CN101458213B - 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 - Google Patents
海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 Download PDFInfo
- Publication number
- CN101458213B CN101458213B CN 200810238720 CN200810238720A CN101458213B CN 101458213 B CN101458213 B CN 101458213B CN 200810238720 CN200810238720 CN 200810238720 CN 200810238720 A CN200810238720 A CN 200810238720A CN 101458213 B CN101458213 B CN 101458213B
- Authority
- CN
- China
- Prior art keywords
- oil
- concentration
- spectrum
- sample
- fluorescence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明是将一定浓度范围内系列浓度下的溢油荧光光谱作为指纹鉴别指标进行油种鉴别,可视为是在传统荧光光谱又加上浓度这一维度,以获取溢油样品的更多的荧光信息以此提高荧光油种鉴别的能力。对某一常规溢油样品进行由某一固定原始浓度对半稀释配置系列浓度萃取液,并对其进行荧光光谱的测量,根据检测精度和数据处理速度的要求选择三维荧光光谱或同步荧光光谱,依次方法建立常规类型不同油源的溢油样品进行浓度参量辅助特征光谱数据库。对某一溢油样品进行油种鉴别时,将溢油样品按照相同方式进行萃取稀释并获取相应特征光谱,并与数据库中的样本进行对比识别,最佳匹配的即是该溢油样品的油种。
Description
技术领域:
本发明涉及一种海洋溢油的油种鉴别技术,特别涉及将一定浓度范围内系列浓度下的溢油荧光光谱作为指纹鉴别指标进行油种鉴别的方法。
背景技术:
海洋溢油事故的频发和其对海洋环境安全和人类健康的严重危害,将对海洋溢油的研究提到了全球环境问题的焦点之一,因此,建立一套快速、实时、经济、简便、实用和易于推广的海洋溢油样品多环芳烃(PAHs)分析技术,对中国这样一个环境压力日趋严重的世界上最大的发展中国家具有重要的实用价值。
多环芳烃由于其高Kow值(辛醇-水分配系数)的特性在环境中不易被分解、风化,且其各种衍生物在不同来源的原油及其他环境污染物中有独特的组成比例,因此,利用各种指纹分析基础,找出多环芳烃于污染物内的组成特征,是于复杂的污染环境中辨识污染源的最有效方法。对生态环境影响评估可提供量化数据,并作为污染源责任厘清与管制的依据,同时可以追踪污染源头和确定污染的迁徙和范围。
荧光光谱技术具有灵敏度高、选择性好、试样量少、分析结果快速、适用于现场操作,不受时间变化的影响等优点,一直作为国际海事组织(IMO)推荐的主要标准的化学分析仪器之一(荧光光谱仪、气相色谱仪、红外光谱仪和色/质联用仪等),被广泛应用于溢油污染的污染源鉴定及其它污染源的鉴别。
但一直以来不能作为独立的鉴别手段,同时也不能进一步分析出各种来源的污染进入污染区域的量化数值。需要整合各种化学指纹方法(近红外光谱法NIR,傅里叶变换红外光谱法FTIR,高效液相色谱法HPLC,多维色谱技术HPLC-GC,核磁共振法NMR-C13及NMR-MH等)的结果,通过一些群聚分析(如PCA)等方法,进行鉴定,这些方法不是分析仪器昂贵,就是操作繁琐,一般实验室应用较为困难,更谈不上海上实时监测。
传统的荧光技术主要包括发射光谱技术,三维荧光技术和同步荧光技术及其相关的各种数据分析的方法,在化合物分析中得到广泛应用,但其成功主要局限于单一组分或简单的多组分芳烃化合物的分析。对于原油等污染物这种极为复杂的多组分混合物,一直套用传统的光谱分析方法,将原油样品稀释到较低浓度范围,认为此范围即是浓度的线性变化范围,指纹不随浓度变化,以此作为荧光鉴别的依据,但三维光谱有严重的光谱重叠现象,借助各种统计特征参量运用人工神经网络等各种数据手段等方法并不能真正解决这类问题,同时还造成了计算数据庞大,费时费力。
发明内容:
