Development of 9 Kinds of Plant Matrix Reference Materials for Elemental Analysis and Quantitative Characteristics
-
摘要:
随着人们对食品安全关注度的提升，尤其是对植物源食品和保健品的元素组成与功效的关注，对评价可食性植物中元素分析标准物质需求日益增加。本文研制了红豆粉无机成分分析标准物质(GBW10228)、洋葱成分分析标准物质(GBW10232)、油菜成分分析标准物质(GBW10233)、金针菇粉中元素成分分析标准物质(GBW10247)、银耳粉中元素成分分析标准物质(GBW10248)、藕粉中元素成分分析标准物质(GBW10249)、山楂粉中元素成分分析标准物质(GBW10250)、三七粉中元素成分分析标准物质(GBW10251)、茉莉花成分分析标准物质(GBW10234)共9种植物基体分析标准物质。针对物料特点确定了候选物的采集地点、制备方法、封装工艺和保存条件，经检验均匀性、稳定性良好，通过方法研究制定了标准物质定值作业指导书，由11家实验室联合对Ag、Al、As、B、Ba、Be、Bi、Br、Ca、Cd、Ce、Cl、Co、Cr、Cs、Cu、Dy、Er、Eu、F、Fe、Gd、Ge、Hg、Ho、I、K、La、Li、Lu、Mg、Mn、Mo、N、Na、Nd、Ni、P、Pb、Pr、Rb、S、Sb、Sc、Se、Si、Sm、Sn、Sr、Tb、Th、Ti、Tl、Tm、U、V、Y、Yb、Zn共59种元素测试，定值测试针对不同的元素选用受基体影响小的准确灵敏的方法，主要有电感耦合等离子体质谱法、电感耦合等离子体发射光谱法、原子荧光光谱法、容量法等，定为标准值的元素均在40种以上，其中山楂和三七给出53种标准值及不确定度，元素分布特征明显，代表性强。与同类标准物质相比，痕量元素定值水平有所提高，常规抽检重点监测的元素Cd和Pb，在红豆、洋葱、金针菇、油菜、三七、茉莉花中形成梯度含量，如Cd的含量在10-9到10-7量级，Pb含量在10-8到10-6量级，对于食品检测质量监控其适用性更广。本系列标准物质定值元素种类丰富，适用于生物类样品测试的量值传递和质量监控，也为保健品的药用价值与元素关联性研究提供了基础数据。
要点(1) 研制了红豆、洋葱、油菜、金针菇、银耳、藕粉、山楂、三七和茉莉花等9种标准物质。
(2) 定值元素59种，与同类标准物质相比，痕量元素定值水平有所提高。
(3) 系列标准物质中Cd和Pb的含量形成梯度，可用于分析检测中不同含量的样本测试。
HIGHLIGHTS(1) 9 kinds of reference materials were developed: red bean, onion, rape, needle mushroom, tremella, root starch, hawthorn, notoginseng and jasmine.
(2) 59 elements are certificated, and trace element quantification levels are improved compared to standard materials of the same type.
(3) The contents of Cd and Pb in the series of reference materials form a gradient, which can be used for the analysis of samples with different contents.
Abstract:BACKGROUNDWith the increasing concern for food safety, especially for the elemental composition and efficacy of plant-derived foods and health products, research on the nutrient analysis of related foods is continuously carried out. At present, due to the wide variety of agricultural and health products, and the different environments in which the plant matrix grows, the elements absorbed by plants during the growth process vary greatly, making it difficult for many foods to meet the requirements of the calibration and testing system simply by using pure standards. It is necessary to combine the matrix reference materials for calibration and develop new plant-based reference materials.
OBJECTIVESTo improve the situation that there are few existing plant matrix reference materials, by developing 9 kinds of plant matrix reference materials for elemental analysis. Except for the reference materials for elemental analysis in notoginseng powder, all of them were developed for the first time, which supplemented the types of plant matrix elemental analysis reference materials and were mainly used in food nutrition and safety analysis and testing technology research of plant samples.
METHODSIn the early stage of development, the selection of candidate reference materials with the representative matrix were investigated and studied. The samples were pretreated, dried, crushed, sieved, and examined by a laser particle size analyzer before being packed in 45mL HDPE plastic bottles and inactivated by 60Co irradiation, which can be stored for a certain period of time. The samples were randomly selected from 30 bottles during the whole packing process, and the homogeneity test was performed by inductively coupled plasma-mass spectrometry (ICP-MS), inductively coupled plasma-optical emission spectrometry (ICP-OES), atomic fluorescence spectrometry (AFS) and volumetric method (VOL). The long-term stability of the reference materials under the specified storage conditions and the transport stability at 60℃ were investigated and the results were evaluated by trend analysis, which showed that the samples were stable under the specified conditions. The operation guideline of reference materials characterization analysis was developed, and 11 laboratories worked together to analyze 59 elements: Ag, Al, As, B, Ba, Be, Bi, Br, Ca, Cd, Ce, Cl, Co, Cr, Cs, Cu, Dy, Er, Eu, F, Fe, Gd, Ge, Hg, Ho, I, K, La, Li, Lu, Mg, Mn, Mo, N, Na, Nd, Ni, P, Pb, Pr, Rb, S, Sb, Sc, Se, Si, Sm, Sn, Sr, Tb, Th, Ti, Tl, Tm, U, V, Y, Yb, Zn.
RESULTSThe data of the developed series of reference materials were statistically judged by Grubbs and Dixon and the suspicious values were rejected, with a rejection rate of less than 3%. Shapiro-Wilk was used to test the normality of the fixed value data, in which the element Ti in red bean, Bi, I and Th in needle mushroom, Ti in tremella, and I in jasmine had a skewed distribution of the original measurement data, and no certified value was taken only as the median value for reference, and the arithmetic mean of the customized data was used as the certified value for the remaining elements. The certified values and uncertainties of the nine reference materials were above 40, among which, 53 certified values and uncertainties were given for hawthorn and notoginseng. The uncertainty of reference materials consists of homogeneity uncertainty, stability uncertainty and characterization uncertainty. This series of reference materials was developed under the concept of metrological traceability, and a variety of quality control measures were taken to ensure the accuracy and reliability of analytical results and was applied as national level reference materials in 2021. The names and number are as follows: chemical composition of red bean (GBW10228), onion (GBW10232), rape (GBW10233), needle mushroom (GBW10247), tremella (GBW10248), root starch (GBW10249), hawthorn (GBW10250), notoginseng (GBW10251), and jasmine (GBW10234).
The existing plant matrix elemental analysis reference materials are mostly found in rice, wheat, tea and other major agricultural and sideline food, and the certified value elements are mainly macronutrients and heavy metals. The present series of reference materials cover agricultural and health products with a large amount of daily sampling, except for notoginseng, which is developed for the first time, supplementing the variety of relevant quality control samples in the food testing field, with 59 certified value elements, which can effectively reflect the composition of elements in relevant products.
In this study, more regionally representative candidates were selected, focusing on the beneficial nutritional elements K, Ca, Na, Mg, P, Zn, Fe and harmful metal elements As, Hg, Cd, Pb, whose contents can reflect the distribution characteristics of the elements in different samples and origins, such as red beans, which is a health food, and the candidates were picked from Yi'an County in Songnen Plain (one of the important commodity grain bases in China). It contains high contents of beneficial nutrients such as K (1.392g/100g), Ca (0.104g/100g), Mg (0.165g/100g), P (0.457g/100g), Zn (24μg/g) and Fe (71μg/g), and low contents of Pb (0.033μg/g), Cd (5.4ng/g) and other harmful metal elements, which are far below the national limit standards, reflecting the fertile black soil of Songnen Plain and the effectiveness of China's land management. For elements of Cd and Pb, red beans (5.4ng/g) and (0.033μg/g), onions (17ng/g) and (0.322μg/g), needle mushroom (33ng/g) and (0.126μg/g), rape (170ng/g) and (0.9μg/g), notoginseng (311ng/g) and (0.7μg/g), jasmine (420ng/g) and (1.65μg/g) form a gradient range, which is more applicable for food testing quality control. It can be found that the content of heavy metals in health products such as notoginseng and jasmine are higher than that in vegetable products such as rape and needle mushroom, which has a certain guidance for selecting suitable quality control samples in analytical testing. This is a guideline for the selection of suitable quality control samples.
Due to the progress of the current testing methods and instruments, the precision of the data for the determination of rare earths and other elements with very low contents in some samples was good, and standard values were given, such as Eu (9.4±1.7ng/g), Ge (7.8±2.3ng/g), Lu (1.7±0.5ng/g), Tb (5.3±0.9ng/g), Tm (1.8±0.6ng/g) in rape, while the previous reference materials of similar vegetable matrixes did not reach such definite levels.
CONCLUSIONSThe development of the series of plant matrix reference materials is supplemental and improves the existing plant matrix reference materials, with obvious distribution characteristics of elements and wide applicability of the gradient range. This series of reference substances covers lots of elements with certified values, which is suitable for the quantity transfer and quality control of biological samples analysis and provides basis for the research on the correlation between the medicinal value and elements of health products.
