TY - JOUR A1 - Ostermann, Markus A1 - Schmid, Thomas A1 - Büchele, Dominique A1 - Rühlmann, Madlen T1 - In Echtzeit durch's Periodensystem N2 - Per Online-RFA und -LIBS Elementgehalte in Böden bestimmen. Die ortsspezifische Steuerung der Bodenfruchtbarkeit durch angepasste Düngung und andere Maßnahmen hilft die Bodenfunktionen zu verbessern und Umweltbelastungen zu vermindern. Dabei zeigt das Beispiel die hohe Relevanz schneller, robuster Vor-Ort-Analysen für viele umweltrelevante Fragestellungen. KW - RFA KW - LIBS KW - Online-Analytik KW - Boden PY - 2016 UR - https://files.vogel.de/vogelonline/vogelonline/issues/lp/7680.pdf SN - 0344-1733 VL - 40 IS - LP 12 SP - 22 EP - 24 PB - Vogel Business Media GmbH & Co. KG CY - Würzburg AN - OPUS4-38700 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Büchele, Dominique T1 - Herausforderungen bei der Quantifizierung von Nährstoffgehalten in Böden mittels RFA N2 - Mit wachsenden Bevölkerungszahlen steigt auch der Rohstoffkonsum, und der nachhaltigere und effizientere Umgang mit knappen Ressourcen wie Wasser und Boden rückt in den Fokus. Im Rahmen der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S – Intelligence for soil – ist dabei für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig. Hierfür wird eine Plattform gebaut, auf der verschiedene Sensoren installiert werden sollen, deren in Echtzeit erhaltene Messdaten in Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen einfließen sollen. Einer dieser Sensoren, auf dessen Grundlage ein robustes Online-Verfahren zur Bestimmung der Makro- und Mikronährstoffe, wie Ca oder K in Böden entwickelt werden soll, ist die Röntgenfluoreszenzanalyse (RFA). Um Messungen auf einem Feld zu simulieren, wurde in einen Laboraufbau ein Probenteller installiert, der sich bei verschiedenen Winkelgeschwindigkeiten bewegen lässt und so dynamisches Messen der als Spur aufgetragenen Probe ermöglicht. So kann der Aufwand der Probenvorbereitung minimiert werden. Gerade bei einer komplexen Matrix wie Boden, die eine breite Elementverteilung aufweist, ist die Datenauswertung ein wichtiger Faktor. Die bisher verwendete univariate Datenanalyse liefert gute Ergebnisse und zeigt, dass durch Kalibrierung der RFA mit 14 Referenzmaterialien große Ackerflächen ausgewertet werden können. Dies funktioniert aber nur, solange die Elementgehalte der Proben mit denen der Referenzmaterialien vergleichbar sind. Die zusätzlich verwendete multivariate Datenanalyse bietet hingegen die Möglichkeit, Modellrechnungen der Böden durchzuführen und Böden mithilfe der Hauptkomponentenanalyse (PCA) besser zu klassifizieren. Des Weiteren können basierend auf der Partial Least Squares Regression (PLSR) Kalibriermodelle erstellt werden, welche Prognosen zu den Elementgehalten unbekannter Ackerböden ermöglichen. Zusätzlich bietet die multivariate Datenanalyse die Möglichkeit, Störgrößen wie unterschiedliche Korngrößenverteilung und Feuchtigkeitsgrad der Probe in das Modell miteinzubeziehen. Beide Auswertemethoden sollen anhand statisch gemessener Proben verglichen werden und durch Messung einer Vielzahl realer Bodenproben von unterschiedlichen Standorten erweitert werden. Im weiteren Verlauf müssen beide Modelle auf dynamisch bewegte Proben übertragen werden. T2 - PRORA CY - Berlin, Germany DA - 30.11.2017 KW - RFA KW - Boden KW - Nährstoffe KW - PCA KW - PLSR PY - 2017 AN - OPUS4-43159 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Büchele, Dominique T1 - Entwicklung einer online-RFA Analyse zur Bestimmung von Bodennährstoffen N2 - Mit wachsenden Bevölkerungszahlen steigt auch der Rohstoffkonsum, und der nachhaltigere und effizientere Umgang mit knappen Ressourcen wie Wasser und Boden rückt in den Fokus. Im Rahmen der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S – Intelligence for soil – ist dabei für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig. Hierfür wird eine Plattform gebaut, auf der verschiedene Sensoren installiert werden sollen, deren in