为实现混合体系中多组分有机磷农药的定性识别和定量检测, 采用紫外-可见吸收光谱法结合平行因子分析法(PARAFAC), 对水体中多组分有机磷农药混合溶液进行快速分析测定。 在纯净水中配置毒死蜱、 甲基对硫磷、 丙溴磷的单组分、 2组分和3组分农药溶液为实验样本, 采用紫外-可见光谱仪获取各组样本的吸收光谱。 将测得的纯净水-有机磷农药吸收光谱数据构建为不同的三维数据矩阵, 经核一致诊断法确定因子数后采用PARAFAC算法对三维数据进行分解, 结果发现2组分和3组分混合农药经分解后得到的光谱图与实际单组分光谱图相似度很高, 表明算法可以实现水体中多组分有机磷农药的定性分析。 进一步地, 利用算法分解得到的得分矩阵与各组分的真实浓度构建线性回归模型, 再对不同的数据集(包括农田水为稀释背景的光谱数据集)进行预测。 模型的预测结果表明, PARAFAC算法具有显著的二阶校正优势, 即使是光谱重叠严重、 预测集中存在校正集中不存在的干扰信息, 算法依然可以有效地从混合体系中检测出目标物农药。 模型对2组分混合溶液均实现了定性分析与定量检测, 预测集决定系数R2都大于0.9, 预测残差RPD也都大于3; 对3组分混合溶液的毒死蜱、 甲基对硫磷、 丙溴磷实现了定性分析, 其中毒死蜱和甲基对硫磷均达到了定量检测要求, 只有丙溴磷的定量检测结果不理想, 可能是由于丙溴磷溶液的整体光谱强度水平显著低于相同浓度的毒死蜱和甲基对硫磷溶液, 其光谱贡献最小, 以致算法对其混合体系中丙溴磷的分辨效果较差。 PARAFAC算法实现了“数学分离”代替“化学分离”的效果, 不需要复杂的预处理即可对光谱重叠严重的多组分有机磷农药混合物进行定性识别和定量检测, 这一方法为水体中有机磷农药残留的快速检测分析提供了理论依据。

利用马拉硫磷在紫外/可见光波长范围内的不同浓度梯度的吸光度光谱数据, 建立其快速有效的定量预测分析模型。 在预测模型的建立过程中, 参与建模的波长变量和校正集样本的优劣对定量分析模型的预测能力有着决定性作用。 首先对实验样本是否存在异常样本进行检查, 然后将200.08~750.04 nm波长范围的光谱数据采用不同预处理方法并建立PLS模型, 进而将预处理结果最优(均值中心化)的光谱数据采用竞争性自适应重加权采样(CARS)算法和蒙特卡洛无消息变量消除法(MC-UVE)分别筛选出关键波长变量并建立相应的PLS预测模型, 模型结果表明, CARS算法在关键变量筛选的性能上优于MC-UVE算法; 再将CARS算法筛选出的18个波长变量(为原来变量数的1.137 8%)结合Kennard-Stone (K-S)算法和蒙特卡洛交叉验证(MCCV)分别优选出的44个建模样本(原来样本数的88%)建立CARS-K-Ss-PLS和CARS-CCVs-PLS定量预测模型, R2p分别为0.998 2和0.998 9, RMSEP分别为0.863 4和1.026 2, RPD分别为24.163 5和20.330 1, CARS-K-Ss-PLS模型略优于CARS-CCVs-PLS模型。 结果表明, CARS算法能够淘汰与样本浓度相关性较弱的变量, 同时有效剔除无关光谱信息, K-S算法能帮助选择更优的建模样本集, 马拉硫磷农药的紫外/可见光吸收光谱结合CARS算法和K-S算法所建立的CARS-K-Ss-PLS模型能够用来定量预测马拉硫磷农药浓度。 研究工作为利用光谱技术快速检测有机磷农药浓度提供一定的理论依据和实验基础, 在有机磷农药快速检测领域具有良好的应用前景。

在我国东北大、 小兴安岭南段, 广泛产出一种外观以红色为主, 常带有黄色调的半透明玛瑙, 被称为“北红玛瑙”。 通过偏光显微镜观察、 X射线粉晶衍射分析、 拉曼光谱、 紫外-可见光吸收光谱、 岩石化学全分析对北红玛瑙及黄色、 白色对比样品的物相组成、 化学组成和光谱学特征进行了测试分析。 结果显示, 北红玛瑙的主要矿物组成为α-石英, 次要矿物组成为斜硅石和针铁矿, 另外还含有极少量的赤铁矿。 北红玛瑙的红色、 黄色与针铁矿和极少量的赤铁矿有关, 与南红玛瑙主要为赤铁矿致色明显不同。 显微观察时, 针铁矿、 赤铁矿以橙红色点状和浸染状两种形式存在, 其中点状分布的针铁矿、 赤铁矿大小约10 μm, 但不具备明显的单晶晶体形状, 推测是由亚微米级大小的针铁矿及极少量的赤铁矿聚集形成的集合体; 浸染状分布的橙红色针铁矿、 赤铁矿不可见矿物颗粒大小, 推测其颗粒大小和点状分布的致色矿物类似, 均为亚微米级大小, 但与点状分布的致色矿物不同的是, 并未聚集形成显微镜下可见的点状集合体。 整体上外观呈红色的北红玛瑙中针铁矿、 赤铁矿的含量多于黄色对比样品中的致色矿物含量, 致色矿物的含量会直接影响北红玛瑙的颜色色调。 紫外-可见光吸收光谱中, 针铁矿中Fe3+的6A1→4E, 6A1→4E4A1, 2(6A1)→2(4T1)(4G), 6A1→4T2(4G)和极少量赤铁矿中Fe3+的6A1→4E4A1, 6A1→4T2吸收带与针铁矿、 赤铁矿中O2-和Fe3+之间的电荷转移共同作用, 形成了北红玛瑙带黄色调的红色外观。 紫外-可见光吸收光谱的一阶导数谱中, 可见光范围内北红玛瑙的一阶导数谱极小值的位置为555和556 nm, 黄色对比样品为530 nm, 淡黄色对比样品为502 nm, 随着玛瑙红色调的逐渐减少, 可见光范围内一阶导数谱的极小值位置也逐渐减小, 可以据此衡量红色～黄色玛瑙的色调深浅, 这也对石英质玉石的品种鉴定及颜色分级具有重要参考意义。