-
原位化学氧化(In-situ Chemical Oxidation，ISCO)是指利用合适的输送技术将氧化剂输送到土壤或含水层中，通过化学氧化作用将污染物转化为低毒或者无毒物质，由于反应高效、性价比高等特点，ISCO修复技术已经在土壤和地下水的有机污染修复中得到了广泛应用[1-3]。氧化剂用量是应用中的一个关键参数，当氧化剂用量不足时，污染场地的修复可能达不到工程的目的要求，易形成残留污染物或反应中间产物，导致场地污染物浓度发生反弹[3-6]；当氧化剂用量过多时，则可能会严重破坏土壤理化性质，降低微生物群落的多样性，增加工程的修复成本[7-12]。因此，ISCO中所使用的氧化剂剂量的准确测定是确定污染场地治理效果的关键，对于最终获得良好的修复效益具有重要的意义[13]。
ISCO工程中所需氧化剂的剂量通常用氧化剂需求量来衡量。经过调研总结，目前针对氧化剂需求量的测算方法可以划分为实验法和化学计量模型法两类[14-15]，实验法又可以分为批实验法、柱实验法、注抽实验法以及基于这三者的反应动力学模型法[7-8, 16]。在不断的发展实践中，实验法中的批实验法得到了较为广泛的探索，尤其是美国材料试验协会(ASTM)提出的相关标准(D7262)有力促进了其标准化的应用。化学计量模型法则直到近年来与Li等[13]和Ranc等[14]提出了新的模型才有了较大的发展。
然而，上述方法的研究依然存在不足：一是相关概念定义不统一，不同文献中术语定义不同；二是缺乏对不同种类的氧化剂需求量的考量，当前氧化剂需求量的测定方法主要针对高锰酸钾氧化剂，对其他种类的氧化剂的探究还相对较少；三是对氧化剂自然分解量的测算研究还略有不足。本文根据国内外研究现状，对氧化剂需求量的组成及定义进行讨论和梳理，在此基础上，对各种氧化剂需求量测算方法的使用特点和应用现状进行了综述，同时对当前方法在不同氧化剂种类条件下的应用、氧化剂自然分解量的测算进行了一定探讨。相关内容有助于人们了解氧化剂需求量测算方法的原理与现状，并为今后开展相关研究提供依据和建议。
1. 氧化剂需求量的组成与定义
当氧化剂被注入到受污染的土壤或含水层之后，氧化剂除了与目标污染物发生反应，同时还与介质中的天然有机质(Natural Organic Matter，NOM)以及Fe2+、Mn2+、S-、S2-等还原性矿物质(Reductive Mineral，RM)发生反应[16-20]，并且伴随着由于氧化剂自身性质而发生的自然分解，如芬顿试剂和臭氧会分解成氧气等[21]。为了更好地表示氧化剂需求量的组成，研究者使用了许多术语，如总氧化剂需求量(Total Oxidant Demand，TOD)[7, 21-24]、土壤氧化剂需求量(Soil Oxidant Demand，SOD)[13, 18, 25-27]、天然氧化剂需求量(Natural Oxidant Demand，NOD)[7-9, 15, 16, 21-24, 28-30]以及氧化剂分解量(Decomposed Oxidant DEO，DEO)[17, 21, 24, 29]等。这些术语具体含义尚不统一，易产生歧义，常常在不同的研究中被混用。例如，由于SOD未明确是否包含土壤中的污染物对氧化剂的需求量，常常与TOD或NOD混用。
本文根据已有术语的定义及使用情况，进一步考虑介质类型和氧化剂消耗的组成，将相关术语关系及定义梳理总结列于表 1。同时明确SOD指的是土壤中的天然有机质和矿物质所消耗的氧化剂剂量，它是NOD的一部分，也可以称为土壤的NOD。
表 1 氧化剂需求量相关术语及定义Table 1. Terms and concepts related to oxidant demand氧化剂需求量相关术语 定义 污染物氧化剂需求量
(Pollutant Oxidant Demand，POD)污染物氧化降解所消耗的氧化剂量 天然氧化剂需求量
(Natural Oxidant Demand，NOD)土壤或含水层介质中的天然有机质和还原性矿物质所消耗的氧化剂量 氧化剂分解量
(Decomposed Oxidant, DEO)氧化剂因本身的性质以及环境条件的影响而自然分解，未能参与到氧化反应过程中的那部分剂量 需要特别指出的是，表 1所列术语的单位统一为g、kg或mol氧化剂，而非前人文献中通常使用的氧化剂需求量单位：g氧化剂/kg介质，因为绝大部分前人的研究中氧化剂的需求量都是针对单位质量介质而言的。如Dangi等[31]通过总结指出，单位质量土壤的高锰酸钾NOD可以达到0.4~50.0g/kg。研究者们还指出，介质中的天然物质可能比污染物对氧化剂的需求更高[32]，它们之间的竞争可能对氧化剂的用量、扩散程度、氧化反应速率以及污染物的去除效率产生显著影响[7, 14, 20, 28, 33-36]。因此，POD和NOD的测算均受到了研究者们的重视，而对于DEO，目前的测算方法对其关注尚且不足。本文在对现有测算方法进行综述的基础上，对DEO的测算进行了一定探讨。
2. 实验法测算氧化剂需求量
实验法是较为经典的氧化剂需求量测算方法，基本原理是：将经过粉碎、干燥及其他方法处理的介质样品与氧化剂在一定体系内混合反应一段时间，通过计算反应前后氧化剂的消耗量进而得到单位介质的氧化剂需求量。其基本的数学表达式为：
$$ \mathrm{NOD}_{\mathrm{t}} / \mathrm{TOD}_{\mathrm{t}}=\frac{\left(C_1-C_2\right) \times V}{m_{\mathrm{s}}} $$ (1) 式中：C1、C2分别表示反应前后氧化剂浓度，单位为g/L；V表示加入的氧化剂溶液体积，单位为L；ms表示介质样品质量，单位为kg；t表示时间，单位为小时(h)或天。需要指出的是，由于并未特别考虑氧化剂的DEO，此处的TOD指的是POD和NOD之和，单位均为：g氧化剂/kg。在该基础上，场地总NOD值或总TOD值则还需乘以污染区域介质的总质量。
根据实验的尺度和维度的逐渐增加，实验法可以分为批实验法、柱实验法和注抽实验法，以及基于上述三种方法，利用动力学模型预测更长时间尺度上的氧化剂需求量的反应动力学模型法。
2.1 批实验法
Haselow等[7]提出利用比色技术(Colorimetric Techniques)来估算单位土壤或含水层的TOD，该方法实质上就是基于上述原理的批实验法(Batch Test)。经过不断发展，ASTM[15]提出了测算单位质量土壤或含水层固体的高锰酸钾天然氧化剂需求量的标准试验方法。王文坦等[37]提出了土壤的化学需氧量的测定方法专利，促进了批实验法在国内外的标准化应用。批实验法具有操作简便、高效、对不同场地介质和不同的氧化剂种类适应性较强等特点，在许多污染修复研究中得到运用[25, 27, 38-39]。
批实验法的结果受到许多因素的影响，包括氧化剂的初始浓度、反应时间、反应的固液比以及反应的混合条件等。前人对批实验中相关影响因素及影响机制进行了大量探究，可以总结得出：更高的氧化剂浓度和更长的反应时间意味着氧化剂与污染物之间更充分的反应，但这也带来了更高的氧化剂消耗[13, 31]；固液比对实验的影响与氧化剂是否充足以及反应时间有关[21, 31]；搅拌混合可以促进氧化剂与土壤含水层介质充分反应[31]，但可能不符合实际的应用情况，因为在实际条件下氧化剂与介质的接触并没有这样充分。为了便于不同研究或修复工程数据的对比，支撑工程的成本核算，根据实验影响条件，批实验中NOD或TOD科学的表达方式应该为特定样品与一定浓度的特定氧化剂，在一定的固液比、温度和混合条件下反应一定时间时的氧化剂的消耗量，并且某一场地某一氧化剂的NOD或TOD应该是一组数据。因此，比较严谨的氧化剂需求量的表述方式为：NOD/TOD(XX浓度YY氧化剂，固液比，反应温度，反应时间，混合条件)。例如，NOD(0.5mol/L KMnO4，1∶5，25℃，48h，充分混合)，表示使用0.5mol/L的高锰酸钾溶液，固液比为1∶5，反应温度为25℃，反应时间为48h，充分混合条件下的天然氧化剂需求量。同理，柱实验和注抽实验测算值的表达也应是如此，只是需要考虑的因素有所差别。
