一种基于近红外光谱快速检测土壤中PVC含量的方法技术

本发明专利技术公开了一种基于近红外光谱快速检测土壤中PVC含量的方法，属于光谱学、环境污染检测领域，包括以下步骤：(1)取表层0～30cm深处的土壤，在室温通风环境下风干后研磨，过100目筛；(2)取至少15次样品压片，每次0.3g；(3)采集步骤(2)所制备样品压片的近红外光谱图；(4)设置LS‑SVM算法的正则化参数gam为256，LS‑SVM算法的内核参数sig2为110。将步骤(3)采集的药品压片的近红外光谱数据输入建立的LS‑SVM检测模型中，得到土壤中PVC塑料的污染量。基于近红外光谱技术的PVC类型微塑料含量检测方法无需通过密度分离提取土壤样品中疑似微塑料碎片，可节省时间与成本。此外通过LS‑SVM方法建立土壤中PVC含量的预测模型，预测准确度高。

A Method for Rapid Detection of PVC Content in Soil Based on Near Infrared Spectroscopy

【技术实现步骤摘要】
一种基于近红外光谱快速检测土壤中PVC含量的方法
本专利技术涉及光谱学、环境污染检测领域，具体地说，涉及一种基于近红外光谱快速检测土壤中PVC含量的方法。
技术介绍
微塑料是指环境中粒径小于5mm的塑料污染物，其包括碎片、纤维、颗粒、薄膜等不同形态类型，其化学组成和密度均有差异且来源多样。微塑料污染已成为全球的环境问题，尤其在海洋和潮滩环境中微塑料的来源、丰度及其生态效应受到普遍关注。研究表明每年通过污泥等来源进入欧洲和北美农田土壤的微塑料含量分别为63000-430000及44000-300000吨，远超过目前估计的全球海洋地表水中微塑料的总输入量，93000-236000吨，因此陆地尤其是土壤中微塑料污染也应该引起足够重视。目前检测环境样品中微塑料含量的方法主要有三类，一是破坏性的化学分析方法如热裂解气相色谱质谱联用法(Py-GC/MS)，通过检测环境样品中疑似微塑料粒子热裂解后的产物来分析其聚合物类型及含量；二是结合视觉判别和无损检测的方法，主要有扫描电子显微镜(SEM)法和依据化学特征来鉴别单个颗粒聚合物类型的显微光谱技术，如显微傅里叶中红外技术和显微拉曼光谱技术。由于土壤是有机物，黏土，矿物质，液体等的混合物，也是土壤生物的栖息地，土壤中复杂的成分会导致分析检测的困难，因此前两种方法在检测前需进行复杂的微塑料提取分离过程。三是基于近红外光谱或高光谱成像技术对土壤样品中的微塑料进行快速无损的定性及定量检测，这种分析方法无需进行复杂的样品处理，但现有研究准确性不够高。聚氯乙烯(PVC)是世界上产量最多的塑料，因此PVC是可能造成污染最多的微塑料类型。近红外光谱主要是由于分子震动的非谐振性使分子振动从基态向高能级跃迁时产生的，近红外光谱记录的是分子中单个化学键的基频振动的倍频和和合频信息，在近红外光谱范围内，测量的主要是含氢基团X-H(X＝C、N、O)振动的倍频和合频吸收。样品不需要预处理，近红外区内光穿透深度大，使得近红外光谱技术可以用漫反射技术对样品直接测定，同时还具有分析具有非破坏性、分析速度快、远距离测定和实时分析、测定重现性好、适用的样品范围广、分析成本较低、对操作人员的要求较低等优点。
技术实现思路
本专利技术的目的为提供一种基于近红外光谱快速检测土壤中PVC含量的方法，拟结合化学计量学的方法，通过获取的近红外光谱数据建立预测土壤中PVC含量的模型，并通过该模型监测土壤中PVC含量，整个方法方便简单，易于操作。为了实现上述目的，本专利技术提供的基于近红外光谱快速检测土壤中PVC含量的方法包括以下步骤：(1)取表层0～30cm深处的土壤，在室温通风环境下风干后研磨，碎过100目筛；(2)取至少15次样品压片，每次0.3g；(3)采集步骤(2)所制备样品压片的近红外光谱数据；(4)将步骤(3)采集的药品压片的近红外光谱数据输入检测模型中，得到土壤中PVC塑料的污染量。检测模型的建立方法为：(4-1)土壤风干后研磨，碎过100目筛；(4-2)按设置好的浓度梯度将聚氯乙烯标准品加入土壤中并混合均匀；(4-3)对步骤(4-2)混合成的样品进行压片，制成样本，并采集样本的近红外光谱数据；(4-4)以土壤中聚氯乙烯浓度为自变量，以光谱信息为因变量，利用最小二乘支持向量机(LS-SVM)算法建立光谱信号与土壤中聚氯乙烯类型微塑料含量的定量检测模型。设置LS-SVM算法的正则化参数gam为256，LS-SVM算法的内核参数sig2为110。土壤中聚氯乙烯类型微塑料含量的定量检测模型采用的模型评价指标有确定系数、建模均方根误差、预测均方根误差和剩余预测偏差。采集近红外光谱图所用的光谱仪的光谱条件为：光谱波长范围为900～1700nm，分辨率为10nm。光谱仪在进行光谱测量之前，预热15min并做好黑板和白板校正操作。设置400个点的光谱采集参数，通过求三次扫描的平均值得到光谱，以反射模式记录光谱信息。与现有技术相比，本专利技术的有益效果为：本专利技术与现有的微塑料含量检测方法相比，基于近红外光谱技术的PVC类型微塑料含量检测方法无需通过密度分离提取土壤样品中疑似微塑料碎片，可节省时间与成本。此外通过LS-SVM方法建立土壤中PVC含量的预测模型，预测准确度高。附图说明图1为本专利技术实施例中基于近红外光谱快速检测土壤中PVC含量的方法的定量检测模型建立流程图；图2为本专利技术实施例中近红外光谱仪采集系统图；图3为本专利技术实施例中获取的原始近红外光谱图；图4为本专利技术实施例中土壤PVC微塑料含量的预测集真实值与预测值拟合图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，以下结合实施例及其附图对本专利技术作进一步说明。实施例参见图1至图4，本实施例的基于近红外光谱快速检测土壤中PVC含量的方法包括以下步骤：(1)土壤及微塑料样品的准备选用从黑龙江大兴安岭收集的暗棕壤，土壤呈酸性，表层有较丰富的有机质，腐殖质的积累量多。将土壤在室温通风环境下风干后碾磨过100目筛，得到粒径小于150μm的土壤。由于聚氯乙烯(PVC)是世界上产量最大的通用塑料，因此选择PVC标准品，PVC标准品粉末的平均粒径为107μm。(2)样品的制备将PVC标准品粉末按一定浓度梯度(0.1％，0.2％,0.5％，1％，2％，5％，10％)加入土壤中并混合均匀，每个梯度有15个相同的样品。将上述配置好的样品压制成圆型样本，其直径为10mm,厚度为1mm。此外，设置10个空白土壤样本和10个PVC标准品样品作对照，上述一共125个样品压片并放在铝盒中以防止其他来源的微塑料污染。(3)近红外光谱的采集采用图2中的便携式近红外光谱仪，将样本放置在其扫描窗口上。在900–1700nm的采集范围内采集光谱信息，分辨率为10nm。在进行光谱测量之前，仪器应预热15min并做好黑板和白板校正操作。设置了400个点的光谱采集参数，通过求三次扫描的平均值得到光谱，以反射模式记录步骤(2)所制备样本的光谱，每个土壤压片均在正面和反面各重复三次扫描采集操作，原始光谱如图3所示。(4)近红外光谱数据的处理每个样本在步骤3均获取了6条近红外光谱，对其求平均光谱，将125个样本的平均光谱数据拼接成一个125x400的矩阵。采用最小二乘支持向量机(leastsquaressupportvectormachine,LS-SVM)回归算法对土壤中的PVC类型微塑料含量进行快速检测，且设置LS-SVM算法的正则化参数gam为256，LS-SVM算法的内核参数sig2为110。其中LS-SVM算法建模结果表明，预测集RP2为0.9873，RPD为8.5611，表明模型预测结果很好，预测集真实值与预测值的拟合图如图4所示。(5)采集目标检测区域的近红外光谱数据采集需检测区域的土壤，取表层0-30cm深的土壤，在室温通风环境下风干后研磨碎过100目筛；取15次样品压片，每次取0.3g；采集样品的近红外光谱数据后，输入已经建立的模型，得到预测的土壤中PVC塑料污染量。本文档来自技高网...

