Ep 55 — 开放光谱数据库：NIST WebBook、SDBS、EPA 等

系列：红外光谱百科：从原理到实战
篇章：第五篇 · 仪器与工具篇 — 开放数据生态（Ep 46–55 后段，第五篇收官集）
适合人群：希望提升数据处理效率的技术人员、研究生、科研工作者、图书馆 / 信息化管理者、对开放科学感兴趣的所有人
前置知识：Ep 19（库检索）、Ep 52（商业软件）、Ep 53–54（开源工具）
阅读时间：约 45 分钟

引子：一份"价值万元"的免费礼物

某博士生小赵正在做一项药物多晶型研究，需要一份权威的咖啡因红外标准谱图作为参照。她第一反应是问导师能不能买 Sadtler 商业谱库（约 5 万元 / 年订阅）。导师笑着说："先去 NIST WebBook 找找，免费。"

5 分钟后，小赵在 NIST Chemistry WebBook 输入 "caffeine"，点开红外谱图——气相 + 凝聚相两套数据，可下载 JCAMP-DX 格式，可直接导入她常用的 SpectroChemPy（Ep 53）。她又点开日本 AIST 的 SDBS，找到更详细的咖啡因 KBr 压片红外谱图，附带测量条件、峰位列表。

"开放光谱数据库是过去 30 年分析化学界最伟大的'免费礼物'之一。NIST WebBook 和 SDBS 的免费政策，让全球数十万研究人员、学生受益。"
—— 改编自 Analytical Chemistry 编辑评论 [1]

本集是"仪器与工具篇"收官集，也是 Ep 53–54 开源工具的"数据搭档"。我们将系统介绍全球主要的开放光谱数据库：NIST Chemistry WebBook（公开文档常见约 16000+ 化合物量级，随更新变化）、AIST SDBS、EPA/EMC 相关 FTIR 参考谱（面向有害空气污染物等，公开表述多为百余种量级而非“库内正好 189 且永久不变”），以及 PNNL、HITRAN、Caltech、USGS 等专业库。最后简介商业库并讲解检索比对技巧。

💡 本集定位：Ep 52 商业软件内置商业库，Ep 53–54 开源工具自带少量库，本集教你去哪里找免费、权威、可下载的标准光谱。三者结合，构成完整的数据生态。

一、开放光谱数据库的价值与生态

1.1 为什么需要光谱数据库

红外光谱的"指纹区"原理决定了：通过比对未知样品谱图与标准谱图，可以鉴定化合物 [1][2]。这是 Ep 19 库检索的核心逻辑。

库检索的质量取决于两点 [1][2][3]：

• 算法：相关系数、绝对差值、一阶导数匹配等（见 Ep 19）；
• 库内容：覆盖度、准确性、元数据完整性。

商业库（Sadtler、Aldrich、Hummel）覆盖广、质量高，但价格不菲 [1]。开放数据库的兴起让"免费也能用得好"成为可能。

1.2 全球开放光谱数据库生态

下表是全球主要开放 FTIR 光谱数据库的概览（综合 [1][2][3][4]）：

表 1：全球主要开放 FTIR / 相关光谱数据库概览（综合 [1][2][3][4]）

下面我们逐个介绍最重要的几个。

二、NIST Chemistry WebBook：权威的"国民数据库"

2.1 概览

NIST Chemistry WebBook 是美国国家标准与技术研究院（NIST）维护的化学数据库，是全球最权威、最广泛使用的免费化学数据库之一 [1][2]。

• 官网：https://webbook.nist.gov/ch...
• 维护机构：美国 NIST（国家标准与技术研究院）
• 数据规模：16,000+ 化合物的红外光谱
• 数据格式：JCAMP-DX (.jdx)、PERL、ASCII、图像
• 访问方式：完全免费、无需注册
• 覆盖范围：气相 + 凝聚相

图 1：NIST Chemistry WebBook 主页（来源：https://webbook.nist.gov/ch...

