拉曼光譜結(jié)合偏最小二乘法定量分析水中聚乙烯和聚苯乙烯兩種微塑料

關(guān)鍵詞 微塑料；偏最小二乘法；拉曼光譜；化學(xué)計(jì)量學(xué)

塑料作為一種重要的有機(jī)合成高分子材料，具有輕質(zhì)、多功能性、成本效益高及耐用等特性，在人類社會(huì)以及國(guó)民經(jīng)濟(jì)的發(fā)展過(guò)程中起著非常重要的推動(dòng)作用。近年來(lái)，塑料的產(chǎn)量急劇攀升，塑料污染與全球氣候變化、生物多樣性銳減和臭氧破壞等已并列成為全球重大環(huán)境問(wèn)題。為了有效應(yīng)對(duì)這一危機(jī)，我國(guó)于2021年9月印發(fā)了《“十四五”塑料污染治理行動(dòng)方案》，進(jìn)一步完善了塑料污染全鏈條治理體系。然而，大量的塑料殘留物被釋放到環(huán)境中，經(jīng)過(guò)相互作用、機(jī)械磨損[1]、紫外線（UV）分解[2]、光氧化和生物降解等方法分解成微塑料（MPs）。MPs 是指粒徑≤5 mm 的塑料顆粒和碎片，作為一種在環(huán)境和有機(jī)體中積聚的新興污染物，廣泛分布于水體、陸地和大氣環(huán)境中， MPs 污染已發(fā)展成為全球性的環(huán)境問(wèn)題。MPs 可以大量吸附水環(huán)境中持久性有機(jī)污染物、重金屬、抗生素、細(xì)菌、真菌以及病毒等，進(jìn)而形成復(fù)合污染物[3]，其中，聚乙烯（Polyethylene， PE）和聚苯乙烯（Polystyrene， PS）是兩種典型的MPs，對(duì)多環(huán)芳烴的吸附能力較強(qiáng)[4]。MPs 能夠通過(guò)多種途徑進(jìn)入生物體內(nèi)，并在人體組織中積累而引發(fā)物理和生物效應(yīng)[5]，進(jìn)而對(duì)心血管系統(tǒng)[6]、消化系統(tǒng)[5]和呼吸系統(tǒng)[7]等產(chǎn)生嚴(yán)重危害。Prata 等[8]利用尼羅紅（NR）染色方法對(duì)不同品牌瓶裝水中MPs 的存在情況進(jìn)行了評(píng)估，并借助FTIR 技術(shù)證實(shí)瓶裝水樣品中存在PS、PE 和聚酰胺（Polyamide， PA），其中PE 較常見(jiàn)。更值得關(guān)注的是， MPs 在物理、化學(xué)和生物等作用下可以逐漸破碎形成粒徑更小的納米級(jí)塑料顆粒，更容易進(jìn)入生物細(xì)胞內(nèi)部并積累在細(xì)胞溶酶體中，進(jìn)而產(chǎn)生比塑料更大的危害[9]。MPs 來(lái)源與其化學(xué)組分密切相關(guān)，由于來(lái)源及形成條件差異， MPs 中所含元素種類及其形態(tài)存在顯著差異，進(jìn)而呈現(xiàn)不同的毒理學(xué)和生物學(xué)特性。因此，水環(huán)境中MPs 的定量分析是實(shí)現(xiàn)MPs 溯源、風(fēng)險(xiǎn)評(píng)估與降解處理等的重要前提。

目前，水環(huán)境中MPs 的表征主要以定性分析為主，借助目視法、顯微鏡計(jì)數(shù)法和光譜法等能夠?qū)Ps 進(jìn)行直接觀察和計(jì)數(shù)，并統(tǒng)計(jì)其尺寸、形態(tài)、顏色和顆粒數(shù)等指標(biāo)。目視法具有檢測(cè)過(guò)程簡(jiǎn)單、成本低和化學(xué)危害小等優(yōu)點(diǎn)，能夠通過(guò)肉眼或光學(xué)顯微鏡對(duì)MPs 進(jìn)行初步分類和計(jì)數(shù)。然而， MPs 的尺寸不斷減小以及環(huán)境樣品中大量有機(jī)或無(wú)機(jī)等雜質(zhì)的干擾，導(dǎo)致目視法的準(zhǔn)確性和檢測(cè)效率降低[10]，因此，目視法僅適合作為MPs 分析的輔助方法。紅外光譜法作為一種反映樣品中化學(xué)鍵和官能團(tuán)信息的分子振動(dòng)光譜技術(shù)，具有分析速度快、對(duì)樣本無(wú)破壞和操作簡(jiǎn)單等優(yōu)勢(shì)，已廣泛應(yīng)用于MPs 的定性檢測(cè)和成分分析。在國(guó)家標(biāo)準(zhǔn)（GB/T 40146—2021）[11]中，紅外光譜法被用于化妝品中塑料珠的定性分析，可識(shí)別粒徑大于20 μm 的MPs。遼寧省地方標(biāo)準(zhǔn)（DB21T 2751—2017）[12]利用傅立葉變換顯微紅外光譜法對(duì)海水中0.5～5.0 mm 的MPs 進(jìn)行定性分析，通過(guò)顯微鏡下計(jì)數(shù)的方式進(jìn)行定量分析。

