【摘要】 无损、快速和原位测量使X射线荧光光谱（XRF）成为分析土壤中HME的流行工具。

作为一个独立的生态系统，土壤资源的稳定性是确保农业生产和动植物生长所必需的。然而，随着全球工业化的加速，土壤污染已成为一个具有挑战性的问题。工厂和城市家庭的废水排放导致土壤重金属污染问题日益严重。一种准确有效的土壤重金属元素浓度测定方法，对防治土壤污染、修复生态系统、指导农田生产具有重要意义。无损、快速和原位测量使X射线荧光光谱（XRF）成为分析土壤中HME的流行工具。

 

在Qinglun Zhang等人[1]的研究中，提出了一种有效的深度学习方法，即基于FMC模块的深谱预测网络（DSPFormer），用于从XRF光谱中准确估计土壤重金属元素（Ti、Mn、Cu、Zn和Pb）的浓度。设计思路如图1所示。

 

图1 使用能量色散X射线荧光结合深光谱预测网络（DSPFormer）检测土壤中HME的实验流程图[1]

 

首先，基于手持式能量色散X射线荧光光谱仪（ED-XRF）获取土壤光谱。其次，根据XRF的频谱连续性、跨空间相关性和局部相关性，提出了一个特征挖掘协调（FMC）模块。FMC模块由全局谱注意力（GSA）模块和局部多尺度特征提取（LMSFE）模块组成，可以同时全面关注谱图和局部特征建模。最后，提出了一种基于FMC模块的深谱预测网络（DSPFormer），以实现对五种HME（Ti、Mn、Cu、Zn和Pb）浓度的精确估计。

 

图2 (a)土壤XRF样品的完整光谱图(b)土壤XRF样品的部分光谱图(c)通过Z评分标准化的土壤XRF样品的部分光谱图[1]

 

实验中使用ED-XRF仪器采集了270组通道号为2048的土壤光谱样本。图2（a）显示了一些样品的单对数标度谱图。从图中可以看出，土壤中几乎所有元素的特征峰分布都集中在0到800个通道之间。图2（b）显示了通道编号0–800的光谱强度对数分布。很明显，不同通道下的光谱强度值具有几何数量级的差异。这种数量级的差异可能会向模型传递错误的信息，并影响预测性能。

 

通过与其他先进的土壤分析算法的比较，验证了该方法的有效性。DSPFormer对五种HME（Ti、Mn、Cu、Zn和Pb）的测定系数分别为0.9559、0.9627、0.9658、0.9584和0.9664。结果表明，DSPFormer有效地抑制了XRF中存在的矩阵效应和谱线干扰。总之，基于自注意和卷积神经网络的深度学习方法为土壤HME分析提供了新的理论指导。

 

[1] J. Anal. At. Spectrom., 2024, 9, 478.

 

科学指南针充分发挥互联网技术和业务优势，在国内率先打造出业界领先的线上化、数字化的科研服务基础设施，在行业内首创用户自主下单、服务全流程追踪、测试“云现场”等模式，进一步提高了大型科学仪器设施开放共享和使用效率，以实际行动助力科技创新。现已发展成为中国专业科研服务引领者，已获得检验检测机构资质认定证书（CMA）、实验动物使用许可证、“ISO三体系认证”等专业认证。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。