《Talanta》：Principles, performance and emerging trends for different optical detection of environmental microplastics: A review
编辑推荐：
本文系统综述了光谱学和荧光检测技术在微塑料（MPs）分析中的应用，比较了拉曼光谱、红外光谱与荧光染料（如罗丹明）的原理、优势及局限性，探讨了机器学习在光谱数据处理中的提升作用，并评估了碳点等新型荧光材料的环境追踪潜力。
Ji Liu|Haiying Du|Xing Zhu
生态环境部土壤与水污染协同控制与联合修复重点实验室，成都理工大学生态与环境学院，中国成都610059
摘要
微塑料（MPs）作为一种新兴污染物，来源于多种来源，并在各种环境介质中积累，对生态系统和人类健康构成潜在风险。由于光学检测技术具有高灵敏度、准确性、环保性、高效性、非破坏性和高特异性，因此已成为分析微塑料的主要且有效的方法。本文系统总结了微塑料光学检测的最新进展，重点关注两种主要的方法途径：光谱检测和基于荧光的检测方法。对于光谱方法，具体讨论了拉曼光谱和红外光谱的原理、优势、局限性及实际应用。此外，还强调了机器学习（ML）增强型光谱方法在提高微塑料识别准确性和光谱数据处理效率方面的显著贡献。在基于荧光的检测方法中，全面概述了利用尼罗红（NR）等荧光染料在不同环境条件下检测微塑料的策略，以及为提高灵敏度和抗干扰能力而设计的新型染料的最新进展。同时，还批判性地评估了碳点（CDs）和碳氮材料作为特定微塑料识别和环境行为追踪的荧光标记物的独特优势。通过比较各种方法的检测原理、实际性能、优势和局限性，为微塑料检测技术的持续优化和环境监测的精确性提供了理论支持和方法指导。
引言
微塑料（MPs）被认定为一种新兴的环境污染物，定义为环境中直径小于5毫米的塑料碎片[1]。它们的特点是体积小、数量庞大且难以生物降解。在2015年举行的联合国环境大会第二次会议上，微塑料与气候变化和臭氧层损耗一起被确定为重大的全球环境挑战。
微塑料广泛分布于各种环境介质中，具有多样的形态特征[2]。在水生生态系统中，微塑料主要以纤维状和碎片形式存在，浓度较高[3]。对巴塞罗那大都会区42个邮政编码区域的自来水进行的定量分析显示，聚异戊二烯是主要聚合物类型，其浓度高达9143 ng/L[4]，这表明微塑料在水生环境中的丰富存在。随着合成纺织品的广泛使用，纤维状微塑料成为大气环境中的主要形态[5]。长距离大气传输机制使得微塑料能够跨越边界进入海洋生态系统和偏远山区[6][7][8]。在法国比利牛斯山脉，一项大气沉降调查显示，每天每平方米的微塑料沉降量可达366个颗粒[9]。土壤也面临类似的挑战[10]，据估计全球农业用地已积累了150万至660万吨微塑料[11]。物理化学风化和生物相互作用共同驱动了微塑料在土壤基质中的动态变化，包括颗粒破碎和表面改性[12]。随着颗粒移动性和生态毒理特性的发展，这些变化使得污染评估和修复工作变得更加复杂。这些无处不在且多变的微塑料不仅对生态系统造成严重危害，还会通过吸入、摄入、皮肤接触和生物累积进入人体[13][14]，对人类健康构成多方面的风险。值得注意的是，微塑料还可能加速病毒中抗生素抗性基因的传播[15]，进一步加剧了对人类健康的多种威胁。因此，迫切需要开发高效、快速的微塑料检测方法。
传统的微塑料检测方法存在显著局限性（表1）。基于颜色和反射特性的目视检查容易产生误差[16][17]。热分析可以确定成分，但由于高温降解而耗时且具有破坏性[18][19][20][21]。电化学分析虽然灵敏，但在特定聚合物的识别和表征方面仍存在困难[22]。光学检测利用物质特有的光谱或荧光特征来解析分子结构、键和官能团，比目视检查具有更高的准确性[23]，灵敏度更高，准备工作更少，同时保持样品完整性，且无需复杂的实验室设施，而电化学技术则需要这些条件[24]。实证研究包括对热水中塑料杯释放的微塑料（主要是聚乙烯（PE）和聚酰胺）的拉曼定量分析，浓度高达每升1.293×10^6个颗粒[26]，以及使用微傅里叶变换红外光谱（μ-FTIR）检测人体肺组织中的约4微米微塑料（以纤维状和碎片形式存在）[27]，这些研究共同证明了光学检测在微塑料分析中的强大潜力。
