@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}
}
@phdthesis{Buechele2020,
  author    = {B{\"u}chele, Dominique},
  title     = {Entwicklung einer robusten Online-Methode zur Bestimmung von N{\"a}hrelementen in Ackerb{\"o}den mit einem Energie-dispersiven RFA-Sensor},
  doi       = {10.25932/publishup-48373},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-483735},
  school      = {Universit{\"a}t Potsdam},
  pages     = {IX, 106, XLV},
  year      = {2020},
  abstract  = {Im Rahmen der vom Bundesministerium f{\"u}r Bildung und -forschung gef{\"o}rderten Forschungsinitiative „BonaRes - Boden als nachhaltige Ressource der Bio{\"o}konomie" soll sich das Teilprojekt „I4S - integrated system for site-specific soil fertility management" der Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit widmen. Hierf{\"u}r ist eine Messplattform zur Bestimmung relevanter Bodeneigenschaften und der quantitativen Analyse ausgew{\"a}hlter Makro- und Mikron{\"a}hrstoffe geplant. In der ersten Phase dieses Projekts liegt das Hauptaugenmerk auf der Kalibrierung und Validierung der verschiedenen Sensoren auf die Matrix Boden, der Probennahme auf dem Acker und der Planung sowie dem Aufbau der Messplattform. Auf dieser Plattform sollen in der zweiten Phase des Projektes die verschiedenen Bodensensoren installiert, sowie Modelle und Entscheidungsalgorithmen zur Steuerung der D{\"u}ngung und dementsprechend Verbesserung der Bodenfunktionen erstellt werden. Ziel der vorliegenden Arbeit ist die Grundlagenuntersuchung und Entwicklung einer robusten Online-Analyse mittels Energie-dispersiver R{\"o}ntgenfluoreszenzspektroskopie (EDRFA) zur Quantifizierung ausgew{\"a}hlter Makro- und Mikron{\"a}hrstoffe in B{\"o}den f{\"u}r eine kosteng{\"u}nstige und fl{\"a}chendeckende Kartierung von Ackerfl{\"a}chen. F{\"u}r die Entwicklung eines Online-Verfahrens wurde ein dem Stand der Technik entsprechender R{\"o}ntgenfluoreszenzmesskopf in Betrieb genommen und die dazugeh{\"o}rigen Ger{\"a}teparameter auf die Matrix Boden optimiert. Die Bestimmung der analytischen Qualit{\"a}ts-merkmale wie Pr{\"a}zision und Nachweisgrenzen fand f{\"u}r eine Auswahl an N{\"a}hrelementen von Aluminium bis Zink statt. Um eine m{\"o}glichst Matrix-angepasste Kalibrierung zu erhalten, wurde sowohl mit zertifizierten Referenzmaterialien (CRM), als auch mit Ackerb{\"o}den kalibriert. Da einer der gr{\"o}ßten Nachteile der R{\"o}ntgenfluoreszenzanalyse die Beeinflussung durch Matrixeffekte ist, wurde neben der klassischen univariaten Datenauswertung auch die chemometrische multivariate Methode der Partial Least Squares Regression (PLSR) eingesetzt. Die PLSR bietet dabei den Vorteil, Matrixeffekte auszugleichen, wodurch robustere Kalibriermodelle erhalten werden k{\"o}nnen. Zus{\"a}tzlich wurde eine Hauptkomponentenanalyse (PCA) durchgef{\"u}hrt, um Gemeinsamkeiten und Ausreißer innerhalb des Probensets zu identifizieren. Es zeigte sich, dass eine Klassifizierung der B{\"o}den anhand ihrer Textur Sand, Schluff, Lehm und Ton m{\"o}glich ist. Aufbauend auf den Ergebnissen idealer Bodenproben (zu Tabletten gepresste luftgetrocknete Proben mit Korngr{\"o}ßen < 0,5 mm) wurde im Verlauf dieser Arbeit die Probenvorbereitung immer weiter reduziert und der Einfluss verschiedener Kenngr{\"o}ßen untersucht. Diese Einflussfaktoren k{\"o}nnen die Dichte und die Homogenit{\"a}t der Probe, sowie Korngr{\"o}ßeneffekte und die Feuchtigkeit sein. Anhand des RMSE (Wurzel der mittleren Fehlerquadratsumme) und unter Ber{\"u}cksichtigung der Residuen werden die jeweils erstellten Kalibriermodelle miteinander verglichen. Um die G{\"u}te der Modelle zu bewerten, wurden diese mit einem Testset validiert. Hierf{\"u}r standen 662 Bodenproben von 15 verschiedenen Standorten in Deutschland zur Verf{\"u}gung. Da die Ergebnisse an gepressten Tabletten f{\"u}r die Elemente Al, Si, K, Ca, Ti, Mn, Fe und Zn den Anforderungen f{\"u}r eine sp{\"a}tere Online-Analyse entsprechen, wurden im weiteren Verlauf dieser Arbeit Kalibriermodelle mit losen Bodenproben erstellt. Auch hier konnten gute Ergebnisse durch ausreichende Nachweisgrenzen und eine niedrige gemittelte Messabweichung bei der Vorhersage unbekannter Testproben erzielt werden. Es zeigte sich, dass die Vorhersagef{\"a}higkeit mit der multivariaten PLSR besser ist als mit der univariaten Datenauswertung, insbesondere f{\"u}r die Elemente Mn und Zn. Der untersuchte Einfluss der Feuchtigkeit und der Korngr{\"o}ßen auf die Quantifizierung der Elementgehalte war vor allem bei leichteren Elementen deutlich zu sehen. Es konnte schließlich eine multivariate Kalibrierung unter Ber{\"u}cksichtigung dieser Faktoren f{\"u}r die Elemente Al bis Zn erstellt werden, so dass ein Einsatz an B{\"o}den auf dem Acker m{\"o}glich sein sollte. Eine h{\"o}here Messunsicherheit muss dabei einkalkuliert werden. F{\"u}r eine sp{\"a}tere Probennahme auf dem Feld wurde zudem der Unterschied zwischen statischen und dynamischen Messungen betrachtet, wobei sich zeigte, dass beide Varianten genutzt werden k{\"o}nnen. Zum Abschluss wurde der hier eingesetzte Sensor mit einem kommerziell erh{\"a}ltlichen Hand-Ger{\"a}t auf sein Quantifizierungspotential hin verglichen. Der Sensor weist anhand seiner Ergebnisse ein großes Potential als Online-Sensor f{\"u}r die Messplattform auf. Die Ergebnisse unter Laborbedingungen zeigen, dass eine robuste Analyse Ackerb{\"o}den unter Ber{\"u}cksichtigung der Einflussfaktoren m{\"o}glich ist.},
  language  = {de}
}
@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}
}