样品采集、制备与预处理
引言：仪器再准，也救不回一份“拿错了”的样品
某工厂收到一批颜色深浅不一的颗粒原料。你从表面抓一把，送进再灵敏的仪器，读数稳定、重复性也很好。那这个结果能代表整批原料吗？未必。深色颗粒可能沉在底部，细粉可能集中在一侧；你测得很准的，也许只是“这一小把”的组成。
这正是分析工作最容易被低估的地方：仪器回答的是送到它面前的试样，而不是自动回答你原来关心的总体。 从总体到最终测量之间，要经历采集、保存、制备和预处理。每一步都在决定“我们究竟测谁、测什么状态、结果能代表什么”。
这一章不教一套放之四海皆准的操作配方。你要建立的是一套先问问题、再作选择、最后留下证据的判断框架：明确待测量 → 制定采样计划 → 让样品保持可追溯 → 使待测组分进入适合测量的状态 → 检查有没有污染、损失或变化。
一、采样不是“取一点”，而是替总体发言
1. 先把问题问完整：你要测的到底是什么？
一杯浑浊河水摆在面前，题目若问“某元素的总含量”，你不能一上来就过滤；过滤会把颗粒物留在膜上，之后测到的是滤液中那一部分。反过来，若问题本来就是“滤液中可测到的某离子浓度”，过滤可能正是定义的一部分。看起来只差一个动作，实际改变了待测量的边界。
所以采样前先写一句完整的话：在什么总体、什么位置或时段、以什么状态，测哪个组分。 例如“比较三台反应釜出料中某组分的批次平均含量”和“找出哪一台反应釜的出料异常”都在测同一种组分，但前者可以考虑合成样，后者必须保留分釜信息。
分析记录里常把样品沿着一条明确的链条交接：
- 总体（或批、母体）：你希望结论适用的全部对象，例如一车原料、一天的出水或一批产品；
- 初级样：从总体不同位置、时段或单元取得的一份份样品；
若分析目的需要平均信息，初级样可按预先规定的规则合成为合成样；它描述的是采样计划中的合并动作，不是“实验室样品”的同义词。随后，送达实验室或由实验室接收的样品称为实验室样品。实验室样品经干燥、粉碎、混匀、缩分等必要制备后形成试样；若不需要制备，试样可以与实验室样品相同。最后，从试样中取出用于一次测定或分析的确定量，才是试份。试份小，不等于它不必代表总体；代表性的证据应该在前面的采样和制备链条中已经建立。
你可能会问：“那我多取一点总可以吧？”注意，这是个陷阱。样品量多，只会让同一个偏位置的错误取样更重；它不能替代覆盖不同位置、不同时间和不同批次。代表性来自覆盖和抽取规则，不来自样品瓶看上去很满。
先写清待测量，才能判断某个动作是不是合理。例如“过滤”“烘干”“合并”都不是中性的按钮：它们可能在定义测量对象、改变浓度基准，或把原本应分别比较的信息混在一起。方法选定前，先让分析目的说话。
2. 不均匀时，怎样让取样不偏向“看起来方便”的地方？
总体可能沿空间、时间或组成分层。罐底与罐顶不同，河流近岸与中心不同，连续生产的换班前后也可能不同。看到这种可能性，不要机械地背“随机”两个字，而要问：不均匀性可能藏在哪里？
- 随机取样适合总体单位没有已知分层、且希望每个单位都有相近机会被抽到的情况。随机不是随手抽；它需要事先规定可抽取的单位和抽取办法。
- 分层取样先按与分析目标有关的层次分开，例如不同深度、不同包装规格、不同班次，再在每层内抽取。它的价值是防止一个很方便到达的层把其他层淹没。
- 系统取样按固定时间间隔、固定空间间隔或固定件号取样，便于连续过程执行。但若过程本身也有同周期波动，固定间隔可能总撞上同一相位；通常先随机选择起点；若取样间隔恰与过程周期重合，还须改变间隔或采用随机化时点，单独更换起点不能保证消除周期偏倚。
不妨先想一个场景：一条河横向混入排口水，近岸、中部、远岸颜色不同。只在岸边装满三瓶水，算不算“三次平行”？可以构成该近岸位置的现场平行样，但不能代表整个横断面的三份独立代表性样品。它们最多说明近岸位置的重复取样情况，却没有覆盖横向差异。若你的问题是河段平均状况，需要先把横向位置纳入采样计划；若你的问题是排口影响范围，则还需要保留每个位置的身份，不能过早混成一瓶。