研究者们在利用批实验法测算高锰酸钾的氧化剂需求量时发现，氧化剂的消耗速率在一定时间后会发生显著降低，尔后呈现出较长时间的缓慢消耗，即存在钝化现象和拖尾现象。发生钝化现象的所需时间随着高锰酸钾浓度升高而变短，拖尾现象则可以持续到14天以上[31]。Xu等[40]指出，钝化现象与高锰酸钾氧化剂的特征产物MnO2生成有关。拖尾现象则可能是由于介质中部分反应物与氧化剂反应较慢，或是吸附在介质上的相关还原性物质解吸较慢。钝化现象和拖尾现象的存在延长了实验的时间，使得氧化剂需求量的测算变得困难、复杂。ASTM的标准方法中是以48h处的氧化剂消耗量作为测定值，根据钝化现象和拖尾现象，这具有一定风险[6]，因为此时获得的氧化剂消耗量可能并未达到最高。在不同反应时间条件下，氧化剂的消耗量可能有较大差距。如Dangi等[31]的测试结果表明，在高氧化剂浓度下，48h和14天时所获得的高锰酸钾NOD值相差可以达到前者的37%。如果等待氧化剂与样品反应完全、氧化剂消耗量达到相对稳定，则可能需要耗费较长的时间。考虑到ISCO工程的主要目的是有效地降低污染物的浓度，实验时间不应该是一个固定的时间，而应是污染物浓度在氧化作用下降低到目标值以下所需要的时间。Xu等[41]提出了一种改进的方法用于测定样品的NOD或TOD最大值，即对介质样品进行了进一步的酸化、加热等处理，以促进介质中的物质与高锰酸钾发生更加充分、快速的反应，避免拖尾现象。该方法所得的测算值是介质中的物质完全氧化所需的氧化剂的剂量，ISCO工程可能并不需要完全满足天然物质对氧化剂的需求[22]。因此，上述方法的测算值可能偏大。
批实验法已经得到了较为广泛的研究和实践，但还具有进一步优化的空间。由于具有简便、高效的显著优势，该方法将仍然是最受青睐的氧化剂需求量测算方法。批实验法可以显示出氧化剂需求量与时间的变化关系，而柱实验法在此基础上可以进一步模拟氧化剂在介质中实际运输中的氧化剂消耗。
2.2 柱实验法
柱实验(Column Test)的大致方法是：将场地介质填充到实验柱中，通入一定浓度的氧化剂，观察氧化剂浓度在时间和空间上的双重分布，通过流经实验柱前后氧化剂含量的变化获得NOD或TOD值。氧化剂含量的变化可通过反应前后氧化剂浓度变化获得[42]，也可以通过对穿透曲线的积分来获得[8]。在柱实验中，氧化剂与介质之间的固液比、混合条件将不再是实验所考虑的重要因素。而氧化剂浓度和反应时间的影响机制则与批实验中相同[43]。Xu等[44]研究发现，从柱实验中测得的高锰酸钾NOD值是批试验中7天时所测得的NOD值的0.1~0.5倍，这说明批实验和柱实验法的测算结果可能有较大差异。由于考虑了氧化剂的流动运输，氧化剂与介质之间的接触更加符合实际情况，柱实验被认为更能够反映出氧化剂在场地介质中的实际消耗[8, 44]。
尽管柱实验法的准确性具有一定优势，但该方法并未得到广泛的研究应用，也未形成较为清晰的操作和计算流程。推测造成这一现象的主要原因是柱实验的操作和计算都较为繁琐和复杂。如当介质非均质性较强导致所需测定的样品较多时，工作量和实验成本将显著增加。在这样的背景下，柱实验的下一步发展方向应是形成较为完整的工作流程，同时进一步探究与批实验测算值之间的联系或差异。
2.3 注抽实验法
Mumford等[16]提出使用注抽实验(Push-Pull Test，PPT)来测定含水层介质的NOD。注抽技术起源于石油工业，主要用途是确定介质中的剩余油饱和度、介质水文地质参数[45]，后来被广泛用于地下水的原位修复中，尤其对于场地中非水相液体(NAPL)污染的修复具有重要意义[46]。通过该方法测算氧化剂需求量的主要操作是：通过注入装置将已知含量的氧化剂和示踪剂混合注入到含水层中，在经过一段时间的反应后测定剩余氧化剂的含量，通过反应前后的差值进而估算含水层介质的NOD或TOD[16]。其中，示踪剂用来控制样品的回收率。该方法的基本原理与2.1中所述原理相同，由于在场地尺度上进行，因此也可以称为场地实验或是中试实验[47]。Ko等[48]利用简单的单井注抽试验对ISCO工程场地中TCE的降解率和高锰酸盐的消耗率进行了估算，显示出了较好的适用性。Mathai[46]设计了数值模型“PPT-ISCO”来模拟注抽试验，用于评估天然氧化剂需求量大小和ISCO的有效性，并且探究了注抽实验在NAPL相污染物修复效果调查和氧化剂需求量测算中的应用，推动了注抽实验法的数值模拟应用。
目前，注抽实验法的应用并不广泛。其主要优点在于可以有效地克服实验室条件与实际场地环境条件不同所导致的误差，获得比实验室试验更具代表性的测定值[46]，可以在场地原有的监测井中进行以节约部分成本[16]。但同时，该方法的大规模使用仍面临一些困难：一是其准确性依赖于对与氧化剂发生接触的含水层介质体积和质量的准确估算；二是当场地介质条件或污染物分布较为复杂时，需要进行多次实验；三是该方法适用于含水层介质，对于土壤非饱和带的适用性还有待进一步的验证。尽管如此，注抽实验法对于验证氧化剂需求量的实验室测算结果以及探究NAPL污染源区的氧化剂需求量仍具有重要意义。在进行ISCO设计时，柱实验和注抽实验通常会被用来探究氧化剂的输送以及实际的氧化修复效果，可以在进行这些探究的同时考虑进行氧化剂需求量的测算，进而避免更多的操作和成本消耗，将有利于促进两种方法的发展与应用。
2.4 反应动力学模型法
反应动力学模型法(Reaction Kinetics Model)是指在实验基础上，对反应过程中氧化剂的消耗量进行动力学分析，从而能够在更长的时间尺度上刻画氧化剂的消耗，这对于反应时间较长的高锰酸钾或过硫酸钠氧化具有较大的意义。Mumford等[8]在批、柱实验的基础上提出了t时刻高锰酸钾NOD值与理论NOD最大值之间的关系拟合模型：
$$ \mathrm{NOD}_{\mathrm{t}}=\mathrm{NOD}_{\text {est }} \times(a \ln t+b) $$ (2) 式中: NODest为利用化学计量模型计算的理论最大值，将在化学计量模型法中介绍，a和b为拟合参数。Xu等[40]给出了高锰酸钾反应NOD最大值与7天时测得的NOD值之间的关系模型，式中的NODmax是根据反应动力学图像估算出的最大值：
$$ \mathrm{NOD}_{\max }=1.5 \times \mathrm{NOD}_7+0.7 $$ (3) 上述模型能够帮助人们在不需要进行长时间的实验情况下估算介质的NOD最大值，具有使用简便的优势，但需要考虑适用的氧化剂浓度等条件。ASTM的标准中给出的基于实验室测定的高锰酸钾消耗的一级动力学模型[15]，该模型考虑到了高锰酸钾氧化反应的钝化，并将反应过程划分为快速反应和缓慢反应两个阶段，两个阶段的分界点为反应速率变化的拐点。最终表达式为：
$$ \mathrm{d}\left[\mathrm{KMnO}_4\right] / \mathrm{d} t=-k_{\mathrm{f}} a\left[\mathrm{KMnO}_{4 \mathrm{f}}\right]-k_{\mathrm{s}} b\left[\mathrm{KMnO}_{4 \mathrm{s}}\right] $$ (4) 式中：[KMnO4f]和[KMnO4s]分别为快速反应和缓慢反应阶段的KMnO4浓度；kf和ks分别为快速反应和缓慢反应的阶段一级反应动力学常数；a和b分别表示参与快速反应阶段和缓慢反应阶段的KMnO4的质量占总质量的比例，可以通过测定反应初始KMnO4质量以及拐点处KMnO4的质量来确定。该模型的主要优点是标准化，缺点是使用成本相对较高。
反应动力学模型法目前仅被用来估算介质的NOD。除此之外所面临的主要问题是，现有模型在不同实验条件下的适用性尚不明确，同时缺乏对高锰酸钾之外的氧化剂的研究，这都应是其进一步发展的方向。
综上所述，由于简便、高效的突出特点，批实验法是目前最受关注、应用最为广泛的氧化剂需求量测算方法，但由于主要针对的是高锰酸钾氧化剂，尽快推出针对其他种类氧化剂的标准方法是当前较为迫切的工作。而柱实验法和注抽实验法被认为更能代表氧化剂的实际消耗，进一步探究并量化三种方法测算结果的差异性、推出柱实验法和注抽实验法的标准实施流程将是下一步工作的难点。
