不同成土过程的土壤类型对近红外光谱法检测微塑料的质量和数量的影响

《Journal of Environmental Sciences》：Influence of soil types with different soil-forming process on the qualitative and quantitative detection of microplastics by near-infrared spectroscopy

微塑料污染威胁加剧，土壤作为汇点需快速检测技术。本研究通过五类典型农业土壤（黄壤、褐土等），系统评估不同成土过程对近红外光谱检测聚乙烯微塑料性能的影响，发现褐土和棕壤检测性能最佳（R2≥0.988），红壤和黄壤易误判，首次揭示土壤复杂基质对近红外光谱检测微塑料的系统性制约。

　　
微塑料污染正成为全球性环境问题，其威胁已从海洋系统延伸至陆地生态系统。作为连接大气-水-生物的界面介质，土壤不仅承载着95%的农业生产功能，更成为微塑料污染的"超级蓄水池"。最新研究通过系统比较不同成土过程对土壤-微塑料相互作用的影响，揭示了自然土壤复杂性对近红外光谱检测技术性能的关键制约机制。

研究团队从中国农业土壤中选取五大典型样本：淤泥质水稻土（Fluvo-aquic Soil）、棕钙土（Brown Pedocals）、黑钙土（Phaeozem）、棕壤（Brown Earth）和红壤（Red Soil）。这些土壤分别发育于停滞淋溶、钙化、腐殖化、溅蚀与黏粒迁移、富铝化等典型成土过程，完整覆盖了中国北方至南方的农业土壤类型谱系。

通过对比分析发现，土壤成土过程形成的理化特性组合对微塑料检测存在显著筛选效应。在低浓度（<1.5%）场景下，棕钙土和棕壤展现出最佳光谱识别能力，其特定吸收峰（7050-7080 cm?1和5220-5240 cm?1）与聚乙烯基体的特征振动频率高度匹配，误判率低于3%。而黑钙土和红壤因富含腐殖质和铁铝氧化物，导致光谱信号被强烈背景干扰，定性识别准确率下降至68%-72%。

定量分析结果显示，土壤基质对检测精度的削弱效应呈指数级增长。在最优检测条件（土壤含水量20%-25%，pH 6.5-7.2）下，棕钙土和棕壤的定量模型R2值分别达到0.988和0.986，相对标准偏差（RSD）控制在4.5%以内。反观红壤，即使经过 meticulous的波段优化和算法修正，其RMSEP仍高达1.3%，远低于行业标准0.5%的阈值要求。

特别值得注意的是，不同成土过程形成的土壤矿物组合产生差异化干扰效应。钙质土壤（棕钙土）因方解石晶格的强红外吸收特性，在4000-2500 cm?1波段形成"光谱阴影区"，但通过选择性提取7000-8000 cm?1的烯烃特征带，成功将干扰抑制在8%以下。而富铁红壤（Red Soil）在1600-1200 cm?1区域的铁氧化物特征吸收带，与聚乙烯的甲基吸收峰（1450-1380 cm?1）产生谱带重叠，导致检测误差率激增17个百分点。

该研究首次建立土壤成土过程-理化特性-光谱响应的量化关联模型。通过分析发现，成土过程中积累的有机质（腐殖化）、矿物相（钙化、富铝化）和黏粒级配（黏粒迁移）构成的三维因子空间，对微塑料的光谱信号具有显著调制作用。其中，有机质含量每增加1%，光谱干扰指数提升0.23个单位；黏粒含量超过40%时，信号衰减幅度可达初始值的38%。

在技术优化方面，研究团队提出"双路径校正法"：前段采用机器学习算法（随机森林）剥离背景干扰，后段通过迁移学习建立跨土壤类型的通用预测模型。经实测验证，该方法在红壤上的定量精度提升至0.82 R2，RMSEP降至0.89%，成功突破传统单点光谱建模的局限。

该成果对环境监测具有重要实践价值。研究建议建立土壤类型-微塑料浓度-光谱响应的三维数据库，为现场快速检测提供决策支持。在方法创新层面，开发出基于土壤基质指纹图谱的智能校正算法，可将多土壤环境下的检测误差控制在5%以内，较现有技术提升约40%。

未来研究可进一步探索不同气候带土壤系统的普适性规律，以及长期微塑料暴露对土壤理化性质的反馈效应。建议在农田生态系统监测中建立"土壤健康指数-微塑料污染等级"的关联模型，实现从单一污染物检测向土壤系统健康评估的升级转型。