废弃煤矿区土壤污染风险的快速光谱监测技术研究：基于FTIR、NIR、Raman和XRF的多维分析

本研究针对废弃煤矿区土壤污染风险监测需求，创新性地联合应用FTIR、NIR、Raman和XRF光谱技术结合PLS回归模型，成功建立了pH、EC和LOI的快速检测体系。研究发现XRF技术对三项参数均具有最优预测性能（R2=0.92-0.99），为矿区环境风险评估提供了高效技术方案，对火灾易发矿区的水土保护具有重要实践价值。

　　

煤矿开采活动遗留的环境污染问题日益严峻，特别是废弃矿区土壤作为污染物向水体迁移的"天然过滤器"，其质量监测直接关系到周边生态安全。传统化学分析方法虽准确但耗时费力，难以满足大面积矿区动态监测需求。在此背景下，葡萄牙波尔图大学领衔的研究团队创新性地将多种光谱技术引入矿区环境评估，相关成果发表于《Geochemistry》期刊。

研究团队选取葡萄牙西北部S?o Pedro da Cova和Fojo两处典型废弃煤矿为研究对象，采集75份土壤样本。通过系统比较傅里叶变换红外光谱(FTIR)、近红外光谱(NIR)、拉曼光谱(Raman)和X射线荧光光谱(XRF)四种技术结合正交信号校正(OSC)等预处理方法，建立了基于偏最小二乘回归(PLS)的土壤参数预测模型。样本涵盖矿区不同功能区（森林、城市、废料堆等），采用标准方法测定pH、电导率(EC)和有机质灼烧失重(LOI)作为参照值。

3.1 土壤污染特征分析
研究区域土壤呈现显著异质性：pH值跨度达3.5-8.2，其中Fojo矿区76%样本呈强酸性(pH<4.5)；EC值最高达475 μS/cm，超过葡萄牙农业土壤限值；LOI在3.8-32.2%间波动，部分样本显示人为污染特征。这种多样性为模型验证提供了理想数据集。

3.2 光谱特征解析
FTIR光谱在3720-3450 cm^-1区间显示明显羟基特征峰，反映黏土矿物和有机质信息；NIR光谱在7000 cm^-1和4500 cm^-1处出现水分特征峰；XRF谱线中6.4 keV处铁峰最为显著，与矿区富铁特性相符。这些特征为参数反演奠定了光谱基础。

3.3 模型性能比较
OSC预处理显著提升模型性能：XRF技术表现最优，对pH、EC和LOI的验证R²分别达0.92、0.97和0.98；FTIR对LOI预测较好(R²=0.88)；NIR适用于pH预测(R²=0.87)。加权回归系数分析揭示XRF散射区(17-35 keV)包含关键预测信息，而FTIR模型主要依赖<1100 cm^-1的矿物特征峰。

3.4 技术组合探索
尝试耦合FTIR-NIR光谱数据并未提升模型精度，证实单一XRF技术即可满足多参数检测需求。这与前人关于光谱技术协同效应的争议性结论形成对照。

该研究证实便携式XRF可作为矿区污染监测的首选工具，其单次检测即可同步评估pH、EC和LOI三项关键指标。相较于传统方法需要分别进行水溶液测定(pH/EC)和高温灼烧(LOI)，光谱技术将分析效率提升数十倍，特别适合火灾易发矿区的应急监测。研究团队指出，未来可通过扩大本地样本库进一步优化模型，推动该技术纳入矿区环境监管标准体系。这项成果为全球类似矿区的生态修复提供了可复制的技术范式，彰显了光谱分析在环境科学领域的巨大潜力。