3. 化学计量模型法测算氧化剂需求量
化学计量模型法是指通过建立氧化剂需求量与介质中各个组分之间化学计量关系模型来得到理论的氧化剂需求量值。化学计量模型法的初期探索是探究介质中总有机碳与氧化剂需求量之间的关系。如Hendrych等[49]指出，天然介质的高锰酸钾NOD与介质中的有机碳含量在很大范围内呈线性关系，Xu等[40]提出了利用有机碳含量计算NOD的经验模型。在不断发展中，研究者们进一步关注到有机污染物以及介质中的还原性矿物对氧化剂的需求。Ranc等[14]提出了针对介质中多环芳烃污染物的POD的计算模型(原文中用化学计量需求量(Stoichiometric Oxidant Demand，SOD)表示，单位为mol)：
$$ \mathrm{POD}=m \times 10^{-6} \times \sum\limits_{i=1}^n \mathrm{SMR}_i \times \frac{C_i}{M_i} $$ (5) 式中：Ci和Mi分别代表第i种多环芳烃化合物的浓度(mg/kg)和摩尔质量，m指介质质量，SMRi指氧化剂与污染物之间的化学计量摩尔比(Stoichiometric Molar Ratio)，即理论上将1mol目标污染物氧化为二氧化碳所需的氧化剂的摩尔质量，一般通过化学反应方程获得。该模型的显著优势是被证明可以在不同氧化剂种类条件下使用，如Bendouz等[50]利用式(5)计算了芬顿试剂和过硫酸钠降解污泥中多环芳烃污染物的POD。
Li等[13]统筹考虑了天然有机质和其他矿物离子以及有机污染物的氧化剂需求量，提出单位介质的TOD计算模型：
$$ \begin{aligned} \mathrm{TOD}_{\text {est }}= & M \times\left(R_1 \times \sum\limits_{i=1}^n W_i \times \frac{C_i}{M_1}+o p \times R_1 \times \frac{\mathrm{NOC}}{M_1}+\right. \\ & \left.R_2 \times \frac{\mathrm{Fe}}{M_2}+R_3 \times \frac{\mathrm{Mn}}{M_3}+R_4 \times \frac{\mathrm{S}}{M_4}\right) \end{aligned} $$ (6) 式中：M、M1、M2、M3、M4分别代表KMnO4、碳、铁、锰、硫元素的摩尔质量；R1、R2、R3、R4分别代表KMnO4获得的电子数与被氧化原子失去的电子数之比；op为天然有机质的最大氧化率，与KMnO4浓度有关；n为有机污染物种类数；NOC为天然有机碳的含量(g/kg)，TODest表示单位介质理论计算的TOD最大值。Ci和Wi分别代表第i种污染物的浓度(g/kg)和碳的质量分数；Fe、Mn和S分别代表背景土壤中铁、锰和硫的浓度(g/kg)。
通过对式(6)中组分的选择，可以实现对NOD或POD理论值的计算。该模型的提出基于两个基本的假设：一是氧化剂与介质、污染物充分接触；二是有机物、还原性矿物与氧化剂完全反应[13]。在这样的假设下，测算值将不可避免地偏大，因此在计算NOD时可以与式(2)联立来获得更贴合实际的NOD值。
化学计量模型法的测算结果依赖于模型的准确性以及对介质中相关组分含量的准确测定。与实验法相比，化学计量模型法可以有效地避免实验因素对结果的影响，对于不同的场地介质也具有较好的适用性。它作为一种简便、高效、经济的氧化剂需求量测算方法，具有较好的应用前景。但同时，该方法需要进一步探索在其他种类的氧化剂条件下的适用性，并在更多的实际应用中加以论证。
4. 不同种类氧化剂需求量和氧化剂分解量的测算方法现状
无论是实验法还是化学计量模型法，多以高锰酸钾氧化剂作为研究对象，缺乏对芬顿试剂、臭氧以及过硫酸钠等氧化剂需求量的探究。
批实验法已经被应用到过硫酸钠氧化剂需求量的测定中[37, 51]。Liu等[20]利用批实验探究了过硫酸钠降解氯化挥发性有机化合物时与土壤介质的相互作用，发现土壤的过硫酸钠NOD值可以达到16.8~40.2g/kg，占据了TOD的较大比重。Dangi等[32]也利用批实验法进行评估发现，由于在高浓度条件下会发生活化而导致更充分的氧化反应，过硫酸钠NOD值在低浓度和高浓度下的差别明显比其他氧化剂高。因此，未来批实验法研究中需要特别关注不同活化条件下的过硫酸钠氧化剂需求量的测算，而其他实验法以及化学计量模型法的应用则都还有待进一步的发展和实践。
对于芬顿试剂与臭氧等分解性较强的氧化剂，DEO可能成为TOD的重要组成部分。如Baciocchi[36]指出芬顿试剂由于歧化反应产生的DEO可达到TOD的50%以上；高锰酸钾和过硫酸钠等氧化剂尽管分解性不强，但如果场地修复时间较长，则其DEO可能不能轻易忽略。对于过硫酸钠与高锰酸钾的分解量的测算，在实验法测算过程中伴随着氧化剂的自然分解，因此DEO实则已经被考虑在内。而对于芬顿试剂和臭氧，两者的自然分解半衰期一般以小时计，分解速率较高，与物质反应的速率较快，并且分解产生气体或本身是气体，为实验法测算带来了很大挑战。如王文坦等[37]提出的批实验法专利中指出，该专利适用于溶质质量分数在10%以下的芬顿试剂或过氧化氢溶液。而Xu等[52]通过进行批、柱实验指出，由于较大的固体质量与溶液体积比，芬顿试剂柱实验中分解速率常数比在批实验中更高，说明两种方法测得的NOD值可能有较大差异。这意味着将芬顿试剂氧化剂需求量的批实验测定值直接应用到实际中去必须谨慎，需要进一步的探索和验证。除此之外，DEO的刻画难点还在于会受到氧化剂注入速率、注射井设置等项目施工状况的影响。例如，在利用注射井注射氧化剂时，如果注入浓度和注入速率较高，会在注射井附近产生高温区域，可能会造成氧化剂的大量分解[21]。
除了批实验法，柱实验法、注抽实验法的操作均更加复杂，而化学计量模型法则是未考虑氧化剂的自然分解，因此可行性均有待发展验证。考虑到各方法的应用现状，本研究较为推荐利用注抽实验法进行估算，即不苛求进行准确的测算，在缓慢注入氧化剂的同时测定污染物的含量，当含量降至目标值以下时，以此时的氧化剂输入量为测定值，进行场地TOD的估算。该方法可以在进行氧化剂的修复效果的场地中试实验中进行。在实际的ISCO工程应用中，更受关注的可能依然是如何控制芬顿试剂和臭氧的氧化和分解速度。
5. 结语与展望
本文在对氧化剂需求量的组成和定义进行梳理的基础上，对比阐述了不同的氧化剂需求量测算方法的特点和使用现状。研究发现，原位化学氧化(ISCO)中总氧化剂需求量(TOD)由污染物氧化剂需求量(POD)、天然氧化剂需求量(NOD)和氧化剂分解量(DEO)三部分构成，氧化剂需求量的测算方法主要包括实验法和化学计量模型法，实验法中的批实验法的应用最为广泛，而化学计量模型法经过不断的发展，表现出了较大的应用潜力。考虑到实验法中不同时间点获得的氧化剂需求量的差异，提出把污染物浓度在氧化作用下降低到目标限值所需要的时间作为氧化剂需求量的测定时间，同时使用带有测试条件的表达方式从而更精准地提供氧化剂需求量。目前的氧化剂需求量测算方法对高锰酸钾、过硫酸钠等分解性较低的氧化剂表现出较好的适用性，而对于芬顿试剂和臭氧等分解性较强的氧化剂，则由于DEO占据TOD的较大比重，准确测算仍面临困难。
作为容易被忽略的TOD的组成部分，DEO的重要性需要进一步明确，同时探索更准确的测算方法。在实际工程中，注入井数量、注入井间距、氧化剂注入速率等施工参数都会对总的氧化剂需求量产生影响，需要进一步的探究。原位化学氧化修复污染场地是一个复杂的工程，氧化剂需求量的测算仍需一个更为科学的工作流程或指南。
致谢: 本研究是在中国地质科学院地球物理地球化学勘查研究所顾铁新教授级高级工程师指导下完成的，在此向指导老师以及团队的同事致以衷心感谢和深深敬意。同时，对参与本系列标准物质定值工作的实验室的大力支持和帮助表示衷心感谢！ -
![]()
图 1 候选物样品加工制备流程示意图
Figure 1. Schematic diagram of candidate material sample processing and preparation.
