从腐殖质分级的UV指纹到消毒副产物（DBP）形成的在线监测：将天然有机物（NOM）的紫外响应与氯化过程相关联

《Water Research X》：Mapping the UV response of natural organic matter to chlorination: From fraction-resolved fingerprints to operational monitoring of DBP formation

饮用水消毒过程中，氯化作用会与天然有机物（NOM）反应生成大量消毒副产物（DBPs），如三卤甲烷（THMs）和卤乙酸（HAAs），其预测一直是水处理领域的关键难题。当前主流的紫外吸收波长（A254）指标在不同水源中性能不稳定，难以有效预测DBPs的种类（尤其溴代产物）。本研究结合HPSEC-DAD-OCD分馏技术与数据驱动的波长聚类方法，从腐殖质（HS）的差示吸收光谱（DAS）中识别出四个非冗余的紫外波长（220、252、290、362 nm），分别对应芳香结构活化、电子转移发色团和共轭体系漂白等氯化过程关键信息。将多波长模型（MWL4）应用于独立水厂的实际监测，显著提升了对THM4和TCM的预测精度（R2CV分别达到0.90和0.85），对A254几乎无法预测的溴代DBPs和HAAs也实现了中等但有意义的相关性（R2CV= 0.47–0.58）。这为基于化学机制的DBP风险在线评估提供了新思路，有望用于实际水厂的运行监控。

　　

在自来水厂，为了让水变得安全无菌，普遍都会向原水中投加氯进行消毒。然而，这看似简单高效的一步，却暗藏着一场看不见的化学反应。水中的天然有机物（NOM）遇到氯之后，会产生一系列意想不到的产物——消毒副产物（DBPs）。其中，三卤甲烷（THMs）和卤乙酸（HAAs）是最主要、也最受严格监管的两种，因为它们被证实具有潜在的致癌性。因此，如何准确预测并控制DBPs的生成，保障饮用水安全，是水处理行业面临的一项持久挑战。

长期以来，水处理工程师和科学家们都在寻找一个能准确预测DBPs的“指示灯”。最常用的指标是254纳米处的紫外吸光度（A₂₅₄），它操作简单，能大致反映水中有机物的总量，特别是芳香性成分。但这个“指示灯”并不那么可靠。首先，它在不同来源的水（比如水库水和河水）中预测效果差异很大，常常“水土不服”。更重要的是，它是一个单一、笼统的值，无法告诉我们最终生成的DBPs是哪种“口味”——是含氯多的，还是含溴多的？要知道，溴离子的存在会大幅改变DBPs的种类，使其毒性变得更强。面对A₂₅₄的“力不从心”，我们需要一套更精细、更能揭示反应本质的监测方法。

这项发表在《Water Research X》上的研究，正是为了解决这个难题。研究人员认为，关键在于深入观察NOM在氯化过程中的“微观”变化。他们把目光投向了腐殖质（HS），这是地表水中最主要、反应活性也最强的NOM组分。研究团队提出一个核心思路：与其盯着单一波长，不如看看整个紫外光谱在加氯前后的“整体变化”，从中找出能代表不同化学反应的关键“指纹”区域。他们利用一种名为“高效尺寸排阻色谱-二极管阵列-有机碳检测器（HPSEC-DAD-OCD）”的先进分析技术，可以先将水样中的NOM按分子量大小“分门别类”，再单独对HS组分进行详细观察。通过比较加氯前后HS组分的紫外光谱差异，得到了“差示吸收光谱（DAS）”，这能更直接地反映HS中哪些能吸收紫外光的结构（发色团）被氯攻击、改变了。

然而，紫外光谱在200-400纳米范围内有成百上千个数据点，相邻波长信息高度重复，直接使用既复杂又冗余。为此，研究人员引入了一个巧妙的数据分析工具——层次聚类分析。他们将所有波长根据其DAS变化的相似性进行分组，结果发现，无论水源是富含溴离子的河流水，还是低溴的水库水，这些波长总能稳定地聚集成四个不同的光谱“家族”。每个家族选出一个代表，就得到了四个关键波长：220纳米、252纳米、290纳米和362纳米。这四个波长不再是任意选择的，它们各自携带了互补的化学信息：220纳米对极性取代基效应敏感；252纳米与芳香环的电子转移带相关，反映“活化”的芳香结构被消耗；290纳米可能与多环或杂环芳香结构有关；而362纳米则对应高分子量、高度共轭的腐殖大分子，其吸收减弱意味着大分子被氧化分解成小碎片。这四个波长共同构成了一幅描述NOM氯化反应的“多维度化学画像”。