Echtzeit erhaltene Messdaten in Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen einfließen sollen. So wären Untersuchungen in engmaschigen, dynamischen Rastern und schnelle Analysen großer Flächen möglich, um höhere Erträge zu erwirtschaften. Einer dieser Sensoren, auf dessen Grundlage ein robustes Online-Verfahren zur Bestimmung der Makro- und Mikronährstoffe, wie Ca, K und Mn in Böden entwickelt werden soll, ist die Röntgenfluoreszenzanalyse (RFA). Die RFA eignet sich vor allem durch ihre schnelle, kontaktlose, simultane Multielementanalyse und wird bereits zur Bestimmung von Schwermetallen in Böden eingesetzt. Ein weiterer Vorteil der RFA ist die geringe Probenvorbereitung. Um Messungen auf einem Feld zu simulieren, wurde in einen Laboraufbau ein Probenteller installiert, der sich bei verschiedenen Winkelgeschwindigkeiten bewegen lässt und so dynamisches Messen der als Spur aufgetragenen Probe ermöglicht. Gerade bei einer komplexen Matrix wie Boden, die eine breite Elementverteilung aufweist, ist die Datenauswertung ein wichtiger Faktor. Die bisher verwendete univariate Datenanalyse liefert gute Ergebnisse und zeigt, dass durch Kalibrierung der RFA mit 14 Referenzmaterialien große Ackerflächen ausgewertet werden können. Dies funktioniert aber nur, solange die Elementgehalte der Proben mit denen der Referenzmaterialien vergleichbar sind. Die zusätzlich verwendete multivariate Datenanalyse bietet hingegen die Möglichkeit, Modellrechnungen der Böden durchzuführen und Böden mithilfe der Hauptkomponentenanalyse (PCA) besser zu klassifizieren. Des Weiteren können basierend auf der Partial Least Squares Regression (PLSR) Kalibriermodelle erstellt werden, welche Prognosen zu den Elementgehalten unbekannter Ackerböden ermöglichen. Zusätzlich bietet die multivariate Datenanalyse die Möglichkeit, Störgrößen wie unterschiedliche Korngrößenverteilung und Feuchtigkeitsgrad der Probe in das Modell miteinzubeziehen. Beide Auswertemethoden sollen anhand statisch gemessener Proben verglichen werden und durch Messung einer Vielzahl realer Bodenproben von unterschiedlichen Standorten erweitert werden. Im weiteren Verlauf müssen beide Modelle auf dynamisch bewegte Proben übertragen werden. T2 - 13. Herbstkolloquium AK Prozessanalytik CY - Esslingen-Berkheim, Germany DA - 20.11.2017 KW - PCA KW - Nährstoffe KW - Boden KW - RFA KW - PLSR PY - 2017 AN - OPUS4-43150 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Büchele, Dominique T1 - Entwicklung einer Online-RFA Methode zur Bestimmung der Makro- und Mikronährstoffe im Boden N2 - Die vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Forschungsinitiative BonaRes hat sich zum Ziel gesetzt Strategien zu erarbeiten um Boden als nachhaltige Ressource für die Bodenökonomie zu nutzen. Sie ist in 10 interdisziplinären Forschungskonsortien eingeteilt, wobei das Teilprojekt „Intelligence for soil“ (I4S) für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig ist. Das System soll sowohl verschiedene Bodensensoren sowie Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen vereinen. So kann die Umweltbelastung durch die im Dünger enthaltenen Nitrate reduziert werden und die durch Überdüngung entstehenden Kosten für die Landwirte minimiert werden. Hierzu ist eine flächendeckende Kartierung der Ackerflächen hinsichtlich der für Pflanzen wichtigen Makro- und Mikronährstoffe, wie Calcium nötig. Ziel der Bundesanstalt für Materialforschung und -prüfung (BAM) innerhalb von I4S ist die Optimierung eines auf der Röntgenfluoreszenzanalyse (RFA) basierenden Sensors für die mobile online-Applikation auf dem Feld. Diese zerstörungsfreie und kontaktlose Methode eignet sich besonders für den Feldeinsatz dank minimaler Probenvorbereitung und vor allem schneller, simultaner Multielementanalyse. Hauptkomponente der robusten und transportablen Messstation ist neben dem Sensor ein drehbarer Probenteller um das Messen während der Fahrt bei verschiedenen Geschwindigkeiten auf einem Feld unter