Estimando el contenido de cobre en el suelo de tierras urbanas en una megaciudad utilizando un pretratamiento espectral por partes
Autores: Liu, Yi; Shi, Tiezhu; Lan, Zeying; Guo, Kai; Zhuang, Dachang; Zhang, Xiangyang; Liang, Xiaojin; Qiu, Tianqi; Zhang, Shengfei; Chen, Yiyun
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Estimando el contenido de cobre en el suelo de tierras urbanas en una megaciudad utilizando un pretratamiento espectral por partes
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Cuestión ambiental
Metales pesados
Espectroscopía
Pretratamiento
Pretratamiento por partes
Modelo de estimación de Cu
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La contaminación por metales pesados en terrenos urbanos es un problema ambiental grave para las grandes ciudades. La espectroscopía visible y de infrarrojo cercano se ha desarrollado rápidamente como un nuevo método para estimar los niveles de cobre (Cu), que es uno de los metales pesados. El pretratamiento espectral es esencial para reducir el ruido y mejorar el análisis. En el método tradicional, todo el espectro se pretrata de manera uniforme. Sin embargo, en realidad, la influencia del pretratamiento en el espectro puede variar según las longitudes de onda. Se ha realizado una investigación limitada sobre la descomposición del espectro completo en partes distintas para un pretratamiento individualizado, un método innovador llamado pretratamiento por partes. Este estudio reunió 250 muestras de suelo superficial (0-20 cm) en la ciudad de Shenzhen, suroeste de China, y obtuvo sus espectros vis-NIR (350-2500 nm) en el laboratorio. Este estudio dividió el espectro en tres partes, cada una procesada por seis pretratamientos espectrales comúnmente utilizados. El número de partes pretratadas varió de 1 a 3, resultando en la construcción de 342 modelos PLSR. En comparación con el método tradicional, el pretratamiento por partes mostró un aumento en la desviación predictiva residual media (RPD) de 1.55 a 1.71 y un aumento en el porcentaje de resultados positivos en deltaRPD del 33.33% al 55.56%. Así, concluimos que el pretratamiento por partes generalmente supera al método tradicional. Además, el pretratamiento por partes tiene como objetivo elegir el método de pretratamiento más efectivo para cada parte para optimizar el modelo de estimación de Cu.
Descripción
La contaminación por metales pesados en terrenos urbanos es un problema ambiental grave para las grandes ciudades. La espectroscopía visible y de infrarrojo cercano se ha desarrollado rápidamente como un nuevo método para estimar los niveles de cobre (Cu), que es uno de los metales pesados. El pretratamiento espectral es esencial para reducir el ruido y mejorar el análisis. En el método tradicional, todo el espectro se pretrata de manera uniforme. Sin embargo, en realidad, la influencia del pretratamiento en el espectro puede variar según las longitudes de onda. Se ha realizado una investigación limitada sobre la descomposición del espectro completo en partes distintas para un pretratamiento individualizado, un método innovador llamado pretratamiento por partes. Este estudio reunió 250 muestras de suelo superficial (0-20 cm) en la ciudad de Shenzhen, suroeste de China, y obtuvo sus espectros vis-NIR (350-2500 nm) en el laboratorio. Este estudio dividió el espectro en tres partes, cada una procesada por seis pretratamientos espectrales comúnmente utilizados. El número de partes pretratadas varió de 1 a 3, resultando en la construcción de 342 modelos PLSR. En comparación con el método tradicional, el pretratamiento por partes mostró un aumento en la desviación predictiva residual media (RPD) de 1.55 a 1.71 y un aumento en el porcentaje de resultados positivos en deltaRPD del 33.33% al 55.56%. Así, concluimos que el pretratamiento por partes generalmente supera al método tradicional. Además, el pretratamiento por partes tiene como objetivo elegir el método de pretratamiento más efectivo para cada parte para optimizar el modelo de estimación de Cu.