Analytische Chemie
Filtern
Dokumenttyp
- Posterpräsentation (5) (entfernen)
Referierte Publikation
- nein (5)
Schlagworte
- PCA (3)
- PLSR (3)
- RFA (3)
- Soil (3)
- Boden (2)
- Nährstoffe (2)
- XRF (2)
- Agricultural (1)
- LIBS (1)
- Online (1)
Organisationseinheit der BAM
As part of the BonaRes research initiative funded by the German Federal Ministry of Education and Research (BMBF), strategies are being developed to use soil as a sustainable resource in the bioeconomy. 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 summarized in models and decision-making algorithms will be used to control fertilization and accordingly improve soil functions. This would allow investigations in close meshed dynamic grid and fast analysis of large areas to generate higher yields. This is important given that the distribution of minor and trace elements varies widely. Aim of the Federal Institute for Materials Research and Testing (BAM) in the frame of I4S is the characterization of an X-ray fluorescence (XRF) based sensor for robust online-analysis of arable land. The non-destructive and contactless XRF is suitable for rapid in-situ analysis on the field due to minimal sample preparation and simultaneous multi-element analysis.
Soils are already considered as a complex matrix due to their wide range of elements in different contents, especially light elements with low atomic numbers (Z<19). Problems by measuring soil samples also arise from heterogeneity of the sample and matrix effects. Large grain size distribution causes strong inhomogeneity and matrix effects occur through physical properties related to high concentration of main components. Matrix-specific calibration strategies for determination of total major and minor plant essential nutrients are particularly important regarding these difficulties. For accurate calibration, data treatment and evaluation must also be considered. Univariate and multivariate data analysis were compared regarding their analytical figures of merit. Using principal component analysis (PCA) it was possible to classify German soils in different groups as sand, clay and silt. Calibration models were obtained by partial least squares regression (PLSR) and the content of macro- and micronutrients in German soils was predicted. Elemental distribution maps for different German arable lands were created and the results compared to reference measurements. The correlation between predicted values and reference values were in good agreement for most major and minor nutrients.
Aim of the Federal Institute for Materials Research and Testing (BAM) in the frame of I4S - “Intelligence for Soil” is the characterization of an X-ray fluorescence (XRF) based sensor for robust online-application of arable land.Fast soil mapping for agricultural purpose allows the site-specific optimized introduction of plant essential nutrients like S, K, Ca, and Fe. This is important given that the distribution of minor and trace elements varies widely. The non-destructive and contactless XRF is suitable for rapid in-situ analysis on the field due to minimal sample preparation and simultaneous multi-element analysis.
Soils are already considered as a complex matrix due to their wide range of elements in different contents, especially light elements with low atomic numbers (Z<19). Problems by measuring soil samples also arise from heterogeneity of the sample and matrix effects. Large grain size distribution causes strong inhomogeneity and matrix effects occur through physical properties related to high concentration of main components. Matrix-specific calibration strategies for determination of total major and minor plant essential nutrients are particularly important regarding these difficulties. For accurate calibration, data treatment and evaluation must also be considered. Empirical univariate and multivariate data analysis were compared regarding their analytical figures of merit. Using principal component analysis (PCA) it was possible to classify German soils in different groups as sand, clay and silt. A calibration curve was obtained by partial least squares regression (PLSR) and the elemental content of German soils was predicted. Elemental distribution maps for different German arable lands were created and the results compared to reference measurements. The correlation between predicted values and reference values were in good agreement for most major and minor nutrients.
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.
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.
The main task of BAM in the I4S project is the development of online analytics for reliable monitoring of major and minor nutrients like K, P, Ca in soil using mobile-XRF (X-ray fluorescence spectroscopy) and mobile-LIBS (laser-induced breakdown spectroscopy). Each method provides fast and simultaneous multi-element analyses which are neccessary for mapping agricultural cropland. The first objective was to design a combined measurement setup for XRF and LIBS. The centerpiece is the rotatable sample plate which enables the measurement of moving samples. Current steps are the optimisation of the parameters for the analysis of soils.