付曉芬, 宋友桂, 2*, 張明玉, 馮中琦, 張大成, 劉慧芳

1. 中國(guó)科學(xué)院地球環(huán)境研究所黃土與第四紀(jì)地質(zhì)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710061

2. 中國(guó)科學(xué)院第四紀(jì)科學(xué)與全球變化卓越創(chuàng)新中心, 陜西 西安 710061

3. 西安地球環(huán)境創(chuàng)新研究院, 陜西 西安 710061

4. 西安電子科技大學(xué)物理與光電工程學(xué)院, 陜西 西安 710071

引 言

依據(jù)元素地球化學(xué)指標(biāo)在黃土沉積物、 湖泊沉積物、 石筍等地質(zhì)記錄中所呈現(xiàn)的表生地球化學(xué)特征, 研究其在地層中含量的變化規(guī)律, 反演氣候和環(huán)境變化過(guò)程, 是古氣候古環(huán)境重建的重要途徑之一。 目前, 國(guó)內(nèi)外常用元素檢測(cè)方法以電感耦合等離子體發(fā)射光譜(ICP-AES)、 電感耦合等離子體質(zhì)譜(ICP-MS)、 激光剝蝕電感耦合等離子體質(zhì)譜(LA-ICP-MS)和X射線熒光光譜(XRF)為主, 這些檢測(cè)技術(shù)能夠有效提供不同沉積物中元素含量的組成信息, 在古氣候環(huán)境研究中受到廣泛應(yīng)用, 并取得重要的研究成果[1-3]。 雖然上述元素檢測(cè)方法可獲得較為準(zhǔn)確的測(cè)定結(jié)果, 但前期樣品預(yù)處理流程復(fù)雜, 分析周期長(zhǎng), 樣品消耗大, 因此急需一種可以快速實(shí)現(xiàn)元素含量檢測(cè)的分析技術(shù)。 激光誘導(dǎo)擊穿光譜(laser induced breakdown spectroscopy, LIBS)技術(shù)作為一種新興的物質(zhì)成分檢測(cè)技術(shù), 無(wú)需樣品處理, 對(duì)樣品損耗小, 響應(yīng)速度快, 可多元素同時(shí)分析等優(yōu)勢(shì), 使得該技術(shù)在元素檢測(cè)方面極具應(yīng)用潛力, 該技術(shù)已經(jīng)成功應(yīng)用在環(huán)境監(jiān)測(cè)[4-5]、 地學(xué)研究[6-8]、 工業(yè)生產(chǎn)[9]及深空探測(cè)[10]等領(lǐng)域。 但對(duì)于地質(zhì)樣品中第四紀(jì)松散沉積物來(lái)說(shuō), 因其形成過(guò)程復(fù)雜, 礦物元素組分多樣, 導(dǎo)致獲得的LIBS光譜信息十分復(fù)雜, 嚴(yán)重制約了LIBS技術(shù)對(duì)沉積物元素含量的精確定量。 偏最小二乘回歸(partial least squares regression, PLSR)算法不僅可以解決冗雜的光譜信息, 還能克服傳統(tǒng)定量方法精度低、 擬合過(guò)度等缺點(diǎn), 使得LIBS技術(shù)對(duì)于元素含量定性和定量分析的精準(zhǔn)性得到提高[11-13], PLSR算法已成功用于LIBS技術(shù)在多種領(lǐng)域的元素定量分析中[14-15]。 本研究對(duì)比了單變量定標(biāo)法和PLSR定量模型二者對(duì)于沉積物中Na、 Ca、 Mg、 Si、 Al、 Fe、 Mn、 Sr和Ba 9種元素的定量效果, 同時(shí)將PLSR定量模型的預(yù)測(cè)結(jié)果與土壤標(biāo)準(zhǔn)樣品和鉆孔沉積物樣品XRF測(cè)定的元素結(jié)果進(jìn)行對(duì)比, 驗(yàn)證LIBS技術(shù)應(yīng)用于沉積物元素檢測(cè)的可行性。

