综述：物证溯源研究进展：分析技术与化学计量学算法的集成框架

《Results in Chemistry》：Advances in physical evidence traceability: An integrated framework of analytical techniques and chemometric algorithms

　　

物证溯源技术能够生成防篡改、易验证且高效的信息。这些属性对于维护司法公正与强化社会治理具有基础性意义，因此已成为重要研究热点。该综述旨在促进不可篡改证据链的构建，并实现责任主体的准确识别。文章系统阐述了物证溯源的概念基础、技术价值、运行原理、核心适用设备的优势与局限，以及其典型应用场景。同时，还探讨了关键化学计量学算法的数学基础，包括主成分分析（PCA）、支持向量机（SVM）和随机森林（RF）。通过分析多种不同情境下的溯源案例，研究提出了一个经过实践验证的多维度集成技术框架。该框架可为未来类似案件中的方法选择提供参考。最后，文章讨论了当前面临的关键挑战，并展望了具有前景的未来研究方向。

1. Introduction

本文围绕物证溯源技术的发展脉络、核心设备、数据分析方法及实际应用展开综述，指出随着司法实践和社会治理复杂性的上升，传统依赖宏观形态识别和专家经验判断的物证分析模式，已难以满足痕量、复杂、易受环境干扰证据的高精度溯源需求。研究强调，物证溯源的本质在于借助先进分析仪器提取物证内部稳定、客观、难以篡改的微观化学指纹，并通过化学计量学与机器学习方法实现多源数据的判别、降维、分类与归因，进而补强或重建司法证据链。文章进一步指出，该领域已进入跨学科融合与规模化应用并行发展的关键阶段，但仍面临仪器灵敏度与抗干扰能力受限、多平台异构数据融合困难以及高端设备基层部署成本高等现实问题；同时，统计证据表达的校准不确定性不足，以及黑箱模型在司法可采性与对抗鲁棒性上的缺陷，也成为制约实际采用的高阶瓶颈。

1 Definition and significance of physical evidence traceability

本部分首先界定物证、痕迹物证与物证溯源的基本概念。文章认为，物证是依赖其外部特征、空间位置及材料属性证明案件事实的客观对象或痕迹，而痕迹物证则往往具有微量、隐蔽、不易被犯罪行为人察觉但信息密度高的特点。此类证据虽然体量微小，却常能反映行为过程中的物质与能量交换，因此在案件重建、因果链确认和责任划分中具有特殊价值。物证溯源不同于传统静态物证分析，其核心在于利用光谱、质谱、同位素比分析等科学技术解码隐藏于证据中的微观信息，并将其与法律事实进行因果关联。文章指出，物证溯源的重要意义不仅在于补充证据链、提升司法活动的规范性与可信度，也在于通过技术手段提升社会治理效能，例如用于火灾责任判定、食品安全追责、环境污染企业识别等。最后，作者从需求角度强调，物证溯源必须建立在样品组分表征和“化学指纹”构建的基础上，而这一过程依赖于高精度仪器对元素组成、分子结构、同位素丰度和微观形貌的综合刻画。

1.4 Research Trends in physical evidence traceability

文章通过文献和专利数据分析了2010—2024年物证溯源技术的发展态势。结果表明，相关论文数量整体持续增长，但增速近年有所放缓；与之相对，专利数量则在近几年快速上升，显示该领域正由“学术扩张期”转向“应用转化期”。从结构上看，环境与食品领域长期占据主导地位，在论文与专利增量中贡献显著，说明这两个领域既是技术成熟度较高的应用场景，也是产业化最活跃的方向。相比之下，矿物溯源、火灾调查和刑事法庭科学等方向仍处于方法积累和场景拓展阶段。论文与专利比值的提高则说明基础研究体系逐渐成熟，研究重心开始向应用验证、系统集成和产业部署转移。

2 Equipment for tracing and analysing physical evidence

本章系统总结了物证溯源的核心仪器平台，强调单一设备通常只能获取样品某一维度的信息，而实际案件往往需要多平台联合，以建立元素、分子、同位素及形貌特征之间的多尺度关联。

