环境水化学过程光谱量子信息识别与定量表征技术

王东升

doi:10.12030/j.cjee.202009053

环境水化学过程光谱量子信息识别与定量表征技术

王东升^1,2,

1.
中国科学院生态环境研究中心，环境水质学国家重点实验室，北京 100085
2.
中国科学院生态环境研究中心(义乌)长三角中心，义乌 322001

作者简介: 王东升(1969—)，男，博士，研究员。研究方向：环境水质学。E-mail：wgds@rcees.ac.cn

中图分类号: X131.2

Identification of quantum optical information from environmental hydrochemical processes and its application in quantitative characterization

WANG Dongsheng^1,2,

随着城市化与工业化进程的加快，资源经济也得以迅速发展。而在这一过程中，对资源的过度开发和利用也给自然环境造成了巨大的影响。其中，水资源短缺、污染问题尤为突出，严重干扰了现代化能源经济的发展^[1]。因此，维护水资源的合理开发、防治水污染、改善水资源环境尤为重要。对小流域水环境的治理是水环境保护领域的一个重要分支，对其治理过程的信息进行有效互联与反馈，有助于提高对小流域水环境治理的成效^[2]。传统的信息互联反馈系统，如方珍^[3]提出的基于B/S的信息调查反馈系统和李涛等^[4]提出的基于窄带物联网的水上环境监控反馈系统，虽具有运行简易的优点，但易受到地理环境等多方面因素的影响，导致信息互联效果和反馈时效相对较差，难以对水环境治理情况进行有效的监督和管理。

为了解决以上问题，本研究设计了一种小流域水环境治理过程信息互联与反馈系统，从技术上为提高小流域水环境治理效果提供了支持。

1. 系统设计

在进行系统设计前，需明确系统的功能需求和目的。本研究所设计的系统旨在有效对小流域水环境治理过程信息进行采集、管理、传输和反馈，以进一步提升水环境治理效果。为此，本研究分别从硬件和软件部分入手，对系统进行分析和设计。系统整体框架图见图1。

图 1 系统框架图

下载: 全尺寸图片幻灯片

1.1 系统硬件配置

为了实现信息互联反馈，需准备一台接有局域网的计算机，计算机要有自主IP，信息互联反馈中心通过局域网和无线管理网关进行信息通讯^[5]。无线管理网关链接Zig Bee网络构建组织协调器，通过使用特定的具有Zig Bee频次的收发系统实现各信息监测点的数据共享互联^[6]。小流域水环境治理网络结构见图2。

在此基础上，利用基于web平台的无线网关端口，套用无限检测传感器和SOCC-2520体系作为基础，对系统进行硬件设备的组建，以便对海量信息进行协调处理。同时，选择Windows 2007操作系统和MSP430F1611芯片作为控制器主体，实现对小流域环境治理过程中采集到的海量信息进行网络结构的联系处理^[7]。

MSP430F1611芯片内部包括16位Timer_A (3个捕获/比较寄存器）和8通道12bitA/D、16位D/A信息转换处理器、差异化信息通用传输端口等结构，可有效地实现数据存储和处理，D/A信息转换处理器和差异化信息通用传输端口可以有效地减少硬件设备操作复杂度^[8]。另外，还在硬件环境中设定了三组16位数的定时互联管理模块，可有效地实现对8个通道的信息联通处理，保证对不同通道中的数据信息进行迅速逼近转换和反馈^[9]。系统硬件设备基础配置结构见图3。

图 2 水环境治理网络结构图

下载: 全尺寸图片幻灯片

图 3 系统硬件结构基础配置

下载: 全尺寸图片幻灯片

由于在对小流域水环境治理过程中的信息进行采集和管理时极易受到环境因素的影响，因此需根据水环境治理网络结构进一步优化系统硬件环境，改善结构层级。

在MCU端完成Zig Bee协议运行过程中，海量治理数据会使MCU端出现负荷过大问题^[10]，因此，需结合SOCC-2520电子芯片和Zig Bee协议进行优化，即在SOCC-2520电子芯片中添加微型SPI通讯处理设备和7051单片模拟机，保持其电子芯片与微型处理器之间采用串口交流模式进行连接，提高系统硬件配置之间的严密性和时效性^[11]。

