農業土壤中潛在有(you)毒(du)元素的存(cun)在對農作(zuo)物(wu)(wu)生(sheng)(sheng)長和人類(lei)健(jian)康(kang)具有(you)重要影響。不僅會直接(jie)影響農作(zuo)物(wu)(wu)的生(sheng)(sheng)長和產量，還有(you)可(ke)能(neng)通過(guo)農作(zuo)物(wu)(wu)被吸收進入(ru)食物(wu)(wu)鏈，對人類(lei)健(jian)康(kang)產生(sheng)(sheng)潛在威脅。

這些元素在(zai)食(shi)物(wu)中的積累可能(neng)導致(zhi)慢性中毒，對人體的神經系統、肝(gan)臟(zang)、腎臟(zang)等器官造成損害(hai)。特(te)別(bie)是對于兒(er)童和(he)孕婦來說(shuo)，潛在(zai)有毒元素的攝入(ru)可能(neng)對他們的發育和(he)健康產生(sheng)更大的影響(xiang)。

因此，精(jing)準監測土壤中潛在(zai)有毒元(yuan)素的(de)含量(liang)，對(dui)管(guan)理土壤環境(jing)和減輕(qing)污染風(feng)險至關重要(yao)，對(dui)于(yu)(yu)生態環境(jing)安(an)全(quan)以及農產品(pin)的(de)安(an)全(quan)和質量(liang)保障(zhang)具有重要(yao)意義，對(dui)于(yu)(yu)人們的(de)健康來(lai)說，更是不容忽視的(de)問題。

接下(xia)來，一(yi)起來了解一(yi)下(xia)篇與農業土(tu)壤中潛在(zai)有毒元素（PTEs）相(xiang)關的(de)論(lun)文。

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

農業(ye)土(tu)壤(rang)中潛(qian)在(zai)(zai)有毒(du)元(yuan)素(su)（PTEs）的(de)(de)(de)積累嚴重影(ying)響著人(ren)類健(jian)康，并(bing)對生態系統產生負面影(ying)響。有毒(du)元(yuan)素(su)如(ru)鎘、鉻、鈷、銅、鉛和(he)(he)鋅，是土(tu)壤(rang)污染物的(de)(de)(de)重要(yao)組(zu)成部分，這(zhe)些元(yuan)素(su)通過進入水、土(tu)壤(rang)、植(zhi)物和(he)(he)食物鏈(lian)，危害人(ren)類和(he)(he)動(dong)物健(jian)康。由于(yu)它們具有持(chi)久性和(he)(he)較長的(de)(de)(de)生物半衰期，其會破壞土(tu)壤(rang)中的(de)(de)(de)營養平衡，抑制植(zhi)物生長。因此，對土(tu)壤(rang)中PTEs的(de)(de)(de)定(ding)量(liang)測(ce)量(liang)對于(yu)有效監測(ce)和(he)(he)土(tu)壤(rang)修復至關重要(yao)。PTEs的(de)(de)(de)定(ding)量(liang)測(ce)量(liang)在(zai)(zai)傳統上使(shi)用(yong)濕化(hua)學方(fang)法，此方(fang)法耗時、昂貴，并(bing)且(qie)不適用(yong)于(yu)大樣(yang)本土(tu)壤(rang)。因此，人(ren)們對能夠(gou)在(zai)(zai)現場并(bing)實(shi)時使(shi)用(yong)的(de)(de)(de)檢測(ce)測(ce)量(liang)設備的(de)(de)(de)需求日益增加，這(zhe)推(tui)進了可見光和(he)(he)近紅外光譜(pu)（Vis-NIRS）等新技術的(de)(de)(de)發展。

