从湿化学到便携式近红外：面向生物质预处理的高通量稳健成分建模

《Journal of Chemometrics》：From Wet Chemistry to Portable NIR: Robust High-Throughput Compositional Models for Biomass Pretreatment

本项研究针对传统湿化学法测定木质纤维素生物质化学成分存在的高耗时、高成本和低通量等瓶颈问题，引入了一种基于便携式近红外光谱的稳健化学计量学框架。研究人员通过建立“基质保护性”增密策略，结合外部参数正交化等光谱预处理技术，成功开发了针对甘蔗渣经加压溶剂分馏处理后产物中纤维素、半纤维素和木质素含量的高精度定量预测模型。该工作为生物质预处理过程的实时、高通量组分监测提供了有效工具，相关成果发表在《Journal of Chemometrics》上。

　　

想象一下，你手边有一杯甘蔗榨汁后剩下的残渣，它看似无用，实则是一座蕴含纤维素、半纤维素和木质素的“宝库”。如何将这些“宝贝”高效、清洁地分离出来，转化为生物燃料和高值化学品，是当今生物炼制领域的核心挑战。这个分离过程被称为“预处理”，其效果直接决定了后续转化的效率和成本。然而，要想实时、准确地知道预处理后固体里还剩多少纤维素、半纤维素和木质素，却是个令人头疼的难题。传统的“湿化学”分析方法虽然准确，但步骤繁琐、耗时漫长、消耗大量化学试剂，就像用天平来称量高速流水线上的产品一样，完全跟不上现代工业对快速、高通量过程监控的需求。

近红外(NIR)光谱技术带来了曙光。它快速、无损，能“看一眼”就获得样品的化学信息。但新的问题随之而来：如何让便携式、小体积的近红外光谱仪在复杂的工业环境下依然保持分析的准确和稳定？特别是生物质样品千变万化的水分含量，就像给光谱信号蒙上了一层“面纱”，严重干扰了对目标成分的识别。此外，有限的真实样品数量也限制了模型的预测范围和稳健性。为了解决这些棘手问题，由Fábio R. M. Batista等人开展的研究，在《Journal of Chemometrics》上发表了一项创新工作，他们成功构建了一套用于生物质预处理固体成分分析的稳健、高通量近红外化学计量学模型。

为了开展这项研究，作者团队采用了几个关键的技术方法。首先，他们利用加压溶剂分馏(PSF)技术，在间歇和连续两种模式下，使用水/乙醇溶剂处理甘蔗渣，制备了一系列化学成分跨度广泛的固体样品。其次，他们创造性地引入了“基质保护性增密”策略，即并非混合纯化学品，而是将已表征的预处理固体样品进行物理混合，并系统调控其水分含量(4–25 wt% d.b.)，从而在有限原料基础上极大地扩展了校准数据集的范围和代表性。光谱采集则使用便携式MicroNIR 1700ES光谱仪在908–1676 nm波段进行。在数据分析方面，研究综合运用了Savitzky-Golay导数、标准正态变量变换(SNV)、均值中心化以及专门用于消除水分干扰的外部参数正交化(EPO)等多种光谱预处理技术。模型构建与验证则基于偏最小二乘(PLS)回归，并采用了SPXY算法、随机子集以及基于混合样品的校准等多种策略来确保模型的稳健性和普适性。

研究结果

3.1 NIR光谱

研究共生成了包含原始样品和混合样品在内的164个样本数据集。分析发现，908–1100 nm波段主要受样品颜色和散射等物理效应影响，与化学成分的化学信息关联较弱，因此在校准模型中予以排除。而在1100 nm以上的波段，可以观察到与纤维素、半纤维素和木质素中C-H、O-H等官能团振动相关的特征吸收。研究特别指出，水分在近红外区域有强烈的吸收峰，其光谱特征与目标成分的信号严重重叠，是校准中的关键干扰因素。对比同一样品在不同水分条件下的光谱（经Savitzky–Golay一阶导数处理）可以明显看到水分引起的谱图变化。