1.2 系统软件环境设计

传统的信息互联反馈系统通常缺少对相似性数值的简化分类处理步骤，极易导致对信息分类不准确的问题，造成互联反馈效率较低。为了保障水环境治理过程中信息互联反馈的有效性，所提的小流域水环境治理过程信息互联与反馈系统以信息采集-信息互联传输-信息反馈为核心思想，结合神经网络原理对信息采集、互联和反馈节点进行设计。在这一过程中，利用最佳的拓扑结构保障节点安排的合理性。常见的神经网络节点拓扑结构见图4。

图 4 网络节点拓扑结构示意图

下载: 全尺寸图片幻灯片

在上述常见的神经网络节点拓扑结构中，混合状拓扑结构是将两种单一的拓扑结构结合、保有两者优点而形成的网络拓扑结构，具有便于故障诊断和隔离、便于扩展和便于安装等优势。为此，本研究利用混合状网络拓扑结构进行水环境信息数据采集节点的有效分配，并实现各个采集和处理模块之间的信息实时传输^[12-13]。

在此基础上，对信息采集、互联传输和反馈过程进行设计。

1.2.1 信息采集过程

通过Zig Bee协议和神经网络原理将采集到的特征信息传输至无限管理网关中进行存储和评估，根据评估结果实现反馈数据的TOP-N排序推荐。由于水环境质量信息复杂度较高，互联数据量巨大，在不同环境背景下对信息提取的需求也各不相同^[14]，因此，在信息反馈处理的过程中，需要结合物联技术对水环境质量信息管理结构进行优化。水环境质量信息采集管理结构见图5。

图5可见，通过河道口水质监控数据、流域设备监控数据和背景数据的收集，实现了对水环境质量信息的采集；利用移动网络设备端口将所采集的数值传输至智慧云系统，通过可视化、智能决策和管理过程实现了对数据的管理。

水环境质量信息采集管理结构包括子局域内信息采集模块、无线共享管理网关、信息互联反馈中心等结构中的关键模块。其中，子局域内信息采集模块主要采用GPRS互联通讯监控节点自动对小流域水环境的PH值、溶解氧、气候信息等进行测算，完成对数据的采集任务^[15]。无线管理网关的运行主要根据上位系统和信息管理网关传达的指令进行实时信息的采集、发送储存和共享。信息互联反馈中心经过基电站发送互联信息给上位系统进行信息分析处理和反馈。采用Arc GIS Serve设备进行互联信息的发布和链接，从而实现水环境治理信息的共享和归类。

图 5 水环境质量信息采集管理结构

下载: 全尺寸图片幻灯片

在上述分析的基础上，假设待采集的水环境治理信息链路分布数据集为 $X = \left\{ {{x_1},{x_2}, \cdots ,{x_n}} \right\}$ ，其中， $n$ 表示数据流矢量长度，对其信息传输信道进行自适应跟踪，结合信息采样的时间序列 ${t_0} + i\Delta t$ （其中 $i = 0,1, \cdots ,n$ ），得到信息采集输出的状态矢量为：

$X' = z \times [{x_1}({t_0}),{x_2}({t_0} + \Delta t), \cdots ,{x_n}({t_0} + n\Delta t)]$