Vis-NIRS是(shi)(shi)一(yi)種常(chang)用(yong)(yong)(yong)的(de)土(tu)(tu)壤分(fen)(fen)(fen)(fen)析工具，可以(yi)(yi)應(ying)用(yong)(yong)(yong)于(yu)(yu)土(tu)(tu)壤有機碳、質地、營養(yang)物質和(he)PTEs等方面的(de)分(fen)(fen)(fen)(fen)析。現(xian)代儀器的(de)光(guang)譜(pu)(pu)(pu)技術以(yi)(yi)高分(fen)(fen)(fen)(fen)辨率(lv)來分(fen)(fen)(fen)(fen)析樣(yang)品(pin)，對(dui)每(mei)個樣(yang)品(pin)產生許(xu)多光(guang)譜(pu)(pu)(pu)變(bian)(bian)量(liang)(liang)。高分(fen)(fen)(fen)(fen)辨率(lv)測量(liang)(liang)可能導致光(guang)譜(pu)(pu)(pu)變(bian)(bian)量(liang)(liang)的(de)數(shu)量(liang)(liang)超過樣(yang)本數(shu)量(liang)(liang)，這在(zai)分(fen)(fen)(fen)(fen)析目標（如土(tu)(tu)壤性質）和(he)光(guang)譜(pu)(pu)(pu)變(bian)(bian)量(liang)(liang)之(zhi)間的(de)關(guan)系時會變(bian)(bian)得困難。因此，需要適(shi)當(dang)的(de)統計算法(fa)從光(guang)譜(pu)(pu)(pu)中提取有用(yong)(yong)(yong)信(xin)息。偏最小(xiao)二乘回歸(gui)（PLSR）是(shi)(shi)一(yi)種廣泛使用(yong)(yong)(yong)的(de)算法(fa)，結合了變(bian)(bian)量(liang)(liang)選擇策略，是(shi)(shi)一(yi)種常(chang)用(yong)(yong)(yong)的(de)多元(yuan)回歸(gui)技術，可以(yi)(yi)處理許(xu)多噪聲和(he)相關(guan)變(bian)(bian)量(liang)(liang)。變(bian)(bian)量(liang)(liang)選擇算法(fa)以(yi)(yi)提高模型的(de)魯棒性和(he)精度而聞名，排除了噪聲光(guang)譜(pu)(pu)(pu)區域(yu)和(he)共線波長。對(dui)于(yu)(yu)PLS，已經(jing)發(fa)表的(de)許(xu)多變(bian)(bian)量(liang)(liang)消除方法(fa)包括PLSR的(de)無(wu)信(xin)息變(bian)(bian)量(liang)(liang)消除(UVE-PLS)和(he)模擬退火(SA)。UVE-PLS是(shi)(shi)一(yi)種基于(yu)(yu)PLSR回歸(gui)系數(shu)顯著性的(de)變(bian)(bian)量(liang)(liang)消除方法(fa)，SA是(shi)(shi)一(yi)種概率(lv)優化技術，在(zai)改進各種矩陣中的(de)PLSR校準方面顯示出良好的(de)結果。

過去幾十年來(lai)(lai)，工業(ye)活(huo)動和(he)無機肥料的(de)(de)(de)長期應用嚴(yan)重影響了埃(ai)及和(he)其他(ta)國家幾個地區(qu)的(de)(de)(de)農業(ye)土壤。此(ci)(ci)外，與近距離(li)傳(chuan)感方法相比，大樣(yang)本(ben)PTEs的(de)(de)(de)實驗室分析(xi)成本(ben)高(gao)。因此(ci)(ci)，越(yue)來(lai)(lai)越(yue)需要開發出通用且經濟的(de)(de)(de)快速定(ding)量土壤污(wu)染物(wu)的(de)(de)(de)方法。

基(ji)于此，本研究旨(zhi)在(zai)(zai)探索利(li)用可見-近(jin)紅(hong)外(wai)光譜（Vis-NIRS）在(zai)(zai)埃及尼羅(luo)河附近(jin)受污染的干旱農業土壤中(zhong)定(ding)量測定(ding)關鍵PTEs（如Cd，Co，Cu，Cr，Pb和Zn）的可行性和成本效(xiao)益。

在(zai)本研究中(zhong)，來自(zi)(zi)蘇伊士運河大(da)學(xue)(xue)、埃及(ji)國家遙感和(he)空間科學(xue)(xue)管理局、埃及(ji)米尼(ni)亞大(da)學(xue)(xue)、俄羅(luo)斯RUDN大(da)學(xue)(xue)的一組(zu)研究團隊，①首先從埃及(ji)尼(ni)羅(luo)河附(fu)近的一個(ge)(ge)污染區域收集了80個(ge)(ge)土壤樣本（60個(ge)(ge)來自(zi)(zi)0-20cm深(shen)度，20個(ge)(ge)來自(zi)(zi)20-40cm深(shen)度）。②進行(xing)土壤化學(xue)(xue)分析，測定每個(ge)(ge)土壤樣本的有機碳含(han)量和(he)潛在(zai)有毒元素（PTEs）含(han)量。③使用(yong)ASD FieldSpec 4地物光譜儀對每(mei)個樣本進行可見-紅外（Vis-NIR）光(guang)(guang)譜(pu)(pu)測(ce)量，獲(huo)取反射光(guang)(guang)譜(pu)(pu)數據。④使用(yong)(yong)變(bian)量選擇(ze)算(suan)法（如(ru)UVE和SA）從(cong)光(guang)(guang)譜(pu)(pu)數據中(zhong)選擇(ze)有效波長(chang)。⑤使用(yong)(yong)PLSR算(suan)法分(fen)別基(ji)于全波段光(guang)(guang)譜(pu)(pu)（FR-PLS）和基(ji)于變(bian)量選擇(ze)的(de)(de)光(guang)(guang)譜(pu)(pu)數據（UVE-PLS和SA-PLS）建(jian)立光(guang)(guang)譜(pu)(pu)模(mo)型(xing)(xing)(xing)。⑥使用(yong)(yong)決定系數（R2）和相對分(fen)析(xi)誤(wu)差（RPD）等指標評估(gu)模(mo)型(xing)(xing)(xing)的(de)(de)預(yu)測(ce)性能，比較(jiao)不(bu)同模(mo)型(xing)(xing)(xing)（FR-PLS、UVE-PLS和SA-PLS）在預(yu)測(ce)關鍵PTEs方(fang)面的(de)(de)能力。分(fen)析(xi)結果(guo)，討論模(mo)型(xing)(xing)(xing)在農業土壤中(zhong)的(de)(de)應用(yong)(yong)前景(jing)。

研究區域和土壤樣本(ben)位置圖(tu)

結 果

測量(liang)的PTEs和(he)pH之間的相關系(xi)數

土壤樣品(pin)原始光譜(pu)(A)和使用二階導數處理后(hou)的光譜(pu)數據(B)

PLSR模(mo)(mo)型的交叉(cha)驗證和預測/驗證結果（全(quan)波段(duan)光(guang)譜(pu)FR-PLS、模(mo)(mo)擬退火(huo)SA-PLS和無信息變(bian)量(liang)消除UVE-PLS）

【結論】

本研究探討了可見光近紅外光譜（Vis-NIRS）結合PLSR和特征選擇算法（無信息變量消除（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）。總體上，UVE-PLS模型在預測關鍵PETs含量方面優于FR-PLS和SA-PLS模型，其在預測農業土壤中的PETs含量方面具有潛力。

總之，本(ben)研(yan)究(jiu)提供了(le)一(yi)種使用光譜技術預測(ce)土(tu)壤中關鍵PTEs含量(liang)的(de)方法，并對不同模型的(de)性能進行了(le)評估(gu)和比較。其(qi)結果(guo)對于土(tu)壤污染管理和農業土(tu)壤質量(liang)評估(gu)具有(you)重(zhong)要的(de)實際意義。未來的(de)研(yan)究(jiu)應(ying)集中于在不同地點的(de)更大范(fan)圍的(de)數據集上測(ce)試這些(xie)發現，并與其(qi)他強(qiang)大的(de)機器學習(xi)方法相結合(he)，如Cubist和隨機森林(lin)，以進一(yi)步(bu)驗證和改進此(ci)方法的(de)準確性和適用性。

請(qing)點擊下方鏈接，閱讀原文：

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