Pour répondre au besoin de détection rapide des métaux lourds dans le sol, une méthode de sélection des variables de longueurs d'onde caractéristiques basée sur l'analyse d'ensemble de modèles a été utilisée, et une méthode de détection du contenu en métaux lourds dans les sols agricoles utilisant la spectroscopie par fluorescence X a été proposée. Les valeurs spectrales de fluorescence X de 91 échantillons de sol préparés ont été collectées pour construire un modèle de détection des métaux lourds dans le sol. Les variables de longueurs d'onde caractéristiques ont été extraites par une méthode de concaténation multi-caractéristiques, utilisant d'abord l'algorithme d'optimisation de combinaison d'intervalles (ICO) pour la présélection grossière des longueurs d'onde, puis la méthode d'échantillonnage par rééchantillonnage adaptatif compétitif (CARS) pour supprimer les variables non pertinentes dans les plages de longueurs d'onde, et enfin l'algorithme de projection successive (SPA) pour réduire les longueurs d'onde. Grâce à l'algorithme ICO-CARS-SPA multi-caractéristiques en série pour la sélection des variables caractéristiques du spectre de fluorescence X, cinq groupes de points de longueurs d'onde caractéristiques (26, 25, 29, 39, 33) ont été obtenus, sur cette base, des modèles PLS (moindres carrés partiels) ont été construits pour la détection du contenu en Cu, Zn, As, Pb et Cr dans le sol, avec comparaison à d'autres méthodes traditionnelles de sélection des longueurs d'onde. Les résultats montrent que les variables sélectionnées par l'algorithme ICO-CARS-SPA couplé à la modélisation PLS offrent les meilleures performances, avec des coefficients de détermination de 0,9933, 0,9926, 0,9956, 0,9932 et 0,9886 pour les ensembles de validation de Cu, Zn, As, Pb et Cr respectivement, des erreurs quadratiques moyennes de 6,9385, 23,6984, 3,6326, 8,5106 et 14,7645, et des écarts relatifs moyens respectifs de 0,2551, 0,0650, 0,1025, 0,2414 et 0,1047. L'algorithme ICO-CARS-SPA basé sur la spectroscopie par fluorescence X et la stratégie de concaténation multi-caractéristiques peut éliminer davantage de longueurs d'onde inefficaces, améliorer la contribution des informations efficaces, simplifier la complexité du modèle de détection, offrant un soutien théorique pour la sélection de méthodes d'extraction des bandes caractéristiques appropriées pour les modèles de prédiction du contenu en métaux lourds dans le sol.

Spectroscopie par fluorescence X (XRF); métaux lourds du sol; sélection optimale des longueurs d'onde; analyse d'ensemble de modèles