论文部分内容阅读
水体有机微污染物具有难降解、高毒性等特点，以色谱-质谱联用仪为代表的分析技术耗时、昂贵，无法对其进行快速、大批量的日常监测。以三维荧光光谱(EEM)法为代表的光谱技术简单廉价、响应灵敏，具有作为有机微污染物辅助性分析技术的潜力。油类和抗生素是典型的有机微污染物，在地表水体中普遍存在且具有明显的生态和健康风险，但复杂的检测要求大大限制了监测力度。由此，本研究基于三维荧光和紫外光谱等技术，研究油类污染物的来源解析技术和抗生素浓度分布的低成本预测技术，旨在为有机微污染物的管控提供监测技术支撑。主要研究结果如下：
(1)油类污染物的来源解析根据地表水中常见油类污染物的组成，配制了四种主要油类污染物(汽油、柴油、废机油和植物油)的混合样本进行光谱分析。结果显示紫外吸收峰强度(λ268nm和λ279nm)与植物油浓度有良好的线性关系(R2Adj.＞0.98，p＜0.01)，可作为植物油的快速检测方法，但普通的紫外和荧光光谱寻峰法无法区分石油类污染物。进一步采用三维荧光结合平行因子分析法(EEM-PARAFAC)识别出每种油的特征荧光组分，并与油类浓度进行一元或多元线性拟合，建立了油类解析模型，成功从混合体系中解析出不同的油类来源及贡献比例(R2Adj.∶0.65-0.99，p＜0.01)，显示出荧光特征峰对油类中不同芳香化合物的敏锐识别，具有应用于水体浮油类污染物快速应急监测的潜力。
(2)水体中抗生素浓度分布的预测以宁波市中心城区河道为研究区域，探究水体中抗生素的含量及光谱技术的预测效果。在河道水体中共检出14种目标抗生素，总量为1139.33ng/L。将抗生素浓度与EEM-PARAFAC识别出的荧光组分及水质指标等参数进行相关性分析，发现陆源荧光组分可以预测面源输入为主的抗生素类物质，常规水质指标可以预测同时具有面源和污水输入来源的抗生素(面源比例偏高)。另一方面，类蛋白荧光组分则可预测污水输入来源为主的抗生素，其中一种类蛋白组分与抗生素总量有显著的正相关性，R2Adj.=0.490，p＜0.01，说明类蛋白荧光组分可以有效预测受生活污水影响的城区河道中抗生素的分布规律。三维荧光光谱法可以建立起抗生素与其来源的关联，因此体现出良好的相关性，这对目前监测能力无法覆盖的区域具有应用潜力。
本研究基于光谱技术对有机微污染物的来源进行识别，表明通过对污染本质的分析、借助化学计量学方法可以实现较高精度的预测，这为量大面广的有机微污染物管控提供了一种分析思路。
(1)油类污染物的来源解析根据地表水中常见油类污染物的组成，配制了四种主要油类污染物(汽油、柴油、废机油和植物油)的混合样本进行光谱分析。结果显示紫外吸收峰强度(λ268nm和λ279nm)与植物油浓度有良好的线性关系(R2Adj.＞0.98，p＜0.01)，可作为植物油的快速检测方法，但普通的紫外和荧光光谱寻峰法无法区分石油类污染物。进一步采用三维荧光结合平行因子分析法(EEM-PARAFAC)识别出每种油的特征荧光组分，并与油类浓度进行一元或多元线性拟合，建立了油类解析模型，成功从混合体系中解析出不同的油类来源及贡献比例(R2Adj.∶0.65-0.99，p＜0.01)，显示出荧光特征峰对油类中不同芳香化合物的敏锐识别，具有应用于水体浮油类污染物快速应急监测的潜力。
(2)水体中抗生素浓度分布的预测以宁波市中心城区河道为研究区域，探究水体中抗生素的含量及光谱技术的预测效果。在河道水体中共检出14种目标抗生素，总量为1139.33ng/L。将抗生素浓度与EEM-PARAFAC识别出的荧光组分及水质指标等参数进行相关性分析，发现陆源荧光组分可以预测面源输入为主的抗生素类物质，常规水质指标可以预测同时具有面源和污水输入来源的抗生素(面源比例偏高)。另一方面，类蛋白荧光组分则可预测污水输入来源为主的抗生素，其中一种类蛋白组分与抗生素总量有显著的正相关性，R2Adj.=0.490，p＜0.01，说明类蛋白荧光组分可以有效预测受生活污水影响的城区河道中抗生素的分布规律。三维荧光光谱法可以建立起抗生素与其来源的关联，因此体现出良好的相关性，这对目前监测能力无法覆盖的区域具有应用潜力。
本研究基于光谱技术对有机微污染物的来源进行识别，表明通过对污染本质的分析、借助化学计量学方法可以实现较高精度的预测，这为量大面广的有机微污染物管控提供了一种分析思路。