基于有机物指纹图谱技术的长江南京段水中有机磷溯源研究

污染溯源

引用本文 [复制中英文]

余明星, 苏海, 张凯, 马攀, 刘维屏, 马煜宁, 基于有机物指纹图谱技术的长江南京段水中有机磷溯源研究. 环境监控与预警, 2022, 14(5): 100-106, 113. DOI: 10.3969/j.issn.1674-6732.2022.05.016.
[复制中文]

YU Ming-xing, SU Hai, ZHANG Kai, MA Pan, LIU Wei-ping, MA Yu-ning. Research on Tracing Organophosphorus in Nanjing Section of Yangtze River Based on Fingerprint Technology of Organic Compounds. Environmental Monitoring and Forewarning, 2022, 14(5): 100-106, 113. DOI: 10.3969/j.issn.1674-6732.2022.05.016.
[复制英文]

基金项目

国家重点研发计划课题基金资助项目(2019YFB2102905)

作者简介

余明星(1982—)，男，高级工程师，硕士，主要从事水生态环境监测与评价.

通讯作者

马煜宁 E-mail: julius.yuningma@gmail.com.

文章历史

收稿日期：2022-07-15
修订日期：2022-08-30

码上扫一扫

目录摘要全文 图/表 PDF阅读

基于有机物指纹图谱技术的长江南京段水中有机磷溯源研究

余明星¹, 苏海¹, 张凯², 马攀^2,3, 刘维屏³, 马煜宁^2,3

1. 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心，湖北武汉 430010;
2. 聚光科技股份有限公司，浙江杭州 310052;
3. 浙江大学环境与资源学院，浙江杭州 310012

收稿日期：2022-07-15；修订日期：2022-08-30

基金项目：国家重点研发计划课题基金资助项目(2019YFB2102905)

作者简介：余明星(1982—)，男，高级工程师，硕士，主要从事水生态环境监测与评价.

通讯作者：马煜宁 E-mail: julius.yuningma@gmail.com.

摘要：长江水环境污染物识别和溯源分析是保护长江水生态环境的前提。于2021年11月26—27日对长江南京段有机磷进行溯源调查，采用有机物指纹图谱识别技术对9个干流监测点位和7个临近入河排口监测点位之间以有机磷为代表的有机污染物的耦合关联性进行研究，筛查重点潜在污染水域及可能来源。研究结果表明，应用指纹图谱技术共识别出25类有机污染物，其中干流XC-02点位有机磷等有机污染物输入明显，主要受临近陆域污水处理厂、制药企业、石化企业及表面加工企业等的工业废水排放影响; 干流XC-07点位有机磷离子峰强度升高，受上游传输与陆域入河排口XA-07点位共同影响。研究为河流有机污染物溯源提出了指纹图谱解析方法思路并得以应用，为水环境有机污染物管控提供技术支撑和决策依据。

关键词：有机物指纹图谱有机磷非靶向筛查气相色谱串联三重四极杆质谱仪

Research on Tracing Organophosphorus in Nanjing Section of Yangtze River Based on Fingerprint Technology of Organic Compounds

YU Ming-xing¹, SU Hai¹, ZHANG Kai², MA Pan^2,3, LIU Wei-ping³, MA Yu-ning^2,3

1. Ecological Environment Monitoring and Scientific Research Center, Ecology and Environment Supervision and Administration Bureau of Yangtze Valley, Ministry of Ecology and Environment of the People's Republic of China, Wuhan, Hubei 430010, China;
2. Focused Photonics, Inc., Hangzhou, Zhejiang 310052, China;
3. College of Environmental & Resource Sciences, Zhejiang University, Hangzhou, Zhejiang 310012, China

Abstract: The identification and source apportionment of water pollutants is the premise of protecting the eco-environment of the Yangtze River. To screen out the key potentially polluted water areas and possible sources, the traceability investigation of organophosphorus in the Nanjing section of the Yangtze River had been carried out in November 26-27, 2021, and fingerprint technology of organic compounds had been used to study the coupling relations of organic pollutants represented by organophosphorus among the 9 main tributary monitoring transects and 7 sewage discharge outlets. As the results showed, a total of 25 groups of organic compounds were identified in this study. The XC-02 transect had significant local input of organic pollutants, mainly affected by the discharge of industrial wastewater from nearby land sewage treatment plants, pharmaceutical companies, petrochemical companies and surface processing companies. The peak intensities of organophosphorus at XC-07 transect were affected by the upstream carryover and the neighboring discharge outlet located in XA-07 transect. The results from this study provide a method for tracking organic pollutants by application of fingerprint analysis to rivers, and provide key technical support for decision-making on organic pollution control.

