TY - GEN A1 - Brinkmann, Pia A1 - Köllner, Nicole A1 - Merk, Sven A1 - Beitz, Toralf A1 - Altenberger, Uwe A1 - Löhmannsröben, Hans-Gerd T1 - Comparison of handheld and echelle spectrometer to assess copper in ores by means of laser-induced breakdown spectroscopy (LIBS) T2 - Zweitveröffentlichungen der Universität Potsdam : Mathematisch-Naturwissenschaftliche Reihe N2 - Its properties make copper one of the world’s most important functional metals. Numerous megatrends are increasing the demand for copper. This requires the prospection and exploration of new deposits, as well as the monitoring of copper quality in the various production steps. A promising technique to perform these tasks is Laser Induced Breakdown Spectroscopy (LIBS). Its unique feature, among others, is the ability to measure on site without sample collection and preparation. In this work, copper-bearing minerals from two different deposits are studied. The first set of field samples come from a volcanogenic massive sulfide (VMS) deposit, the second part from a stratiform sedimentary copper (SSC) deposit. Different approaches are used to analyze the data. First, univariate regression (UVR) is used. However, due to the strong influence of matrix effects, this is not suitable for the quantitative analysis of copper grades. Second, the multivariate method of partial least squares regression (PLSR) is used, which is more suitable for quantification. In addition, the effects of the surrounding matrices on the LIBS data are characterized by principal component analysis (PCA), alternative regression methods to PLSR are tested and the PLSR calibration is validated using field samples. T3 - Zweitveröffentlichungen der Universität Potsdam : Mathematisch-Naturwissenschaftliche Reihe - 1311 KW - LIBS KW - copper-bearing minerals KW - UVR KW - PCA KW - PLSR Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-584742 SN - 1866-8372 IS - 1311 ER - TY - THES A1 - Büchele, Dominique T1 - Entwicklung einer robusten Online-Methode zur Bestimmung von Nährelementen in Ackerböden mit einem Energie-dispersiven RFA-Sensor N2 - Im Rahmen der vom Bundesministerium für Bildung und -forschung geförderten Forschungsinitiative „BonaRes – Boden als nachhaltige Ressource der Bioökonomie“ soll sich das Teilprojekt „I4S – integrated system for site-specific soil fertility management“ der Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit widmen. Hierfür ist eine Messplattform zur Bestimmung relevanter Bodeneigenschaften und der quantitativen Analyse ausgewählter Makro- und Mikronährstoffe 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 Düngung und dementsprechend Verbesserung der Bodenfunktionen erstellt werden. Ziel der vorliegenden Arbeit ist die Grundlagenuntersuchung und Entwicklung einer robusten Online-Analyse mittels Energie-dispersiver Röntgenfluoreszenzspektroskopie (EDRFA) zur Quantifizierung ausgewählter Makro- und Mikronährstoffe in Böden für eine kostengünstige und flächendeckende Kartierung von Ackerflächen. Für die Entwicklung eines Online-Verfahrens wurde ein dem Stand der Technik entsprechender Röntgenfluoreszenzmesskopf in Betrieb genommen und die dazugehörigen Geräteparameter auf die Matrix Boden optimiert. Die Bestimmung der analytischen Qualitäts-merkmale wie Präzision und Nachweisgrenzen fand für eine Auswahl an Nährelementen von Aluminium bis Zink statt. Um eine möglichst Matrix-angepasste Kalibrierung zu erhalten, wurde sowohl mit zertifizierten Referenzmaterialien (CRM), als auch mit Ackerböden kalibriert. Da einer der größten Nachteile der Röntgenfluoreszenzanalyse 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 können. Zusätzlich wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um Gemeinsamkeiten und Ausreißer innerhalb des Probensets zu identifizieren. Es zeigte sich, dass eine Klassifizierung der Böden anhand ihrer Textur Sand, Schluff, Lehm und Ton möglich ist. Aufbauend auf den Ergebnissen idealer Bodenproben (zu Tabletten gepresste luftgetrocknete Proben mit Korngrößen < 0,5 mm) wurde im Verlauf dieser Arbeit die Probenvorbereitung immer weiter reduziert und der