Применение и исследование технологии гиперспектральной визуализации для обнаружения микропластика в почве
Загрязнение почв микропластиком – глобальная экологическая проблема, требующая разработки эффективных методов обнаружения и мониторинга. Данное исследование направлено на разработку метода прямого обнаружения и визуализации микропластика в почве с использованием гиперспектральной визуализации в сочетании с современными хемометрическими алгоритмами, что позволит восполнить существующий пробел в исследованиях наземных экосистем.
Подготовка почвенных образцов
Сбор: Образцы почвы (около 3 кг) собирались вблизи выветренных пластиковых фрагментов на поверхности почвы.
Разделение: В лаборатории образцы разделялись на две группы:
Первая группа предназначалась для экстракции и идентификации компонентов микропластика методом с использованием насыщенного раствора NaCl.
Вторая группа использовалась для разработки модели идентификации микропластика на основе гиперспектральных данных и хемометрических алгоритмов.
Имитация: Для имитации реальных условий загрязнения почвы микропластиком были подготовлены модельные образцы. Экстрагированный микропластик (белый и черный) разделялся по размеру (1-5 мм и 0,5-1 мм) и смешивался с природными компонентами (свежие и увядшие листья, камни, ветки) для имитации сложной структуры полевой почвы.
Высушивание: Все образцы почвы высушивались в вакуумной печи при 80°C в течение 8 часов для удаления влаги и повышения точности измерений.
Гиперспектральная съемка и анализ данных
Съемка: Модельные образцы почвы с микропластиком подвергались комплексной гиперспектральной съемке, что позволило получить изображения, содержащие богатую спектральную информацию. Для облегчения последующего анализа различные компоненты (белый и черный микропластик, свежие листья и т.д.) были отмечены разными цветами.
Анализ: Анализ спектральных кривых в областях интереса (ROI) для каждого компонента выявил, что свежие листья, содержащие хлорофилл, обладают характерными спектральными особенностями в видимом диапазоне, что облегчает их идентификацию. Белый и черный полиэтиленовый (ПЭ) микропластик различались по спектральным характеристикам, при этом черный ПЭ микропластик демонстрировал минимальную отражательную способность во всем спектральном диапазоне, что затрудняло его обнаружение.
Сравнение и оптимизация алгоритмов классификации
Алгоритмы: Для разработки оптимального метода идентификации микропластика сравнивались три алгоритма контролируемой классификации: многомерный дискриминантный анализ (МДА), машинное обучение (МО) и метод опорных векторов (SVM).
Оценка: Оценка точности (P) и полноты (R) выявила, что алгоритм SVM обеспечивает более высокое соотношение сигнал/шум и меньший уровень фонового шума при обработке гиперспектральных данных, что значительно улучшает идентификацию микропластика.
Размер частиц: Тестирование классификации микропластика разного размера (1-5 мм и 0,5-1 мм) показало, что для более крупных частиц SVM обеспечивает высокую точность, а для мелких частиц эффективность обнаружения значительно возрастает при предварительной морфологической обработке изображений (эрозия и дилатация).
Подтверждение надежности модели и расширение её применения
Для подтверждения универсальности разработанного подхода была проведена оценка распознавания шести распространенных видов бытовых пластиков (различных цветов и химического состава) с использованием гиперспектральной визуализации. Результаты показали, что модель обеспечивает высокую точность и полноту распознавания микропластика размером 1-5 мм и 0,5-1 мм. Особо следует отметить высокую эффективность распознавания цветного микропластика, что объясняется более выраженными спектральными особенностями этих материалов.
Заключение и перспективы дальнейших исследований
В рамках данного исследования успешно продемонстрирована эффективность применения гиперспектральной визуализации в сочетании с хемометрическими алгоритмами для прямого обнаружения и визуализации микропластика в почве. Проведено сравнение различных методов контролируемой классификации, которое показало, что алгоритм опорных векторов (SVM) обладает значительными преимуществами в задачах идентификации микропластика. Также выявлена зависимость эффективности обнаружения от размера частиц микропластика и предложены стратегии оптимизации.
Перспективы дальнейших исследований связаны с расширением области применения разработанного подхода, включая изучение влияния различных типов почв и условий окружающей среды на эффективность обнаружения микропластика. Планируется разработка более компактного и эффективного оборудования для гиперспектральной визуализации, что позволит проводить оперативный мониторинг загрязнения непосредственно на месте. Продолжится работа по оптимизации алгоритмических моделей с целью повышения точности и стабильности результатов, что обеспечит более эффективную техническую поддержку для мониторинга и контроля загрязнения почв микропластиком.
