2588-0101 Вестник Евразийской науки The Eurasian Scientific Journal ООО «Издательство «Мир науки» 10.15862/42NZVN125 https://esj.today/42NZVN125.html Особенности применения спектроскопии комбинационного (рамановского) рассеяния света для задач морского геоэкологического мониторинга Raman spectroscopy application features for marine geoecological monitoring Позднякова Виктория Владимировна Позднякова Виктория Владимировна Pozdniakova Viktoriia Vladimirovna viktoriya.17@mail.ru https://orcid.org/0009-0005-1362-5258 Чусов Александр Николаевич Чусов Александр Николаевич Chusov Alexander Nikolaevich chusov_an@spbstu.ru https://orcid.org/0000-0002-1388-8649 Кустикова Марина Александровна Кустикова Марина Александровна Kustikova Marina Alexandrovna marinakustikova@mail.ru https://orcid.org/0000-0001-7486-6729 ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого» (Санкт-Петербург, Россия) Peter the Great Saint Petersburg Polytechnic University (Saint Petersburg, Russia) ФГАОУ ВО «Национальный исследовательский университет ИТМО» (Санкт-Петербург, Россия) ITMO University (Saint Petersburg, Russia) 11 04 2025 2025 17 1 42NZVN125 14 02 2025 28 03 2025 2025 Позднякова Виктория Владимировна, Чусов Александр Николаевич, Кустикова Марина Александровна Pozdniakova Viktoriia Vladimirovna, Chusov Alexander Nikolaevich, Kustikova Marina Alexandrovna CC BY 4.0 https://esj.today/42NZVN125.html

Работа посвящена разработке и обоснованию методики идентификации веществ-индикаторов, свидетельствующих о наличии морских углеводородных месторождений с использованием спектроскопии комбинационного рассеяния света (КРС) в условиях геоэкологического мониторинга. При этом процесс обработки и анализа спектров КРС является сложной задачей ввиду множества факторов, таких как наличие шумов, перекрытие спектральных сигнатур, необходимость в точной калибровке оборудования и разнообразие физических процессов, влияющих на получаемые данные. Для автоматизации процесса интерпретации полученных с помощью рамановского спектрометра спектральных данных без дополнительной визуализации авторами представлено специализированное программное обеспечение, разработанное на языке программирования Python, которое позволяет ускорить и упростить процесс идентификации химических веществ в исследуемом объекте. Разработанная программа включает в себя следующие этапы: предварительную обработку данных (удаление шумов, коррекция базовой линии), идентификацию пиков, анализ спектральных характеристик и автоматизированную интерпретацию полученных результатов с определением химического состава. Программа осуществляет считывание файлов в формате TXT, содержащих наборы данных, включающие длину волны и интенсивность. Результаты анализа представляются через интерактивный интерфейс в текстовом формате с перечислением веществ, идентифицированных в исследуемой пробе. В программе используются следующие библиотеки: Numpy, Pandas, Scipy и Tkinter. Разработанное программное обеспечение протестировано на задаче идентификации углеводородов в морской воде с использованием бинарной классификации, для чего были проанализированы спектры КРС, полученные в результате теоретических расчетов (DFT моделирование) и лабораторных исследований. Значение показателя точности составило 96,77 %. Программа может использоваться в лабораторных (стационарных и мобильных) аналитических комплексах, оснащенных рамановским спектрометром, а полученные результаты позволяют научно обосновано применить метод комбинационного рассеяния света для задач морского мониторинга.

The work is devoted to the development and substantiation of methodology for the indicator substances indicating the presence of offshore hydrocarbon deposits identification using Raman spectroscopy geoecological monitoring. The Raman spectra processing and analysis is a complex task due to many factors, such as the noise presence, spectral signatures overlapping, the accurate equipment calibration need, and the physical processes affecting the data obtained variety. To automate the spectral data obtained with a Raman spectrometer without additional visualization interpretation, the authors present specialized software developed in the Python programming language, which allows accelerating and simplifying the identifying chemical substances in the study object process. The developed program includes the following steps: data preprocessing (noise removal, baseline correction), peak identification, spectral characteristics analysis, and automated interpretation of the results with the chemical composition determination. The program reads files in TXT format containing datasets that includes wavelength and intensity. The analysis results are presented through an interactive interface in text format, listing the substances identified in the study sample. The following libraries are used in the program: Numpy, Pandas, Scipy, and Tkinter. The developed software was tested on the identifying hydrocarbons in seawater task using binary classification, for which Raman spectra from theoretical calculations (DFT modeling) and laboratory studies were obtained and analyzed. The accuracy rate is 96,77 %. The program can be used in laboratory (stationary and mobile) analytical complexes equipped with a Raman spectrometer, and the obtained results make it possible to scientifically apply the Raman scattering method for the marine geoecological monitoring tasks.

 Ключевые слова геоэкологический мониторинг комбинационное рассеяние света рамановская спектроскопия обработка спектров шумы в спектрах бинарная классификация рамановский сдвиг морские месторождения углеводородное сырье энергетические ресурсы Keywords geoecological monitoring Raman light scattering Raman spectroscopy spectrum processing noise spectra binary classification Raman shift marine deposits hydrocarbons energy resources D. Lirong Global Oil and Gas Resources: Potential and Distribution / D. Lirong, W. Zhixin, W. Zhaoming — DOI: 10.1007/978-981-97-4756-6 // Springer Nature Singapore. — 2024. — C. 266. Швец Н.Н. Нефтегазовые ресурсы Арктики: правовой статус, оценка запасов / Швец Н.Н., Береснева П.В. // Вестник МГИМО университета. — 2014. — № 4(37). — С. 60–67. — EDN SUCLRV. Cherepovitsyn A. Global challenges and opportunities for Arctic oil and gas projects / Cherepovitsyn A., Rutenko E., Yudin S. — DOI: doi.org/10.1051/e3sconf/202337806007 // E3S Web Conf. — 2023. — № 378. — C. 06007. — EDN TUGQOS. Terry L.R. Applications of surface-enhanced Raman spectroscopy in environmental detection / Terry L.R., Sanders S., Potoff R.H., Kruel J.W., Jain M., Guo H. — DOI: 10.1002/ansa.202200003 // Anal Sci Adv. — 2022. — № 3. — C. 113–145. García-Allende P.B. Data processing method applying principal component analysis and spectral angle mapper for imaging spectroscopic sensors. / García-Allende P.B, Conde O.M., Mirapeix J., Cubillas A.M., López-Higuera J.M. — DOI: 10.1109/jsen.2008.926923 // IEEE Sensors Journal. — 2008. — № 8(7). — C. 1310–1316. Zhang R. Transfer‐learning‐based Raman spectra identification / Zhang R., Xie H., Cai S., Hu Y., Liu G., Hong W., Tian, Z. — DOI: 10.1002/jrs.5750 // Journal of Raman Spectroscopy — 2019. — C. 1–11. Asadzadeh S. A review on spectral processing methods for geological remote sensing / Asadzadeh S., de Souza Filho C.R. — DOI: 10.1016/j.jag.2015.12.004 // International Journal of Applied Earth Observation and Geoformation — 2019. — № 47. — C. 69–90. Smulko J. Noise sources in Raman spectroscopy of biological objects / Smulko J., Wróbel M.S. — DOI:10.1117/12.2254807 // Dynamics and Fluctuations in Biomedical Photonics XIV — 2017. — № 100630Q. McKinney W. Python for data analysis / McKinney W. // O'Reilly Media, Inc. — 2022. — C. 541. Trullols E. Validation of qualitative analytical methods / Trullols E., Ruisánchez I., Rius F.X. — DOI: 10.1016/S0165-9936(04)00201-8 // TrAC — Trends in Analytical Chemistry. — 2004. — 23(2). — C. 137–145.