重金屬含量的分子光譜檢測方法研究.pdf

1、自然資源的不合理利用導致大量重金屬進入土壤和水體中,并以食物和飲用水為主要途徑進入人體,嚴重威脅著人類的健康。當前常用的重金屬檢測方法存在樣品的前處理復雜,費時費力,且易產生二次污染等缺點,因此急需探索一種重金屬快速檢測方法。近紅外、拉曼等分子光譜技術具有高效、快速、低成本等特點,在環(huán)境監(jiān)測領域有廣泛的應用前景。本文探討了近紅外和拉曼兩種分子光譜技術在重金屬含量檢測中的應用,采用近紅外光譜分析技術對丁香蓼植株體內的重金屬銅和鋅含量進行了

2、檢測,同時對水體中的重金屬銅、鋅、鎘以及鉛含量進行了共焦顯微拉曼光譜的檢測研究,為建立環(huán)境中重金屬的分子光譜檢測提供理論基礎,主要研究結論和結果如下:
　　(1)以在不同濃度的銅和鋅含量土壤中盆栽培養(yǎng)的丁香蓼植株根莖葉3種組織為研究對象,探討不同預處理方法和不同建模算法對近紅外銅鋅含量檢測模型精度的影響。研究結果表明:對添加了銅或鋅離子的盆栽植株,根部、莖部和葉部組織的近紅外光譜分別為經標準正態(tài)變量校正、多元散射校正和去趨勢算法預

3、處理后建立的校正模型較理想。采用PLS建模方法建立的丁香蓼重金屬銅鋅含量檢測模型的交互驗證結果均優(yōu)于PCR和MLR模型。分別采用相應的24個未知樣品對模型進行檢驗,對于銅處理組,其根部、莖部和葉部的銅含量檢測模型預測相關系數分別為0.97、0.96、0.97,預測均方根誤差分別為2.96mg/kg、10.89mg/kg、28.15mg/kg;對于鋅處理組,其根部、莖部和葉部的鋅含量檢測模型預測相關系數分別為0.97、0.98、0.97,

4、預測均方根誤差分別為9.81mg/kg、10.12mg/kg、12.11mg/kg。近紅外光譜技術結合化學計量學方法可用于丁香蓼中銅鋅含量的定量檢測。
　　(2)以水中銅、鋅、鎘和鉛重金屬離子經Mn2+-phen-SCN-三元體系絡合后的沉淀為研究對象,探討不同預處理方法和不同建模算法對水體中重金屬銅、鋅、鎘和鉛含量的拉曼光譜檢測模型精度的影響。研究結果表明:對水體中銅、鋅、鎘和鉛重金屬絡合物的拉曼光譜分別經過經基線校正、一階微分

5、、去趨勢算法和一階微分預處理后都得到了較好的分析模型。采用PLS建模方法建立的水中重金屬銅、鋅、鎘和鉛含量檢測模型的交互驗證結果均優(yōu)于PCR和MLR模型。分別采用相應的28個未知樣品對模型進行檢驗,其預測相關系數分別為0.979、0.964、0.956、0.972,預測均方根誤差分別為6.587μg/kg、9.046μg/kg、9.998μg/kg、7.751μg/kg,結果較理想。拉曼光譜檢測技術結合共沉淀法可以用于水中重金屬銅、鋅、