表 1 候选物定值元素分析测试方法汇总
Table 1 Sample decomposition methods and analytical methods for candidate reference materials
定值元素 分析测试方法 定值元素 分析测试方法 Ag MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-OES Mg MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DMA-ICP-OES，DAC-ICP-MS Al MW-ICP-OES，DMA-ICP-OES，A.FU-ICP-OES，FU-ICP-OES，DAC-ICP-OES，DPP-XRF Mn MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DAC-ICP-MS，MW-ICP-MS As DMA-AFS，DMA-ICP-MS，DAC-ICP-MS，MW-ICP-MS，DAC-AFS Mo MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS B MW-ICP-OES，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-MS N DS-VOL，DS-COL Ba MW-ICP-OES，DFC-ICP-MS，DAC-ICP-ES，MW-ICP-MS，DAC-ICP-OES，DAC-ICP-MS Na MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DMA-ICP-OES，DAC-ICP-MS Be MW-ICP-OES，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-MS Nd MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Bi MW-ICP-MS，DAC-ICP-MS，DF-AFS Ni MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-OES Br DAC-ICP-MS，DPP-XRF，FU-ICP-MS P MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DMA-ICP-OES，DAC-ICP-MS Ca MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DMA-ICP-OES，DAC-ICP-MS Pb MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Cd MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Pr MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Ce MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Rb MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Cl DPP-XRF，BTVOL S MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DAC-ICP-MS Co MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Sb DW-AFS，DAC-ICP-MS，MW-ICP-MS Cr MW-ICP-OES，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-MS，DAC-ICP-OES Sc MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS Cs MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Se DMA-AFS，DAC-AFS，MW-ICP-MS，MW-AFS，DAC-ICP-MS，DF-AFS Cu MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-OES Si DMA-ICP-OES，A.FU-ICP-OES，FU-ICP-OES，DAC-ICP-OES，DPP-XRF Dy MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Sm MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Er MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Sn MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Eu MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Sr MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，MW-ICP-MS，DAC-ICP-MS F DACL-ISE，DD-COL Tb MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Fe MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DAC-ICP-MS，DMA-ICP-OES Th MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Gd MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Ti MW-ICP-OES，DFC-ICP-MS，DAC-ICP-MS，MW-ICP-MS，DAC-ICP-OES，DMA-ICP-OES Ge MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Tl MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Hg MW-AFS，DAC-AFS，DAC-ICP-MS，MW-ICP-MS，DA-AFS，DF-AFS Tm MW-ICP-MS，DA-ICP-MS，DAC-ICP-MS Ho DFC-ICP-MS，DA-ICP-MS，MW-ICP-MS，DAC-ICP-MS U DFC-ICP-MS，DAC-ICP-MS，MW-ICP-MS I DAC-ICP-MS，FU-ICP-MS，MW-ICP-MS，A.FU-COL V MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS K MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DMA-ICP-OES，DAC-ICP-MS Y MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS La MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Yb MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS Li MW-ICP-MS，DFC-ICP-MS，DAC-ICP-MS Zn MW-ICP-MS，MW-ICP-OES，DFC-ICP-MS，DAC-ICP-OES，DAC-ICP-MS Lu MW-ICP-MS，DFC-ICP-MS，DA-ICP-MS，DAC-ICP-MS 注：前处理方法：MW—微波消解；DFC—混合酸加少量氢氟酸密闭分解；DAC—硝酸加过氧化氢或王水或高氯酸密闭压力分解；DMA—混合酸(硝酸加高氯酸，或加硫酸，或加过氧化氢)分解；A.FU—灰化后熔融分解；FU—碱熔或艾斯卡熔矿(碳酸钠、氧化锌烧结)；DPP—粉末压片；DF—混合酸加少许氢氟酸分解；DA—王水或硝酸加过氧化氢分解；DACl—稀盐酸浸提；DD—扩散法；DS—催化蒸馏(过氧化氢、硫酸铜、硫酸钾、硫酸)；DW—水浴消解法。
检测方法：ICP-MS—电感耦合等离子体质谱法；ICP-OES—电感耦合等离子体发射光谱法；XRF—X射线荧光光谱法；AFS—原子荧光光谱法；BTVOL—返滴定法；VOL—容量法；COL—分光光度法；ISE—离子选择电极法。
下载: 导出CSV
表 2 候选物测试和剔除数据组数统计
Table 2 Summary of test data and rejected data groups for candidate reference materials
候选物名称 定值数据组数 剔除数据组数 数据剔除率
(%)红豆 3247 86 2.6 洋葱 3318 76 2.3 油菜 3332 56 1.7 金针菇 3264 87 2.7 银耳 3264 74 2.3 藕粉 3243 82 2.5 山楂 3280 60 1.8 三七 3256 74 2.3 茉莉花 3317 87 2.6
下载: 导出CSV
表 3 标准物质标准值和不确定度
Table 3 Certified values and expanded uncertainty for reference materials
标准物质名称和编号 元素 标准值和不确定度
(×10-6)元素 标准值和不确定度
(×10-6)元素 标准值和不确定度
(×10-6)元素 标准值和不确定度
(×10-6)红豆粉无机成分分析标准物质
(GBW10228)Ag** (1.1) Cu 8.2±0.6 Mg* 0.165±0.010 Si (100) Al (136) Dy** 1.8±0.3 Mn 22.1±1.0 Sm** 2.5±0.5 As 0.017±0.006 Er** (0.97) Mo 1.13±0.08 Sn (0.03) B 12.7±1.3 Eu** 1.5±0.5 N* 3.12±0.11 Sr 6.6±0.5 Ba 5.4±0.6 F (0.75) Na (10) Tb** 0.4±0.1 Be** 2.1±0.4 Fe 71±8 Nd 0.012±0.004 Th** (5.4) Bi** (0.93) Gd 2.7±0.5 Ni 10±1 Ti (3.13▲) Br (1.9) Ge** (1.2) P* 0.457±0.013 Tl** 6.1±1.4 Ca* 0.104±0.014 Hg** (1.27) Pb 0.033±0.014 Tm** 0.13±0.05 Cd** 5.4±0.9 Ho** 0.37±0.07 Pr** 3.2±0.7 U** 1.2±0.5 Ce 0.030±0.006 I** (116) Rb 11±1 V (0.06) Cl (126) K* 1.392±0.073 S* 0.180±0.017 Y 0.3±0.1 Co 0.23±0.04 La 0.026±0.004 Sb** (4.6) Yb** 0.76±0.10 Cr (0.93) Li 0.03±0.01 Sc 0.013±0.006 Zn 24±2 Cs 0.025±0.004 Lu** 0.10±0.03 Se 0.023±0.009 洋葱成分分析标准物质
(GBW10232)Ag** 4±1 Cu 7.2±1.1 Mg* 0.12±0.01 Si* (1.595) Al (289) Dy** 9.1±2.2 Mn 10.1±1.6 Sm (0.012) As 0.104±0.043 Er** 4.7±1.0 Mo 0.222±0.026 Sn 0.054±0.010 B 11.1±1.6 Eu** 3.5±0.7 N* 1.733±0.206 Sr 27±6 Ba 7.44±0.60 F (0.99) Na* 0.074±0.011 Tb** 1.6±0.4 Be** 5.1±1.4 Fe 107±11 Nd 0.058±0.012 Th 0.032±0.011 Bi** 2.1±0.7 Gd 0.011±0.005 Ni 1.04±0.46 Ti 10.7±2.5 Br (1.7) Ge** 7±2 P* 0.302±0.077 Tl** 3.36±1.07 Ca* 0.30±0.03 Hg** 2.6±0.9 Pb 0.322±0.093 Tm** 0.63±0.23 Cd 0.017±0.006 Ho** 1.7±0.4 Pr 0.015±0.006 U 0.019±0.006 Ce 0.126±0.015 I (0.22) Rb 5.0±0.6 V 0.21±0.10 Cl* (0.098) K* 1.14±0.12 S* 0.53±0.10 Y 0.14±0.03 Co 0.062±0.011 La 0.075±0.011 Sb (0.015) Yb** 4.2±1.6 Cr 1.68±0.49 Li 0.16±0.04 Sc (0.10) Zn 18±2 Cs 0.015±0.006 Lu** 0.65±0.20 Se 0.04±0.01 油菜成分分析标准物质
(GBW10233)Ag** 4.4±1.0 Cu 2.72±0.62 Mg* 0.185±0.014 Si* (0.19) Al (447) Dy 0.03±0.01 Mn 30±4 Sm 0.045±0.016 As 0.16±0.03 Er 0.013±0.006 Mo 0.44±0.04 Sn 0.032±0.013 B 14.3±2.8 Eu** 9.7±1.4 N* 2.05±0.09 Sr 74±12 Ba 11.1±1.6 F 3.84± Na* 0.48±0.06 Tb** 5.3±0.9 Be** 9.7±1.4 Fe 267±39 Nd 0.23±0.11 Th 0.074±0.018 Bi** 6.5±1.2 Gd 0.040±0.013 Ni 1.26±0.30 Ti 22±3 Br (5.1) Ge** 7.8±2.3 P* 0.266±0.034 Tl 0.010±0.004 Ca* 0.86±0.08 Hg** 8±2 Pb 0.9±0.2 Tm** 1.8±0.6 Cd 0.17±0.03 Ho** 5±2 Pr 0.06±0.01 U 0.097±0.023 Ce 0.51±0.14 I (0.26) Rb 9±1 V 0.55±0.15 Cl* (0.63) K* 1.08±0.09 S* 0.31±0.07 Y 0.23±0.09 Co 0.13±0.03 La 0.27±0.07 Sb (0.017) Yb 0.011±0.005 Cr 3.6±0.6 Li 0.43±0.09 Sc (0.09) Zn 17±2 Cs 0.11±0.01 Lu** 1.7±0.5 Se 0.045±0.019 金针菇粉中元素成分分析标准物质
