采用聚酰胺复合纳滤膜(DF30, 北京碧水源)进行膜污染试验, 膜孔径0.61 nm, 透水系数为(1.30~2.74)× 10^-6 m· s^-1· bar^-1。 采用恒压错流过滤的模式在室温条件下运行纳滤装置, 原水为某城市污水处理厂的微滤膜出水, 总有机碳(total organic carbon, TOC)为3~4 mg· L^-1, 电导率为500~700 μ S· cm^-1。 纳滤过程中跨膜压差维持为0.5 MPa, 膜表面错流速率为12 cm· s^-1, 初始膜通量为6 L· (m²· h)^-1。 通过Darcy定律计算膜过滤阻力

R=ΔPμJ(1)

式(1)中R为膜过滤阻力(m^-1), Δ P为跨膜压差(Pa), μ 为水的粘度(Pa· s), J为膜通量(m· s^-1)。

在30 d的运行过程中, 先后采取12个不同时间点的污染膜样品, 采样时间点分别为3, 6和12 h, 及1, 2, 4, 6, 8, 10, 15, 20和30 d。 污染纳滤膜样品经过干燥后, 进行红外光谱测定及其他理化、 生化性质表征。

膜样品的红外光谱测量采用美国Thermo Nicolet 公司的Nicolet 5700衰减全反射傅里叶变换红外光谱(attenuated total reflectance-Fourier transform infrared spectroscopy, ATR-FTIR)仪器, 分辨率为4 cm^-1, 扫描范围400~4 000 cm^-1。 X射线光电子能谱分析(X-ray photoelectron spectroscopy, XPS)采用美国Thermo Fisher Escalab 250Xi型电子能谱仪, 用于测定污染层中的元素组成和键合情况^[4]。 三磷酸腺苷(adenosine triphosphate, ATP)的荧光检测采用BacTiter-Glo^TM Microbial Cell Viability Assay (Promega)试剂盒, 用于表征污染层中的生物学特性^[13]。

红外吸收(峰强度)的数据呈现在以膜污染时间和红外波数张开的二维表格中, 运用SPSS 16.0软件对数据进行聚类分析、 主成分分析以及对应分析。

纳滤膜运行过程中膜过滤通量和阻力的变化情况如图1所示。 膜通量和阻力是膜污染情况的外在直观体现。 经过30 d的运行, 膜通量下降了33%, 可见由于污染物在膜表面累积, 纳滤膜发生了较为严重的污染。 在这30 d中, 膜污染经历了由轻到重的过程, 但是由于膜通量的下降速率及阻力的上升速率没有明显的变化, 仅根据图1曲线难以直接辨别膜污染的不同阶段, 更是无从概括膜污染的分阶段特征。 为此, 红外光谱有望为污染层化学性质的变化提供重要参考信息。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 纳滤膜过滤通量和阻力随时间的变化Fig.1 The variation of permeate flux and resistance of nanofiltration (NF) membranes with operating time

不同污染时间的纳滤膜样品的傅里叶变换红外光谱如图2所示。 膜样品红外光谱的吸收峰主要集中在560~1 760 cm^-1之间, 可以看出污染膜样品与空白膜有明显区别, 1 050和1 740 cm^-1附近的吸收峰差异尤其明显, 很可能是空白膜上聚酰胺的特征峰^[14]。 但是在不同的污染膜样品之间, 红外图谱的差别则较为细微, 难以通过肉眼观察准确区分。 随着污染时间的延长, 1 240和1 490 cm^-1附近的峰值存在一定的衰减趋势(与时间显著相关, Spearman相关系数分别为-0.896和-0.912), 有可能对应腐殖酸的吸收峰^[15], 但仍然很难据此区分膜污染的特征阶段。 红外光谱信息的进一步挖掘, 可通过聚类分析等多元统计分析方法进行尝试。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 不同污染时间纳滤膜样品的红外光谱Fig.2 ATR-FTIR spectra of NF membranes fouled after different fouling time

在存在多个样本和多个变量的情况下, 聚类分析能够根据样本特点, 将样本概括为若干类别, 以样本与样本之间的距离(或相似性)作为聚类的依据, 距离最近的优先聚为一类。 本研究以不同时间的污染膜作为样本, 以不同波数下的红外吸收作为变量, 对红外数据进行聚类分析。

