CN117272070A - 一种同时利用有机和无机污染物的定量源解析方法 - Google Patents
一种同时利用有机和无机污染物的定量源解析方法 Download PDFInfo
- Publication number
- CN117272070A CN117272070A CN202311548690.XA CN202311548690A CN117272070A CN 117272070 A CN117272070 A CN 117272070A CN 202311548690 A CN202311548690 A CN 202311548690A CN 117272070 A CN117272070 A CN 117272070A
- Authority
- CN
- China
- Prior art keywords
- source
- organic
- sample
- sink
- inorganic
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 40
- 231100001240 inorganic pollutant Toxicity 0.000 title claims abstract description 17
- 239000013598 vector Substances 0.000 claims abstract description 36
- 150000001449 anionic compounds Chemical class 0.000 claims abstract description 33
- 229910001412 inorganic anion Inorganic materials 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 33
- 239000000356 contaminant Substances 0.000 claims abstract description 32
- 239000002957 persistent organic pollutant Substances 0.000 claims abstract description 31
- 229910052751 metal Inorganic materials 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 230000008878 coupling Effects 0.000 claims abstract description 9
- 238000010168 coupling process Methods 0.000 claims abstract description 9
- 238000005859 coupling reaction Methods 0.000 claims abstract description 9
- 238000013398 bayesian method Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 45
- 239000002184 metal Substances 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 19
- 239000013049 sediment Substances 0.000 claims description 16
- 239000002689 soil Substances 0.000 claims description 16
- 238000001819 mass spectrum Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004255 ion exchange chromatography Methods 0.000 claims description 7
- 230000010355 oscillation Effects 0.000 claims description 7
- 150000001768 cations Chemical class 0.000 claims description 6
- 238000009616 inductively coupled plasma Methods 0.000 claims description 6
- 239000012528 membrane Substances 0.000 claims description 6
- 238000007605 air drying Methods 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 5
- 239000008367 deionised water Substances 0.000 claims description 5
- 229910021641 deionized water Inorganic materials 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 5
- 239000007791 liquid phase Substances 0.000 claims description 5
- 238000004949 mass spectrometry Methods 0.000 claims description 5
- 238000001269 time-of-flight mass spectrometry Methods 0.000 claims description 5
- 239000002253 acid Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004090 dissolution Methods 0.000 claims description 4
- 238000000120 microwave digestion Methods 0.000 claims description 4
- 238000007873 sieving Methods 0.000 claims description 4
