近日，四川農(nóng)業(yè)大學機電學院許麗佳教授團隊在自然指數(shù)期刊《Analytical Chemistry》發(fā)表了題為《Study on rapid quantitative detection of soil MPs based on terahertz time-domain spectroscopy》（基于太赫茲時域光譜快速定量檢測土壤微塑料的研究）的研究論文，標志著團隊在作物生境監(jiān)測領(lǐng)域取得了又一重要進展。該研究為使用太赫茲時域光譜技術(shù)檢測土壤微塑料提供了標準化方法，并為農(nóng)業(yè)環(huán)境監(jiān)測和土壤健康評估提供了強有力的技術(shù)支持。
土壤微塑料樣本圖、機器學習算法結(jié)構(gòu)圖、太赫茲波長示意圖、特征提取示意圖、回歸模型結(jié)果示意圖
土壤中的微塑料含量是影響土壤生態(tài)系統(tǒng)健康的關(guān)鍵因素之一，這些微小的塑料顆?？赡軐ν寥牢⑸?、植物生長以及農(nóng)業(yè)生產(chǎn)造成潛在威脅。為了更準確、快速地檢測土壤中的微塑料含量，四川農(nóng)業(yè)大學團隊深入分析了現(xiàn)有土壤微塑料檢測方法的優(yōu)缺點，并提出了一種創(chuàng)新方法——將太赫茲時域光譜技術(shù)與機器學習相結(jié)合，實現(xiàn)了對土壤中微塑料的精準定量檢測。
該團隊利用太赫茲時域光譜技術(shù)，獲取了聚乙烯（PE）、聚丙烯（PP）和聚氯乙烯（PVC）等常見微塑料的光譜信息，并通過機器學習算法對這些光譜數(shù)據(jù)進行預處理、特征提取和分類，最終建立了定量預測模型。研究結(jié)果顯示，優(yōu)化后的支持向量機（SVM）分類模型對微塑料種類的預測準確率高達98.65%。此外，基于紫外可見光譜-隨機森林（UVE-RF）回歸模型對PE和PP的定量預測準確率達到99.1%，而基于遺傳算法-隨機森林（GA-RF）回歸模型對PVC的定量預測準確率也達到了98.4%。
為了驗證模型的通用性和實用性，該團隊進行了多項實驗，包括假設(shè)檢驗、檢測極限實驗以及真實土壤樣本的微塑料含量預測實驗。結(jié)果表明，該模型能夠檢測到土壤中微塑料濃度低至0.1%、高至20%的范圍，且對真實土壤樣本的預測誤差大多低于0.1%，完全滿足實際農(nóng)業(yè)生產(chǎn)的需求。
許麗佳教授為該論文第一作者和共同通訊作者，碩士研究生馮彥奇為共同第一作者，趙永鵬副教授為論文通訊作者，四川農(nóng)業(yè)大學為第一署名單位和唯一通訊單位；合作單位包括浙江大學、江蘇大學等。據(jù)了解，該研究得到了四川省重點研發(fā)計劃、四川省天府峨眉人才計劃等項目的資助。（作者：趙永鵬 馮彥奇）
