《Sustainability》:The Education–Sustainability Paradox: Asymmetric Associations Between Human Capital Expansion and Social and Environmental Sustainable Development Goals
编辑推荐:
微塑料(Microplastics, MPs)被广泛认为是淡水环境中的新污染物。其鉴定通常依赖大量样品前处理与化学消解,增加了分析时间、试剂消耗及资源占用。因此,亟需可在尽量减少样品处理前提下实现可靠MPs检测的可持续分析方法。本研究提出一种以高光谱成像(Hy
微塑料(Microplastics, MPs)被广泛认为是淡水环境中的新污染物。其鉴定通常依赖大量样品前处理与化学消解,增加了分析时间、试剂消耗及资源占用。因此,亟需可在尽量减少样品处理前提下实现可靠MPs检测的可持续分析方法。本研究提出一种以高光谱成像(Hyperspectral Imaging, HSI)为基础的分析流程,作为淡水中MPs直接鉴定的概念验证方法。研究人员采集自三条不同河流的含异质天然物质水样,加标三种常见聚合物MPs(粒径250–1000 μm):高密度聚乙烯(High-Density Polyethylene, HDPE)、聚苯乙烯(Polystyrene, PS)和聚丙烯(Polypropylene, PP),以模拟真实污染场景。HSI采集波段为短波红外(Short-Wave Infrared, SWIR: 1000–2500 nm)。研究人员对数据进行光谱预处理与主成分分析(Principal Component Analysis, PCA)探索,并建立层次偏最小二乘判别分析(Hierarchical Partial Least Squares-Discriminant Analysis, Hi-PLS-DA)模型对五类目标——天然物质、水、HDPE、PS和PP进行分类。尽管样品复杂,该流程取得了满意的分类效果,预测类别图及相应统计指标(灵敏度Sensitivity、特异度Specificity、精确率Precision和F1值F1-score均为0.900–0.999)证明了这一点。结果表明,基于SWIR-HSI的方法有望成为淡水中MPs直接、快速、可持续鉴定的手段,并为需最少样品前处理的MPs快速筛查策略提供方法学参考。
基于短波红外高光谱成像与层次偏最小二乘判别分析的淡水中微塑料直接检测研究解读
该研究发表于《Sustainability》期刊。当前水生生态系统中塑料废物积累是紧迫环境问题,其中微塑料(Microplastics, MPs;定义:粒径小于5 mm的塑料颗粒)因持久性、广泛分布及对环境与人体健康的潜在影响受到高度关注。淡水系统是陆地源MPs输运入海的关键通道,兼具汇集与动态传输功能,其中表层漂浮MPs是评估河—海塑料碎屑转移的重要组分。然而相比海洋体系,淡水环境分析特别是适合快速可持续监测的方法仍较欠缺。现行MPs鉴定标准流程需过滤、密度分离、酶/化学消解后再用傅里叶变换红外光谱(Fourier-Transform Infrared Spectroscopy, FTIR)或拉曼光谱鉴定,虽可提供可靠化学信息,但耗时、需大量前处理、具操作者偏差且试剂消耗大,不利于大规模监测的可持续性与成本效益。非破坏性光学检测技术中,高光谱成像(Hyperspectral Imaging, HSI)可同时获取空间与光谱信息,已在农业、回收及环境领域应用,已有研究探索HSI检测沙、土、水中的MPs,但直接在不经前处理与颗粒分离的复杂真实淡水样中应用仍有限且具挑战性。为此,研究人员在实验室尺度下开发基于短波红外(Short-Wave Infrared, SWIR: 1000–2500 nm) HSI结合化学计量学的流程,以加标HDPE、PS、PP的意大利三条河流真實水样为对象,建立层次偏最小二乘判别分析(Hierarchical Partial Least Squares-Discriminant Analysis, Hi-PLS-DA)模型,考察复杂淡水基质中直接识别MPs的可行性,并与联合国可持续发展目标(Sustainable Development Goals, SDGs)理念相契合。