- 239000000370 acceptor Substances 0.000 claims description 3
- 238000011049 filling Methods 0.000 claims description 3
- 238000004896 high resolution mass spectrometry Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000002414 normal-phase solid-phase extraction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 claims description 2
- 230000029087 digestion Effects 0.000 claims description 2
- 239000003365 glass fiber Substances 0.000 claims description 2
- 229910017604 nitric acid Inorganic materials 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000002759 z-score normalization Methods 0.000 claims description 2
- 239000008277 atmospheric particulate matter Substances 0.000 claims 1
- 239000003344 environmental pollutant Substances 0.000 abstract description 19
- 231100000719 pollutant Toxicity 0.000 abstract description 17
- 238000005065 mining Methods 0.000 description 14
- 238000011144 upstream manufacturing Methods 0.000 description 13
- 230000007613 environmental effect Effects 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 238000011109 contamination Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000010840 domestic wastewater Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004817 gas chromatography Methods 0.000 description 4
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 238000001195 ultra high performance liquid chromatography Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 239000012298 atmosphere Substances 0.000 description 3
- 238000007664 blowing Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 239000010453 quartz Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 150000001450 anions Chemical class 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- -1 diluting Substances 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 238000004108 freeze drying Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000005374 membrane filtration Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
一种同时利用有机和无机污染物的定量源解析方法，包括以下步骤：采集污染源和污染受体样品并进行样品预处理；对预处理后的样品进行仪器分析，获取有机和无机污染物的定量浓度数据；依据污染源和污染受体位置信息，构建源‑汇关系；耦合有机和无机污染物的多来源数据和源‑汇关系，构建污染源和污染受体的特征向量；依据特征向量构建输入矩阵，采用快速期望最大化法或贝叶斯方法定量计算各源贡献。本发明耦合了有机污染物、金属元素和无机阴离子多种污染物数据，全面、精准评价污染源贡献，可实现存在多类别污染源情形下的快速、准确源解析。
Description
技术领域
本发明涉及环境监测技术领域，特别涉及一种同时利用有机和无机污染物数据的定量源解析方法。
背景技术
随着工业化进程的不断推进，人类面临的污染问题也变得复杂化和多样化。诸如重金属、酸碱盐，以及农药、药物、表面活性剂和阻燃剂等有毒有害污染物层出不穷。这些污染物种类繁多、数目巨大，它们的大量释放对生态环境和人体健康都造成了直接或间接的危害。一般情况下，污染源排放的污水或废物会同时含有多种类型的污染物，如无机和有机污染物。因此，为实现环境风险的全方位管控，亟需综合各类污染物污染特征，构建同时利用有机和无机污染物的定量源解析技术体系，对环境样品种中污染物的来源进行解析，定量各污染源的贡献。
虽然环境样品和污染源中污染物种类繁多，同时含有无机和有机的污染物。但现有源解析技术多针对单一类别污染物，例如已公开中国专利CN115130567A、CN115170822A等针对重金属进行源解析；已公开中国专利CN114441690A、CN116148400B等针对有机污染物进行源解析，难以实现污染源贡献的全面综合评价。