Key words: Fingerprint of organic compounds Organophosphorus Non-target screening GC-MS/MS

当前我国水环境监测逐步从传统监测进入到精细化监测阶段。在水体水污染识别解析中，三维荧光光谱指纹溯源^[1]、同位素示踪溯源^[2]、水质模型与地理信息系统技术溯源^[3]、水环境化学特征分析溯源^[4]、多元统计分析溯源^[5]和非靶向分析^[6-10]是目前水体污染物溯源解析的几类常用方法。其中非靶向分析技术基于色谱质谱设备，结合数据处理工作流，依靠现有图谱库，实现对有机污染物无差识别，得到样品全组分峰表信息，是解析未知样本组成的重要手段。多元统计分析技术主要基于统计学方法，如聚类分析、主成分分析、回归分析等，实现对样本间、变量间的相关性评判，评估样本间相似程度，以识别水体污染物输入途径。应用非靶向分析联合多元统计分析实现河流地表水体中多种有机污染物来源解析是一种值得探索的方式，可较大程度发挥各自的优势，为水体污染物溯源提供新的思路。

有机磷酸酯作为溴代阻燃剂的主要替代品，是一种广泛应用的化学物质。据统计^[11]，2015年，有机磷酸酯在工业、生活等方面用量达到68万t，并在水环境中广泛存在^[12]。通常来说，水体中的污染排放存在伴随性、共线性，如农业面源中氮磷污染排放伴随农药等有机组分，已有研究提出有机磷浓度与水中有机物浓度具有较强的相关性，并以此研究有机磷的污染来源^[13]。现以长江干流南京段作为研究区域，结合了非靶向分析方法和多元统计分析方法，通过特征有机物指纹图谱对比分析，实现了对长江南京段多种有机物的种类分析并重点以有机磷为代表开展来源解析，探索了长江水污染溯源技术手段和路径，为长江水体有机污染物溯源提供借鉴和参考。

1 研究方法 1.1 样品采集

2021年11月26—27日在长江南京段，采集长江干流水域水样9个，点位分别为XC-01、XC-02、XC-03、XC-04、XC-05、XC-06、XC-07、XC-08、XC-09; 陆域入河排口水样7个，点位分别为XA-01、XA-02、XA-03、XA-04、XA-05、XA-06、XA-07。根据《水质采样技术指导》(HJ 494—2009)，采集水面下0.5 m水样，置于棕色瓶中，冷藏保存。采样点位置示意见图 1。

图 1 调查江段采样点位示意

1.2 样品前处理及分析方法

采用固相微萃取技术(SPME)进行前处理^[14]。分析仪器为EXPEC 5230气相色谱串联三重四极杆质谱(GC-MS/MS，聚光科技有限公司)。使用型号为DB-17ms的弹性毛细管柱(30 m×250 μm×0.25 μm，美国安捷伦公司)作为色谱柱，柱箱温度条件为：初始值40 ℃，保持4 min，后加热到85℃，再以速率8 ℃/min升到150 ℃，保持1 min，再以20 ℃/min升温速率到280℃，保持8 min，平衡时间1 min，最高温度325 ℃; 柱流量为1 mL/min，不分流。质谱分析采用EI离子源，离子源温度为230 ℃。扫描方式为全扫描模式，扫描范围为35~500 amu，溶剂延迟为2 min。样品测定需扣除空白，并采用混合内标法定标参考。

1.3 图谱处理及数据处理方法

使用色谱质谱联用仪图谱分析软件自动对质谱峰进行处理，包括过滤、对齐、提取、识别以及扣除背景信号峰。三重四极杆图谱提供碎片离子和裂解规律等信息，与美国国家标准与技术研究院(NIST)数据库进行匹配，识别化合物^[15-17]，从而构建采样点位水体有机指纹图谱，按照匹配度≥700进行物质类别统计。使用IBM SPSS Statistics 26进行Pearson等统计分析，探索样本之间、变量之间的相关性，评价样本之间的相似程度，识别水体污染物的输入途径。本研究中使用识别出的有机物离子丰度作关联性计算分析。

