由于基体分子的影响而错误计数微塑料：优化天然淡水系统中微塑料的识别与定量方法

《Environmental Science: Processes & Impacts》：Miscounting microplastics as a result of matrix molecules: optimizing identification and quantification of microplastics in natural freshwater systems

微塑料采样方法优化研究：针对淡水系统提出乙醇处理结合过滤的新流程，验证其低损失（<1%）和低污染特性，发现植物蜡等基质导致光谱误识别，需调整FTIR数据库和AI训练集以提高准确性。

　　

微塑料已成为环境化学研究的重要焦点；在过去十年中，微塑料的采样范围从海洋和大型湖泊扩展到了污水处理厂、内陆湖泊和河流等区域。这些地方由于样品基质更为复杂和富集，给环境采样带来了诸多挑战。本研究重点介绍了用于微塑料样品处理的各种方法，测试了一种新的方法论方法，以应对美国明尼苏达州一系列内陆湖泊中发现的样品基质问题，并分析了傅里叶变换红外光谱（FTIR）数据以及天然基质材料（如植物蜡和鸟羽毛）在氧化处理后可能出现的库识别错误。具体而言，新方法论方法采用了乙醇来处理富含脂质的有机物质，并在芬顿氧化（Fenton oxidation）后增加了一个过滤步骤，以将残留的塑料与较小的粘土基质材料分离，同时避免了使用酶进行消化处理。该方法通过一系列颗粒回收测试和方法空白实验得到了验证，结果显示颗粒损失极少或没有损失，且样品几乎没有发生破碎或变色。进一步测试证实，该方法的污染水平很低或可以忽略不计。我们发现，在样品处理过程中植物蜡材料并未被去除，且在数据库搜索中常被误识别为塑料聚合物。然而，我们观察到这些天然基质材料与塑料之间存在细微的光谱差异，这可能需要调整数据库或补充训练数据集，以便人工智能能够更准确地识别塑料。总体而言，这项研究开发出了一种灵活的样品处理流程，能够确保在各种环境环境中对微塑料污染进行可靠和准确的评估。