在自然环境中，有机污染物和无机污染物浓度差异较大，例如：水体中有机新污染物浓度在ng/L量级，重金属及无机阴离子浓度在μg/L甚至mg/L量级。针对该现象，传统受体模型方法灵敏度差，在同一数据集中，无法充分反映低浓度数据的来源信息，即忽视有机物污染特征。因此，有机、无机污染物无法简单融合至传统受体模型进行分析。此外，基于稳定同位素的源解析方法仅适用于有机污染物和个别无机阴离子溯源，无法实现重金属污染溯源，难以满足全方位多角度解析污染源贡献的需求，解析结果难以进行针对性的管控。
发明内容
为解决现有技术中存在的不足，本发明提供一种基于环境样本污染物组成信息，同时利用有机和无机污染物的定量源解析方法，用于全面、精准评价污染源贡献，实现存在多类别污染源情形下的快速、准确源解析。
本发明采用如下的技术方案。本发明的提供了一种同时利用有机和无机污染物的定量源解析方法，包括以下步骤：
步骤1：采集污染源和污染受体样品并进行样品预处理；
步骤2：对步骤1所得预处理后的样品进行仪器分析，获取有机和无机污染物的定量浓度数据；
步骤3：依据污染源和污染受体位置信息，构建源-汇关系；
步骤4：耦合步骤2所得有机和无机污染物的多来源数据和步骤3所得源-汇关系，构建污染源和污染受体的特征向量；
步骤5：依据步骤4所得的特征向量构建输入矩阵，采用快速期望最大化法或贝叶斯方法定量计算各源贡献。
优选地，步骤1中，
针对大气颗粒物样品，使用大体积采样器和玻璃纤维膜采集样品，使用液相萃取提取有机污染物，使用微波消解、酸溶和定容提取金属阳离子，使用风干、过筛样品，用去离子水振荡提取无机阴离子；
针对水体样品，使用棕色玻璃容器采集水样，使用固相萃取提取有机污染物，金属阳离子待测样品需经过过滤和硝酸酸化，无机阴离子待测样品需经过过滤；
针对土壤或沉积物样品，使用铝盒采集沉积物或土壤样品，依次使用液相振荡提取和固相萃取提取有机污染物，依次通过风干、过筛和消解提取金属阳离子，使用风干、过筛样品，用去离子水振荡提取无机阴离子。
优选地，步骤2具体包括：
步骤2.1，数据采集：
针对大气颗粒物样品中的有机污染物，利用气相色谱（GC）-四极杆串联飞行时间质谱（TOF-MS）或GC-静电场轨道阱质谱（Orbitrap-MS）当中的任意一种，通过非靶向分析采集有机污染物数据；
针对水体、土壤和沉积物中的有机污染物，利用超高效液相色谱（UHPLC）- TOF-MS或UHPLC-Orbitrap-MS当中的任意一种，通过非靶向分析采集有机污染物数据；
利用电感耦合等离子体质谱测定金属元素浓度，通过标准物质溶液建立浓度-响应强度标准曲线，计算得到源汇样品中的金属元素浓度；利用离子色谱（IC）测定无机阴离子浓度，通过标准物质溶液建立浓度-响应强度标准曲线，计算得到源汇样品中的无机阴离子浓度。
步骤2.2，数据处理：
步骤2.2.1，对步骤2.1所得原始数据，利用商用质谱软件对原始质谱数据进行峰提取、峰对齐、峰组合以及峰剔除，得到包含物质质荷比、保留时间、和峰面积等完整质谱信息的高分辨质谱数据集；
步骤2.2.2，利用mzcloud、massbank和GNPS当中的任意一种商用质谱数据库进行数据匹配，得到高分辨质谱数据集对应的物质结构;
步骤2.2.3，基于2.2.2得到的物质结构，针对能够获取标准物质的，通过标准物质建立浓度-峰面积标准曲线，计算得到源汇样品中的物质浓度；针对不能够获取标准物质的，通过已有的浓度-峰面积响应比模型计算得到源汇样品中的有机污染物浓度；
优选地，步骤3中，将背景样品和污染源之外的其余样品作为汇，每个汇为一组，确定每个汇的源。
优选地，步骤4中，将有机污染物、金属和无机阴离子统一度量后进行耦合，针对每一组构建汇样品向量和其源样品向量。
优选地，以向量a表示有机污染物，a=(a_1,···,〖a_i,···,a〗_L)，a_i表示其中第i种有机污染物的浓度，L表示全部有机污染物种类数量；
以向量b表示金属元素，b=(b_1,···,〖b_i,···,b〗_M)，b_i表示其中第i种金属元素的浓度，M表示全部金属元素种类数量；
以向量c表示无机阴离子，c=(c_1,···,〖c_i,···,c〗_N)，c_i表示其中第i种无机阴离子的浓度，N表示全部无机阴离子种类数量；
以向量x(y)表示耦合后的单个源或汇样品，x(y)=(〖a_1,···,〖a_i,···,a〗_L,b_1,···,〖b_i,···,b〗_M,c〗_1,···,〖c_i,···,c〗_N)，当该样品为源时，记为x，是源的特征向量，当该样品为汇时，记为y，是汇的特征向量。
优选地，步骤5中，对于每个汇y，有K个源影响它，分别为x_1,···,x_K，则以该汇和这K个源为一组，以(y^T,x_1^T,···,x_K^T)构建输入矩阵。
优选地，若输入矩阵存在缺失值，以0值填充，以z-score标准化或[0,1]标准化对输入矩阵进行标准化计算。
优选地，随机为汇样品y的贡献度α_i赋值，将输入矩阵(y^T,x_1^T,···,x_K^T)代入快速期望最大化算法，对贡献度进行迭代，直至收敛或达到最大迭代次数。
优选地，使用随机源环境赋值初始化α_i，将输入矩阵(y^T,x_1^T,···,x_K^T)代入贝叶斯算法，然后根据条件分布迭代地重新分配每个向量，计算后验概率，直到收敛或达到最大迭代次数。
与现有技术相比，本发明的有益技术效果至少包括：
耦合有机污染物、金属元素和无机阴离子多种污染物数据来源，全面、精准评价污染源贡献，适用于大气、水体、土壤和沉积物等多种环境介质的污染源解析，定量评估不同污染源对污染物受体的贡献。
更具体地，本发明在前端综合高分辨质谱非靶向分析、电感耦合等离子体质谱分析和离子色谱分析等多种污染物监测分析前沿技术，以获取全面的污染源信息；在后端采用快速期望最大化算法和贝叶斯算法等先进源解析技术，有利于应对复杂污染物防治形势下，污染源复杂多样的情形。
本发明首次在环境污染物源解析领域提出了同时利用有机和无机污染物的污染源贡献定量方法，可实现存在多类别污染源情形下的快速、准确源解析。
附图说明
图1是本发明实施例提供的一种同时利用有机和无机污染物的定量源解析方法的流程示意图；
图2是本发明实施例中采样点位的相对位置示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。
如图1所示，本发明实施例提供了一种同时利用有机和无机污染物的定量源解析方法，包括以下步骤：
步骤1：采集污染源和污染受体样品并进行样品预处理；
具体地，根据源解析工作的目的或研究区域的污染特征，采集污染源和受体的大气、水体、土壤或沉积物样品，并对样品进行预处理以达到富集和净化的目的。
