本文是一篇关于拉曼光谱结合主成分分析(Principal Components Analysis, PCA)在文化遗产材料研究中的综述。文章标题为《An Overview of Principal Components Analysis Approaches in Raman Studies of Cultural Heritage Materials》，由Alessia Coccato与Maria Cristina Caggiani合作完成，其研究机构分别为英国牛津大学古典与拜占庭研究中心及意大利卡塔尼亚大学生物、地质与环境科学系。文章发表于《Journal of Raman Spectroscopy》，是开放获取的2024年第55卷第2期内容，DOI编号为10.1002/jrs.6621。
这篇综述总结了主成分分析（PCA）结合拉曼光谱在文化遗产材料研究中的现状与发展，尤其着重探讨了它在颜料、黏合剂、玻璃制品、宝石及地质材料分析中的应用。自2000年左右开始，该技术在文化遗产领域逐渐受到关注，过去15年至10年间的研究显著增加，重点集中在绘画材料的研究上。文章指出，与传统的元素分析相比，拉曼光谱数据的PCA应用起步较晚，主要受制于复杂的光谱预处理要求以及数据解释困难等因素。此外，文章还概述了PCA在数据分析中的优势、方法、限制及相关的预处理方法。
PCA是一种非监督学习的方法，通常用于识别数据集中的隐藏模式或结构，无需预先了解模式信息。它通过将高维数据降维为较少的正交主成分（PCs），最大限度地保留数据中的重要信息。拉曼光谱是复杂多变量数据的重要来源，因此PCA能够处理其巨大的数据量，帮助提取信息并识别光谱中微小的区别。文章的目标是总结并说明PCA如何通过特定预处理方式及与其他技术的结合，更好地发挥其在文化遗产材料分析中的潜力。
文章提及PCA在绘画材料中广泛应用于鉴定颜料、评估老化与降解过程以及假设颜料与黏合剂的相互作用。
- 对拉曼光谱的直接应用：早期研究主要针对有机颜料的鉴定，使用PCA来处理光谱降噪与数据优化。一些研究者利用PCA结合线性判别分析(LDA)等监督算法进一步提高分类精度，例如区分合成和天然靛蓝颜料。
- 老化与降解研究：通过PCA可以揭示某些颜料在光照或大气中的老化特性。例如对于红铅的激光诱导降解研究中，PCA可帮助识别降解路径。
- 混合颜料的分析：PCA被用于研究多种颜料混合物的光谱特征，并可结合独立成分分析(ICA)解决复杂混合物的鉴定问题。
作者着重分析了历史艺术品中的有机黏合剂如蛋清、蛋黄、牛胶等蛋白质材料。在老化实验中，文章展示了通过PCA从拉曼光谱中提取关键变量的能力，例如蛋黄中芳香环c-h拉伸振动(3050 cm-1)的变化如何反映降解程度。
此外，研究发现PCA能区分不同来源的脂质类黏合剂，并能将拉曼数据与全反射傅里叶红外光谱(ATR-FTIR)结合，通过数据融合进一步提高辨别率。
拉曼光谱结合PCA也应用于古代玻璃和釉面材料的研究，尽管相关文献相对较少。作者指出： - 实验玻璃的分类：PCA可借助特定变量如玻璃聚合指数(Qn组分)区分不同类型的玻璃。 - 釉料的烧制温度推断：实验研究中，研究者通过聚类将不同温度下形成的玻璃相分组，并验证其对实际文物釉料的适用性。
文章提到宝石中的代表性研究是对生物起源材料如琥珀进行分析，重点在于区分不同地理来源的琥珀。通过PCA，研究者成功将波罗的海白垩纪的琥珀与罗马尼亚的“罗马尼特”区分开。同时研究还分析了不同环境下琥珀的人工加速老化效果。
总结指出，近年来PCA在数据融合领域显示出重要潜力，例如将拉曼光谱与其他光谱技术（如X射线荧光光谱或红外光谱）结合，进一步提升分析的鲁棒性及分类效率。在颜料研究中，数据融合改善了无监督模型对层叠测量信号的解析能力。
该综述文章从理论与实际应用的角度系统性地总结了PCA与拉曼光谱在文化遗产材料研究中的成就与未来展望。文章触及多个方面：绘画材料的老化分析、玻璃制品技术工艺的复原、黏合剂与颜料之间复杂互动的揭示，以及挑战性任务如考古样本较大内部变异的处理，为未来参与相关研究的学者提供了宝贵的指导。同时，文章也提出了使用这些技术的实践中可能面临的问题，并建议通过优化参考数据库或开发自适应算法，进一步改善其适用性。
总而言之，这篇文章是文化遗产科学研究领域的重要资源，有助于推动PCA技术与拉曼光谱在文物保护与分析中的全面发展，为学术界和应用领域提供深刻的见解及方法学上的参考。