2.2 核心特色

① 数据权威 [1][2]

• NIST 是美国国家级计量机构，数据经过严格审核；
• 每条数据都标注来源（文献引用）、测量条件；
• 适合作为"金标准"参照。

② 多维数据整合 [1][2]

• 一个化合物页面同时提供：
  • 红外光谱（气相 + 凝聚相）
  • 拉曼光谱
  • 紫外可见光谱
  • 质谱
  • 热化学数据（生成焓、熵、热容）
  • 电离能
  • 气相色谱保留指数

③ JCAMP-DX 格式下载 [1][2]

• JCAMP-DX 是国际标准光谱交换格式（见 Ep 52）；
• 可直接导入 SpectroChemPy、HyperSpy、OMNIC、OPUS；
• 含完整元数据（化合物名、CAS、测量条件）。

④ 多种检索方式 [1][2]

• 按名称（IUPAC、通用名、俗名）；
• 按 CAS 号；
• 按分子式；
• 按分子量；
• 按结构（SMILES、InChI）；
• 按离子能 / 反应等物理属性。

2.3 实操：检索咖啡因红外谱图

下面演示从检索到下载的完整流程 [1][2]：

Step 1 — 进入检索

1. 访问 https://webbook.nist.gov/ch...;
2. 选择"Name"检索;
3. 输入 "caffeine" → Search。

Step 2 — 选择化合物

• 系统返回咖啡因条目（CAS 58-08-2）;
• 点击进入详细页面。

Step 3 — 选择 IR 数据

• 页面左侧导航有 "Gas phase IR spectrum" 和 "Condensed phase IR spectrum";
• 凝聚相 IR 更适合常规分析（KBr 压片、ATR）;
• 点击 "Condensed phase IR spectrum"。

Step 4 — 查看与下载

• 网页显示谱图可视化;
• 下方有 "View: Image / JCAMP-DX / PERL / ASCII" 选项;
• 选择 "JCAMP-DX" → 浏览器下载 caffeine.jdx。

Step 5 — 用 Python 加载

# 方法 1：用 SpectroChemPy（推荐）
import spectrochempy as scp
ds = scp.read('caffeine.jdx')
ds.plot(title='Caffeine IR (NIST)')

# 方法 2：用 jcamp 库
import jcamp
import matplotlib.pyplot as plt

with open('caffeine.jdx', 'r') as f:
    data = jcamp.jcamp_read(f)
plt.plot(data['x'], data['y'])
plt.xlabel('Wavenumber (cm⁻¹)')
plt.ylabel('Absorbance')
plt.title('Caffeine IR (NIST)')
plt.show()

2.4 NIST 的局限

• 气相数据为主（高温气化），凝聚相相对少 [1];
• 覆盖度仍不如商业库（Sadtler 25 万+）;
• 部分老数据未更新;
• 不支持批量下载（只能逐个化合物）;
• 检索 API 有限，不适合大规模自动化比对。

🔗 延伸：咖啡因含 C=O（酰胺羰基）、芳香环、N-CH₃ 等特征基团。各类官能团的标准峰位见 ftir.fun 官能团数据库。

三、AIST SDBS：有机化学的"宝藏"

3.1 概览

AIST SDBS（Spectral Database for Organic Compounds）由日本产业技术综合研究所（AIST）维护，是有机化合物谱图数据库的"宝藏" [1][3]。

• 官网：https://sdbs.db.aist.go.jp/
• 维护机构：日本 AIST
• 数据规模：34,000+ 有机物
• 数据类型：IR + Raman + ¹H NMR + ¹³C NMR + MS + ESR
• 访问方式：免费（仅限教育 / 科研使用）
• 覆盖范围：有机化合物为主

图 2：AIST SDBS 主页（来源：https://sdbs.db.aist.go.jp/）

3.2 核心特色

① 多种光谱整合 [1][3]

• 一个化合物同时有 IR、Raman、NMR（¹H、¹³C）、MS、ESR;
• 交叉验证：IR 推断官能团 + NMR 推断结构 + MS 推断分子量;
• 适合教学（让学生看同化合物不同光谱的对应关系）。

② 数据详尽 [1][3]

• 每条 IR 数据包含：
  • 化合物结构图;
  • 测量条件（KBr 压片、液膜等）;
  • 仪器型号;
  • 峰位列表（带归属）;
  • 谱图可视化。

③ 免费教育使用 [3]

• 个人教育 / 科研使用免费;
• 商业用途需授权;
• 注册账号后可批量查询。

3.3 实操：检索阿司匹林

Step 1 — 进入检索

1. 访问 https://sdbs.db.aist.go.jp/;
2. 点击 "Search" → "Compound Name";
3. 输入 "aspirin" → Search。

