Este es un artículo de acceso abierto publicado bajo una atribución de Creative Commons (CC-BY)

Licencia , que permite su uso, distribución y reproducción sin restricciones en cualquier medio, siempre que se
cite el autor y la fuente.

pubs.acs.org/est Artículo

Identificación rápida fi catión y Quanti fi cación de microplásticos en el medio ambiente

mediante imágenes químicas infrarrojas hiperespectrales basadas en láser en cascada
cuántica
Sebastián Primpke, * Matthias Godejohann y Gunnar Gerdts

Cite esto: Reinar. Sci. Technol. 2020, 54, 15893 - 15903 Leer en línea

ACCESO Métricas y más Recomendaciones de artículos *s I información de soporte

RESUMEN: El monitoreo del contaminante emergente, los microplásticos, en el medio

ambiente, en el suministro de agua y para la seguridad alimentaria es de gran interés para la
Consulte https://pubs.acs.org/sharingguidelines para conocer las opciones sobre cómo compartir legítimamente los artículos publicados.

ciencia, los consumidores y los gobiernos. Si bien el análisis químico de estas partículas se
considera obligatorio, falta un método rápido y confiable para determinar el tamaño, la forma
y el número de partículas, ya que los métodos existentes no lo son. fi incorporarse a las rutinas
de medición de laboratorio actuales. En este estudio, presentamos un enfoque para eludir
estos problemas mediante la aplicación de microscopía basada en láser de cascada cuántica
Descargado a través de 181.51.34.11 el 16 de marzo de 2021 a las 04:42:49 (UTC).

combinada con un análisis de datos automatizado. Este método permite la medición de un

área de 144 mm 2 en 36 min, con una resolución de píxeles de 4,2 μ m, que es un marco de
tiempo apropiado y una resolución espacial para las mediciones de rutina. El rendimiento se
comparó con el estado de la técnica existente.

Análisis de microscopía infrarroja por transformada de Fourier. Además, se investigó la aplicación del método en varias muestras ambientales para examinar su capacidad de proporcionar
número y variedad de partículas presentes. El procedimiento analítico descrito supera las últimas restricciones para la monitorización de microplásticos rápida y programable, lo que da como
resultado un conjunto de datos muy detallados para el número de partículas, las formas de las partículas y los tipos de polímeros.

■ INTRODUCCIÓN degradación térmica) a días (Raman), impide su aplicación común

para el monitoreo ambiental de rutina.
Quanti fi Mantener la presencia de microplásticos (MP) en el medio ambiente es de
En g. 11 , 19
gran importancia para la ciencia, los consumidores y los gobiernos. 1 , 2 Estas partículas
Para superar esta limitación, la velocidad de las imágenes hiperespectrales a
se acumulan con el tiempo en el medio ambiente y presentan riesgos potenciales
través de microbolómetros que aquí funcionan como matrices de plano focal (FPA) se
para los humanos debido a sus tamaños, estructuras poliméricas y aditivos químicos. 3
puede combinar con fuentes infrarrojas de alto brillo basadas en láseres de cascada
Además, pueden actuar como vectores de transporte de contaminantes químicos y
cuántica de cavidad externa ampliamente sintonizables (EC-QCL). Con tales sistemas,
microbianos. 4 Si bien se han encontrado parlamentarios incluso en las áreas más
es posible realizar mediciones en un tamaño mucho mayor. fi campo de visión con 14
remotas del mundo, 5 - 10 Aún falta un monitoreo sistemático y generalizado,
veces más píxeles por medición fi campo en comparación con las técnicas de
especialmente hasta tamaños pequeños de solo unos pocos micrómetros. 2 , 11 Estas
microscopía FT-IR de vanguardia existentes. Estos sistemas ya se utilizaban para la
pequeñas partículas exhiben el mayor potencial de causar daño, ya que pueden ser
fácilmente consumidas por los organismos. 12 Para comprender mejor los riesgos histopatología automatizada sin etiquetas de tejidos cancerosos. 23 y la inserción de MP

potenciales, es muy conveniente identificar y cuantificar estas partículas junto con (análisis de diana) conocido en las células. 24 Sin embargo, no se probó previamente

sus composiciones químicas y distribuciones de tamaño. 3 para el análisis de MP desconocidos (análisis no objetivo) en muestras ambientales,
como sedimentos, 9 nieve, 8 o muestras de agua de superficie marina, 25 utilizando una
fuente de luz IR brillante en combinación con la capacidad de recolectar mosaicos de
hiperespectral

Las características químicas y físicas de los MP se investigan utilizando

diversas técnicas analíticas, como la microscopía infrarroja por transformada de
Fourier ( μ FT-IR) 13 - 15 o microscopía Raman dieciséis , 17 para identificar la composición,
Recibió: 25 de agosto de 2020
el número y el tamaño de las partículas. 18 - 20 Como complemento de estas técnicas,
Revisado: 26 de octubre de 2020
la degradación térmica junto con la cromatografía de gases - espectrometría de
Aceptado: 4 de noviembre de 2020
masas 21 , 22 se aplica para identificar los polímeros presentes y determinar masas.
Publicado: 25 de noviembre de 2020
El bajo rendimiento de estos métodos, con tiempos de medición que van desde
unas pocas horas (FT-IR y

© 2020 Sociedad Química Estadounidense https://dx.doi.org/10.1021/acs.est.0c05722

15893 Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental
Figura 1. ( a) Descripción esquemática de la trayectoria del rayo en el microscopio desde la configuración del láser de cascada cuántica (QCL) que contiene cuatro chips láser (CH1 a CH4) que miden la
muestra en transmisión antes de llegar al micro ( μ) detector de matriz de plano focal (FPA) de bolómetro. (b) Falso color
imagen a 1470 cm - 1 de la etapa de muestra con materiales de referencia colocados en bario fl uoruro (BaF 2) ventanas d = 25 mm) con la medida seleccionada (cuadrados rojos) fi campos.
imágenes de grandes áreas de muestra. Aquí, informamos el desarrollo de una
rutina de medición para microplásticos, lo que permite la recopilación de datos de
hasta 12 muestras por día de trabajo (8 h). Submuestreo para regiones de interés
en el fi El área de filtrado también es posible pero, debido al rendimiento, ya no es
necesaria. El método fue probado para áreas medidas de 12 × 12 mm 2
con una resolución espacial de píxeles de 4.2 μ m hasta 1,4 μ metro.
■ MATERIAL Y MÉTODOS
Microscopía QCL-IR y Adquisición de Datos. El microscopio basado en
láser SPERO QT (DRS Daylight Solutions) estaba equipado con un conjunto
EC-QCL de cuatro di ff entes láseres que cubren el rango de longitud de onda
de 1800 a 950 cm - 1
siguiendo el esquema general, como se muestra en Figura 1 una. Un microbolómetro
FPA con 480 × 480 píxeles se utilizan como detector. Todas las mediciones se
realizaron a través de ChemVision, versión
3.2.6 Software RC (DRS Daylight Solutions) con 2 cm - 1
resolución espectral. El sistema está equipado con una lente de luz visible y
dos objetivos IR con 4 × magni fi catión (4.185
μ m resolución espacial, 2 × 2 mm 2 fi campo de visión, LowMag) y
12,5 × magni fi catión (1.365 μ m resolución espacial, 655 × 655
μ metrofi2campo de visión, HighMag). Ambos se pueden aplicar en re fl ección
y modos de transmisión. Antes de una serie de mediciones, la intensidad del
láser / rango espectral pro fi le fue calibrado para la óptima intensidad de láser
y la protección de la micro-FPA
bolómetro para ventana (bario fl uoruro (BaF 2), 2 mm de espesor, d = 25
mm, Korth Kristalle) y fi ltro (anodisc, D
= 25 mm, 0,2 μ m, GE Whatman) materiales. Después de la calibración contra el
factor más limitante, la absorbancia del anodisco
fi ltro, todas las mediciones adicionales se realizaron en las regiones
15894
pubs.acs.org/est Artículo
de 1800 a 1184 y de 1160 a 1084 cm - 1 en modo de transmisión, tarda 45 s para la
medición pura y aproximadamente 15 s para el almacenamiento de datos por medición
fi vejez.
Mediciones basadas en QCL para polímeros individuales. Para
determinar la capacidad de QCL para medir y di ff diferenciar polímeros
entre sí, se midió un total de 297 materiales utilizando un fi medición de
campo con el objetivo LowMag. El instrumento permite la de fi nición de
varias regiones de interés (ROI) seguida de una medición automatizada
en un paso de manipulación. Por lo tanto, se colocaron varias partículas
(hasta ocho) en la ventana. El operador tomó un mosaico monocromático
en un número de onda elegido (1470 cm - 1) sobre toda la diapositiva (ver Figura
1 B). Cada foto del individuo fi campo de visión tomó menos de un segundo.
Posteriormente, se definieron los ROI fi ned según la posición de las partículas
individuales, nombrados con el ID numérico dentro de la base de datos de referencia 26 y
medido automáticamente. Los datos resultantes fi Los archivos se almacenaron en
MATLAB fi formato de archivo.
Mediciones basadas en QCL para muestras ambientales. Las muestras en
el anodisco almacenadas de estudios anteriores.
se colocaron en un BaF 2 ventana y montado en el portamuestras de la platina
del microscopio. La preparación de la muestra es
descrito en detalle dentro de los respectivos estudios (aguas residuales
tratadas, 27 agua superficial marina, 25 sedimento marino, 9 y nieve 8 muestras).
Para de fi ne el ROI, se recopiló una imagen general a 1470 cm - 1 utilizando la
lente respectiva (LowMag o HighMag). Posteriormente, se realizó la medición
hiperespectral cubriendo el ROI del área central de 12 × 12 mm 2 ( 36
fi campos) utilizando el objetivo LowMag. La medición tomó 36
https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental pubs.acs.org/est Artículo

