基于激光诱导击穿光谱技术的土壤快速分类方法研究

为实现不同种类土壤的快速分类鉴别,实验研究了基于激光诱导击穿光谱技术的土壤快速分类方法。由于不同类型的土壤在元素组成上会存在较大差异,所以利用激光诱导击穿光谱技术进行土壤分类具有可行性。不同土壤在相同实验条件下产生的等离子体温度会存在较大差异,可以作为分类的重要依据,所选择的7类土壤中,赤红壤的等离子体温度最高。选取土壤中6种常量元素Si,Fe,Al,Mg,Ca和Ti的光谱强度作为分类指标,利用主成分分析(principal component analysis,PCA)对7种土类的25个样品进行了分类,其中砖红壤和赤红壤分类出现了交叠,而不同高山草甸土样品之间元素差异较大,并没有实现较好的聚类。利用反向传播神经网络(back-propagation artificial neural network)结合土壤的LIBS光谱对土壤进行了分类,分类结果与PCA结果相近,赤红壤与砖红壤出现了识别错误。当用PCA分析获得三个主成分值作为BP神经网络的输入量时,获得了较好的分类结果,因为简化了输入量,降低了BP神经网络的误差,此时只有一个高山草甸土被识别成褐土,而高山草甸土的等离子体温度显著低于褐土,所以结合不同土壤类型的等离子体温度差异,能够实现不同土壤的分类识别。实验证明激光诱导击穿光谱技术可以应用于土壤分类,为土壤普查和合理利用提高了一种新的技术。     

激光诱导击穿光谱结合标准加入法定量检测土壤中Cr

利用激光诱导击穿光谱(LIBS)结合标准加入法对土壤中的Cr进行定量检测。以Cr 425.435nm谱线为特征谱线,以Fe为内标元素,建立了土壤中Cr的定标曲线,确定在Cr质量分数低于250×10-6时,其特征谱线强度与其质量分数成线性关系,并由此求出土壤中Cr检测限为9.69×10-6,确定了标准加入法的检测范围。研究了5个外推点和单外推点的标准加入法,五点标准加入法对土壤中Cr的检测结果相对误差小于7%,单点标准加入法检测结果相对误差小于10%。基于单点标准加入法对同一土样进行5次检测,所得Cr质量分数的相对标准偏差(RSD)为4.66%,稳定性较好。实验结果证明LIBS结合标准加入法可以对土壤中的Cr进行较好的定量检测。     

LIBS结合ANN对不同类型土壤中的Cu的定量检测

不同种类土壤的Cu浓度与其激光诱导击穿光谱(LI BS)强度之间存在不同的规律,本文利用LIBS结合人工神经网络(ANN)对土壤中的Cu进行 了定量分析,以实现不同种类土壤中Cu的定量检测。分别研究了单一类型土壤和3种土壤 类型基体下神经网络的应用情况。结果表明,在单一土壤基体情况下,应用反向传播(BP)神 经网络可以对土壤中 的Cu进行准确的检测,检测误差最大为10.17%;而在3种土壤基体下 ,BP神经网络的预 测准确度降低,检测误差不大于16%,并且线性神经网络对Cu浓度较 高的土壤样品预测准 确度较高,两种方法的检测准确度均高于内标法,BP神经网络能够更准确的描述单一土壤 类型的基体效应。LIBS结合ANN能有效解决土壤间存在的基体效应,LIBS结合ANN能有效解决 土壤间存在的基体效应,实现不同类型土壤中Cu元素的定量检测。     

土壤钾元素的激光诱导击穿光谱定量检测分析

实现土壤中钾元素含量的快速、现场测量对农田施肥与农业生产管理具有重要意义。利用波长为1064nm的Nd…YAG脉冲激光器作为激发光源,以宽光谱范围、高分辨率的中阶梯光栅光谱仪和高灵敏度的增强型电荷耦合器件(ICCD)作为光谱分光和检测器件,研究土壤中钾元素的激光诱导击穿光谱特性。实验中以钾元素的769.90nm谱线作为分析线,确定探测最佳延时为1μs,最佳检测门宽为5.2μs,钾元素质量分数的检测限为0.006858%,得到土壤样品定标曲线,且预测值与真实值相对误差小于5%。通过对12种不同基体类型的标准土样进行检测分析,结果表明,在实际的定量检测中需针对不同基体类型土壤样品进行分别标定。该研究结果为土壤钾元素的快速、现场定量检测提供了参考。     

基于LIBS技术的水体重金属连续在线检测方法

针对工业废水重金属原位在线监测的需求,提出了基于激光诱导击穿光谱(LIBS)技术的水体重金属连续在线检测方法。采用石墨基底蒸干的富集方式,通过研究样液富集模式、样液定量添加方式、样液蒸干富集方式等,实现了水体中重金属元素的快速自动检测,提高了检测效率和检测能力。对含有Cd、Cr、Cu、Ni、Pb、Zn重金属元素的不同质量浓度的标准溶液进行检测,分别建立了这6种元素的定标曲线,并得到了相应的检测限。多次测量光谱强度相对标准偏差分别为9.24%、10.45%、12.59%、11.58%、15.24%、6.87%,检测限分别为0.03,0.012,0.0047,0.033,0.071,0.0376mg/L。该方法为水体重金属的在线监测提供了一种有效手段。