ASD Fieldspec 4地物光譜儀在估計干旱農業(yè)土壤中關(guān)鍵潛在有毒元素方面的應用

農業(yè)土壤中潛在有毒元素的存在對農作物生長(cháng)和人類(lèi)健康具有重要影響。不僅會(huì )直接影響農作物的生長(cháng)和產(chǎn)量，還有可能通過(guò)農作物被吸收進(jìn)入食物鏈，對人類(lèi)健康產(chǎn)生潛在威脅。

這些元素在食物中的積累可能導致慢性中毒，對人體的神經(jīng)系統、肝臟、腎臟等器官造成損害。特別是對于兒童和孕婦來(lái)說(shuō)，潛在有毒元素的攝入可能對他們的發(fā)育和健康產(chǎn)生更大的影響。

因此，精準監測土壤中潛在有毒元素的含量，對管理土壤環(huán)境和減輕污染風(fēng)險至關(guān)重要，對于生態(tài)環(huán)境安全以及農產(chǎn)品的安全和質(zhì)量保障具有重要意義，對于人們的健康來(lái)說(shuō)，更是不容忽視的問(wèn)題。

接下來(lái)，一起來(lái)了解一下篇與農業(yè)土壤中潛在有毒元素（PTEs）相關(guān)的論文。

ASD Fieldspec 4地物光譜儀在估計干旱農業(yè)土壤中關(guān)鍵潛在有毒元素方面的應用

農業(yè)土壤中潛在有毒元素（PTEs）的積累嚴重影響著(zhù)人類(lèi)健康，并對生態(tài)系統產(chǎn)生負面影響。有毒元素如鎘、鉻、鈷、銅、鉛和鋅，是土壤污染物的重要組成部分，這些元素通過(guò)進(jìn)入水、土壤、植物和食物鏈，危害人類(lèi)和動(dòng)物健康。由于它們具有持久性和較長(cháng)的生物半衰期，其會(huì )破壞土壤中的營(yíng)養平衡，抑制植物生長(cháng)。因此，對土壤中PTEs的定量測量對于有效監測和土壤修復至關(guān)重要。PTEs的定量測量在傳統上使用濕化學(xué)方法，此方法耗時(shí)、昂貴，并且不適用于大樣本土壤。因此，人們對能夠在現場(chǎng)并實(shí)時(shí)使用的檢測測量設備的需求日益增加，這推進(jìn)了可見(jiàn)光和近紅外光譜（Vis-NIRS）等新技術(shù)的發(fā)展。

Vis-NIRS是一種常用的土壤分析工具，可以應用于土壤有機碳、質(zhì)地、營(yíng)養物質(zhì)和PTEs等方面的分析?，F代儀器的光譜技術(shù)以高分辨率來(lái)分析樣品，對每個(gè)樣品產(chǎn)生許多光譜變量。高分辨率測量可能導致光譜變量的數量超過(guò)樣本數量，這在分析目標（如土壤性質(zhì)）和光譜變量之間的關(guān)系時(shí)會(huì )變得困難。因此，需要適當的統計算法從光譜中提取有用信息。偏最小二乘回歸（PLSR）是一種廣泛使用的算法，結合了變量選擇策略，是一種常用的多元回歸技術(shù)，可以處理許多噪聲和相關(guān)變量。變量選擇算法以提高模型的魯棒性和精度而聞名，排除了噪聲光譜區域和共線(xiàn)波長(cháng)。對于PLS，已經(jīng)發(fā)表的許多變量消除方法包括PLSR的無(wú)信息變量消除(UVE-PLS)和模擬退火(SA)。UVE-PLS是一種基于PLSR回歸系數顯著(zhù)性的變量消除方法，SA是一種概率優(yōu)化技術(shù)，在改進(jìn)各種矩陣中的PLSR校準方面顯示出良好的結果。

過(guò)去幾十年來(lái)，工業(yè)活動(dòng)和無(wú)機肥料的長(cháng)期應用嚴重影響了埃及和其他國家幾個(gè)地區的農業(yè)土壤。此外，與近距離傳感方法相比，大樣本PTEs的實(shí)驗室分析成本高。因此，越來(lái)越需要開(kāi)發(fā)出通用且經(jīng)濟的快速定量土壤污染物的方法。