1 實(shí)驗(yàn)部分

1.1 裝置

實(shí)驗(yàn)在西安電子科技大學(xué)超快激光技術(shù)與應(yīng)用研究中心完成。 采用的實(shí)驗(yàn)裝置如圖1所示, 燒蝕光源為鐳寶光電Dawa-300激光器, 在波長(zhǎng)1 064 nm下, 本次實(shí)驗(yàn)激光器最大能量300 mJ、 重復(fù)頻率2 Hz, 激光聚焦透鏡焦距為60 mm。 光譜測(cè)量采用愛(ài)萬(wàn)提斯六通道光纖光譜儀, 探測(cè)范圍220～880 nm, 分辨率0.08～0.11 nm, 積分時(shí)間2 ms。 為減少等離子體連續(xù)輻射的影響, 使用數(shù)字信號(hào)延遲發(fā)生器(DG645, Standford Research Systems)觸發(fā)激光器和光譜儀, 并將延遲時(shí)間優(yōu)化至1.5 μs。 實(shí)驗(yàn)過(guò)程中樣品置于三維電控平移臺(tái)上, 可以實(shí)時(shí)調(diào)節(jié)激光燒蝕樣品的位置, 通過(guò)采集樣品不同位置的光譜信息, 降低因系統(tǒng)誤差導(dǎo)致對(duì)實(shí)驗(yàn)結(jié)果的影響, 同時(shí)可保障樣品的重復(fù)使用。

圖1 LIBS實(shí)驗(yàn)裝置示意圖[13]

1.2 樣品

圖2 實(shí)驗(yàn)樣品

實(shí)驗(yàn)選用樣品共52組, 包括7組國(guó)家標(biāo)準(zhǔn)土壤樣品和45組青海湖鉆孔沉積物樣品, 國(guó)家標(biāo)準(zhǔn)土壤樣品中的元素含量由中國(guó)地質(zhì)科學(xué)院地球物理地球化學(xué)勘察研究所提供, 45組鉆孔樣品的元素含量采用荷蘭帕納科公司生產(chǎn)的波長(zhǎng)色散型X射線熒光光譜儀進(jìn)行分析, 儀器型號(hào)為Axios advancedPW4400, 測(cè)量誤差小于10%。 52組樣品測(cè)得自然界20多種元素, 其中包含Na、 Ca、 Mg、 Si、 Al、 Fe、 Mn、 Sr和Ba 9種元素。 本次研究將已知的國(guó)家標(biāo)準(zhǔn)樣品元素含量與XRF實(shí)測(cè)元素含量統(tǒng)稱為元素參考含量參與LIBS元素定量模型的建立, 9種元素的已知參考含量范圍如表1所示。

表1 九種元素已知參考含量范圍

1.3 定量分析方法與評(píng)價(jià)指標(biāo)

1.3.1 單變量定標(biāo)分析

傳統(tǒng)的單變量定標(biāo)法是以目標(biāo)元素的特征譜線強(qiáng)度和含量來(lái)繪制定標(biāo)曲線, 是出現(xiàn)最早、 應(yīng)用最廣的LIBS定量分析方法, 所得R2越趨近于1, 說(shuō)明定標(biāo)曲線擬合程度越高。 但該方法在使用過(guò)程中存在一定的局限性, 在選擇特征譜線時(shí)需排除干擾較大并存在自吸收和飽和效應(yīng)的譜線, 樣品的基體效應(yīng)也會(huì)影響定標(biāo)曲線的準(zhǔn)確性和穩(wěn)定性。

1.3.2 偏最小二乘回歸

偏最小二乘回歸(partial least squares regression, PLSR)算法是在主成分分析的基礎(chǔ)上利用主成分作為新變量與濃度建立多變量關(guān)系, 從大量數(shù)據(jù)中提煉出有效數(shù)據(jù), 并建立自變量和因變量的特征向量間的一元線性回歸關(guān)系, 不僅解決了特征區(qū)間多重共線問(wèn)題, 而且增強(qiáng)了自變量對(duì)因變量的解釋和預(yù)測(cè)作用。 因此, PLSR算法用于LIBS技術(shù)的元素定量分析具有較為明顯的優(yōu)勢(shì)。

通過(guò)內(nèi)部交叉驗(yàn)證和外部驗(yàn)證對(duì)PLSR模型效果進(jìn)行檢驗(yàn), 采用預(yù)測(cè)決定系數(shù)R2、 交叉驗(yàn)證均方根誤差(root mean square error of cross validation, RMSECV)以及預(yù)測(cè)均方根誤差(root mean square error prediction, RMSEP)作為模型的評(píng)價(jià)指標(biāo)。R2用來(lái)評(píng)價(jià)回歸模型系數(shù)擬合優(yōu)度。 RMSECV用來(lái)評(píng)價(jià)模型的預(yù)測(cè)性能, RMSEP用來(lái)評(píng)價(jià)模型對(duì)待測(cè)樣品元素預(yù)測(cè)效果。