本发明的目的在于克服已有技术的不足,提供一种快速、实时、经济、简便、实用和易于推广的海洋溢油样品PAHs分析技术。
本发明的方法是改变传统的荧光检测方法,即将溢油样品稀释到较低浓度范围,认为此范围即是荧光强度随浓度成线性变化的范围,获取该浓度范围内某一特定浓度的激发-发射-荧光三维光谱(EEM)或同步荧光光谱(SFS),以此光谱作为油种鉴别的指纹识别方法。新方法将一定浓度范围内系列浓度下的溢油荧光光谱作为指纹鉴别指标进行油种鉴别,可视为是在原有光谱又加上浓度这一维度,在较大的浓度的范围内获取溢油样品的更多的荧光信息以此提高荧光油种鉴别的能力。
加入浓度参量作为区分不同油种荧光光谱的指标是鉴于溢油(主要以原油或成品油为主)油品组分非常复杂,其中的产生荧光的多环芳烃的含量也十分复杂。由于不同组分的多环芳烃不存在统一的线性浓度范围,各芳烃组分存在不同的浓度线形范围,相互之间存在着很强的荧光猝灭影响,这就导致同一种原油不同浓度下其荧光光谱差别很大,不同油源的原油在不同的浓度下可能出现相似的荧光峰,因此在很多情况下单一浓度值不能准确原油等溢油污染物浓度进行识别。但是在一个较大的浓度范围内10-4g/L~10g/L,同一原油样品其荧光光谱随浓度的变化的趋势是特有的,不同原油样品其荧光光谱随浓度的变化趋势的差别较大,如图1所示。由此形成的加入浓度参量的特征光谱谱图,较以往的各类荧光检测手段形成的新的指纹信息能够更好的反映出不同油种的特征。该发明不仅能区分不同溢油种类,不同原油来源,对于同一油田不同井区的原油样品也可实现准确识别。即关键技术在于浓度作为参量引入油种鉴别的荧光光谱的指标。
荧光光谱的选取可采用较为常用的三维荧光光谱或同步荧光光谱,三维荧光以等高线谱图的形式表现时,即为常见的油种指纹图,加上浓度一维,即可构成四维的立体指纹图作为油种鉴别的特征图谱,将光谱信息的维度扩展,提高分辨率,同时维度的增加必然造成数据量的增加和分析的复杂,需在油种识别之前首先通过数据处理的手段简化光谱数据。
同步荧光光谱可视为以特殊的二维截面信息反映三维荧光信息,固定波长的同步荧光光谱表现在三维光谱上即为与λem坐标轴夹角为45°,截距为Δλ的二维截面。恰当的Δλ选择可获取三维光谱的主要信息,同时可缩短光谱获取时间,简化数据处理过程,加入浓度参量后,获取的系列浓度下的同步荧光光谱图所构成的特征指纹图谱可以有效的区分主要的溢油种类。
本实验所用萃取剂均为可选取正己烷、环己烷、正庚烷或异丙醇试剂。其中正己烷、环己烷、对溢油样品可以全部溶解,其浓度配置过程较为简单,但正己烷毒性较强。
异丙醇对原油的溶解能力较低,但其溶解原油后的荧光强度却超过其它各种溶剂,原油中部分成分不能溶解在异丙醇中造成的荧光损失非常有限,可以忽略,鉴于其毒性较小,也可以考虑作为萃取剂。但初始浓度的配置较为复杂。
正庚烷作为萃取剂在各方面条件比较优越,但价格偏高。
附图说明
图1为本发明的不同的溢油样品在10-4g/L~10g/L浓度范围内得到的同步荧光光谱随浓度变化趋势图。(2.0g/L(A),1.0g/L(B),0.50g/L(C),0.25g/L(D),1.3×10-1g/L(E),6.3×10-2g/L(F)and3.1×10-2g/L(G))。
图2为本发明孤北样品6.3×10-2g/L浓度下不同波长差Δλ下同步荧光光谱,其中波长差Δλ分别可以设定为10nm、20nm、30nm、40nm、70nm,图中加粗线为波长差为40nm的同步荧光光谱。
图3为本发明某一溢油样品的浓度辅助参量同步荧光光谱,该图为激发波长和发射波长的间隔Δλ=40nm为特征光谱图。
图4为本发明某一溢油样品的浓度辅助参量同步荧光光谱,该图为激发波长和发射波长的间隔Δλ=40nm的等高线图(也可称为指纹图)。
图5为本发明不同的溢油样品的浓度辅助参量同步荧光光谱,该图为激发波长和发射波长的间隔Δλ=40nm的特征光谱指纹图。
具体实施方式:
实施例1:
一、溢油样品系列浓度萃取液的配置
对某一溢油样品需分别配制了对应浓度从10g/L到1.0×10-4g/L的各18组样品萃取液。具体的萃取液配制方法是:用电子天平称取上述原油样品各0.10g,在量杯中配制成为对应浓度为10.0g/L的原液,同时也为待测样品的首组样品。在首组样品配制好以后,要塞紧玻璃塞以防萃取剂的挥发,可将其放在温水中水浴以加快溶解,震荡每支比色管以促使原油样品充分溶解在萃取剂中。在原油样品充分溶解后,采用浓度对半稀释的方法配制第2组到第18组萃取液,采用对半稀释的原则目的是在较大浓度范围内获取尽量多的光谱随浓度变化信息。本实验所用萃取剂可选取正己烷、环己烷、正庚烷或异丙醇试剂。
