1. 这一单采购背后的两个信号
看到一个高校采购信息，多数人扫一眼就过去了，但天天跟热分析仪器打交道的人，看到“中国农业大学采购南京大展的差示扫描量热仪和热重分析仪”这条消息，会觉得这里面信息量不小。
先说结论：这不是一次普通的设备采购，背后至少释放了两个信号。第一，国产热分析仪器正在真正走进一流高校的实验室，而且进的不是一般的实验室，是食品科学、农业工程这些对仪器稳定性和数据可靠性要求极高的方向。第二，中国农业大学这类以生命科学、食品科学为特色的高校，对差示扫描量热仪（DSC）和热重分析仪（TGA）的需求是实打实的刚需，这两台仪器在他们手里能干的活，比很多人想象的要多得多。
我在热分析这个圈子混了十几年，用过进口的也用过国产的，这些年眼看着国产仪器从“能用”到“好用”，中间的变化确实值得聊一聊。再加上农大采购的这两款设备，恰好覆盖了热分析领域最基础也最核心的两个技术方向，正好借这个机会，把DSC和TGA是什么、能干什么、怎么选型、怎么用、有哪些坑，一次性讲透。
不管你是刚接触热分析的研究生，还是正在做设备采购规划的老师，或者纯粹是对科学仪器行业感兴趣的同行，这篇内容都值得花十分钟看完。
2. DSC和TGA到底在“测”什么：先把原理吃透
2.1 差示扫描量热仪（DSC）的核心原理
差示扫描量热仪，英文全称Differential Scanning Calorimeter，缩写DSC。这台仪器测的不是温度，而是“热量”。
它的基本原理是：把样品和一个参比物放在同一个加热炉里，按照设定的程序升温或降温，仪器实时记录为了维持样品和参比物温度一致，需要额外输入给样品的热流差。当样品发生物理或化学变化时——比如融化、结晶、玻璃化转变、氧化分解——它会吸收或放出热量，这个热量差异就会被仪器捕捉，形成一条热流对温度的曲线。
用生活化的类比来解释：你烧一锅水和一锅油，同样加热到100摄氏度，水和油吸收的热量是不一样的。DSC干的事情，就是在精密控制温度的前提下，把这种“吸热放热差异”精确地测出来，并换算成可量化的热效应数据。
从这条曲线上，你能得到三个关键信息：
- 转变温度：峰的位置对应什么温度发生了什么事
- 热焓值：峰的面积对应变化过程吸收或放出了多少热量
- 转变类型：放热峰还是吸热峰，对应的是结晶、氧化还是融化
这套逻辑听起来简单，但要做到精准测量，对仪器的温控精度、热流传感器的灵敏度、以及整个炉体的热对称性要求都非常高。这也是为什么早期国产DSC给人的印象是“能跑出峰，但峰形和重复性不太行”。
2.2 热重分析仪（TGA）的核心原理
热重分析仪，英文全称Thermogravimetric Analyzer，缩写TGA。这台仪器测的是“重量”随温度的变化。
原理更直接：把样品放在一个高精度的天平上，按照设定程序升温，样品在加热过程中如果发生了分解、氧化、脱水、挥发等反应，质量就会发生变化。仪器实时记录质量对温度（或时间）的曲线，就能知道样品在什么温度点开始失重、失重多少、最终残留多少。
TGA的核心部件是那个天平。别小看这个天平，它要在一个最高能到1000多摄氏度的加热炉里工作，既要承受高温，又要保持微克级别的称量精度，技术难度相当大。温度变化会引起气流扰动、热浮力变化，这些都会干扰称量结果。所以好的TGA在结构设计上会特别注意屏蔽这些干扰因素。
TGA给你提供的信息主要是：
- 热稳定性：样品到多少度开始分解
- 失重台阶：样品由几个组分构成，分别在哪段温度区间失重
- 残留量：烧到最后剩下来的灰分或残炭有多少
- 反应动力学：配合不同升温速率，可以计算分解活化能
2.3 两兄弟配合使用能解决什么问题
单独用DSC或TGA都能做很多事情，但把两套数据放在一起分析，能看出来的东西更多，这也是为什么很多实验室习惯把这两台仪器放在一起采购。