2 结果与讨论 2.1 有机物种类识别分析

长江南京段长江干流水域9个点位及陆域入河排口7个点位的水样有机物种类检出分布结果见图 2。由图 2可见，共检出25类有机物，包括酯类(占比为12.6%)、醇类(占比为10.8%)、杂环类(占比为9.5%)、酸类(占比为9.5%)、醛类(占比为9.0 %)、苯环类(占比为8.0%)等。

图 2 有机物种类检出分布情况

长江干流和入河排口污染物检出类别有所差异(表 1)，其中干流水域硅氧烷类、烷烃类、硫化物平均检出率较高; 入河排口有机物成分复杂，包括酸类、酯类、醇类、醛类、胺类、烯烃类、烷氧类、苯酚类、卤代烃类、酮类、多环芳烃类、硅烷类、苯环类、杂环类、芳香烃、芳香酸和芳香脂类、卤代芳烃类、卤代脂类、醚类、吡喃类，其中XA-01点位检测到的有机物种类数最多。

表 1 长江干流和入河排口不同点位有机物种类分布

有机物种类名称	各点位有机物种类数/个
有机物种类名称	XC-01	XC-02	XC-03	XC-04	XC-05	XC-06	XC-07	XC-08	XC-09	XA-01	XA-02	XA-03	XA-04	XA-05	XA-06	XA-07
芳香烃	1	3	2	2	2	1	1	1	1	5	4	3	3	2	2	1
卤代芳烃	2	3	3	3	2	2	2	1	2	1	2	3	3	2	3	1
芳香酸-芳香酯类	5	5	5	5	5	4	5	3	3	8	7	5	5	3	5	4
多环芳烃	0	1	0	0	1	0	1	0	0	1	0	1	1	1	1	0
卤代酯	0	0	0	0	0	0	0	0	0	1	1	0	0	0	1	0
卤代烃	0	1	0	0	1	0	0	0	0	4	0	3	2	1	1	0
胺类	4	8	6	7	5	4	6	5	5	7	5	8	8	3	6	5
苯酚类	1	3	1	1	1	1	1	1	1	4	3	3	2	2	2	2
苯环类	7	15	9	11	9	4	9	7	6	15	14	11	11	9	13	7
吡喃类	0	1	1	1	1	0	2	0	2	3	2	0	0	0	0	0
醇类	7	18	12	13	11	6	9	7	8	18	10	12	12	6	7	8
砜类	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1	1
硅烷	0	1	0	0	0	0	0	0	0	1	0	0	0	0	0	0
硅氧烷	8	7	8	8	7	7	8	6	7	9	8	6	6	5	6	9
磷化物	2	2	2	2	2	2	2	2	2	2	2	2	2	2	2	2
硫化物	3	3	3	3	3	2	3	2	2	3	3	2	2	2	2	3
醚类	1	1	1	1	1	0	0	1	0	2	2	0	0	0	1	1
醛类	5	4	5	5	5	5	6	4	5	19	12	10	9	6	6	6
酸类	8	11	9	10	10	9	9	7	9	21	12	13	12	9	10	8
酮类	0	4	3	2	2	1	1	1	1	7	2	1	0	1	1	0
烷烃	6	8	7	8	6	6	8	6	9	10	7	6	5	3	4	6
烷氧类	3	4	4	4	2	1	3	1	2	5	3	5	3	3	3	4
烯烃	0	4	1	2	2	1	3	1	2	6	4	6	6	2	3	2
酯类	6	17	10	13	11	4	7	4	7	23	11	14	14	5	10	7
杂环类	11	17	15	15	15	9	11	8	10	17	13	12	12	10	13	10
合计	81	142	108	117	105	70	98	69	85	193	128	127	119	78	103	87

表 1 长江干流和入河排口不同点位有机物种类分布

2.2 有机磷识别分析

进一步对目标有机物有机磷进行提取解析，共识别得到2种有机磷，分别为(4-羟基苯基)膦酸(C₆H₇O₄P，CAS号: 33795-18-5)和三甲基膦((CH₃)₃P，CAS号: 594-09-2)。(4-羟基苯基) 膦酸常温下为固体，对皮肤眼睛有刺激性作用，其产品属于材料科学中自组装材料和接触式印刷材料(https://www.tcichemicals.com)，暂未识别其他研究信息。三甲基膦常温下为液体，具有较强配位能力、小分子体积、易于制备等特点，其在金属有机过程机理探究和催化剂的设计中广泛被应用^[18]。目前针对这2种物质的环境行为研究尚无相关报道。

