近日，机电学院许丽佳教授团队在自然指数期刊《Analytical Chemistry》发表了题为《Study on rapid quantitative detection of soil MPs based on terahertz time-domain spectroscopy》（基于太赫兹时域光谱快速定量检测土壤微塑料的研究）的研究论文，标志着团队在作物生境监测领域取得了又一重要进展。该研究为使用太赫兹时域光谱技术检测土壤微塑料提供了标准化方法，并为农业环境监测和土壤健康评估提供了强有力的技术支持。
土壤微塑料样本图、机器学习算法结构图、太赫兹波长示意图、特征提取示意图、回归模型结果示意图
土壤中的微塑料含量是影响土壤生态系统健康的关键因素之一，这些微小的塑料颗粒可能对土壤微生物、植物生长以及农业生产造成潜在威胁。为了更准确、快速地检测土壤中的微塑料含量，我校团队深入分析了现有土壤微塑料检测方法的优缺点，并提出了一种创新方法——将太赫兹时域光谱技术与机器学习相结合，实现了对土壤中微塑料的精准定量检测。
该团队利用太赫兹时域光谱技术，获取了聚乙烯（PE）、聚丙烯（PP）和聚氯乙烯（PVC）等常见微塑料的光谱信息，并通过机器学习算法对这些光谱数据进行预处理、特征提取和分类，最终建立了定量预测模型。研究结果显示，优化后的支持向量机（SVM）分类模型对微塑料种类的预测准确率高达98.65%。此外，基于紫外可见光谱-随机森林（UVE-RF）回归模型对PE和PP的定量预测准确率达到99.1%，而基于遗传算法-随机森林（GA-RF）回归模型对PVC的定量预测准确率也达到了98.4%。
为了验证模型的通用性和实用性，该团队进行了多项实验，包括假设检验、检测极限实验以及真实土壤样本的微塑料含量预测实验。结果表明，该模型能够检测到土壤中微塑料浓度低至0.1%、高至20%的范围，且对真实土壤样本的预测误差大多低于0.1%，完全满足实际农业生产的需求。
许丽佳教授为该论文第一作者和共同通讯作者，硕士研究生冯彦奇为共同第一作者，赵永鹏副教授为论文通讯作者，四川农业大学为第一署名单位和唯一通讯单位；合作单位包括浙江大学、江苏大学等。据了解，该研究得到了四川省重点研发计划、四川省天府峨眉人才计划等项目的资助。