在本发明优选但非限制性的实施方式中，针对有机污染物，使用大体积采样器和石英纤维滤膜采集大气颗粒物，并对大气颗粒物样品进行液相振荡提取、滤膜过滤、加入内标、氮吹和定容的预处理过程；使用棕色玻璃容器采集水样，并对水样进行加入内标、滤膜过滤、固相萃取、洗脱、氮吹和定容的预处理过程；使用铝盒采集沉积物或土壤样品，并对沉积物或土壤样品进行冷冻干燥、研磨过筛、加入内标、污染物提取、稀释、固相萃取、洗脱、氮吹和定容的预处理过程；
针对金属元素，使用大体积采样器和石英纤维滤膜采集大气颗粒物，并对大气颗粒物样品进行微波消解、酸溶和定容的预处理过程；使用棕色玻璃容器采集水样，并对水样进行酸化、过滤的预处理过程；使用铝盒采集沉积物或土壤样品，并对沉积物或土壤样品进行风干、破碎筛分、微波消解酸溶和定容的预处理过程。
针对无机阴离子，使用大体积采样器和石英纤维滤膜采集大气颗粒物，并对大气颗粒物样品用水溶液振荡提取阴离子；使用棕色玻璃容器采集水样，并过滤水样；使用铝盒采集沉积物或土壤样品，并对沉积物或土壤样品进行风干、破碎筛分，用去离子水振荡提取阴离子。
值得注意的是，本发明适用于生活、农业、交通和工业等各种污染物种类多、差异大的污染源处理。
在一个非限制性的示例中，为解析某矿区溪流对下游水体的污染贡献，采集7个样品，分别是1个矿区上游水体样品（样品1），1个矿区员工生活区污水样品（样品2），1个矿区尾水样品（样品3），4个受影响水体样品（样品4、5、6、7）。采样点位的相对位置示意图如图2所示。
步骤2：对步骤1所得预处理后的样品进行仪器分析，获取有机和无机污染物的定量浓度数据；
在本发明优选但非限制性的实施方式中，步骤2具体包括：
步骤2.1，数据采集：
针对大气颗粒物样品中的有机污染物，利用气相色谱（GC）-四极杆串联飞行时间质谱（TOF-MS）或GC-静电场轨道阱质谱（Orbitrap-MS）通过非靶向分析采集有机污染物数据。其中，气相色谱在程序升温模式下使用毛细管柱分离样品；
针对水体、土壤和沉积物中的有机污染物，利用超高效液相色谱（UHPLC）- TOF-MS或UHPLC-Orbitrap-MS通过非靶向分析采集有机污染物数据。
值得注意的是，液相色谱在梯度洗脱模式下使用反相色谱柱分离样品，高分辨质谱仪分别在正负模式下进行一级全扫描-二级数据依赖型采集分析；
利用电感耦合等离子体质谱测定金属元素浓度，通过标准物质溶液建立浓度-响应强度标准曲线，计算得到源汇样品中的金属元素浓度；利用离子色谱（IC）测定无机阴离子浓度，通过标准物质溶液建立浓度-响应强度标准曲线，计算得到源汇样品中的无机阴离子浓度。
步骤2.2，数据处理：
步骤2.2.1，对步骤2.1所得原始数据，利用商用质谱软件对原始质谱数据进行峰提取、峰对齐、峰组合以及峰剔除，得到包含物质质荷比、保留时间、和峰面积等完整质谱信息的高分辨质谱数据集；
步骤2.2.2，利用mzcloud、massbank和GNPS当中的任意一种商用质谱数据库进行数据匹配，得到高分辨质谱数据集对应的物质结构；
步骤2.2.3，基于2.2.2得到的物质结构，针对能够获取标准物质的，通过标准物质建立浓度-峰面积标准曲线，计算得到源汇样品中的物质浓度；针对不能够获取标准物质的，通过已有的浓度-峰面积响应比模型计算得到源汇样品中的有机污染物浓度；
步骤3：依据污染源和污染受体位置信息，构建源-汇关系；
在本发明优选但非限制性的实施方式中，将背景样品和污染源之外的其余样品作为汇，每个汇为一组，确定每个汇的源。依据各个污染源和污染受体的地理位置关系，确定源汇关系。例如但不限于，上下游、海拔高低，确定源汇关系。
在实施例中，该河流依次流经矿区员工生活区废水出水口和/>矿区尾水出水口，则/>和/>为两个污染源，在/>上游的水体样品不受/>和/>的影响；在/>下游，上游的水体样品为/>和源头水的汇；在/>下游的水体样品为/>、/>和源头水的汇。
承接步骤1中的示例，样品1是背景样品，样品2和3分别是员工生活区废水污染源和矿区尾水污染源，由此可以绘制如下表所示的源汇关系表，表中表示分组序号，除背景样品1和污染源样品2、3之外的每个汇样品与其源为1组，/>表示在组中是汇或者源，/>表示序号。可以理解的是，源汇作为类别变量输入，源记为“”，汇记为“/>”；源汇关系也作为类别变量输入，汇和所有对该汇造成影响的源标记为同一个数字，源可重复输入。下表给出了该示例的源汇关系表（表1）。
表1源汇关系表
可以理解的是，在上表中，除去样品1和污染源样品2、3，以样品4、5、6、7为汇分4组，即。/>，即第1组中，样品4是汇，标记为/>，上游的样品1是源，标记为/>。/>，即第2组中，样品5是汇，标记为，上游的样品1和样品2是源，标记为/>。/>，即第3组中，样品6是汇，标记为/>，上游的样品1、样品2和样品3是源，标记为/>。/>，即第4组中，样品7是汇，标记为/>，上游的样品1、样品2和样品3是源，标记为。
步骤4：耦合步骤2所得有机和无机污染物的多来源数据和步骤3所得源-汇关系，构建污染源和污染受体的特征向量；
在本发明优选但非限制性的实施方式中，
以向量表示有机污染物，/>，/>表示其中第/>种有机污染物的浓度，/>表示全部有机污染物种类数量；
以向量表示金属元素，/>，/>表示其中第/>种金属元素的浓度，/>表示全部金属元素种类数量；
以向量表示无机阴离子，/>，/>表示其中第/>种无机阴离子的浓度，/>表示全部无机阴离子种类数量；
以向量表示耦合后的单个源或汇样品，，当该样品为源时，记为/>，是源的特征向量，当该样品为汇时，记为/>，是汇的特征向量；
在进一步优选但非限制性的实施方式中，对于每个汇，有/>个源影响它，分别为/>，则以该汇和这/>个源为一组，以/>构建输入矩阵，若输入矩阵存在缺失值，以0值填充，然后，以z-score标准化或[0,1]标准化对输入矩阵进行标准化计算；
以表示源样品/>对于汇样品/>的贡献度，显然，/>，对于每个汇样品，所有源样品的贡献度之和为1，包括已知的/>个源和未知的第/>个源。
步骤5：依据步骤4所得的特征向量构建输入矩阵，采用快速期望最大化法或贝叶斯方法定量计算各源贡献。
在本发明优选但非限制性的实施方式中，使用汇样品的向量和其源样品/>的向量/>代入快速期望最大化算法，首先随机为样品/>的贡献度/>赋值，例如但不限于，平均赋值，将贡献度/>，输入矩阵/>代入快速期望最大化算法，计算最大似然函数，对贡献度/>进行迭代，直至收敛或达到最大迭代次数。
在进一步优选但非限制性的实施方式中，基于贝叶斯算法，其数据输入方式和期望最大化方法相同，首先使用随机源环境赋值初始化，例如但不限于，平均赋值，然后根据条件分布迭代地重新分配每个向量，计算后验概率，直到收敛或达到最大迭代次数。
