拉曼光谱在精细农业土壤成分快速检测中的研究进展

• Published in: 农业工程学报 Vol. 39; no. 7; pp. 1 - 9
• Main Authors: 李奇辰, 李民赞, 杨玮, 孙红, 张瑶
• Format: Journal Article
• Language: Chinese
• Published: 中国农业大学农业农村部农业信息获取技术重点实验室,北京 100083%中国农业大学智慧农业系统集成研究教育部重点实验室,北京 100083 01.04.2023; 中国农业大学烟台研究院,烟台 264003%中国农业大学智慧农业系统集成研究教育部重点实验室,北京 100083; 中国农业大学智慧农业系统集成研究教育部重点实验室,北京 100083
• Subjects: 红外光谱; 表面增强拉曼光谱; 移频激发; 共焦显微拉曼; 精细农业; 土壤; 拉曼光谱
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202205006

S24; 拉曼光谱分析技术利用分子运动对入射光产生非弹性散射的原理对分子成分进行检测,具有受水分干扰小、样本预处理小、与红外光谱信息互补等特点,在土壤成分快速分析方面展现了很大的优势.但是拉曼光谱信号弱,受荧光干扰强,为土壤拉曼信号的有效获取带来困难.为了分析拉曼光谱在土壤成分检测中的应用潜力,该研究综述了移频激发差分拉曼光谱技术、共焦显微拉曼技术以及表面增强技术等基于拉曼光谱的土壤成分检测技术,分析了土壤成分拉曼光谱检测的研究进展,并提出进一步研究建议.结果表明:1)脂肪族化合物以及芳香族化合物都具有拉曼活性,为基于拉曼光谱的土壤有机质含量的定性、定量分析提供了理论依据.为了弥补拉曼光谱对有机质整体定量预测精度的不足,采用红外-拉曼光谱融合方式补偿单独拉曼光谱数据中缺失的土壤有机质信息,可显著改善预测精度.2)利用表面增强技术可以增强土壤溶液中可溶性氮与土壤有效氮拉曼特征波峰的强度,获得了良好的定量预测效果,回归模型决定系数 R2 达到 0.91～0.99.3)土壤中很多含磷的化合物都具有拉曼活性,拉曼光谱是识别土壤中不同磷酸盐形态的极其有效的工具,在土壤磷素含量的分析中,应用小波包分解的拉曼光谱对滤除有机质的磷酸盐参杂土壤中磷素浓度进行预测,回归模型精度R2达到 0.94.拉曼光谱检测的样本范围取决于激发光照射在样本上的光点尺寸,而土壤样本的空间变异性为聚焦目标物质带来困难.因此,实现现场高分辨率检测的关键是获取有效拉曼信号、同时降低背景信号的干扰.移频激发技术与显微拉曼技术为农田土壤养分的原位测量提供了技术保障.建议:1)采用光谱融合方法提升回归模型的预测精度.2)降低冗余变量,提升模型的可解读性与重现性.3)充分考虑土壤对拉曼光谱的影响,为开发农田现场土壤成分快速检测技术提供参考.