(GBW10247)Ag 0.019±0.004 Cu 6.8±0.6 Mg* 0.154±0.011 Si (441) Al* 0.017±0.006 Dy** 8.2±1.1 Mn 6±1 Sm** 11±2 As 0.25±0.03 Er** 4.2±0.5 Mo 0.049±0.012 Sn 0.024±0.009 B 7±1 Eu** 2.6±0.6 N* 2.48±0.06 Sr 2.8±0.3 Ba 1.5±0.3 F (1.95) Na 325±35 Tb** 1.43±0.18 Be** 5.1±1.7 Fe 174±14 Nd 0.06±0.01 Th 0.018▲(0.015~0.033) Bi** (1.9▲) Gd** 10.3±1.3 Ni 0.31±0.03 Ti (12) Br (5.6) Ge** 5.0±1.3 P* 0.493±0.032 Tl** 1.45±0.42 Ca 597±25 Hg 0.052±0.012 Pb 0.126±0.021 Tm** 0.58±0.11 Cd 0.033±0.006 Ho** 1.7±0.3 Pr 0.014±0.005 U** 7±2 Ce 0.117±0.015 I (0.3▲) Rb 16±1 V 0.24±0.03 Cl* (0.116) K* 2.89±0.23 S* 0.177±0.016 Y 0.15±0.03 Co 0.05±0.01 La 0.07±0.01 Sb 0.014±0.006 Yb** 3.5±0.4 Cr 0.75±0.10 Li 0.37±0.03 Sc (0.026) Zn 53±7 Cs 0.06±0.01 Lu** 0.6±0.1 Se 0.088±0.016 银耳粉中元素成分分析标准物质
(GBW10248)Ag** 2.8±0.5 Cu 0.8±0.1 Mg 313±18 Si* (0.019) Al (113) Dy** 1.8±0.3 Mn 3.1±0.3 Sm** 2.1±0.3 As 0.08±0.02 Er** 1.0±0.2 Mo 0.141±0.012 Sn (0.017) B 2.0±0.3 Eu** 0.55±0.12 N* 0.93±0.08 Sr 1.63±0.24 Ba 0.85±0.10 F (1.5) Na 418±32 Tb** 0.35±0.12 Be** 1.4±0.2 Fe 19±2 Nd 0.012±0.005 Th** 3.3±1.0 Bi** (0.8) Gd** 2.3±0.3 Ni 0.08±0.02 Ti (0.65▲) Br (2.3) Ge** 1.23±0.18 P* 0.225±0.023 Tl** 0.35±0.14 Ca 227±20 Hg** (3.3) Pb 0.041±0.011 Tm** 0.16±0.04 Cd 0.032±0.007 Ho** 0.42±0.17 Pr** 3.2±0.5 U** 2.1±0.6 Ce 0.018±0.006 I (0.27) Rb 8±1 V (0.030) Cl* (0.043) K* 1.08±0.08 S 722±53 Y 0.23±0.08 Co** 7±2 La 0.022±0.008 Sb** 5±2 Yb** 0.92±0.21 Cr (0.2) Li 0.14±0.02 Sc** (7) Zn 17±2 Cs 0.048±0.006 Lu** 0.17±0.04 Se 0.026±0.010 藕粉中元素成分分析标准物质
(GBW10249)Ag** 2.5 ±0.9 Cu 1.92±0.22 Mg 297±18 Si (62) Al (98) Dy** 0.53±0.18 Mn 13.4±1.5 Sm** 0.72±0.11 As 0.11±0.02 Er** 0.3±0.1 Mo 0.34±0.03 Sn** (10.1) B 2.0±0.3 Eu** 0.43±0.14 N* 0.91±0.08 Sr 3.3±0.2 Ba 1.3±0.2 F (1.7) Na 330±21 Tb** 0.108±0.021 Be** 0.55±0.16 Fe 14.5±2.4 Nd** 4.0±0.8 Th** (2.5) Bi** (0.76) Gd** 0.8±0.2 Ni 0.21±0.03 Ti (1.7) Br (1.8) Ge** 1.54±0.28 P* 0.113±0.008 Tl** 0.53±0.13 Ca 475±31 Hg** 5.5±1.4 Pb 0.034±0.013 Tm** 0.049±0.015 Cd** 9±1 Ho** 0.11±0.04 Pr** 1.1±0.3 U 0.016±0.004 Ce** 8.9±1.1 I (0.23) Rb 3.12±0.16 V (0.033) Cl* (0.07) K* 0.25±0.02 S* 0.077±0.010 Y 0.18±0.07 Co 0.019±0.007 La (0.011) Sb** (4.3) Yb** 0.22±0.07 Cr (0.13) Li 0.03±0.01 Sc** (5.7) Zn 10±2 Cs** 4.4±0.8 Lu** 0.04±0.01 Se 0.033±0.012 山楂粉中元素成分分析标准物质
(GBW10250)Ag** 3±1 Cu 3.6±0.3 Mg 711±32 Si 785±182 Al* 0.018±0.006 Dy** 10±2 Mn 11±2 Sm 0.013±0.006 As 0.05±0.01 Er** 4.8±0.5 Mo 0.03±0.01 Sn 0.056±0.013 B 29±4 Eu** 5±1 N* 0.45±0.05 Sr 7.1±1.1 Ba 12±2 F (1.2) Na 46±8 Tb** 1.8±0.4 Be** 6.0±1.2 Fe 211±27 Nd 0.07±0.01 Th 0.024±0.004 Bi** 4.2±1.1 Gd 0.013±0.005 Ni 1.24±0.21 Ti 8±1 Br (2.6) Ge** 5.7±1.2 P* 0.08±0.01 Tl** 3.88±0.93 Ca* 0.29±0.03 Hg** 4.7±1.2 Pb 0.57±0.14 Tm** 0.68±0.16 Cd 0.03±0.01 Ho** 1.74±0.34 Pr (0.02) U** 5.0±1.2 Ce 0.16±0.03 I (0.25) Rb 12±1 V (0.21) Cl* 0.014 K* 0.74±0.13 S* 0.068±0.011 Y 0.17±0.03 Co 0.20±0.03 La 0.10±0.02 Sb 0.021±0.009 Yb** 4.1±0.5 Cr 3.0±0.5 Li 0.19±0.05 Sc 0.03±0.01 Zn 133±11 Cs 0.08±0.02 Lu** 0.6±0.2 Se 0.03±0.01 三七粉中元素成分分析标准物质
(GBW10251)Ag** 4±1 Cu 4.5±0.9 Mg* 0.140±0.017 Si* 0.134±0.036 Al* 0.072±0.011 Dy 0.078±0.012 Mn 45±7 Sm 0.105±0.011 As 0.76±0.14 Er 0.04±0.01 Mo 0.09±0.02 Sn 0.039±0.014 B 17±2 Eu 0.024±0.007 N* 1.338±0.092 Sr 13±3 Ba 16±2 F (3) Na 70±8 Tb 0.014±0.004 Be 0.022±0.004 Fe 552±63 Nd 0.56±0.10 Th 0.113±0.029 Bi** 7±1 Gd 0.112±0.016 Ni 2.2±0.3 Ti (28) Br (2.4) Ge (0.013) P* 0.203±0.038 Tl 0.042±0.008 Ca* 0.245±0.040 Hg 0.023±0.008 Pb 0.7±0.1 Tm** 5.5±0.9 Cd 0.311±0.022 Ho 0.015±0.006 Pr 0.14±0.02 U 0.04±0.01 Ce 1.36±0.17 I (0.20) Rb 9.5±0.7 V 1.9±0.7 Cl* (0.022) K* 1.317±0.086 S* 0.10±0.01 Y 0.66±0.09 Co 0.55±0.07 La 0.7±0.1 Sb 0.11±0.05 Yb 0.034±0.009 Cr 2.12±0.34 Li 0.45±0.12 Sc 0.16±0.07 Zn 13.8±1.1 Cs 0.129±0.023 Lu** 5.3±1.0 Se 0.024±0.008 茉莉花成分分析标准物质
(GBW10234)Ag (0.011) Cu 8.0±1.1 Mg* 0.199±0.035 Si* (0.21) Al* 0.035±0.006 Dy 0.03±0.01 Mn 101±10 Sm 0.041±0.015 As 0.5±0.1 Er 0.015±0.006 Mo 0.41±0.06 Sn 0.14±0.04 B 34±3 Eu** 9.2±1.4 N* 2.86±0.21 Sr 9.7±1.1 Ba 7.8±1.3 F 6.9±1.3 Na 94±11 Tb** 5.4±1.0 Be 0.013±0.004 Fe* 0.14±0.02 Nd 0.24±0.04 Th 0.07±0.02 Bi** 8±2 Gd 0.04±0.01 Ni 1.53±0.19 Ti 25±6 Br (3.7) Ge 0.017±0.007 P* 0.33±0.04 Tl 0.16±0.04 Ca* 0.673±0.044 Hg** 9.7±1.6 Pb 1.65±0.21 Tm** 2.22±0.31 Cd 0.42±0.04 Ho** 6±1 Pr 0.062±0.008 U 0.022±0.007 Ce 0.56±0.17 I (0.37▲) Rb 33±2 V 1.22±0.14 Cl* (.07) K* 2.36±0.34 S* 0.29±0.04 Y 0.28±0.04 Co 0.32±0.06 La 0.39±0.07 Sb 0.066±0.024 Yb 0.013±0.005 Cr 2.24±0.31 Li 0.41±0.07 Sc 0.086±0.012 Zn 49±6 Cs 0.34±0.02 Lu** 1.95±0.40 Se 0.13±0.02 注：加“*”含量单位为10-2，加“**”含量单位为10-9；括号内数据为信息值，▲为中位值，其后为置信限。
下载: 导出CSV
-
[1] 凤星宇. 我国土壤环境调查、评价与监测[J]. 科技创新与应用, 2019(4): 61-62. doi: 10.3969/j.issn.2095-2945.2019.04.028 Feng X Y. Investigation, assessment and monitoring of soil environment in China[J]. Technology Innovation and Application, 2019(4): 61-62. doi: 10.3969/j.issn.2095-2945.2019.04.028
[2] 成瑾, 袁旭音, 章海燕, 等. 云贵地区磷矿分布区农田土壤重金属污染特征及对农产品质量的影响[J]. 生态与农村环境学报, 2021, 37(5): 636-643. doi: 10.19741/j.issn.1673-4831.2020.0818 Cheng J, Yuan X Y, Zhang H Y, et al. Characteristics of heavy metal pollution in soils of Yunnan—Guizhou phosphate ore areas and their effects on quality of agricultural products[J]. Journal of Ecology and Rural Environment, 2021, 37(5): 636-643. doi: 10.19741/j.issn.1673-4831.2020.0818
[3] 韦业川, 张新英, 秦贱荣, 等. 广西铅锌矿企业周边农产品重金属污染及健康风险评估[J]. 南宁师范大学学报(自然科学版), 2020, 37(1): 81-85. https://www.cnki.com.cn/Article/CJFDTOTAL-GXSZ202001016.htm Wei Y C, Zhang X Y, Qin J R, et al. Heavy metal pollution and health risk assessment of agricultural products around lead-zinc mining industries in Guangxi[J]. Journal of Nanning Normal University (Natural Science Edition), 2020, 37(1): 81-85. https://www.cnki.com.cn/Article/CJFDTOTAL-GXSZ202001016.htm
[4] 吴娟娟, 朱斌, 史娟, 等. 药用植物种植与生产地重金属污染分析与评价[J]. 西北农林科技大学学报(自然科学版), 2022, 50(2): 103-114. doi: 10.13207/j.cnki.jnwafu.2022.02.012 Wu J J, Zhu B, Shi J, et al. Analysis and evaluation of soil heavy metal pollution in planting and production areas of medicinal plants[J]. Journal of Northwest A & F University (Natural Science Edition), 2022, 50(2): 103-114. doi: 10.13207/j.cnki.jnwafu.2022.02.012
