Analytische Chemie
Filtern
Erscheinungsjahr
Dokumenttyp
- Sonstiges (8)
- Posterpräsentation (4)
- Zeitschriftenartikel (2)
- Dissertation (2)
- Vortrag (2)
Schlagworte
- Boden (18) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (2)
In den letzten Jahrzehnten ist die Nachfrage nach kostengünstigen und flächendeckenden Kartierungsmöglichkeiten im Hinblick auf eine ertragssteigernde und umweltfreundlichere Bewirtschaftung von landwirtschaftlichen Nutzflächen stark gestiegen. Hierfür eignen sich spektroskopische Methoden wie die Röntgenfluoreszenzanalyse (RFA), Raman- und Gammaspektroskopie sowie die laserinduzierte Plasmaspektroskopie (LIBS). In Abhängigkeit von der Funktionsweise der jeweiligen Methoden werden Informationen zu verschiedensten Bodeneigenschaften wie Nährelementgehalt, Textur und pH-Wert erhalten.
Ziel dieser Arbeit ist die Entwicklung eines Online-LIBS-Verfahrens zur Nährelementbestimmmung und Kartierung von Ackerflächen. Die LIBS ist eine schnelle und simultane Multielementanalyse bei der durch das Fokussieren eines hochenergetischen Laserpulses Probenmaterial von der Probenoberfläche ablatiert wird und in ein Plasma überführt wird. Beim Abkühlen des Plasmas wird Strahlung emittiert, welche Rückschlüsse über die elementare Zusammensetzung der Probe gibt. Diese Arbeit ist im Teilprojekt I4S (Intelligenz für Böden) im Forschungsprogramm BonaRes (Boden als nachhaltige Ressource für die Bioökonomie) des Bundesministerium für Bildung und Forschung (BMBF) entstanden. Es wurden insgesamt 651 Bodenproben von verschiedenen Test-Agrarflächen unterschiedlichster Standorte Deutschlands gemessen, ausgewertet und zu Validierungszwecken mit entsprechender Referenzanalytik wie die Optische Emissionsspektroskopie mittels induktiv gekoppeltem Plasma (ICP-OES) und die wellenlängendispersive Röntgenfluoreszenzanalyse (WDRFA) charakterisiert.
Für die Quantifizierung wurden zunächst die Messparameter des LIBS-Systems auf die Bodenmatrix optimiert und für die Elemente geeignete Linien ausgewählt sowie deren Nachweisgrenzen bestimmt. Es hat sich gezeigt, dass eine absolute Quantifizierung basierend auf einem univariaten Ansatz aufgrund der starken Matrixeffekte und der schlechten Reproduzierbarkeit des Plasmas nur eingeschränkt möglich ist. Bei Verwendung eines multivariaten Ansatz wie der Partial Least Squares Regression (PLSR) für die Kalibrierung konnten für die Nährelemente im Vergleich zur univariaten Variante Analyseergebnisse mit höherer Güte und geringeren Messunsicherheiten ermittelt werden. Die Untersuchungen haben gezeigt, dass das multivariate Modell weiter verbessert werden kann, indem mit einer Vielzahl von gut analysierten Böden verschiedener Standorte, Bodenarten und einem breiten Gehaltsbereich kalibriert wird. Mithilfe der Hauptkomponentenanalyse (PCA) wurde eine Klassifizierung der Böden nach der Textur realisiert. Weiterhin wurde auch eine Kalibrierung mit losem Bodenmaterial erstellt. Trotz der Signalabnahme konnten für die verschiedenen Nährelemente Kalibriergeraden mit ausreichender, analytischer Güte erstellt werden.
Für den Einsatz auf dem Acker wurde außerdem der Einfluss von Korngröße und Feuchtigkeit auf das LIBS-Signal untersucht. Die unterschiedlichen Korngrößen haben nur einen geringen Einfluss auf das LIBS-Signal und das Kalibriermodell lässt sich durch entsprechende Proben leicht anpassen. Dagegen ist der Einfluss der Feuchtigkeit deutlich stärker und hängt stark von der Bodenart ab, sodass für jede Bodenart ein separates Kalibriermodell für verschiedene Feuchtigkeitsgehalte erstellt werden muss. Mithilfe der PCA kann der Feuchtigkeitsgehalt im Boden grob abgeschätzt werden und die entsprechende Kalibrierung ausgewählt werden.
Diese Arbeit liefert essentielle Informationen für eine Echtzeit-Analyse von Nährelementen auf dem Acker mittels LIBS und leistet einen wichtigen Beitrag zu einer fortschrittlichen und zukunftsfähigen Nutzung von Ackerflächen.
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.
The total petrol hydrocarbon (TPH) content in soil is determined by gas chromatographic separation and flame ionisation detection according to ISO 16703 in routine laboratories for about 20 years. The development of the interlaboratory variability observed with this analytical procedure over 15 years in a proficiency testing scheme conducted annually with more than 170 participants is evaluated in detail. A significant improvement of the reproducibility standard deviation among participants is observed over the years and attributed to an increasing familiarity with the procedure. Nevertheless, the determination of TPH in the environmentally relevant mass fraction range between 500 mg/kg and 10 000 mg/kg in soils or sediments is far from reaching the reproducibility standard deviations predicted by the Horwitz curve. It is seen that laboratories with sporadic participation tend to report higher bias, while a core group of laboratories participating on a regular basis arrived at reproducibility standard deviations below 20 %. Results from a given laboratory obtained on two different samples tend to be highly correlated in the same PT round indicating a sound repeatability. Expectedly, the within-laboratory correlation between results from consecutive rounds was considerably lower. However, results from consecutive rounds with a temporal distance of 1, 2 or 3 years revealed largely similar correlations which suggests that the within-laboratory reproducibility adjusts to a constant level at least after a period of 1 year.