Figura 2. Aplicación de imágenes hiperespectrales basadas en láser de cascada cuántica de cavidad externa (EC-QCL) en los diversos polímeros de referencia y comparación con la radiación total
atenuada. fl ección (ATR) Espectroscopía infrarroja por transformada de Fourier (FT-IR). (a) Señal de absorbancia en di ff diferentes números de onda de un polietileno (PE) fi lm, que indica impurezas
a partir de 1700 cm. - 1. ( b) EC-QCL da como resultado absorbancia para tres di ff diferentes grupos de materiales interferentes: PE, polipropileno (PP) y ceras naturales de abejas; poliamidas
naturales y sintéticas; y celulosa natural versus modi fi ed one. (c) Espectro EC-QCL representado frente a varios espectros derivados mediante ATR-FT-IR para la base de datos FT-IR. Los detalles
de los materiales (ID) se pueden encontrar en la Información de apoyo de Primpke et al. 26

min y los datos resultantes fi Los archivos se almacenaron en MATLAB
fi formato de archivo.
Mediciones basadas en QCL con HighMag. Similar a
LowMag, la muestra del Anodisc se colocó en un BaF 2
ventana, montada en el portamuestras del microscopio
etapa. Usando HighMag, un ROI de 13.1 × 13,1 milímetros 2 ( 400 fi campos) se colocó
sobre el área de la muestra y se midió. La medición tomó 347 min. Como los datos
generados (92,1 millones de espectros) no se pudieron visualizar en OriginPro2017, el
conjunto de datos se redujo a un ROI de 12,4 × 12,4 milímetros 2 ( 361 fi campos), antes
del análisis de datos a través del script de Python.
Datos de imágenes FT-IR. El conjunto de datos RefEnv1 derivado de los datos de
imágenes FTIR se eligió de nuestro conjunto de datos de referencia. 26 Todos los detalles
de la medición se proporcionan dentro de los
estudio. 26 El conjunto de datos se exportó a MATLAB fi le formato a través de
Bruker OPUS 7.5 (Bruker Optics GmbH, Ettlingen, Alemania) utilizando una
macro personalizada (disponible a pedido).
Análisis jerárquico de conglomerados. El análisis de conglomerados
jerárquicos realizado se basó en el procedimiento descrito en la literatura. 26 Primero,
la re total atenuada disponible libremente fl base de datos ection (ATR) -FT-IR, 26
conteniendo n = 326 espectros de materiales medidos individuales, se probó
como una preselección en la región del número de onda 1800 - 1084 cm - 1. Para
realizar el proceso, el conjunto de datos se redujo a las regiones de número de
onda 1800 - 1184 y 1160 - 1084 cm - 1 ( ver la información de apoyo (SI) SI1.xlsx ) y
se cargó en Primer 6 (PRIMER-e Ltd.). El parecido basado en Hellinger

15895 https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental
se calculó la distancia y se realizó un análisis de conglomerados jerárquicos. El
dendrograma obtenido se utilizó como soporte para la determinación de clusters de
tipo polímero, y cada binning de espectros se configuró manualmente. fi rimado por el
conocimiento experto basado en diagramas combinados de los respectivos
espectros de un clúster utilizando OriginPro2017.
En total, 112 grupos (ver SI1.xlsx y Figura S1 ) se determinaron, conteniendo
hasta 27 espectros por grupo. La clasificación del conglomerado, la evaluación de
datos y el aseguramiento de la calidad se realizaron de manera similar al estudio
FT-IR, y se proporciona una descripción detallada en Párrafo S1 y Figura S2 en la
Información de apoyo. los fi base de datos nal y de calidad garantizada
está disponible como SI2.xslx . El trabajo fi archivos para el script de Python
se combinan en SI3.zip .
Identi fi catión y Quanti fi catión de microplásticos.
El análisis de datos se realizó a través de Python 3.7 usando Spyder 4.1.1 en
una computadora equipada con un AMD Ryzen 3950x con 16 núcleos / 32
subprocesos a 3.6 GHz con 64 GB de RAM y dos tarjetas gráficas Nividia
Windforce OC Geforce RTX2070 con puente SLI usando Samsung 970 SSD
como el disco duro para los cálculos (1 TB, EVO) y el sistema operativo (250
GB, EVO Plus). Para el análisis se utilizaron los siguientes paquetes de Python:
SimpleITK, 28 - 30 numpy, pandas, matemáticas, matplotlib, scipy.io, 31 time y
numba.cuda. 32
Cada variación de la base de datos se probó utilizando un script de Python
diseñado especializado. Al utilizar el paquete Numba, 32
Es posible la computación en paralelo en computadoras personales de escritorio
normales, mientras que una tarjeta gráfica NVIDIA es obligatoria para usar este
proceso a través de Compute Uni fi ed Arquitectura de dispositivos (CUDA). Para lograr
este objetivo, el previamente aplicado 33 La normalización vectorial y la correlación de
Pearson se reescribieron para realizarlas de manera computacional en paralelo. Con
este tipo de cálculo, la demanda de tiempo para el análisis de datos de 8 millones de
espectros se redujo de varios días a 6 h. Además, se mejoró el rendimiento de la
garantía de calidad al guardar el ID de la base de datos junto con X y y posiciones,
índice de calidad de aciertos (HQI) gramo, y el polímero tipo p en uno. csv fi le, evitando
grandes conjuntos de datos de un solo fi les. El guión está disponible en SI3.zip y se
actualizará en el futuro para aumentar el rendimiento del cálculo.
Para comparar las imágenes de FT-IR y las de EC-QCL, el script desarrollado
también se utilizó para analizar los datos de FT-IR respectivos. Aquí, la base de datos
de referencia 26 se aplicó. El número, el tipo de polímero y el tamaño del presente MP
se determinaron utilizando APA 33 como una herramienta dentro de Python para los
datos EC-QCL. En comparación con el estudio original, el cálculo de masa mejoró la
salida de datos. 34 utilizando densidades basadas en las hojas de datos del material y
los trabajos de literatura 35 ( ver Cuadro S1 ). Los resultados de FT-IR determinados se
analizaron utilizando APAv1.1.1.exe disponible en https://drive.google.com/drive/folders/
1O3vtsb963KoGwsTTGvDZgo8KUqjGjNAD? Usp = compartir como
El manejo de datos dentro de una secuencia de comandos de Python para ambos
métodos de medición aún no se pudo implementar.
Para modificar APA para EC-QCL, el mecanismo de cierre del espacio de
partículas (ver Primpke et al. 33 para obtener más detalles) se mejoró agregando un fi ltro.
Aquí, la verificación de rango de píxeles potenciales para el cierre se amplió con una
forma inspirada en una cruz, como se muestra en Figura S3 . Alrededor del píxel de
destino (mostrado en rojo) en el medio de la función, fi Primero, se realiza el cierre de
APA (que se muestra en verde) y luego se verifica adicionalmente el área circundante
para los píxeles asignados (que se muestran en negro). Para este cierre adicional, el
proceso solo se realizó si todos los píxeles entre el píxel de destino y el píxel probado
no estaban
15896
pubs.acs.org/est Artículo
asignado a cualquier tipo de polímero. Para aumentar aún más el rendimiento, se
modificó el procedimiento de cierre. fi alejado de SimpleITk usando numerosas
herramientas en su lugar.
Todos los gráficos y videos presentados con datos de medición se generaron
utilizando OriginPro2017 e Inkscape 0.92, respectivamente. Para investigar los
números de onda individuales, el sencillo fi Los campos se fusionaron dentro del
script de Python para absorbancia en un número de onda para el mapa completo
(ver SI3.zip
para el script de Python) y exportado como texto fi le para importar a OriginPro2017.
Todos los demás datos se importaron directamente del archivo generado. fi de APA o
calculados a partir de estos fi archivos con Microsoft Excel 2016.
■
RESULTADOS Y DISCUSIÓN
Generación de bases de datos y validación de clústeres. Los microscopios
FT-IR actuales y de última generación basados en FPA cubren un rango
espectral de 3600 a 900 cm - 1, mientras que para los sistemas basados en
EC-QCL, la gama se puede diseñar mediante la elección de chips láser durante
el proceso de fabricación. El sistema investigado tenía un intervalo de 1800 a
950 cm. - 1 disponible. Aquí, CH vibraciones en ∼ 2750 hasta 3000 cm - 1 y señales
OH de 3200 a - 3600 cm - 1 faltan para la identi fi catión de microplásticos.
Curiosamente, se encontró que, en contraste con la fuerte absorción por debajo
de 1250 cm - 1 para FT-IR del óxido de aluminio más utilizado fi ltros 19 ( Anodisc),
EC-QCL permite la investigación de muestras en Anodisc fi ltros hasta 1084 cm - 1
( con un pequeño espacio entre 1160 y 1184 cm - 1),
que representa el límite inferior para los siguientes análisis. Para la región 1250 - 1084
cm - 1, nos referimos a un rango extendido de números de onda a continuación.
En total, 289 polímeros en fi formas de ber, gránulos, polvos y hojas (ver Figura
2 a y SI4.avi utilizando polietileno (PE) como ejemplo) fueron investigados
para la separación exitosa de materiales sintéticos de los naturales en la
región de 1800 -
1084 cm - 1 ( ver Figura 2 B). Se colocaron hasta siete polímeros
en el BaF 2 ventana y medido junto con el fondo dentro de una serie
de medición.
Se encontró que todos los tipos de polímeros sintéticos importantes se pueden
di ff diferenciados de polímeros conocidos, interferentes y naturales como proteínas
(en lo sucesivo denominadas poliamidas naturales), celulosa y ceras. Los espectros
de polipropileno (PP) y polietileno de baja densidad (LDPE) mostraron di ff diferencias
de las de cera de abejas. Para LDPE, los picos a 1800 - 1650 y 1180 - 1140 cm - 1 exhiben
una clara separación de la cera de abejas. Para PP, la separación de cera de
abejas a través de FT-IR es fácilmente posible por los picos entre 2750 y 3000 cm. - 1,
pero para EC-QCL, mostraron mayor similitud. Aún así, ambas señales pueden
estar bien separadas porque a PP le falta el pico en 1800 - 1650 cm - 1
y tiene una absorbancia más fuerte a 1400 - 1340 cm - 1, mientras que el pico en
1180 - 1140 cm - 1 está presente en ambos casos. Además, varios picos pequeños
entre 1200 y 1340 cm - 1 están presentes únicamente para la cera de abejas. Para
poliamidas naturales y poliamidas sintéticas, se encontraron resultados similares
(ver
Figura 2 B). Ambos materiales son fuertes absorbentes de infrarrojos, por lo que incluso delgados
fi Las películas ya conducen a la absorción total de picos de amida I y amida II, similar
a FT-IR. Aún así, ambos materiales pueden estar bien separados, ya que las
poliamidas sintéticas tienen un menor ancho de banda de estos picos y picos más
pronunciados en la región de 1500 a 1250 cm. - 1.
En comparación con una re total atenuada existente fl ection (ATR) -FT-IR, los
resultados fueron respaldados aún más. Se investigaron los mismos materiales
de muestra utilizando EC-QCL para lograr resultados armonizados con los
estudios FT-IR (ver Figura
https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental
Figura 3. Validación cruzada de tipos de polímeros separables a través del láser de cascada cuántica de cavidad externa (EC-QCL) basado en el análisis de agrupamiento jerárquico del total atenuado fl ección
(ATR) - Espectros infrarrojos de transformada de Fourier (FT-IR) con espectros EC-QCL añadidos a los respectivos grupos, excluyendo cuarzo y silicatos y agua. * No hay datos disponibles sobre materiales
investigados. ** Para mejorar la calidad de la asignación espectral. CA, acetato de celulosa; EVAc, etileno-acetato de vinilo; EVOH, etileno-alcohol vinílico; y PCL, policaprolactona.
2 C). En general, todos los polímeros mostraron los mismos picos en ECQCL que
los respectivos espectros ATR-FT-IR. Para poli (cloruro de vinilo) (PVC, Figura 2 c),
la presencia / ausencia de plastificantes también fue visible dentro de esta región
por el pico en 1800 - 1650 cm - 1 de grupos de CO de productos químicos de uso
común para los espectros ATR-FT-IR referenciados. Simultáneamente, un pico
menor alrededor de 1200 cm. - 1 fue observado. Aquí, el rango de número de onda
extendido para Anodisc fi ltros pueden ser bene fi cial para investigar y cuantificar
plastificantes dentro del PVC. Solo para poliésteres (PEST), un di más grande ff erencia
se encontró en la región de 1350 - 1200 cm - 1 debido a una fuerte absorbancia en la
transmisión (ver Figura 2 C). Varios otros picos se cortaron ff a una línea recta
debido a la absorbancia total. Cabe destacar que este corte lineal ff es superior a
las imágenes FT-IR, que normalmente todavía tienen un ruido fuerte en picos
similares. Para realizar un análisis automatizado, se realizó un análisis de
agrupamiento jerárquico de los datos ATR-FT-IR de manera similar a las imágenes
FT-IR. Los resultados derivados se evaluaron manualmente y se anotaron en
grupos de tipo polímero. Posteriormente, la base de datos generada se mejoró aún
más con espectros EC-QCL en los respectivos grupos. los fi La tabla de correlación
cruzada final se muestra en figura 3 .
Los resultados mostraron que la mayoría de los materiales se asignaron a los grupos
correctos; sin embargo, también se utilizaron acrilatos, policaprolactona, barniz (ACV),
polisacáridos naturales y ceras naturales.
15897
pubs.acs.org/est Artículo
asignados a materiales procedentes de otros tipos de polímeros. Para las asignaciones de
polisacáridos naturales, esto debe esperarse ya que las batas de laboratorio gastadas y
otros materiales estaban hechos de celulosa
(parte del clúster) y presente en el BaF 2 ventanas como contaminación.
La fuerte asignación de ceras naturales a
las poliamidas naturales podrían asignarse a un material de referencia. Aquí, un
espectro de referencia para el cálculo de grupos se originó a partir de cera de abejas y
se asignó a poliamidas naturales. La cera estaba cubierta por un fi Película similar a las
poliamidas naturales y medida mediante ATR-FT-IR. Si se mide en transmisión por
EC-QCL, el material de cera tiene una participación mucho mayor en el espectro
determinado, lo que provoca una asignación a los grupos de cera naturales. Para
evitar una mayor confusión, este espectro se eliminó del fi base de datos nal. Las
muestras de carbón, carbón vegetal y cauchos de sellado no pudieron asignarse a sus
respectivos tipos de polímeros, solo a los espectros de la línea de base, debido a que
el material es de un grosor inadecuado. Similar a FT-IR, estos materiales también
fueron di ffi culto a medir por EC-QCL.
Análisis de una muestra de referencia FT-IR y aseguramiento de la calidad. La
base de datos resultante se evaluó mediante una muestra de sedimento ambiental,
la muestra de referencia RefEnv1. 26 Los conjuntos de datos de imágenes FT-IR se
investigaron utilizando el script Python generado para EC-QCL para comparar los
resultados, y el análisis tomó 1 h. En comparación con, y de acuerdo con, estudios
previos, los datos mostraron una diferencia ff erent
https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental pubs.acs.org/est Artículo

Figura 4. ( a) Área en el fi ltro que representa el mismo conjunto de partículas para el láser de cascada cuántica de cavidad externa (EC-QCL) y (b) imagen hiperespectral infrarroja por transformada
de Fourier (FT-IR) basada en la disposición de las partículas de poliamida, polietileno y poliestireno (desplazadas por
∼ 45 ° debido a di instrumental ff diferencias y ubicación de la muestra). (c) Números de partículas determinados en el di ff Clases de tamaños diferentes de polímeros sintéticos para EC-QCL y FT-IR.
Para permitir una mejor investigación comparativa debido al rango extendido del número de onda para EC-QCL, su resultado también se armonizó con el grupo derivado para FT-IR al excluir todos
los grupos determinables únicamente para EC-QCL. (d) Comparación con otros estudios que utilizan microscopía Raman de exploración automatizada de partículas individuales (ASPE) 37 e imágenes
FT-IR hiperespectrales en el mismo fi ltra áreas. * Datos de la literatura. 37 CA, acetato de celulosa; EPDM, monómero de etileno propropileno dieno; EVAc, etileno-acetato de vinilo; EVOH,
etileno-alcohol vinílico; PCL, policaprolactona; y PUR: poliuretano.

Tasa de asignación solo para el monómero de etileno propileno dieno de tipo
polímero (EPDM), similar a SIMPLE. 36 El análisis de los datos de EC-QCL tomó 6 h
para ocho veces más espectros. Posteriormente, la calidad de los datos para EC-QCL
se aseguró mediante un nuevo análisis manual de los espectros asignados para cada
tipo de polímero individual. Los valores umbral mínimos derivados para identi positivo fi
catión se resumen en Cuadro S1 , junto con una descripción del resultado analítico
para toda la superficie de la muestra (ver Figura S4 ). En Figura 4 a, se muestra una
vista de cerca de un área elegida junto con los resultados resumidos de ambos
conjuntos de datos.
Los resultados de las imágenes hiperespectrales EC-QCL mostraron una mayor
sensibilidad hacia las partículas de plástico, que en comparación con las imágenes
FT-IR tenían un mayor número y variabilidad de partículas asignadas a los tipos de
polímeros (ver Figura 4 a). Las partículas amarillas (EDPM) en el medio de la imagen
FT-IR no fueron asignadas por EC-QCL. Después de examinar la imagen visual de la
partícula en cuestión, se observó una estructura celular orgánica (datos no mostrados),
lo que indica una asignación perdida para la obtención de imágenes FT-IR. En análisis
anteriores, a través de Bruker OPUS 26 Y SIMPLE, 36 esta partícula mostró un menos
pronunciado
asignación y un di ff forma diferente. Para FT-IR, la coincidencia es impulsada
principalmente por la señal CH entre 2980 y 2780 cm - 1.
Debido al rango espectral más pequeño de la configuración de EC-QCL, este pico se
excluyó de los datos de la muestra y el espectro no se asignó a ningún tipo de
polímero sintético. Además, la partícula de PA asignada (verde oscuro) era más
grande y di ff de forma diferente utilizando EC-QCL. Sin embargo, la partícula de
poliestireno (PS) asignada parece ser más pequeña por EC-QCL, mientras que las
partículas de poli (fenil) sulfona (PPSU) se identificaron fácilmente fi editado por
EC-QCL. Mientras que FT-IR solo encontró una partícula, EC-QCL determinó ocho
partículas presentes. Además, las siliconas y poli (tetra fl uoroetileno) (PTFE) podría
detectarse en Anodisc
fi Filtros por EC-QCL debido al rango extendido del número de onda, que de otra manera
no se pueden medir usando sistemas de imágenes FT-IR. En total, el análisis EC-QCL
encontró fi cinco veces más partículas y, lo que es más importante, esas <10 μ m (ver Figura
4 b) para el resultado global. Además, un aumento de identi fi También se encontró una
tasa de cationes para los tipos de polímeros detectables por ambos métodos (EC-QCL
armonizado).
El estudio de Cabernard et al. 37 utilizó un enfoque comparativo similar a través de
membranas de PC recubiertas de oro para imágenes FT-IR

15898 https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental pubs.acs.org/est Artículo

Figura 5. Análisis ejemplar de Anodisc- fi muestras filtradas de di ff diferentes matrices ambientales. (a, c, e, g) Imágenes de falso color dependientes de polímeros que resaltan los materiales detectados que
van desde los sintéticos hasta los no sintéticos. (b, d, f, h) Identi fi Los tipos de polímeros sintéticos ed se agrupan en clases de tamaño (según el área) junto con un zoom en la fracción de tamaño> 75 μ m
con la excepción> 50 μ m para nieve derretida. Además, se representa la composición polimérica de toda la muestra. los fi Los filtros proceden de estudios previos sobre (a, b) aguas residuales tratadas, 27 ( c,
d) aguas superficiales marinas, 25 ( e, f) sedimentos de aguas profundas del Ártico, 9 y (g, h) muestras de nieve europea. 8 Para los sedimentos de aguas profundas del Ártico, la señal del anillo de soporte de
polipropileno del Anodisc se eliminó antes del análisis de la imagen. Una imagen en falso color de datos sin tratar se muestra en Figura S7a . Los altos números de poli (tetra fl uoroetileno) para las
profundidades marinas del Ártico se fi rmed como contaminación por el dispositivo de separación basado en el análisis de la muestra en blanco (ver Figura S7b, c ). PCL, policaprolactona; EVAc,
etileno-acetato de vinilo; y EVOH, etileno-vinil-alcohol.

15899 https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental
y microscopía Raman de exploración automatizada de partículas únicas (ASPE).
Aunque regiones idénticas no pudieron ser investigadas en nuestro estudio debido a
razones técnicas, el fi El área del filtro con la mayoría de las partículas se midió tanto
con EC-QCL como con FT-IR. En Figura 4 d, una comparación de la proporción relativa
determinada de las partículas asignadas con el tamaño classi fi catión de Cabernard et
al. 37 está representado. Ambas mediciones de FT-IR muestran una tendencia similar
con un fuerte aumento del número de partículas en la clase de tamaño más baja (17,5 μ m
punto medio de la clase de tamaño), mientras que un número más bajo se determinó
en el 37,5
μ m punto medio de la clase de tamaño en comparación con las medidas Raman y
EC-QCL. Estos resultados basados en las proporciones relativas similares indican una
calidad de datos igual de las mediciones de EC-QCL en comparación con las mediciones
de Raman, mientras que Anodisc
fi Se utilizaron filtros. Con una medición completa posible en 36 minutos, en
comparación con varios días o estrategias de submuestreo necesarias para la
microscopía Raman, EC-QCL se muestra prometedor para ser un candidato
óptimo para mediciones de rutina o de monitoreo.
El alcance del método se probó en el segundo objetivo disponible
(HighMag), que tiene una resolución de píxeles de
1.4 μ estoy en el fi área del ltro (ver Párrafo S2 para obtener detalles y
Figuras S5 y S6 ). Aquí, el alto potencial para analizar partículas <10 μ m,
mientras que las condiciones de medición en sí deben optimizarse en
estudios futuros.
Análisis de muestras ambientales seleccionadas. Posteriormente, LowMag
se aplicó a tres ejemplos de puri fi ed muestras de di ff diferentes compartimentos
ambientales (aguas residuales tratadas, 27 agua superficial marina, 25 y
sedimentos marinos 9
muestras). Estos tipos de muestra tienen di ff niveles actuales de contaminación por
MP. Para examinar más a fondo las limitaciones del método, agregamos una muestra
de nieve derretida, 8 que no recibió ningún puri fi catión y fue directamente fi filtrado en el
anodisco. Los resultados se representan como imágenes de color falso junto con los
tamaños de partícula determinados y las composiciones de polímero en Figura 5 .
Utilizando EC-QCL, los parlamentarios fueron identi fi ed en todos los
compartimentos ambientales de acuerdo con las mediciones de FT-IR en los estudios
respectivos. 8 , 9 , 25 , 27 En general, la tendencia hacia tamaños de partícula más pequeños
fue con fi rmed. En contraste con FT-IR, donde un solo píxel tenía siempre la mayor
abundancia de MP, la combinación del microbolómetro FPA con un sistema EC-QCL
determinó un di ff tendencia actual. En tres de las cuatro muestras, el mayor número de
PM se encontró en la segunda clase de tamaño, que está cerca de la di ff límite de
racción ∼ 10 μ metro. Si bien se pudieron detectar algunas partículas más pequeñas, el
resultado muestra claramente que incluso con una resolución de píxeles más baja en el
FPA, la di ff límite de acción a ff efectúa el análisis. Además, EC-QCL no aplicó la
agrupación de datos, que es la suma de espectros de varios píxeles en un espectro
combinado que representa un área más grande, aplicado en la mayoría de los estudios
FT-IR. 9 , 25 , 27 Por lo tanto, los datos de píxeles individuales deben tomarse con cuidado si
no se excluyen como en otros estudios. 38 o se probaron contra mediciones agrupadas. 8
En la siguiente discusión, estas partículas no fueron excluidas debido a la alta similitud de
la composición polimérica encontrada con las clases de tamaño más alto. Además, todos
los datos de partículas están disponibles con todos los detalles en SI5.zip como
sobresaliente individual fi les. Comenzando con las muestras de aguas residuales tratadas
( Figura 5 a, b), se encontraron tipos de polímeros similares pero un mayor número de
partículas (7212 N m - 3 EC-QCL, 1250 N m - 3 FT-IR). Mientras que las partículas de mayor
tamaño estaban dominadas por PE, PEST y PP, se encontraron números particularmente
altos de ACV de tipo polímero para partículas de menor tamaño. En el estudio original,
estos
15900
pubs.acs.org/est Artículo
las partículas solo tuvieron una contribución menor. Por el contrario, la presencia de
varios tipos de PS, que se agrupan en un tipo de polímero en este estudio, no se puede
contradecir. fi rmed en una medida similar. Aún así, la alta variabilidad de los tipos de
polímeros fue confusa fi rmed, sin embargo, la parte relativa de di ff cambiaron los
diferentes tipos de polímeros. Si bien la medición original se basó en un análisis manual
del 25% de la fi En el área de ltro, lo que lleva a un nivel de comparabilidad ligeramente
menor, el proceso que utiliza EC-QCL tiene una menor demanda de medición y tiempo de
usuario.
Para la muestra de agua de superficie marina ( Figura 5 c, d), números similares de
partículas (185 N m - 3 EC-QCL, 245 N m - 3 FT-IR) se encontraron para datos corregidos
en blanco (ver Figuras S7 y S8 ). Sin embargo, incluso después de esta corrección, se
encontró una proporción menor de PE y EPDM usando EC-QCL, mientras que se
encontraron números más altos de PVC. Si bien la gran cantidad de PVC es
sorprendente, también se indicaron resultados similares en otros estudios.
Hendrickson y col. 39 compararon pirólisis-GC / MS con ATR-FT-IR y encontraron un
resultado similar debido a la cloración de PE. Esto se ve respaldado por un estudio
reciente que compara pirólisis-GC / MS con imágenes de FT-IR en la misma muestra
exacta. 40 Debido a la mayor potencia del sistema EC-QCL y el rango de número de
onda más pequeño, se incrementó la sensibilidad para el PVC, lo que hizo posible la
identificación en comparación con FT-IR
imágenes. El CH excluido 2/3 bandas en la región del número de onda 3000 - 2700 cm - 1 permitir
una mejor búsqueda en la biblioteca, ya que los picos
en la región a menudo lleva la búsqueda de bibliotecas al clúster de PE o EPDM.
Otro factor puede ser el estado de la intemperie. 41
de los polímeros, ya que la biblioteca aplicada carece actualmente de estos
materiales envejecidos, y su impacto se investigará en el futuro. Por el contrario,
los sedimentos de aguas profundas ( Figura 5 e, f) del estrecho de Fram mostró un
nivel inesperadamente alto de abundancia de plástico con una alta proporción de
PTFE y silicona. En el estudio original, fue la muestra con menor abundancia 9
eso también fue una estafa fi rmed en un estudio de seguimiento. 42 Sin embargo, cuando
se utilizan imágenes FT-IR con anodiscos, no se pueden detectar PTFE y silicona.
Debido a este hecho, ambos materiales se utilizan durante la preparación de la muestra
(por ejemplo, en sellados y para botellas exprimibles). Para estafar fi En cuanto a la
contaminación de la muestra por estos materiales, se investigó la muestra en blanco y se
encontraron cantidades igualmente elevadas de PTFE. Se descubrió que una fuente
importante de contaminación era la válvula de bola del separador de sedimentos
microplásticos. 43 debido a la abrasión del material de sellado. Durante la separación por
densidad, esta parte del aparato está en contacto permanente con la muestra. Mediante
corrección en blanco y exclusión de PTFE de los resultados (450 N kg (dw) - 1 EC- QCL,
67 N kg (peso seco) - 1 FT-IR), el nivel era aún más alto que el derivado a través de FT-IR,
pero la composición del polímero (ver
Figura S8b ) contiene polímeros similares a los detectados en el estudio original
(PE-Cl, PP, PVC, PEST y caucho tipo 2). A partir del análisis EC-QCL, se
encontraron materiales adicionales como caucho de nitrilo, acetatos de celulosa,
ACV, PCL y PUR. Una contribución importante fueron las partículas <10 μ m (328 N
kg (peso seco) - 1)
debido a la mayor sensibilidad de EC-QCL para estos tamaños. Para la muestra de
nieve ( Figura 5 g, h), se encontró un resultado similar al de la muestra de agua de
superficie marina usando EC-QCL, con menores números de PE, PP, caucho de
nitrilo y EPDM detectados y asignaciones a PVC y PLA, que no se encontraron a
