrum Sequential injection technique
1 太原理工大学 电气与动力工程学院,太原 030000
2 武汉光迅科技股份有限公司,武汉 430074
针对激光器长期高温工作时腔面温度急剧升高产生灾变性光学损伤(COD)的问题,文章提出在半导体激光器腔面处加入Al2O3膜和陶瓷隔热共同作用,其可以降低激光器腔面温度,防止COD的产生。文章首先建立了半导体激光器简化模型分析固体传热。然后对550 K高温下无镀膜无隔热结构、有镀膜无隔热结构、无镀膜有隔热结构及镀膜与隔热结构共同作用时激光器模型的腔面温度进行仿真。其中镀膜选用Al2O3,隔热结构选用陶瓷隔热,腔面材料选用GaAs,热沉选用Cu热沉,接触层选用AlGaAa。4组对比实验结果表明,镀膜与隔热结构共同作用时,能将激光器的腔面温度控制在393.15 K以下。550 K高温在激光器腔面处镀膜和隔热结构双重作用下,能够有效防止COD产生,提高激光器的使用寿命。
半导体激光器 灾变性光学损伤 镀膜 隔热结构 semiconductor laser COD coating thermal insulation structure
太原理工大学化学工程与技术学院,太原 030024
电化学氧化法降解水中毒性有机物具有低碳、节能、清洁等优点,该技术的关键是开发高效、稳定、价格低廉的阳极。本文采用热分解法制备了Ti/SnO2-IrO2电极,对电极进行表征和电化学性能分析,并降解了对氯苯酚。考察不同因素(电流密度、目标污染物初始浓度、Cl-浓度)对降解效果的影响。结果表明,Ti/SnO2-IrO2电极具有较长的寿命和良好的电化学性能。当电流密度为20 mA·cm-2,对氯苯酚初始浓度为300 mg/L,Cl-浓度为1 000 mg/L时,化学需氧量(COD)去除率可达89.02%,同时电极具有较低的能耗0.596 kWh·g-1,表现出优异的催化性能。该电极具有一定的工业应用前景。
电极 阳极材料 Ti/SnO2-IrO2电极 电化学氧化 化学需氧量 有机物降解 对氯苯酚 electrode anode material Ti/SnO2-IrO2 electrode electrochemical oxidation COD organic degradation p-chlorophenol
重庆理工大学光纤传感与光电检测重庆市重点实验室, 重庆 400054
提出一种多场景优化的光谱分类建模解算方法:首先,通过颗粒物Mie散射仿真分析,构建幂函数修正方程,以直接拟合法对样本光谱进行精确浊度校正;然后,利用吸光度归一化法获取不同场景的线性特征光谱,形成场景特征库;使用偏最小二乘法(PLS)为每个场景建立解算模型,形成化学需氧量(COD)解算模型库。对未知水样本进行COD检测时,先通过杰卡德(Jaccard)相似性理论将其归一化光谱与场景库线性特征谱进行匹配,识别其归属场景, 再获取解算库中的最优解算参数来计算COD浓度。实验结果表明,所提方法可获得较高的场景匹配精度,有效降低多场景条件下的COD解算误差,具备良好的实用价值。
光谱学 直接光谱法 多场景优化 浊度校正 COD解算 光学学报
2021, 41(22): 2230001
水体中过高浓度的有机污染物含量危害巨大, 不仅会造成严重的环境污染, 而且会危害人类身体健康。 化学需氧量(COD)表征了水体中有机污染物的污染程度。 提出了一种将紫外(UV)光谱和近红外(NIR)光谱进行多光谱数据级融合(LLDF)和特征级融合(MLDF), 进而构建基于生成对抗式网络(GANs)算法的COD浓度定量预测模型。 首先按照一定的浓度梯度配制COD标准液样本, 分别采集标准液的UV光谱(190~310 nm)和NIR光谱(830~2 100 nm), 对获取到的UV和NIR光谱数据进行一阶导数和Savitzky-Golay (S-G)平滑的预处理, 消除基线漂移和干扰噪声; 基于预处理过的光谱, 直接进行数据级和特征级的数据融合, 结合GANs算法搭建COD浓度预测模型。 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)和预测偏差来对模型进行评价。 结果表明, 不论是特征级融合模型还是数据级融合模型都不够理想。 分析原因可知, 由于UV和NIR波段数据量不均衡, 导致NIR波段掩盖掉了UV光谱的模型贡献度, 让光谱融合失去意义。 为了避免融合失败, 拟采用归一化的方法处理多光谱数据, 并讨论了标准归一化(SNV)、 最大最小归一化(MMN)和矢量归一化(VN)对建模的影响。 将经过归一化后的UV和NIR光谱数据再次进行融合, 分别作为GANs模型的输入X, 将真实测量COD值作为输出值Y, 建立不同归一化方法处理后的COD浓度预测模型。 建模结果显示, 采用不同归一化方法对多光谱数据融合模型的影响较大, 不论是数据级融合模型还是特征级融合模型的预测精度较未归一化之前有明显的提升, 其中采用最大最小归一化的预测模型效果提升最为明显。 与单一谱源的全波长UV波段的GANs预测模型、 全波长NIR波段的GANs预测模型进行对比来验证多光谱数据融合GANs预测模型的精度, 结果表明: 基于UV和NIR光谱的特征级光谱融合模型的R2为0.994 7, RMSEP为0.976, 比数据级融合的预测模型误差降低了52.9%, 预测回收率为98.4%~103.1%, 远好于其他几组, 模型的泛化能力更强, 预测精度也更高。 与单一谱源的预测模型相比, 多光谱数据融合能反应更多的水体样品的化学信息, 更加全面揭示水体的污染物程度, 从不同的层面上反应水体中污染物的差异, 为在线监测水体中COD浓度提供一定的技术支持。
