[发明专利]一种去除作物中来源于大气沉降的重金属的方法

权利要求书

1.一种去除作物中来源于大气沉降的重金属的方法，其特征在于，所述去除作物中来源于大气沉降的重金属的方法包括以下步骤：

步骤一，基于作物所在区域的天气类型以及当地的环境，确定作物生产环境中大气中重金属沉降量以及重金属种类；同时基于大气中重金属沉降量计算土壤的重金属含量；

步骤二，获取多个含有重金属的作物样本作为参考作物样本集并置于样品瓶中；采用激光诱导击穿光谱仪获取每个参考作物样本集中每个参考作物的LIBS光谱样本，得到每个参考作物样本集对应的LIBS光谱样本子集；

步骤三，将样品瓶中的作物样本置于超声波清洗器中，加入高于样品瓶液面的盐酸-硝酸-氢氟酸混合液，以30～50℃、80～90％的频率超声处理20～30min，将样品瓶壁上的颗粒物全部震荡下来；若瓶壁上残留颗粒物，则再进行2～3次超声振荡；

步骤四，将滤膜放置在溶剂过滤器上，用软管连接溶剂过滤器和隔膜真空泵，开通电源后缓慢倒入超声振荡后的样品，直到样品全部抽滤完毕，将样品瓶用极少量的高纯水进行清洗，并进行抽滤；

步骤五，对每个LIBS光谱样本子集内的每个LIBS光谱样本进行超声振荡及抽滤的预处理后，将每个LIBS光谱样本子集内的LIBS光谱样本划分为训练样本和修正样本；

步骤六，对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线；根据步骤一获得的所述土壤的重金属含量数据和所述处理后的样本土壤的光谱反射率曲线，进行每个LIBS光谱样本的对应于相应重金属元素的特征波段选取处理，获得样本土壤的特征波段；

步骤七，构建PSO-BP神经网络模型，基于粒子群算法的全局搜索能力优化构建好的BP神经网络模型的结构和连接权重，获取PSO-BP神经网络模型；

步骤八，将所述样本土壤的特征波段输入构建好的PSO-BP神经网络模型中，并利用训练样本进行训练学习，获得每个训练样本的特征波段信息；

步骤九，根据每个训练样本的特征波段信息以及对应的重金属离子吸附种类信息和吸附浓度数据，建立作物复合重金属污染浓度测量模型；

步骤十，根据修正样本对作物复合重金属污染浓度测量模型进行修正；基于修正后的作物复合重金属污染浓度测量模型进行作物所含重金属种类以及浓度的测量；

步骤十一，基于步骤十计算得到的作物内重金属浓度以及步骤一得到的重金属类型及含量，确定重金属去除药剂的用量；

步骤十二，按照步骤十一确定的药剂用量喷施于作物表面，并于8～12h后连续三次向作物表面喷施清水洗脱；同时利用土壤改良剂进行土壤改良，利用水质改良剂进行灌溉水改良，去除土壤中、灌溉水中的重金属。

2.如权利要求1所述的去除作物中来源于大气沉降的重金属的方法，其特征在于，步骤二中，所述参考作物样本集包括：

每个参考作物样本集所吸附重金属离子的种类不同，每个参考作物样本集均包含多个参考作物子集，同一参考作物样本集内每个参考作物子集所吸附重金属离子的种类相同、浓度不同，同一参考作物子集内每个参考作物所吸附重金属离子的种类和浓度均相同。

3.如权利要求1所述的去除作物中来源于大气沉降的重金属的方法，其特征在于，步骤六中，所述对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线的方法，包括：

(I)对样本土壤进行光谱反射率进行测定，获取样本土壤的原始光谱反射率的曲线；

(II)基于Savitzky-Golay平滑算法对原始光谱反射率的曲线进行平滑处理，获取平滑后的光谱反射率曲线；

(III)对所述平滑后的光谱反射率曲线中的光谱进行光谱变换处理，获得处理后的样本土壤的光谱反射率曲线。

4.如权利要求1所述的去除作物中来源于大气沉降的重金属的方法，其特征在于，步骤十中，所述基于修正后的作物复合重金属污染浓度测量模型进行作物所含重金属种类以及浓度的测量的方法，包括：

获取待去除重金属沉降作物的LIBS光谱特征波段信息，并将其输入至修正后的作物复合重金属污染浓度测量模型，即可得到所述作物所含重金属离子吸附种类信息及吸附浓度数据。