través de FT-IR. El número total de partículas también aumentó en un factor de
ocho (90893 NL - 1 EC-QCL, 11 786 NL - 1 FT- IR). Similar a la muestra de sedimentos
de aguas profundas, el di ff La incidencia fue impulsada principalmente por MP <10 μ
m (67142 NL - 1). En comparación con el estudio FT-IR, la principal contribución de
polímero cambió de EPDM y caucho de nitrilo a ACV y PVC.
https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental
No se pudo determinar la causa exacta de este cambio, pero cabe esperar
implicaciones similares a las de las aguas superficiales marinas como la principal
razón de esta dificultad. ff erencia y será objeto de estudios futuros.
Aplicación de EC-QCL en Monitoreo de MP. Con imágenes infrarrojas
hiperespectrales basadas en EC-QCL, la velocidad de medición puede acelerarse
a un nivel adecuado para los horarios y los intervalos de tiempo de la rutina diaria
del laboratorio. En comparación con las imágenes FT-IR, el gasto de tiempo es
diez veces menor por medición. Aplicando de fi ROI ned (p. ej., 12 × 12 mm 2
áreas), el tiempo de medición es fi xed, que es esencial para el monitoreo rutinario
de microplásticos en muestras ambientales, alimentarias y de piensos.
La mayoría de los materiales identi fi ed por FT-IR también se detectaron con el sistema
basado en EC-QCL. Tras la garantía de calidad, un nivel similar de fi La diferencia se logró
al mismo tiempo que se permitió procesar un mayor número de muestras. Debido a la
aplicación del láser EC-QCL como fuente de luz y su rango de número de onda más
pequeño, se podría lograr una calidad de datos similar, si no mejor, para el tipo de
polímero y el número de partículas. Aún así, especialmente para muestras con partículas
pequeñas, la base de datos utilizada actualmente puede pasar por alto las partículas
meteorizadas en mayor medida en comparación con FT-IR, mientras que tiene una mayor
sensibilidad para otras (por ejemplo, PVC y PPSU). Este problema se abordará mediante
una actualización de la base de datos que cubra un agrupamiento de varias regiones de
número de onda para el di ff erent sistemas disponibles.
Además, la medición espectral de grandes áreas sin preseleccionar regiones
de interés da acceso a los datos completos de la muestra, lo que permite veri fi rastreo
de cationes y contaminación por parte de los operadores o preparación de
muestras. El diseño del enfoque de análisis permite la separación entre
medición y análisis de datos. Si bien se puede recopilar una medición en 40
minutos dependiendo del ROI, el análisis de datos (búsqueda en la biblioteca,
anotación de materiales, tamaño de partículas, etc.) se puede realizar en una
computadora personal separada. Aquí, usamos el script Python provisto y
además mejoramos la herramienta de software gratuita SIMPLE 36 leer estos
datos, que estarán disponibles en una actualización futura. Con el uso de
SIMPLE, se proporcionará una solución fácil de usar, que permitirá un rápido
control y garantía de calidad de los datos espectrales. En conclusión, la
aplicación de las mediciones de EC-QCL en combinación con el análisis de
datos derivados permite,
fi primera vez, la identificación rápida fi cation y cuanti fi cación de
microplásticos, sin la necesidad de submuestreo u otras soluciones
técnicas, pero con el más alto nivel de calidad de datos.
■ CONTENIDO ASOCIADO
* s I información de soporte
La información complementaria está disponible de forma gratuita en
https://pubs.acs.org/doi/10.1021/acs.est.0c05722 .
Dendrograma derivado de la distancia de Hellinger y la evaluación manual;
análisis de conglomerados y validación de datos; validación cruzada de
tipos de polímeros separables con el rango 1800 - 1084 cm - 1 por datos
ATR-FTIR; área alrededor de un píxel de destino investigada para cerrar;
umbrales mínimos para el índice de calidad de aciertos; imágenes
generales de color falso dependientes del tipo de polímero de la superficie
de la muestra de RefEnv1; resultados detallados de imágenes
hiperespectrales de alta resolución (HighMag); muestra RefEnv1 medida
con EC-QCL a magni fi catión de
12,5; números de polímero derivados de la muestra
15901
pubs.acs.org/est Artículo
RefEnv1 usando LowMag y HiMag; imágenes generales en falso color de la
muestra de sedimento de las profundidades marinas del Ártico y los resultados
del análisis de las muestras en blanco del procedimiento; y polímeros sintéticos
identi fi ed en aguas superficiales marinas y sedimentos de aguas profundas ( PDF )
Datos de entrada y resultados del análisis de conglomerados ( XLSX )
Base de datos en formato Excel en las regiones de número de onda 1800 -
1184 y 1160 - 1084 cm - 1 ( XLSX )
Scripts y bases de datos de Python utilizados en este estudio ( CÓDIGO POSTAL )
Vídeo ejemplar de los resultados de la medición del
polietileno en la región de 1800 - 1084 cm - 1
( MPG )
Todos los resultados de medición utilizados en este estudio ( CÓDIGO POSTAL )
■
INFORMACIÓN DEL AUTOR
Autor correspondiente
Sebastián Primpke - Instituto Alfred Wegener Centro Helmholtz de
Investigación Polar y Marina, Biologische Anstalt Helgoland, 27498
Helgoland, Alemania; orcid.org/0000-
0001-7633-8524 ; Correo electrónico: sebastian.primpke@awi.de
Autores
Matthias Godejohann - MG Optical Solutions GmbH, 86919 Utting /
Ammersee, Alemania
Gunnar Gerdts - Instituto Alfred Wegener Centro Helmholtz de Investigación
Polar y Marina, Biologische Anstalt Helgoland, 27498 Helgoland, Alemania
La información de contacto completa está disponible en:
https://pubs.acs.org/10.1021/acs.est.0c05722
Contribuciones de autor
SP contribuyó al diseño experimental, el código Python, el análisis de datos
y la visualización de datos y escribió el manuscrito con la contribución de
todos los autores. MG contribuyó a las mediciones, el diseño experimental y
el análisis de datos. GG contribuyó a la concepción del experimento, así
como al diseño y análisis de datos.
Notas
Los autores declaran competidores los siguientes fi Intereses financieros:
Sebastian Primpke y Gunnar Gerdts están libres de intereses en
competencia. Matthias Godejohann tiene que informar intereses en
competencia: Matthias Godejohann es propietario de MG Optical Solutions
GmbH, que vende y brinda soporte técnico a los microscopios en un número
seleccionado de países de Europa, como Austria, Alemania, países nórdicos
y Suiza.
■ EXPRESIONES DE GRATITUD
Los autores agradecen a DRS Daylight Solutions por el soporte técnico y el uso
del microscopio Spero QCL-IR para las mediciones de este estudio.
Agradecemos a Marcus Bach por realizar las mediciones y a Nick
Mackay-Roberts por corregir el manuscrito. SP y GG agradecen al Ministerio
Federal de Educación e Investigación de Alemania por fi apoyo financiero
(Proyecto BASEMAN • Delaware fi establecer las líneas de base y los estándares
para los análisis de microplásticos en aguas europeas; Subvención del BMBF
03F0734A). Los autores agradecen el apoyo de los fondos de publicación de
acceso abierto de Alfred-Wegener- Institut Helmholtz-Zentrum fu ̈ r̈ Polar- und
Meeresforschung.
https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental
■ REFERENCIAS
(1) Hartmann, NB; Huffer, T .; Thompson, RC; Hassellov, M .; Verschoor, A .;
Daugaard, AE; Rist, S .; Karlsson, T .; Brennholt, N .; Cole, M .; Herrling, diputado;
Hess, MC; Ivleva, NP; Lusher, AL; Wagner, M. ¿Hablamos el mismo idioma?
Recomendaciones para un marco de definición y categorización de desechos
plásticos.
Reinar. Sci. Technol. 2019, 53, 1039 - 1047.
(2) Ajith, N .; Arumugam, S .; Parthasarathy, S .; Manupoori, S .; Janakiraman, S.
Distribución mundial de microplásticos y su impacto en el medio marino • una revisión. Reinar.
Sci. Pollut. Res. 2020, 27,
25970 - 25986.
(3) Ko ̈ g̈el, T .; Bjorøy, Ø .; Toto, B .; Bienfait, AM; Sanden, M. Toxicidad micro y
nanoplástica en la vida acuática: factores determinantes.
Sci. Entorno total. 2020, 709, No. 136050.
(4) Kirstein, IV; Kirmizi, S .; Wichels, A .; Garin-Fernandez, A .; Erler, R .; Lo ̈ d̈er, M .;
Gerdts, G. ¿Autoestopistas peligrosos? Evidencia de Vibrio spp. Potencialmente