不同点位(4-羟基苯基)膦酸和三甲基膦离子峰强度见图 3。由图 3可见，(4-羟基苯基)膦酸离子峰强度远高于三甲基膦。长江干流点位的(4-羟基苯基)膦酸离子峰强度总体高于入河排口点位，其中XC-02点位的(4-羟基苯基)膦酸离子峰强度最高，其次是XC-03、XC-04点位，在下游干流XC-07点位出现(4-羟基苯基)膦酸离子峰再次升高; 对于三甲基膦，XC-02点位的离子峰强度最高，其次为XC-04、XC-03点位。

图 3 不同点位(4-羟基苯基)膦酸和三甲基膦离子峰强度

2.3 有机磷溯源解析分析

由于有机磷污染与全量有机物污染具有伴随性变化趋势，通过物质的离子丰度，并结合长江干流水域和陆域点位全量有机物指纹图谱及有机磷指纹图谱的两两关联性进行比较分析，以追踪水体中有机磷高值点位的污染来源。依照水流走向顺序：XC-01(上游)→XC-02→ XC-03 → XC-04 → XC-05 → XC-06 → XC-07(下游)，进行两两点位间全量有机物图谱匹配分析和相关性比较分析，具体见图 4(a)-(f)和表 2。

图 4 长江干流水域上下游点位全量有机物图谱关联性分析

表 2 各点位之间有机物指纹图谱关联性分析^①

点位	XC-01	XC-02	XC-03	XC-04	XC-05	XC-06	XC-07	XC-08	XC-09	XA-01	XA-02	XA-03	XA-04	XA-05	XA-06	XA-07
XC-01	1.000
XC-02	0.151	1.000
XC-03	0.895^**	0.360^**	1.000
XC-04	0.932^**	0.076	0.731^**	1.000
XC-05	0.789^**	0.252*	0.832^**	0.705^**	1.000
XC-06	0.953^**	0.011	0.727^**	0.996^**	0.681^**	1.000
XC-07	0.899^**	0.322^**	0.917^**	0.741^**	0.906^**	0.750^**	1.000
XC-08	0.868^**	0.071	0.756^**	0.963^**	0.767^**	0.955^**	0.826^**	1.000
XC-09	0.885^**	0.194	0.897^**	0.897^**	0.827^**	0.899^**	0.948^**	0.942^**	1.000
XA-01	0.816^**	0.097	0.540^**	0.754^**	0.624^**	0.771^**	0.576^**	0.801^**	0.666^**	1.000
XA-02	0.987^**	0.080	0.671^**	0.932^**	0.632^**	0.963^**	0.682^**	0.871^**	0.818^**	0.797^**	1.000
XA-03	0.707^**	0.467^**	0.724^**	0.614^**	0.881^**	0.563^**	0.673^**	0.565^**	0.529^**	0.698^**	0.612^**	1.000
XA-04	0.848^**	0.406^**	0.854^**	0.738^**	0.888^**	0.705^**	0.754^**	0.661^**	0.643^**	0.767^**	0.770^**	0.956^**	1.000
XA-05	0.499^**	0.203	0.473^**	0.625^**	0.641^**	0.583^**	0.574^**	0.759^**	0.621^**	0.721^**	0.467^**	0.570^**	0.537^**	1.000
XA-06	0.205	0.044	0.166	0.247*	0.284*	0.383^**	0.286*	0.456^**	0.378^**	0.427^**	0.159	0.266^**	0.235*	0.560^**	1.000
XA-07	0.957^**	0.218	0.876^**	0.895^**	0.878^**	0.909^**	0.898^**	0.861^**	0.862^**	0.814^**	0.929^**	0.802^**	0.896^**	0.570^**	0.265*	1.000
①^*在0.01级别(双尾)相关性显著; ^在0.05级别(双尾)相关性显著。

