化學計量學輔助三維室溫磷光法快速測定大氣污染源樣品中苊含量

鄧 偉 卿湘東* 陳 銘 吳康佳 雷堅志 陳暢亞 許素文李雙雙 文 瑾 申湘忠

1(湖南人文科技學院，材料與環境工程學院，精細陶瓷與粉體材料湖南省重點實驗室，婁底 417000)2(婁底市環境保護局環境監測站，婁底 417000)

1 引 言

多環芳烴(Polycyclic aromatic hydrocarbons, PAHs)是一類廣泛存在于環境中的有機污染物，具有致癌、致畸和致基因突變作用[1]。森林火災、火山噴發等天然源和人類生產活動， 包括機動車尾氣排放、工業生產過程、家庭燃灶、垃圾焚燒、吸煙等人為源，是大氣中PAHs的主要來源。大氣中的PAHs主要以氣、固兩種形式存在，大多數的PAHs主要吸附在微小可吸入顆粒物表面，可以通過呼吸作用直接進入人體肺部沉積，引發呼吸道和心血管系統等疾病，對人體健康危害極大[2,3]。因此，定性與定量解析各類大氣污染源中PAHs含量，可為準確研究大氣顆粒物中PAHs的來源及其分布特征提供依據，并為有效控制和防治PAHs污染提供理論基礎。

多環芳烴苊(Acenaphthene, ACE)，俗稱萘己環，是原油的成分之一，也是煉焦生產的副產品之一，用作染料、涂料、洗滌劑、工程塑料和橡膠防老劑等工業產品的中間體和主要原料[4]。目前，檢測環境中多環芳烴苊含量的方法有紫外分光光度法[5]、同步熒光光譜法[6]、氣相色譜法[7]、液相色譜法[8,9]和氣相或液相色譜與質譜聯用法[10～12]。這些方法各有利弊，其中紫外分光光度法選擇性差、定性難；氣相色譜法和液相色譜法預處理復雜；氣相色譜法-質譜法和液相色譜法-質譜法具有準確的定性和定量分析能力，但儀器昂貴、樣品處理要求高；室溫熒光法儀器操作簡單、靈敏度高、分析速度快，但選擇性差，多組分光譜易重疊。室溫磷光(Room temperature phosphorescence, RTP)法不僅具有熒光法的優點，還具有選擇性較好和線性范圍寬等優勢，在多環芳烴、農殘、獸殘、藥物檢測和生物成像分析中得到廣泛應用[13]。Carretero等[14]發展了一種基于可變角同步掃描的微乳液增穩RTP技術， 同時測定了水溶液中5種多環芳烴; 龍文清[15]采用無保護液體RTP方法測定了井水和江水樣中的1-萘胺; 賈麗華等[16]對鹵代萘酐的環糊精誘導RTP性質進行了研究; 安昭琦等[17]基于鹽酸巴馬汀(PaH)可與Mn摻雜ZnS量子點(Mn:ZnS QDs)發生靜電作用，導致Mn:ZnS QDs發生室溫磷光猝滅效應的原理，發展了一種高效、快速檢測人體體液中痕量PaH的RTP方法; Yang等[18]設計合成了一系列吩噻嗪衍生物， 并首次觀察到奇特的純有機光誘導RTP現象，極大地促進了有機磷光材料在生物體內成像的應用。但這些已報道的工作都是基于二維磷光激發光譜或發射光譜開展的對無機物或有機物的定性和定量研究，而基于激發發射矩陣三維室溫磷光光譜對物質進行準確定量研究的工作還未見報道。

本研究提出利用激發發射矩陣磷光結合基于交替三線性分解算法(ATLD)的二階校正方法，對婁底市區大氣污染源(如餐廳餐廚油污、油煙氣和煙囪灰)中苊含量進行檢測。利用化學計量學二階校正方法具有的“二階優勢”，可進一步提高室溫磷光法的選擇性，且可解決預處理繁瑣和光譜重疊難分辨等難題[19～21]。本方法操作簡便、經濟環保，并在有未知干擾存在的情況下也能實現多環芳烴苊的準確快速測定，為大氣污染源中多環芳烴的快速檢測提供了一種很有潛力的分析方法，為大氣顆粒物源解析提供了理論依據。

2 實驗部分

2.1 儀器與試劑

F-7000熒光分光光度儀(日本日立公司)；LC-20AD凝膠滲透色譜(日本島津公司)；TMP-1500大氣采樣器(江蘇億通電子有限公司)；電子分析天平(精度0.0001 g)。