1.4 光譜采集

為提高樣品測(cè)量的可重復(fù)性, 將樣品置于電控平移臺(tái)上, 防止激光重復(fù)燒蝕樣品上的同一點(diǎn)。 每個(gè)樣品采集10個(gè)光譜, 每個(gè)光譜為100次激光脈沖的平均結(jié)果, 最終共獲得520組光譜數(shù)據(jù), 測(cè)試軌跡如圖2所示。

1.5 沉積物樣品LIBS譜線

如圖3所示, 在200～800 nm波長(zhǎng)范圍內(nèi), 能夠識(shí)別出Na、 Ca、 Mg、 Si、 Al、 Fe、 Mn、 Sr、 Ba共9種元素的特征譜線。 結(jié)合前人的研究成果并參考美國(guó)國(guó)家原子光譜標(biāo)準(zhǔn)與技術(shù)局(NIST)原子光譜數(shù)據(jù)庫(kù), 選取譜線清晰, 受干擾程度較小的譜線。 綜合考慮, 最終選取Fe Ⅰ 259.94 nm、 Mg Ⅰ 285.24nm、 Si Ⅰ 288.06 nm、 Al Ⅰ 394.34 nm、 Mn Ⅰ 403.3 nm、 Ca Ⅰ 445.47 nm、 Ba Ⅰ 455.37 nm、 Sr Ⅰ 460.74 nm和Na Ⅰ 588.9 nm共9條特征譜線進(jìn)行單變量定標(biāo)分析。

圖3 沉積物樣本的LIBS光譜

1.6 光譜預(yù)處理

在地層沉積物樣品光譜信息采集過(guò)程中, 測(cè)試環(huán)境以及土壤壓片本身的均勻度, 平整度和基體效應(yīng)等因素會(huì)導(dǎo)致采集的光譜中存在光譜平移、 重疊及基線漂移等噪聲數(shù)據(jù), 因此, 在建模之前需要對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理[16], 盡可能去除掉對(duì)預(yù)測(cè)結(jié)果有干擾作用的無(wú)關(guān)噪聲數(shù)據(jù), 從而提高模型的穩(wěn)健性和預(yù)測(cè)能力。 本文分別采用S-G卷積平滑法、 SNV以及S-G卷積平滑法和SNV二者聯(lián)用3種預(yù)處理方法, 并以PLSR模型的模型參數(shù)作為預(yù)處理效果評(píng)價(jià)指標(biāo)。 3種不同的預(yù)處理方法結(jié)果如表2所示, S-G卷積平滑和SNV二者聯(lián)用后的模型效果最佳。 經(jīng)S-G卷積平滑和SNV預(yù)處理后規(guī)避掉了部分不必要的雜亂譜線, 使光譜數(shù)據(jù)整齊有序, 但這兩種預(yù)處理的效果很接近, 而經(jīng)過(guò)S-G卷積平滑和SNV聯(lián)用后, 光譜圖具有明顯變化, 光譜反射特征更為明顯, 光譜分布更集中(圖4), 因此將S-G卷積平滑和SNV聯(lián)用作為光譜數(shù)據(jù)預(yù)處理方法。

近年來(lái)，世界主要國(guó)家及地區(qū)開(kāi)始逐漸禁止塑料微珠在沖洗類化妝品等日化產(chǎn)品中的使用。究其原因，塑料微珠作為新型生態(tài)污染源對(duì)生態(tài)環(huán)境的影響及危害受到了業(yè)界的高度重視，也引起了熱議。為此，筆者收集并整理了塑料微珠的定義及其危害，以及近年來(lái)相關(guān)國(guó)家及地區(qū)對(duì)塑料微珠的一系列監(jiān)管動(dòng)態(tài)，幫助企業(yè)了解及應(yīng)對(duì)塑料微珠禁令；同時(shí)，也希望中國(guó)化妝品監(jiān)管機(jī)構(gòu)積極應(yīng)對(duì)并做出調(diào)整，順應(yīng)塑料微珠禁用全球化的趨勢(shì)。