在交互中分别处理“分层颗粒”“河段”和“连续批次”。你会看到，同样是取多个点，是否保留分层信息、是否选择合成样，取决于你的结论要回答“平均值”还是“差异在哪里”。
3. 采样计划里，哪些信息必须能让别人复盘？
一份可用的采样计划不只写“取样三份”。至少要把总体与待测量、采样单元、位置或时间、容器与保存条件、合成或不合成的规则、样品编号以及异常情况写清。这样，别人才能判断结果适用的范围，也能在出现异常时追查链条。
容器、工具和标签看似琐碎，却常是污染和混样的入口。要让接触样品的材料与待测组分、后续方法相容；要防止前一份样品残留进入下一份；要在现场就标注身份、时间和状态，而不是回到实验室凭记忆补写。对于需要质量控制的任务，还应按计划设置空白、平行样或加标回收等检查。它们不是为了“凑项目”，而是分别帮助你发现环境或器皿带来的污染、采样/处理的重复性问题，以及处理过程中的损失或基体影响。更系统的误差评价和质量控制会在后续章节继续展开。
二、制备的目标是缩小质量，不缩小代表性
1. 为什么“从上面抓一把”常常不可靠？
固体样品通常不能把整袋、整车都送进仪器。实验室接收实验室样品后，必要时经干燥（是否需要先由待测量决定）、粉碎、混匀、缩分形成试样；再从试样中取确定量作为试份用于一次测定。听起来像把大样变小样，真正的难题却是：每减一次量，组分有没有被重新偏向某一侧？
想象一袋土壤中混有粗颗粒、细颗粒和少量碎屑。粗颗粒容易滚到边缘，细粉容易沉到局部。你若只从上层抓一把，取到的粒度和组成可能都偏离总体。先适当粉碎、再充分混匀、再按规则缩分，目的不是把样品“处理得好看”，而是让每一次减量尽可能不偏袒某种颗粒或某个位置。
常见的缩分思路包括把均匀铺开的样品按规则分成若干部分、取对角部分后再混合的四分法，以及用分样器让颗粒交替进入多个接收槽。它们的共同点不是某个固定动作，而是让“保留哪一部分”不由手伸得最方便的位置决定。对粒径差别很大、易吸湿、易挥发或可能在研磨中被污染的样品，制备条件要另行验证；把粉碎或干燥当作一律必须的步骤，反而会改变待测量。
干燥能让某些固体更易研磨和按干基比较，却可能损失挥发性组分或改变样品中的水分状态；研磨能提高均匀性，也可能带来工具磨损污染或发热。先问“待测组分会不会在这一步离开或变化”，再决定是否做、怎样做，并把条件记录下来。
2. 例题：平均质量和“找异常”为什么不能共用一瓶合成样？
例题：四个等质量储料仓分别装有同一批粉体。任务 A 是报告整批的平均某元素含量；任务 B 是判断是否有某个储料仓异常。怎样采样与处理？
你可能会说：“每仓取一点混起来，两个任务都省事。”这正好把两个问题偷偷合并了。合成样擅长回答平均水平，却会抹掉仓与仓之间的差别。
先区分结论对象。任务 A 的对象是四仓合起来的整批平均，任务 B 的对象是每一仓的单独状态；因此任务 B 必须让每仓样品的身份保留下来。
在每个储料仓内，按预先规定的位置或深度取若干初级样，避免只取表层；把同一储料仓内、符合目的的初级样混匀后，可以形成该仓的代表性样品。
若四仓质量相等，任务 A 可从四个已保留身份的仓样中按相同质量取份额、混成合成样，或分别测定后按同样权重计算平均。两种路线都应保留原始仓样与合成规则。
任务 B 则测定四个仓样，比较结果是否存在异常。若一开始就把四仓全混成一瓶，即使测出平均值，也无法倒推异常来自哪一仓。
答案的关键不是“合成样永远好”或“永远不好”，而是它压缩了空间或批次差异。要平均，就按可说明的权重合成；要找差异，就别过早把差异混掉。
试着先不混匀就缩分，再改成混匀后使用规则缩分。模拟的数字不是替代真实验证，而是让你看见偏差怎样从“抓一把”的动作中被放大。
三、预处理不是做得越多越好，而是只做必要的转移与分离
1. 三个问题决定路线：组分、基体、后续方法
原始样品往往不能直接测量：泥水会堵塞或干扰测量，固体中的元素需要先转入溶液，低含量组分的信号可能被背景淹没。但“多做几步”不等于更可靠；每多一步，就多一次污染、损失和化学形态改变的机会。
