一种面向土壤重金属含量检测的X射线荧光光谱预处理方法研究

土壤重金属的污染影响着农作物的产量和质量。传统的土壤重金属检测方法步骤繁琐、检测费用高且速度慢。利用X射线荧光光谱(XRF)分析技术检测土壤中重金属含量,具有处理简单、现场、快速、无损等优点。由于土壤背景复杂,包含大量噪声和无关信息,建立XRF校正模型前,对光谱的预处理能有效的去除不相干信息,保留有用信息,对XRF预测模型的精度有重要影响。主要研究光谱预处理方法对重金属含量预测模型精度的影响。首先,采用向前间隔偏最小二乘(Fi PLS)作为校正模型,对比了无预处理、去趋势处理(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、小波去噪(WT)、SNV+DT、卷积平滑(SG)+一阶导数、卷积平滑(SG)+二阶导数等7种不同预处理条件下的土壤重金属模型的检测精度。初步结果表明,多元散射校正预处理方法效果较好,与原始光谱相比,相关系数r从原始的0. 988提高到0. 990,预测均方根误差RMSEP、相对误差平均从原来的20. 809和0. 166分别降低到19. 051和0. 121。其次,在多元散射校正预处理方法的基础上,针对多元散射校正方法以线性表达式描述非线性关系的局限性,提出了局部加权线性回归多元散射校正(LWLRMSC)和偏最小二乘多元散射校正(PLSMSC),并比较了它们的建模效果。LWLRMSC是基于加权思想,在预测一个点的值时,选择适当的核函数和权重分配策略进行预测点的线性回归,来解决简单线性回归的欠拟合状况; PLSMSC是基于PLS建模思想,考虑了自变量和因变量的最大相关性,来减少拟合误差及失真问题。结果表明,PLSMSC具有最佳的预处理效果,五种重金属Cu,Zn,As,Pb,Cr预测值和实际值的R分别为0. 989,0. 973,0. 991,0. 989和0. 986,RMSEP分别为8. 805,58. 360,7. 671,12. 549和20. 851,相比于传统的MSC方法不仅在精度方面有大幅度的提升,且具有更好的泛化性能,能消除光谱噪声,提升有效信息贡献度,为土壤重金属含量预测模型选取合适的预处理方法提供了理论支撑。

近红外光谱法快速测定新疆薰衣草精油主要组分

为建立快速测定新疆薰衣草精油中芳樟醇（linalool）、乙酸芳樟酯（linalyl acetate）含量的定量分析模型,采用近红外吸收光谱法（NIR）测定了165个精油样品,通过对近红外光谱吸收峰分析,在7 100~4 500cm-1波数范围内化学信息量比较丰富且噪音低,可选择此波数段为分析区间。剔除8个异常样本后,通过聚类方法划分为105个校正集样本和52个验证集样本,结合气相色谱质谱（GC-MS）法测定的薰衣草精油linalool和linalyl acetate的含量,建立原始数据矩阵。对比不同的预处理方法对原始近红外光谱的过滤作用,其中正交信号变换（OSC）方法效果明显,对两种化合物的预测均方根误差（RMSEP）分别为0.226和0.558,再用向前间隔偏最小二乘法（FiPLS）剔除与待测成分无关或呈非线性关系的波长点,最终得到8个间隔区间共160个波长点的数据子集。使用OSC-FiPLS优化处理的数据子集结合偏最小二乘法（PLS）建立新疆薰衣草精油中linalool和linalyl acetate的快速定量分析模型,在模型中二成分的隐变量数都为8。交互验证均方根误差（RMSECV）分别为0.170和0.416;预测均方根误差（RMSEP）分别为0.188和0.364。结果表明,经OSC和FiPLS预处理建立的PLS-NIR定量分析模型稳健性好,测定精度高,能快速测定薰衣草精油中linalool和linalyl acetate含量,并且具有良好的预测能力。可为新疆薰衣草精油主要成分的快速定量分析提供一种新的有效方法。