采用溶剂热法，以氧化石墨烯为前驱体制备了石墨烯量子点(GQDs)，将不同制备条件和质量分数的GQDs掺杂到聚3-己基噻吩和［6,6\]-苯基-C61-丁酸甲酯(PCBM∶P3HT)中作为敏感层制备了太阳能电池器件。实验结果表明，敏感层掺杂0.2%质量分数的GQDs时，太阳能电池光电转换效率较未掺杂器件提高了16.45%。敏感层掺杂反应时间4 h和温度220 ℃制备的GQDs，获得低粗糙度和高紫外可见光吸收强度的敏感层薄膜，制备的太阳能电池器件光电转换效率为1.34%，较未掺杂GQDs器件提高了12.60%。因此，GQDs适宜的制备条件和掺杂浓度可以提高太阳能电池器件的光电转换效率。

为了明确溶剂对MoS2量子点发光的影响, 以液相剥离法在N-甲基吡咯烷酮(NMP)与1,2-二氯苯(DCB)的混合溶剂中制备了MoS2量子点, 并采用透析的方法对照研究了溶剂及含有MoS2量子点的溶液的发光性质。结果表明, 量子点尺寸分布均匀, 粒径约2.4 nm。拉曼光谱中可在381 cm-1和406 cm-1处观察到MoS2材料的E12g和A1g拉曼特征峰。光学性质分析表明, MoS2量子点的存在造成了260～400 nm附近紫外光吸收的明显变化, 且混合溶剂中的MoS2量子点荧光发射波长对激发波长表现出严重的依赖性。以水为外部环境的透析实验结果表明, 透析后DCB溶剂的HOMO能级会导致MoS2量子点在442 nm附近的发光出现多个发射峰, 但其发光波长不再随激发波长而改变, 进而说明有机溶剂中MoS2量子点发光对激发波长的依赖性是由于有机溶剂在紫外光激发下发光造成的。

采用常规宝石学测试方法, 配合紫外可见光谱技术(UV-Vis) 及傅里叶变换红外光谱技术(FTIR) , 对美国犹他州天然红色绿柱石及俄罗斯水热法合成红色绿柱石的宝石学特征、 紫外可见吸收光谱特征、 中红外光谱(MIR) 特征及近红外光谱(NIR) 特征进行了综合对比研究。 结果表明, 常规宝石学测试方法很难将上述两类宝石区别开来; 紫外可见光吸收光谱对鉴定天然和合成红色绿柱石的能力很有限; 同时这两种宝石的中红外吸收光谱(MIR) 没有明显的特征差异, 其吸收位置和吸收强度基本一致。 但在2 000~9 000 cm-1红外波段, 天然红色绿柱石与水热法合成红色绿柱石的吸收频率差异明显, 因此具有独特的鉴别特征。 进一步研究表明, 天然红色绿柱石在3 500~4 000 cm-1之间没有强吸收峰, 几乎不含结构水, 但在3 300~3 600 cm-1之间有非常弱的吸收带(峰值为3 418 cm-1) , 因此有可能有其他形式的水。 水热法合成红色绿柱石样品的近红外光谱特征表明, 其在3 500~4 000 cm-1之间及5 000~5 800 cm-1之间均显示有强烈的水的振动吸收: 其在5 000~5 800 cm-1有弱的Ⅰ型水吸收峰和强Ⅱ型水吸收峰, 可以归属为分子水的弯曲和伸缩的合频振动; 其在7 000~7 500 cm-1之间显示的弱Ⅰ型水的吸收峰和强的Ⅱ型水的吸收峰可以归属为水的倍频振动。 因此, 水热法合成红色绿柱石中的结构水归属Ⅰ型水与Ⅱ型水的混合型, 其在3 500~4 000及5 000~5 800 cm-1范围水的近红外吸收光谱特征可作为区别天然和水热法合成红色绿柱石的依据。 通过紫外可见光光谱、 中红外光谱以及近红外光谱等光谱分析手段可以初步判断红色绿柱石中是否含水、 水的赋存状态、 以及不同类型水的相对强度和频率, 为区分天然与水热法合成红色绿柱石提供诊断性证据。