2.1 Inductively Coupled Plasma Mass Spectrometer (ICP-MS)

ICP-MS 是痕量元素测定中发展最快的技术之一，其优势在于超高灵敏度、多元素同步检测、高分析效率以及同位素比测量能力。文章介绍了其基本工作流程：液体样品经雾化后进入高温氩等离子体中电离，离子随后进入质谱系统并被检测，最终转化为待测元素浓度。该技术尤其适用于环境污染源追踪、枪击案件中的铅同位素比对、食品产地判别和矿石来源识别等场景。与此同时，作者也指出其局限性，包括设备与维护成本高、复杂基体易造成信号抑制、样品需充分溶解且难以直接分析挥发性形态信息等。因此，ICP-MS 虽然是元素和同位素层面最关键的溯源工具之一，但在方法选择时仍需结合资源条件与样品性质综合判断。

2.2 Gas Chromatography-Mass Spectrometer/Isotope Ratio Mass Spectrometer (GC–MS/IRMS)

GC–MS/IRMS 主要面向挥发性和半挥发性有机化合物的识别及稳定同位素比分析。GC–MS 通过色谱分离复杂混合物后，利用质谱提供分子离子峰和碎片信息，从而完成结构鉴定与定量分析；GC-IRMS 则在此基础上进一步实现化合物特异性同位素测量。文章详细说明了样品前处理、色谱分离、离子化、质量分析和数据解析等过程，并指出 GC–MS 适用于环境污染物、毒品杂质、爆炸残留和食品成分分析，而 GC-IRMS 则在污染来源区分、食品真实性溯源及法庭科学归因中具有独特价值。两者联合时，前者提供分子组成信息，后者提供地理或工艺来源信息，能够显著增强证据链的科学性。

2.3 Liquid Chromatography-Mass Spectrometer/Isotope Ratio Mass Spectrometer (LC-MS/IRMS)

LC-MS/IRMS 适用于热不稳定、极性强或高分子量化合物的分析。文章指出，LC-MS 依赖液相色谱分离与质谱高灵敏检测，能够对复杂样品中的目标化合物进行高通量定性定量分析，并通过多级质谱获得结构信息；LC-IRMS 则通过在线湿法氧化等接口将分离后的化合物转化后进行同位素测量，尤其适合氨基酸、糖类、有机酸等非挥发性化合物的¹³C/¹²C分析。作者将其应用概括为食品掺假识别、水体污染物筛查、地下水硝酸盐来源判定等。该部分强调，LC-MS 更偏向广谱化合物分析平台，而 LC-IRMS 是针对特定同位素示踪任务的专用工具，两者在物证溯源中具有明显互补关系。

2.4 Scanning Electron Microscope—Energy Dispersive Spectrometer (SEM-EDS)

SEM-EDS 将电子显微成像与X射线能谱分析结合，可同时提供样品表面微观形貌和元素组成信息。文章说明，电子束与样品相互作用可产生二次电子、背散射电子和特征X射线，其中EDS通过记录特征峰位置与强度完成元素定性与半定量分析。该技术在塑料颗粒、枪击残留、玻璃碎片和熔融金属痕迹等物证中尤其重要，因为它能够识别微区元素分布和形貌特征，从而帮助区分来源或形成机制。其不足主要在于样品制备要求较高、轻元素检测能力有限、表面几何形貌会影响定量结果，因此更适合作为微区快速筛查与形貌—元素联合判别工具。

2.5 X-Ray Fluorescence Spectrometer (XRF)

XRF 以无损、快速、多元素同时检测为核心优势，特别适合现场筛查和固体样品组成分析。其原理是高能X射线轰击样品后引发内层电子跃迁，样品释放具有元素特征的次级X射线，通过能量和强度分析实现元素定性定量。文章认为，XRF 在矿物组成分析、沉积物污染追踪、土壤残留比对以及犯罪现场快速筛查中应用广泛，尤其便携式XRF（pXRF）显著提高了现场取证效率。但其对轻元素不敏感，且受样品粒径、形状和基体效应影响较大，因此在高精度分析中常需与 ICP-MS 等方法交叉验证。

2.6 Laser-Induced Breakdown Spectrometer (LIBS)

LIBS 通过高能脉冲激光烧蚀样品表面形成等离子体，并采集退激发发射光谱，实现快速元素分析。文章强调，该技术无需复杂前处理、适用于固液气多种样态样品、可现场实时检测，因而在爆炸残留、金属物证、宝石和矿物来源判别等方面具有突出潜力。其局限在于受基体效应影响显著、对部分轻元素和超痕量成分灵敏度不足，因此更适合作为快速筛查和空间分辨分析手段，而非单独承担高精度定量任务。