二、采用同步荧光光谱的方法获取浓度参量特征光谱
针对常规的溢油的光谱特征,选取主峰最多最高以及峰峰分离度最大的光谱图所对应的Δλ即为最佳的波长差(实验发现Δλ取10nm~50nm时均可较好的反映三维光谱的信息,如图2所示)。选择并固定最佳波长差,图中选择较为常用Δλ=40nm,采用同步荧光法分别测量上述18个系列浓度光谱并将光谱数据进行平滑和归一化处理,将上述光谱数据全部输入到通用的数学处理软件MATLAB中生成,并利用MATLAB中的interp2命令对上述数据库进行二维三次卷积插值,以形成浓度连续的同步荧光特征光谱,如图3,其中浓度坐标考虑对半稀释的稀释方法,取对数值X=log 2213C。此特征图谱作为该溢油样品的浓度参量辅助荧光光谱的特征指纹。
三、建立常规溢油不同油源浓度参量特征荧光光谱数据库
针对常规种类不同油源的溢油采用上述步骤逐一获取其浓度辅助参量同步荧光特征光谱,如图4所示为不同油源的等高线图(指纹图),并将同一种类的样品光谱和不同油源光谱进行分层归类,以简化光谱匹配的数据量。
四、光谱匹配以确定溢油的油种及来源
取待识别溢油样品,并对保持与前述实验条件一致,测得溢油样品的一定浓度范围内的同步荧光光谱,并对光谱数据进行与前述一致的平滑、归一化及插值处理后,得到待识别样品的特征光谱。将待识别溢油样品的特征光谱与光谱数据库中的进行分层归类光谱匹配,最佳匹配的特征光谱的油种及来源即是待识别溢油样品的油种及来源。
实施例2:
一、溢油样品系列浓度萃取液的配置
对某一溢油样品需分别配制了对应浓度从10g/L到1.0×10-4g/L的各18组样品萃取液。具体的萃取液配制方法是:用电子天平称取上述原油样品各0.10g,在量杯中配制成为对应浓度为10.0g/L的原液,同时也为待测样品的首组样品。在首组样品配制好以后,要塞紧玻璃塞以防萃取剂的挥发,可将其放在温水中水浴以加快溶解,震荡每支比色管以促使原油样品充分溶解在萃取剂中。在原油样品充分溶解后,采用浓度对半稀释的方法配制第2组到第18组萃取液,采用对半稀释的原则目的是在较大浓度范围内获取尽量多的光谱随浓度变化信息。本实验所用萃取剂可选取正己烷、环己烷、正庚烷或异丙醇试剂。
二、采用三维荧光光谱的方法获取浓度参量特征光谱:
在荧光分光光度计具有快速获取三维光谱的功能时,系列浓度下的三维光谱比同步光谱拥有更多的信息量,当然这同时增大了数据简化和处理的工作量。选取激发波长为200nm~500nm,发射波长至700nm,由荧光分光光度计一次获取。
三、建立常规溢油不同油源浓度参量特征荧光光谱数据库
针对常规种类不同油源的溢油采用上述步骤逐一获取其三维荧光光谱,并将同一种类的样品光谱和不同油源光谱进行分层归类,特征提取以简化光谱匹配的数据量。
四、光谱匹配以确定溢油的油种及来源
取待识别溢油样品,并对保持与前述实验条件一致,测得溢油样品的一定浓度范围内的三维荧光光谱,并对光谱数据进行特征提取,简化数据,得到其特征光谱,将待识别溢油样品的特征光谱与光谱数据库中的进行分层归类光谱匹配,最佳匹配的特征光谱的油种及来源即是待识别溢油样品的油种及来源。
实施例3:
一、溢油样品系列浓度萃取液的配置
对于溢油样品的系列浓度的范围,在常规条件下可选用10g/L到1.0×10-4g/L。考虑对数据信息量的要求,也可适当缩小或增大此浓度范围,但不宜仅仅局限于高浓度或低浓度,应至少有2个数量级上的跨度。对于常用的荧光分光光度计最大可扩展20g/L到1.0×10-6g/L,若使用激光诱导荧光光谱技术,浓度范围可降至1.0×10-9g/L。
称取某一常规溢油样品进行系列浓度下同步光谱的测量,对某一溢油样品需分别配制了对应浓度从20g/L到1.0×10-6g/L的各n组样品萃取液,n的数量及浓度的范围确定视数据信息量的要求确定,具体的萃取液配制方法是:用电子天平称取上述原油样品各0.20g,在量杯中配制成为对应浓度为20.0g/L的原液,同时也为待测样品的首组样品。在首组样品配制好以后,要塞紧玻璃塞以防萃取剂的挥发,可将其放在温水中水浴以加快溶解,震荡每支比色管以促使原油样品充分溶解在萃取剂中。在原油样品充分溶解后,采用浓度对半稀释的方法配制第2组到第n组萃取液,采用对半稀释的原则目的是在较大浓度范围内获取尽量多的光谱随浓度变化信息。本实验所用萃取剂可选取其特征是上述溶剂为正己烷、环己烷、正庚烷或异丙醇试剂。
二、采用同步荧光光谱的方法获取浓度参量特征光谱