基于拉曼光譜結(jié)合PLS在復(fù)雜體系定量分析方面具有良好的分析效果，然而尚未見(jiàn)將該方法用于水中MPs 定量分析的研究報(bào)道。本研究分別以蒸餾水、雨水、河水及其混合水樣為研究對(duì)象，建立了基于拉曼光譜結(jié)合PLS 的實(shí)際水樣中PE 和PS 的快速且準(zhǔn)確的定量分析方法。首先，制備了33 個(gè)含有不同濃度MPs 的模擬水樣，并采集其拉曼光譜；其次，考察不同預(yù)處理方法（歸一化（Nor）、多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變換（SNV）、一階導(dǎo)數(shù)（D1st）、二階導(dǎo)數(shù)（D2nd）和小波變換（WT））對(duì)PLS 校正模型預(yù)測(cè)性能的影響，分別利用VIP、SiPLS 和MI 這3 種變量選擇方法對(duì)PLS 校正模型輸入變量進(jìn)行選擇與優(yōu)化，并采用留一法考察PLS 校正模型的預(yù)測(cè)能力。在最優(yōu)的光譜預(yù)處理、變量選擇、輸入變量和潛變量等條件下，建立了基于拉曼光譜結(jié)合PLS 的實(shí)際水樣中PE 和PS 的定量分析方法。

1 實(shí)驗(yàn)部分

1.1 儀器與試劑

QEpro6500型激光拉曼光譜系統(tǒng)（美國(guó)OceanOptics 公司）；數(shù)控超聲波清洗器（昆山市超聲儀器有限公司）。

蒸餾水和無(wú)水乙醇（廣東光華科技股份有限公司）；PE 和PS（東莞市特塑朗膠原料有限公司）。實(shí)際水樣包括陜西省西安市西北大學(xué)長(zhǎng)安校區(qū)和太白校區(qū)的雨水、陜西省西安市西安理工大學(xué)曲江校區(qū)的雨水以及陜西省內(nèi)灃河、灞河和護(hù)城河的河水。

1.2 實(shí)驗(yàn)方法

分別采集陜西省西安市西北大學(xué)長(zhǎng)安校區(qū)和太白校區(qū)以及西安理工大學(xué)曲江校區(qū)的雨水樣品。在采集雨水時(shí)，利用燒杯收集雨水樣品，嚴(yán)格按照四周無(wú)遮擋，最大程度降低外界環(huán)境因素對(duì)雨水樣本的潛在干擾，從而確保雨水樣本的純凈度和代表性。河水樣品的采樣地址為陜西省內(nèi)灃河、灞河以及護(hù)城河，利用水樣采集器采集河面以下大約1 m 深處河水樣品，并除去肉眼可見(jiàn)的明顯生物雜質(zhì)。上述雨水和河水樣品分別采用定性濾紙和0.45 μm 濾膜過(guò)濾，待用。

為了建立實(shí)際水樣中PE 和PS 的定量分析方法，共制備了33 個(gè)含有不同濃度PE 和PS 的模擬水樣（如表1 所示）。具體制備過(guò)程如下：稱取適量的PE 和PS（10 μm）于比色管中，加入7.00 mL 無(wú)水乙醇和3.00 mL 蒸餾水，超聲20 min， 保證MPs 顆粒均勻分散。其中， 1#～24#樣品是蒸餾水、河水和雨水的單一基質(zhì)水樣品， 25#～33#樣品是由蒸餾水、河水和雨水中任意2 種或全部3 種單一基質(zhì)水樣混合而成。為了獲得高質(zhì)量的水樣品拉曼光譜，采用醋酸-硝酸（CN-CA）混合纖維素酯水性濾膜對(duì)水樣品進(jìn)行過(guò)濾處理，待用。