Einfluss verschiedener Kenngrößen untersucht. Diese Einflussfaktoren können die Dichte und die Homogenität der Probe, sowie Korngrößeneffekte und die Feuchtigkeit sein. Anhand des RMSE (Wurzel der mittleren Fehlerquadratsumme) und unter Berücksichtigung der Residuen werden die jeweils erstellten Kalibriermodelle miteinander verglichen. Um die Güte der Modelle zu bewerten, wurden diese mit einem Testset validiert. Hierfür standen 662 Bodenproben von 15 verschiedenen Standorten in Deutschland zur Verfügung. Da die Ergebnisse an gepressten Tabletten für die Elemente Al, Si, K, Ca, Ti, Mn, Fe und Zn den Anforderungen für eine spätere 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 Vorhersagefähigkeit mit der multivariaten PLSR besser ist als mit der univariaten Datenauswertung, insbesondere für die Elemente Mn und Zn. Der untersuchte Einfluss der Feuchtigkeit und der Korngrößen auf die Quantifizierung der Elementgehalte war vor allem bei leichteren Elementen deutlich zu sehen. Es konnte schließlich eine multivariate Kalibrierung unter Berücksichtigung dieser Faktoren für die Elemente Al bis Zn erstellt werden, so dass ein Einsatz an Böden auf dem Acker möglich sein sollte. Eine höhere Messunsicherheit muss dabei einkalkuliert werden. Für eine spätere Probennahme auf dem Feld wurde zudem der Unterschied zwischen statischen und dynamischen Messungen betrachtet, wobei sich zeigte, dass beide Varianten genutzt werden können. Zum Abschluss wurde der hier eingesetzte Sensor mit einem kommerziell erhältlichen Hand-Gerät auf sein Quantifizierungspotential hin verglichen. Der Sensor weist anhand seiner Ergebnisse ein großes Potential als Online-Sensor für die Messplattform auf. Die Ergebnisse unter Laborbedingungen zeigen, dass eine robuste Analyse Ackerböden unter Berücksichtigung der Einflussfaktoren möglich ist. N2 - As part of the research initiative "BonaRes – soil as sustainable resource of the bioeconomy", funded by the Federal Ministry of Education and Research, the subproject I4S is responsible for the development of an integrated system for site-specific soil fertility management. For this purpose, a measuring platform for the determination of relevant soil properties and the quantitative analysis of selected macro- and micronutrients is planned. In the first part of this project, the focus will be on calibration and validation of different sensors on the matrix soil, sampling on the field as well as designing and construction of the measurement platform. In the second part of the project, the soil sensors were installed and models as well as decision making algorithms for the control of fertilization and corresponding improvement of soil functions were established. The aim of the present work is the investigation and development of a robust online-analysis with energy-dispersive X-ray fluorescence spectroscopy (EDXRF) for the quantification of selected macro- and micronutrients in soils for a low-cost and area-wide mapping of arable land. For the development of an online method, a state-of-the-art X-ray fluorescence sensor was launched, and the corresponding device parameters were optimized for the matrix soil. The determination of the analytical figures of merit such as precision and detection limit took place for a selection of nutrients Al, Si, P, S, K, Ca, Ti, Mn, Fe, Cu and Zn. In order to obtain a matrix-specific calibration, certified reference materials (CRM) as well as a selection of agricultural soils was used. Since one of the biggest disadvantages of X-ray fluorescence analysis is the influence of matrix effects, the multivariate method of partial least squares regression (PLSR) in addition to the classical univariate data analysis was applied. PLSR offers the advantage of compensating matrix effects, resulting in more robust calibration models. Furthermore, a principal component analysis (PCA) was performed to identify similarities and outliers within the sample set. A classification of the soils based on their texture sand, silt, loam and clay was possible. Based on the results of ideal soil samples: pelleted air-dried samples with