Step 2 — 选择化合物

• 返回阿司匹林条目（CAS 50-78-2）;
• 点击进入。

Step 3 — 选择 IR 数据

• 页面顶部有光谱类型标签：¹H NMR | ¹³C NMR | IR | Raman | MS;
• 点击 "IR"。

Step 4 — 查看与下载

• 显示谱图（图像）;
• 下方有峰位列表（带归属）;
• 注意：SDBS 不支持直接 JCAMP-DX 下载，需手动记录或截图。

Step 5 — 与 NIST 对比

• NIST 通常只提供下载文件;
• SDBS 提供更详细的峰位归属;
• 两者互补使用最佳。

3.4 SDBS 的局限

• 仅图像 + 峰位列表，不提供 JCAMP-DX 下载 [1][3];
• 商业使用需授权;
• 部分功能需注册;
• 数据更新较慢。

四、EPA FTIR 污染物光谱库：环境监测利器

4.1 概览

EPA FTIR 污染物光谱库由美国环境保护署（EPA）维护，专为大气有害空气污染物（HAPs）的 FTIR 监测设计 [1][4]。

• 官网：https://www3.epa.gov/ttn/em...
• 维护机构：美国 EPA
• 数据规模：面向有害空气污染物（HAP）等的参考谱，公开表述多为百余种量级，并随更新变化；CAA Title III 列出的 HAP 数目与“库内谱图条数”不必等同
• 数据类型：气相 FTIR
• 访问方式：完全免费、无需注册
• 覆盖范围：环境监测关心的 HAPs

图 3：EPA FTIR 参考光谱库主页（来源：https://www3.epa.gov/ttn/em...

4.2 核心特色

① 专门针对大气监测 [1][4]

• 条目多对应环境监测关注的挥发性/半挥发性物种（如苯、甲苯、甲醛等），具体清单以 EPA 当前页面为准;
• 气相、高温测量（与烟道气条件一致）;
• 数据可直接用于 EPA Method 320（FTIR 测量固定源污染物）。

② 数据质量高 [4]

• 由 EPA 实验室统一测量;
• 标准化条件（光程、温度、压力）;
• 含吸收截面（用于定量）。

③ 适合开放光路监测 [4]

• 开放光路 FTIR（OP-FTIR）监测大气污染物时，标准谱图必不可少;
• EPA 库是行业标准。

4.3 实操：检索甲醛

Step 1 — 访问主页

1. 打开 https://www3.epa.gov/ttn/em...;
2. 列表按字母排序。

Step 2 — 找到目标化合物

• 找 "Formaldehyde"（甲醛，CAS 50-00-0）;
• 点击链接。

Step 3 — 下载

• 提供多种格式（JCAMP-DX、ASCII、CSV）;
• 选 JCAMP-DX 下载。

Step 4 — 用 Python 加载

import spectrochempy as scp
formaldehyde = scp.read('formaldehyde.jdx')
formaldehyde.plot(title='Formaldehyde Gas-Phase IR (EPA)')

🔗 延伸：甲醛含 C=O 醛基，特征峰在 1720–1740 cm⁻¹。醛基与酮基的区别详见 ftir.fun 羰基官能团页。

五、其他专业开放数据库

5.1 PNNL FTIR 库：气相有机物

PNNL（Pacific Northwest National Laboratory）FTIR 库由美国太平洋西北国家实验室维护，专注气相有机物 [1][5]。

• 规模：480 种有机物气相 FTIR;
• 特色：
  • 高质量气相数据（25 °C 标准条件）;
  • 含吸收截面（定量用）;
  • 适合遥感、大气化学;
• 访问：免费，需注册（https://secure2.pnl.gov/nsd...;
• 格式：JCAMP-DX、ASCII。

5.2 HITRAN：高分辨气相小分子

HITRAN（High-Resolution Transmission）数据库是气相小分子高分辨红外光谱的"金标准" [1][6]。

• 官网：https://hitran.org/
• 维护：Harvard-Smithsonian 天体物理中心;
• 规模：47 种小分子（CO₂、H₂O、CH₄、O₃ 等）;
• 特色：
  • 高分辨（0.0001 cm⁻¹ 级）;
  • 适合大气遥感、天体物理;
  • 含线强、半宽、能级等参数;
• 访问：免费注册;
• 格式：HITRAN 格式、HAPI 接口。