【技术保护点】
1.一种基于近红外光谱快速检测土壤中PVC含量的方法，其特征在于，包括以下步骤：(1)取表层0～30cm深处的土壤，在室温通风环境下风干后研磨，碎过100目筛；(2)取至少15次样品压片，每次0.3g；(3)采集步骤(2)所制备样品压片的近红外光谱数据；(4)将步骤(3)采集的药品压片的近红外光谱数据输入检测模型中，得到土壤中PVC塑料的污染量。

【技术特征摘要】
1.一种基于近红外光谱快速检测土壤中PVC含量的方法，其特征在于，包括以下步骤：(1)取表层0～30cm深处的土壤，在室温通风环境下风干后研磨，碎过100目筛；(2)取至少15次样品压片，每次0.3g；(3)采集步骤(2)所制备样品压片的近红外光谱数据；(4)将步骤(3)采集的药品压片的近红外光谱数据输入检测模型中，得到土壤中PVC塑料的污染量。2.根据权利要求1所述的基于近红外光谱快速检测土壤中PVC含量的方法，其特征在于，步骤(4)中所述的检测模型的建立方法为：(4-1)土壤风干后研磨，碎过100目筛；(4-2)按设置好的浓度梯度将聚氯乙烯标准品加入土壤中并混合均匀；(4-3)对步骤(4-2)混合成的样品进行压片，制成样本，并采集样本的近红外光谱数据；(4-4)以土壤中聚氯乙烯浓度为自变量，以光谱信息为因变量，利用最小二乘支持向量机算法建立光谱信号与土壤中聚氯乙烯类型微塑料含量的定量检测模型，最小二乘支持向量机算法的正则化参数gam为256...

【专利技术属性】
技术研发人员：裘正军，赵淑韬，冯旭萍，何勇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33