石油烃类污染物进入土壤后会随着时间逐步迁移到土壤深层。传统的土壤石油烃检测方法因自身的局限性，无法及时快速地检测深层土壤中的石油烃质量分数。为快速检测深层土壤中的石油烃类污染物，提出了一种基于紫外诱导荧光的石油烃原位检测技术，利用280 nm的深紫外发光二极管（LED）作为激发光源、光电倍增管（PMT）作为信号检测器完成对土壤中石油烃质量分数的探测。实验结果表明，该检测技术能够实现对不同土壤类型（红壤、黄壤、黑土和湖底淤泥土）中各类机油（汽油机油、柴油机油和空压机油）的定量检测，检测结果的平均相对误差（RE）小于10.00%，平均相对标准偏差（RSD）小于4.00%，土壤中各类石油烃的检出限均小于136 mg/kg，完成单个样本测量仅需2.0 s。

水体受石油污染日趋广泛, 给人类及生态环境带来严重威胁。 快速、 准确和可靠地监测水体石油污染状况, 对于理解其环境行为和评估人体暴露风险至关重要。 石油类组分往往具备较好的光谱响应, 然而基于光谱技术快速监测实际石油烃污染水体却鲜有报道。 该研究以典型石油污染场地的地下水和地表水为对象, 在全面分析水质电导率、 总有机碳, Cl-, NO-3, SO2-4, Na+, K+, Mg2+, Ca2+, NH+4, 挥发性有机物和石油烃C6-C9, C10-C14, C15-C28, C29-C40浓度基础上, 对水体样品进行紫外-可见光光谱、 同步荧光光谱、 三维荧光光谱表征, 采用多元数据分析手段评估光谱技术在石油污染场地快速识别应用的可能性。 结果表明: ①紫外-可见光光谱和同步荧光光谱参数表明, 污染的地下水中含有大量芳香族化合物, 且有机物分子结构复杂, 含有大量的羟基、 羰基、 羧基和酯类等取代基, 三维荧光光谱参数表明污染水体中有机物经过了长时间的生物转化, 说明污染地下水中有机物稳定性强, 降解性差; ②三维荧光光谱图表现出Ⅰ和Ⅳ区明显的荧光峰, Ⅴ区存在肩峰的水体主要是苯系物污染, 而三维荧光光谱图表现出Ⅱ和Ⅳ区明显的荧光峰, Ⅰ区存在肩峰的水体主要是萘系物污染, 三维荧光光谱图表现出Ⅱ区最高荧光峰, Ⅰ, Ⅲ, Ⅳ和Ⅴ都存在肩峰的水体主要是萘系物和菲系物污染; ③石油烃C6-C9组分浓度可采用紫外-可见光光谱参数S308～363, SUVA254和三维荧光光谱中Ⅰ区体积快速指示, 石油烃C10-C14组分和总石油烃(TPH)浓度可采用三维荧光光谱中Ⅳ区体积快速指示, 石油烃C15-C28和C29-C40组分浓度可采用三维荧光光谱中Ⅰ区体积快速指示。 研究证实利用光谱参数结合多元数据分析可对石油污染水体进行快速识别, 为地下水石油污染监测和修复提供了一种全新的快速在线监测分析方法。

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。

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。

高光谱成像具有快速无损和图谱合一的特点, 每个波段都会呈现一幅图像, 每个像素点都显示一条光谱曲线, 不仅可以获取样本的光谱信息, 还可以表征物体的空间信息, 目前在诸多领域展现出极大的应用价值。 采用高光谱成像实现土壤中石油烃含量分布的可视化。 制备不同石油烃含量的砖红壤样本, 分为建模样本和预测样本。 采集高光谱图像, 为避免图像背景的干扰, 采用掩膜的方法进行背景剔除。 之后提取建模样本中感兴趣区域的平均光谱, 采用连续投影算法筛选特征变量, 基于提取的特征变量, 一方面建立MLR预测模型, 另一方面从预测样本中提取特征波段的高光谱图像。 最后, 将特征图像上像素点的数据代入模型, 得到石油烃的含量分布情况。 通过图像处理的方法, 不同的含量赋予不同的颜色, 实现砖红壤中石油烃含量分布的可视化。 研究结果表明, 采用高光谱成像与图像处理方法能够初步实现砖红壤中石油烃含量分布的可视化, 为以后大范围地识别和反演土壤中石油烃含量提供了基础。

