農業土壤中潛在有毒元素的存在對農作物生長和人類健康具有重要影響。不僅會直接影響農作物的生長和產量，還有可能通過農作物被吸收進入食物鏈，對人類健康產生潛在威脅。
這些元素在食物中的積累可能導致慢性中毒，對人體的神經系統、肝臟、腎臟等器官造成損害。特別是對于兒童和孕婦來說，潛在有毒元素的攝入可能對他們的發育和健康產生更大的影響。
因此，精準監測土壤中潛在有毒元素的含量，對管理土壤環境和減輕污染風險至關重要，對于生態環境安全以及農產品的安全和質量保障具有重要意義，對于人們的健康來說，更是不容忽視的問題。
接下來，一起來了解一下篇與農業土壤中潛在有毒元素（PTEs）相關的論文。
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
農業土壤中潛在有毒元素（PTEs）的積累嚴重影響著人類健康，并對生態系統產生負面影響。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，這些元素通過進入水、土壤、植物和食物鏈，危害人類和動物健康。由于它們具有持久性和較長的生物半衰期，其會破壞土壤中的營養平衡，抑制植物生長。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重要。PTEs的定量測量在傳統上使用濕化學方法，此方法耗時、昂貴，并且不適用于大樣本土壤。因此，人們對能夠在現場并實時使用的檢測測量設備的需求日益增加，這推進了可見光和近紅外光譜（Vis-NIRS）等新技術的發展。
Vis-NIRS是一種常用的土壤分析工具，可以應用于土壤有機碳、質地、營養物質和PTEs等方面的分析。現代儀器的光譜技術以高分辨率來分析樣品，對每個樣品產生許多光譜變量。高分辨率測量可能導致光譜變量的數量超過樣本數量，這在分析目標（如土壤性質）和光譜變量之間的關系時會變得困難。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，可以處理許多噪聲和相關變量。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波長。對于PLS，已經發表的許多變量消除方法包括PLSR的無信息變量消除(UVE-PLS)和模擬退火(SA)。UVE-PLS是一種基于PLSR回歸系數顯著性的變量消除方法，SA是一種概率優化技術，在改進各種矩陣中的PLSR校準方面顯示出良好的結果。
過去幾十年來，工業活動和無機肥料的長期應用嚴重影響了埃及和其他國家幾個地區的農業土壤。此外，與近距離傳感方法相比，大樣本PTEs的實驗室分析成本高。因此，越來越需要開發出通用且經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-近紅外光譜（Vis-NIRS）在埃及尼羅河附近受污染的干旱農業土壤中定量測定關鍵PTEs（如Cd，Co，Cu，Cr，Pb和Zn）的可行性和成本效益。
在本研究中，來自蘇伊士運河大學、埃及國家遙感和空間科學管理局、埃及米尼亞大學、俄羅斯RUDN大學的一組研究團隊，①首先從埃及尼羅河附近的一個污染區域收集了80個土壤樣本（60個來自0-20cm深度，20個來自20-40cm深度）。②進行土壤化學分析，測定每個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地物光譜儀對每個樣本進行可見-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。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）在預測關鍵PTEs方面的能力。分析結果，討論模型在農業土壤中的應用前景。
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和無信息變量消除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，本研究提供了一種使用光譜技術預測土壤中關鍵PTEs含量的方法，并對不同模型的性能進行了評估和比較。其結果對于土壤污染管理和農業土壤質量評估具有重要的實際意義。未來的研究應集中于在不同地點的更大范圍的數據集上測試這些發現，并與其他強大的機器學習方法相結合，如Cubist和隨機森林，以進一步驗證和改進此方法的準確性和適用性。
請點擊下方鏈接，閱讀原文：
//mp.weixin.qq.com/s/pVd6KNsdvI0YKiF8KNrSpQ