举一个最典型的场景：你做一种新型可降解材料，想搞清楚它的热性能。
TGA会告诉你：这种材料在300摄氏度之前都挺稳的，350摄氏度开始大规模失重，到600度基本烧完了，剩了2%的灰分。
DSC会告诉你：在80摄氏度附近有一个吸热峰，对应的是材料结晶区域的熔融；在180摄氏度附近有一个放热峰，可能对应的是交联反应或者分解前的预反应。
两个数据合在一起，你就能画出这个材料的“热性能全景图”：它能在什么温度范围内安全加工、加工时会不会发生化学反应、最终的热稳定性上限在哪。这种信息对于材料的配方设计、加工工艺优化、质量控制，都是最基础的依据。
在实际应用中，DSC和TGA经常需要交替使用，互相印证。DSC发现的异常放热峰，需要TGA来确认到底是化学反应伴随质量变化，还是纯粹的物理相变；TGA发现的失重台阶，也需要DSC来判断对应的热效应究竟是吸热分解还是氧化放热。
3. 中国农大这类用户拿它们做什么：应用场景拆解
3.1 食品与农产品领域的热分析应用
中国农业大学的核心学科集中在食品科学、生命科学、农业资源利用这些方向，这些学科对热分析仪器的需求，和传统材料学科有非常明显的差异。
食品体系里，DSC用得最多的场景之一就是淀粉性质研究。淀粉在加热过程中会发生糊化，这个过程中淀粉颗粒吸水膨胀、微晶结构瓦解，是一个典型的吸热过程，在DSC曲线上会在特定温度区间出现一个明显的吸热峰。通过这个峰的峰位和峰面积，可以判断不同来源淀粉的糊化温度以及糊化焓值。这个数据对食品加工工艺的设计意义很大——你做一个速冻水饺的面皮，用的淀粉糊化特性直接决定了水饺皮在蒸煮过程中的表现。
另一个高频应用是蛋白质变性研究。蛋白质在加热条件下会发生空间结构展开和聚集，这个过程的变性温度（Tm值）和变性焓，直接影响食品的加工特性。比如牛奶杀菌工艺的温度设定，就要参考乳清蛋白的变性温度范围。做过乳制品研究的同行应该都清楚，用DSC扫一条乳清蛋白溶液的升温曲线，能得到非常漂亮的变性峰。
油脂氧化稳定性研究也是农大这类机构的热门方向。油脂在高温和氧气作用下会发生氧化放热反应，在DSC曲线上表现为放热峰的起始温度变化。用这个方法来评价不同抗氧化剂的效果，比传统烘箱法快得多，而且样品用量极小，几分钟就能出结果。
TGA在农业领域同样有大量用武之地。农产品干燥工艺优化、生物质热解特性研究、堆肥过程中的有机质分解特性分析，这些场景都需要精确的质量随温度变化数据。特别是做生物质能源方向的课题组，TGA几乎是标配，因为热解过程的失重曲线直接反映了生物质各组分的分解特性。
3.2 材料方向的热分析应用
不要以为农大只有食品和生物方向，农业工程、水利与土木工程这些工科方向同样需要热分析手段。
农业设施材料的老化研究就是一个例子。大棚膜、滴灌管这些农业用高分子材料，长期暴露在紫外线和高温环境中，会逐渐老化降解。通过TGA测试可以对比新材料和老化后材料的热稳定性差异，判断老化程度；通过DSC测试可以观察材料的氧化诱导时间和熔融行为变化，评估材料的使用寿命。
土壤改良剂、缓释肥料这些产品，也需要热分析来评价其性能。比如缓释肥料的包膜材料，它的热稳定性直接影响肥料在储存和运输过程中的安全性。用TGA测包膜材料的热分解温度，用DSC观察包膜材料与肥料核心之间的热相容性，这些测试在做产品研发时属于必测项目。
3.3 生物样品测试的注意事项
做生物样品和做无机材料、金属材料有一个非常大的区别：生物样品的热效应往往比较微弱，而且样品在加热过程中会经历复杂的物理化学变化。
举一个典型的例子：测一个冻干生物制品的玻璃化转变温度（Tg）。这个转变在DSC曲线上是一个很小的台阶变化，热流信号变化幅度可能只有几十微瓦。要捕捉到这种微弱信号，对仪器的灵敏度要求极高，同时对样品制备和基线质量的要求也非常苛刻。有一次我给客户做冻干保护剂配方筛选，样品量只有5毫克，玻璃化转变信号弱到差点以为是基线漂移，后来重新做了基线扣除、优化了升温速率，才得到清晰可辨的台阶。