为了使本发明更加清楚，以下实施例将进一步说明本发明。
实施例1：某矿区溪流对下游水体的污染贡献解析
（1）共采集7个样品，分别是1个矿区上游水体样品，1个矿区员工生活区污水样品，1个矿区尾水样品，4个受影响水体样品；并通过预处理得到有机污染物、金属元素和无机阴离子三组样品，每组7个。
（2）分别利用超高效液相色谱-静电场轨道阱高分辨质谱联用仪、电感耦合等离子体质谱仪、离子色谱仪完成有机污染物、金属元素和无机阴离子数据的采集。
通过结构鉴定和标准物质定量，得到各样品有机污染物（表2）、金属元素（表3）和无机阴离子（表4）浓度数据集。
表2有机污染物浓度表
表3金属元素浓度表
/>
/>
表4无机阴离子浓度表
（3）确定源汇关系，样品4仅受到样品1（上游水）影响，样品5受到样品1和样品2（生活废水）影响，样品6受到样品1、样品2和样品3（矿区尾水）影响，样品7受到样品1、样品2和样品3影响。
（4）耦合所得有机和无机污染物数据（表5），并将缺失值修正为0，最后对数据矩阵进行z-score标准化。
表5耦合有机和无机污染物后的数据
/>
/>
/>
/>
（5）将确定的源汇关系和高分辨数据集中的物质-浓度信息输入R语言中的快速期望最大化源跟踪方法并运行，得到上游源头水、污染源对受体的定量贡献（百分比），详见表6上游源头水和污染源对下游水体的贡献。
表6上游源头水和污染源对下游水体的贡献
/>
得到结论，样品4不受两个污染源的影响；样品5仅受到生活废水的影响，且由于距污染源较近，受污染源影响较大，其贡献达到74.4%；样品6同时受到生活废水和矿区尾水的影响，且距污染源较近，生活废水和矿区尾水的贡献分别达到23.8%和59.4%；样品7距污染源较远，来自污染源的物质经降解、稀释，对样品7的影响减小，贡献分别为6.8%和20.9%。
与现有技术相比，本发明的有益技术效果至少包括：
耦合有机污染物、金属元素和无机阴离子多种污染物数据来源，全面、精准评价污染源贡献，适用于大气、水体、土壤和沉积物等多种环境介质的污染源解析，定量评估不同污染源对污染物受体的贡献。
更具体地，本发明在前端综合高分辨质谱非靶向分析、电感耦合等离子体质谱分析和离子色谱分析等多种污染物监测分析前沿技术，以获取全面的污染源信息；在后端采用快速期望最大化算法和贝叶斯算法等先进源解析技术，有利于应对复杂污染物防治形势下，污染源复杂多样的情形。
本发明首次在环境污染物源解析领域提出了同时利用有机和无机污染物数据的定量源解析方法，可实现存在多类别污染源情形下的快速、准确源解析。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种同时利用有机和无机污染物的定量源解析方法，其特征在于，包括以下步骤：
步骤1：采集污染源和污染受体样品并进行样品预处理；
步骤2：对步骤1所得预处理后的样品进行仪器分析，获取有机和无机污染物的定量浓度数据；
步骤3：依据污染源和污染受体位置信息，构建源-汇关系；
步骤4：耦合步骤2所得有机和无机污染物的多来源数据和步骤3所得源-汇关系，构建污染源和污染受体的特征向量；
步骤5：依据步骤4所得的特征向量构建输入矩阵，采用快速期望最大化法或贝叶斯方法定量计算各源贡献。
2.根据权利要求1所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
步骤1中，
针对大气颗粒物样品，使用采样器和玻璃纤维膜采集样品，使用液相萃取提取有机污染物，使用微波消解、酸溶和定容提取金属阳离子，用去离子水振荡提取无机阴离子；
针对水体样品，使用棕色玻璃容器采集水样，使用固相萃取提取有机污染物，金属阳离子待测样品需经过过滤和硝酸酸化，无机阴离子待测样品需经过过滤；
针对土壤或沉积物样品，使用铝盒采集沉积物或土壤样品，依次使用液相振荡提取和固相萃取提取有机污染物，依次通过风干、过筛和消解提取金属阳离子，使用风干、过筛的样品，用去离子水振荡提取无机阴离子。
3.根据权利要求1所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
步骤2具体包括：
步骤2.1，数据采集：
针对大气颗粒物样品中的有机污染物，利用气相色谱-四极杆串联飞行时间质谱或GC-静电场轨道阱质谱当中的任意一种，通过非靶向分析采集有机污染物数据；
针对水体、土壤和沉积物中的有机污染物，利用超高效液相色谱- TOF-MS或UHPLC-Orbitrap-MS当中的任意一种，通过非靶向分析采集有机污染物数据；
利用电感耦合等离子体质谱测定金属元素浓度，通过标准物质溶液建立浓度-响应强度标准曲线，计算得到源汇样品中的金属元素浓度；利用离子色谱测定无机阴离子浓度，通过标准物质溶液建立浓度-响应强度标准曲线，计算得到源汇样品中的无机阴离子浓度；
步骤2.2，数据处理：
步骤2.2.1，对步骤2.1所得原始数据，利用商用质谱软件对原始质谱数据进行峰提取、峰对齐、峰组合以及峰剔除，得到包含物质质荷比、保留时间、和峰面积等完整质谱信息的高分辨质谱数据集；
步骤2.2.2，利用mzcloud、massbank和GNPS当中的任意一种商用质谱数据库进行数据匹配，得到高分辨质谱数据集对应的物质结构；
步骤2.2.3，基于2.2.2得到的物质结构，针对能够获取标准物质的，通过标准物质建立浓度-峰面积标准曲线，计算得到源汇样品中的物质浓度；针对不能够获取标准物质的，通过已有的浓度-峰面积响应比模型计算得到源汇样品中的有机污染物浓度。
4.根据权利要求1所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
步骤3中，将背景样品和污染源之外的其余样品作为汇，每个汇为一组，确定每个汇的源。
5.根据权利要求1所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
步骤4中，将有机污染物、金属和无机阴离子统一度量后进行耦合，针对每一组构建汇样品向量和其源样品向量。
6.根据权利要求5所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
以向量 表示有机污染物，/>，/>表示其中第/>种有机污染物的浓度，/>表示全部有机污染物种类数量；
以向量表示金属元素，/>，/>表示其中第/>种金属元素的浓度，/>表示全部金属元素种类数量；
以向量表示无机阴离子，/>，/>表示其中第/>种无机阴离子的浓度，/>表示全部无机阴离子种类数量；