紫外光谱 近红外光谱 数据融合 GANs模型 COD浓度预测 UV spectrum NIR spectrum Data fusion GANs model COD concentration prediction
重庆邮电大学光电工程学院, 光电信息感测与传输技术重庆重点实验室, 重庆 400065
化学需氧量(COD)是反映水体受有机物污染程度的重要指标。 紫外吸收光谱法是目前水体COD检测研究中应用最为广泛的方法, 具有样品无需预处理, 成本低, 无污染, 测定速度快等优点。 但是, 原始光谱数据维数高, 光谱信息中包含大量冗余变量, 直接将全光谱数据进行建模存在精度低, 计算复杂等问题。 针对紫外吸收光谱全光谱建模精度低, 光谱数据存在大量共线性的问题, 提出了一种基于粒子群算法(PSO)结合偏最小二乘(PLS)优选特征波长建立预测模型的方法, 以提高紫外吸收光谱预测模型的精度和适用性, 简化模型。 利用搭建的紫外吸收光谱装置, 采集29份不同浓度的COD标准溶液的紫外光谱数据, 每份标准溶液采集5次取平均值并对其进行平滑处理, 减少仪器和环境带来的误差。 考虑到标准溶液在200~310 nm的光谱范围内存在吸收, 故选取该波段范围内246个波长点作为建模数据, 每个波长点下的吸光度数据作为一个粒子并按照顺序编号, 以PLS为建模方法, 相关系数r和均方根误差(RMSE)为评价指标, 设置粒子群算法适应度函数f(x)=min(RMSE), 取粒子初始种群数为20个, 惯性权重w=0.6, 自我学习因子c1=1.6, 群体学习因子c2=1.6, 最大迭代次数为200次, 算法终止条件为达到最大迭代次数。 算法输出全局最优变量取值为168, 94, 181, 183, 175, 209, 106和142。 采用粒子群算法优选的8个波长点建立PLS预测模型的相关系数r和预测均方根误差RMSE分别为0.999 98和0.155 1。 为了验证PSO-PLS建立的预测模型效果, 建立了PLS, iPLS和SVR三种预测模型进行对比。 验证结果表明, PSO-PLS模型的相关系数r和均方根误差RMSE均优于其他三种预测模型, 说明粒子群算法能有效的提取用于PLS建模的特征波长, 消除子区间变量的共线性, 提高预测模型的精度。 该方法为实现水体COD实时在线监测提供了一种有效途径。
粒子群算法 紫外吸收光谱 COD测量 PLS回归 Particle swarm optimization UV absorption spectroscopy COD measurement PLS regression
1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 Department of Electrical and Computer Engineering, McGill University, QC H3A 2A7, Canada
利用紫外光谱法分析水体COD时, 当样品达到一定浓度之后(仍处于朗伯-比尔定律通常被适用的浓度范围内), 其溶液紫外吸光度与溶液COD数值会明显偏离线性关系, 此现象在许多学者发表的紫外光谱论文中都曾有所提及。 对此, 选用海洋光学公司的S2000微型光纤光谱仪作为光谱测量仪器, 选用PX-2脉冲氙灯作为激发光源, 在温度为20 ℃(±0.5 ℃)及湿度为35%(±5%)的暗室中进行光谱实验, 测量了COD值为40~680 mg·L-1的34组邻苯二甲酸氢钾溶液样品的紫外吸收光谱, 并基于样品紫外吸收特性进行了分析建模。 采用相关系数法选取优势波段, 通过对比样品紫外吸收光谱的第二特征峰和水质COD分析中常用波长处的COD-吸光度关系曲线动态特性, 选定优势波长为275 nm。 采用逐点延伸的方式, 在较低浓度段利用鲁棒线性回归、 较高浓度段利用非线性最小二乘回归, 反复拟合线性或指数方程, 滑动预测下一个数据点, 根据均方根误差和相对误差判断预设低浓度临界点和较高浓度临界点, 确定了低浓度段和较高浓度段COD-吸光度关系模型的分段点分别为300和560 mg·L-1, 得到低浓度段模型和较高浓度段模型。 通过在优势波长处进行低浓度段、 较高浓度段和全浓度范围的鲁棒线性回归和非线性最小二乘法回归等不同模型的拟合精度比较, 表明40~300和300~560 mg·L-1范围内COD-吸光度关系的线性-指数分段数学模型, 不仅拟合精度最高, 而且预测效果好, 低浓度段的预测均方根误差为4.944 9, 较高浓度段的预测均方根误差为6.768 9, 整体预测均方根误差为5.664 7。 研究结果对紫外光谱应用于较高COD的水质测量和分析具有一定的参考价值。
紫外吸收光谱 COD测量 模型临界点 线性-指数分段模型 Ultraviolet absorption spectrum COD measurement Model critical point Linear-exponential piecewise model 光谱学与光谱分析
2020, 40(6): 1741
焦化废水中氨氮和COD(化学需氧量)无法通过生化处理达到排放和回用标准,采用改性二氧化铅电极(ESIXPb-I)对其进行电化学降解实现废水零排放,并考察了电流密度、初始pH值及氯离子浓度对降解的影响。研究结果表明,ESIXPb-I电极提高了Ti/PbO2电极的稳定性和析氧电位,显著降低了电荷转移电阻与膜电阻。ESIXPb-I电极降解焦化废水30 min后,氨氮与COD去除率均达到100%,该降解过程符合伪一级动力学。
氨氮 化学需氧量 伪一级动力学 焦化废水 ammonia nitrogen COD pseudo-first-order kinetic coking waster water