Präsentation der Ergebnisse eines Ringversuchs zur Kompetenzbewertung von Prüflaboratorien auf dem Gebiet der anorganischen und organischen Bodenanalytik: Polyzyklische aromatische Kohlenwasserstoffe (PAK) in Boden, Mineralölkohlenwasserstoffe (MKW) in Boden, Elemente in Sediment und Gesamtcyanid in Boden.
Bestimmung von Makro- und Mikronährstoffen in Böden mittels laserinduzierter Plasmaspektroskopie
(2018)
In respect of an efficient cultivation of agricultural cropland, a site-specific fertility management is necessary. Therefore, affordable and extensive mapping methods are needed. The research projects I4S (intelligence for soil) has the goal to develop a system for this purpose. I4S is one of ten interdisciplinary research project associations of the innovation programme called BonaRes, which is funded by the German Federal Ministry of Education and Research (BMBF).
The system includes a sensor platform, which contains different sensors, like XRF, VIS-NIR, Gamma and LIBS. The main task of LIBS measurements in this project is the real-time determination of the elemental contents of major and minor nutrients in soils, like calcium, magnesium, potassium. LIBS (laser-induced breakdown spectroscopy) is known as a fast and simultaneous multi-element analysis with little or no sample preparation. The main task of LIBS measurements in this project is the real-time determination of the elemental contents of nutrients in soils, like calcium, magnesium, potassium. For this purpose, a special setup has been designed. The sample uptake operates with the help of a rotatable sample plate which circulates with different velocities to simulate the application on the field. To provide a higher intensity and a better reproducibility of the obtained signal, a double-pulse Nd:YAG laser (1064 nm) was used. In order to minimize dust formation from the soil during the operation of the laser, a dust removal by suction has been integrated. When using relative methods such as LIBS, a suitable calibration curve is needed for absolute quantification. The complex matrix of soils, as well as the influence of moisture and grain size in soils makes the absolute quantification by LIBS challenging. To overcome these influences, chemometric methods were used. With the principal component analysis (PCA) a classification of soils into different soil types was performed and a calibration curve based on partial least squares regression (PLSR) was generated. With this calibration model’s elemental distribution maps for different German agricultural fields were created.
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.
Die Gehalte von für das Pflanzenwachstum relevanten Nährstoffen divergieren innerhalb einer landwirtschaftlichen Nutzfläche sehr stark. Für eine ertragssteigernde Bewirtschaftung ist daher eine gezielte Düngung unabdingbar. Die Nachfrage nach einer kostengünstigen, flächendeckenden Kartierung von Ackerflächen in Bezug auf die im Boden enthaltenen Nährstoffe steigt demnach. Hierzu werden schnelle, mobil einsetzbare und verlässliche Messmethoden benötigt.
Eine geeignete Methode stellt die laserinduzierte Plasmaspektroskopie (kurz: LIBS aus dem Englischen für laser-induced breakdown spectroscopy) dar. Die LIBS ermöglicht eine schnelle und simultane Multielementanalyse und ist dabei nahezu zerstörungsfrei. Des Weiteren bedarf es für die Analyse kaum bis keine Probenvorbereitung was den Einsatz auf dem Feld begünstigt. Die Methode beruht auf der Ionisierung des Probenmaterials (Plasmabildung) durch den Beschuss dieser mit kurzen Laserpulsen. Während der Expansion des Plasmas wird Strahlung emittiert, welche charakteristisch für die in der Probe enthaltenen Elemente ist.
Das hier verwendete LIBS-System verfügt über einen Doppelpuls-Laser, bei dem zwei Laserpulse im kurzen Abstand hintereinander ausgesendet werden. Der erste Laserpuls ist für die “Vorbehandlung“ der Probe und der zweite Laserpuls für die Erwärmung des Plasmas. Dadurch können die Nachweisgrenzen im Vergleich zu einem einfach gepulsten Laser deutlich verbessert werden.
Die Probenzufuhr findet durch einen drehbaren Probenteller statt auf dem der lose Boden in Form einer Spur aufgetragen wird. Der Probenteller kann in verschiedenen Geschwindigkeiten betrieben werden, um die Anwendung auf dem Feld zu simulieren.
Da es sich bei der LIBS um eine Relativmethode handelt, ist eine Kalibrierung mit exakten Referenzwerten von verschiedenen Bodenproben notwendig. Böden weisen eine sehr komplexe Matrix auf, was die verlässliche Analyse mittels LIBS erschwert. Daher ist zunächst das Ziel die verschiedenen Messparameter des LIBS-Systems für unterschiedliche Böden zu optimieren und mögliche Störeffekte, wie Korngrößen und Feuchtigkeitsgrad, durch eine geeignete Probenkonditionierung zu eliminieren.
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.