كاربرد روش طيف‌سنجي مرئي و فرو سرخ نزديك در تشخيص آلودگي خاك به كادميوم و سرب با مدل سازي رگرسيوني و شبكه عصبي

Application of visible and near-infrared spectroscopy for identification of cadmium (Cd) and lead (Pb) pollution in soil using regression models and ANN

آلودگي خاك به عناصر سنگين مي تواند به طور مستقيم و غيرمستقيم بر سلامتي موجودات زنده اثر بگذارد. با افزايش غلظت فلزات در خاك، احتمال ورود به گياهان نيز افزايش مي يابد. در نتيجه تجمع آن ها در محصولات كشاورزي سلامتي انسان را به مخاطره خواهد انداخت. هدف از اين مطالعه، تعيين توزيع كادميوم و سرب در خاك سطحي شهرستان بهار در استان همدان و ارزيابي وضعيت آلودگي اين فلزات در خاك مزارع كشت سيب زميني مي باشد. بدين منظور با استفاده از روش نمونه برداري سيستماتيك، نمونه هاي خاك در عمق 0-45cm برداشت گرديد. از يك روش سريع و دقيق داده برداري بر پايه طيف سنجي مرئي و فروسرخ نزديك (VIS-NIR) در محدوده طيف 370-2000 نانومتر استفاده شد. طيف بازتابي تعداد 95 نمونه خاك براي تخمين تجمع كادميوم و سرب جمع آوري گرديد. براي كاهش عوامل متداخل از طيف نمونه هاي خاك، روش هاي پيش پردازشMSC ، SNV و مشتق بكار رفت. نتايج نشان داد آلودگي ها كه گاهي به علت تركيب آب آبياري با فاضلاب شهري صورت مي گيرد، در خاك سطحي تجمع دارند. پيش بيني فلزات سنگين با روش رگرسيون حداقل مربعات جزئي و شبكه عصبي مصنوعي انجام شد (R2PLSR=0.90, R2BPNN=0.95). نتايج نشان مي دهد شبكه عصبي بازگشتي و طيف سنجي VIS-NIR براي پيش بيني ميزان كادميوم و سرب موجود در خاك سطحي مناسب مي باشند

The aims of this study were to determine the distribution of cadmium and lead in topsoil in Bahar city of Hamadan and to evaluate pollution of these metals in agricultural lands which cultivated potato. Therefore, systematic sampling was used, soil samples were taken from depth 0-45 cm. Visible and near-infrared (VIS-NIR) spectroscopy was provided as a quick and accurate method in 370 -2000 nm range. The reflectance spectrum of 95 soil samples were collected to estimate the concentration of cadmium and lead. To reduce noise on soil spectra, MSC, SNV and derivative preprocessing methods were used. The results showed contamination usually occurs due to combinations of sewage irrigation, it accumulates in the topsoil. Prediction of heavy metals were estimated by partial least squares regression and artificial neural network (R2PLSR = 0/90, R2BPNN = 0/95).