Matlab-三维荧光法对龙头水质的分析研究

蒲淑娟，贺培翔，张 悦，牛亚林，刘 龙，李惠平，陈 艳

（1.兰州交通大学环境与市政工程学院，甘肃兰州 730070；2.甘肃省黄河水环境重点实验室，甘肃兰州 730070）

三维荧光光谱（Three Dimensional Fluorescence Spectrum Excitation-Emission Matrix，3DEEM）技术是近年来广泛应用于饮用水中有机物组分及浓度检测与研究的分析方法之一[1，2]，不但可以进行多组分有机物体系光谱识别和表征，还可以通过其超高的灵敏度对水体中痕量有机物进行识别和解析[3]。大多数学者将三维荧光光谱技术应用于环境水体溶解性有机物（Dissolved Organic Carbon，DOC）的表征，王志刚[4]通过3DEEM 对科学岛、巢湖和太湖不同来源水样进行分析发现，荧光响应强度和COD、DOC 存在一定的线性关系；姚昕[5]研究发现草、藻来源的有机物荧光光谱也有所差别，且藻源性DOC 更容易被微生物所代谢利用。

然而在三维荧光光谱的应用中，数据分析方法起着至关重要的作用。峰值法（Peak Method），一种较为普遍的光谱分析方法，主要搜寻特定区域固定激发和发射波长下的荧光峰强进行分析，该方法简单便捷，但是峰值法无法有效反映整体区域荧光强度变化情况，并且由于存在强烈荧光对较弱荧光的掩蔽作用，从而导致较弱荧光峰难以表现出来；荧光区域积分法（Fluorescence Regional Integration，FRI），由Chen 等[6]提出，通过对固定激发、发射波长范围的荧光强度进行积分，进而通过区域积分强度的变化进行水质分析，该方法相比于峰值法更加具有整体性和代表性，但是由于存在荧光强度的重叠问题，导致部分荧光组分可能会重复计算。为了更加准确细致的进行荧光数据的处理与分析，Stedmon、Murphy 等[7，8]在Matlab 软件平台下提出了平行因子分析法（Parallel Factor Analysis，PARAFAC）。平行因子分析法能够通过大量的数据拟合，准确寻找出有机物的荧光组分位置，有效避免荧光组分重叠的问题，但是其数据处理步骤要远比峰值法和区域积分法复杂，而且对测试样品数量有一定要求。

本论文通过对兰州某大学校内4 处具有代表性的市政龙头水进行长期取样，采用Matlab 软件平台下的Dreem 三维荧光平行因子分析工具箱，进行龙头水的PARAFAC 有机物组分表征分析，以期为3DEEMPARAFAC 分析法的推广提供一定的理论依据。

1 实验方法

选取不同供水方式下的市政龙头水，供水方式分别为：市政管网直接供水、水泵水箱加压供水、直饮冷水以及直饮热水。每次取样后，采用0.45 μm 微滤膜对水样进行预处理。三维荧光光谱通过日立公司的F-7100 型荧光分光光度计进行测量。EEM 测定期间，发射波长Em 扫描范围为250～550 nm，激发波长Ex 扫描范围为200～400 nm，扫描步长均设定为2 nm；扫描速度为12 000 nm/min，PTM 电压设定为600 V 扫描步长均设定为2 nm；每一样品测试结束后，与超纯水的EEM 进行差减，用以去除部分瑞利和拉曼散射。

2 PARAFAC 分析法

PARAFAC 分析法能够分离荧光数据中各样本的荧光组分强度，对应于不同的样本，计算得出其荧光强度最大值（Fmax），基本原理是将多个三维荧光矩阵数据，在扣除空白散射后，进行多次迭代运算并分离得到一个因子数为N 的三维三线性组分矩阵和对应的残差项，如式（1）所示：

式中：Xijk-因子数为N 的三维三线性矩阵；ain、bjn、ckn-成分矩阵，eijk-残差矩阵。

PARAFAC 运算基于是DOMFluor 工具箱，并在Matlab 软件内进行运算分析，具体建模步骤（见图1）。

图1 建模步骤图

2.1 平行因子分析步骤

在平行因子分析之前需要对三维荧光数据进行预处理，去除不符合三线性规律的散射峰，并对荧光单位归一化。完成数据预处理后，进行模型组分数确定，采用残差分析法确定组分数N，如发现异常数据，需要剔除后重新进行计算。接着进行平行因子组分数的验证分析、半劈裂稳定性验证，最后输出平行因子组分结果。

2.2 PARAFAC 算法步骤

2.2.1 散射去除 拉曼、瑞利散射分别是在发射波长二倍于激发波长（2Ex=Em）处和激发与发射波长相等（Ex=Em）处所产生的强烈的荧光散射峰，为了防止散射峰对有机物荧光强度的影响，须在数据分析之前进行散射峰的去除。对于平行因子分析法，则是采用DOMFluor 工具箱自带的德劳内三角插值法对拉曼和瑞利散射峰进行去除，去除代码见式[9]（2）。

