使用近距离传感技术预测农业土壤中的分数
G Shrestha1, R Calvelo-Pereira2, M Poggio3
1Environmental Sciences Group, School of Agriculture and Environment, Massey University, Manawatu Campus, Private Bag, 11222, Palmerston North, New Zealand; Manaaki Whenua - Landcare Research, Private Bag, 11052, Palmerston North, New Zealand.
Environmental pollution (Barking, Essex : 1987)
|April 4, 2024
概括
像近距离NIR,MIR和pXRF这样的近距离传感技术可以有效地估计土壤中的总 (Cd) 和其植物可用的分量. 这提供了一种具有成本效益的方法来监测土壤中的含量,并为管理实践提供信息.
科学领域:
- 环境科学 环境科学
- 土壤科学 土壤科学
- 分析化学 分析化学
背景情况:
- (Cd) 在农业土壤中由于酸盐肥料的应用而积累,造成全球环境和健康风险.
- 有效的Cd监测对于管理农业系统和减轻潜在的植物吸收至关重要.
- 序列提取提供了对Cd的起源,流动性和生物利用性的洞察,补充了总Cd分析.
研究的目的:
- 评估近距离传感技术 (VIS-NIR,MIR,pXRF) 的有效性,以预测总和分离土壤.
- 开发和验证使用光谱数据和部分最小平方回归的土壤Cd的预测模型.
- 评估这些技术作为成本效益高的土壤Cd监测工具的潜力.
主要方法:
- 分析87个表土样本,使用湿化学检测总Cd,并顺序提取Cd分数 (可交换,酸性溶解,金属氧化物结合,有机物结合,残留).
- 使用可见近红外 (VIS-NIR),中红外 (MIR) 和便携式X射线光 (pXRF) 谱学获取光谱数据.
- 开发部分最小平方回归模型,从光谱数据中预测总和分数Cd度.
主要成果:
- 使用对比NIR,MIR和pXRF的模型在预测总Cd方面表现良好 (nRMSEcv 26-31%,CCCcv 0.75-0.85).
- MIR光谱学有效地预测了可交换的Cd (nRMSEcv 40%,CCCcv 0.57).
- 视-NIR光谱学显示出高精度预测可溶酸 (nRMSEcv 11%,CCCcv 0.97) 和有机物结合Cd (nRMSEcv 33%,CCCcv 0.84) 的高精度.
结论:
- 近距离传感技术,特别是对NIR和MIR,显示出估计总和生物可用土壤Cd分数的巨大潜力.
- 这些光谱方法可以作为快速和经济有效的土壤Cd监测计划的宝贵补充工具.
- 实施这些技术可以帮助有效管理农业土壤中Cd污染.