以向量表示耦合后的单个源或汇样品，，当该样品为源时，记为/>，是源的特征向量，当该样品为汇时，记为/>，是汇的特征向量。
7.根据权利要求1所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
步骤5中，对于每个汇，有/>个源影响它，分别为/>，则以该汇和这个源为一组，以/>构建输入矩阵。
8.根据权利要求7所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
若输入矩阵存在缺失值，以0值填充，以z-score标准化或[0,1]标准化对输入矩阵进行标准化计算。
9.根据权利要求7所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
随机为汇样品的贡献度/>赋值，将输入矩阵/>代入快速期望最大化算法，对贡献度进行迭代，直至收敛或达到最大迭代次数。
10.根据权利要求7所述的一种同时利用有机和无机污染物的定量源解析方法，其特征在于，
使用随机源环境赋值初始化，将输入矩阵/>代入贝叶斯算法，然后根据条件分布迭代地重新分配每个向量，计算后验概率，直到收敛或达到最大迭代次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311548690.XA CN117272070B (zh) | 2023-11-21 | 2023-11-21 | 一种同时利用有机和无机污染物的定量源解析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311548690.XA CN117272070B (zh) | 2023-11-21 | 2023-11-21 | 一种同时利用有机和无机污染物的定量源解析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117272070A true CN117272070A (zh) | 2023-12-22 |
| CN117272070B CN117272070B (zh) | 2024-02-02 |
Family
ID=89216352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311548690.XA Active CN117272070B (zh) | 2023-11-21 | 2023-11-21 | 一种同时利用有机和无机污染物的定量源解析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117272070B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105158353A (zh) * | 2015-07-29 | 2015-12-16 | 北华航天工业学院 | 土壤中多环芳烃污染源解析的方法 |
| CN105184000A (zh) * | 2015-09-18 | 2015-12-23 | 北华航天工业学院 | 基于朴素贝叶斯源识别的非负约束因子的污染源解析方法 |
| CN105654236A (zh) * | 2015-12-29 | 2016-06-08 | 北京师范大学 | 一种地下水型饮用水水源地污染风险评价方法 |
| CN109118129A (zh) * | 2018-11-02 | 2019-01-01 | 孙扬 | 一种大气污染物精准溯源识别系统及方法 |
| CN111612360A (zh) * | 2020-05-26 | 2020-09-01 | 中国环境科学研究院 | 一种地下水潜在污染风险源识别方法 |
| AU2020101615A4 (en) * | 2020-08-02 | 2020-09-10 | Beijing Normal University | A Method for Source Apportionment of PAHs in Roadway Sediments Coupled with Transport and Transformation Process |
| US20200393434A1 (en) * | 2019-06-13 | 2020-12-17 | Southern University Of Science And Technology | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
| CN112179974A (zh) * | 2020-09-11 | 2021-01-05 | 浙江省农业科学院 | 一种基于稳定同位素与多元素特征分析的土壤铅污染源识别方法 |
| CN112364940A (zh) * | 2020-12-03 | 2021-02-12 | 苏州深蓝空间遥感技术有限公司 | 基于多源数据的大气污染物源解析方法、存储介质及设备 |
| CN112735539A (zh) * | 2021-01-18 | 2021-04-30 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
| CN112967764A (zh) * | 2021-03-30 | 2021-06-15 | 河北先河环保科技股份有限公司 | 多技术耦合的污染物源解析方法、装置 |
| CN114295749A (zh) * | 2021-12-30 | 2022-04-08 | 南京大学 | 一种水体有机污染智能化溯源方法及系统 |
| CN114441690A (zh) * | 2021-12-24 | 2022-05-06 | 浙江大学 | 一种基于碳氮单体同位素的土壤有机污染物源解析方法 |
| US20230054713A1 (en) * | 2021-08-16 | 2023-02-23 | Hohai University | Method for determining contribution rate of pollution load in water quality assessment section of annular river network system based on water quantity constitute |