为了验证这套“指纹”能否用于实际水厂的日常监测，研究团队进行了关键的“实战检验”。他们将这四个波长对应的吸光度值，从“分馏级”的复杂测量，转移到常规的、针对“全水样”的批量紫外光谱测量上。然后，用来自第四个独立水厂（l'Ampolla水厂）的80个样品数据，建立并测试了多波长预测模型。结果令人振奋：这个包含四个波长的模型（MWL4）在预测最常见的三氯甲烷（TCM）和总三卤甲烷（THM₄）时，预测精度（R²_CV）分别高达0.90和0.85，远优于单一波长A₂₅₄（0.77和0.75）。更值得一提的是，对于以往用A₂₅₄几乎完全无法预测的溴代三卤甲烷和卤乙酸，新模型也展现出了中等但有意义的预测能力（R²_CV= 0.47–0.58）。这表明，通过组合多个波长，模型能够捕捉到那些与溴代副产物生成更为相关的NOM反应性特征，部分克服了溴离子在紫外区“隐身”带来的预测瓶颈。

这项研究的重要意义在于，它架起了一座连接“基础机理”与“实际应用”的桥梁。从化学机制出发，通过分馏技术和数据挖掘，识别出反映NOM氯化反应本质的光谱特征；又证明这些特征可以简便地转化为对全水样的测量，从而具备了在水厂在线实施的可能。它为水处理行业提供了一个更精准、更具化学洞察力的DBP风险预警工具，有望推动DBP控制从“事后检测”的被动模式，转向“实时预测与调控”的主动模式，为保障饮用水安全迈出了坚实的一步。

关键研究方法概览

本研究综合运用了多种技术。首先，水样采集自三家全规模自来水厂，涵盖水库和河流两种不同溴离子水平的水源。核心分析技术是高效尺寸排阻色谱-二极管阵列-有机碳检测器（HPSEC-DAD-OCD），用于将天然有机物（NOM）按分子量分馏，并重点分析腐殖质（HS）组分。通过测定氯化前后的样品，获得差示吸收光谱（DAS）。利用层次聚类（Ward法）和Calinski-Harabasz指数对HS的DAS数据进行数据挖掘，以识别非冗余的波长。消毒副产物形成潜力（DBP-FP）通过标准氯需求测试获得，并使用气相色谱-质谱联用（GC-MS）分析三卤甲烷（THMs）、液相色谱-串联质谱（LC-ESI-MS/MS）分析卤乙酸（HAAs）。最后，基于聚类得到的波长，对全水样紫外吸光度数据建立多元线性回归（MLR）模型，并采用10折交叉验证评估其预测性能。

研究结果

1. 水质表征

对不同水厂处理流程的常规水质参数和NOM分馏结果进行分析。结果显示，三家水厂的原水溶解性有机碳（DOC）和A₂₅₄初始值相近。混凝/絮凝（C/F）是去除NOM的关键步骤，但不同水厂和不同处理单元（如活性炭滤池的新旧程度）的去除效率差异显著。氯化后，A< />和DOC均下降，表明NOM结构被氯改变。NOM分馏证实HS是地表水中最主要的组分，且在氯化后其DOC占比下降，而低分子量（LMW）组分增加，说明HS是氯化反应的主要反应物。

2. 消毒副产物（DBPs）分布

对三卤甲烷（THM₄）和卤乙酸（HAA₉）形成潜力（FP）的分析显示，DBP的组成高度依赖于水源。水库水厂（Montfullà和Cardedeu）的DBP以氯化物种为主，如三氯甲烷（TCM）、二氯乙酸（DCAA）和三氯乙酸（TCAA）。而河水厂（Abrera）由于原水溴离子浓度高，DBP以溴代物种为主，如三溴甲烷（TBM）和溴代卤乙酸。这凸显了溴离子对DBP形态的决定性作用。4 and HAA₉) determined for process samples collected along the treatment trains of the three DWTPs">

3. 腐殖质（HS）氯化诱导的差示吸收

通过HPSEC-DAD-OCD技术，重点观察了HS组分在氯化前后的紫外吸收变化。计算得到的差示吸收光谱（DAS）显示，氯化导致整个紫外波段的吸收减弱，但不同波段的减弱幅度不同，表明HS中不同的发色团对氯的反应性不同。DAS在波长和洗脱时间两个维度上均有变化，提示不同分子量亚组分的反应性也可能存在差异。

4. 波长相关性研究与层次聚类

对HS的DAS数据进行波长间相关性分析，发现相邻波长高度相关，而较远波长（如<242 nm与>280 nm）之间相关性较弱甚至为负，表明存在局部冗余和跨区域互补的信息。基于此，采用Ward法的层次聚类分析，并结合Calinski-Harabasz指数确定最优聚类数为4，在三种不同水源的水厂数据中均一致识别出四个光谱域，其中心波长分别为220、252、290和362纳米。

5. DAS衍生光谱特征与DBP形成潜力的关联

通过多元线性回归（MLR）分析光谱描述符与DBP-FP的关系。比较了单一波长DAS（272 nm）、多波长DAS（四个中心波长）和氯化前多波长吸光度。结果表明，对于THMs的预测普遍优于HAAs。在水库水厂，氯化前的多波长吸光度与DAS表现相当甚至更好；而在成分更复杂的河水厂（Abrera），基于DAS的多波长描述符关联性更强。这为实际操作中根据水源复杂性选择使用原始吸光度或DAS提供了依据。

6. 基于批量紫外吸收的DBP形成预测建模

在一家独立水厂（l'Ampolla）的批量水样数据上验证了多波长方法的实用性。建立的多元线性回归模型显示，采用四个波长（220, 252, 290, 362 nm）的多波长模型（MWL4）在10折交叉验证中，对所有被测DBPs的预测性能均显著优于传统的单波长模型（A₂₅₄和A₂₇₂）。特别是对于三氯甲烷（TCM）和总三卤甲烷（THM₄），预测精度大幅提升（R²_CV分别达0.90和0.85）。对于单波长模型几乎无法预测的溴代物种和卤乙酸，MWL4模型也达到了中等但有意义的预测精度（R²_CV= 0.47–0.58）。观测值与预测值的对比图清晰地显示了模型的优越性。4 and (c) HAA₉obtained using the multiwavelength bulk UV absorbance model (220, 252, 290 and 362 nm). The dashed line represents the 1:1 relationship.">

研究结论与意义

本研究成功开发了一个数据驱动框架，用于识别能预测消毒副产物（DBP）形成的紫外波长。该框架基于对天然有机物（NOM）中腐殖质（HS）组分氯化诱导光谱变化的分析，并通过批量吸光度测量验证了其应用于实际监测的可行性。

核心结论是，通过对HS的差示吸收光谱（DAS）进行层次聚类，能够跨越不同水源和水厂处理工艺，稳定地识别出四个非冗余的光谱域，其中心波长位于220、252、290和362纳米。这四个波长分别捕获了氯化过程中芳香结构活化、电子转移发色团响应和共轭体系漂白等互补的化学信息，构成了反映NOM反应性的“光谱指纹”。

将这四个波长应用于批量水样的紫外吸光度数据，所构建的多波长预测模型（MWL4）的性能全面超越了传统的单波长指标（A₂₅₄）。该模型不仅显著提升了对氯代三卤甲烷（如TCM）的预测精度，更关键的是，它对以往难以预测的溴代消毒副产物和卤乙酸也实现了有意义的预测能力。这解决了传统方法因溴离子“光谱隐身”而无法预测DBP形态的关键短板。

这项研究的重要意义体现在三个方面：机理与应用结合：它从分子水平（HS组分的光谱变化）揭示了NOM氯化反应的特征，并将这些特征转化为可用于全水样监测的实用指标。预测性能突破：多波长模型克服了单波长指标A₂₅₄的局限性，实现了对DBP总量和形态更全面、更准确的预测。操作可行性：所选波长均在商用在线紫外传感器的检测范围内，且模型基于易于获取的批量光谱数据，为未来在水处理厂部署实时、在线的DBP风险预警系统提供了坚实的技术基础和清晰的实施路径。这有望推动饮用水安全管理从依赖离线检测的被动模式，向基于实时预测的主动调控模式转变。