苊分析標準溶液(2000 μg/mL，1.0 mL，溶劑為甲苯，阿拉丁試劑有限責任公司)；Na2SO3、KI、甲醇、環已烷、正已烷、丙酮、乙腈、二氯甲烷和無水乙醇(分析純，湖南匯虹有限責任公司)； 超純水(18.2 MΩ·cm)由ABZ1-10-P艾科浦水純化系統(重慶Ever Yong Enterprises Development 公司)制備。

2.2 樣品采集及預處理

餐廚油污樣品采集于婁底市湖南人文科技學院食堂， 通過取樣勺刮取抽油煙機出氣口表層油污于采樣瓶中獲得。將采集的油污樣稱取35 g左右置于250 mL錐形瓶中，取正己烷30 mL，二氯甲烷20 mL，倒入錐形瓶中，加塞，室溫靜置于暗處，萃取24 h后過濾，留取濾液；將濾液轉移至蒸餾燒瓶中，加入5.0 mL去離子水，置于真空旋轉蒸發儀中，減壓蒸餾出有機溶劑至殘液5 mL，轉移至燒杯中，備用。餐廚油煙氣樣品采集于婁底市湖南人文科技學院食堂。采用大氣采樣器于抽油煙機出氣口采集獲得。取10 mL正己烷-二氯甲烷混合液(3∶2,V/V)，加入大氣采樣器的U型管，收集學校附近餐廚油煙氣。采取與油污濾液相同的濃縮方法處理收集液，得5 mL殘液，轉移至燒杯中備用。煙囪灰采集于婁底市某工廠煙囪底部內壁處， 采用毛刷刷取煙道內壁的煙灰于采樣瓶中獲得。稱取10 g煙囪灰，采取與油污處理相同的方式進行萃取、蒸餾和濃縮后得5 mL殘液，轉移至燒杯中備用。

2.3 實驗方法

將苊(ACE)標準溶液1.0 mL(2000 μg/mL)轉移至100 mL棕色容量瓶中，用甲醇定容，配制成20 μg/mL的儲備液， 備用。

2.3.1驗證樣與實際樣配制取5個10 mL棕色容量瓶，各加入0.4、0.5、0.6、0.8和1.0 mL ACE工作液，分別加入2.5 mL 2.0 mol/L KI、0.4 mL 0.5 mol/L Na2SO3和4 mL 8%乙腈溶液，用去離子水定容至10 mL，編號1～5號，作為校正樣品集。再分別取7個10 mL棕色容量瓶，各加入0.4、0.5、0.6、0.7、0.8、0.9和1.0 mL ACE工作液，分別依次加入2.5 mL 2.0 mol/L KI、0.4 mL 0.5 mol/L Na2SO3和4 mL 8%乙腈溶液，用去離子水定容，編號6～12號，作為驗證樣品集。

平行配制油污、油煙氣和煙囪灰3組21個實際樣，分別加入油污、油煙氣和煙囪灰提取液，作為背景干擾，再在每組7個10 mL棕色容量瓶中分別加入與驗證集相同體積的ACE工作液、KI、Na2SO3和8%乙腈溶液，最后用去離子水定容，作為實際樣品集。

取3個10 mL容量瓶，分別加入油污、油煙氣和煙囪灰提取液，加入2.5 mL 2.0 mol/L KI、0.4 mL 0.5 mol/L Na2SO3和4 mL 8%乙腈溶液，用去離子水定容，作為提取液空白樣品，用于計算實際樣中ACE的檢出限(LOD)。

2.3.2儀器參數設置為了最大限度去除拉曼散射和瑞利散射的干擾，將三維磷光掃描的激發波長范圍(λex)調整為240～440 nm，間隔為20 nm；發射波長范圍(λem)調整為370～490 nm，間隔為10 nm；而狹縫寬度設置為20 nm/20 nm；掃描速度設置為240 nm/min，氙燈電壓設置為800 V。

3 理論方法

3.1 三線性成分模型[22]

假設二階儀器數據如激發發射矩陣磷光數據被收集在大小為I×J×K的三維數陣X中，其中I代表激發波長點數，J代表發射波長點數，K代表樣本數。三維響應數陣X中第(i,j,k)個元素xijk可用式(1)表示：

(1)

其中，N表示對體系有實際貢獻的磷光光譜成分數；xijk表示第k個樣本在激發波長為i、發射波長為j時的磷光強度；ckn是相對濃度陣C(K×N)中的元素(k,n)；ain是相對激發光譜陣A(I×N)中的元素(i,n)；bjn是相對發射光譜陣B(J×N)中的元素(j,n)；eijk是三維殘差數陣E(I×J×K)中的元素(i,j,k)。

