在土壤中使用超性-性阵列和银纳米双结构辅助分子激光诱导分解光谱学来检测土壤中的高性能检测

科学领域:

• 分析化学 分析化学
• 环境科学 环境科学
• 材料科学 材料科学 材料科学

背景情况:

• 准确的土壤 (N) 检测对于评估土壤肥力和精确的施肥至关重要.
• 检测N的传统化学方法通常是复杂和耗时的.
• 开发快速准确的检测技术对于可持续农业至关重要.

研究的目的:

• 开发一种创新的方法,快速准确地检测土壤中可用的 (N).
• 用先进的光谱学和纳米材料提高土壤N检测的灵敏度和可重复性.
• 整合人工智能用于对土壤N水平的可靠预测.

主要方法:

• 在石墨基板上制造超性-性阵列,以缩土壤溶液.
• 利用纳米双结构 (银纳米线和银纳米粒子) 来提高检测性能.
• 采用分子激光诱导分解光谱 (MLIBS) 进行元素分析.
• 开发了一种人工智能驱动的自适应提升随机森林 (AdaBoost-RF) 模型,用于N级预测.

主要成果:

• 对土壤-N的检测极限 (LOD) 达到0.92 mg/kg.
• 获得6.58%的相对标准偏差 (RSD),表明可重复性良好.
• 该AdaBoost-RF模型证明了高预测准确度,相关系数 (R_p2) 为0.9745.
• 使用SHA-NDS-MLIBS方法显著提高了检测灵敏度和可重复性.

结论:

• 开发的SHA-NDS-MLIBS方法为土壤N检测提供了一种高性能方法.
• 这种技术为传统方法提供了快速,准确和敏感的替代方案.
• 该研究通过改善土壤分析,为智能农业和环境监测的进步做出了贡献.