表2 三種預(yù)處理方法下偏最小二乘回歸模型預(yù)測(cè)結(jié)果

圖4 沉積物樣品原始光譜數(shù)據(jù)(a), S-G平滑預(yù)處理后的光譜數(shù)據(jù)(b), SNV預(yù)處理后的光譜數(shù)據(jù)(c), S-G平滑+SNV預(yù)處理后的沉積物光譜數(shù)據(jù)(d)

1.7 PLSR模型參數(shù)優(yōu)化

在構(gòu)建PLSR模型時(shí)從52組樣品中選取40組樣品(包含7組標(biāo)準(zhǔn)土壤樣本)作為訓(xùn)練集, 用于構(gòu)建校正模型, 其余12組樣品為測(cè)試集, 用于驗(yàn)證PLSR模型預(yù)測(cè)性能。 采用全光譜數(shù)據(jù)作為自變量, 參考含量作為因變量進(jìn)行PLSR建模分析。 數(shù)據(jù)分析軟件是Unscrambler software, 使用留一法交叉驗(yàn)證評(píng)估所建立的PLSR模型的預(yù)測(cè)能力[17], 即每個(gè)樣品單獨(dú)作為測(cè)試集, 其余的39個(gè)樣品作為訓(xùn)練集。 這個(gè)過(guò)程持續(xù)到每個(gè)樣品都被驗(yàn)證一次。 留一法交叉驗(yàn)證能夠衡量模型所做的預(yù)測(cè)值與參考值之間的匹配程度, 是一個(gè)傳統(tǒng)的模型評(píng)估方法。

在模型訓(xùn)練過(guò)程中, 潛在變量數(shù)目的確定是PLSR模型擬合成功的關(guān)鍵, 潛在變量過(guò)量或不足都會(huì)削弱模型定量的效果和泛化能力。 本實(shí)驗(yàn)比較了PLSR模型的潛在變量數(shù)在1～20范圍內(nèi)9種元素交叉驗(yàn)證結(jié)果(圖5), 基于訓(xùn)練集的沉積物樣本中Na、 Ca、 Mg、 Si、 Al、 Fe、 Mn、 Sr、 Ba元素的潛在變量分別在8、 9、 10、 8、 13、 10、 7、 12和7時(shí)效果最佳, 此時(shí)的交叉驗(yàn)證均方根誤差(RMSECV)分別為： 0.874 1、 0.791 3、 0.086 3、 0.676 5、 0.191 4、 1.126 3、 0.009 8、 0.001 1和0.013 6。

圖5 沉積物樣品中9種元素基于PLSR算法在不同潛在變量數(shù)下的RMSECV

2 結(jié)果與討論

2.1 單變量定標(biāo)法

以元素譜線峰值強(qiáng)度作為因變量, 以元素參考含量作為自變量建立對(duì)應(yīng)元素的定標(biāo)曲線, 如圖6所示, 采用單變量定標(biāo)法得到的定標(biāo)曲線普遍不理想,R2均小于0.6, 相關(guān)性較低, Mg、 Al、 Fe和Ba元素含量與強(qiáng)度值出現(xiàn)負(fù)相關(guān)。 此外, 測(cè)試樣品的各元素含量相較定標(biāo)曲線偏離較遠(yuǎn), 說(shuō)明了單變量定標(biāo)法對(duì)未知量樣品存在較大的預(yù)測(cè)誤差。 該結(jié)果說(shuō)明在LIBS用于沉積物定量分析時(shí), 傳統(tǒng)的單變量定標(biāo)法由于單一譜線強(qiáng)度更容易受到基體效應(yīng)、 樣品不均勻等因素的影響, 其檢測(cè)結(jié)果的準(zhǔn)確性和可靠性較低, 不足以達(dá)到準(zhǔn)確定量的目的。

圖6 九種元素單變量定標(biāo)曲線

2.2 PLSR模型的建立

根據(jù)PLSR算法對(duì)52組樣品的定量分析結(jié)果(圖7)可知, 9種元素的R2均有明顯提升。 Na、 Ca、 Mg、 Si、 Al、 Fe、 Mn、 Sr和Ba元素的校正模型的預(yù)測(cè)決定系數(shù)R2分別為0.94、 0.94、 0.98、 0.94、 0.97、 0.84、 0.89、 0.98和0.76, 其各自的RMSECV和RMSEP分別為Na： 0.874 1和0.987 2; Ca： 0.791 3和0.804 7; Mg： 0.086 3和0.225 3; Si： 0.676 5和0.986 1; Al： 0.191 4和0.492 1; Fe： 1.126 3和2.390 6; Mn： 0.009 8和0.023 5; Sr： 0.001 1和0.002 3; Ba： 0.013 6和0.019 8。 結(jié)果表明Na、 Ca、 Mg、 Si、 Al和Sr元素達(dá)到了較好的定量效果, 而Fe、 Mn和Ba元素的建模精確度較差, 無(wú)法實(shí)現(xiàn)準(zhǔn)確定量的目的, 但相較于傳統(tǒng)單變量定標(biāo)分析法, PLSR算法具有較高的預(yù)測(cè)準(zhǔn)確度。

圖7 樣品中9種元素PLSR預(yù)測(cè)含量與參考含量的比較

統(tǒng)計(jì)9種元素的相對(duì)分析誤差(relative percent deviation, RPD), 當(dāng)RPD>2時(shí)說(shuō)明建立模型可靠; RPD<1.5時(shí), 表示模型預(yù)測(cè)不準(zhǔn)確, RPD在1.5～2.0之間, 基本可以滿足預(yù)測(cè)精度要求。 如表3所示, Na、 Ca、 Mg、 Si、 Al和Sr元素RPD均大于2, 說(shuō)明這6種元素的預(yù)測(cè)模型達(dá)到了較好的定量效果。 Fe、 Mn元素的RPD值在1.5～2之間, Ba元素的RPD值小于1.5, 其可能的原因與濃度效應(yīng)[18]有關(guān), 即訓(xùn)練集與測(cè)試集中待測(cè)元素的濃度差距過(guò)大而發(fā)生的一種現(xiàn)象。 當(dāng)訓(xùn)練集與測(cè)試集中待測(cè)樣品相比參考含量變化小于20%時(shí), 預(yù)測(cè)含量與參考含量在誤差范圍內(nèi)一致, 如果大于20%, 就會(huì)造成特征譜線強(qiáng)度較弱或較強(qiáng), 導(dǎo)致光譜強(qiáng)度與元素含量之間呈非線性的關(guān)系。 綜上, 在LIBS對(duì)沉積物多元素同時(shí)定量分析時(shí), PLSR算法的定量模型優(yōu)于傳統(tǒng)的單變量定標(biāo)法, 但由于訓(xùn)練集與測(cè)試集樣品基體濃度的差異性, 使PLSR算法在預(yù)測(cè)精度和適用性方面存在一定的局限性, 后續(xù)工作還需針對(duì)某一類元素設(shè)置特定實(shí)驗(yàn)參數(shù), 提高光譜數(shù)據(jù)質(zhì)量, 為元素定量分析提供良好的數(shù)據(jù)支撐。

表3 PLSR模型的預(yù)測(cè)結(jié)果指標(biāo)

2.3 LIBS技術(shù)在沉積環(huán)境研究領(lǐng)域中的應(yīng)用

以青海湖鉆孔沉積物為研究對(duì)象, 對(duì)于地處半干旱區(qū)的沉積物, 其地球化學(xué)元素和氧化物的分解、 遷移及沉淀規(guī)律均受到水熱條件的影響, 對(duì)古氣候環(huán)境變化非常敏感。 如Na、 Mg、 Ca和Sr元素的化學(xué)活動(dòng)性較強(qiáng), 在化學(xué)風(fēng)化及降水較多時(shí)易發(fā)生淋溶和遷移, 而Al是難遷移元素, 多保存在風(fēng)化形成的粘土礦物中, Si主要富集在粗顆粒沉積物, Mn在干早環(huán)境下含量比較高, 在相對(duì)潮濕的環(huán)境下含量較低, Fe在潮濕環(huán)境中易以Fe(OH)3膠體快速沉淀。 因此沉積物中Mg/Ca、 Ca/Sr、 Ba/Sr、 Si /Al 、 Na/Al和Fe/Mn是響應(yīng)氣候干濕變化的理想指標(biāo)。 為進(jìn)一步驗(yàn)證LIBS技術(shù)用于沉積物元素地球化學(xué)指標(biāo)測(cè)試的可行性, 本文利用已知元素參考含量比值與LIBS預(yù)測(cè)比值進(jìn)行對(duì)比分析, 以Mg/Ca、Ca/Sr、 Ba/Sr、 Si/Al、 Na/Al和Fe/Mn為例(圖8), 結(jié)果顯示二者元素比值曲線具有相似的變化趨勢(shì), 即當(dāng)參考含量比值為波峰時(shí), 相應(yīng)LIBS預(yù)測(cè)比值也為波峰; 當(dāng)參考含量比值為波谷時(shí), 相應(yīng)LIBS預(yù)測(cè)比值也為波谷。 說(shuō)明應(yīng)用LIBS技術(shù)對(duì)古氣候環(huán)境解譯具有重要意義, 可以在某種程度上代替?zhèn)鹘y(tǒng)的元素含量測(cè)定方法, 減少樣品前處理的工作量, 節(jié)約時(shí)間和成本, 進(jìn)而為古氣候古環(huán)境重建提高效率。 綜上, 根據(jù)LIBS技術(shù)對(duì)元素比值的測(cè)定結(jié)果可知, LIBS技術(shù)能夠準(zhǔn)確地捕捉沉積環(huán)境突變信號(hào), 驗(yàn)證了LIBS技術(shù)適用于沉積物元素地球化學(xué)指標(biāo)的測(cè)試分析, 可作為元素檢測(cè)的新方法應(yīng)用于古氣候環(huán)境古研究領(lǐng)域。