[5] 鲍丽萍, 陈芸, 杨海博, 等. 鄂西北稀土矿区粮食与蔬菜中重金属污染风险评价[J]. 食品安全质量检测学报, 2022, 13(15): 5062-5069. doi: 10.3969/j.issn.2095-0381.2022.15.spaqzljcjs202215038 Bao L P, Chen Y, Yang H B, et al. Risk assessment of heavy metal pollution in grains and vegetables in rare earth mining areas in northwestern Hubei[J]. Journal of Food Safety & Quality, 2022, 13(15): 5062-5069. doi: 10.3969/j.issn.2095-0381.2022.15.spaqzljcjs202215038
[6] 施姜丹, 史可欣, 黄雨佳, 等. 中国大米和蔬菜重金属/类金属污染及其健康风险[J]. 环境卫生学杂志, 2022, 12(7): 479-487. doi: 10.13421/j.cnki.hjwsxzz.2022.07.002 Shi J D, Shi K X, Huang Y J, et al. Heavy metal and metalloid contamination of rice and vegetables and their health risk in China[J]. Journal of Environmental Hygiene, 2022, 12(7): 479-487. doi: 10.13421/j.cnki.hjwsxzz.2022.07.002
[7] Ahiakwo B O, Kingsley C. Heavy metals contamination and potential human health risk via consumption of vegetables from selected communities in ONELGA, Rivers State, Nigeria[J]. European Journal of Nutrition & Food Safety, 2019, 9(2): 134-151.
[8] Rose M, Julius K, Stephen N, et al. Heavy metal contamination of water, soil and vegetables in urban streams in Machakos Municipality, Kenya[J]. Scientific African, 2020, 9: e00539. doi: 10.1016/j.sciaf.2020.e00539
[9] 孙帅, 耿柠波, 郭崔崔, 等. 我国东部沿海地区蔬菜中重金属累积分布特征及居民膳食暴露评估[J]. 环境科学, 2021, 42(11): 5519-5525. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ202111050.htm Sun S, Geng N B, Guo C C, et al. Accumulation characteristics and dietary exposure estimation of heavy metals in vegetables from the eastern coastal region of China[J]. Environmental Science, 2021, 42(11): 5519-5525. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ202111050.htm
[10] 郭巨先, 罗文龙, 符梅, 等. 基施富硒肥对菜薹生长和营养元素的影响[J]. 中国农学通报, 2020, 36(28): 52-56. doi: 10.11924/j.issn.1000-6850.casb2020-0022 Guo J X, Luo W L, Fu M, et al. Effects of basal application of selenium-enriched fertilizer on growth and nutrient elements' content of Chinese flowering cabbage[J]. Chinese Agricultural Science Bulletin, 2020, 36(28): 52-56. doi: 10.11924/j.issn.1000-6850.casb2020-0022
[11] 邹小智, 康德灿, 罗佳, 等. 食药用菌富硒食品的研发概况[J]. 食用菌, 2022, 44(3): 1-3, 8. https://www.cnki.com.cn/Article/CJFDTOTAL-SIYJ202203001.htm Zou X Z, Kang D C, Luo J, et al. Research and development of edible and medicinal mushroom selenium-enriched food[J]. Edible Fungi, 2022, 44(3): 1-3, 8. https://www.cnki.com.cn/Article/CJFDTOTAL-SIYJ202203001.htm
[12] 夏炎, 宋延斌, 侯进凯, 等. 河南洛阳市土壤和农作物中钼分布规律与影响因素研究[J]. 岩矿测试, 2021, 40(6): 820-832. doi: 10.15898/j.cnki.11-2131/td.202104130052 Xia Y, Song Y B, Hou J K, et al. Distribution law and influencing factors of molybdenum in soils and crops in Luoyang, Henan Province[J]. Rock and Mineral Analysis, 2021, 40(6): 820-832. doi: 10.15898/j.cnki.11-2131/td.202104130052
[13] Li A R, Qiao X X, Ji H W, et al. Investigation report on the effects of selenium on human health in Guanzhong area[J]. IOP Conference Series: Earth and Environmental Science, 2020, 514(5): 052029.
[14] 赵方慧, 李大鹏, 汪聪, 等. 我国富硒产品认证发展现状与对策建议[J]. 安徽农业科学, 2019, 47(3): 262-264, 267. https://www.cnki.com.cn/Article/CJFDTOTAL-AHNY201903079.htm Zhao F H, Li D P, Wang C, et al. The current situation and countermeasures of selenium-enriched products certification in China[J]. Journal of Anhui Agricultural Sciences, 2019, 47(3): 262-264, 267. https://www.cnki.com.cn/Article/CJFDTOTAL-AHNY201903079.htm
[15] 蒋慧颖, 马玉仙, 黄建锋, 等. 茉莉花茶保健功效及相关保健产品研究现状[J]. 山西农业大学学报(自然科学版), 2016, 36(8): 604-608. https://www.cnki.com.cn/Article/CJFDTOTAL-SXNY201608016.htm Jiang H Y, Ma Y X, Huang J F, et al. The research status of Jasmine tea health care efficacy and related health care products[J]. Journal of Shanxi Agricultural University (Natural Science Edition), 2016, 36(8): 604-608. https://www.cnki.com.cn/Article/CJFDTOTAL-SXNY201608016.htm
[16] 林洁, 赵致, 罗春丽, 等. 三七矿质营养元素的分布特征[J]. 山地农业生物学报, 2020, 39(2): 69-74. https://www.cnki.com.cn/Article/CJFDTOTAL-SDNS202002011.htm Lin J, Zhao Z, Luo C L, et al. Distribution characteristics of mineral nutrients in Panax notoginseng[J]. Journal of Mountain Agriculture and Biology, 2020, 39(2): 69-74. https://www.cnki.com.cn/Article/CJFDTOTAL-SDNS202002011.htm
[17] 兰丽平. ICP-MS法测定植物性保健品中十六种稀土元素[J]. 海峡药学, 2017, 29(10): 53-56. https://www.cnki.com.cn/Article/CJFDTOTAL-HAIX201710021.htm Lan L P. ICP-MS method for determination of 16 kinds of rare earth elements in plant health products[J]. Strait Pharmaceutical Journal, 2017, 29(10): 53-56. https://www.cnki.com.cn/Article/CJFDTOTAL-HAIX201710021.htm
[18] 吴振宇, 刘璐莹, 艾林芳. 用微波消解-ICP-MS法同时测定中药中16种稀土元素[J]. 湿法冶金, 2022, 41(3): 278-281. https://www.cnki.com.cn/Article/CJFDTOTAL-SFYJ202203017.htm Wu Z Y, Liu L Y, Ai L F. Simultaneous determination of 16 rare earth elements in traditional Chinese Medicine by microwave digestion-ICP-MS[J]. Hydrometallurgy of China, 2022, 41(3): 278-281. https://www.cnki.com.cn/Article/CJFDTOTAL-SFYJ202203017.htm
[19] 李秀琴, 逯海, 李红梅, 等. 食品安全化学计量技术与标准物质发展[J]. 食品安全质量检测学报, 2018, 9(15): 3891-3896. https://www.cnki.com.cn/Article/CJFDTOTAL-SPAJ201815003.htm Li X Q, Lu H, Li H M, et al. Development of food safety chemical metrology technology and standard material[J]. Journal of Food Safety and Quality Inspection, 2018, 9(15): 3891-3896. https://www.cnki.com.cn/Article/CJFDTOTAL-SPAJ201815003.htm
[20] 刘素丽, 王宏伟, 赵梅, 等. 食品中基体标准物质研究进展[J]. 食品安全质量检测学报, 2019, 10(1): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-SPAJ201901003.htm Liu S L, Wang H W, Zhao M, et al. Research progress of matrix reference materials for food[J]. Journal of Food Safety and Quality, 2019, 10(1): 8-13. https://www.cnki.com.cn/Article/CJFDTOTAL-SPAJ201901003.htm
[21] 倪晓丽. 生物标准物质的研制现状及展望[J]. 中国计量, 1999(12): 47-48. https://www.cnki.com.cn/Article/CJFDTOTAL-JILA199912034.htm Ni X L. Development status and prospect of biological reference materials[J]. China Metrology, 1999(12): 47-48. https://www.cnki.com.cn/Article/CJFDTOTAL-JILA199912034.htm
[22] 郭玲玲, 徐慧, 匡华. 食品安全检测基体标准物质研究进展[J]. 食品与生物技术学报, 2022, 41(7): 71-83. https://www.cnki.com.cn/Article/CJFDTOTAL-WXQG202207006.htm Guo L L, Xu H, Kuang H. Research progress in matrix reference materials for food safety detection[J]. Journal of Food Science and Biotechnology, 2022, 41(7): 71-83. https://www.cnki.com.cn/Article/CJFDTOTAL-WXQG202207006.htm
[23] 高雅晓玲. 不同土壤类型中大豆的产量与品质对增温的响应[D]. 南京: 南京信息工程大学, 2021. Gao Y X L. Response of soybean yield and quality to temperature enhancement in different soil types[D]. Nanjing: Nanjing University of Information Science and Technology, 2021.