针对常规的溢油的光谱特征,选取主峰最多最高以及峰峰分离度最大的光谱图所对应的Δλ即为最佳的波长差(实验发现Δλ取10nm~50nm时均可较好的反映三维光谱的信息,如图2所示)。选择并固定最佳波长差,图中选择较为常用Δλ=40nm,采用同步荧光法分别测量上述18个系列浓度光谱并将光谱数据进行平滑和归一化处理,将上述光谱数据全部输入到通用的数学处理软件MATLAB中生成,并利用MATLAB中的interp2命令对上述数据库进行二维三次卷积插值,以形成浓度连续的同步荧光特征光谱,如图3,其中浓度坐标考虑对半稀释的稀释方法,取对数值X=l og2213C。此特征图谱作为该溢油样品的浓度参量辅助荧光光谱的特征指纹。
三、建立常规溢油不同油源浓度参量特征荧光光谱数据库
针对常规种类不同油源的溢油采用上述步骤逐一获取其浓度辅助参量同步荧光特征光谱,如图4所示为不同油源的等高线图(指纹图),并将同一种类的样品光谱和不同油源光谱进行分层归类,以简化光谱匹配的数据量。
四、光谱匹配以确定溢油的油种及来源
取待识别溢油样品,并对保持与前述实验条件一致,测得溢油样品的一定浓度范围内的同步荧光光谱,并对光谱数据进行与前述一致的平滑、归一化及插值处理后,得到待识别样品的特征光谱。将待识别溢油样品的特征光谱与光谱数据库中的进行分层归类光谱匹配,最佳匹配的特征光谱的油种及来源即使待识别溢油样品的油种及来源。具体方法可采用最小二乘法等模式识别算法与数据库中的样本进行对比匹配,误差最小的即是该溢油样品的油种。
实施例4:
一、溢油样品系列浓度萃取液的配置
对于溢油样品的系列浓度的范围,在常规条件下可选用10g/L到1.0×10-4g/L。考虑对数据信息量的要求,也可适当缩小或增大此浓度范围,但不宜仅仅局限于高浓度或低浓度,应至少有2个数量级上的跨度。对于常用的荧光分光光度计最大可扩展20g/L到1.0×10-6g/L,若使用激光诱导荧光光谱技术,浓度范围可降至1.0×10-9g/L。
称取某一常规溢油样品进行系列浓度下同步光谱的测量,对某一溢油样品需分别配制了对应浓度从20g/L到1.0×10-6g/L的各n组样品萃取液,n的数量及浓度的范围确定视数据信息量的要求确定,具体的萃取液配制方法是:用电子天平称取上述原油样品各0.20g,在量杯中配制成为对应浓度为20.0g/L的原液,同时也为待测样品的首组样品。在首组样品配制好以后,要塞紧玻璃塞以防萃取剂的挥发,可将其放在温水中水浴以加快溶解,震荡每支比色管以促使原油样品充分溶解在萃取剂中。在原油样品充分溶解后,采用浓度对半稀释的方法配制第2组到第n组萃取液,采用对半稀释的原则目的是在较大浓度范围内获取尽量多的光谱随浓度变化信息。本实验所用萃取剂可选取其特征是上述溶剂为正己烷、环己烷、正庚烷或异丙醇试剂。
二、采用三维荧光光谱的方法获取浓度参量特征光谱:
在荧光分光光度计具有快速获取三维光谱的功能时,系列浓度下的三维光谱比同步光谱拥有更多的信息量,当然这同时增大了数据简化和处理的工作量。选取激发波长为200nm~500nm,发射波长至700nm,由荧光分光光度计一次获取。
三、建立常规溢油不同油源浓度参量特征荧光光谱数据库
针对常规种类不同油源的溢油采用上述步骤逐一获取其三维荧光光谱,并将同一种类的样品光谱和不同油源光谱进行分层归类,特征提取以简化光谱匹配的数据量。
四、光谱匹配以确定溢油的油种及来源
取待识别溢油样品,并对保持与前述实验条件一致,测得溢油样品的一定浓度范围内的三维荧光光谱,并对光谱数据进行特征提取,简化数据,得到其特征光谱,将待识别溢油样品的特征光谱与光谱数据库中的进行分层归类光谱匹配,最佳匹配的特征光谱的油种及来源即是待识别溢油样品的油种及来源。
本发明亦适用于含有多种芳烃组分的混合物或其他荧光组分混合物的种类鉴定,例如在石油勘探中的油种鉴别,能很好的应用于原油运移的研究,与原油相关的芳烃环境监测也可直接借用此发明中的方法,其他的多组分荧光物质混合物的鉴定也可以考虑荧光物质的荧光特性及选取不同萃取剂的基础上应用本发明的鉴别方法。
Claims (7)
1.一种海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是将一定浓度范围内系列浓度下的溢油荧光光谱作为指纹鉴别指标进行油种鉴别,在荧光光谱测量的基础上加上溢油浓度作为另一维度,以获取溢油样品的更多的荧光信息以此提高荧光光谱对油种的鉴别能力:
步骤一,对常规溢油样品在一定的非线性浓度范围内选取萃取溶剂进行萃取稀释,采用对半稀释的浓度配制方法,配置系列浓度溢油样品溶液,对配置好的系列浓度的溢油样品溶液进行荧光光谱测量,依此方法建立常规油种及来源的溢油样品的浓度参量辅助特征光谱数据库;
步骤二,根据检测精度和数据处理速度的要求选择三维荧光光谱或同步荧光光谱,并实现常规类型不同油源的溢油样品进行浓度参量辅助特征光谱数据库的建立;
步骤三,对某一待测溢油样品进行油种鉴别时,将所述待测溢油样品按照步骤一和步骤二的方式进行萃取稀释并获取相应特征光谱,并与步骤二中建立的特征光谱数据库中的样本进行对比识别,最佳匹配的特征光谱的油种及来源是待识别溢油样品的油种及来源。
2.根据权利要求1所述的海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是将所述溢油浓度作为辅助参量引入荧光光谱指纹鉴别,可视为在原有光谱上又加上了浓度这一维度,及在一定非线性浓度范围内进行系列浓度萃取液荧光光谱测量。
3.根据权利要求1所述的海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是所述的一定非线性浓度范围是常规条件下选用10g/L到1.0×10-4/L之间。
4.根据权利要求1所述的海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是使用荧光分光光度计进行浓度测量时,所述非线性范围的最大可扩展至20g/L到1.0×10-6g/L之间,在使用激光诱导荧光光谱技术进行浓度测量时,浓度范围可扩展至20g/L到1.0×10-9g/L之间。
5.根据权利要求1所述的海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是所述系列浓度萃取液的获取是由某一确定的原始浓度按照对半稀释的原则配置而成,采用对半稀释的原则可在较大浓度范围内获取尽量多的光谱随浓度变化信息。
6.根据权利要求1所述的海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是所述荧光光谱的获取根据检测精度和数据处理速度的要求选择三维荧光光谱或同步荧光光谱,其中所述同步光谱能够提高荧光溢油检测的准确度,三维荧光的选取虽然在数据处理上增加了难度,但其精度有更进一步的提高。
7.根据权利要求1所述的海洋溢油的浓度辅助参量荧光光谱油种鉴别方法,其特征是所述三维荧光光谱是选取激发波长为200nm~500nm,发射波长至700nm,由荧光分光光度计一次获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810238720 CN101458213B (zh) | 2008-12-23 | 2008-12-23 | 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810238720 CN101458213B (zh) | 2008-12-23 | 2008-12-23 | 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101458213A CN101458213A (zh) | 2009-06-17 |
CN101458213B true CN101458213B (zh) | 2011-02-09 |
Family
ID=40769198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810238720 Expired - Fee Related CN101458213B (zh) | 2008-12-23 | 2008-12-23 | 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101458213B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907625A (zh) * | 2019-12-06 | 2020-03-24 | 大连海事大学 | 基于多维化学指纹量化模型判别海上溢油种类的方法 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839858B (zh) * | 2010-05-13 | 2012-11-07 | 大连海事大学 | 一种非线性激光荧光光谱实时识别方法 |