生物样品测试还有几个容易被忽略的细节。一是样品的水分含量对结果影响极大，同一种蛋白样品，含水量差1个百分点，变性温度可能就差好几度；二是升温速率不能太高，生物样品的热传导性差，升温太快会导致样品内部温度分布不均，峰形变宽变形；三是测试气氛的选择，很多生物样品在氮气气氛和空气气氛下的表现截然不同。
4. 选型与采购：国产仪器凭什么能进985高校
4.1 高校采购的核心考量指标
采购一套热分析设备，通常不只是买一台仪器那么简单。从采购方的角度，决策过程会考虑几个层面的因素：
技术指标是否满足需求。DSC的核心指标包括温度范围、热流测量精度、基线重复性、升温速率范围、灵敏度。TGA的核心指标则集中在称量精度、温度精度、真空度、升温速率。高校实验室做的研究往往比较前沿，对仪器性能上限会有要求，但也不是越高越好，关键看是否匹配实际需求。比如做食品研究的，DSC温度范围通常到500摄氏度就够用了，刻意追求高温型号反而不划算。
软件系统的易用性和数据处理能力。这一点常常被不够重视，实际上使用体验的好坏，软件占了很大比重。数据采集频率、基线处理功能、峰的自动识别和手动修正功能、批量处理能力、报告生成功能，每一项都直接影响工作效率。跟管理人员聊过很多，大家对软件的评价往往决定了对整个仪器的印象。
售后服务和响应速度。仪器不是一次性买卖，后续的维护保养、故障维修、应用支持都很重要。进口仪器换一个传感器可能要等几个月，期间整个实验室的热分析工作全部停摆，这个成本是很高的。
4.2 国产热分析仪器的进化
这几年国产仪器进步确实快。早年间国产热分析仪器的痛点主要集中在几个方面：传感器一致性差导致重复性不好、炉体设计不够优化导致基线漂移、软件功能简陋操作不顺手、细节做工粗糙。
给农大供货的南京大展，就是近年来国产热分析仪器品牌里比较有代表性的一个。他们的产品线覆盖了从室温到高温的多个型号，DSC和TGA都有，而且和高校科研场景的贴合度比较高。据圈内人反馈，他们这几年在传感器工艺和温控算法上下了不少功夫，仪器稳定性和重复性已经有了很大提升。
从市场层面看，国产仪器能进中国农大，一方面说明产品技术本身达标了，另一方面也说明国产仪器在服务响应和价格上的优势，开始真正被高校采购体系认可。一台进口DSC的价格往往是国产同配置的1.5倍到3倍，对于预算有限、同时需要配置多台仪器的课题组来说，这个价差带来的是实实在在的决策权重。更重要的是，现在国内头部热分析厂商的售后工程师都做到本地化部署了，仪器出问题，一个电话就能安排上门，这个体验是很多进口品牌给不了你的。
4.3 采购前的需求对接与验收要点
从供应商的角度，高校采购通常要经过需求沟通、技术方案确认、招标、安装验收这几个环节。每个环节都有容易踩的坑。
需求沟通阶段，双方经常出现“语言不通”的问题。用户说要测“某个材料的玻璃化转变温度”，但自己对这个材料的热历史、添加成分完全不提，供应商就可能推荐一个过度配置的型号。反过来，供应商为了签单可能夸大性能参数，导致用户拿到仪器后发现实际效果和预期有差距。
我的建议是，采购前用户一定要自己梳理清楚几个基本问题：样品是什么类型（无机/有机/生物）、预计测试温度范围是多少、需要什么样的测试气氛（空气/氮气/氩气）、样品量大概有多少、每天预计测试多少样品。把这些问题整理成书面的技术需求文档，再去找供应商谈，效率和准确性都会高很多。
到货后的验收环节更要注意。不要只跑一次标准样测试就算验收完，至少要连续一周做重复性验证。基线重复性、峰温重复性、峰面积重复性这三项必须逐项确认。另外升温速率切换时的温度追踪能力也要测试，有些仪器在高速升温时会出现明显的温度滞后，这会影响动力学计算结果的准确性。
