土壌堆積物中の重金属汚染問題はますます顕著になっており、現場における迅速検出技術の開発は、汚染監視の有効性を確保し環境管理を推進するために不可欠な手段となっている。これに基づき、本研究ではレーザー誘起ブレイクダウン分光法（LIBS）と機械学習アルゴリズムを組み合わせた土壌堆積物中重金属元素の定量分析方法を提案する。まず、構築したLIBS装置を基に土壌堆積物サンプルのスペクトルを収集し、異なるスペクトル前処理方法がスペクトルデータの前処理性能に与える影響を検討した。続いて、変数重要度測定（VIM）に基づき前処理後のスペクトルデータの特徴変数を選択した。交差検証により前処理方法、変数重要度の閾値などのパラメータを最適化した。最適化した入力変数を基に、土壌堆積物サンプル中の3種の重金属元素（Pb、Cu および Zn）に関する定量分析モデルを構築し、他の校正モデルと性能を比較した。結果は、本研究で提案したVIM-RF校正モデルが最良の予測性能を示し、Pbに関してはR²_pが0.9930、RMSE_pが0.0298 mg/kg、Cuに関してはR²_pが0.9810、RMSE_pが0.1127 mg/kg、Znに関してはR²_pが0.9920、RMSE_pが0.1662 mg/kgであった。これにより、本論文で構築した方法が土壌堆積物環境における重金属汚染の迅速なスクリーニングおよび管理に対して一定の理論的参考となる可能性があることが示された。

土壌堆積物;重金属;レーザー誘起ブレイクダウン分光法;ランダムフォレスト;特徴選択