土壤营养元素光谱检测技术的研究进展

土壤营养元素光谱检测技术的研究进展

李妮

重庆市二零八地质环境研究院有限公司 重庆400700

摘要：科学技术的发展，我国的光谱检测技术有了很大进展，并在土壤营养元素中得到了广泛的应用。传统的检测方法以化学检测为主，但存在检测周期长，成本高等缺点。光谱技术以其精确、快速、无损以及动态的检测优势，已在土壤成分含量分析中占有重要地位。本文首先分析高光谱遥感方法，其次探讨土壤营养元素的光谱检测技术，为我国土壤多参数、高精度快速检测工作提供参考。

关键词：土壤营养元素；光谱技术；光谱数据预处理

引言

多环芳烃是一大类广泛存在于环境中的有机污染物，也是最早被发现和研究的化学致癌物之一。由于其毒性、生物蓄积性和半挥发性，并能在环境中持久存在，被列入典型持久性有机污染物，受到人们的广泛关注。随着化工业、农业的快速发展，石油、煤炭等化石燃料以及农药化肥、杀虫剂的大规模使用，使得多种有机污染物被排放到环境中。土壤作为一种重要的环境介质，承担着90%以上的PAHs环境负荷，所以PAHs对土壤的污染问题尤为突出。由于土壤中PAHs含量的微量化甚至痕量化，再加上土壤未知干扰成分较多，这为定性和定量检测分析土壤中的PAHs带来重大挑战。

1光谱技术

光谱技术中所涉及的红外光或激光的波长范围在 650～2 600 nm 之间，这段波长范围也是可见光与光谱之间的电磁波。在自然环境下，土壤中包含数量庞大的氧化物、氨基化合物和烷烃类物质，这些物质的主要元素组成为碳、氢、氧和磷等，而光谱通常会在该波长范围吸收这些化学元素组成的特征官能基团，这是由于大部分有机物的组成结构都是在这个波长范围中获得光谱区信号，所以可以使用光谱技术检测土壤中的污染物获得较为准确的结果，而且光谱技术具有易获取、谱图稳定的特点，可以广泛应用于土壤污染检测领域。以往使用的土壤信息获取技术主要是人力采集数据，这种方法过度耗费人力和物力，数据获取结果也不足够精准。因此近年来我国研究者也在积极研究数字化土壤分析相关技术。相关地质及土壤研究者曾经从遥感技术的角度出发，结合卫星技术获取土壤信息，但是这种高精尖技术受到地理和空间环境的限制无法准确获取土壤详细信息。基于此，本文使用光谱仪器扫描土壤样品，利用差分吸收光学光谱技术测量土壤环境污染物含量，利用粒子群算法优化权值与 Softmax 分类器结合优化获得的深度学习自动编码器，对输入向量编解码，训练输入向量样本合集，构建深度神经网络的土壤污染物检测模型，从而提高土壤污染检测的速度和效果，以期为今后土壤污染治理打下一定基础。

2土壤营养元素的光谱检测技术

2.1激光诱导击穿光谱

LIBS（Laser-induced breakdown spectroscopy, LIBS）是一种原子发射光谱技术，可以对样品中多元素成分进行快速现场定量检测。通过超短脉冲激光聚焦样品表面形成等离子体，进而对等离子体发射光谱进行分析以确定样品的物质成分及含量。在土壤研究中，LIBS 通过结合化学计量学方法可用于测定氮磷钾的常量和微量的元素。使用基于 LIBS 的手持仪器，采用多元回归方法估计农田土壤中的常见组分（氮、磷、钾、钙、镁等），测定的结果表明钾的预测效果最好，而对于磷和氮的预测效果较差。利用 LIBS 和 Vis-NIRS 对印度农田的 147 份土壤样品对可浸出磷、奥森磷、草酸可浸出磷和总磷进行了检测。建立了 PLSR 模型，结合区间偏最小二乘回归（iPLS）和竞争自适应重加权抽样（CARS）确定了土壤中磷的特征波段。结果表明，在几乎所有模型建立和预测土壤磷库方面，LIBS 比 Vis-NIRS 结果好。猜测可能是由于磷的谱线强度可能受会受到土壤中其他金属元素的影响，且建议应当建立多元的定量模型以提高预测相关系数 R 2 。将 LIBS 与偏最小二乘回归法（PLSR）相结合，同时测定了土壤的 pH 值、阳离子交换容量（CEC）、土壤有机质（SOM）、TN、TP、TK、速效磷（AP）和土壤有机质（SOM），结果表明基于全 LIBS 光谱下对上述土壤参数都有较好的预测能力，特别是对土壤中 TP 的预测，RPD 值达到了 1.993。