Laborbedingungen zu simulieren. Der energiedispersive RFA-Sensor besitzt ein mit Helium gespültes Messvolumen womit auch die für diese Aufgabenstellung interessanten, leichten Elemente detektiert werden können. Schwierigkeiten beim Einsatz der RFA liegen in der Kalibrierung des Geräts um richtige und präzise Ergebnisse zu erhalten. Der Fokus zu Beginn richtet sich somit auf die Entwicklung eines Kalibriermodells, welches die verschiedenen Hauptbodenarten berücksichtigt. Gerade die zu untersuchenden Makro- und Mikronährstoffe wie Schwefel liegen im Vergleich zu SiO2 in sehr geringen Konzentrationen im Boden vor. Die Optimierung der Parameter wie Leistung oder auch Messzeit können an dieser Stelle die erhaltenen Signalintensitäten deutlich beeinflussen. Zusätzlich sind gerade bei einer komplexen Matrix wie Boden genaue Untersuchungen verschiedener Störgrößen wichtig. Hierzu zählen unter anderem der Feuchtigkeitsgrad der Probe, aber auch Korngrößeneffekte haben einen entscheidenden Einfluss. Beide Parameter müssen hinsichtlich ihrer Auswirkungen auf die Messergebnisse der mobilen-RFA sowohl bei stationären, als auch bei bewegten Bodenproben betrachtet werden. T2 - Anakon CY - Tübingen, Germany DA - 03.04.2017 KW - Nährstoffe KW - RFA KW - Boden PY - 2017 AN - OPUS4-43156 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - THES A1 - Büchele, Dominique T1 - Entwicklung einer robusten Online-Methode zur Bestimmung von Nährelementen in Ackerböden mit einem Energie-dispersiven RFA-Sensor N2 - Im Rahmen der vom Bundesministerium für Bildung und -forschung geförderten Forschungsinitiative „BonaRes – Boden als nachhaltige Ressource der Bioökonomie“ soll sich das Teilprojekt „I4S – integrated system for site-specific soil fertility management“ der Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit widmen. Hierfür ist eine Messplattform zur Bestimmung relevanter Bodeneigenschaften und der quantitativen Analyse ausgewählter Makro- und Mikronährstoffe geplant. In der ersten Phase dieses Projekts liegt das Hauptaugenmerk auf der Kalibrierung und Validierung der verschiedenen Sensoren auf die Matrix Boden, der Probennahme auf dem Acker und der Planung sowie dem Aufbau der Messplattform. Auf dieser Plattform sollen in der zweiten Phase des Projektes die verschiedenen Bodensensoren installiert, sowie Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen erstellt werden. Ziel der vorliegenden Arbeit ist die Grundlagenuntersuchung und Entwicklung einer robusten Online-Analyse mittels Energie-dispersiver Röntgenfluoreszenzspektroskopie (EDRFA) zur Quantifizierung ausgewählter Makro- und Mikronährstoffe in Böden für eine kostengünstige und flächendeckende Kartierung von Ackerflächen. Für die Entwicklung eines Online-Verfahrens wurde ein dem Stand der Technik entsprechender Röntgenfluoreszenzmesskopf in Betrieb genommen und die dazugehörigen Geräteparameter auf die Matrix Boden optimiert. Die Bestimmung der analytischen Qualitäts-merkmale wie Präzision und Nachweisgrenzen fand für eine Auswahl an Nährelementen von Aluminium bis Zink statt. Um eine möglichst Matrix-angepasste Kalibrierung zu erhalten, wurde sowohl mit zertifizierten Referenzmaterialien (CRM), als auch mit Ackerböden kalibriert. Da einer der größten Nachteile der Röntgenfluoreszenzanalyse die Beeinflussung durch Matrixeffekte ist, wurde neben der klassischen univariaten Datenauswertung auch die chemometrische multivariate Methode der Partial Least Squares Regression (PLSR) eingesetzt. Die PLSR bietet dabei den Vorteil, Matrixeffekte auszugleichen, wodurch robustere Kalibriermodelle erhalten werden können. Zusätzlich wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um Gemeinsamkeiten und Ausreißer innerhalb des Probensets zu identifizieren. Es zeigte sich, dass eine Klassifizierung der Böden anhand ihrer Textur Sand, Schluff, Lehm und Ton möglich ist. Aufbauend auf den Ergebnissen idealer Bodenproben (zu Tabletten gepresste luftgetrocknete Proben mit Korngrößen < 0,5 mm) wurde