基于近红外光谱校正LIBS指纹谱线的湿土养分现场快速光学定量检测方法研究

针对湿土样品水分差异影响激光诱导击穿光谱(LIBS)检测稳定性的难题，研究人员创新性地结合近红外(NIR)光谱与LIBS技术，构建了土壤水分-钾元素LIBS指纹谱线校正模型（y=1.143×e-0.106x和y=1.106×e-0.102x），通过偏最小二乘回归(PLSR)实现水分含量高精度预测（RC=0.9926），最终建立总钾含量校正模型（R2>0.97），为湿土养分现场快速检测提供了新策略。

　　

土壤作为农业生产的基础载体，其养分含量直接关系到作物产量和粮食安全。然而，传统化学检测方法存在耗时长、操作复杂等缺陷，而光电检测技术虽能实现快速分析，却受限于湿土样品水分差异对激光诱导击穿光谱(LIBS)信号的干扰。如何突破水分影响实现湿土养分现场快速检测，成为精准农业领域亟待解决的技术瓶颈。

针对这一挑战，国内西南大学（Southwest University）的研究团队在《Computers and Electronics in Agriculture》发表创新成果。研究以土壤总钾检测为突破口，开创性地提出"近红外(NIR)光谱水分校正-LIBS指纹谱线补偿"双模态检测策略。通过构建指数型水分校正模型（766.49 nm和769.90 nm钾特征谱线校正系数分别符合y=1.143×e^-0.106x和y=1.106×e^-0.102x），结合PLSR算法实现土壤水分快速预测（RMSEC=0.84%），最终建立的总钾校正模型决定系数R²达0.9788，交叉验证误差RMSECV低至0.0499%。

关键技术包括：1) 采用三批次样本设计（Ⅰ批建立水分-LIBS校正模型，Ⅱ批构建NIR水分预测模型，Ⅲ批验证总钾检测）；2) 基于GB 7833-87国标测定水分参考值；3) 联合NIR光谱预处理与PLSR建模；4) LIBS指纹谱线能量归一化处理。

【研究结果】
• 水分-LIBS校正模型构建：发现钾元素双特征谱线强度与水分含量呈显著负相关，建立指数补偿模型，为湿样LIBS检测提供理论依据。
• NIR水分预测模型优化：经光谱预处理比较，最优PLSR模型测试集相关系数R_T达0.9871，验证NIR快速检测水分可行性。
• 总钾校正模型性能：基于766.49 nm和769.90 nm校正数据建立的模型平均相对误差(ARE)分别为13.3424%和13.0500%，实际湿样检测验证其可靠性。

该研究首次实现NIR光谱实时水分补偿的LIBS湿土检测，突破传统干燥前处理耗时瓶颈。所建模型可直接应用于田间原位检测，为精准施肥提供技术支撑，对减少农业面源污染具有重要实践意义。方法论层面开创的"分子光谱补偿原子光谱"思路，为复杂基质样品快速检测提供了普适性技术框架。