CN101923649B (zh) * | 2010-06-22 | 2013-01-09 | 中国海洋大学 | 一种基于荧光光谱的溢油种类识别方法 |
CN101936902A (zh) * | 2010-08-02 | 2011-01-05 | 昆明理工大学 | 一种核桃油真伪鉴别和含量测定的方法 |
CN102004095B (zh) * | 2010-09-21 | 2012-08-22 | 同济大学 | 快速鉴别污水处理厂进水中垃圾填埋场渗滤液的方法 |
CN102253016B (zh) * | 2011-04-12 | 2013-03-13 | 北京师范大学 | 油气包裹体的芳烃组份显微荧光鉴别方法 |
CN102980876B (zh) * | 2012-11-30 | 2015-02-25 | 大连海事大学 | 一种鉴别海上风化原油与船用燃料油的多维化学指纹及方法 |
CN104833666A (zh) * | 2015-05-08 | 2015-08-12 | 中石化石油工程技术服务有限公司 | 一种溢油检测终端、系统及方法 |
CN105388134A (zh) * | 2015-10-19 | 2016-03-09 | 青岛市光电工程技术研究院 | 一种荧光信号增强的距离自适应溢油监测方法 |
CN105334197A (zh) * | 2015-11-14 | 2016-02-17 | 常州大学 | 一种基于荧光光谱技术的消毒副产物的分析方法 |
CN106996925B (zh) * | 2017-02-27 | 2020-06-16 | 江苏科技大学 | 一种利用荧光光谱监控酶法制备降血糖肽的方法 |
CN107356535B (zh) * | 2017-06-12 | 2020-06-05 | 湖北久之洋红外系统股份有限公司 | 一种基于光谱成像技术的海上溢油检测方法 |
CN108414340A (zh) * | 2018-01-25 | 2018-08-17 | 潍坊学院 | 应用于油源识别的联合萃取荧光光谱检测方法 |
CN109060256B (zh) * | 2018-06-27 | 2023-11-21 | 中海石油环保服务(天津)有限公司 | 一种模拟水下管道溢油的试验装置及方法 |
CN109030443B (zh) * | 2018-08-21 | 2020-09-22 | 燕山大学 | 一种基于交替惩罚三线性分解的海面失事飞机溢出油液油种成分检测方法 |
CN109115744A (zh) * | 2018-10-16 | 2019-01-01 | 四川理工学院 | 利用三维荧光光谱技术快速检测食用油掺伪煎炸油的方法 |
CN110488710B (zh) * | 2019-08-26 | 2021-02-12 | 武汉和时利自动化系统工程有限公司 | 基于污水指纹图谱变化的河道排污点排查系统及方法 |
CN110632043A (zh) * | 2019-08-28 | 2019-12-31 | 中国地质调查局西安地质调查中心 | 一种新型测定复垦土地样品中石油类的方法 |
CN110879219B (zh) * | 2019-12-26 | 2022-05-13 | 通标标准技术服务(天津)有限公司 | 基于三维荧光光谱的水中矿物油检测方法 |
CN114018887A (zh) * | 2021-11-05 | 2022-02-08 | 国网安徽省电力有限公司电力科学研究院 | 一种快速检测变压器绝缘油中抗氧化剂含量的方法 |
CN114878528A (zh) * | 2022-04-21 | 2022-08-09 | 宁波大学 | 基于三维荧光光谱法对地表水表面浮油快速溯源的方法 |
-
2008
- 2008-12-23 CN CN 200810238720 patent/CN101458213B/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907625A (zh) * | 2019-12-06 | 2020-03-24 | 大连海事大学 | 基于多维化学指纹量化模型判别海上溢油种类的方法 |