表 2 各点位之间有机物指纹图谱关联性分析^①

由图 3、图 4可见，有机磷的离子峰强度和全量有机物指纹从XC-02开始显著增多，其中有机磷离子强度增加7.21倍，全量有机物离子强度增加0.26倍，有机物种类新增40余种，并沿程逐步下降，但到下游XC-07点位再次增多，其中全量有机物离子强度较XC-06点位增加0.96倍。由表 1可见，XC-07点位与上游临近的XC-06点位全量有机物图谱存在较强的相关性(r=0.750, p < 0.01)，表明XC-07点位受到上游水域点位有机物传输影响。与此同时，XC-07点位与临近的陆域XA-07点位相关性较强(r=0.898，p < 0.01)，表明XC-07点位还受到陆域入河排口XA-07点位的排放影响。

由表 2可见，XC-02点位与相邻点位相关性较小，XC-02与XC-01和XC-03的相关性分别为0.151(p>0.05)和0.306(p < 0.01); 其他各点位之间均存在中等及以上的相关性，r值范围在0.681~0.942, p < 0.05。由此可以推断, XC-02点位受干流上游XC-01点位有机污染传输影响较小，其较高的全量有机物主要来源于临近陆域输入影响。XC-02点位临近的陆域点位为XA-05和XA-06点位，但水域点位XC-02与陆域点位XA-05和XA-06的全量有机物指纹图谱Pearson系数表现为无相关性(r=0.203, 0.004, p>0.05)，表明XC-02点位出现的有机磷相对丰度升高与临近的陆域XA-05和XA-06点位输入无关，但可以锁定其临近陆域的其他入河排口，后续还需进一步加密其他陆域点位追踪溯源。

对XC-02点位出现的全量有机物特征指纹进行综合分析，发现主要新出现的有机物为醇类(9种)、酯类(8种)、酸类(4种)、酮类(3种)以及部分含氮苯系物，如表 3所示。

表 3 XC-02点位新出现的代表性有机物及其来源

名称	英文名	CAS号	用途	参考文献
2-溴辛烷	2-Bromooctane	557-35-7	用于有机合成	[19]
对羟基苯乙酮	4-Hydroxyacetophenone	99-93-4	用于医药制造或其他有机合成的原料	[20]
丁位十四内酯	Delta-Tetradecalactone	2721-22-4	医药中间体、工业原材料	[21]
2-丁基-2-乙基-1, 3-丙二醇	2-Butyl-2-Ethyl-3-Propanediol	115-84-4	用于添加型阻燃剂	[22-23]
1-二十二醇	Behenic alcohol	661-19-8	用于个人护理、洗涤及保健用品、抗病毒药品制造	[24-25]
二甲基烯丙基硅烷	Allyldimethylsilane	3937-30-2	用用于有机硅合成、高分子聚合物等制造	[26]
2-乙基己酸	2-Ethylhexanoic Acid	149-57-5	用于医药制造、金属润滑剂生产、化妆品添加等	[27]
正癸酸	n-Decanoic Acid	334-48-5	用于制取癸酸酯类产品，用于食品添加剂、香料、增塑剂等	[28]
十三酸	Tridecanoic Acid	638-53-9	用于食品添加剂、塑料助剂、制药工业、香料工业等	[29]
芥酸	Erucic Acid	112-86-7	用于表面活性剂、化妆品、化纤油剂等的制造	[30-31]
苄叉丙酮	Benzalacetone	122-57-6	用做香料、媒染剂、镀锌光亮剂及其他有机合成试剂	[32-33]
二丁基戊二酸酯	Dibutyl Glutarate	6624-57-3	用于日化、食品、橡胶、医药等的制造	[34]
马来酸二乙基己酯	Bis(2-ethylhexyl) Maleate	142-16-5	用于粘合剂、涂料、橡胶和石油等的添加剂	[35-36]
丁位十四内酯	Elta-Tetradecalactone	2721-22-4	用于食用香精	[37]
3-甲基吡啶	3-Picoline	108-99-6	用于有机中间体，合成物质可生产农药、香料、医药等	[38]

