原文出自Sensors 期刊：

Erler, A.; Riebe, D.; Beitz, T.; Löhmannsröben,H.-G.; Leenen, M.; Pätzold, S.; Ostermann, M.; Wójcik, M. Mobile Laser-InducedBreakdown Spectroscopy for Future Application in Precision Agriculture—A Case Study. Sensors 2023, 23, 7178.

引言

农田土壤特性的空间变化，尤其是不同土壤化学参数的空间变化与土壤肥力有关，因此也与作物产量有关。土壤肥力化学参数包括储层，即钾、镁、钙、氮和磷等常量营养元素的总含量；土壤有机质
(Soil Organic Matter, SOM) 含量；以及土壤 pH
值。一个重要的土壤物理参数是土壤质地。常见的田间均匀施肥会导致部分田块养分过多或过少。避免这种情况的方法就是精准农业的概念。这一概念的基础是利用传感器测量田间养分的空间变化，从而避免了耗时且昂贵的土壤采样和随后的实验室分析。

测定土壤中营养元素的理想方法是光学发射光谱法
(Optical Emission Spectroscopy,
OES)。然而，该方法需要通过提取或消化程序进行昂贵且耗时的样品制备。激光诱导击穿光谱法 (Laser-induced Breakdown
Spectroscopy, LIBS) 是光学发射光谱法的一种变体，可以避免这些缺点。LIBS的原理是使用激光 (通常为纳秒级脉冲持续时间)
烧蚀材料并形成微等离子体。等离子体激发的原子和原子离子会发出与样品元素组成相关的特定辐射。直接 (原位)
分析无需样品制备，测量速度快，可接触到轻元素，这使得 LIBS 有可能成为精准农业领域成本效益高且快速的现场分析工具。

近年来，人们开始将重点转向其他土壤参数的测定。农业土壤中有机碳和无机碳含量的测定受到特别关注。有关农业土壤
LIBS 应用的大部分研究工作都是基于多元方法。这些方法之所以盛行，是因为 LIBS 信号与光谱矩阵有关。本研究选择了成功应用于 LIBS
的两种方法：竞争性自适应加权采样 (Competitive Adaptive Reweighted Sampling, CARS) 和主成分分析
(Principal Component Analysis, PCA)。

本文对 Bölingen 附近一块地质完全不同、SOM 和粘土含量较高的田地进行了调查。重点包括：

(1)不同土壤的土壤参数回归结果；

(2) 将调查扩展到更多的土壤参数；

(3) 方法扩展：支持向量机 (Support Vector Machine, SVM)、CARS；

(4) 比较两台田间光谱仪和一台实验室台式仪器。手持式光谱仪可进行单点测量，而第二台光谱仪则用于未来在移动传感器平台上的应用。

了解文章研究内容，请点击链接：https://mp.weixin.qq.com/s/Lo4S8SI1C4uI2mBbIZsvzQ

研究总结

通过激光诱导击穿光谱法对土壤颗粒进行研究，可以测定重要的宏观和微观营养元素的总含量，以及土壤 pH 值、SOM、淤泥和粘土含量，并取得良好效果。Bölingen 附近一块异质耕地的案例研究证明了这一点，这也是将激光诱导击穿光谱分析技术从实验室应用到田间的先决条件。在田间直接应用
LIBS 为精准农业提供了巨大的机遇。为了更详细地解决这个问题，本文将两种可在田间使用的光谱仪
(用于点测量的手持式光谱仪和安装在移动平台上用于绘制大面积地图的光谱仪)
与高分辨率实验室光谱仪进行了比较。虽然实验室光谱仪得出的结果最好，但两台现场光谱仪的巨大潜力也得到了证明。由于基质效应对 LIBS
结果影响很大，因此必须采用机器学习方法。结果表明，PCR、PLS、SVM 和 GP 回归这四种方法得出的结果相似。PLS 权重、PLS VIP
分数和 Lasso 系数的应用使我们能够识别最重要的波长并解释回归模型。PCA
可以比较该领域与其他领域的异质性和相似性。特征选择可略微改善回归结果。

撰稿人：岳洋

专栏简介

“智能光子应用技术”专栏由Sensors 期刊编委岳洋教授 (西安交通大学) 主持，专注于光通信、光感知、光芯片等智能光子学领域的前沿进展与创新应用。