CN110907625B (zh) * | 2019-12-06 | 2022-02-22 | 大连海事大学 | 基于多维化学指纹量化模型判别海上溢油种类的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101458213A (zh) | 2009-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101458213B (zh) | 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 | |
Kumar et al. | Unconventional steady-state fluorescence spectroscopy as an analytical technique for analyses of complex-multifluorophoric mixtures | |
CN102507474B (zh) | 一种船舶溢油目标的识别方法及系统 | |
CN104865194A (zh) | 基于近红外、荧光、偏振多光谱的蔬菜农残检测装置及方法 | |
KR20080081192A (ko) | 매질 중의 화학 화합물의 동일성 또는 비동일성 및 농도의결정 방법 | |
CN102692388A (zh) | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 | |
CN108398416A (zh) | 一种基于激光拉曼光谱的混合物成分测定方法 | |
CN108845045A (zh) | 一种气相指纹图谱结合主成分分析方法判别炸油质量的方法 | |
CN106153581A (zh) | 用于检测苯并芘的无参比spr传感器 | |
CN104730043A (zh) | 一种基于偏最小二乘法的墨水中重金属测定方法 | |
CN101408501A (zh) | 采用近红外光谱-偏最小二乘法定量检测dna碱基的方法 | |
JP2018040779A (ja) | 未知試料判定方法、未知試料判定装置及び未知試料判定プログラム | |
CN110907388A (zh) | 一种基于红外光谱分析的溢油种类鉴别的方法 | |
CN102338743B (zh) | 一种识别发动机燃料种类和牌号中红外光谱方法 | |
CN103954583B (zh) | 一种燕窝的红外光谱检测方法 | |
Sun et al. | Linking phytoplankton absorption to community composition in Chinese marginal seas | |
Xie et al. | Oil species identification based on fluorescence excitation-emission matrix and transformer-based deep learning | |
Pillai | Estimating fuel adulteration in automobiles using robust optical fiber sensors | |
Hooker et al. | The fourth SeaWiFS HPLC analysis round-Robin experiment (SeaHARRE-4) | |
CN205015270U (zh) | 一种快速检测生物液态样品的光学装置 | |
CN102221534B (zh) | 一种快速识别发动机燃料种类的中红外光谱方法 | |
CN107389645B (zh) | 离散小波变换解析油品荧光特性的Fisher模型鉴别海上溢油的方法 | |
Capobianco et al. | Pigment identification in pictorial layers by HyperSpectral Imaging | |
NL2034211A (en) | Method and system for quantitatively identifying multi-pollution sources of mixed water body | |
CN102455281B (zh) | 高通量多用途液体样品快速光电分析仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110209 Termination date: 20131223 |