高光谱遥感技术是一种有效的监测石油类污染手段, 目前主要应用于海上溢油方面, 而关于土壤石油烃污染的研究较少。 针对土壤石油烃污染研究不足的现状, 选取柴油、 汽油和机油三种石油烃, 开展了石油烃污染紫色土的光谱特征实验研究, 分析了紫色土在不同种类石油烃污染及不同污染浓度条件下的光谱特征, 提取了含有不同种类石油烃的紫色土光谱吸收特征波段。 在此基础上, 经过7种光谱变换和相关性分析, 筛选出与石油烃含量最敏感的光谱变量, 分别采用单变量回归法和多元逐步线性回归法建立了估算模型, 并对模型进行了验证。 研究表明: 含有柴油、 机油和汽油的光谱在1 200, 1 700和2 300 nm附近均出现了吸收特征, 光谱吸收深度表现为: 机油>汽油>柴油; 多元逐步线性回归法优于单变量回归法, 其建立的柴油、 机油和汽油的估算模型决定系数均大于0.95, 校正均方根误差小于0.47, 验证均方根误差小于0.56, 估算精度较高。

石油的开采、 运输、 泄漏及石油产品使用量的不断增加, 导致了严重的土壤石油污染, 改变了土壤的理化性质, 引起土壤中的微生物大量死亡, 影响植物的正常生长, 并能通过皮肤、 呼吸、 饮食等方式进入人体, 危害健康。 因此, 土壤石油污染的修复刻不容缓, 但修复效果的评价离不开土壤中残留石油的提取和检测, 建立快速高效的石油提取和分析测定方法是非常重要的。 该研究讨论了检测波长、 提取剂种类、 提取剂用量以及超声萃取次数、 萃取时间、 超声萃取功率等影响污染土壤中总石油烃提取的参数和变量, 最终建立了一种超声萃取-酶标仪-微量法提取检测污染土壤中总石油烃的方法。 确定优化的提取和检测条件为: 紫外检测波长为304 nm, 用石油醚作提取剂, 土液比为1∶4, 超声萃取2次, 每次萃取时间为20 min, 超声萃取功率为100 W。 该优化条件下, 土壤石油添加回收率是88.4%～101.6%, 相对标准偏差均小于4.7%, 提取测定结果符合环境分析化学检测要求。 利用酶标仪代替紫外分光光度计进行检测, 能更方便快速的得出结果, 且测定溶液用量少, 可以更好地推广应用于微量石油污染环境样品的定量检测。 此外, 该方法用石油醚和乙醇作为提取和定容试剂, 克服了采用二氯甲烷、 四氯化碳等有机试剂提取而造成溶剂消耗量大、 易产生二次污染、 不利于环境友好发展等缺点, 是一种快速、 高效、 绿色的提取和测定污染土壤中总石油烃的方法。

石油和石油产品的泄漏可造成严重的土壤污染, 传统的土壤石油烃污染监测方法存在耗时长、 便携性差等问题, 难以满足大面积诊断土壤污染区域和数字化土壤制图的需求。 可见-近红外光谱技术具有快速、 便捷、 低成本和无污染等优势, 是土壤信息快速获取最有潜力的手段, 也是未来研究发展的趋势。 该技术目前在监测土壤性质领域已经取得了一定的成果, 但在监测土壤石油烃污染方面, 国内外的研究仍然处于起步阶段, 石油烃含量反演模型的实际应用仍然是难点, 而且针对现有的成果很少有人对其进行总结。 文章探讨了可见-近红外光谱监测土壤石油烃污染的可行性, 并归纳和总结了污染土壤的光谱敏感波段、 预测模型和光谱数据库三个方面近几年最新的研究进展, 分析了目前研究成果中存在的不足, 并对未来的研究方向进行了展望, 指出今后应加强多种类型土壤石油烃混合物样本、 通用的石油烃预测模型、 野外光谱测量实验和成像光谱技术等四方面研究, 以期为后续进行土壤石油烃污染的深入研究提供借鉴。