基于激光诱导击穿光谱技术结合随机森林算法快速定量分析土壤中重金属元素

土壤中重金属的检测对土壤污染分析及监控具有重要意义.本研究建立了一种基于激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)技术结合随机森林(Random forest,RF)算法快速定量分析土壤中重金属元素的方法.采用激光诱导击穿光谱仪对22组土壤样品的LIBS光谱进行采集,探究了不同光谱预处理方法对基于土壤样品LIBS光谱的RF模型预测性能的影响.以归一化处理后的LIBS光谱数据作为初始输入变量,分别构建了基于全谱、特征波段、变量重要性以及后向区间的RF校正模型,用于土壤中4种重金属元素(Cu、Cr、Pb和Ni)含量的测定.结果表明,相比于基于全谱、特征波段和变量重要性的RF校正模型,基于后向区间的随机森林校正模型(Backward interval random forest,BiRF)对上述4种元素的定量分析性能更好,Cu、Cr、Pb和Ni的最优均方根误差(Root mean square error,RMSE)值分别为8.0221、6.0120、1.7382和1.2851μg/g,最优决定系数(Coefficient of determination,R2)值分别为0.9610、0.8985、0.7021和0.9850.本研究结果表明,LIBS技术结合BiRF算法是一种快速测定土壤中重金属元素的新方法.