⚠️ 注意：HITRAN 是"线参数"数据库，不是直接谱图。需用 HAPI（HITRAN Python 接口）模拟谱图：

from hapi import *
db_begin('data')
fetch('CO2', 2, 1, 600, 7000)
nu, coef = absorptionCoefficient_Lorentz(SourceTables='CO2', OmegaStep=0.01)

5.3 Caltech 矿物光谱服务器

Caltech 矿物光谱服务器由加州理工学院维护，专注矿物反射光谱 [1][7]。

• 官网：http://minerals.gps.caltech...
• 规模：数百种矿物;
• 特色：
  • 反射 IR + NIR;
  • 适合地质、行星科学;
  • 高质量数据;
• 访问：免费 Web。

5.4 USGS 矿物光谱库

USGS Spectral Library 由美国地质调查局维护 [1][8]。

• 官网：https://speclab.cr.usgs.gov...
• 规模：~700 条矿物 + 植物 + 人造物光谱;
• 波长范围：0.4–2.5 μm（可见 + 近红外）;
• 特色：
  • 适合遥感、矿产勘查;
  • 含详细采样信息;
• 访问：免费。

5.5 RRUFF 矿物拉曼数据库

RRUFF 项目由亚利桑那大学维护 [1][9]。

• 官网：https://rruff.info/
• 规模：数千种矿物;
• 数据类型：拉曼为主，部分 IR、XRD;
• 特色：矿物鉴定事实标准;
• 访问：免费。

六、商业光谱库简介

商业库虽然收费，但覆盖度和质量仍是开放库无法替代的 [1][10]。简介如下：

6.1 SpectraBase（Bio-Rad / Wiley）

• 官网：https://spectrabase.com/
• 维护：Bio-Rad（Sadtler 谱库）+ Wiley;
• 规模：数十万张 IR、Raman、NMR、MS、UV-Vis;
• 特色：
  • 全球最大商业光谱库;
  • 高质量、经过审核;
  • 含商业产品、聚合物、药品等子库;
• 访问：免费 Web 查询（基础功能）、付费下载 / API。

6.2 NICODOM IR 库

• 官网：https://www.ir-spectra.com/
• 维护：NICODOM（捷克）;
• 规模：数万张 IR;
• 特色：
  • 专注聚合物、食品、药品;
  • 提供 ATR + 透射两种数据;
  • 适合特定行业;
• 访问：付费（一次性购买 + 升级）。

6.3 Sigma-Aldrich / Merck IR 库

• 维护：Sigma-Aldrich（Merck 集团）;
• 特色：
  • 与试剂目录一一对应;
  • 适合"买什么试剂、查什么谱图";
• 访问：随试剂销售或单独购买。

6.4 Hummel 聚合物库

• 维护：Hummel（已并入 Sadtler / Bio-Rad）;
• 特色：
  • 聚合物与添加剂的"金标准";
  • 工业分析必备;
• 访问：付费。

💡 何时该买商业库 [1][10]：

• QC 生产环境（需稳定、合规、可追溯）;
• 专业领域（聚合物、药品、毒品）;
• 库检索是核心分析手段;
• 预算充足（年订阅 5–20 万元）。
  否则，开放库 + 自建库已能满足大部分需求。

七、如何高效使用光谱库进行检索与比对

7.1 检索算法回顾

主流库检索算法（详见 Ep 19）[1][2]：

表 2：主流库检索算法对比（综合 [1][2]）

7.2 HQI 值的含义

HQI（Hit Quality Index）是库检索返回的"匹配度"指标，0–1 或 0–100 [1][2]：

• HQI > 0.95（95）：极好匹配;
• HQI 0.90–0.95：好匹配;
• HQI 0.80–0.90：可能匹配，需人工确认;
• HQI < 0.80：低匹配，可能是不同化合物或混合物。

重要原则 [1][2]：

• HQI 不是"概率"，是相似度;
• HQI 高不等于一定是该化合物（同系物、异构体 HQI 都高）;
• HQI 低不等于一定不是（基线、制样差异会让 HQI 低）;
• 必须结合人工谱图解读。

7.3 高效检索流程

标准流程 [1][2][3]：

未知样品谱图
   │
   ▼
1. 预处理（基线、平滑、归一化）
   │
   ▼
2. 在 NIST WebBook 找候选（气相 + 凝聚相）
   │
   ▼
3. 在 SDBS 找候选（带峰位归属）
   │
   ▼
4. 多个候选？用 HQI 排序
   │
   ├─ HQI > 0.95 → 高置信度鉴定
   │
   ├─ HQI 0.85–0.95 → 用一阶导数法复核
   │
   └─ HQI < 0.85 → 可能是混合物，需 MCR-ALS 分解
   │
   ▼
5. 人工验证：关键峰位、峰形、相对强度
   │
   ▼
6. 交叉验证：IR + NMR + MS（如有）

