实时现场检测土壤中的石油碳化合物污染,采用新的光学方法
Wenjie Yu1, Minglei Yang2, Yuzhu Liu2
1Jiangsu Key Laboratory for Optoelectronic Detection of Atmosphere and Ocean, Nanjing University of Information Science & Technology, Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology (CICAEET), Nanjing 210044, PR China; Department of Engineering Physics, Tsinghua University, Beijing 100084, China.
概括
一种新方法使用激光诱导分解光谱 (LIBS) 和机器学习实时现场检测石油碳化合物 (PHC) 土壤污染. 这种方法可以准确地识别和量化污染水平,即使是挥发性成分.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 石油碳化合物 (PHC) 土壤污染对环境构成重大挑战.
- 传统的检测方法耗时,需要复杂的样本准备,缺乏现场能力.
- 准确有效的PHC检测方法对于环境监测至关重要.
研究的目的:
- 开发一种新的,系统的方法来准确和有效地检测和识别土壤中PHC污染.
- 使用简单的设备实现实时,现场分析.
- 为了实现PHC污染水平的定量分析,并确定有害的挥发性成分.
主要方法:
- 使用激光诱导分解光谱 (LIBS) 来对土壤样本进行元素分析.
- 采用自我改进的机器学习算法来识别PHC污染的土壤样本.
- 开发了一种新的模型,用于对土壤中PHC度的定量分析.
- 分析了光谱数据,以确定有害挥发性成分的最小度.
主要成果:
- 首次使用LIBS和机器学习成功识别了PHC污染的土壤样本.
- 开发了一种能够准确评估PHC污染水平的定量模型.
- 在PHC污染土壤中成功识别了有害的挥发性成分.
- 证明了开发的实时现场检测方法的效率和准确性.
结论:
- 新的方法有效地解决了传统PHC检测技术的局限性.
- LIBS和机器学习的结合方法为现场土壤污染评估提供了准确有效的解决方案.
- 这种创新技术显示出在环境监测和修复工作中广泛应用的巨大潜力.