为开展研究,研究人员采集意大利Sisto河、Aniene河和Po河新鲜淡水样品(含不同程度悬浮天然植物残屑等天然物质),经体视显微镜检查确认无非加标MPs后,手动加标粒径250–1000 μm的商品来源粉碎HDPE、PS、PP颗粒模拟污染。使用推扫式SWIR-HSI系统(1000–2500 nm, 空间分辨率150 μm/像素)分别采集仅含天然物质与水样的校正集高光谱图像,以及含孤立MPs颗粒的独立图像共同构建校正光谱库;另采集独立加标MPs的验证集水样高光谱图像。去除噪声波段后依次进行标准正态变量变换(Standard Normal Variate, SNV)、平滑(Smoothing)、一阶导(Gap Segment 1stDerivative)及均值中心化(Mean Center)预处理,用主成分分析(Principal Component Analysis, PCA)探索五类(水、天然物质、HDPE、PS、PP)光谱可分性,据此设计三级Hi-PLS-DA分层模型(Rule 1区分MPs与非MPs,Rule 2区分天然物质与水,Rule 3区分三种聚合物),采用Venetian Blind法(窗口10)交叉验证选潜变量数(Latent Variables, LVs),引入未分类(Not Classified, NC)类(Q残差或Hotelling T2超阈值),最终以预测类别图及像素级灵敏度(Sensitivity)、特异度(Specificity)、精确率(Precision)、F1值评估性能。
3.1. Average Reflectance Spectra and Exploration Analysis Results
研究人员对比各类平均原始反射光谱发现:天然物质在约1200 nm、1400–1500 nm和1900–2000 nm具O-H振动相关吸收;水在约1200 nm和1400 nm有吸收带且长波区反射低平;HDPE于1210 nm(C-H二级倍频)、1390/1420 nm(C-H组合)、1730/1750 nm(C-H一级倍频)有特征峰;PS于1140 nm、1210 nm、1700 nm及2100/2150/2200 nm(芳香族C-H组合区)有特征;PP于1210/1220 nm、1420 nm、1700/1730 nm有特征。经不同预处理组合后的PCA显示:Rule 1(全局MPs vs 非MPs) PC1+PC2累计93.12%,天然物质+水与三种MPs呈明显分簇;Rule 2(天然物质 vs 水) PC1解释99.09%,二者沿PC1正负分开;Rule 3(三种聚合物间区分) PC1+PC2累计83.26%,HDPE、PS、PP各居不同象限,1700 nm附近及2000–2500 nm区对三聚合物区分贡献大。表明可依据光谱逐步可分性构建分层分类结构。
3.2. Hi-PLS-DA Model Structure
基于PCA规律,研究人员构建三级Hi-PLS-DA:Rule 1(预处SNV+平滑+均值中心)输出"非MPs(天然物质+水)"与"MPs(HDPE,PS,PP)"分支;Rule 2(同预处理)在"非MPs"分支细分天然物质和水;Rule 3(预处SNV+Gap Segment一阶导+均值中心)在"MPs"分支细分HDPE、PS、PP,各节点PLS-DA模型经交叉验证确定LVs数。
3.3. Classification Results
验证集预测类别图与真值图对比可见模型能正确识别悬浮MPs并区分聚合物类型及天然物质,随基质复杂度增加(Sisto<Aniene<Po)误分略增但主要限于颗粒边缘像素(因空间分辨率限制致光谱混合及水体强吸收部分掩盖聚合物信号)。统计上校正值与交叉验证灵敏度、特异度达0.926–1.000,其中Rule 1两指标>0.992,Rule 3校准与交叉验证均达1.000;外部验证集平衡后各分类灵敏度、特异度、精确率、F1值为0.900–0.999,证实分层策略有效抑制基质干扰,误分主要位于边界。
讨论部分指出,该SWIR-HSI结合化学计量学与分层建模的工作证明可不经过滤、密度分离、消解等前处理直接在含天然物质的真实淡水中识别HDPE、PS、PP微塑料,拓展了此前仅限纯水或简单基质的研究。水体基质会在1000–1400 nm和1850–2100 nm区修饰聚合物光谱,但分层Hi-PLS-DA通过逐步决策降低干扰;边界混合像元及高复杂度样品(如Po河)中生物黏泥等增强光谱干涉致局部误分。局限含未涵盖更小颗粒(<250 μm)、老化/生物膜附着MPs、更多聚合物类型与颜色等,未来需拓展。该方法减少试剂与人力消耗,符合SDG 9(产业创新与基础设施)、SDG 14(水下生物)、SDG 15(陆地生态)精神。
结论翻译:本概念验证研究表明,在含悬浮天然物质的受控条件下,SWIR-HSI联合层次化学计量学方法可对淡水中加标选定MPs(HDPE、PS、PP)直接鉴别,能在无样品前处理情况下区分不同聚合物类型。颗粒边界处的分类误差反映了光谱混合、水体信号修饰及基质异质性的影响,但足够光谱差异被保留以供模型分类。虽属实验室尺度的概念验证,结果为发展复杂淡水基质中需极少前处理、快速且环境可持续的MPs鉴定分析方法提供了有用参考。后续需拓展至更小粒径、更广聚合物类型与形态、环境风化MPs及自然污染条件下的基质—颗粒相互作用评估。