正文
此外,使用全波段数据建模的准确性普遍优于使用子波段数据,这表明完整的光谱信息在识别MPs中具有关键价值。MCT系统在三个浓度梯度下均展现出稳定且出色的分类性能,证明其在快速、非破坏性地识别低至0.01%浓度的土壤微塑料方面具有巨大应用潜力。综上所述,本研究不仅验证了SWIR-HSI结合机器学习在土壤MPs检测中的可行性,还指出
MCT系统更适用于低浓度MPs的精准识别
,为未来农业环境中微塑料污染的监测与评估提供了新思路和高效工具。
本研究表明,短波红外高光谱成像(SWIR HSI)技术在土壤中微塑料(MPs)检测方面具有良好的应用前景,尤其是在塑料污染日益严重、生态风险逐渐突出的背景下。尽管SWIR HSI在测试前需对土壤样品进行干燥和筛分以减少水分干扰并标准化光谱反射,但相较于FT-IR、拉曼光谱和热解质谱(如GC/MS)等传统分析手段,其检测过程仍具备非破坏性和快速性的优势。本研究比较了两种SWIR传感器 — MCT(1000~2500 nm)与InGaAs(800~1600 nm)— 在检测掺有不同浓度聚乙烯(PE)和聚酰胺(PA)微塑料土壤样品中的表现。结果显示,MCT系统在各浓度区间内均优于InGaAs,尤其在检测低浓度(0.01~0.1%)微塑料时表现突出。这主要归因于MCT具有更宽的波长覆盖范围和更高的灵敏度,能够捕捉更多关键吸收特征。研究还发现,增加样品表面积可提高低浓度微塑料的检测准确率,但在极低浓度时提升效果有限。综上,SWIR HSI,特别是MCT系统结合机器学习算法,可实现对土壤中微塑料的快速、精准检测,无需复杂样品预处理,具有广阔的环境监测应用潜力。未来应进一步引入真实土壤样本,提升模型的实用性与稳健性。
https://doi.org/10.1016/j.seh.2025.100157
陈寰
:美国克莱姆森大学研究副教授,研究方向为理解土壤和水系统在土地利用变化及大规模干扰下的恢复力,重点关注氮和有机碳的生物地球化学循环过程,致力于开发创新性、基于自然系统的解决方案,以应对气候变化、环境污染和生态系统退化等环境挑战。主持(PI)或共同主持(Co-PI)13项美国科研项目,研究成果发表在35种期刊上,包括2部专著章节和68篇经同行评审的论文,涵盖了多个高影响力期刊,如 The Innovation,以及Nature Index领先期刊,如 Water Research(8篇)和 Environmental Science & Technology(7篇)。长期担任Environmental Science & Technology (ES&T)、Water Research (WR)等55个国际期刊的审稿人,审稿400余次;担任Soil & Environmental Health,Journal of Water Process Engineering,和Journal of Hazardous Materials期刊的编委;担任美国自然科学基金会地球科学部项目以及美国地质调查局联合火灾科学计划评审专家。
Bosoon Park
:美国农业部农业研究局(ARS)研究员,
聚焦于开发用于食品安全与质量控制的高光谱和实时多光谱成像技术以及纳米技术,是全球排名前2%的科学家之一。
发表311篇学术著作,应邀做了117次学术报告,并在国内外科学会议上发表了91次演讲。曾担任美国农业与生物工程师学会(ASABE)分会主席、美国化学会(ACS)农业与食品化学分会主席,担任ASABE期刊副主编,并为四个国际期刊担任创始编委会成员。因卓越研究获得ARS年度资深科学家奖,并分别于2015年、2019年和2021年当选为ASABE会士、AGFD会士和ACS会士。
来源:
土壤与环境健康SEH
。
投稿、合作
、转载、进群,请添加小编微信Environmentor2020!环境人Environmentor是环境领
域