1.3 拉曼光譜采集

利用QEpro6500 型激光拉曼光譜系統(tǒng)（美國(guó)OceanOptics 公司）采集實(shí)際水樣的Raman 光譜。該系統(tǒng)由半導(dǎo)體激光器（785 nm）、光纖（RPBY）、光譜儀（QEpro6500）及光譜處理軟件（OceanView）等組成，Raman 光譜采集范圍為0～2000 cm^–1， 光譜儀分辨率為4 cm^–1， 激光器功率為0～1500 mW范圍內(nèi)可調(diào)。在采集拉曼光譜時(shí)，將富集有MPs 的CN-CA 混合纖維素酯水性濾膜置于樣品臺(tái)上，為了防止雜散光對(duì)拉曼光譜的影響，拉曼光譜采集在暗箱中進(jìn)行。激光輸出功率設(shè)置為0.900 W， 探測(cè)距離設(shè)置為10.8 mm， 積分時(shí)間為20 s。為了減少實(shí)驗(yàn)誤差，每個(gè)樣本隨機(jī)選擇6 個(gè)不同位置采集拉曼光譜，環(huán)境溫度為室溫，以空氣為背景檢測(cè)并將其扣除。

采用兩種方式劃分校正集和測(cè)試集：（1）以8 個(gè)蒸餾水樣本為校正集， 8 個(gè)河水和8 個(gè)雨水樣本為測(cè)試集，考察基于蒸餾水體系下的PLS 校正模型對(duì)實(shí)際水樣的預(yù)測(cè)能力；（2）在8 個(gè)蒸餾水的基礎(chǔ)上添加了9 個(gè)混合水樣作為校正集， 8 個(gè)河水樣本和8 個(gè)雨水樣本為測(cè)試集，考察混合水樣體系下PLS 校正模型對(duì)實(shí)際水樣的預(yù)測(cè)能力。

1.4 偏最小二乘法校正模型的建立及評(píng)價(jià)

PLS 是一種經(jīng)典多元回歸分析方法，通常以全波段光譜或特征譜峰的所有數(shù)據(jù)點(diǎn)作為自變量，待分析組分濃度作為因變量，建立光譜強(qiáng)度和組分濃度之間的相關(guān)關(guān)系，能夠在一定程度上克服傳統(tǒng)單變量模型的缺陷[24]。拉曼光譜結(jié)合PLS 定量分析實(shí)際水樣中PE 和PS 的方法如圖1 所示，具體流程如下：（1）采集33 個(gè)水樣的拉曼光譜，并采用主成分分析（Principal component analysis， PCA）剔除異常光譜；（2）按照1.2節(jié)描述的兩種方法劃分校正集和測(cè)試集；（3）以全波段拉曼光譜作為輸入變量，建立初始化的PLS 校正模型；（4）為了建立預(yù)測(cè)性能優(yōu)異的PLS校正模型，考察了光譜預(yù)處理、變量選擇、模型參數(shù)等對(duì)PLS校正模型預(yù)測(cè)性能的影響。對(duì)于基于蒸餾水的PLS校正模型探究了Nor、MSC、SNV、D1st、D2nd 和WT 6種光譜預(yù)處理方法對(duì)水樣Raman 光譜的預(yù)處理效果；對(duì)于基于混合水樣的PLS 校正模型，重點(diǎn)探究了MI 的PLS校正模型輸入變量選擇與優(yōu)化方法。采用留一交叉驗(yàn)證方法考察了所建立PLS 校正模型的預(yù)測(cè)性能。PLS校正模型的評(píng)價(jià)指標(biāo)通常包括決定系數(shù)（R²）、均方根誤差（RMSE）、平均相對(duì)誤差（MRE）和平均絕對(duì)誤差（MAE）。R²越大，說(shuō)明PLS校正模型的預(yù)測(cè)性能越好；RMSE、MRE 和MAE 的值越小，對(duì)應(yīng)校正模型的預(yù)測(cè)性能越好。然而，對(duì)于最佳PLS校正對(duì)應(yīng)的評(píng)價(jià)指標(biāo)不一致的情況，引入了一個(gè)綜合指標(biāo)Error，用于評(píng)估PLS校正模型的整體預(yù)測(cè)性能，通常認(rèn)為， Error越小，回歸模型的預(yù)測(cè)性能越好。Error 的計(jì)算公式如下：