圖8 參考含量比值與LIBS預(yù)測(cè)比值的對(duì)比

3 結(jié) 論

通過(guò)LIBS技術(shù)結(jié)合單變量定標(biāo)和PLSR兩種定量方法對(duì)青海湖沉積物中Na、 Ca、 Mg、 Si、 Al、 Fe、 Mn、 Sr和Ba 9種元素含量的快速檢測(cè), 探討了LIBS技術(shù)對(duì)沉積物元素含量測(cè)定的可行性, 結(jié)果表明, PLSR算法明顯優(yōu)于傳統(tǒng)的單變量定標(biāo)法, PLSR算法可獲得更高的定量精度和穩(wěn)定性, 結(jié)合交叉驗(yàn)證均方根誤差及預(yù)測(cè)均方根誤差結(jié)果可知, PLSR算法對(duì)Na、 Ca、 Mg、 Si、 Al和Sr元素達(dá)到了較好的定量結(jié)果, 而Fe、 Mn和Ba元素的定量結(jié)果有待提高, 說(shuō)明PLSR算法可以修正單變量定標(biāo)法由于基體效應(yīng)、 譜線干擾等因素所造成的偏差, 提高檢測(cè)準(zhǔn)確性, 但由于樣品中元素濃度的差異性, 使PLSR算法在預(yù)測(cè)精度和適用性方面存在一定的局限性。 為進(jìn)一步探究LIBS結(jié)果的可靠性, 本文利用LIBS預(yù)測(cè)含量比值與已知參考含量比值進(jìn)行對(duì)比, 發(fā)現(xiàn)二者的比值曲線變化趨勢(shì)基本一致, 表明LIBS技術(shù)適用于元素地球化學(xué)指標(biāo)的分析測(cè)試。

通過(guò)LIBS技術(shù)結(jié)合PLSR算法實(shí)現(xiàn)了對(duì)沉積物多元素定量模型的建立, 并驗(yàn)證了LIBS技術(shù)應(yīng)用于沉積物元素地球化學(xué)的研究是可行的, 為探討古氣候古環(huán)境變化過(guò)程提供了新的技術(shù)和思路。 由于PLSR模型建立過(guò)程中訓(xùn)練集與測(cè)試集樣品基體濃度的差異性影響了模型的預(yù)測(cè)精度與適用性, 針對(duì)這一問(wèn)題下一階段嘗試擴(kuò)大模型學(xué)習(xí)樣本, 調(diào)整預(yù)處理方法, 使用非線性模型進(jìn)一步提升第四紀(jì)沉積物多元素檢測(cè)精度。

致謝：感謝福建師范大學(xué)物理與能源學(xué)院許濤副教授在前期提供實(shí)驗(yàn)平臺(tái)以及對(duì)LIBS系統(tǒng)的講解。 感謝西北大學(xué)化學(xué)與材料科學(xué)學(xué)院張?zhí)忑埜苯淌谔峁㎜IBS方法學(xué)研究的系統(tǒng)講解與支持。 感謝埃德比光子科技(中國(guó))有限公司(LTB)王峰工程師給予的技術(shù)指導(dǎo)。