7.4 混合物的库检索

纯化合物库检索相对简单，混合物才是挑战 [1][2]：

方法 1：差谱法 [1]

• 假设主成分是 A，从 NIST 取 A 的标准谱;
• 用未知谱减去 A 的 scaled 谱，看残差;
• 残差中识别第二成分 B;
• 循环直至残差接近 0。

import spectrochempy as scp

unknown = scp.read('unknown.spa')
component_a = scp.read('a_from_nist.jdx')

# 缩放因子（最小化残差）
from scipy.optimize import minimize_scalar
res = minimize_scalar(lambda scale: np.sum((unknown.data - scale * component_a.data)**2))
scale_a = res.x

residual = unknown - scale_a * component_a
residual.plot(title='Residual after subtracting A')

方法 2：MCR-ALS 分解 [1][3]

• 适合 3+ 组分复杂混合物;
• SpectroChemPy 内置（见 Ep 53）;
• 分解出纯组分光谱后再做库检索。

方法 3：自建库 [1]

• 实验室常测化合物自建小库;
• 比通用商业库更精准（同仪器、同样品制备）;
• 是工业 QC 实验室的常规做法。

7.5 ftir.fun 作为中文友好的工具补充

🔗 延伸：ftir.fun 是中文友好的在线光谱工具，提供：

• 谱图上传与多格式解析：JCAMP-DX、CSV 等通用格式;
• 峰识别与官能团查询：自动识别峰位，关联官能团数据库;
• 谱图搜索：与开放数据库联动检索;
• 可视化与对比：Web 端直接查看、比对谱图;
• 跨设备访问：手机、平板、电脑通用。

ftir.fun 与开放数据库的协同工作流 [11]：

1. 在 NIST WebBook 下载 JCAMP-DX 标准谱;
2. 上传到 ftir.fun 与未知样品对比;
3. ftir.fun 自动识别未知样品峰位、关联官能团;
4. 把对比结果导出为报告。

这种"NIST 提供数据 + ftir.fun 提供工具"的协同模式，让中文用户也能高效利用开放光谱数据 [11]。

八、自建光谱库的实践

开放数据库覆盖通用化合物，但实验室常测的特定样品（自制催化剂、特定聚合物配方、内部 QC 标准品）不在其中 [1][2]。这时自建库就很重要。

8.1 自建库的要素

一个高质量自建库需要 [1][2]：

表 3：自建库必备元数据（综合 [1][2]）

8.2 自建库的存储格式

推荐格式：JCAMP-DX [1][2]

• 国际标准;
• 含元数据;
• 跨软件兼容。

自建库实例（JCAMP-DX 头部）[1]：

##TITLE=Catalyst_Pt_Al2O3_Fresh
##JCAMP-DX=5.01
##DATA TYPE=INFRARED SPECTRUM
##ORIGIN=My Lab - Catalyst Group
##OWNER=Bob
##CAS NAME=Pt/Al2O3 catalyst (fresh)
##CAS REGISTRY NO=NA (mixture)
##NPOINTS=1769
##XUNITS=1/CM
##YUNITS=ABSORBANCE
##XFACTOR=1.0
##YFACTOR=1.0
##FIRSTX=4000
##LASTX=900
##FIRSTY=0.012
##END HEADER
4000 0.012
3999 0.013
...

8.3 自建库的管理

• 用 SpectroChemPy 的 NDDataset（Ep 53）管理元数据 [2];
• 用版本控制（Git）跟踪变更;
• 定期备份（云存储 + 本地）;
• 文档化（哪些化合物、何时添加、谁负责）。

8.4 与开放库整合

自建库 + 开放库整合，构成实验室的"完整光谱资源" [1][2]：

import spectrochempy as scp

# 加载开放库（NIST 下载）
nist_compounds = [scp.read(f) for f in nist_files]

# 加载自建库
inhouse_compounds = [scp.read(f) for f in inhouse_files]

# 合并
all_library = nist_compounds + inhouse_compounds

# 对未知样品检索
unknown = scp.read('unknown.spa')

best_match = None
best_hqi = 0
for ref in all_library:
    hqi = scp.cosine_similarity(unknown, ref)
    if hqi > best_hqi:
        best_hqi = hqi
        best_match = ref

print(f"Best match: {best_match.name}, HQI={best_hqi:.3f}")

