基于紫外荧光水质传感器和机器学习的总氮和总有机碳估算

摘要：

溶解性有机质(DOM)是表征水生态环境演变和退化的重要参考物质,其光谱参数可为水体污染提供稳定的信号,最新研发的以深紫外LED为光源的紫外荧光水质传感器,可实现对DOM主要组分的便携检测.为了更加便捷、及时判断水体污染程度,基于DOM检测数据与机器学习结合的研究方法,探究了长江下游不同水体水质及DOM紫外吸光度、蛋白类和腐殖质类荧光的时空分布特征,并构建了可被DOM荧光特征反映的总氮(TN)和总有机碳(TOC)模拟模型.研究结果表明,受降雨及温度等因素影响,丰水期水质优于枯水期和平水期;DOM浓度受人类活动及沿程富集作用影响,入海口处腐殖化程度高于其他地区;构建的TN、TOC模拟模型,验证期R2分别为0.78和0.83,展现出对两种指标良好的模拟及估算能力.紫外荧光水质传感器检测的DOM荧光特征与TN、TOC具有显著相关性,可作为水质监测的指示性指标,未来以期搭载于智能化监测设备上,实现大江大河DOM实时监测和水质预测预警.

关键词：长江下游、溶解性有机质、紫外荧光、支持向量回归、响应关系

所属期刊栏目：43

分类号：X522(水体污染及其防治)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏省优秀青年基金;江苏省水利科技项目;技术服务类项目

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：155-165