2.3.1 样本间距离的度量

欧式距离是度量样本之间距离的常用指标, 第i个样本和第j个样本之间的欧式距离表达为

Dij(Eu)=[∑k=1p(xik-xjk)2]1/2(2)

式(2)中x_ik是指第i个样本在第k个波数下的红外吸收, 每个样本的红外图谱由p个波数来描述。 式(2)表示的即为p维空间中两个点的欧式距离。 本研究中, 原始的红外数据共有14 936个波数值, 即p为14 936。 利用红外的原始数据, 首先计算在14936维空间中, 不同时间的污染膜样品与空白样品(未污染膜)之间的欧式距离, 初步查看膜污染红外特征随时间变化的大致规律, 如图3所示。 从图中可见, 不同样品之间表现出一定的变化趋势。 除空白膜外, 3 h~8 d的膜样品较为接近, 10~30 d的样品较为接近, 而8~10 d之间似乎存在膜污染阶段的大致分界线。 从整体上看, 欧式距离的阶段性差异, 说明膜表面有机污染物的性质发生了变化。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 污染膜与空白膜之间的红外光谱欧式距离、 标准化欧式距离和主成分分析欧式距离随时间的变化Fig.3 The Euclidean distance, normalized Euclidian distance and Euclidean distance based on principal component analysis between fouled membranes and virgin membrane based on ATR-FTIR spectra

由污染膜样品的原始红外图谱(图2)可见, 不同波数的特征峰吸光度差别较大, 因此在计算欧式距离时各峰所占权重不同, 影响计算结果。 采用标准化欧式距离对各峰权重校正如式(3)

Dij(Eu* )=∑k=1pxik-xjksk21/2(3)

其中s_k是指第k个波数下红外吸收在各样本之间的标准差。 标准化欧式距离在欧式距离的基础上消除了量纲, 考虑了p维空间中各维数据的分布离散度不同对欧式距离计算的影响, 其计算结果如图3所示。 与欧式距离的曲线相比, 仍然是3 h~8 d的样品较为接近, 10~30 d的样品较为接近, 但其中20 d的样品与10和15 d的差距缩小, 而与30 d样品的差距增大。 这表明各峰权重对20和30 d样品的欧式距离计算结果有较大影响, 利用标准化欧式距离能对这方面的影响进行修正。

2.3.2 主成分分析和对应分析对距离的优化

在红外图谱中一种有机物可能同时存在多个官能团的特征峰, 例如1 650和1 550 cm^-1处分别为酰胺Ⅰ 和酰胺Ⅱ 的特征峰^[6], 这两种官能团均存在于蛋白质中, 因此当蛋白质的含量发生变化时, 酰胺Ⅰ 和酰胺Ⅱ 的吸光度会出现同增或同减的情况, 即红外图谱中部分峰与峰之间可能存在相关性, 导致计算欧式距离时各维度之间不独立。 为排除峰之间相关性对样本之间距离计算的干扰, 有两种改进方法: 一是将标准化欧式距离改进为马氏距离, 用峰之间的协方差或相关系数对标准化欧式距离进行校正; 二是进行压缩降维, 采用主成分分析提取各峰之间的独立主成分, 再根据主成分数值计算样本间的标准化欧式距离。 在计算马氏距离的过程中, 为保证相关系数矩阵满秩, 变量数量应小于等于样本数量, 由于纳滤膜样本共有13个(空白膜+12个时间点的膜样品), 所以能够纳入分析的峰最多为13个, 远小于实际的特征峰数量, 在计算过程中信息丢失较为严重。 因此不考虑采用马氏距离的方法, 而采用主成分欧式距离的方法。

主成分分析是一种有效的数据降维方法, 能够将原始的多个变量线性组合成一组有效而独立的新变量(即一组主成分), 仅用部分主成分就可高效率地保留原有变量的主要信息, 而且由于主成分之间严格正交(独立), 避免了自变量间相关性对欧式距离计算的干扰。 从红外光谱提取总共23个特征吸收峰的吸光度值, 计算峰之间相关系数矩阵的特征值, 以特征值大于1作为主成分的遴选标准。 最终提取出两个主成分, 其方差累积贡献率达到94.5%, 损失的信息仅5.5%。 因此, 利用主成分分析将23维的信息压缩为2维, 这两个主成分就能概括原始数据的大部分信息内容, 不存在严重的信息丢失。 利用得到的主成分结果计算欧式距离如式(4)