3.2 交替三線性分解(ATLD)算法[23]

Wu等[23]于1998年將交替三線性分解算法用于三維數據處理。該算法充分利用交替最小二乘原理和基于奇異值分解的Moore-Penrose廣義逆計算來改進平行因子分析(PARAFAC)算法的性能。該算法不僅保留了“二階優勢”，即在存在未知干擾時也能對感興趣的組分進行準確的定量分析，而且具有收斂速度快和對過量因子數不敏感等優點。對三維數陣X采用ATLD分解可獲得歸一化激發光譜陣A、歸一化發射光譜陣B以及相對濃度陣C。對A、B、C作適當處理后，再根據文獻[24]的二階校正步驟對未知樣中感興趣組分直接進行定量分析。

3.3 統計分析

全部三維磷光數陣均采用Matlab軟件進行分析，算法和線性回歸方程等均按照文獻的算法自行編制。

4 結果與討論

4.1 實驗條件探索及優化

按2.2節方法制備的3種樣本與苊標液進行色譜實驗對照，未檢出苊(如圖1)。

因影響磷光發射及其強度的因素較多，所以本研究首先對實驗條件進行優化。參考無保護流體室溫磷光(NP-RTP)方法[25]，以KI為重原子微擾劑，Na2SO3為去氧劑，通過改變KI和Na2SO3濃度，考察苊(ACE)磷光強度和穩定性。結果表明，2.0 mol/L KI和0.5 mol/L Na2SO3可使ACE溶液被激發出較強的磷光信號，并持續穩定。在2 h內每隔2 min掃描一次ACE的發射光譜，疊加后如圖2所示。在400 nm處，ACE的最大磷光強度基本維持在400～445。

圖1 4種樣本的色譜圖：苊標樣，油污，油煙氣和煙囪灰Fig.1 Chromatographs for four samples:acenaphthene (ACE) standard, greasy dirt, oil smoke and flue dust

圖2 采用熒光分光光度計(磷光模式)掃描60次獲得的苊磷光發射光譜疊加圖(λex, max=400 nm)Fig.2 Emission spectra profiles of ACE by using fluorescence spectrophotometer in phosphorescence mode after scanning 60 times (λex, max= 400 nm)

有機溶劑也會對ACE的磷光產生影響，通過考察甲醇、乙醇、環已烷、正已烷、丙酮和乙腈等有機溶劑種類及其濃度發現，8%乙腈溶液可使ACE獲得最大的磷光強度。工作電壓對信噪比有顯著影響，本研究中測試工作電壓從500 V升高至1000 V。當選取工作電壓為800 V時，獲得了較好的信噪比。

4.2 三維磷光光譜

圖3為ACE含量為2.00 μg/mL的5#校正樣、1#油污空白樣、1#油煙氣空白樣及1#煙囪灰空白樣的三維磷光光譜圖。從圖3可見，3種實際大氣染污源樣品的三維磷光譜中都存在不光滑且與ACE光譜重疊的峰(ACE的磷光激發和發射波長范圍分別為λex= 240～440 nm和λem=370～490 nm)，這些峰可能來源于大氣染污源樣品中有機物或無機物的磷光發射，或儀器背景干擾(如瑞利散射)與ACE的吸收范圍嚴重重疊。這些結果表明，未經分離直接采用常規RTP方法實現對大氣污染源樣品中ACE含量的準確快速測定非常困難。本研究提出了基于交替三線性分解的二階校正法輔助三維室溫磷光光譜的方法(ATLD-TRTP)，以達到對干擾嚴重的大氣污染源樣品中感興趣組分的快速準確測定的目的。

圖3 (A)5#校正樣(2.00 μg/mL)、(B) 1#油污空白、(C) 1#油煙氣空白和(D)1#煙囪灰空白樣品的三維磷光光譜圖Fig.3 Three-dimensional phosphorescence spectra of calibration sample No.5 (A, 2.00μg/mL), greasy dirt (B), oil smoke (C) and flue dust (D), respectively

4.3 方法驗證

圖4 利用核一致診斷算法預估計三維數陣的組分數(油污樣)Fig.4 Estimating the rank of a three way data array by using CORCONDIA (greasy dirt sample)

