【摘要】 虽然成像技术近年来受到越来越多的关注，拉曼光谱学已被公认为鉴别和塑料成分分析的最有效的方法之一。

作为新出现的污染物，微塑料是具有挑战性的特点，特别是当他们的尺寸是在纳米级。虽然成像技术近年来受到越来越多的关注，拉曼光谱学已被公认为鉴别和塑料成分分析的最有效的方法之一。然而，分析微塑料和纳米塑料与拉曼光谱学，特别是拉曼成像，可能是困难的，由于一些挑战。首先，拉曼成像通常处理一个大数据集(即，一个包含数百或数千拉曼信号数据的光谱矩阵)。为了说明，扫描包含100 × 100像素的区域产生10,000组光谱，每组光谱包含在一系列波数(例如 -200至3700cm-1)上记录的强度数据阵列。所有这些高光谱数据构成了一个包含多个维度(强度、波数和空间坐标)的光谱矩阵。高维度常常给提取重要的微塑性信息带来麻烦。其次，自发拉曼效应通常较弱，因此限制了所收集的信号数据的强度。信号的这种固有弱点突显了提高信噪比的重要性，例如减少频谱背景，特别是对环境样本而言。第三，用于拉曼分析的样品制备可能很复杂。从环境成分中分离目标粒子是一项艰巨的任务，往往导致去除干扰(例如，某些有机物和粒子)不够充分。此外，塑胶内共存的成分，例如颜料或染料、塑胶表面形成的生物膜，以及因风化/老化而衍生的表面基团，可能透过大幅修改拉曼光谱或完全掩蔽聚合物信号而对理解拉曼数据造成阻碍。

有几种方法可以提高拉曼分析的有效性。例如，通过优化光学结构改进拉曼光谱仪的设置可以显著提高信噪比[1]。为了提高信号质量，还考虑了一些样品制备技术。数据解释是另一个重要方面，从统计学的角度来看，与单一拉曼光谱的数据相比，由拉曼成像本身产生的大型矩阵数据集提供了更高的信噪比[2]。近几十年来，利用化学计量学对复杂的光谱矩阵进行解码和分析，逐渐成为自动化和机器学习领域的研究热点。

 

  • Fan, X.-G.; Zeng, Y.; Zhi, Y.-L.; Nie, T.; Xu, Y.-J.; Wang, X. Raman Spectrosc. 2021, 52, 890– 900,  DOI: 10.1002/jrs.6065
  • Fang, C.; Sobhani, Z.; Zhang, X.; McCourt, L.; Routley, B.; Gibson, C. T.; Naidu, R.Water Res. 2021, 194, 116913  DOI: 10.1016/j.watres.2021.116913

本文所有内容文字、图片和音视频资料，版权均属科学指南针网站所有，任何媒体、网站或个人未经本网协议授权不得以链接、转贴、截图等任何方式转载。

最后，祝大家科研顺利！如果你想获取更多关于科研干货或是测试相关问题，可以扫码咨询下哦~