$(1)$

式(1)中： $z$ 为采集到的信息特征时域平均方值。结合过零率 $i$ 和信息瞬时能量 $W$ ，得到采集到的瞬时信息特征挖掘结果见式（2）。

$E = \frac{{{{\left( {X'} \right)}^2} \times i}}{W}$

$(2)$

在此基础上，在神经网络结构中，对网络节点神经层特征信号最佳拓扑结构系数进行计算，其具体过程见式（3）。

$R = p \times \sqrt {\frac{E}{{\beta \times i}}}$

$(3)$

式（3）中： $\,\beta$ 为1～10之间的调节常数； $p$ 为神经网络隐层数。

1.2.2 信息互联传输过程

在完成信息采集之后，根据网络节点关联度进行信息互联传输处理。小流域水环境治理信息互联处理结构见图6。

图 6 小流域水环境治理信息互联处理结构示意图

下载: 全尺寸图片幻灯片

图6可见，信息互联处理部分功分为3个层次，分别为表现层、服务层和数据层。数据层中的各类数据经过数据库引擎传输至服务层，再由服务层传送至表现层，由客户端接收并记录。

假设互联信息的相似性为 $m$ ，信息互联的幅度值为 $u$ ， ${\rm{sgn}}$ 为共性参数，则系统信息互联传输过程见式（4）。

$Q = \frac{1}{{2R}} \times \sum\limits_0^m {\left| {\operatorname{sgn} m\ln \left( { \times z} \right) - \left( {\mathop {\lim }\limits_{0 \to \infty } z \times \left( {i - u} \right)} \right)} \right|}$

$(4)$

然后根据信息互联结果，实现小流域水环境治理过程信息的反馈处理。

1.2.3 信息反馈过程

基于上述分析进行水环境治理信息的反馈处理。在无线管理网关中对采集到的特征信息进行协调处理，结合Zig Bee协调组织技术以及CPRS无线穿管网关对采集到的特征信息进行相关性分析。反馈模块可对不同层级信息进行反馈存储，并保障信息反馈的有效性和准确性。设计反馈模块见图7。

在信息反馈过程中，首先将互联信息保存至存储器中，并从中提取出水文数据、水质监测数据和敏感区数据等内容见式（5）。

$G = \frac{{\left( {Q + vt} \right) \times t}}{g}$

$(5)$

式（5）中： $G$ 为小流域水环境治理信息提取模型， $t$ 表示时间； $v$ 为 $t$ 时间内信息增长速度； $g$ 为信息类别数。在此基础上，结合不同类别数据的传输通道实现小流域水环境治理信息的反馈，见式（6）。

图 7 水环境质量信息反馈模块

下载: 全尺寸图片幻灯片

$J = \frac{{Q + vt}}{G} \times y$

$(6)$

式（6）中： $y$ 为不同类别数据的传输通道。

综上所述，本设计实现了对小流域水环境质量过程中信息的有效互联和及时反馈。

2. 实验测试与结果分析

为了验证所提的小流域水环境治理过程信息互联与反馈系统的有效性，进行了如下对比检测。为保证实验的可对比性，将文献[3]中的基于B/S的信息调查反馈系统和文献[4]中的基于窄带物联网的水上环境监控反馈系统作为对照。

2.1 实验环境

操作系统：Windows 10，内存：4 GB，硬盘4 000 GB以上，网卡：100 M/S带宽以太网卡，CPU：PIII 800以上，局域网络主要通过ADSL的链接方式实现接口端接入，空间信息存储引擎为Arc SDE，硬件处理平台为Arc GIS，嵌入式GIS控制体系为Arcgis Server，互联网技术数据系统平台为ArcI MS，实验数据来自于RESSET水资源数据库。

2.2 实验结果与分析

2.2.1 信息互联准确性验证

信息互联的准确性可以通过互联过程的信息破损率来体现，信息破损率计算见式（7）。

$B = \sum\limits_{i = 3}^n {{\gamma _i} \times k}$

$(7)$

式（7）中: $B$ 为信息破损率； ${r_i}$ 为ZigBee局域网中数据结构振型； $n$ 为数据结构振型阶数， $n$ 的取值大于等于3且为3的倍数； $k$ 为数据频率，即数据频数与总数的比值。测试不同系统信息互联反馈过程的信息破损率，结果见图8。