5. 实操经验：从样品制备到数据解读的关键细节
5.1 DSC测试的样品制备与参数设置
DSC测试看似简单——称样、放样、跑程序、出结果——但每一步都有讲究，细节决定成败。
样品制备方面，最核心的要求是保证样品与坩埚底部的良好热接触。块状样品最好切成薄片，粉末样品要压实填平，液体样品要注意控制体积且不能溅出。样品状态对峰形影响很大，松散粉末和压实粉末的热传导路径不同，出来的峰形会有明显差异。
坩埚选择也不能随便。铝坩埚是通用选择，但不耐高温，超过600度就要换氧化铝坩埚或铂金坩埚。测量含挥发性组分样品时建议用密封坩埚，防止挥发物带走热效应信息。有一次一个客户测试香精微胶囊的壁材热性能，用的是普通开口坩埚，结果升温过程中香精挥发吸热和壁材熔融吸热重叠在一起，数据完全没法分析。换成密封坩埚之后，问题立刻解决。
升温速率的选择也很有讲究。常规推荐10摄氏度每分钟，这个速率在大多数情况下能兼顾峰分辨率和测试效率。但如果两个相邻的热效应峰靠得很近，就要降低升温速率到5或者2摄氏度每分钟，让两个峰尽量分开。反过来，如果只是做简单的质量筛查，追求效率，20摄氏度每分钟也不是不能用。关键是要明白升温速率如何影响结果：速率越高，测得的转变温度整体偏高，峰形也越宽。
样品量和热流信号有一个近似正比的关系，但样品量太大反而会牺牲分辨率。一般DSC测试样品量控制在5到15毫克比较合适。具体还要看热效应强度，聚合物的熔融焓值大，5毫克足够了；而Tg这类弱转变，可能需要20毫克才能看到明显的信号。
5.2 TGA测试的注意事项
TGA测试最容易被忽视的是气氛的影响。很多用户习惯于“默认走氮气”，不仔细考虑气氛选择是否合理。实际上，气氛对热分解行为的影响巨大。同样一种高分子材料，在氮气氛围下的热分解温度和残炭率，和在空气氛围下的表现完全不同——前者是热裂解过程，后者伴随氧化燃烧放热。
做TGA测试时还有几个实操细节值得注意：
- 样品量要适中。太多会导致传热滞后，太少则称量误差占比变大。一般推荐10到20毫克
- 样品在坩埚中要铺得均匀，尽量薄而平，避免堆叠产生温度梯度
- 测试前最好先在目标温度下恒温一段时间做基线，确保天平稳定
- 对容易吸潮的样品，称样后要尽快开始测试，避免环境湿度影响初始质量
- 如果要做精确的残炭量对比，要严格控制同批次测试的气氛流速一致性
TGA的升温程序设定也要根据目的差异化。测定热稳定性通常用恒定速率升温，但做恒温热老化测试就需要快速升温到目标温度后保温，观察质量随时间的变化。不同程序得到的数据要搞清楚分别代表什么含义，不要混用。
5.3 数据解读中的常见坑
数据解读是最容易出错的地方，所以我专门拿出来多说几句。
DSC曲线上出现一个放热峰，第一反应不要默认它是结晶峰或氧化峰。如果样品中残留有溶剂或水分，析出过程也可能表现为放热信号。尤其做高分子膜材料测试时，制膜过程中残留的溶剂会在升温过程中挥发并伴随着放热，这个信号很容易被误判为材料本身的结晶峰。
玻璃化转变的解读也是一大痛点。Tg在DSC曲线上一般表现为一个台阶，但很多新手会把基线轻微弯曲也当成Tg，或者反过来把真实Tg当成基线波动。我的经验是，遇到疑似Tg的特征，用第二次升温的数据来判断。第一次升温会消除样品热历史，第二次升温得到的数据更能反映材料本征的性质，所以做聚合物测试时最好都跑升-降-升程序，以第二次升温曲线为准。
TGA数据解读中的典型问题也有不少。最常见的是把“失重起始温度”定义搞混。仪器软件自动给出的起始温度，往往是外推起始温度，而不是真正的分解开始温度。两者可能差出二三十度，写文章时一定要明确标注用的是哪种定义。另外，DTA峰对应的温度和DTG峰对应的温度也不完全一样，引数据和相互比较时要统一口径。