3.2 校准与验证PLS模型

3.2.1 木质素模型

木质素模型的优化预处理组合为二阶Savitzky–Golay导数（7点窗口）+ SNV + EPO。EPO的应用成功去除了与水分相关的光谱方差，将潜在变量(LV)数量从7-8个降至4-5个，同时将交叉验证均方根误差(RMSECV)从约3.5 wt%降至约3.0 wt%。模型在多种验证策略下均表现出高性能，预测均方根误差(RMSEP)在3.2–3.5 wt%之间，预测决定系数R_p²约为0.96，偏差可忽略不计。

3.2.2 纤维素模型

纤维素模型的最佳预处理为二阶Savitzky–Golay导数（7点窗口）+ SNV + 均值中心化，需5-6个LV，RMSECV约3.7 wt%。尝试引入EPO并未带来显著改善，表明在该数据集中纤维素含量与水分无系统性的共变关系。研究识别出多个高灰分样品为异常值，其存在会因增强光散射而显著降低模型预测性能。剔除异常值后，模型表现稳健，RMSEP在3.6–4.1 wt%之间，R_p²约为0.94。

3.2.3 半纤维素模型

半纤维素模型最初需要较多LV(7个)，RMSECV较高(约2.7 wt%)。由于半纤维素亲水性强，与水分含量共变，应用EPO（2个主成分）后，LV降至5-6个，RMSECV大幅降低至约1.3 wt%，且预处理中不再需要SNV。模型表现出优异的预测能力，RMSEP为1.1–1.5 wt%，R_p²高达约0.98。高灰分样品同样被识别为异常值。

3.2.4 水分模型

尽管水分不是主要研究目标，但专为水分建立的PLS模型也表现出良好性能，最佳预处理为二阶Savitzky–Golay导数（7点窗口）+ SNV + 均值中心化，需5个LV，RMSEP为1.1–1.5 wt%。

3.2.5 多因变量PLS回归

研究尝试了同时预测三种成分(PLS2_3vars)及再加入水分(PLS2_4vars)的多因变量PLS模型。结果表明，与单一成分的优化模型相比，多因变量模型需要更多LV，且RMSEP更高。这证明为每个成分单独优化建立的模型是更优的选择，因为不同成分和水分的最佳表征存在于不同的潜在空间中，强行共用一组LV会导致性能妥协。

3.2.6 X载荷分析与预测潜在空间评估

对单一成分模型第一潜在变量(LV1)的X载荷进行分析发现，木质素、纤维素和半纤维素模型的载荷谱在主导峰、谷分布及相对强度上均有明显差异。这表明每个模型捕获了光谱空间中不同的、成分特异性的变化方向，而非共享的全局信号，从而在化学层面上证实了各模型独立表征特定成分的能力。

研究结论与意义

本项研究成功地开发并验证了一套基于便携式近红外光谱仪的稳健化学计量学框架，用于高通量预测经加压溶剂分馏预处理的甘蔗渣固体中纤维素、半纤维素和木质素的含量。研究的核心创新与结论在于：首先，提出的“基质保护性增密”策略，通过混合已表征的真实预处理样品并系统控制水分，有效扩展了校准集的范围和代表性，克服了真实样品数量有限的瓶颈。其次，系统应用并证明了外部参数正交化(EPO)在消除水分对木质素和半纤维素模型干扰方面的有效性，显著降低了模型复杂度，提高了校准稳健性。最终建立的单一成分PLS模型表现出高预测精度：木质素(RMSEP 3.2–3.5 wt%， R_p²≈ 0.96)、纤维素(3.6–4.1 wt%， R_p²≈ 0.94)和半纤维素(1.1–1.5 wt%， R_p²≈ 0.98)，且模型复杂度适中(4-6个LV)。研究还明确比较了多因变量与单因变量建模策略，确认了针对特定成分单独校准的优越性。

这项工作的重要意义在于，它将便携式NIR光谱仪的应用从实验室推向了更具挑战性的工业过程监控场景。通过解决水分干扰、样本代表性和模型稳健性等关键问题，该研究为生物质预处理过程的实时、在线质量控制和工艺优化提供了强有力的分析工具。所建立的框架和方法学不仅适用于甘蔗渣，也为其他木质纤维素原料的快速表征提供了可借鉴的路径，有助于推动生物炼制行业向更高效、更智能、更可持续的方向发展。