| CN116148400A (zh) * | 2023-04-20 | 2023-05-23 | 北京大学 | 基于污染源和污染受体高分辨质谱数据的定量源解析方法 |
| CN116227205A (zh) * | 2023-03-03 | 2023-06-06 | 杭州谱育科技发展有限公司 | 一种污染因子排放源确定方法、系统、设备及存储介质 |
| CN116263444A (zh) * | 2023-04-20 | 2023-06-16 | 北京大学 | 高分辨质谱非靶向分析水体污染源识别与溯源方法 |
-
2023
- 2023-11-21 CN CN202311548690.XA patent/CN117272070B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105158353A (zh) * | 2015-07-29 | 2015-12-16 | 北华航天工业学院 | 土壤中多环芳烃污染源解析的方法 |
| CN105184000A (zh) * | 2015-09-18 | 2015-12-23 | 北华航天工业学院 | 基于朴素贝叶斯源识别的非负约束因子的污染源解析方法 |
| CN105654236A (zh) * | 2015-12-29 | 2016-06-08 | 北京师范大学 | 一种地下水型饮用水水源地污染风险评价方法 |
| CN109118129A (zh) * | 2018-11-02 | 2019-01-01 | 孙扬 | 一种大气污染物精准溯源识别系统及方法 |
| US20200393434A1 (en) * | 2019-06-13 | 2020-12-17 | Southern University Of Science And Technology | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
| CN111612360A (zh) * | 2020-05-26 | 2020-09-01 | 中国环境科学研究院 | 一种地下水潜在污染风险源识别方法 |
| AU2020101615A4 (en) * | 2020-08-02 | 2020-09-10 | Beijing Normal University | A Method for Source Apportionment of PAHs in Roadway Sediments Coupled with Transport and Transformation Process |
| CN112179974A (zh) * | 2020-09-11 | 2021-01-05 | 浙江省农业科学院 | 一种基于稳定同位素与多元素特征分析的土壤铅污染源识别方法 |
| CN112364940A (zh) * | 2020-12-03 | 2021-02-12 | 苏州深蓝空间遥感技术有限公司 | 基于多源数据的大气污染物源解析方法、存储介质及设备 |
| CN112735539A (zh) * | 2021-01-18 | 2021-04-30 | 中国科学院生态环境研究中心 | 基于复合受体模型的污染场地特征污染物的源解析方法 |
| CN112967764A (zh) * | 2021-03-30 | 2021-06-15 | 河北先河环保科技股份有限公司 | 多技术耦合的污染物源解析方法、装置 |
| US20230054713A1 (en) * | 2021-08-16 | 2023-02-23 | Hohai University | Method for determining contribution rate of pollution load in water quality assessment section of annular river network system based on water quantity constitute |
| CN114441690A (zh) * | 2021-12-24 | 2022-05-06 | 浙江大学 | 一种基于碳氮单体同位素的土壤有机污染物源解析方法 |
| CN114295749A (zh) * | 2021-12-30 | 2022-04-08 | 南京大学 | 一种水体有机污染智能化溯源方法及系统 |
| WO2023024463A1 (zh) * | 2021-12-30 | 2023-03-02 | 南京大学 | 一种水体有机污染智能化溯源方法及系统 |
| CN116227205A (zh) * | 2023-03-03 | 2023-06-06 | 杭州谱育科技发展有限公司 | 一种污染因子排放源确定方法、系统、设备及存储介质 |
| CN116148400A (zh) * | 2023-04-20 | 2023-05-23 | 北京大学 | 基于污染源和污染受体高分辨质谱数据的定量源解析方法 |
| CN116263444A (zh) * | 2023-04-20 | 2023-06-16 | 北京大学 | 高分辨质谱非靶向分析水体污染源识别与溯源方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈海洋等: "基于NMF与CMB耦合应用的水体污染源解析方法", 环境科学学报 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117272070B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023024463A1 (zh) | 一种水体有机污染智能化溯源方法及系统 | |
| Fu et al. | Formation, features and controlling strategies of severe haze-fog pollutions in China | |
| Cape et al. | Organic nitrogen in the atmosphere—Where does it come from? A review of sources and methods | |
| Al-Hakkani | Guideline of inductively coupled plasma mass spectrometry “ICP–MS”: Fundamentals, practices, determination of the limits, quality control, and method validation parameters | |
