@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}
}