particle sizes < 0.5 mm, the sample preparation was reduced, and the influence of different properties was investigated. These factors can be the density and homogeneity of the sample, as well as grain size and moisture. Based on the parameter RMSE and considering the residuals, the created calibration models were compared with each other. To evaluate the quality of the models, validation with a test set was done. For this purpose, 662 soil samples from 15 different locations in Germany were available. Since the results on pressed pellets for the elements Al, Si, K, Ca, Ti, Mn, Fe and Zn correspond to the requirements for later online-analysis, further calibration models with loose soil samples were prepared. Again, good results could be achieved with sufficient detection limits and a low mean error in the prediction of unknown test samples. The predictive capability of the multivariate PLSR is better than that of the univariate data analysis, especially for the elements Mn and Zn. The influence of moisture and grain sizes on the quantification of elemental contents is clearly visible, especially for lighter elements. A multivariate calibration for the elements Si to Zn was possible, so that it is possible to measure soils in the field. A higher measurement uncertainty must be considered. For any subsequent sampling on the field, the difference between static and dynamic measurements was also considered showing that both variants could be used. Finally, the used sensor was compared with a commercially available handheld device for its quantification potential. Based on the results, the sensor has great potential as an online-sensor on the platform. The results under laboratory conditions show that the robust analysis of arable soils is possible considering the influencing factors. T2 - Development of a robust online-method for determination of nutrients in agricultural soils using an EDXRF-sensor KW - Chemometrie KW - Boden KW - RFA KW - PCA KW - PLSR KW - ICP-OES KW - Nährelemente KW - Soil KW - Chemometrics KW - Nutrients KW - XRF KW - PCA KW - PLSR KW - ICP-OES Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-483735 ER - TY - THES A1 - Chao, Madlen T1 - Entwicklung und Validierung eines Online-LIBS-Verfahrens für die Bestimmung von Nährelementen in Böden N2 - In den letzten Jahrzehnten ist die Nachfrage nach kostengünstigen und flächendeckenden Kartierungsmöglichkeiten im Hinblick auf eine ertragssteigernde und umweltfreundlichere Bewirtschaftung von landwirtschaftlichen Nutzflächen stark gestiegen. Hierfür eignen sich spektroskopische Methoden wie die Röntgenfluoreszenzanalyse (RFA), Raman- und Gammaspektroskopie sowie die laserinduzierte Plasmaspektroskopie (LIBS). In Abhängigkeit von der Funktionsweise der jeweiligen Methoden werden Informationen zu verschiedensten Bodeneigenschaften wie Nährelementgehalt, Textur und pH-Wert erhalten. Ziel dieser Arbeit ist die Entwicklung eines Online-LIBS-Verfahrens zur Nährelementbestimmmung und Kartierung von Ackerflächen. Die LIBS ist eine schnelle und simultane Multielementanalyse bei der durch das Fokussieren eines hochenergetischen Laserpulses Probenmaterial von der Probenoberfläche ablatiert wird und in ein Plasma überführt wird. Beim Abkühlen des Plasmas wird Strahlung emittiert, welche Rückschlüsse über die elementare Zusammensetzung der Probe gibt. Diese Arbeit ist im Teilprojekt I4S (Intelligenz für Böden) im Forschungsprogramm BonaRes (Boden als nachhaltige Ressource für die Bioökonomie) des Bundesministerium für Bildung und Forschung (BMBF) entstanden. Es wurden insgesamt 651 Bodenproben von verschiedenen Test-Agrarflächen unterschiedlichster Standorte Deutschlands gemessen, ausgewertet und zu Validierungszwecken mit entsprechender Referenzanalytik wie die Optische Emissionsspektroskopie mittels induktiv gekoppeltem Plasma (ICP-OES) und die wellenlängendispersive Röntgenfluoreszenzanalyse (WDRFA) charakterisiert. Für die Quantifizierung wurden zunächst die Messparameter des LIBS-Systems auf die Bodenmatrix optimiert und für die Elemente geeignete Linien ausgewählt 