im Verlauf dieser Arbeit die Probenvorbereitung immer weiter reduziert und der Einfluss verschiedener Kenngrößen untersucht. Diese Einflussfaktoren können die Dichte und die Homogenität der Probe, sowie Korngrößeneffekte und die Feuchtigkeit sein. Anhand des RMSE (Wurzel der mittleren Fehlerquadratsumme) und unter Berücksichtigung der Residuen werden die jeweils erstellten Kalibriermodelle miteinander verglichen. Um die Güte der Modelle zu bewerten, wurden diese mit einem Testset validiert. Hierfür standen 662 Bodenproben von 15 verschiedenen Standorten in Deutschland zur Verfügung. Da die Ergebnisse an gepressten Tabletten für die Elemente Al, Si, K, Ca, Ti, Mn, Fe und Zn den Anforderungen für eine spätere Online-Analyse entsprechen, wurden im weiteren Verlauf dieser Arbeit Kalibriermodelle mit losen Bodenproben erstellt. Auch hier konnten gute Ergebnisse durch ausreichende Nachweisgrenzen und eine niedrige gemittelte Messabweichung bei der Vorhersage unbekannter Testproben erzielt werden. Es zeigte sich, dass die Vorhersagefähigkeit mit der multivariaten PLSR besser ist als mit der univariaten Datenauswertung, insbesondere für die Elemente Mn und Zn. Der untersuchte Einfluss der Feuchtigkeit und der Korngrößen auf die Quantifizierung der Elementgehalte war vor allem bei leichteren Elementen deutlich zu sehen. Es konnte schließlich eine multivariate Kalibrierung unter Berücksichtigung dieser Faktoren für die Elemente Al bis Zn erstellt werden, so dass ein Einsatz an Böden auf dem Acker möglich sein sollte. Eine höhere Messunsicherheit muss dabei einkalkuliert werden. Für eine spätere Probennahme auf dem Feld wurde zudem der Unterschied zwischen statischen und dynamischen Messungen betrachtet, wobei sich zeigte, dass beide Varianten genutzt werden können. Zum Abschluss wurde der hier eingesetzte Sensor mit einem kommerziell erhältlichen Hand-Gerät auf sein Quantifizierungspotential hin verglichen. Der Sensor weist anhand seiner Ergebnisse ein großes Potential als Online-Sensor für die Messplattform auf. Die Ergebnisse unter Laborbedingungen zeigen, dass eine robuste Analyse Ackerböden unter Berücksichtigung der Einflussfaktoren möglich ist. KW - Boden KW - Chemometrie KW - ICP-OES KW - Nährelemente KW - PLS-R KW - Röntgenfluoreszenz KW - Prozessanalytik PY - 2020 UR - https://nbn-resolving.org/urn:nbn:de:kobv:517-opus4-483735 DO - https://doi.org/https://doi.org/10.25932/publishup-48373 SP - 1 EP - 106 PB - Universität Potsdam CY - Potsdam AN - OPUS4-52182 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Büchele, Dominique T1 - Herausforderungen bei der robusten online-Bestimmung von Nährstoffen in Böden mittels eines Röntgenfluoreszenzsensors N2 - As part of the BonaRes research initiative, funded by the BMBF, strategies are being developed to use soil as a sustainable resource in the bio economy. The interdisciplinary subproject I4S - “Intelligence for soil” - is responsible for the development of an integrated system for site-specific management of soil fertility. For this purpose, a platform is constructed and various sensors are installed. Real-time data will be summarised in models and decision-making algorithms will be used to control fertilisation and accordingly improve soil functions. Aim of the BAM in the frame of I4S is the characterisation of an energy-dispersive X-ray fluorescence (EDXRF) based sensor for robust Online-determination of macro and minor nutrients in soil. First a principal component analysis (PCA) was used to identify outliers and to observe the largest variance within the German soil samples. It could be monitored that splitting of the samples was due to their iron content. Given that clay samples contain high amounts of iron and sandy samples low amounts, a classification of the samples by their soil texture according to VD LUFA was possible. Considering the complex composition of soil, a matrix-specific calibration was carried out by univariate and multivariate data analysis. The