第三讲：谱图解析入门——三要素、区域划分与预处理
各位同学，欢迎来到实战课第三讲。
说实话，很多新手拿到一张红外谱图，第一反应就是「这什么鬼？这么多峰，从哪看起？」。我当年也一样，对着密密麻麻的峰线发懵。后来带我的老师傅丢给我一句话：「看谱图，先看三要素——峰位、峰强、峰形。搞懂这三个，你就入门了。」
今天我就把这句话掰开揉碎了讲给你听。顺便聊聊官能团区和指纹区怎么划分，以及一个特别容易被忽略的步骤——基线校正和归一化。嗯，这些基本功打不牢，后面分析聚合物结构会吃大亏。
3.1 谱图三要素：峰位、峰强、峰形
一张红外谱图，说白了就是横轴波数、纵轴吸光度的二维曲线。但真正有价值的信息，藏在三个维度里。
3.1.1 峰位——「这个峰在哪？」
峰位就是吸收峰对应的波数位置，单位是 cm⁻¹。这是定性分析的核心依据。每个化学键都有它自己的「振动频率」，就像每个人的指纹一样。
举个例子：羰基 C=O 的伸缩振动，通常出现在 1700 cm⁻¹ 附近。如果我在 1735 cm⁻¹ 看到一个强峰，那大概率是酯基；如果出现在 1715 cm⁻¹，可能是酮或醛。差 20 个波数，结构就完全不同了。
我个人习惯：拿到谱图先扫一眼 1800-1600 cm⁻¹ 区域，这里通常是羰基和烯烃的天下，信息量最大。
峰位决定「是什么基团」。记住常见基团的特征波数范围，是解析谱图的第一步。
3.1.2 峰强——「这个峰有多高？」
峰强反映的是吸光度大小，跟样品中该基团的浓度、以及该振动模式的跃迁概率有关。
注意，峰强不是绝对的。同样一个 C=O 峰，在纯羰基化合物里可能吸光度 1.5，在稀释溶液里可能只有 0.2。所以峰强更多用来做相对比较。
我在项目中遇到过一件事：分析一个共聚物样品，两个单体比例大概 1:1，但谱图上某个特征峰特别弱。后来发现是那个基团的摩尔吸光系数本身就低。你想想看，如果只看峰强就下结论，那就掉坑里了。
| 峰强等级 | 吸光度范围（参考） | 常见情况 |
|---|---|---|
| 强（s） | > 0.8 | C=O、O-H、N-H 等强极性键 |
| 中（m） | 0.3 - 0.8 | C=C、C-O、C-N 等 |
| 弱（w） | < 0.3 | C-H 弯曲、骨架振动等 |
3.1.3 峰形——「这个峰长什么样？」
峰形是最容易被新手忽略的要素。其实峰形里藏着大量结构信息。
比如：
- 宽峰：通常意味着氢键作用。醇、酚、羧酸的 O-H 伸缩振动，往往是一个大宽包，从 3600 一直拖到 2500 cm⁻¹。
- 尖峰：自由 O-H 或 N-H，或者刚性结构中的 C=O，峰形很锐利。
- 肩峰：两个相近的振动模式叠加，比如结晶和非晶区的 C=O 峰会有肩峰。
- 分裂峰：费米共振或晶体场效应导致。
我曾经分析一个聚氨酯样品，看到 N-H 峰又宽又矮，一开始以为是杂质。后来仔细一想——不对，这是氢键化的 N-H，说明硬段和软段之间有强烈的氢键作用。这个峰形直接帮我确认了材料的微相分离结构。
3.2 官能团区与指纹区的划分
一张完整的红外谱图，通常从 4000 cm⁻¹ 扫到 400 cm⁻¹。但不同区域的信息密度完全不同。我习惯把它切成两段：
3.2.1 官能团区（4000 - 1300 cm⁻¹）
这个区域是「看人先看脸」的地方。几乎所有特征基团的特征吸收都集中在这里：
- 4000 - 2500 cm⁻¹：X-H 伸缩振动（O-H、N-H、C-H）
- 2500 - 2000 cm⁻¹：三键和累积双键（C≡C、C≡N、C=C=C）
- 2000 - 1500 cm⁻¹：双键伸缩振动（C=O、C=C、C=N）
- 1500 - 1300 cm⁻¹：C-H 弯曲振动、骨架振动
在这个区域，每个峰基本都能直接对应到某个官能团。解析起来相对直接。
3.2.2 指纹区（1300 - 400 cm⁻¹）
指纹区就复杂多了。这里峰多、峰密、峰形复杂，单个峰很难直接归属。但它的价值在于——整体谱形就像人的指纹一样，具有唯一性。
我经常用指纹区来做两件事：
- 确认结构：如果标准谱图和样品谱图在指纹区完全吻合，那基本可以确定是同一种物质。
- 区分异构体：比如邻、间、对位取代的苯环，在 900-650 cm⁻¹ 区域的峰形完全不同。
3.3 基线校正与归一化
嗯，这里我要多说两句。很多同学拿到谱图直接就开始找峰，这是个大坑。
原始谱图往往存在基线漂移——可能是样品散射、仪器状态、或者制样不均匀导致的。如果不做基线校正，峰位和峰强都会有偏差。
3.3.1 基线校正
基线校正的目的，就是把谱图的「零线」拉平。通常的做法是：
- 选择没有吸收的区域（比如 4000-3800 cm⁻¹、2200-2000 cm⁻¹）作为基线点
- 用多项式拟合或分段线性校正，把基线拉平到零吸光度附近
我常用的软件是 OMNIC 和 SpectraGryph。手动校正时，我习惯选 3-5 个点做自动基线校正，然后肉眼检查一下。如果校正过头了，反而会引入假峰。
3.3.2 归一化
归一化是为了让不同样品、不同测试条件下的谱图具有可比性。常用的方法有：
- 最大峰归一化：把谱图中最强峰的吸光度设为 1，其他峰按比例缩放
- 面积归一化：把整个谱图的积分面积设为 1
- 内标归一化：用某个已知浓度的内标峰做基准
我个人最常用的是最大峰归一化，简单直观。但要注意：如果最强峰是溶剂峰或杂质峰，那归一化就失去意义了。
# Python 示例：简单的基线校正和归一化
import numpy as np
def baseline_correction(wavenumber, absorbance, degree=3):
"""多项式拟合基线校正"""
# 选择基线区域（示例：4000-3800 和 2200-2000）
mask = ((wavenumber > 3800) & (wavenumber < 4000)) | \
((wavenumber > 2000) & (wavenumber < 2200))
coeffs = np.polyfit(wavenumber[mask], absorbance[mask], degree)
baseline = np.polyval(coeffs, wavenumber)
return absorbance - baseline
def normalize_to_max(absorbance):
"""最大峰归一化"""
return absorbance / np.max(absorbance)
3.4 知识体系总览
说了这么多，我画了一张图帮你把今天的内容串起来。你看，谱图解析其实就这三步：先看三要素，再分区域，最后做预处理。每一步都有它的门道。
好了，这一讲的内容就到这里。记住：谱图解析不是玄学，是有章可循的。三要素帮你抓住关键信息，区域划分帮你快速定位，预处理帮你排除干扰。把这三点练熟了，后面分析聚合物结构就会顺手很多。
下次拿到一张谱图，别急着翻书查表。先问自己三个问题：峰在哪？多高？长什么样？答案自然就有了。
公众号:蓝海资料掘金营，微信deep3321