表 3 XC-02点位新出现的代表性有机物及其来源

基于水体中的污染排放存在伴随性、共线性等特点可以识别出XC-02点位的此类物质主要来源于表面加工试剂、食品加工添加剂、医药制药原料中间体原料、化妆品等个人洗护用品原料产物等的可能性较大。通过全国排污许可证管理信息平台公开端搜索(http://permit.mee.gov.cn)相关类型的陆域企业，发现在XC-02点位临近陆域上游存在污水处理厂、制药厂、石化企业等，其中在XC-02点位西南方向约3 km的污水处理厂，污水处理能力达到5万m³/d^[39]。另外距XC-02点位西南不到1km存在专用码头以及粮油加工企业、化纤厂、石化企业(产品涉及有机化学原料制造)，此外还包括船舶废污水处理设施等; 在XC-02点位南方向约4 km处还存在生命科技创新园，园区内制药企业数量较多。以上仅通过企业类型以及空间分布信息初步推断长江干流XC-02点位水域检出的主要有机物可能来源，后续还需结合企业工艺过程及企业排口废水的有机物图谱进一步判别。

邵锡斌^[40]研究发现，颗粒态陆源有机物沿着长江冲淡水方向的迁移输送距离可达到距长江口约300 km处。胡烨^[41]对长江攀枝花至南京等10个重点江段水体中药物及个人护理品(PPCPs)的污染特征研究发现，长江流域中下游地区水体污染来源主要是污水处理厂。受污水处理的方式以及效率影响，可能导致有机污染物的外泄，对目标点位造成影响。Zha等^[42]对长江干流南京段地表水中有机磷进行检测以及来源评估，发现受污水处理厂处理工艺的局限性影响，对部分有机物去除不完全，人类活动、农业生产和污水处理厂废水排放是影响地表水有机磷污染的主要原因。Xing等^[43]对长江下游南京江段等水域地表水进行有机磷来源分析，其主要来源为车辆和航运交通排放、污水处理厂排水。

结合上述分析，造成长江水域XC-02点位有机磷离子丰度升高的可能来源为生活污水、制药企业、石化企业和表面加工工业等废水排放，下一步可针对这些陆域目标，重点开展排水中有机物的特征图谱分析和比对，进而溯源定位具体的影响来源。

3 结论与展望 3.1 结论

(1) 通过对长江干流南京段部分监测点位的高通量、非靶向有机物色谱质谱联合检测分析可得到较为丰富的指纹图谱信息，共在水域和陆域16个点位水体中识别出25类有机物。(4-羟基苯基)膦酸和三甲基膦2种有机磷在所有点位中均有检出，干流XC-02点位检出的有机磷相对离子峰强度最高。

(2) 通过不同点位间的指纹图谱对比和相关性分析，干流XC-02点位有机磷污染来源于临近陆域污水处理厂、制药企业、石化企业及表面加工企业等的工业废水排放影响可能性较大，后续可针对重点目标对象开展排水有机物图谱解析，进一步溯源定位有机磷污染物的具体来源。干流XC-07点位有机磷离子峰强度升高，受上游传输与陆域入河排口XA-07点位共同影响。

总体上看，特征有机物图谱技术结合非靶向筛查手段和统计分析方法，能够识别重点污染源输入区域，并进行目标污染物溯源定位。

3.2 展望

由于天然水体环境复杂多变，水环境管理中污染物溯源仍是目前的热点和难点，尚未形成统一标准方法，本研究中基于非靶向与多元统计分析方法相结合的有机物指纹图谱溯源技术具有监测全、识别广、溯源快等特点，是识别大范围江河湖库水域主要污染及来源定位的有效途径。下一步可在有机污染物特征指纹建库、定性和定量相结合进行来源量化分析等方面开展进一步的研究。随着技术的发展以及研究的深入，多种溯源方法耦合应用将成为未来趋势。

