Para satisfacer la necesidad de detección rápida de metales pesados en el suelo, se utilizó un método de selección de variables de longitud de onda característica basado en el análisis de conjunto de modelos, y se propuso un método para detectar el contenido de metales pesados en suelos agrícolas mediante la tecnología de espectroscopía de fluorescencia de rayos X. Se recopilaron valores de espectroscopía de fluorescencia de rayos X de 91 muestras de suelo preparadas para construir un modelo de detección de metales pesados en el suelo. Las variables de longitud de onda característica se extrajeron mediante un método de concatenación de múltiples características; primero se utilizó un algoritmo de optimización de combinaciones de intervalos (ICO) para la selección preliminar de longitudes de onda, luego se utilizó un método de muestreo reponderado competitivo y adaptativo (CARS) para eliminar variables irrelevantes en los intervalos de longitud de onda, y finalmente se empleó un algoritmo de proyección continua (SPA) para la reducción de longitudes de onda. Utilizando el algoritmo ICO-CARS-SPA de concatenación múltiple para la selección de variables características del espectro de fluorescencia de rayos X, se obtuvieron 5 grupos de puntos de longitud de onda característica (26, 25, 29, 39, 33); con base en ellos se construyeron modelos PLS (mínimos cuadrados parciales) para detectar Cu, Zn, As, Pb y Cr en el suelo, y se compararon con otros métodos tradicionales de selección de longitudes de onda. Los resultados muestran que las variables seleccionadas por el algoritmo ICO-CARS-SPA combinadas con el modelado PLS lograron el mejor rendimiento; los coeficientes de determinación para los conjuntos de validación de Cu, Zn, As, Pb y Cr fueron 0.9933, 0.9926, 0.9956, 0.9932 y 0.9886 respectivamente; las raíces cuadradas medias del error fueron 6.9385, 23.6984, 3.6326, 8.5106 y 14.7645; y las desviaciones relativas medias para los conjuntos de validación fueron 0.2551, 0.0650, 0.1025, 0.2414 y 0.1047 respectivamente. El algoritmo ICO-CARS-SPA basado en la espectroscopía de fluorescencia de rayos X y la estrategia de concatenación múltiple puede eliminar más longitudes de onda ineficaces, aumentar la contribución de la información útil, simplificar la complejidad del modelo de detección, y proporciona soporte teórico para la selección de métodos adecuados de extracción de bandas características en modelos de predicción del contenido de metales pesados en el suelo.

Espectroscopía de fluorescencia de rayos X (XRF); metales pesados en el suelo; selección óptima de longitud de onda; análisis de conjunto de modelos