破局黑臭水體監測：AIRSENSE電子鼻的全新應用與生態價值

更新時間：2025-10-13 點擊次數：248

黑臭水體是受污染的城市河流，常呈黑色且散發惡臭，對居民生活、生態系統功能及地方經濟均有負面影響，自 1962 年起逐漸成為普遍環境問題，尤其在欠發達地區頻發。傳統黑臭水體監測分原位與異位兩類：原位監測需直接向水體添加化學或生物試劑，耗時且易引入新污染物；異位監測需在異地用試劑處理水樣，無法現場即時獲取水質參數。同時，檢測 pH、化學需氧量（COD）、總氮（TN）、總磷（TP）等關鍵指標的傳統化學方法（如重鉻酸鉀法測 COD、堿性過硫酸鉀消解 - 紫外分光光度法測 TN 等），需化學試劑與專業設備，耗時費力且成本高，因此亟需替代監測技術。
研究目的
采用傳統方法測定黑臭水體的 pH、COD、TN、TP 等水質參數，作為對比基準。
分析AIRSENSE電子鼻傳感器在黑臭水體頂空氣體檢測中的響應特性。
驗證AIRSENSE電子鼻對黑臭水體樣本的識別能力及對水質參數的預測效果。

01
試驗設計

01
主要儀器與試劑
實驗儀器：德國AIRSENSE電子鼻。

圖片5.png

采樣地點：選取某河流，總面積 2.8km2，總長 8.3km）作為研究對象。
采樣方式：沿河流每隔 1km 設 6 個采樣點（1-6 組），用 1.5L 塑料瓶采集水樣，確保滿足電子鼻檢測與常規分析需求；水樣帶回實驗室后，將溫度控制在 20±0.5℃。
02
檢測流程
取 10mL 水樣置于 500mL 燒杯，用保鮮膜密封后靜置 30min 以產生頂空氣體；檢測前在保鮮膜上開孔供氣體穩定流入，檢測后 60s 內用潔凈空氣清洗氣路與傳感器室；頂空氣體流速設為 200mL/min，每秒采集 1 次信號，檢測時長 75s 以確保信號穩定；每個采樣點制備 27 個樣本，電子鼻信號以 G/G?表示（G 為傳感器在樣本頂空氣體中的電阻，G?為在潔凈空氣中的電阻）。

02
數據分析方法與工具

線性判別分析（LDA）：通過 Fisher 線性判別、方差分析（ANOVA）與回歸分析構建線性方程，對 6 組水樣進行分類識別，先將數據零均值歸一化，用 Wilks' lambda 法篩選變量（納入 F=0.05、剔除 F=0.10），并采用留一交叉驗證避免數據過度優化。
偏最小二乘回歸（PLSR）：針對傳感器信號存在多重共線性的問題，構建電子鼻信號（X 矩陣）與水質參數（Y 矩陣）的回歸模型，將 162 個樣本分為 120 個訓練樣本與 42 個測試樣本，用決定系數（R2）和均方根誤差（RMSE）評估模型準確性。
方差分析 - 偏最小二乘回歸（ANOVA-PLSR）：分解數據總方差以提取不同效應，分析電子鼻信號與水質參數的相關性，通過交叉驗證與穩定性圖的 Jack-knifing 法分析回歸系數，判斷變量關系顯著性（p<0.05）。
工具軟件：用 SPSS 16.0 進行 LDA 分析，MATLAB 2012a 處理 PLSR，Unscrambler 10.3 完成 ANOVA-PLSR，同時通過描述性統計分析獲取均值、標準差、相關性等數據概況。

03
結果與討論

傳統方法測得的水質參數特征
參數范圍：6 個采樣點的 pH 為 7.2-7.5，無顯著差異；COD 為 50-115mg/L，各點位差異顯著，反映污染程度不同（該河流無工業廢水，污染主要源于居民活動）；TN 為 20-30mg/L，點位間有差異；TP 為 1.34-2.13mg/L，無顯著點位差異。
相關性：Pearson 相關矩陣分析顯示，pH、COD、TN、TP 間相關性極低，水樣數據沿月亮河采樣段無明顯分布規律，表明該區域污染水平無特定規律，需多點動態監測黑臭水體水質。

實驗圖1.png

AIRSENSE電子鼻傳感器響應特性
信號穩定時間：10 個傳感器在檢測 20s 后均達到動態平衡，說明電子鼻可在 30s 內完成黑臭水體樣本檢測，為確保信號穩定，最終選取第 70s 的信號用于分析。
傳感器靈敏度：傳感器 S2、S9 對黑臭水體頂空氣體最敏感，S1、S3、S5、S6、S7 有一定靈敏度，S4、S10 在整個檢測過程中幾乎無響應。
信號多重共線性：Pearson 相關矩陣分析發現，傳感器信號存在較高多重共線性（S4、S10 與其他傳感器相關性低），這會干擾回歸分析，因此采用 PLSR 減少多重共線性影響。

實驗圖2.png

電子鼻對水樣的識別與參數預測效果
定性識別（LDA）：將第 70s 的 10 個傳感器信號輸入 LDA 模型，經 Wilks' lambda 法篩選后保留 10 個變量，生成 5 個判別函數。前兩個判別函數解釋了 62.9% 和 27.2% 的總方差，第三個解釋 6.4%，6 組水樣在判別空間中分布清晰、無重疊，原始分組樣本與交叉驗證樣本的正確分類率均達 100%，證明電子鼻可精準識別不同點位的黑臭水體樣本。
參數預測（PLSR）：PLSR 模型對 pH、COD、TN、TP 的預測效果優異，訓練集與測試集的 R2 均大于 0.90，具體具體數據如下表所示，且實際值與預測值分布緊密，表明電子鼻可通過頂空氣體檢測有效預測黑臭水體關鍵水質參數。

信號與參數相關性（ANOVA-PLSR）：ANOVA-PLSR 模型在兩個主成分下，解釋了 X 矩陣（電子鼻信號）98% 的方差與 Y 矩陣（水質參數）94% 的方差。傳感器 S2、S9 與 COD 呈顯著正相關，其他傳感器與水質參數也存在不同程度相關性，因電子鼻傳感器對頂空氣體中物質具有交叉敏感性，可捕捉與水質參數相關的信號特征。

04
結論與展望

河流黑臭水體的 pH、COD、TN、TP 經傳統檢測無顯著相關性，采樣段數據無規律，需動態監測。
電子鼻傳感器信號存在多重共線性，但 ANOVA-PLSR 證實其可通過交叉敏感性捕捉水質參數相關信息。
電子鼻結合 LDA 可 100% 準確識別不同點位黑臭水樣，結合 PLSR 能高效預測 pH、COD、TN、TP（R2>0.90），是一種快速、低成本、易操作的黑臭水體監測技術。