参考文献

[1]	SHREERAM I, SHATRUGHAN S, SUDARSHAN D, et al. Fluorescence characteristics and sources of dissolved organic matter for stream water during storm events in a forested mid-Atlantic watershed[J]. Journal of Geophysical Research Biogeosciences, 2015, 116(G3): G03043.
[2]	KARYNE M. R, ERIC N, VIRGINIE G. Identifying source and formation altitudes of nitrates in drinking water from Reunion Island, France, using a multi-isotopic approach[J]. Journal of Contaminant Hydrology, 2012, 138: 93-103.
[3]	NAS B., BERKTAY A. Groundwater contamination by nitrates in the city of Konya, (Turkey): A GIS perspective[J]. Journal of Environmental Management, 2006, 79(1): 30-37. DOI:10.1016/j.jenvman.2005.05.010
[4]	ANSHUMALI, RAMANATHAN A. L. Seasonal variation in the major ion chemistry of Pandoh Lake, Mandi District, Himachal Pradesh, India[J]. Applied Geochemistry, 2007, 22(8): 1736-1747. DOI:10.1016/j.apgeochem.2007.03.045
[5]	SHRESTHA S., KAZAMA F. Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji River basin, Japan[J]. Environmental Modelling & Software, 2007, 22(4): 464-475.
[6]	林必桂, 于云江, 向明灯, 等. 基于气相/液相色谱-高分辨率质谱联用技术的非目标化合物分析方法研究进展[J]. 环境化学, 2016, 35(3): 466-476.
[7]	FU Y Y, ZHOU Z H, KONG H W, et al. Non-targeted screening method for illegal additives based on ultra-performance liquid chromatography-high-resolution mass spectrometry[J]. Analytical Chemistry, 2016, 88(17): 8870-8877. DOI:10.1021/acs.analchem.6b02482
[8]	梁梦园, 范德玲, 古文, 等. 环境介质中有机污染物非靶向筛查技术研究进展[J]. 环境监控与预警, 2020, 12(5): 14-20.
[9]	LI C M, WANG D H, LI N, et al. Identifying unknown by-products in drinking water using comprehensive two-dimensional gas chromatography-quadrupole mass spectrometry and in silico toxicity assessment[J]. Chemosphere, 2016, 163(11): 535-543.
[10]	ALMSTETTER M. F., APPLE I. J., DETTMER K., et al. Comparison of two algorithmic data processing strategies for metabolic fingerprinting by comprehensive two-dimensional gas chromatography-time-of-flight mass spectrometry[J]. Journal of Chromatography A, 2011, 1218(39): 7031-7038.
[11]	WANG Y, HOU M M, ZHANG Q N, et al. Organophosphorus flame retardants and plasticizers in building and decoration materials and their potential burdens in newly decorated houses in China[J]. Environmental Science & Technology, 2017, 51(19): 10991-10999.
[12]	ZHANG Z Y, SHAO H Y, WU M H, et al. Occurrence, Distribution, and Potential Sources of Organophosphate Esters in Urban and Rural Surface Water in Shanghai, China[J]. Archives of Environmental Contamination and Toxicology, 2019, 77(1): 115-126. DOI:10.1007/s00244-019-00633-w
[13]	阮伟, 谭晓欣, 罗孝俊, 等. 东江表层沉积物中的有机磷系阻燃剂[J]. 中国环境科学, 2014, 34(9): 2394-2400.
[14]	胡建坤, 吴文明, 段炼, 等. 便携式GC-MS结合固相微萃取方法现场快速检测水中17种有机氯农药[J]. 现代科学仪器, 2015(6): 107-111.
[15]	MENG D, FAN D L, GU W, et al. Development of an integral strategy for non-target and target analysis of site-specific potential contaminants in surface water: A case study of Dianshan Lake, China-ScienceDirect[J]. Chemosphere, 2020, 243(3): 125367.
[16]	DU BOWEN, LOFTON J. M., PETER K. T., et al. Development of suspect and non-target screening methods for detection of organic contaminants in highway runoff and fish tissue with high-resolution time-of-flight mass spectrometry[J]. Environmental Science: Processes & Impacts, 2017, 19(9): 1185-1196.