尽管光学检测方法在识别微塑料方面具有巨大潜力，但目前仍缺乏专门针对两种主要光学方法（光谱检测和基于荧光的检测方法）的系统综述。大多数现有综述仅简要介绍了传统光谱方法，忽略了最近的技术进展，如光谱与机器学习（ML）的结合以及基于荧光方法的应用和发展。因此，本文重点讨论光谱检测和基于荧光的检测方法，系统比较了它们的原理、优势和局限性。特别关注了最近的技术改进和跨学科发展，旨在为未来的研究和实际应用提供有价值的见解。在光谱检测方法部分，我们批判性地回顾了拉曼光谱和红外光谱的原理、优势、局限性及相关应用，并进一步强调了相关改进技术在这些方法中的应用，包括不同光谱方法的组合和基于ML的光谱方法。在基于荧光的检测部分，我们重点介绍了尼罗红（NR）染色策略，以及其他新兴荧光染料的性能。此外，还系统总结了碳点（CDs）和碳氮材料在特定微塑料识别和环境行为追踪方面的突破性进展。
通过全面比较不同方法的原理、性能、实际应用和挑战，本文填补了微塑料光学检测领域系统综述的空白，为研究人员提供了方法选择、应用限制分析和未来发展的路线图。旨在推动微塑料光学检测向更高灵敏度、更高特异性、更好实用性和更强智能性的方向发展，最终支持微塑料污染的精确监测和有效管理。
研究热点
研究热点
通过使用“MPs检测”、“光学检测”、“光谱”和“荧光”等关键词分析2015-2025年Web of Science上的文献，在CiteSpace中生成了一个关键词共现网络，揭示了微塑料分析中光学检测方法的应用热点。
如图1所示，“污染”、“积累”、“环境”和“识别”等关键词的频繁出现凸显了人们对这一问题的日益关注
光谱检测方法
近年来，由于光谱检测方法具有高灵敏度和化学特征识别能力，已成为微塑料分析的核心方法。其中，拉曼光谱和红外光谱是最广泛应用的两种方法，每种方法都有其独特的原理、优势、局限性和适用范围。以下部分详细介绍了这两种光谱方法在微塑料识别中的应用及其最新进展
基于机器学习的光谱检测方法
作为人工智能的一个主要分支，机器学习（ML）因其智能和高效的数据处理能力而受到环境科学研究人员的广泛关注。通过从数据中学习模式，ML能够预测和分析未知样本。其复杂的算法推断能力使其能够处理复杂的环境数据集，有助于快速分析大量微塑料的光谱数据，从而促进微塑料的快速识别
基于荧光的检测方法
除了光谱检测方法外，基于荧光的检测方法也成为微塑料光学分析的重要补充，提供了高灵敏度和可视化识别能力。通过使用与微塑料表面相互作用的荧光染料或材料，这些方法能够在复杂环境中快速准确地检测微量微塑料。以下部分总结了荧光染料染色原理、应用及最新进展
光学检测方法的比较
对各种光学检测方法的全面比较旨在系统地对比它们的核心性能、优点、缺点和适用场景（表3）。这种比较为解决不同环境基质、颗粒大小范围和分析目标下的微塑料检测挑战提供了明确的决策参考。
如表3所示，不同方法表现出不同的互补性能
结论与展望
光学检测方法作为微塑料分析的核心分析方法，在识别和环境样品中定性表征微塑料方面发挥着关键作用，因为它们具有高灵敏度、非破坏性和聚合物识别能力。本文系统地阐述了两种主要的光学检测方法：光谱检测和基于荧光的检测，涵盖了它们的基本原理、应用、优势、局限性及最新进展
CRediT作者贡献声明
Ji Liu：撰写——原始草稿、可视化、验证、研究。Haiying Du：撰写——审稿与编辑、监督、方法论、研究。Xing Zhu：方法论、数据管理、概念化
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文的研究工作。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文的研究工作。
致谢
本工作得到了成都经济开发区（龙泉驿区）应用基础研究项目（成都经济开发区新分支合同（2022）编号34-11）和成都理工大学研究生创新培养计划（2025BJCX-LS039）的财政支持。