2.7 Fourier Transform Infrared Spectrometer (FTIR)

FTIR 基于分子振动对红外辐射的选择性吸收，可获得样品的官能团和化学键指纹信息。文章介绍了干涉仪、傅里叶变换和 ATR 等关键工作模式，指出 FTIR 在纤维、塑料、爆炸物、表面残留和文书油墨等样品识别中具有无损、快速和化学特异性强的优势。对于复杂混合物，还可结合差谱、二维相关光谱或热裂解联用方式提升解析能力。不过，FTIR 易受水分干扰，空间分辨率有限，对痕量元素和超微尺度样品的适应性较弱，因此更适合分子结构层面的快速分类与辅助确认。

3 Methods for Analysing physical evidence traceability Data

本章从方法论层面讨论了化学计量学在物证溯源中的核心作用。作者指出，物证分析所得数据通常具有高维、噪声、多源异构和强相关等特征，难以直接服务于司法归因，因此必须依赖数学、统计学和计算机科学工具进行信息提取与模式建模。文章回顾了化学计量学从传统实验设计和单变量统计，逐步发展到多元校正、模式识别、动态过程建模和多模态数据融合的过程，并强调其在药物来源分析、爆炸残留判别、土壤与涂料碎片匹配等任务中的价值。文中重点介绍了主成分分析（PCA）、偏最小二乘回归（PLSR）、层次聚类分析（HCA）、软独立建模分类法（SIMCA）、支持向量机（SVM）等经典方法的数学原理与适用场景，同时延伸至随机森林（RF）和卷积神经网络（CNN）等机器学习、深度学习模型。整体上，这些方法分别承担降维、分类、回归、异常检测、多源特征学习和自动模式提取等任务，为高维物证数据向可解释证据结论的转化提供了统计基础。

4 Analysis of the Application of Evidence Tracing Technology in Actual Cases

本章从火灾事故、刑事案件、食品安全、环境污染和矿产资源五类典型场景出发，总结了多技术协同的实际应用模式。文章指出，在火灾调查中，熔珠、炭化物、液体残留和电气痕迹等需结合 SEM-EDS、ICP-MS、GC–MS、GC-IRMS、LIBS 和 FTIR 等进行联合分析，以判定起火原因和可燃物来源；在刑事案件中，枪弹、毒品和爆炸残留的来源确认依赖元素、分子与同位素多维证据融合；在食品安全中，GC–MS、LC-MS 和 ICP-MS 主要用于化学残留追踪，而 FTIR 与 XRF 适于识别异物及混合污染；在环境案件中，水、土、气污染分别可通过化学示踪、同位素分析、水文模型和颗粒物元素指纹等方法实现污染源定位；在矿物资源溯源中，ICP-MS、XRF、铅同位素分析及 SEM 等共同构建“地质指纹”体系，用于矿区级别来源判别。基于这些案例，作者提出多层级集成框架，包括样品与保管层、仪器分析层和数据融合层，以支持低层、中层和高层融合，增强物证归因的稳健性和可审计性。

5 Summary and Outlook

总结部分认为，物证溯源技术正在推动司法证据分析由经验判断向数据驱动验证转型，其本质是以微观组分分析补充宏观证据链，并通过多设备、多算法、多尺度融合实现更加可靠的责任认定。文章指出，当前已形成以 ICP-MS、GC/LC-IRMS、SEM-EDS、XRF、LIBS、FTIR 为核心的多技术体系，并与 PCA、PLSR、SVM、RF、CNN 等模型深度耦合，显著提升了物证识别和来源判别能力。然而，该领域仍面临设备灵敏度与抗干扰能力有限、成本高、基层推广难、多源数据难融合等问题，同时还存在司法证据表达中不确定性量化不足、黑箱模型可解释性不够和法律可采性风险等深层瓶颈。面向未来，作者主张从四个方向推进：一是发展更高灵敏度和更低成本的便携式设备；二是构建云端协同与联邦学习支持的智能分析平台；三是发展多模态神经网络和区块链支撑的数据治理体系；四是将可解释人工智能、不确定性量化和对抗鲁棒性测试纳入法庭科学标准流程。最终目标是建立“每一条痕迹均可追溯、每一项溯源结论均可验证”的智能化证据技术生态。