SEH论文 | 手持式XRF实现土壤Cd快速评估

背景：镉（Cd）因其高毒性和生物蓄积性，对生态系统和人类健康构成严重威胁，其监管限值极低，对快速、可靠的痕量检测技术提出了挑战。研究目的：本研究旨在开发一个结合机器学习（ML）与多表面模型（MSMs）的增强框架，以提升手持式X射线荧光（HXRF）技术在土壤Cd痕量检测、总量预测及形态分析中的性能。结论：通过优化XRF硬件（使用Cu/Mo组合滤波片）将Cd检出限大幅降低至0.33 mg/kg，并利用竞争性自适应重加权采样（CARS）和偏最小二乘（PLS）回归等机器学习方法，实现了对土壤Cd总量和关键性质（pH、SOC等）的准确预测；进一步将预测参数输入MSMs，可有效估算溶解态Cd含量，验证了该集成框架在土壤Cd快速现场监测与风险评估中的应用潜力。