采用荧光分光光度计直接获取土壤中多环芳烃(PAHs)的三维荧光光谱,并利用非平滑非负矩阵分解(nsNMF)对其进行解析,结果表明,非负矩阵分解(NMF)能够从混叠光谱中提取出单一多环芳烃的荧光光谱信号。在随机初始值下,nsNMF优于基于交替式非负最小二乘的标准非负矩阵分解(NMF/ANLS),解析光谱与参考光谱的相似系数均在0.824以上。特别是在农田土壤中,菲和蒽的解析光谱与标准参考光谱的相似系数分别由0.758、0.845(NMF/ANLS)提高到0.907、0.913(nsNMF)。三维荧光光谱结合nsNMF能够实现土壤多环芳烃组分的快速识别。

提出了一种基于拉曼光谱的混合物组分识别新方法。对混合物的拉曼光谱进行背景校正和去噪处理,利用Voigt函数对拉曼谱峰进行拟合,获取其谱峰的拉曼位移、半峰全宽及强度作为混合物特征参数向量,通过与数据库纯净物特征向量进行相关性分析,实现混合物组分的有效识别。构建了由18种纯净物拉曼光谱数据构成的标准组分数据库,并对6种混合物进行了组分识别实验。实验结果表明,所提方法的识别准确率达到100%。

为解决微含量石油类污染物识别问题, 采用三维荧光光谱(EEMs)与平行因子(PARAFAC)相结合的技术, 研究了石油类样品荧光组分特征及平行因子组分识别方法。 依据水体中石油类含量的标准规定, 配制出与Ⅰ—Ⅴ类水体对应的CCL4含油样品, 用来模拟油类污染物成分。 首先对97#汽油、 0#柴油、 普通煤油及CCL4溶剂进行三维荧光光谱扫描, 得到纯组分样品的三维荧光光谱图, 其次对97#汽油、 0#柴油及普通煤油的标准样品进行三维荧光光谱图测定, 最后对97#汽油、 0#柴油、 普通煤油在CCL4溶剂中的混合样品进行三维荧光光谱图测定。 在掌握上述不同组分样品的三维荧光光谱特性的基础上, 重点分析微含量下97#汽油、 0#柴油及煤油混合液的三维荧光光谱, 应用平行因子方法解析出样品中三种组分的激发与发射特征光谱以及组分间的浓度比。 解决了混合样品荧光光谱出现叠加, 用化学分离或单纯荧光分析方法较难识别荧光组分的问题, 实现了对微含量含油混合样品的主要组分的识别, 并得到混合样品溶液中不同组分间浓度比。