4.4 大氣污染源樣品中ACE的光譜分析

在對實際樣分析之前，首先采用核一致診斷算法(CORCONDIA)[26]預估計三維磷光數陣的組分數。以油污樣為例，得到的結果如圖4所示。前3個組分的核一致值大于60%，第4和第5個組分分別為40.4%和27.0%。通常，當核一致值≥60%時，模型被認為接近三線性；當核一致值<60%時，模型則被認為偏離三線性，根據核一致值的變化情況可獲得準確的組分數。因此，根據核一致診斷結果，預估組分數為3。但ATLD算法對過量組分數不敏感，只要選取的組分數等于或大于真實組分數即可。本研究選取組分數為5，可以更好地擬合實際三維磷光數陣。

采用ATLD算法分辨油污、油煙氣和煙囪灰的三維磷光數陣所獲得的多環芳烴ACE的歸一化磷光激發光譜和發射光譜。如圖5所示，在3種不同的基體干擾中，ATLD算法每次分辨出的分析物ACE的發射光譜(圖5B中藍線)基本一致，都與其真實光譜(圖5B中綠線)幾乎完全吻合。但對于算法分辨的ACE激發光譜(圖5A中藍線)存在著一定的差異，其中在油污和油煙氣兩種基體中，分辨的激發光譜在300 nm以上的區域與其真實的區域(圖5A中綠線)基本吻合，300 nm以下部分出現了偏差；對于煙囪灰樣，算法分辨的激發光譜則與真實光譜吻合不是很好。這種差異性可能與磷光的激發機理有關，有待進一步研究。雖然激發光譜存在差異，但算法準確地分辨出了ACE發射光譜，依然可以進行定量分析。

圖5 用ATLD(n=5)分析油污、油煙氣和煙囪灰中苊獲得的磷光歸一化激發光譜(A)和發射光譜(B)(油污: A1、B1；油煙氣: A2、B2；煙囪灰:A3、B3)
Fig.5 Resolved phosphorescence normalized excitation spectra (A) and normalized emission spectra (B) of ACE by applying ATLD(n=5)for analysis of greasy dirt (A1 and B1), oil smoke (A2 and B2) and flue dust (A3 and B3) samples, respectively

4.5 大氣污染源樣品中苊的定量及統計分析

表1 采用ATLD算法分析大氣污染源樣品獲得的ACE含量(n=5)

Table 1 Obtained contents of ACE in the air pollution source samples by applying ATLD algorithm (n=5)

樣品編號SampleNumber實際濃度Actual concentration(μg/mL)預測濃度 (回收率(%)) Predicted concentration (μg/mL)(Recovery, %)驗證Validation油污Greasy dirt油煙氣Oil smoke煙囪灰Flue dust10.800.68(85.4)-0.74(92.6)0.90(112.1)21.001.04(104.2) 1.05(104.7)0.98(98.4)1.04(103.7)31.201.25(103.9) 1.20(100.2)1.34(112.0)1.07(89.1)41.401.22(87.0) 1.25(89.3)1.47(105.2)1.16(82.6)51.601.49(93.3) 1.33(83.1)1.58(98.9)1.51(94.2)61.801.81(100.6) 1.46(81.0)1.61(89.2)2.07(115.2)72.002.03(101.3)1.70(84.9)-2.25(112.5)平均回收率Average recovery (%)96.5±6.890.5±7.999.4±6.1101.4±10.9

表2 品質因子和統計參數

Table 2 Figures of merit and statistical parameters

本研究還用靈敏度(SEN)[27，28]、選擇性(SEL)[28]、檢測下限(LOD)[29]和定量限(LOQ)[29]等品質因子評估了方法的準確性，結果如表2所示。獲得的3種大氣污染源樣品中ACE的SEN分別為106.3、102.6和78.7 μg/mL， LOD分別為39.2、18.9和31.0 ng/mL。此外，還將本方法獲得的LOD和LOQ與標準的氣相色譜-質譜法[30,31]、高效液相色譜-紫外檢測器和高效液相色譜-熒光檢測器[32]等方法獲得的LOD和LOQ進行了比較，結果見表2。結果表明，本方法獲得的LOD和LOQ比標準的方法的更低或與之接近。

5 結 論

本研究建立的基于交替三線性分解的二階校正方法結合激發發射矩陣三維室溫磷光數陣(ATLD-TRTP)，能夠快速準確地檢測大氣污染源樣品中多環芳烴苊。本方法采用熒光光譜儀的磷光模式，對復雜大氣污染源(如餐廚油污、油煙氣和煙囪灰等樣品)中苊進行無保護流體三維室溫磷光掃描， 以獲得三維磷光數陣，然后采用化學計量學二階校正方法對數陣進行分解，實現了干擾共存下多環芳烴苊的快速定量分析。本方法準確、綠色環保，為研究大氣顆粒物中PAHs的來源提供了一種很有潛力的分析方法。