土壌中の重金属の迅速検出ニーズに対応するため、モデルアンサンブル解析手法に基づく特徴波長変数選択を行い、X線蛍光分光技術を用いて農地土壌中の重金属含有量を検出する方法を提案した。調整された91個の土壌試料のX線蛍光スペクトル値を収集し、土壌重金属検出モデルを構築した。多特徴連結法により特徴波長変数を抽出し、まず区間組合せ最適化アルゴリズム(ICO)で大まかに波長を選択し、その後競争適応的再重み付けサンプリング法(CARS)で区間波長中の無関係な変数を除去し、最後に連続射影アルゴリズム(SPA)で波長を簡素化した。多特徴連結ICO-CARS-SPAアルゴリズムを用いたX線蛍光スペクトルの特徴変数選択により、5つのグループ(26、25、29、39、33)の特徴波長点を得た。これに基づきCu、Zn、As、Pb、Crの5種類の土壌中重金属含有量に対する部分最小二乗法(PLS)検出モデルを構築し、他の伝統的な特徴波長選択法と比較を行った。結果は、ICO-CARS-SPAアルゴリズムで選択された変数とPLSモデルとの組み合わせが最も優れたモデル性能を示し、Cu、Zn、As、Pb、Crの検証データセットの決定係数はそれぞれ0.9933、0.9926、0.9956、0.9932、0.9886、二乗平均平方根誤差は6.9385、23.6984、3.6326、8.5106、14.7645、検証データセットの平均相対偏差は0.2551、0.0650、0.1025、0.2414、0.1047となった。X線蛍光分光と多特徴連結戦略に基づくICO-CARS-SPAアルゴリズムは、より多くの無効な波長を除去し、有効情報の貢献度を高め、検出モデルの複雑さを単純化し、土壌中重金属含有量予測モデルに適した特徴波長帯抽出方法の選択に理論的支援を提供する。

X線蛍光分光(XRF); 土壌重金属; 波長最適選択; モデルアンサンブル解析