Dij(PC)=[∑k=1q(yik-yjk)2]1/2(4)

其中q为主成分数量, y_ik为第i个样本在第k主成分上的标准化得分(由SPSS软件给出)。 基于主成分的欧式距离计算结果如图3所示。 从图中可见, 3 h~8 d的膜样品之间的差异更加明显, 说明在此期间内, 膜上的有机污染物性质也存在一定变化。 与普通的标准化欧式距离相比, 主成分欧式距离更灵敏地甄别出了该变化。

除了峰之间的相关性, 由于本研究中的纳滤膜样本分别代表了不同污染时间的结果, 整体上反映了膜污染的进程, 因此不同样本间可能也存在相关性。 对应分析在主成分分析的基础上, 能够同时反映变量和变量、 样本和样本、 以及变量和样本之间的关系。 变量和样本之间的交互作用, 对标准化欧式距离计算过程中的标准差以及主成分提取过程中的相关系数矩阵均有潜在影响。 利用从红外光谱提取的23个特征峰进行对应分析, 得到的结果如图4(a)所示。 由此提取出的两个主要维度则校正了变量和样本之间的交互作用。 两个维度共有96%的方差贡献率, 其中维度1贡献了84%, 维度2贡献了12%。 图4(b)是根据各样本点的维度1得分和维度2得分绘制的各维得分随时间变化曲线。 从空白膜至30 d膜样品, 维度1得分随时间逐渐降低, 这说明维度1得分可能与膜污染总体趋势有关, 维度1得分单调下降表明膜污染不断加重。 维度1得分与膜通量之间的高度显著相关性(Pearson相关系数0.969, 显著性水平0.000)也印证了这一点。 维度2得分随时间的变化则大致体现为三个台阶: 3 h~8 d, 10~15 d, 20~30 d。 这说明维度2的得分可能与膜污染阶段划分有关。 利用维度1和维度2的得分, 可进而计算欧式距离如式(5)

Dij(CA)=[∑k=1r(zik-zjk)2]1/2(5)

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 纳滤膜样本红外光谱对应分析结果 (a)特征峰及样本点在各维度上的分布; (b)样本点各维得分随时间的变化Fig.4 The correspondence analysis of NF membranes based on ATR-FTIR spectra (a): Distribution of characteristic peaks and sample pointsalong different dimensions; (b): Variation of dimension scores of sample points with operating time

其中r为对应分析维度, z_ik为第i个样本在第k维度上的标准化得分(由SPSS软件给出)。

2.3.3 聚类分析结果及验证

根据对应分析的各维得分, 基于类间平均欧式距离对13个纳滤膜样品进行聚类分析, 结果如图5所示。 系统聚类法的树状图清晰地展示了聚类过程。 若取阈值为2~3, 膜样本可分为四类: 空白膜, 阶段Ⅰ (3 h~8 d), 阶段Ⅱ (10~15 d), 阶段Ⅲ (20~30 d)。 在此基础上复核红外图谱(图2)可见, 阶段Ⅰ 可认为是初期污染, 主要体现为污染物对空白膜信号的显著覆盖(如1 050和1 740 cm^-1处的吸收峰); 阶段Ⅱ 与阶段Ⅰ 的差别主要为1 240和1 490 cm^-1等处的峰值大幅降低, 可能是因为蛋白、 腐殖质等不饱和污染物的相对份额降低; 阶段Ⅲ 作为后期污染, 与阶段Ⅱ 相比, 2 800 cm^-1以上的吸收有所增强, 可能与富含氢键的污染物进一步累积有关。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 基于对应分析的纳滤膜污染样本聚类结果Fig.5 The hierarchical clustering results of fouled NF membranes based on correspondence analysis

