通过集成的XRF和VIS-NIR光谱测量工业过渡区土壤中的重金属度
Zhenlong Zhang1, Zhe Wang1, Ying Luo1
1College of Environment and Resources, Southwest University of Science & Technology, Mianyang, Sichuan, 621010, China.
Environmental pollution (Barking, Essex : 1987)
|August 22, 2025
概括
这项研究引入了一种使用X射线光 (XRF) 和可见近红外光谱 (VIS-NIR) 监测土壤中 (Cd) 和 (As) 等重金属的新方法. 外部产品分析 (OPA) 融合策略与皮尔森相关系数 (PCC) 减小实现了高度准确的估计.
科学领域:
- 环境科学
- 分析化学
- 地质化学
背景情况:
- 土壤重金属污染对环境和人类健康构成风险.
- 传统的监测方法往往耗时且昂贵.
- 射线光 (XRF) 和可见近红外光谱 (VIS-NIR) 提供了快速,非破坏性和成本有效的替代方案.
研究的目的:
- 通过XRF和VIS-NIR光谱来开发和比较土壤中 (Cd) 和 (As) 含量的估计模型.
- 评估光谱预处理和融合策略对模型准确性的影响.
- 为准确的重金属估计确定最佳特征波长.
主要方法:
- 使用部分最小平方回归 (PLSR) 和反向传播神经网络 (BPNN) 的估计模型的开发.
- 应用光谱预处理技术,包括第二导数 (SD).
- 实现光谱融合策略:光谱连接 (SC),外部产品分析 (OPA) 和格兰杰-拉马纳森平均值 (GRA).
- 使用竞争性适应性重量化采样 (CARS) 进行特征波长选择,并使用皮尔森相关系数 (PCC) 进行维度减小.
主要成果:
- 第二导数 (SD) 预处理提高了单频谱模型的准确性.
- 与BPNN模型相比,PLSR模型显示出更高的准确性.
- 外部产品分析 (OPA) 融合策略在融合频谱模型中获得了最高的准确性.
- 与PCC相结合的OPA模型实现了Cd (R2 = 0.9920) 和As (R2 = 0.9852) 的优异估计精度.
结论:
- 与先进的数据处理技术相结合,XRF和VIS-NIR光谱为土壤重金属监测提供了强大的框架.
- 开发的OPA-PCC方法为评估土壤Cd和As水平提供了一种新且高度准确的方法.
- 这种技术对工业化-城市化-农村化过渡区的农业土壤特别有价值,有助于环境管理.
