Bodennährstofferkennung für die Präzisionslandwirtschaft mit tragbarem LIBS

Veröffentlichung: Erler, A.; Riebe, D.; Beitz, T.; Löhmannsröben, H.-G.; Gebbers, R. Bodennährstofferkennung für die Präzisionslandwirtschaft mittels tragbarer laserinduzierter Plasmaspektroskopie (LIBS) und multivariaten Regressionsmethoden (PLSR, Lasso und GPR). Sensors

Es gibt einen Teil der ...2020, 20 418.

Eine neue Studie mit SciAps Z-300 LIBS zeigt, dass tragbare Laserspektroskopie eine vielversprechende Sensortechnik für die Bestimmung verschiedener Bodenparameter im Feld ist. Der Schlüssel zu diesem neuen Ansatz liegt darin, LIBS aus dem Labor an den Arbeitsplatz zu bringen. Lesen Sie unser Interview mit einem der deutschen Forscher, die die Agraranalyse vorantreiben.

Zusammenfassung: Die Präzisionslandwirtschaft ist stark auf räumlich differenzierte Sensorinformationen angewiesen. Handgeführte Messgeräte auf Basis der Laser-Emissionsspektroskopie (LIBS) sind eine vielversprechende Sensortechnik zur Bestimmung verschiedener Bodenparameter im Feld. In dieser Arbeit wurde das Potenzial tragbarer LIBS zur Bestimmung der Gesamtmassenanteile der Hauptnährstoffe Ca, K, Mg, N, P und der Spurennährstoffe Mn, Fe bewertet. Zusätzlich wurden weitere Bodenparameter wie Humusgehalt, Boden-pH-Wert und pflanzenverfügbarer P-Gehalt bestimmt. Da die Quantifizierung von Nährstoffen durch LIBS stark von der Bodenmatrix abhängt, wurden verschiedene multivariate Regressionsmethoden zur Kalibrierung und Vorhersage verwendet. Dazu gehören die Partial-Least-Squares-Regression (PLSR), die Least-Absolute-Shrinkage- und Selection-Operator-Regression (Lasso) und die Gaussian Process Regression (GPR). Die besten Vorhersageergebnisse wurden für Ca, K, Mg und Fe erzielt. Die für andere Nährstoffe ermittelten Determinationskoeffizienten waren geringer. Dies ist auf die deutlich niedrigeren Konzentrationen bei Mn zurückzuführen, während die geringe Anzahl an Linien und die sehr schwachen Intensitäten der Grund für die Abweichung bei N und P sind. Bodenparameter, die nicht direkt mit einem Element in Zusammenhang stehen, wie etwa der pH-Wert, konnten ebenfalls vorhergesagt werden. Lasso und GPR lieferten etwas bessere Ergebnisse als PLSR. Zusätzlich wurden verschiedene Methoden der Datenvorbehandlung untersucht. Schlüsselwörter: LIBS; Lasso; PLS-Regression; Gaußsche Prozesse; Boden; Präzisionslandwirtschaft; Nährstoffe

Es gibt einen Teil der ...Zum Artikel: https://www.mdpi.com/1424-8220/20/2/418/htmÜber diese Publikation: Sensors (ISSN 1424-8220; CODEN: SENSC9) ist die führende internationale begutachtet Open-Access-Zeitschrift zur Wissenschaft und Technologie von Sensoren. Sensors wird halbmonatlich online von MDPI veröffentlicht.

Siehe SciAps ApNote zur schnellen Messung des Gesamtkohlenstoffs im Boden mit SciAps Z-300.

Es gibt einen Teil der ...