[17]	王刚, 马慧莲, 王龙星, 等. 气相色谱-质谱-自动质谱解卷积技术在沉积物和污泥中有机污染物非靶标筛查中的应用[J]. 色谱, 2015, 33(12): 1294-1300.
[18]	许士鲁. 三甲基膦支持的铁、钴和镍配合物对硅氢键的活化及功能化研究[D]. 山东: 山东大学, 2015.
[19]	张明森. 精细有机化工中间体全书[M]. 北京: 化学工业出版社, 2008.
[20]	SANDEEP V. K, SHYAM S., MUDASSAR A. S, et al. Pyridinium iodochloride: an efficient reagent for iodination of hydroxylated aromatic ketones and aldehydes[J]. Journal of the Chinese Chemical Society, 2013, 55(4): 871-874.
[21]	ANDRZEJ O, JACEK F, KATARZYNA O, et al. Solid phase extraction of tritiated contaminants from tritium-containing waste oils[J]. Journal of Radioanalytical and Nuclear Chemistry, 2016, 310(3): 1085-1097.
[22]	国家安全生产监督管理总局化学品登记中心. 《危险化学品安全技术全书》(第三版)[M]. 北京: 化学工业出版社, 2017.
[23]	XIN X, YU Y, XI H B, et al. Reduction of wastewater toxicity and change of microbial community in a hydrolysis acidification reactor pre-treating trimethylolpropane wastewater[J]. Frontiers of Environmental Science & Engineering, 2018, 12(6): 13.
[24]	王林. 正-二十二醇的抗病毒作用[J]. 国外医学.药学分册, 1993(4): 247-248.
[25]	POPE L E., MARCELLETTI J F., LEE R K, et al. The anti-herpes simplex virus activity of n-docosanol includes inhibition of the viral entry process[J]. Antiviral Research, 1998, 40(1-2): 85-94.
[26]	姜铨, 何玲, 李卫东. 多取代烯丙基硅化合物的立体选择性合成研究[J]. 有机化学, 2019, 39(12): 3454-3459.
[27]	刘晓丹. 异辛酸的市场前景及发展趋势[J]. 化工管理, 2021(31): 3-4.
[28]	BENJAMIN L, FRANCESCA M. Valorization of a saturated fatty acid to enantioenriched (S)-δ-decalactone[J]. Synfacts, 2019, 15(6): 1661.
[29]	CHOWDHURY S K, DTTA T, CHATTOPADHYAY A P. Isolation of antimicrobial tridecanoic acid from bacillus sp. LBF-01 and its potentialization through silver nanoparticles synthesis: a combined experimental and theoretical studies[J]. 2021.11(4): 573-587.
[30]	MURPHY C C., MURPHY E J., GOLOVKO M Y. Erucic acid is differentially taken up and metabolized in rat liver and heart[J]. Lipids, 2008, 43(5): 391-400.
[31]	佚名. 芥酸的新用途[J]. 化学世界, 1985(8): 32.
[32]	尚国锋. 苄叉丙酮在电镀中的应用[J]. 电镀与涂饰, 2013, 32(7): 21-23.
[33]	程敏, 林伟斌, 谭丽容. 香精中丙烯酸乙酯、反-2-庚烯醛、苄叉丙酮和对叔丁基苯酚的测定方法研究[J]. 香料香精化妆品, 2019, 2(1): 33-36.
[34]	孙晓波, 任珂, 栾向海, 等. 磷钨酸催化合成戊二酸二丁酯的研究[J]. 郑州大学学报(工学版), 2006, 12(4): 36-38.
[35]	王芳, 马政生, 侯玉霞. 马来酸二乙基己酯的气相色谱分析[J]. 石油化工, 2012, 41(4): 461-464.
[36]	万玉保, 古绪鹏, 曹春香. 粉煤灰复合型固体酸催化合成马来酸二异辛酯[J]. 石油化工, 2008, 37(2): 166-168.
[37]	中华人民共和国国家卫生健康委员会, 国家市场监督管理总局. 食品安全国家标准食品用香料通则: GB 29938—2020[S]. 北京: 中国标准出版社, 2020.
[38]	孙玉泉, 张丽华. 3-甲基吡啶的合成与应用[J]. 天津化工, 2006, 20(4): 50-52.
[39]	周琼. 浅析南京市中水回用现状及前景[J]. 智能城市, 2020(22): 2.
[40]	邵锡斌. 颗粒态陆源有机物在长江口及其邻近海域的分布和迁移[D]. 上海, 华东师范大学, 2014.
[41]	胡烨. 长江重点江段水体中PPCPs的分布特征和生态风险评价[D]. 桂林: 桂林理工大学, 2021.
[42]	ZHA D P, LI Y, YANG C M, et al. Assessment of organophosphate flame retardants in surface water and sediment from a freshwater environment (Yangtze River, China)[J]. Environmental monitoring and assessment, 2018, 190(4): 222.
[43]	XING L Q, TAO M, ZHANG Q, et al. Occurrence, spatial distribution and risk assessment of organophosphate esters in surface water from the lower Yangtze River Basin[J]. Science ofthe Total Environment, 2020, 734: 139380.