聚类结果的物理意义, 可进一步通过膜污染过程的其他表征手段来交叉验证。 膜污染红外光谱特征的分阶段差异, 不仅归因于不同阶段有机污染物成分和性质的不同, 还可能与共存微生物(例如可通过二次代谢降解有机物并分泌胞外多聚物)在膜表面的不断累积和发展有关^[16]。 鉴于此, 测定了不同阶段的膜样品表面的材料学(XPS)和生物学(ATP)特性, 结果如图6所示。 其中, 沿空白膜→ 阶段Ⅰ → 阶段Ⅱ → 阶段Ⅲ 的方向, O/C元素比例逐步升高(Jonckheere-Terpstra检验的J-T统计量2.40, 显著性水平< 0.05), C— (O, N, OH)单键和C— (C, H)单键的相对占比分别呈现显著的单调递增和单调递减的趋势(J-T统计量分别为3.38和-3.10, 显著性水平< 0.01), 而各阶段之间N/C元素比例和羰基[O=C— (R, N, O)]相对占比的差异却不显著。 这说明在蛋白、 腐殖质、 多糖这几类常见的膜污染物中, 含有饱和C— O键的多糖类物质更有可能呈现阶梯式增长的特征。 ATP也呈现显著的整体增长趋势(J-T统计量2.68, 显著性水平< 0.01), 阶段Ⅲ 和阶段Ⅱ 之间的差异较小, 在阶段Ⅱ 膜表面微生物的富集已趋稳定, 在阶段Ⅲ 微生物则可能具有稳定的生长代谢过程。 综合以上分析, 可大致推测各阶段的膜污染特征: 阶段Ⅰ 为各类有机污染物的初步覆盖, 微生物开始富集; 阶段Ⅱ 为多糖类污染物的比例上升, 微生物的富集趋于稳定; 阶段Ⅲ 为整体污染趋于成熟, 污染物质组成比例稳定, 微生物自身的生长代谢成为膜污染的主要原因, 有机污染物的氢键特征更加明显。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 不同阶段的膜样品表面的X射线光电子能谱(XPS)元素比例(O/C比和N/C比)、 化学键相对占比(O=C— (R, N, O), C— (O, N, OH)和C— (C, H))以及三磷酸腺苷(ATP)含量Fig.6 The atomic concentration ratios (O/C and N/C ratios), carbon-containing functional groups percentages (O=C— (R, N, O), C— (O, N, OH) and C— (C, H)) obtained by X-ray photoelectron spectroscopy (XPS) and adenosine triphosphate (ATP) content of NF mem branes at different fouling stages

红外光谱所包含的吸收峰信息复杂, 当样本间红外光谱差别较为细微时, 难以通过直观观察比较样本之间的整体差异性, 难以摒除结论的主观性。 对红外数据进行聚类分析, 则能够灵敏地探测各红外图谱之间的差别, 结论更加客观而有说服力, 有助于红外光谱规律的深度挖掘。 但在进行聚类分析时, 有诸多因素会对聚类结果产生影响, 例如是否对数据进行标准化, 选取何种距离度量方法(欧式距离、 马氏距离等), 是否校正峰与峰之间相关性、 峰与样本之间交互作用的干扰等。 因此在进行聚类分析时, 应注意这些因素, 保障数据处理方法的严谨性。

研究中, 利用欧式距离能够直观判断出样本间红外光谱特征的整体变化规律, 但考虑到光谱中各吸收峰的权重, 进一步采用了标准化欧式距离进行比较。 此外, 考虑到峰之间的自相关, 并且避免信息丢失, 采用了主成分分析进行修正。 除了峰之间的相关性, 由于本研究中的纳滤膜样品代表了不同污染时间的结果, 整体上反映了膜污染的过程, 因此样本间也可能存在相关性, 从而对欧式距离的标准化和主成分的提取产生潜在影响。 对应分析可进一步校正这方面的影响。 结果表明, 经过不断改进最终的数据处理方法能够实现红外光谱的有效聚类, 系统地甄别不同膜样品之间的差异, 并清晰地将膜污染划分为不同阶段。 红外光谱聚类分析结果的合理性得到XPS和ATP等其他理化和生化分析方法的验证, 几种方法所得的膜污染发展规律一致。

红外光谱聚类分析对纳滤膜污染动态过程的解析具有指示意义。 红外光谱聚类分析能够区分膜污染的不同阶段, 并有助于归纳出不同阶段的污染层特征, 可作为膜污染时序特征的侦查手段。 在红外光谱的基础上进行聚类分析, 无需投入额外仪器成本, 即可深入挖掘红外光谱规律。 若再结合其他的理化和生化表征手段, 则可进一步确证不同阶段污染层的物质成分和性质变化, 解析膜污染的发展过程和机理, 识别不同阶段的关键污染物成分, 从而为膜污染的针对性控制和程式化清洗提供支持。

此外, 除了膜污染的研究, 在材料、 吸附等领域, 只要有一系列变化的红外光谱, 均可尝试采用外光谱聚类分析方法, 获取基于红外特征的定类信息或分阶段规律。