[24] 吴启堂, 王广寿, 谭秀芳, 等. 不同水稻、菜心品种和化肥形态对作物吸收累积镉的影响[J]. 华南农业大学学报, 1994(4): 1-6. https://www.cnki.com.cn/Article/CJFDTOTAL-HNNB404.000.htm Wu Q T, Wang G S, Tan X F, et al. Effect of crop cultivars and chemical fertilizers on the cadmium accumulation in plants[J]. Journal of South China Agricultural University, 1994(4): 1-6. https://www.cnki.com.cn/Article/CJFDTOTAL-HNNB404.000.htm
[25] 李垄清, 吴正云, 张强, 等. 气候变化对作物矿质元素利用率影响研究进展[J]. 生态学报, 2014, 34(5): 1053-1060. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201405002.htm Li L Q, Wu Z Y, Zhang Q, et al. State-of-the-art review of the impact of climatic change on bioavailability of mineral elements in crops[J]. Acta Ecologica Sinica, 2014, 34(5): 1053-1060. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201405002.htm
[26] 杨榕, 顾铁新, 潘含江, 等. GBW10010a大米标准物质复(研)制及数据特征[J]. 岩矿测试, 2020, 39(6): 866-877. doi: 10.15898/j.cnki.11-2131/td.202005210073 Yang R, Gu T X, Pan H J, et al. Preparation of reference materials GBW10010a for rice component and data characteristics[J]. Rock and Mineral Analysis, 2020, 39(6): 866-877. doi: 10.15898/j.cnki.11-2131/td.202005210073
[27] 王瑾, 田有国, 徐晶莹, 等. 化肥成分分析系列标准物质研制[J]. 中国无机分析化学, 2022, 12(1): 178-192. https://www.cnki.com.cn/Article/CJFDTOTAL-WJFX202201028.htm Wang J, Tian Y G, Xu J Y, et al. Development of certified reference materials for the chemical composition of chemical fertilizers[J]. Chinese Journal of Inorganic Analytical Chemistry, 2022, 12(1): 178-192. https://www.cnki.com.cn/Article/CJFDTOTAL-WJFX202201028.htm
[28] 鄢明才, 顾铁新, 程志中. 地球化学标准物质的研制与应用[J]. 物探化探计算技术, 2007, (S1): 257-261. https://www.cnki.com.cn/Article/CJFDTOTAL-WTHT2007S1058.htm Yan M C, Gu T X, Cheng Z Z. Development and application of geochemical reference standards[J]. Geophysical and Geochemical Exploration Computing Technology, 2007, (S1): 257-261. https://www.cnki.com.cn/Article/CJFDTOTAL-WTHT2007S1058.htm
[29] 刘亚轩, 李晓静, 白金峰, 等. 植物样品中无机元素分析的样品前处理方法和测定技术[J]. 岩矿测试, 2013, 32(5): 681-693. http://www.ykcs.ac.cn/cn/article/id/be7f4a99-23f3-461f-bea1-ac90d0835111 Liu Y X, Li X J, Bai J F, et al. Sample pretreatment method and determination technique for analysis of inorganic elements in plant samples[J]. Rock and Mineral Analysis, 2013, 32(5): 681-693. http://www.ykcs.ac.cn/cn/article/id/be7f4a99-23f3-461f-bea1-ac90d0835111
[30] 刘亚轩, 张勤, 黄珍玉, 等. ICP-MS法测定地球化学样品中As、Cr、Ge、V等18种微量痕量元素的研究[J]. 化学世界, 2006(1): 16-20. https://www.cnki.com.cn/Article/CJFDTOTAL-HXSS200601006.htm Liu Y X, Zhang Q, Huang Z Y, et al. Study on determination of 18 trace elements including As, Cr, Ge, V in geochemical samples by ICP-MS[J]. World of Chemistry, 2006(1): 16-20. https://www.cnki.com.cn/Article/CJFDTOTAL-HXSS200601006.htm
[31] 赵红坤, 于阗, 肖志博, 等. 粉末压片-X射线荧光光谱法在地球化学标准物质均匀性检验中的应用研究[J]. 光谱学与光谱分析, 2021, 41(3): 755-762. https://www.cnki.com.cn/Article/CJFDTOTAL-GUAN202103015.htm Zhao H K, Yu T, Xiao Z B, et al. Application of powder tableting-X-ray fluorescence spectroscopy in the uniformity test of geochemical reference standards[J]. Spectroscopy and Spectral Analysis, 2021, 41(3): 755-762. https://www.cnki.com.cn/Article/CJFDTOTAL-GUAN202103015.htm
[32] 袁建, 王亚平, 许春雪, 等. 北京市重金属污染土壤成分分析标准物质研制[J]. 安徽农业科学, 2021, 49(17): 5-10. https://www.cnki.com.cn/Article/CJFDTOTAL-AHNY202117002.htm Yuan J, Wang Y P, Xu C X, et al. Preparation of heavy metal contaminated soil reference materials of Beijing for chemical composition analysis[J]. Journal of Anhui Agricultural Sciences, 2021, 49(17): 5-10. https://www.cnki.com.cn/Article/CJFDTOTAL-AHNY202117002.htm
[33] 全国标准物质管理委员会. 标准物质定值原则和统计学原理[M]. 北京: 中国质检出版社, 2011. National Reference Materials Management Committee. Principles for reference materials and statistics[M]. Beijing: Quality Inspection of China Press, 2011.
[34] 杨榕, 尹刚伟, 张菊霞, 等. 痕量金及金矿石标准物质复制[J]. 岩矿测试, 2021, 40(5): 751-762. doi: 10.15898/j.cnki.11-2131/td.202106110005 Yang R, Yin G W, Zhang J X, et al. Preparation of trace gold and gold ore reference materials[J]. Rock and Mineral Analysis, 2021, 40(5): 751-762. doi: 10.15898/j.cnki.11-2131/td.202106110005
-
期刊类型引用(3)
1. 刘玖芬，赵晓峰，侯红星，秦天，陈占生，徐立明，杨柯，孔繁鹏，刘晓煌，卢兵，李子奇，刘佳，包茹意，郝爱兵. 地表基质调查分层及分层测试指标体系设计与构建. 岩矿测试. 2024(01): 16-29 . 
本站查看
2. 战楠，孙青，李琪，谢曼曼，尚文郁，郝瑞霞. 地质环境中生物标志物GDGTs分析技术研究进展. 岩矿测试. 2024(01): 30-46 . 本站查看
3. 尚文郁，孙青，谢曼曼，战楠. 中国东北干旱-半干旱地区湖泊沉积物木质素酚类化合物特征及其气候指示意义. 岩矿测试. 2023(02): 346-360 . 本站查看
其他类型引用(0)
计量
- 文章访问数: 170
- HTML全文浏览量: 32
- PDF下载量: 34
- 被引次数: 3
京公网安备 11010202008159号