2.2X射线荧光光谱

在X射线荧光光谱（X-rayfluorescencespectrometry,XRF）中，利用原级X射线光子或其它微观粒子以一定能量（在1–115KeV）范围激发待测物质中的原子，使之产生次级的特征X射线（X光荧光）来进行物质成分分析和研究。在土壤检测中，通过便携式X射线荧光光谱在现场初筛后再进行实验室检测，可以避免盲目的大量采样。采用总X射线荧光光谱法（TXRF）对南非44个地区的700份土壤样品进行了检测，结果显示磷和钾都得到较好的预测效果。SaidNawar等使用随机森林(RF)对便携式XRF检测的光谱数据进行分析，来预测钾（K）、磷（P）、镁（Mg）和钙（Ca）的含量。结果表明钾的预测效果最佳，R2为0.83。说明便携式XRF结合数据分析方法，可快速、低成本、准确地分析土壤钾的含量。XRF对关键土壤肥力属性的测量中利用多元回归模型分析是有效的，其中磷和钾均得出的预测结果为RPD>1.54和R2>0.61。最近，关于XRF与其他技术（如可见光和近红外光谱）数据融合使用的研究也开始流行起来。

2.3差分光学吸收光谱

本文利用差分吸收光谱技术(differential optical absorption spectroscopy, DOAS)实现对土壤污染物成分的检测。差分吸收光谱技术是一种利用空气中的气体分子的窄带吸收特性来鉴别气体成分，并根据窄带吸收强度来推演出微量气体的浓度光谱检测技术。与常规检测方法相比，其能够有效利用波长来进行污染物的监测，具有价格低廉、操作简单以及监测能力极为出色等优势。为了更好地实现土壤环境污染物成分检测，本文将 DOAS 技术引入该领域。基于光谱技术的土壤环境污染物成分检测流程中，通过激光发射仪器对采集的土壤样品实施扫描，得出激光光谱，依据差分光学吸收光谱技术构建光谱数学模型，求解土壤环境成分未知含量，得出样品土壤环境污染物含量。土壤环境污染物浓度通过差分光学吸收光谱实现测量。光在自然环境中，有些光会被散射，有些光会被吸收，剩余光按初始传播方向发射。利用粒子群算法优化后的深度神经网络学习土壤污染物检测训练样本集合，构建深度神经网络的土壤污染物检测模型，模型输出结果就是污染物检测结果。

结语

在未来的工作中，随着便携式光谱检测仪器的不断发展，可以实地采样测量获得数据信息。为了适应复杂的土壤类型和大面积土壤营养元素含量的测定，研究人员还要不断优化建模方法，提高模型的泛化能力。进一步扩大采样范围，建立大规模的土壤光谱数据库，将其应用到农业或地质科学研究中，不仅通过与传统的土壤剖面分类图结合起来完成数字化土壤分类，从而实现对不同土壤层级进行快速有效分析；还可与光谱数据的化学计量学模型相结合，对各类作物提供施肥建议，更好地为发展精准农业服务。

参考文献

[1]郭志新，梁亮，何见．一种林地土壤氮磷钾含量快速测定的新方法[J]．中国农学通报，2011，27（02）：61-65．

[2]朱琦，董桂梅，周璞，等．土壤粒径对近红外光谱检测土壤养分建模的影响[J]．工业控制计算机，2016，29（03）：23-24+26．

[3]高会，陈红艳，刘慧涛，等．基于高光谱的鲁西北平原土壤有效磷含量快速检测研究[J]．中国生态农业学报，2013，21（06）：752-757．