其中， RMSE 和MAE 的大小取決于樣品的濃度，而R²和MRE 通常小于1。通常， Error 越小， R²越大，RMSE、MRE 和MAE 越小，結(jié)果越好。

2 結(jié)果與討論

2.1 拉曼光譜解析

含PS 和PE 的實(shí)際水樣的拉曼光譜如圖2A 所示， PS 和PE 的特征峰光譜如圖2B 所示。PS 的主要特征拉曼峰位于620、792、998、1029、1179 和1600 cm^–1處。其中， 620 和792 cm^–1 處為C—C—C 鍵振動(dòng)[26]， 998 cm^–1 處為C—C 苯環(huán)呼吸振動(dòng)， 1029 cm^–1 處為C—H 鍵的搖擺振動(dòng)[27]， 1179 cm^–1 處為苯環(huán)變形振動(dòng)， 1600 cm^–1 處為C—C 伸縮振動(dòng)[26]。PE 的主要拉曼特征峰位于1061、1128、1293、1416、1437 和1460 cm^–1 處。其中， 1061 和1128 cm^–1 處為C—C 鍵伸縮振動(dòng)， 1293 cm^–1 處為CH₂ 彎曲振動(dòng)，1416 和1437 cm^–1 處為CH₂ 彎曲振動(dòng)， 1460 cm^–1 處為兩個(gè)CH₂的面內(nèi)搖擺振動(dòng)。此外，由不同基質(zhì)水樣的拉曼光譜（圖2A）可見(jiàn)，由于樣品之間濃度差異較小，拉曼光譜圖重疊嚴(yán)重。因此，基于標(biāo)準(zhǔn)曲線法的單變量定量分析方法無(wú)法實(shí)現(xiàn)水中PE和PS的精準(zhǔn)定量分析。

2.2 基于蒸餾水的小波變換-偏最小二乘（WT-PLS）校正模型

以8 個(gè)蒸餾水樣本為校正集、8 個(gè)河水樣本和8 個(gè)雨水樣本為測(cè)試集，探究基于蒸餾水體系下的PLS 校正模型對(duì)實(shí)際水樣的預(yù)測(cè)能力。重點(diǎn)考察了Nor、MSC、SNV、D1st、D2nd 和WT 這6 種方法對(duì)水樣拉曼光譜的預(yù)處理效果，并對(duì)比了基于6 種預(yù)處理方法的PLS 校正模型的預(yù)測(cè)性能（圖3 和表2）。以R² 和Error 作為評(píng)價(jià)指標(biāo)，通過(guò)留一交叉驗(yàn)證法對(duì)導(dǎo)數(shù)法和WT 等方法參數(shù)進(jìn)行優(yōu)化，以獲得更準(zhǔn)確的定量分析結(jié)果。PLS 模型參數(shù)-潛變量參數(shù)范圍均為1～20， D1st 和D2nd 的平滑點(diǎn)范圍為1～25（奇數(shù)）， WT 的小波基函數(shù)db2～db14， coif1～coif5，分解層數(shù)1～15。以Error 最小為原則對(duì)PLS 校正模型進(jìn)行優(yōu)化，選擇最佳的光譜預(yù)處理方法。

2.3 基于混合水樣的互信息-偏最小二乘（MI-PLS）校正模型

為了建立穩(wěn)定性好的PLS 校正模型，分別以8 個(gè)蒸餾水樣本和9個(gè)混合水樣本作為校正集、8個(gè)河水樣本和8 個(gè)雨水樣本為測(cè)試集，考察混合水樣體系下PLS 校正模型對(duì)實(shí)際水樣的預(yù)測(cè)能力。變量選擇是提升多元校正模型預(yù)測(cè)能力的重要策略之一，能夠剔除與當(dāng)前學(xué)習(xí)任務(wù)無(wú)關(guān)或相關(guān)性較低的冗余特征，利用特征重要性評(píng)價(jià)函數(shù)和搜索策略，獲得近似最優(yōu)的特征子集。針對(duì)復(fù)雜水環(huán)境體系MPs 拉曼光譜的復(fù)雜性和高維度性等特征，采用MI 理論方法進(jìn)行特征選擇[28]，將篩選后剩余有用特征進(jìn)行PLS建模。MI 是衡量相關(guān)性的參數(shù)，可以反映特征變量之間的任意關(guān)系，有助于定量分析。