2.2.2 平行因子模型组分数验证 首先将所有去除散射后的荧光数据导入Matlab 中，建立109×101×150（样品个数×激发波长个数×发射波长个数）的三维矩阵，采用DOMFluor 程序中的PARAFAC 算法进行模型组分数的解析。当组分数由2 变为3 时，激发和发射波长的模型误差平方和（Sum of Squared Error）已经变化很小（见图2）。因此，初步采用2 组分模型进行后续的PARAFAC 分析，组分数验证代码见式（3）。

图2 平行因子模型组分数验证

2.2.3 组分模型半劈裂分析 半劈裂分析主要目的是验证PARAFAC 模型的稳定性。它是通过庞大的数据计算将数据组分分成若干份，对这若干份数据进行PARAFAC 分析，并对比不同组样本模型的相似程度，当进行半劈裂拆分后，不同部分运行得出的组分趋势越相近，则说明建立的模型越稳定。如果组分趋势相差较大时，可能存在异常数据，需要对异常数据进行剔除重新分析，或者提高迭代次数和收敛标准进行优化。异常值验证代码及半劈裂分析代码见式（4）和式（5）。

选定两组分（见图3），进行5 次迭代运算后的半劈裂分析，可以发现，两组分的原始图谱与PARAFAC拟合后的图谱具有极高的相似性，因此判断两组分模型稳定性符合要求。

图3 两组分平行因子半劈裂分析

2.2.4 组分模型图谱输出 经过散射去除、组分数验证以及PARAFAC 半劈裂分析后，确定两组分模型为最佳模型，进一步将PARAFAC 组分模型图谱进行Matlab 输出，并将输出数据导入设定存储位置，组分模型输出代码见式（6），数据导出代码见式（7）。

3 结果与分析

3.1 龙头水PARAFAC 组分分析

通过3DEEM-PARAFAC 分析，确定该市市政龙头水中主要有两种组分有机物，根据式（6）导出的荧光组分图谱（见图4）。

从图4 可以看出，该市市政龙头水荧光有机物主要有两种组分，波长范围分别为Em=445～460 nm/Ex=250～260 nm 和Em=405～420 nm/Ex=230～240 nm，分别代表腐殖酸类（组分1）和富里酸类（组分2）有机物。这与南方大多数自来水和湖泊水有很大差异，周业凯等[10]研究发现太湖水荧光有机物以色氨酸和酪氨酸类蛋白质为主，腐殖类荧光响应强度较低，这是因为太湖水是典型的草型湖泊，水流流速缓慢，藻类以及微生物代谢旺盛，从而导致微生物利用以及代谢的芳香性蛋白类有机物含量较高；而本研究中该地区以黄河水作为水源，黄河流速较快，对岸边进行强力地冲刷，将大量陆源腐殖质携入河流，导致腐殖质类荧光响应较高；另外，由于黄河含砂量大，外加地处水温偏低的北方，微生物代谢作用弱，因此反映微生物降解来源和代谢产生的蛋白类有机物含量很低。

图4 两组分平行因子荧光图谱

荧光参数r（a，c）代表富里酸类荧光峰与腐殖酸类荧光峰强度的比值，用来反映水体腐殖化程度，有研究表明[9]，水体的腐殖化程度与r（a，c）比值呈负相关，即r（a，c）值越低，水体腐殖化程度越高。同时r（a，c）也常被用来分析原水中腐殖质的来源，r（a，c）越大，原水受到工业和生活污染越严重，例如受到城市生产生活排放影响的黄浦江原水r（a，c）达到了2.29[11]。本研究r（a，c）的比值为1.3，说明黄河水受到的工业和生活污染相对较小，有机物主要来源于河水对地面的冲刷。

3.2 不同供水方式对荧光有机物的影响

不同供水方式下荧光有机物的组分强度（见表1）。

表1 不同供水方式下有机物荧光组分强度

从表1 可以看出，不同供水方式下，荧光有机物组分强度存在不同的差异。市政管网直接供水方式下，组分1（腐殖酸）和组分2（富里酸）荧光强度相对水泵水箱加压供水方式较低，但相差不大。这是因为水泵水箱供水方式下，管网水需要经过更长的路径，并且在水箱中存在一定时间的停留，导致荧光有机物产生小幅度的升高。市政管网水在校园内进一步通过纳滤膜进行直饮处理后发现，无论是直饮热水还是直饮冷水，其有机物荧光组分已经无法检出，这也是因为黄河水中腐殖质类荧光有机物主要来源于河流的冲刷，相对分子质量较大，纳滤膜能够进行很好地截留，导致直饮水中几乎不含荧光组分。

4 结论

（1）3DEEM 技术灵敏度高，简单便捷，3DEEMPARAFAC 分析法能够通过大量三维荧光数据的迭代运算，准确找出样品中具体的荧光特征组分。

（2）以黄河为水源的市政管网水中有机物以腐殖酸和富里酸为主，蛋白类荧光有机物含量较少，主要来源于地表径流的冲刷。

（3）不同供水方式下，有机物组分强度存在一定的差异，随着输水距离和时间的增长，有机物含量会有所上升；由于腐殖质类有机物相对分子质量较大，能够通过纳滤膜进行有效的截留，直饮水中难以测出具体荧光组分。