@phdthesis{Brinkmann2022,
  author    = {Brinkmann, Pia},
  title     = {Laserinduzierte Breakdownspektroskopie zur qualitativen und quantitativen Bestimmung von Elementgehalten in geologischen Proben mittels multivariater Analysemethoden am Beispiel von Kupfer und ausgew{\"a}hlten Seltenen Erden},
  doi       = {10.25932/publishup-57212},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-572128},
  school      = {Universit{\"a}t Potsdam},
  pages     = {148},
  year      = {2022},
  abstract  = {Ein schonender Umgang mit den Ressourcen und der Umwelt ist wesentlicher Bestandteil des modernen Bergbaus sowie der zuk{\"u}nftigen Versorgung unserer Gesellschaft mit essentiellen Rohstoffen. Die vorliegende Arbeit besch{\"a}ftigt sich mit der Entwicklung analytischer Strategien, die durch eine exakte und schnelle Vor-Ort-Analyse den technisch-praktischen Anforderungen des Bergbauprozesses gerecht werden und somit zu einer gezielten und nachhaltigen Nutzung von Rohstofflagerst{\"a}tten beitragen. Die Analysen basieren auf den spektroskopischen Daten, die mittels der laserinduzierten Breakdownspektroskopie (LIBS) erhalten und mittels multivariater Datenanalyse ausgewertet werden. Die LIB-Spektroskopie ist eine vielversprechende Technik f{\"u}r diese Aufgabe. Ihre Attraktivit{\"a}t machen insbesondere die M{\"o}glichkeiten aus, Feldproben vor Ort ohne Probennahme oder ‑vorbereitung messen zu k{\"o}nnen, aber auch die Detektierbarkeit s{\"a}mtlicher Elemente des Periodensystems und die Unabh{\"a}ngigkeit vom Aggregatzustand. In Kombination mit multivariater Datenanalyse kann eine schnelle Datenverarbeitung erfolgen, die Aussagen zur qualitativen Elementzusammensetzung der untersuchten Proben erlaubt. Mit dem Ziel die Verteilung der Elementgehalte in einer Lagerst{\"a}tte zu ermitteln, werden in dieser Arbeit Kalibrierungs- und Quantifizierungsstrategien evaluiert. F{\"u}r die Charakterisierung von Matrixeffekten und zur Klassifizierung von Mineralen werden explorative Datenanalysemethoden angewendet. Die spektroskopischen Untersuchungen erfolgen an B{\"o}den und Gesteinen sowie an Mineralen, die Kupfer oder Seltene Erdelemente beinhalten und aus verschiedenen Lagerst{\"a}tten bzw. von unterschiedlichen Agrarfl{\"a}chen stammen. F{\"u}r die Entwicklung einer Kalibrierungsstrategie wurden sowohl synthetische als auch Feldproben von zwei verschiedenen Agrarfl{\"a}chen mittels LIBS analysiert. Anhand der Beispielanalyten Calcium, Eisen und Magnesium erfolgte die auf uni- und multivariaten Methoden beruhende Evaluierung verschiedener Kalibrierungsmethoden. Grundlagen der Quantifizierungsstrategien sind die multivariaten Analysemethoden der partiellen Regression der kleinsten Quadrate (PLSR, von engl.: partial least squares regression) und der Intervall PLSR (iPLSR, von engl.: interval PLSR), die das gesamte detektierte Spektrum oder Teilspektren in der Analyse ber{\"u}cksichtigen. Der Untersuchung liegen synthetische sowie Feldproben von Kupfermineralen zugrunde als auch solche die Seltene Erdelemente beinhalten. Die Proben stammen aus verschiedenen Lagerst{\"a}tten und weisen unterschiedliche Begleitmatrices auf. Mittels der explorativen Datenanalyse erfolgte die Charakterisierung dieser Begleitmatrices. Die daf{\"u}r angewendete Hauptkomponentenanalyse gruppiert Daten anhand von Unterschieden und Regelm{\"a}ßigkeiten. Dies erlaubt Aussagen {\"u}ber Gemeinsamkeiten und Unterschiede der untersuchten Proben im Bezug auf ihre Herkunft, chemische Zusammensetzung oder lokal bedingte Auspr{\"a}gungen. Abschließend erfolgte die Klassifizierung kupferhaltiger Minerale auf Basis der nicht-negativen Tensorfaktorisierung. Diese Methode wurde mit dem Ziel verwendet, unbekannte Proben aufgrund ihrer Eigenschaften in Klassen einzuteilen. Die Verkn{\"u}pfung von LIBS und multivariater Datenanalyse bietet die M{\"o}glichkeit durch eine Analyse vor Ort auf eine Probennahme und die entsprechende Laboranalytik weitestgehend zu verzichten und kann somit zum Umweltschutz sowie einer Schonung der nat{\"u}rlichen Ressourcen bei der Prospektion und Exploration von neuen Erzg{\"a}ngen und Lagerst{\"a}tten beitragen. Die Verteilung von Elementgehalten der untersuchten Gebiete erm{\"o}glicht zudem einen gezielten Abbau und damit eine effiziente Nutzung der mineralischen Rohstoffe.},
  language  = {de}
}