九、开放数据与开放科学

9.1 FAIR 数据原则

现代科学数据管理遵循 FAIR 原则 [1][12]：

• Findable（可发现）;
• Accessible（可访问）;
• Interoperable（可互操作）;
• Reusable（可重用）。

NIST WebBook、SDBS 等开放数据库是 FAIR 原则的典范 [1]：

• Findable：标准 URL、DOI、CAS 号检索;
• Accessible：免费、无需注册（NIST）;
• Interoperable：JCAMP-DX 标准格式;
• Reusable：明确的使用许可、来源标注。

9.2 引用与致谢

使用开放数据库时，正确引用是科学规范 [1][12]：

• NIST WebBook：引用 Mallard W G, et al. NIST Chemistry WebBook, NIST Standard Reference Database 69. https://webbook.nist.gov/ch...
• SDBS：引用 SDBSWeb: https://sdbs.db.aist.go.jp/ (National Institute of Advanced Industrial Science and Technology, date of access)
• EPA FTIR：引用 EPA Method 320 文档与数据库 URL;
• HITRAN：引用 Gordon I E, et al. J Quant Spectrosc Radiat Transfer 2022.

9.3 贡献回开放生态

实验室可以贡献自己的高质量谱图回开放生态 [1][12]：

• 发表时同时发布谱图（如 Figshare、Zenodo）;
• 上传到开放数据库（部分接受外部贡献）;
• 用开源工具处理数据并开源代码;
• 撰写中英文博客分享经验。

十、数据库使用"踩坑"提示

10.1 坑 1：气相 vs 凝聚相混淆

情境：用 NIST 气相苯谱图对比 KBr 压片苯样品，HQI 只有 0.7 [1]。

原因：气相与凝聚相 IR 谱图差异大（峰位偏移、峰形不同）。

对策：

• 凝聚相样品用 NIST 凝聚相谱图;
• 气相样品用 NIST / EPA 气相谱图;
• 不要混用。

10.2 坑 2：制样方法不一致

情境：自建 ATR 库的样品，对比 NIST KBr 压片谱图，1740 cm⁻¹ 峰相对强度差 30% [1]。

原因：ATR 与透射的峰强度规律不同（见 Ep 18 ATR 校正）。

对策：

• 比对前先做 ATR 校正;
• 或自建同制样方法的库;
• 用 SpectroChemPy 的 atrcorrect 功能。

10.3 坑 3：过度依赖 HQI

情境：库检索 HQI = 0.92，鉴定为 A，但实际上是 A 的同系物 B [1]。

对策：

• 同系物、异构体 HQI 都高;
• 必须人工验证关键峰位;
• 用 NMR、MS 交叉验证。

10.4 坑 4：忽略元数据

情境：从 SDBS 找到一张谱图，未注意测量条件，用于室温下样品对比，结果峰位偏 5 cm⁻¹ [1]。

对策：

• 检索时务必看测量条件;
• 注意温度、物相、制样方法;
• 与样品条件不一致的数据慎用。

10.5 坑 5：商业库的版权风险

情境：某公司把购买的 Sadtler 商业库上传到内部云盘共享，被审计发现违约 [10]。

对策：

• 商业库 license 通常禁止二次分发;
• 内部使用要按 license 数量购买;
• 自建库可自由共享;
• 开放库可自由共享（注意引用）。

配图（本集关键示意）

📷 图 4：仪器能力对比示意

来源：真实/开源图片 · Unsplash — laboratory scientist（已加水印 ftir.fun）

📷 图 5：光路/附件概念

来源：真实/开源图片 · Project case study — PE spectrum（已加水印 ftir.fun）

📷 图 6：软件/数据库工作流

来源：ftir.fun 教学示意图（带水印；非实测谱，仅供理解概念）

本集小结

思考题

1. 你需要鉴定一个未知有机化合物（白色晶体，熔点 135–136 °C）。请设计一个完整的库检索流程，使用 NIST WebBook + SDBS，说明每步要做什么、看什么。如果检索返回 HQI 0.85 的候选 A 和 HQI 0.82 的候选 B，如何决定是哪一个？

