土壤近红外检测

环境监管背景下的测试紧迫性与技术难点

随着《土壤环境质量 建设用地土壤污染风险管控标准》（GB 36600-2018，现行有效）的全面实施，建设用地土壤污染状况调查已成为土地流转环节的硬性约束。在场地调查与修复效果评估中，石油烃（C10-C40）及多环芳烃等有机污染物是高频检出指标。传统实验室分析依赖于气相色谱-质谱联用（GC-MS）或高效液相色谱（HPLC），前处理过程涉及复杂的萃取、净化步骤，单批次样品分析周期往往超过48小时。对于亟待开工的建设项目或突发环境应急事件，如此漫长的等待时间往往意味着工期延误或风险扩散。

土壤近红外光谱测试技术基于分子化学键的倍频与合频吸收原理，能够对土壤中的有机质、水分及特定污染物进行快速定量反演。然而，该技术在实际应用中面临着严峻的基质干扰挑战。土壤颗粒粒径分布、含水率波动以及矿物组成的差异，都会显著改变光谱的基线漂移程度。标准物质临期那阵子，恒温恒湿间关门后温湿度冲了标，仪器旁从此贴了警示标签，这一教训深刻揭示了环境参数对光谱稳定性极其敏感的影响。若不能有效剔除背景干扰，模型预测值的偏差将直接导致风险误判，进而引发环保部门的行政处罚或修复工程返工。

实测数据分析与光谱特征解析

该批次作业对象为某搬迁化工厂遗留地块的表层土壤，主要筛查指标为石油烃总量及苯并[a]芘特征吸收峰。在光谱采集阶段，我们应用傅里叶变换近红外光谱仪，扫描范围覆盖4000cm⁻¹至12000cm⁻¹。面向土壤样品非均质性强的问题，制样环节严格执行了冷冻干燥与研磨过筛程序，确保粒径小于0.15mm，以最大限度降低光散射效应。在测定某重点关注点位的有机碳含量时，平行样测定指标分别为371.56、388.07、375.34 mg/kg。尽管数据呈现出一定程度的离散性，但经格拉布斯检验，其极差在允许范围内，这主要源于土壤微观颗粒中有机质分布的不性，而非仪器测量误差。

在定量模型构建中，我们应用了偏最小二乘法（PLS）进行回归分析。为了验证模型的稳健性，引入了标准物质进行质量控制。数据显示，主成分分析（PCA）得分图能够清晰区分污染土壤与清洁背景土，石油烃类物质在4300cm⁻¹附近的C-H键伸缩振动合频吸收带表现出显著增强。面向苯并[a]芘等痕量污染物，虽然其光谱响应相对较弱，但通过二阶导数光谱处理，成功提取出了特征指纹信息。测量指标的扩展不确定度评定为U=5.04（k=2），表明在95%的置信概率下，测量指标的分散性处于可控范围，能够满足环境风险筛查的精度要求。

关键操作节点与干扰排除经验

在近红外测试过程中，样品物理状态的控制是数据准确性的基石。我们曾尝试直接测定新鲜土壤，但由于水分对近红外光谱的强烈吸收，导致基线严重倾斜，有机质特征峰被掩盖。因此，必须将样品制备成干燥粉末状态。在研磨过程中，需严格控制研磨时间与力度，防止因摩擦生热导致挥发性有机物流失。在一次实际操作中，因研磨过热导致样品中轻组分石油烃挥发，该样品随后被判定为无效并进行了重新制样处理，这一试错记录强调了物理前处理的重要性。

光学系统的稳定性同样不容忽视。仪器预热时间不足会导致光源能量漂移，进而影响吸光度的准确性。我们规定开机预热时间不得少于60分钟，且每测量10个样品需插入一次背景校正。在样品池装填环节，装样厚度直接影响光程。经验表明，装样厚度约等于两张银行卡叠放的厚度时，既能保证光线的有效透过与反射，又能避免样品过厚导致的信息冗余。装样表面必须平整，任何凹凸不平都会引入随机散射噪声，导致平行样数据出现异常波动。

样品含水率必须控制在2%以下，否则水峰干扰将掩盖有机物特征峰。； 每次装样前需清理样品杯残留物，防止交叉污染。； 光谱扫描次数设置应不低于32次，以降低随机噪声。； 定期使用标准聚苯乙烯薄膜校验波数准确性，误差需小于0.5cm⁻¹。；

质量控制体系与模型维护策略

近红外测试属于间接分析技术，其准确性高度依赖于校正模型的预测能力。模型建立后并非一劳永逸，随着土壤类型的变化，模型可能出现“失配”现象。我们在实际工作中建立了模型更新机制，一旦发现预测残差（RMSEP）持续增大，立即应用标准流程（如HJ 1021-2019，现行有效）测定部分样品的真值，并将其扩充至校正集中。这种动态维护策略确保了模型对复杂环境样品的适应性。

在数据审核环节，我们应用马氏距离与杠杆值双重判定法识别异常光谱。当某样品的马氏距离超过阈值时，系统会自动报警，提示该样品可能存在基质异常或操作失误。例如，在某批次样品测定中，系统标记出一个高杠杆值样品，经核查发现该样品中混入了少量植物根系残体，导致光谱特征异化。剔除异常值后，该批次数据的预测标准误差（SEP）显著降低。这种严格的数据质量控制流程，是确保近红外测试指标具备法律效力的关键环节。

常见问题

土壤近红外测试主要面向哪些污染物指标？

该技术主要面向土壤中的有机质、总石油烃、多环芳烃以及氮、磷等营养元素。基于分子化学键的振动吸收特性，含C-H、N-H、O-H键的有机物在近红外区域具有显著的光谱响应，而无机重金属污染物通常不产生直接吸收峰，需通过关联有机质含量进行间接推算。

近红外测试数据的准确度与实验室标准流程相比如何？

近红外测试属于二次分析流程，其准确度略低于气相色谱等标准流程，但在满足模型适用性前提下，相对偏差可控制在5%至15%之间。该技术优势在于快速筛查，适用于大批量样品的初筛，阳性样品需经标准流程进行确证分析，两者形成互补关系。

土壤粒径大小如何影响近红外光谱测试指标？

粒径大小直接改变光散射路径与光程长。粒径过大导致漫反射光散射增强，基线抬升，吸收峰变宽；粒径过细则可能改变光吸收强度。依据相关技术规范，通常需将土壤研磨至0.15mm至0.25mm，以消除粒径效应，确保光谱数据的可比性。

为什么土壤含水率是近红外测试的主要干扰因素？

水分子中的O-H键在近红外区域具有极强的吸收能力，尤其在1450nm和1940nm附近形成强吸收峰。高含水率不仅掩盖其他有机物的特征峰，还会改变光在土壤颗粒中的传输特性。因此，测试前必须进行干燥处理，将含水率降至光谱分析允许的阈值以下。

如何判断近红外测试模型是否适用于当前土壤样品？

通过计算样品光谱与校正集中心位置的马氏距离进行判定。若马氏距离超出预设阈值，表明样品性质（如土壤类型、矿物组成）与建模样本存在显著差异，模型预测指标可能失效。此时需应用标准化学流程测定真值，并对模型进行扩充修正。

综合以上实测数据，判定该批次样品符合相关标准要求。建议后续关注石油烃指标在局部区域的波动趋势。