@phdthesis{Chao2020,
  author    = {Chao, Madlen},
  title     = {Entwicklung und Validierung eines Online-LIBS-Verfahrens f{\"u}r die Bestimmung von N{\"a}hrelementen in B{\"o}den},
  doi       = {10.25932/publishup-47677},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-476772},
  school      = {Universit{\"a}t Potsdam},
  pages     = {XII, 130},
  year      = {2020},
  abstract  = {In den letzten Jahrzehnten ist die Nachfrage nach kosteng{\"u}nstigen und fl{\"a}chendeckenden Kartierungsm{\"o}glichkeiten im Hinblick auf eine ertragssteigernde und umweltfreundlichere Bewirtschaftung von landwirtschaftlichen Nutzfl{\"a}chen stark gestiegen. Hierf{\"u}r eignen sich spektroskopische Methoden wie die R{\"o}ntgenfluoreszenzanalyse (RFA), Raman- und Gammaspektroskopie sowie die laserinduzierte Plasmaspektroskopie (LIBS). In Abh{\"a}ngigkeit von der Funktionsweise der jeweiligen Methoden werden Informationen zu verschiedensten Bodeneigenschaften wie N{\"a}hrelementgehalt, Textur und pH-Wert erhalten. Ziel dieser Arbeit ist die Entwicklung eines Online-LIBS-Verfahrens zur N{\"a}hrelementbestimmmung und Kartierung von Ackerfl{\"a}chen. Die LIBS ist eine schnelle und simultane Multielementanalyse bei der durch das Fokussieren eines hochenergetischen Laserpulses Probenmaterial von der Probenoberfl{\"a}che ablatiert wird und in ein Plasma {\"u}berf{\"u}hrt wird. Beim Abk{\"u}hlen des Plasmas wird Strahlung emittiert, welche R{\"u}ckschl{\"u}sse {\"u}ber die elementare Zusammensetzung der Probe gibt. Diese Arbeit ist im Teilprojekt I4S (Intelligenz f{\"u}r B{\"o}den) im Forschungsprogramm BonaRes (Boden als nachhaltige Ressource f{\"u}r die Bio{\"o}konomie) des Bundesministerium f{\"u}r Bildung und Forschung (BMBF) entstanden. Es wurden insgesamt 651 Bodenproben von verschiedenen Test-Agrarfl{\"a}chen unterschiedlichster Standorte Deutschlands gemessen, ausgewertet und zu Validierungszwecken mit entsprechender Referenzanalytik wie die Optische Emissionsspektroskopie mittels induktiv gekoppeltem Plasma (ICP-OES) und die wellenl{\"a}ngendispersive R{\"o}ntgenfluoreszenzanalyse (WDRFA) charakterisiert. F{\"u}r die Quantifizierung wurden zun{\"a}chst die Messparameter des LIBS-Systems auf die Bodenmatrix optimiert und f{\"u}r die Elemente geeignete Linien ausgew{\"a}hlt sowie deren Nachweisgrenzen bestimmt. Es hat sich gezeigt, dass eine absolute Quantifizierung basierend auf einem univariaten Ansatz aufgrund der starken Matrixeffekte und der schlechten Reproduzierbarkeit des Plasmas nur eingeschr{\"a}nkt m{\"o}glich ist. Bei Verwendung eines multivariaten Ansatz wie der Partial Least Squares Regression (PLSR) f{\"u}r die Kalibrierung konnten f{\"u}r die N{\"a}hrelemente im Vergleich zur univariaten Variante Analyseergebnisse mit h{\"o}herer G{\"u}te und geringeren Messunsicherheiten ermittelt werden. Die Untersuchungen haben gezeigt, dass das multivariate Modell weiter verbessert werden kann, indem mit einer Vielzahl von gut analysierten B{\"o}den verschiedener Standorte, Bodenarten und einem breiten Gehaltsbereich kalibriert wird. Mithilfe der Hauptkomponentenanalyse (PCA) wurde eine Klassifizierung der B{\"o}den nach der Textur realisiert. Weiterhin wurde auch eine Kalibrierung mit losem Bodenmaterial erstellt. Trotz der Signalabnahme konnten f{\"u}r die verschiedenen N{\"a}hrelemente Kalibriergeraden mit ausreichender, analytischer G{\"u}te erstellt werden. F{\"u}r den Einsatz auf dem Acker wurde außerdem der Einfluss von Korngr{\"o}ße und Feuchtigkeit auf das LIBS-Signal untersucht. Die unterschiedlichen Korngr{\"o}ßen haben nur einen geringen Einfluss auf das LIBS-Signal und das Kalibriermodell l{\"a}sst sich durch entsprechende Proben leicht anpassen. Dagegen ist der Einfluss der Feuchtigkeit deutlich st{\"a}rker und h{\"a}ngt stark von der Bodenart ab, sodass f{\"u}r jede Bodenart ein separates Kalibriermodell f{\"u}r verschiedene Feuchtigkeitsgehalte erstellt werden muss. Mithilfe der PCA kann der Feuchtigkeitsgehalt im Boden grob abgesch{\"a}tzt werden und die entsprechende Kalibrierung ausgew{\"a}hlt werden. Diese Arbeit liefert essentielle Informationen f{\"u}r eine Echtzeit-Analyse von N{\"a}hrelementen auf dem Acker mittels LIBS und leistet einen wichtigen Beitrag zu einer fortschrittlichen und zukunftsf{\"a}higen Nutzung von Ackerfl{\"a}chen.},
  language  = {de}
}