引言
在石油污染相关的环境监测、污染控制及法律执行工作中,石油法医鉴定发挥着至关重要的作用。一个有详细记录的案例研究展示了如何将分析化学、环境科学以及数据解读相结合,从而追踪石油衍生污染物的来源、成分及其变化过程。在环境事故中确定污染源时,这种方法尤为有用,因为通过对比环境样本与疑似污染源的化学特征,可以准确识别污染来源,为监管执法、责任认定以及治理规划提供依据。
2020年6月8日,加拿大拉布拉多省波斯特维尔附近发生了起来源不明的石油泄漏事故,该地点距离凯波科克湾约40公里,位于哈皮谷-古斯湾东北方向180公里处。波斯特维尔位于拉布拉多北部努纳齐亚武特地区的海岸线上,是一个规模较小的因纽特人社区,其偏远的亚北极环境为北方生态学和地球化学研究提供了理想的场所。这里的居民依靠狩猎和捕鱼等传统生计方式生活,这些活动与当地的环境条件紧密相关。空中巡查发现水面上及沿岸有大约2,000至3,000升的油污,油膜覆盖了波斯特维尔附近的水域并蔓延到了岸边,这让当地居民担心这会对野生动物和海洋生态系统造成影响。初步调查显示,这次泄漏并非来自陆地上的储油罐或垃圾场。后续调查将重点放在前一天向波斯特维尔运送燃料的一艘可疑油轮上,研究人员进行了空中勘察,并采集样本用于化学特征分析。
石油是由烃类和含杂原子的化合物组成的复杂混合物,包括烷烃、环烷烃、烯烃和芳香烃,以及含有氧、硫、氮和磷的成分(Stout & Wang, 2007)。在石油法医分析中,传统的石油特征分析方法是通过气相色谱仪与质谱仪联用,分析各类诊断性化合物,研究它们的分布情况,并计算由此得出的诊断比率。常用的诊断性化合物包括正构烷烃、支链烷烃和环烷烃、多环芳烃及其烷基化衍生物,还有萜烯类和甾烷类等生物标志物(Wang et al., 2016, Yang et al., 2014)。由于这些化合物相对稳定且具有特定的来源分布特征,因此能为确定污染源提供重要信息。除此之外,由于炼制过程的影响,双环倍半萜烯和金刚烷类在喷气燃料和中等馏分燃料中含量通常较高(Yang et al., 2009, Yang et al., 2012)。与碳数相近的正构烷烃相比,这类化合物更耐生物降解,因此在缺乏高环数生物标志物时,可作为重要的污染源识别指标(Stout et al., 2005, Yang et al., 2009, Yang et al., 2012)。另外,单环和三环芳香甾烷类比烷烃和多环芳烃更耐风化和生物降解(Wang et al., 2016),它们在重油和润滑油中含量较高,而在轻质精炼产品中则几乎不存在。正因为如此,这些额外的标志物在石油法医鉴定中越来越受到重视(Wang et al., 2016, Yang et al., 2009, Yang et al., 2012)。
尽管石油特征分析技术已经得到很大发展,但当仅能使用传统的GC/MS仪器时,在实际泄漏事故调查中的应用仍面临诸多挑战。首先,大多数研究都集中在萜烯类、甾烷类和多环芳烃等传统生物标志物上,而像双环倍半萜烯、金刚烷类和芳香甾烷类这类较少使用的化合物的诊断价值尚未得到系统评估,尤其是在实际泄漏事故中的精炼石油产品分析方面。其次,对于柴油和煤油等轻质及中等馏分燃料来说,确定污染源往往较为困难,因为这些燃料中的高分子量生物标志物含量较低或完全缺失,这限制了传统分析方法的有效性(ECCC Oil Database 2021)。第三,目前还缺乏能够将多种类别的生物标志物与多元统计技术相结合的整合框架,以便更好地区分化学性质相似的污染源。
随着计算机技术的不断发展,随机森林、支持向量机以及梯度提升等强大的机器学习算法被引入到石油来源分类工作中,这些算法在分类石油来源方面表现出了优异的性能(Silva et al., 2025, Kang et al., 2025)。此外,主成分分析、层次聚类分析和正交偏最小二乘判别分析等化学计量学方法与机器学习相结合,也被用来分析烃类分布,从而在传统单变量比率分析的基础上进一步提升污染源识别的准确性(Hashemi Halvaei, 2024, Mali et al., 2022)。最近的研究进一步发展了这些技术,通过直接对原始的GC-MS色谱数据应用深度学习和集成学习方法,提高了分析结果对风化作用的抗干扰能力,同时减少了对专家解读的依赖(John, 2026)。与此同时,超高效质谱技术等高分辨率分析手段,使得人们能够识别出新的生物标志物,其中包括一些传统的GC分析方法无法检测到的极性化合物和含杂原子化合物(Liu et al., 2023, Lima et al., 2025)。虽然这些技术提升了分析能力,但由于数据获取难度大以及高端仪器成本高昂,其在实际泄漏事故调查中的应用仍然受到限制。
波斯特维尔的石油泄漏事故涉及多种可能的污染源,包括汽油、煤油、柴油、舱底水以及润滑油。如此多样的污染源大大增加了法医鉴定工作的难度,尤其是对于那些难以区分且容易发生快速风化的轻质到中等精炼程度的石油产品来说(Yang et al., 2012, Yang et al., 2014)。对靠近极地或亚极地地区的原住民社区附近的石油泄漏事件进行科学研究,对于当地的海洋保护以及区域政策制定具有重要意义。
为了解决这些难题,研究人员使用传统的GC分析技术对环境和污染源样本进行了全面分析,检测了一系列目标化合物,包括总石油烃、饱和烃和芳香烃组分、未分离的复杂混合物、正构烷烃、多环芳烃、其烷基化衍生物,以及萜烯类、甾烷类、双环倍半萜烯、金刚烷类和芳香甾烷类等更多种类的石油生物标志物。由于没有经过认证的参考标准,研究结果是在数据集范围内进行半定量分析的。研究人员还运用主成分分析和层次聚类分析等多元统计工具,结合诊断性生物标志物的比率,进一步强化了污染源的判定。这种综合性的分析方法不仅提高了污染源识别的准确性,还为未来的石油泄漏事故调查提供了有力的法医分析支持,有助于环境监测、事故处理以及责任追究等工作。
Zeyu Yang|Keval Shah|Bruce P. Hollebone|Chun Yang|Patrick Lambert|Graham Thomas|Blain Trainor|Vanessa Beaulac