figures of merit demonstrated that a more robust calibration model with negligible matrix effects can be obtained by a multivariate approach using partial least squares regression (PLSR). Different factors can affect the received calibration models such as moisture and particle size distribution which is especially important due to later Online-analysis. In first studies the influence of moisture on the detection of nutrients was investigated. With increasing water content, the characteristic fluorescence peaks decrease and start to increase again at a water content of 15%. With lower moisture content the soil agglomerates which leads to lower packing of the sample, resulting in a rougher surface which negatively influence the signals. Whereas, agglomerates are not formed at higher water content. This allows the sample to be packed more tightly thus a smoother surface and a better homogeneity is obtained. Furthermore, particle size distribution leads to significantly higher uncertainties and lower signals when comparing grounded and not grounded samples. Both factors must be included in the chemometric PLSR to obtain robust calibration models for each nutrient. N2 - Im Rahmen der vom BMBF geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S - „Intelligenz für den Boden“ - ist verantwortlich für die Entwicklung eines integrierten Systems zur standortspezifischen Steuerung der Bodenfruchtbarkeit. Zu diesem Zweck wird eine Plattform gebaut, auf der verschiedene Sensoren installiert sind. Echtzeitdaten werden in Modellen zusammengefasst und Entscheidungsalgorithmen werden verwendet, um die Düngung zu steuern und die Bodenfunktionen entsprechend zu verbessern. Ziel der BAM im Rahmen von I4S ist die Charakterisierung eines energiedispersiven Röntgenfluoreszenzsensors (EDXRF) zur robusten online-Bestimmung von Makro- und Mikronährstoffen im Boden. Zunächst wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um Ausreißer zu identifizieren und die größte Varianz innerhalb der deutschen Bodenproben zu beobachten. Es konnte festgestellt werden, dass die Aufspaltung der Proben auf ihren Eisengehalt zurückzuführen ist. Da Tonproben hohe Mengen an Eisen und Sandproben geringe Mengen enthalten, war eine Klassifizierung der Proben nach ihrer Bodentextur nach VD LUFA möglich. In Anbetracht der komplexen Bodenzusammensetzung wurde eine matrixspezifische Kalibrierung durch univariate und multivariate Datenanalyse durchgeführt. Die analytischen Güteziffern zeigen, dass ein robusteres Kalibriermodell mit vernachlässigbaren Matrixeffekten durch einen multivariaten Ansatz unter Verwendung der partiellen Regression kleinster Quadrate (PLSR) erhalten werden kann. Verschiedene Faktoren können die erhaltenen Kalibriermodelle beeinflussen, wie z. B. Feuchtigkeit und Partikelgrößenverteilung, was aufgrund der späteren online-Analyse besonders wichtig ist. In ersten Studien wurde der Einfluss von Feuchtigkeit auf den Nährstoffnachweis untersucht. Mit zunehmendem Wassergehalt nehmen die charakteristischen Fluoreszenzpeaks ab und beginnen bei einem Wassergehalt von 15% wieder anzusteigen. Bei geringerem Feuchtigkeitsgehalt agglomeriert der Boden, was zu einer geringeren Packung der Probe führt, dementsprechend zu einer raueren Oberfläche, die die Signale negativ beeinflusst. Bei höherem Wassergehalt bilden sich keine Agglomerate. Dadurch kann die Probe enger gepackt werden, wodurch eine glattere Oberfläche und eine bessere Homogenität erhalten wird. Darüber hinaus führt die Partikelgrößenverteilung beim Vergleich von gemahlenen und nicht gemahlenen Proben zu signifikant höheren Unsicherheiten und niedrigeren Signalen. Beide Faktoren müssen in die chemometrische PLSR einbezogen werden, um zuverlässige Kalibrierungsmodelle für jeden Nährstoff zu erhalten. T2 - AK Prozessanalytik - Doktorandenseminar CY - Berlin, Germany DA - 18.03.2019 KW - Boden KW - RFA KW - PLSR PY - 2019 AN - OPUS4-48283 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -