在水环境和水处理工艺过程中，溶解性有机物（DOM）扮演着举足轻重的角色。它们可作为反应物、产物或介体密切参与各个生物或化学过程，也可广泛影响混凝、吸附、膜分离等界面理化过程。DOM是污水处理全过程的亲历者，是工艺状态的晴雨表，更是海量信息的携带者，对诊断、解译和掌控工艺动态至关重要。以DOM为抓手，通过对其理化/生化性质进行多维度的快速监测和深度挖掘，将为污水处理工艺的敏捷诊断、靶向优化和智能调控提供全新的支撑，符合大数据时代污水厂智慧运行的必然趋势。
DOM传统测试方法往往繁琐耗时；相比之下，荧光光谱快捷、灵敏、选择性强、信息量大，极具开发价值。然而以往人们在分析DOM谱图时挖掘的信息极为有限，主要局限于峰形貌、波长和主成分信息，近30年来在方法学上鲜有进展。为此，中国科学院大学肖康团队基于荧光和统计学原理，从光谱中深度挖掘与光子激发/弛豫/耗散/发射等内在过程有关的成套指标（量子产率、激发能级、荧光寿命、Stokes位移等），建立与DOM理化/生化性质之间的联系，并用于指示水处理工艺过程，为基于DOM的多维度监测开拓新思路（图1）。
荧光光谱的基本原理
荧光基团吸收光后，电子被激发至高能态，经过一系列的能量损耗行为之后（振动弛豫、内部转化和其它非辐射损耗），回到基态并释放荧光（图2）。此过程的激发波长、发射波长和量子产率等性质因荧光基团的结构和化学环境不同而不同，导致荧光指纹各异。DOM成分复杂，蛋白片段（如色氨酸和酪氨酸侧链）和腐殖质片段（如多酚结构）通常具有较高的荧光活性，多糖往往由于与不饱和基团杂合（如微生物代谢产物中的糖蛋白），也携带一定荧光片段。在不同的激发和发射波长下扫描荧光强度，即得到强度-波长-波长的三维指纹图谱。在经过一系列的数学预处理（如扣除纯水背景、剪除散射杂音、校正内滤效应、拉曼单位标准化等），可进而提取荧光峰位置、峰强度、峰强度比值、荧光波长区域分布等基本信息，荧光主成分、荧光主因子等进阶信息，以及激发态能级、Stokes位移、量子产率、荧光寿命等与能量有关的深层信息（图3）。
荧光指纹指示DOM的理化/生化性质
亲疏水性、带电性和分子量是影响DOM分子间相互作用的三大基本性质，分别通过疏水作用、静电作用和空间效应影响DOM和污染物及环境介质之间的界面过程，例如吸附、相分配和传质等。这些性质的常规测定方法往往繁琐费时。例如亲疏水性常用DAX树脂层析法测定，将DOM分离得到亲/疏水酸/中/碱性组分，并通过层析柱的临界保留因子衡量所得组分的相对亲疏水程度。带电性往往与酸碱基团的解离常数有关，往往需要通过酸碱滴定或zeta电位测定。分子量则需要通过凝胶排阻色谱或逐级超滤等方法测定。能否通过荧光指纹，简便快捷地反映DOM的这些性质呢？
团队发现，DOM亲/疏水酸/碱组分在荧光图谱中存在特征指纹区，疏水组分倾向于在Stokes位移较高的区域发出荧光信号。随着疏水程度的增高，荧光指纹的重心向高Stokes位移的方向移动（图4A）；随着分子量的增大，荧光指纹的重心则向高激发或发射波长的方向移动。提出Stokes位移和荧光比强度分别指示亲疏水性和分子量，在不同污水厂呈现统计学普遍规律（图4BC）。表观量子产率也与亲疏水性存在显著关系。此外，提出表征可生化性、可同化性等DOM生化性质的荧光指标。通过生物可同化性的荧光响应，揭示了生化性质与亲疏水性和分子量之间的交叉关系。
荧光指纹指示DOM的迁移转化规律
在污水处理工艺中，从进水到出水，DOM经历泥水分配、微生物代谢、膜截留等过程，与微生物、微气泡、膜、共存胶体及溶质之间发生理化和生化作用。团队提出荧光商（FQ）+非参数统计学检验的方法，用以建立DOM迁移转化规律与荧光光谱的映射关系。学术界沿用已久的 Chen et al. 2003（Environ. Sci. Technol. 37: 5701-5710）经典图谱只划定了基于物质成分（蛋白、腐殖酸、富里酸等）的特征区间，而团队研究则新增了基于物质功能的分区图谱（图5），从光谱特征波长区域快捷读取污染物降解、EPS相分配、膜污染等行为特征。这为DOM结构与功能的综合表征提供了更丰富的视角。
荧光指纹指示水处理工艺及其他环境过程
荧光光谱指纹由于能够灵敏地反映DOM的时空变化特征和迁移转化规律，可用于指示水处理工艺动态及其他环境过程。例如在膜法水处理工艺中，研究团队将荧光指纹用于揭示污染物性质与微/超滤过程的相关性、污染物组分对纳滤膜污染的交互贡献等方面，在膜生物反应器中指示膜污染潜势的动态变化趋势（图6），并进一步实现了荧光指纹的在线监测。荧光光谱所反映的规律得到红外、XPS、高分辨质谱等方法的佐证，在分子机制层面具有合理性。研究团队还将荧光指纹扩展用于大气颗粒物有机成分的源解析、青藏高原污染示踪及湿地功能解析等方面，为水、大气和生态的多圈层综合监测提供新的思路。
小结与展望
研究团队以水处理系统中无处不在的溶解性有机物（DOM）为切入点，基于荧光统计原理，从光谱中挖掘可用于指示DOM理化/生化特征的指纹信息，扩充了水质指标维度，期望能够为未来水处理过程的智能监测提供方法学基础。实际上荧光光谱中蕴含的海量信息还有很多值得探索，如何将其充分挖掘利用，为大数据时代的水质监测添砖加瓦，值得我们期待。
参考文献
Xiao, K.; Shen, Y.X.; Liang, S.; Tan, J.H.; Wang, X.M.; Liang, P; Huang, X. Characteristic regions of the fluorescence excitation-emission matrix (EEM) to identify hydrophobic/hydrophilic contents of organic matter in membrane bioreactors. Environ. Sci. Technol. 2018, 52, 11251-11258.
Xiao, K.; Han, B.J.; Sun, J.Y.; Tan, J.H.; Yu, J.L.; Liang, S.; Shen, Y.X.; Huang, X. Stokes shift and specific fluorescence as potential indicators of organic matter hydrophobicity and molecular weight in membrane bioreactors. Environ. Sci. Technol. 2019, 53, 8985-8993.
Wang, S; Li, Y.; Xiao, K.; Huang, X. Fluorescence excitation-emission matrix as a novel indicator of assimilable organic carbon in wastewater: Implication from a coal chemical wastewater study. Sci. Tot. Environ. 2022, 804, 150144.
Xiao, K.; Liang, S.; Xiao, A.H.; Lei, T.; Tan, J.H.; Wang, X.M.; Huang, X. Fluorescence quotient of excitation–emission matrices as a potential indicator of organic matter behavior in membrane bioreactors. Environ. Sci. Water Res. Technol. 2018, 4, 281-290.
Yu, J.L.; Xiao, K.*; Xu, H.; Qi, T.; Li, Y.T.; Tan, J.H.; Wen, X.H.; Huang, X. Spectroscopic sensing of membrane fouling potential in a long-term running anaerobic membrane bioreactor. Chem. Eng. J. 2021, 426, 130799.
本文总结了中国科学院大学肖康副教授团队近年的研究成果。肖康副教授凭借《基于荧光指纹数据挖掘的水中有机质多维度监测方法》获得了2021年度“首创水星奖”科学创新类金奖。
“首创水星奖”由国际水协会中国青年委员会（IWA YWP China Chapter）与北京首创生态环保集团股份有限公司（原“北京首创股份有限公司”）联合创立，旨在推进中国水与环境领域青年科技人才开展创新基础研究、核心技术开发与产学研融合，推动并引领水与环境产业技术进步和跨越升级。
肖康
个人简介：中国科学院大学资源与环境学院副教授，中科院青年创新促进会会员，北京燕山地球关键带国家野外科学观测研究站骨干。2012年毕业于清华大学，获环境科学与工程博士学位。从事水环境过程与水污染控制方面的研究，包括有机物光谱指纹分析、污水处理与资源化、膜分离技术与原理、污染与传质数学模型等。担任《Frontiers of Environmental Science & Engineering》、《Frontiers in Environmental Chemistry》、《Membranes》及《膜科学与技术》期刊编委。在《Environmental Science & Technology》、《Water Research》、《Journal of Membrane Science》等期刊发表论文100余篇，其中第一/通讯作者50余篇，总引4000余次，参编膜生物反应器行业标准2部。主讲中科院《环境数据分析导论》、《环境数据的统计学分析方法》、《环境计算毒理》等课程。
联系方式：kxiao@ucas.ac.cn