patógeno. sobre partículas microplásticas. Mar. Environ. Res. 2016, 120, 1 - 8.
(5) Kanhai, LDK; Gardfeldt, K .; Krumpen, T .; Thompson, RC; O ' Connor, I. Microplásticos
en hielo marino y agua de mar debajo de témpanos de hielo del Océano Ártico. Sci. Reps. 2020,
10, No. 5004.
(6) Peeken, I .; Primpke, S .; Beyer, B .; Gutermann, J .; Katlein, C .; Krumpen, T .; Bergmann,
M .; Hehemann, L .; Gerdts, G. El hielo marino del Ártico es un importante sumidero temporal y
un medio de transporte de microplásticos.
Nat. Comun. 2018, 9, No. 1505.
(7) Suaria, G .; Perold, V .; Lee, JR; Lebouard, F .; Aliani, S .; Ryan, P.
G. Macro y microplásticos flotantes alrededor del Océano Austral: Resultados de la
Expedición de Circunnavegación Antártica. Reinar. En t.
2020, 136, Nº 105494. (8) Bergmann, M .; Mu ̈ ẗzel, S .; Primpke, S .; Tekman, MB;
Traquea
J .; Gerdts, G. White y maravilloso? Los microplásticos prevalecen en la nieve desde los Alpes
hasta el Ártico. Sci. Adv. 2019, 5, No. eaax1157.
(9) Bergmann, M .; Wirzberger, V .; Krumpen, T .; Lorenz, C .; Primpke, S .;
Tekman, MB; Gerdts, G. Altas cantidades de microplástico en sedimentos de aguas
profundas del Ártico del Observatorio HAUSGARTEN. Reinar. Sci. Technol. 2017, 51, 11000
- 11010.
(10) Allen, S .; Allen, D .; Phoenix, VR; Le Roux, G .; Durańtez Jimeńez, P .;
Simonneau, A .; Binet, S .; Galop, D. Transporte atmosférico y deposición de
microplásticos en una cuenca montañosa remota. Nat. Geosci. 2019, 12, 339 - 344. (11)
GESAMP. Directrices para el seguimiento y la evaluación de la basura plástica en el
océano; 2019; pág 123.
(12) Triebskorn, R .; Braunbeck, T .; Grummt, T .; Hanslik, L .; Huppertsberg, S .;
Jekel, M .; Knepper, TP; Krais, S .; Mu ̈ l̈ler, YK; Pittroff, M .; Ruhl, AS; Schmieg, H
.; Schu ̈ r̈, C .; Strobel, C .; Wagner,
METRO.; Zumbu ̈ l̈te, N .; Ko ̈ ḧler, H.-R. Relevancia de los nano y microplásticos para los ecosistemas
de agua dulce: una revisión crítica. TrAC, Trends Anal. Chem.
2019, 110, 375 - 392.
(13) Primpke, S .; A. Dias, P .; Gerdts, G. Identificación y cuantificación
automatizada de microfibras y microplásticos. Anal. Métodos
2019, 11, 2138 - 2147.
(14) Liu, F .; Olesen, KB; Borregaard, AR; Vollertsen, J. Microplásticos en estanques de
retención de aguas pluviales urbanas y en carreteras. Sci. Entorno total. 2019, 671, 992 - 1000.
(15) Vianello, A .; Jensen, RL; Liu, L .; Vollertsen, J. Simulación de la exposición humana a
microplásticos en el aire en interiores utilizando un maniquí térmico respiratorio. Sci. Reps. 2019,
9, No. 8670.
(16) Schwaferts, C .; Niessner, R .; Elsner, M .; Ivleva, NP Métodos para el análisis de
partículas submicrométricas y nanoplásticas en el medio ambiente. TrAC, Trends Anal. Chem. 2019,
112, 52 - sesenta y cinco.
(17) Ira, PM; von der Esch, E .; Baumann, T .; Elsner, M .; Niessner, R .; Ivleva, NP
Raman microspectroscopy como herramienta para el análisis de partículas microplásticas. TrAC, Newville, M .; Ku ̈ Merer, M .; Bolingbroke, M .; Tartre
Trends Anal. Chem. 2018, 109,
214 - 226.
(18) Zarfl, C. Técnicas prometedoras y desafíos abiertos para la identificación y
cuantificación de microplásticos en matrices ambientales. Anal. Bioanal. Chem. 2019,
411, 3743 - 3756.
(19) Primpke, S .; Christiansen, SH; Cowger, W .; De Frond, H .; Deshpande, A .;
Fischer, M .; Holland, EB; Meyns, M .; O ' Donnell, B.
15902
pubs.acs.org/est Artículo
A.; Ossmann, BE; Pittroff, M .; Sarau, G .; Scholz-Bottcher, BM; Wiggin, KJ
Evaluación crítica de métodos analíticos para el análisis armonizado y
rentable de microplásticos. Apl. Spectrosc. 2020, 74, 1012 - 1047.
(20) Renner, G .; Schmidt, TC; Schram, J. Metodologías analíticas para el seguimiento de
micro (nano) plásticos: ¿Cuáles son las adecuadas para su propósito? Curr. Opin. Reinar.
Sci. Salud 2018, 1, 55 - 61. (21) Du ̈ m̈ichen, E .; Eisentraut, P .; Bannick, CG; Barthel, AK;
Senz, R .; Braun, U. Identificación rápida de microplásticos en muestras ambientales
complejas mediante un método de degradación térmica. Quimiosfera 2017, 174, 572 - 584.
(22) Fischer, M .; Scholz-Bo ̈ ẗtcher, BM Análisis de microplásticos en muestras ambientales - Mejoras
recientes del método de pirólisis-cromatografía de gases-espectrometría de masas para
aumentar la confiabilidad de los datos relacionados con la masa. Anal. Métodos 2019, 11, 2489
- 2497.
(23) Kuepper, C .; Kallenbach-Thieltges, A .; Juette, H .; Tannapfel,
A.; Großerueschkamp, F .; Gerwert, K. Microscopía infrarroja basada en láser Quantum
Cascade para la clasificación automática y sin etiquetas del cáncer en secciones de tejido. Sci.
Reps. 2018, 8, No. 7717.
(24) Barroso Pena, A .; Ketelhut, S .; Godejohann, M .; Kemper, B .; Schnekenburger, J. Métodos
de obtención de imágenes ópticas para la detección sin etiquetas de microplásticos en células,
tejidos y organismos ambientales (presentación de la conferencia); SPIE, 2020, vol. 11243.
(25) Lorenz, C .; Roscher, L .; Meyer, MS; Hildebrandt, L .; Prume
J .; Lo ̈ d̈er, MGJ; Primpke, S .; Gerdts, G. Distribución espacial de microplásticos en
sedimentos y aguas superficiales del sur del Mar del Norte. Reinar. Pollut. 2019, 252, 1719
- 1729.
(26) Primpke, S .; Wirth, M .; Lorenz, C .; Gerdts, G. Diseño de base de datos de referencia para
el análisis automatizado de muestras de microplásticos basados en espectroscopía infrarroja
por transformada de Fourier (FTIR). Anal. Bioanal. Chem. 2018, 410, 5131 - 5141. (27) Mintenig,
SM; Int-Veen, I .; Lo ̈ d̈er, MGJ; Primpke, S .; Gerdts, G. Identificación de microplásticos en
efluentes de plantas de tratamiento de aguas residuales utilizando imágenes infrarrojas de
micro-transformada de Fourier basadas en arreglos de plano focal. Agua Res. 2017, 108, 365 - 372.
(28) Lowekamp, BC; Chen, DT; Ibáñez, L .; Blezek, D. El diseño de SimpleITK. Parte
delantera. Neuroinf. 2013, 7, No. 45.
(29) Lehmann, G. Rotule la representación y manipulación de objetos con ITK. Insight
J. 2007, 8, 1 - 31.
(30) Yoo, TS; Ackerman, MJ; Lorensen, WE; Schroeder, W .; Chalana, V .; Aylward, S .;
Metaxas, D .; Whitaker, R. Ingeniería y diseño de algoritmos para una API de procesamiento de
imágenes: un informe técnico sobre ITK: el kit de herramientas Insight. En La medicina se
encuentra con la realidad virtual 02/10;
Westwood, JD; Ho ff hombre, HM; Robb, RA; Stredney, D., Eds .; IOS Press:
Amsterdam, 2002; págs. 586 - 592.
(31) Virtanen, P .; Gommers, R .; Oliphant, TE; Haberland, M .; Reddy, T .;
Cournapeau, D .; Burovski, E .; Peterson, P .; Weckesser, W .; Bright, J .; van der
Walt, SJ; Brett, M .; Wilson, J .; Millman, KJ; Mayorov, N .; Nelson, ARJ; Jones, E .;
Kern, R .; Larson, E .; Carey,
CJ; Polat, I.̇; Feng, Y .; Moore, EW; VanderPlas, J .; Laxalde, D .; Perktold, J .;
Cimrman, R .; Henriksen, I .; Quintero, EA; Harris, C.
R .; Archibald, AM; Ribeiro, AH; Pedregosa, F .; van Mulbregt, P .; Vijaykumar, A .;
Bardelli, AP; Rothberg, A .; Hilboll, A .; Kloeckner,
A.; Scopatz, A .; Lee, A .; Rokem, A .; Woods, CN; Fulton, C .; Masson, C .;
Hag̈gstro ̈ m̈, C .; Fitzgerald, C .; Nicholson, DA; Hagen,
DR; Pasechnik, DV; Olivetti, E .; Martin, E .; Wieser, E .; Silva, F .; Prestamistas, F .;
Wilhelm, F .; Young, G .; Precio, GA; Ingold, G.-L .; Allen,
GE; Lee, GR; Audren, H .; Probst, I .; Dietrich, JP; Silterra, J .; Webber, JT;
Eslavo, ̌ J .; Nothman, J .; Buchner, J .; Kulick, J .; Scho ̈ n̈berger, JL; de Miranda
Cardoso, JV; Reimer, J .; Harrington,
J .; Rodríguez, JLC; Núñez-Iglesias, J .; Kuczynski, J .; Tritz, K .; Thoma, M .;
METRO.; Pak, M .; Smith, Nueva Jersey; Nowaczyk, N .; Shebanov, N .; Pavlyk, O .;
Brodtkorb, PA; Lee, P .; McGibbon, RT; Feldbauer, R .; Lewis, S .; Tygier, S .; Sievert, S
.; Vigna, S .; Peterson, S .; Más, S .; Pudlik, T .; Oshima, T .; Pingel, TJ; Robitaille, TP;
Spura, T .; Jones, TR; Cera, T .; Leslie, T .; Zito, T .; Krauss, T .; Upadhyay, U .;
Halchenko, Y.
O .; Váźquez-Baeza, Y .; SciPy, C. SciPy 1.0: algoritmos fundamentales para la computación
científica en Python. Nat. Métodos 2020, 17, 261 - 272.
https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903
Ciencia y tecnología ambiental pubs.acs.org/est Artículo