| Zhang et al. | Large contribution of fossil fuel derived secondary organic carbon to water soluble organic aerosols in winter haze in China | |
| CN109187288B (zh) | 一种大气有机气溶胶检测及源解析方法 | |
| Achad et al. | Chemical markers of biomass burning: Determination of levoglucosan, and potassium in size-classified atmospheric aerosols collected in Buenos Aires, Argentina by different analytical techniques | |
| de Souza Dias et al. | Development and optimization of analytical method for the determination of cadmium from mineral water samples by off-line solid phase extraction system using sisal fiber loaded TAR by FAAS | |
| Mattsson et al. | Monitoring anthropogenic particles in the environment: Recent developments and remaining challenges at the forefront of analytical methods | |
| Liang et al. | Determination of mercury in food and water samples by displacement-dispersive liquid-liquid microextraction coupled with graphite furnace atomic absorption spectrometry | |
| Fu et al. | Determining available potassium in soil by laser-induced breakdown spectroscopy combined with cation exchange membrane adsorption | |
| Verma et al. | Nondestructive and rapid determination of nitrate in soil, dry deposits and aerosol samples using KBr-matrix with diffuse reflectance Fourier transform infrared spectroscopy (DRIFTS) | |
| Duarte et al. | Multidimensional analytical characterization of water-soluble organic aerosols: challenges and new perspectives | |
| CN116148400B (zh) | 基于污染源和污染受体高分辨质谱数据的定量源解析方法 | |
| CN116263444B (zh) | 高分辨质谱非靶向分析水体污染源识别与溯源方法 | |
| CN117272070B (zh) | 一种同时利用有机和无机污染物的定量源解析方法 | |
| Solomon et al. | Methods for chemical analysis of atmospheric aerosols | |
| CN116930393A (zh) | 一种同时包括母体和转化产物的水体抗生素生态风险评价方法 | |
| Xia et al. | A novel approach to sample preparation for the analysis of Sb isotope ratios in natural water by MC-ICP-MS | |
| Peng et al. | Real-time measurement of phase partitioning of organic compounds using a proton-transfer-reaction time-of-flight mass spectrometer coupled to a CHARON inlet | |
| Li et al. | Online measurement of aerosol inorganic and organic nitrogen based on thermal evolution and chemiluminescent detection | |
| Mimura et al. | Fast and feasible sample preparation methods for extraction of trace elements from deposited particulate matter samples | |
| Huang et al. | Chemical composition and sources of amines in PM2. 5 in an urban site of PRD, China | |
| Simonella et al. | Validation of a continuous flow method for the determination of soluble iron in atmospheric dust and volcanic ash | |
| Božič et al. | Insights into seasonal variations in mercury isotope composition of lichens |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |