O problema da poluição por metais pesados em sedimentos do solo está se tornando cada vez mais evidente, e o desenvolvimento de tecnologias de detecção rápida no local tornou-se uma ferramenta indispensável para garantir a eficácia do monitoramento da poluição e avançar na gestão ambiental. Com base nisso, este estudo propõe um método de análise quantitativa dos elementos metálicos pesados em sedimentos do solo baseado na espectroscopia por quebra induzida a laser (LIBS) combinada com algoritmos de aprendizado de máquina. Primeiramente, utilizando o dispositivo LIBS construído, foram coletados espectros das amostras de sedimentos do solo, e investigou-se o desempenho de diferentes métodos de pré-processamento espectral sobre os dados espectrais. Em seguida, com base na medição da importância das variáveis (VIM), realizou-se a seleção de variáveis características nos dados espectrais pré-processados. Com o auxílio da validação cruzada, parâmetros como método de pré-processamento e limiar de importância das variáveis foram otimizados. Com base nas variáveis de entrada otimizadas, foram construídos modelos quantitativos para três elementos metálicos pesados (Pb, Cu e Zn) nas amostras de sedimentos do solo, e o desempenho foi comparado com outros modelos de calibração. Os resultados mostraram que o modelo de calibração VIM-RF proposto neste estudo apresentou o melhor desempenho preditivo, com R²_p de 0,9930 e RMSE_p de 0,0298 mg/kg para Pb, R²_p de 0,9810 e RMSE_p de 0,1127 mg/kg para Cu e R²_p de 0,9920 e RMSE_p de 0,1662 mg/kg para Zn. Assim, o método estabelecido neste artigo pode fornecer uma referência teórica para a triagem rápida e o tratamento da poluição por metais pesados em sedimentos do solo.

sedimentos do solo;metais pesados;espectroscopia por quebra induzida a laser;floresta aleatória;seleção de características