基于此，本研究旨在探索利用可見(jiàn)-近紅外光譜（Vis-NIRS）在埃及尼羅河附近受污染的干旱農業(yè)土壤中定量測定關(guān)鍵PTEs（如Cd，Co，Cu，Cr，Pb和Zn）的可行性和成本效益。

在本研究中，來(lái)自蘇伊士運河大學(xué)、埃及國家遙感和空間科學(xué)管理局、埃及米尼亞大學(xué)、俄羅斯RUDN大學(xué)的一組研究團隊，①首先從埃及尼羅河附近的一個(gè)污染區域收集了80個(gè)土壤樣本（60個(gè)來(lái)自0-20cm深度，20個(gè)來(lái)自20-40cm深度）。②進(jìn)行土壤化學(xué)分析，測定每個(gè)土壤樣本的有機碳含量和潛在有毒元素（PTEs）含量。③使用ASD FieldSpec 4地物光譜儀對每個(gè)樣本進(jìn)行可見(jiàn)-紅外（Vis-NIR）光譜測量，獲取反射光譜數據。④使用變量選擇算法（如UVE和SA）從光譜數據中選擇有效波長(cháng)。⑤使用PLSR算法分別基于全波段光譜（FR-PLS）和基于變量選擇的光譜數據（UVE-PLS和SA-PLS）建立光譜模型。⑥使用決定系數（R2）和相對分析誤差（RPD）等指標評估模型的預測性能，比較不同模型（FR-PLS、UVE-PLS和SA-PLS）在預測關(guān)鍵PTEs方面的能力。分析結果，討論模型在農業(yè)土壤中的應用前景。

研究區域和土壤樣本位置圖

結 果

測量的PTEs和pH之間的相關(guān)系數

土壤樣品原始光譜(A)和使用二階導數處理后的光譜數據(B)

PLSR模型的交叉驗證和預測/驗證結果（全波段光譜FR-PLS、模擬退火SA-PLS和無(wú)信息變量消除UVE-PLS）

【結論】

本研究探討了可見(jiàn)光近紅外光譜（Vis-NIRS）結合PLSR和特征選擇算法（無(wú)信息變量消除（UVE）和模擬退火（SA））在埃及某污染地區干旱條件下預測農業(yè)土壤中有毒元素PETs含量的潛力。結果表明：（i）Vis-NIRS有預測土壤PETs的潛力；（ii）基于全波段光譜數據集（FR）建立的PETs預測模型的性能非常差（R2 < 0.40）；（iii）基于UVE算法和PLSR結合（UVE-PLS）的光譜選擇變量得到的預測結果相比于基于全波段光譜的模型，其準確性有所提高（0.46 ≤ R2 ≤ 0.74）；（iv）對于所有方法（FR-PLS，SA-PLS和UVE-PLS），Cr預測的結果最好；（v）基于UVE-PLS的Cr、Pb和Cd的預測結果非常好（RPD值分別為2.48、2.03和1.86），而對于Cu、Co和Zn的預測結果較一般（RPD值分別為1.78、1.68和1.41）?？傮w上，UVE-PLS模型在預測關(guān)鍵PETs含量方面優(yōu)于FR-PLS和SA-PLS模型，其在預測農業(yè)土壤中的PETs含量方面具有潛力。

總之，本研究提供了一種使用光譜技術(shù)預測土壤中關(guān)鍵PTEs含量的方法，并對不同模型的性能進(jìn)行了評估和比較。其結果對于土壤污染管理和農業(yè)土壤質(zhì)量評估具有重要的實(shí)際意義。未來(lái)的研究應集中于在不同地點(diǎn)的更大范圍的數據集上測試這些發(fā)現，并與其他強大的機器學(xué)習方法相結合，如Cubist和隨機森林，以進(jìn)一步驗證和改進(jìn)此方法的準確性和適用性。

請點(diǎn)擊下方鏈接，閱讀原文：

https://mp.weixin.qq.com/s/pVd6KNsdvI0YKiF8KNrSpQ