2. 比较 NIST WebBook 和 AIST SDBS 在数据格式、覆盖范围、元数据完整性上的差异。如果你做的是有机合成产物鉴定，会优先用哪个？为什么？

3. 你负责一个环境监测项目，需要用开放光路 FTIR（OP-FTIR）监测烟道气中的甲醛、苯、丙酮。请说明应该用哪个开放数据库获取标准谱图，以及如何用这些数据建立定量模型。提示：参考 ftir.fun 羰基官能团页。

4. 实验室有 200 个自制聚合物配方样品，每个都有 FTIR 谱图。请设计一个自建库方案，包括数据格式、元数据字段、存储方式、与 NIST 开放库的整合方法。

5. 讨论 FAIR 数据原则在光谱数据库中的应用。NIST WebBook 和 SDBS 在 FAIR 四个维度上表现如何？如果你是实验室负责人，会制定什么政策让本实验室数据也符合 FAIR 原则？

参考文献

[1] mallard W G, Linstrom P J, eds. NIST Chemistry WebBook, NIST Standard Reference Database Number 69. National Institute of Standards and Technology, Gaithersburg MD, 2024.
https://webbook.nist.gov/ch...

[2] Linstrom P J, Mallard W G. "The NIST Chemistry WebBook: A Chemical Data Resource on the Internet." Journal of Chemical & Engineering Data, 2001, 46(5): 1059–1063. DOI:10.1021/je000960e.

[3] AIST. "Spectral Database for Organic Compounds (SDBS)." National Institute of Advanced Industrial Science and Technology, Japan.
https://sdbs.db.aist.go.jp/

[4] US EPA. "FTIR Open Path Measurements Method 320 & Reference Spectra." EPA Technology Transfer Network Emission Measurement Center.
https://www3.epa.gov/ttn/em...

[5] Sharpe S W, et al. "Gas-Phase Databases for Quantitative Infrared Spectroscopy." Applied Spectroscopy, 2004, 58(12): 1452–1461. DOI:10.1366/0003702042641281.
PNNL FTIR Library: https://secure2.pnl.gov/nsd...

[6] Gordon I E, et al. "The HITRAN2020 Molecular Spectroscopic Database." Journal of Quantitative Spectroscopy & Radiative Transfer, 2022, 277: 107949. DOI:10.1016/j.jqsrt.2021.107949.
https://hitran.org/

[7] Calvin W M, King T V V, Clark R N. "Caltech Mineral Spectroscopy Server." California Institute of Technology.
http://minerals.gps.caltech...

[8] Clark R N, et al. "USGS Digital Spectral Library 06." U.S. Geological Survey Open File Report 03-395, 2007.
https://speclab.cr.usgs.gov...

[9] Lafuente B, Downs R T, Yang H, Stone N. "The RRUFF Project: An Integrated Study of Minerals." IMA General Meeting, 2015.
https://rruff.info/

[10] Bio-Rad. "SpectraBase: Spectral Database." KnowItAll Informatics System.
https://spectrabase.com/

[11] ftir.fun. "在线红外光谱工具."
https://ftir.fun

[12] Wilkinson M D, et al. "The FAIR Guiding Principles for Scientific Data Management and Stewardship." Scientific Data, 2016, 3: 160018. DOI:10.1038/sdata.2016.18.

[13] IUPAC. "JCAMP-DX: Standard for Infrared Spectral Data Exchange." Pure and Applied Chemistry, 1995, 67(12): 1955–1984. DOI:10.1351/pac199567121955.

[14] Travert A, et al. "SpectroChemPy: A Python Framework for Processing Spectral Data." Journal of Open Source Software, 2022, 7(71): 3904.（Ep 53）

下一集预告：Ep 56 — ftirfun 工具使用技巧与实战案例
本集是"仪器与工具篇"收官，下一集开始进入"实战与拓展篇"。Ep 56 我们将系统介绍 ftir.fun 这个中文友好的在线 FTIR 工具：从光谱数据上传与多格式解析（JCAMP-DX、SPA 等）、峰值识别与管理、光谱搜索与数据库查询、可视化与对比分析，到与 NIST WebBook 等开放数据库的联动，再到实战案例——从上传未知样品谱图到完成鉴定全流程。这是 Ep 53–55 开源工具与开放数据库的"中文友好入口"。

本文使用 CC BY-NC-SA 4.0 许可。配图来自公开领域或已标注来源的网络资源，版权归原作者所有。