(32) Lam, SK; Pitrou, A .; Seibert, S. En Numba: un compilador JIT de Python basado en
LLVM, En las actas del segundo taller sobre la infraestructura del compilador LLVM en
HPC; Asociación de Maquinaria de Computación: Austin, Texas, 2015; p Artículo 7.

(33) Primpke, S .; Lorenz, C .; Rascher-Friesenhausen, R .; Gerdts, G. Un enfoque

automatizado para el análisis de microplásticos utilizando microscopía FTIR de matriz de plano
focal (FPA) y análisis de imágenes. Anal. Métodos
2017, 9, 1499 - 1511.
(34) Simon, M .; van Alst, N .; Vollertsen, J. Cuantificación de la masa de microplásticos y tasas
de remoción en plantas de tratamiento de aguas residuales aplicando imágenes infrarrojas por
transformada de Fourier (FT-IR) basadas en Focal Plane Array (FPA). Agua Res. 2018, 142, 1 - 9.
(35) Manual de datos de polímeros, 2ª ed.; Mark, JE, Ed .; Oxford University Press: Nueva York,
2009.

(36) Primpke, S .; Cross, RK; Mintenig, SM; Simon, M .; Vianello,

A.; Gerdts, G .; Vollertsen, J. Hacia la identificación sistemática de microplásticos en el medio
ambiente: evaluación de una nueva herramienta de software independiente (siMPle) para
análisis espectroscópico. Apl. Spectrosc.
2020, 74, 1127 - 1138.
(37) Cabernard, L .; Roscher, L .; Lorenz, C .; Gerdts, G .; Primpke, S. Comparación de
la espectroscopia infrarroja por transformada de Fourier y Raman para la cuantificación de
microplásticos en el medio acuático.
Reinar. Sci. Technol. 2018, 52, 13279 - 13288.
(38) Liu, F .; Vianello, A .; Vollertsen, J. Retención de microplásticos en sedimentos de estanques
de retención de aguas pluviales urbanas y de carreteras. Reinar. Pollut. 2019, 255, No. 113335.

(39) Hendrickson, E .; Menor, EC; Schreiner, K. Abundancia y composición de

microplásticos en el lago Superior occidental determinado mediante microscopía,
Pyr-GC / MS y FTIR. Reinar. Sci. Technol. 2018, 52, 1787 - 1796.

(40) Primpke, S .; Fischer, M .; Lorenz, C .; Gerdts, G .; Scholz- Bo ̈ ẗtcher, BM

Comparación de cromatografía de gases de pirólisis / espectrometría de masas y
espectroscopía de imágenes FTIR hiperespectral para el análisis de microplásticos. Anal.
Bioanal. Chem. 2020, 412, 8283 - 8298. (41) Andrady, AL El plástico en los microplásticos:
una revisión. Mar. Pollut. Toro. 2017, 119, 12 - 22.

(42) Tekman, MB; Wekerle, C .; Lorenz, C .; Primpke, S .; Hasemann, C .; Gerdts, G .;

Bergmann, M. Atar los extremos sueltos de la contaminación por microplásticos en el Ártico:
distribución desde la superficie del mar a través de la columna de agua hasta los
sedimentos de aguas profundas en el Observatorio HAUSGARTEN. Reinar. Sci. Technol. 2020,
54,
4079 - 4090.
(43) Imhof, HK; Schmid, J .; Niessner, R .; Ivleva, NP; Laforsch,
C. Un método novedoso y altamente eficiente para la separación y cuantificación de
partículas plásticas en sedimentos de ambientes acuáticos. Limnol. Oceanogr .:
Métodos 2012, 10, 524 - 537.

15903 https://dx.doi.org/10.1021/acs.est.0c05722
Reinar. Sci. Technol. 2020, 54, 15893 - 15903