图 8 不同系统信息破损率对比结果

下载: 全尺寸图片幻灯片

图8可见，随着实验迭代次数的不断增加，不同系统信息互联反馈过程的信息破损率也在随之变化，但所提的小流域水环境治理过程信息互联与反馈系统的信息破损率始终在3种系统中保持最低，维持在3.5%～5%之间。这证明所提系统具有较高的信息互联的准确性，能实现小流域水环境治理信息的准确互联。

2.2.2 信息反馈时效性

信息反馈时效性能够反映系统反馈过程的耗时情况，从而体现系统的工作效率和时效性。反馈过程耗时结果由互联网技术数据系统平台ArcI MS自动统计。测试不同系统信息反馈过程的耗时情况，结果见表1。

表 1 不同系统信息反馈过程耗时情况统计结果 s

迭代次数/次	所提系统	文献[3]系统	文献[4]系统
20	3.52	4.28	5.96
40	3.67	4.64	5.38
60	3.97	4.69	5.27
80	3.93	5.17	6.18
100	3.93	5.30	5.61

| Show Table

DownLoad: CSV

表1可知，随着实验迭代次数的不断增加，不同系统信息反馈过程耗时情况也在随之变化。文献[3]和文献[4]系统的反馈过程耗时较接近，基本保持在4.2～6.2 s之间。相比之下，所提的小流域水环境治理过程信息互联与反馈系统的反馈过程耗时最少，可保持在4 s之内，可以证明所提系统反馈过程时效性较高，具有很高的工作效率。

2.3 实验结论

观察以上实验检测结果可知，相对于传统系统而言，所提的小流域水环境治理过程信息互联与反馈系统在实际操作过程中的互联信息破损率相对明显下降，且信息反馈过程耗时短，时效性高。综上所述，小流域水环境治理过程信息互联与反馈系统具有很高的有效性，能够充分满足实际应用需求。

3. 结语

由于传统的水环境质量信息互联过程存在准确性差、反馈时效性不佳的问题，本研究设计了一种小流域水环境治理过程信息互联与反馈系统，结合MSP430F1611芯片和Zig Bee协议、神经网络原理和物联网等技术对系统软件流程以及硬件配置进行设计，确保了系统的互联准确性和反馈时效性。

图 1 基于紫外-可见光谱效应的DOM水化学特性表征与模拟方法体系示意图

Figure 1. Sketch map of characterization and modeling the DOM hydrochemical properties using UV-vis spectroscopy

下载: 全尺寸图片幻灯片

[1]	RUGGENTHALER M, TANCOGNE-DEJEAN N, FLICK J, et al. From a quantum-electrodynamical light-matter description to novel spectroscopies[J]. Nature Reviews Chemistry, 2018, 2(3): 16.
[2]	YAN M Q, HAN X Z, ZHANG C Y. Investigating the features in differential absorbance spectra of NOM associated with metal ion binding: A comparison of experimental data and TD-DFT calculations for model compounds[J]. Water Research, 2017, 124: 496-503. doi: 10.1016/j.watres.2017.08.004
[3]	YAN M Q, KORSHIN G V. Comparative examination of effects of binding of different metals on chromophores of dissolved organic matter[J]. Environmental Science & Technology, 2014, 48: 3177-3185.
[4]	YAN M Q, KORSHIN G V, CLARET F, et al. Effects of charging on the chromophores of dissolved organic matter from the Rio Negro basin[J]. Water Research, 2014, 59: 154-164. doi: 10.1016/j.watres.2014.03.044

点击查看大图

图( 1)