还有一点必须提醒：DSC和TGA的测试结果受实验条件影响极大，不同升温速率、不同气氛、不同样品量下得到的数据，不能直接对比。做文献调研时，看到别人的Tg数据，第一件事是看他的测试条件是什么，再考虑自己的数据和它有没有可比性。这点我在给很多企业做技术咨询时反复强调过，但依然有很多人习惯直接拿不同条件下的数据做对比，进而得出错误的结论。
6. 常见问题排查：热分析仪器使用者的避坑手册
6.1 DSC常见问题速查
基线漂移严重。如果空坩埚扫描时基线大幅飘移，第一嫌疑是炉体内污染或坩埚放置位置不正。其次是环境温度波动剧烈，特别是空调直吹或门窗频繁开闭。解决办法是清理炉膛、重新校准基线，并确保实验室环境稳定。
峰形不对称或出现异常小峰。多半是样品与坩埚壁热接触不良，或者样品量过少导致信噪比太差。还有一种可能是样品本身发生了多层变化或产生了中间相，这种情况需要配合其他表征手段来综合判断，不能只看DSC单条曲线。
升温速率实际值和设定值偏差过大。程序升温滞后的原因通常是炉体热质量过大和传感器位置不当。可以尝试降低升温速率，看看滞后是否改善。如果是仪器硬件问题，需要联系工程师校准温度系统。
坩埚密封不严导致样品氧化。做金属粉末或易氧化材料时，坩埚密封性直接影响结果。用压机封样的压力要足够，防止高温下坩埚盖弹开。
6.2 TGA常见问题速查
天平读数跳动。原因可能是气流不稳、仪器摆放不平、环境振动干扰。检查气瓶输出压力是否稳定，确认仪器四个脚都受力均匀，必要时在仪器下面垫减震台。
升温过程中质量先降后升。这个现象经常让新手困惑。原因是高温下浮力效应发生变化，加上样品的腐蚀性气体与坩埚材料发生反应导致增重。做这类测试时注意选择与样品兼容的坩埚材质，必要时进行空白坩埚的浮力校正。
失重曲线出现“假台阶”。可能是样品在高温下发生了挥发物重新冷凝，或者载气中混入了氧气导致局部氧化放热。检查气路的纯度和密闭性，测试前用高纯气体吹扫足够时间。
残渣量明显高于预期。某些无机填料在高温下会分解产生金属氧化物，导致残留质量偏高。这时候不能直接认定残渣就是炭黑或灰分，建议配合FTIR或XRD分析残留物的成分。
6.3 给新手的几条避坑建议
结合我给不少实验室做培训和咨询的经验，针对第一次用热分析仪器的人，我有几条很实际的建议：
- 从简单、成熟的样品开始练手。不要一上来就测一个未知的复杂材料，不然仪器出了问题你都分不清是自己的操作问题还是材料本身特性就复杂
- 养成记录实验条件的好习惯。样品历史、称样量、坩埚型号、升温速率、气氛类型、流速，全部记清楚。热分析数据脱离了实验条件，基本没有参考价值
- 标准样品要定期测试。像铟（In）、锌（Zn）、锡（Sn）这些标样，定期跑一遍，校准温度和热焓，这样才能保证测试数据的长期可靠性
- 样品测试前要了解基本的热安全知识。不知道样品在高温下会不会剧烈放热或爆炸时，先做一个小样品量的预试验，保护仪器也保护自己
7. 最后再说两句
回想这几年经手的设备和遇到的各种测试问题，我在热分析这个方向上积累下来的体会是：仪器只是工具，测试方法才是核心。不管是南京大展这样的国产设备，还是进口高端型号，最后能不能出好数据，很大程度上取决于有没有真正理解测试对象和测试参数之间的关系。
对于正在准备采购热分析设备的课题组，我的建议是：多和供应商的技术工程师聊聊，把你在实际研究中遇到的问题直接抛给他们，好的供应商提供的应用方案往往比某种仪器上的某个卖点更有参考价值。对于已经买了设备的用户，也建议定期关注新发布的测试标准和同行的应用文献，因为热分析方法本身也一直在进化。有些新开发的测试程序，可能正好能解决你旧数据一直没能回答的那个问题。
这台设备能不能在你们实验室发挥出最大价值，最终还是看人怎么用它。做热分析，功夫往往在仪器之外。