因此，预处理前依次问三个问题。
- 待测组分是什么状态，要报告什么边界？ 是总量、滤液中的部分，还是某种特定形态？
- 基体在妨碍什么？ 是颗粒、油脂、盐分、颜色，还是浓度太高/太低？
- 后续方法需要样品呈什么状态？ 需要澄清溶液、适当浓度、去除干扰，还是把目标从固体转入溶液？
在这个框架下，过滤或离心用于把颗粒与液相分开；稀释把浓度调入方法适用范围；提取把目标组分转移到更适合测量的相；消解或溶解使固体基体中的组分进入溶液；富集则在含量低时提高可测信号。每个动作都要接着问一句：目标组分是否仍被完整、稳定、可追溯地保留在我要测的那一相里？
注意，过滤并不自动等于“更干净、更正确”。它会把颗粒留住，从而可能改变报告对象；提取或消解也不自动等于“全部转移”，必须考虑回收、空白和处理条件。具体试剂、温度、时间和器皿选择必须服从经验证的方法与实验室安全要求，不能从一张通用流程图里直接照搬。
预处理的目标是让待测量进入可测状态、降低与该测量无关的干扰，而不是把样品变得越“纯”越好。若一个动作会带走待测组分、改变其形态，或把“总量”换成“滤液中的部分”，它就必须被重新审查、记录并用合适的质量控制证据支持。
2. 案例：同一瓶浑浊水，先过滤还是先保存？
现场拿到一瓶含悬浮物的水样，大家常抢着问：“先过滤吗？”更好的第一个问题是：“本次报告的待测量是总量，还是滤液中部分？”
- 若测量对象包含颗粒与液相，过滤会改变对象，不能把“过滤后的结果”称为原待测量的总量；
- 若测量对象明确定义为滤液中部分，过滤就是路线的一环，但滤膜、时间、保存和容器都要纳入记录；
- 不论哪一种，样品在运输和等待中都可能继续发生沉降、吸附、挥发或反应。应依照选用方法的规定采取合适的避光、密闭、控温或稳定化措施，并记录异常；不要凭经验给所有样品套同一种保存处理。
这时你已经在做分析化学最重要的取舍：不是问“哪一步最常见”，而是问“哪一步仍忠实于我要报告的量”。
在三个案例中分别选择路线，并特别留意每个选项下方的“保留什么、去除什么、最可能错在哪里”。这比只记住“过滤、提取、消解”几个词更接近真实决策。
四、在送去测量之前，做一次损失与污染检查
采样和预处理像一条传递链。链上的任何一个环节都可能让目标组分减少、增加或换了形态：容器吸附、挥发、光照或氧化还原变化会造成损失或转化；工具、试剂和空气尘埃可能带来污染；混样、标签或记录错误会让一份本来正确的结果失去身份。
此时不必急着背很多质控术语，先掌握三个朴素问题：
- 有没有不该出现的东西进来？ 用空白等方式检查环境、容器和试剂带来的背景；
- 同一流程重复一次，结果是否接近？ 用平行样观察采集与处理的稳定性；
- 目标经过这条路线后还回得来吗？ 用加标回收或合适的对照材料检查损失和基体影响。
它们不会替你自动修正一个失败的采样计划，却能尽早暴露问题。下一章会把误差、有效数字和数据处理系统化；本章先把一个习惯钉牢：看到离奇结果，先追问样品链条，再怀疑仪器。
一份能站得住的分析结果，至少应能回答四件事：它代表哪个总体；待测量如何定义；样品经历了哪些会改变组成的步骤；又用什么证据检查污染、损失和混样。把这些写进记录，结果才有可解释的边界。
本章练习
1
要比较一条河横截面近岸、中部和远岸的差异，下列做法最合适的是？
2
关于样品制备与预处理，下列说法正确的是？
3
把样品减量时，先充分混匀、再按规则分取的核心目的，是尽量保持样品的 ____。
4
只要仪器校准合格且重复测定结果接近，最初采样位置的偏差就可以被消除。
练习 5：给“先过滤”补上前提
同学说：“水样有悬浮物，所以一定先过滤，结果更可靠。”请指出这句话缺少的首要前提，并说明若任务是测水样中目标元素的总量，为什么不能直接套用这句话。
练习 6：平均值与异常定位
四个等质量储料仓的粉体需要分析。请分别说明：报告整批平均组成时，怎样利用仓样形成合成样或平均结果；判断哪一仓异常时，为什么不能一开始就把四仓样混合？