计量

文章访问数: 3246
HTML全文浏览数: 3246
PDF下载数: 105
施引文献: 0

全文HTML

早在20世纪初，普朗克、爱因斯坦等学者即提出了光的“波粒”二象性。但直到20世纪80年代，随着理论化学计算和激光技术的快速发展，为光的粒子属性研究提供了理论和实验条件，光的量子属性才真正被广泛认知和利用。紫外-可见光吸收光谱、荧光光谱是分子内电子能级跃迁产生的光谱，受分子振动、转动影响较为显著，呈宽带光谱，其量子属性目前仍未受到学术界足够的重视，尤其是对于复杂体系^[1]。为此，北京大学环境科学与工程学院晏明全研究员领衔的国际联合研究团队近年来基于光的“粒子”性视角，阐明了水体中溶解性有机物(dissolved organic matter，DOM)在环境水化学过程中表现出的光谱响应信号所蕴含的微观物质结构、质子/电子转移过程等信息，进而从量子尺度揭示水化学过程的本质，从理论、方法、仪器装备到应用取得了系统性成果。相关成果相继发表在《Water Research》和《Environmental Science & Technology》等领域顶级期刊^[2-4]上。

DOM主要来源于动植物残体腐烂、藻类繁殖代谢残余物及人为活动产物，无论是在微观电子传递过程中还是在全球物质循环过程中均起到“中枢”作用。有关DOM的表征与行为效应控制，一直是环境、地球化学、大气科学等相关学科领域的研究热点和难题。FT-MS、NMR、X-ray、FT-IR等先进表征方法需要对环境样品进行浓缩、提纯等预处理，不仅操作复杂，而且会改变DOM的特性。紫外-可见吸收光谱技术具有灵敏度高、经济、操作便捷等优点，被广泛应用于DOM的分析与监测。但由于DOM成分复杂、光团叠合干扰，导致其紫外-可见吸收光谱强度随波长呈指数下降，无明显的特征峰，故此前的研究者仅基于Beer-Lambert线性光学经验定律，利用UV₂₅₄、DA₂₇₂、E₃∶E₅等参数指示DOM的浓度、芳香类基团含量、分子大小等有限的信息。为克服上述难题，晏明全团队通过实验方法和算法创新，消除了惰性组分和相关环境过程的干扰，识别出DOM中活性基团在特定环境过程中产生的微弱的光谱响应信号；同时，基于理论化学计算和飞秒激光瞬态光谱光学实验，初步阐明了光谱信号与DOM微观物质结构、质子/电子转移及电子云轨道分布变化的内在关联，从而突破了对Beer-Lambert定律的机械认识，将光谱量子信息理论与水化学基本原理有机结合起来，建立起水解(酸碱平衡)、络合、氧化等主要水化学反应过程定量表征和非线性描述方法体系(见图1)；此外，针对现有仪器不能满足新方法对实验精度要求的问题，以实验室科学研究和外场在线监测为两大主要应用场景，研制了水化学反应过程精确模拟与微量DOM在线监测仪器装备。上述新方法及新装备已成功应用于包括巴西亚马逊河、美国密西西比河、法国塞纳河、太平洋近海及深海，我国长江、黄河、南水北调输配水等地表水，以及地下水、生活污水、工业废水等各类水体中DOM的特性研究。上述研究成果表明，针对环境学科的特点和需求，通过跨学科交叉研究，将物理、化学等相关学科前沿理论与环境问题有机结合，能显著拓展光谱技术的科学内涵和应用空间，从而使传统技术方法焕发出新的活力。

晏明全(1976—)，工学博士，北京大学环境科学与工程学院研究员，主要从事饮用水安全保障理论与技术、环境量子光学领域的研究与教学工作，在利用紫外-可见光谱技术(UV-vis)表征微量水溶性有机物(DOM)方面作出了具有特色的工作。主持并参与了国家重点研发项目、国家自然科学基金项目等课题10余项；发表论文80余篇；获日内瓦国际发明展金奖、中国产学研合作创新成果一等奖等多种奖项。E-mail：yanmq@pku.edu.cn

参考文献 (4)

环境水化学过程光谱量子信息识别与定量表征技术

作者简介: 王东升(1969—)，男，博士，研究员。研究方向：环境水质学。E-mail：wgds@rcees.ac.cn