随着我国经济的迅速发展, 石油制品需求量与日俱增, 伴随着工农业生产活动, 大量石油制品进入土壤, 造成严重的土壤石油污染。 土壤中的石油污染物会对植物生长产生危害, 并通过食物链威胁人类健康,因此需对土壤中的石油污染物进行现场、 快速检测。 激光诱导荧光技术（Laser-Induced fluorescence, LIF）具有检测速度快、 灵敏度高、 可现场检测等优点, 但在检测土壤中有机污染物时, 面临着荧光光谱重叠严重等问题。 为了研究土壤中机油和柴油混合物荧光信号的重叠特性, 制备了10种含有不同浓度机油、 柴油混合物的土壤样品。 通过搭建LIF实验系统, 获取不同混合浓度的机油和柴油的荧光光谱, 对油类荧光光谱进行了最大值归一化处理, 建立土壤中机油、 柴油混合光谱的反演关系, 以最小残差平方和为指标, 使用迭代逼近算法计算出土壤荧光光谱中柴油和机油样品的荧光贡献率。 分别使用了全谱法和截取特征光谱两种方法计算机油和柴油的荧光贡献率。 全谱法是在混合油样的全波段光谱（200~600 nm）范围进行迭代逼近, 截取特征光谱方法是在截取油样光谱（330~460 nm）段进行迭代逼近。 （330~460 nm）范围内包含了混合油样的所有光谱特征。 用计算出的机油的荧光贡献率与机油样品浓度做线性拟合时发现, 截取特征光谱法的拟合系数R为0.989, 优于全谱法的0.923。 分别用全谱法、 截取特征光谱法计算出的荧光贡献率以及归一化机油、 柴油光谱合成混合油归一化光谱, 与实际归一化混合光谱比较, 截取特征光谱法计算的平均相对误差为3.38%, 优于全谱的8.79%, 其原因是全谱法比截取特征光谱法引入了更多的噪声信号, 所以在计算油类荧光贡献率时产生了较大的误差。 选取机油和柴油归一化光谱上300, 350, 400, 450和500 nm等 5个位置的荧光强度与归一化混合油光谱做多元线性回归拟合, 计算出平均相对误差为10.31%。 结果表明截取特征光谱方法优于多元线性回归方法； 土壤中机油和柴油的荧光贡献率与自身的浓度之间成良好的线性关系, 说明在土壤中机油和柴油混合后各自的化学性质保持稳定, 在土壤中的荧光信号重叠特性是线性叠加的。 这种这种方法同样可以用于其他石油类混合物的解离。 通过该研究提高了LIF技术在土壤中石油烃类污染物定性与定量检测的准确性。 为土壤中石油烃现场快速检测提供了方法支撑。

石油的勘探开发遍布我国各地区, 其产品的应用与工农业生产和人民日常生活密不可分。 石油及石油制品在使用过程中泄漏到土壤中不断累积, 会破坏生态环境。 激光诱导荧光（LIF）是检测土壤中石油烃类有机污染物的重要方法。 激光脉冲能量是LIF的重要实验参数, 对检测灵敏度, 稳定性有显著影响。 为探究土壤中石油烃的激光诱导荧光信号随激发光脉冲能量变化的特性, 以机油为例, 在实验室制备了机油浓度为0.5%～6%的土壤样品, 使用Nd∶YAG激光器作为激发光源, 通过改变266 nm激光的脉冲能量, 获取不同能量密度下油污土壤的荧光光谱。 实验结果表明, 土壤和土壤中机油的荧光光谱强度随激光脉冲能量的增加而增加, 但增加到一定程度后增幅明显减小。 原因是虽然激光能量密度逐渐增强荧光强度也在增强, 土壤中单位面积的有机物含量有限, 部分有机质已经被光解, 有机物被激发的荧光趋于饱和。 在适当的能量密度下, 土壤中机油的荧光强度与其浓度有良好线性关系。 实验发现, 随着激光能量密度的减小, LIF系统测量机油的平均相对误差先减小后增大, 其原因是, 当激光能量密度小于一定范围时, 信号的信噪比随之减小, 因此测量的平均相对误差逐渐增大; 当激光能量密度大于一定范围时, 虽然信号的信噪比随之增大, 但已经逐渐超出系统最佳的测量范围, 所以测量的平均相对误差逐渐增大。 当激光能量密度在2.4～4.0 mJ·cm-2时, 土壤中机油的荧光强度随激光脉冲能量密度线性增强, 且对机油浓度的测量误差均小于2.5%, 检测限在200～300 mg·kg-1之间。 当能量密度大于4.0 mJ·cm-2时, 机油的荧光强度增幅显著降低, 测量误差也随之增大。 因此, 兼顾LIF测量土壤中机油的平均相对误差和测量检测限, 激光脉冲能量选择2.4～4.0 mJ·cm-2较优。 所述方法也可扩展其他土壤中石油烃荧光信号检测。