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 eingeschränkt möglich ist. Bei Verwendung eines multivariaten Ansatz wie der Partial Least Squares Regression (PLSR) für die Kalibrierung konnten für die Nährelemente im Vergleich zur univariaten Variante Analyseergebnisse mit höherer Güte und geringeren Messunsicherheiten ermittelt werden. Die Untersuchungen haben gezeigt, dass das multivariate Modell weiter verbessert werden kann, indem mit einer Vielzahl von gut analysierten Böden verschiedener Standorte, Bodenarten und einem breiten Gehaltsbereich kalibriert wird. Mithilfe der Hauptkomponentenanalyse (PCA) wurde eine Klassifizierung der Böden nach der Textur realisiert. Weiterhin wurde auch eine Kalibrierung mit losem Bodenmaterial erstellt. Trotz der Signalabnahme konnten für die verschiedenen Nährelemente Kalibriergeraden mit ausreichender, analytischer Güte erstellt werden. Für den Einsatz auf dem Acker wurde außerdem der Einfluss von Korngröße und Feuchtigkeit auf das LIBS-Signal untersucht. Die unterschiedlichen Korngrößen haben nur einen geringen Einfluss auf das LIBS-Signal und das Kalibriermodell lässt sich durch entsprechende Proben leicht anpassen. Dagegen ist der Einfluss der Feuchtigkeit deutlich stärker und hängt stark von der Bodenart ab, sodass für jede Bodenart ein separates Kalibriermodell für verschiedene Feuchtigkeitsgehalte erstellt werden muss. Mithilfe der PCA kann der Feuchtigkeitsgehalt im Boden grob abgeschätzt werden und die entsprechende Kalibrierung ausgewählt werden. Diese Arbeit liefert essentielle Informationen für eine Echtzeit-Analyse von Nährelementen auf dem Acker mittels LIBS und leistet einen wichtigen Beitrag zu einer fortschrittlichen und zukunftsfähigen Nutzung von Ackerflächen. N2 - In the last few decades, the demand for affordable and extensive mapping of agricultural fields has risen in order to make the cultivation of these areas more yielding and environmentally friendly. Spectroscopic methods like X-ray fluorescence spectroscopy (XRF), Raman spectroscopy, gamma-ray spectroscopy and laser-induced breakdown spectroscopy (LIBS) are generally suitable for this purpose. Depending on the functionality of each method, information about soil properties such as nutrient content, texture and pH value are obtained. The aim of this thesis is the development of an online LIBS analysis method for the determination of the nutrient content in soil and the mapping of agricultural areas. LIBS is a fast and simultaneous multi-element analysis, in which material is ablated from the sample’s surface and turned into plasma by focused, highly energetic laser pulses. While the plasma cools down, radiation is emitted, which is characteristic for the elemental composition of the sample. The work in this thesis has been done as part of the project I4S (intelligence for soil) within the research programme BonaRes (soil as a sustainable resource for the bioeconomy) funded by the Federal Ministry of Education and Research (BMBF) in Germany. Overall, 651 soil samples of different agricultural areas within Germany have been selected, measured and evaluated with LIBS. For validation purposes the samples have been also analysed with inductively coupled plasma optical emission spectrometry (ICP-OES) and wavelength-dispersive X-ray fluorescence (WDXRF). For the quantification of the nutrient content, the measuring parameters of the LIBS system have been optimised for the soil matrix, suitable spectral lines have been chosen for each element and their limits of detection have been determined. It has been shown that an absolute quantification based on a univariate approach is challenging due to strong matrix effects and poor reproducibility of the plasma. By utilising a multivariate approach such as partial least squares regression (PLSR) for the calibration, better results with lower measurement uncertainties have been obtained for the quantification of the nutrient content. The multivariate model has been improved further by cali-brating with data from soils of different origin, type and nutrient content. With the help of principal component analysis (PCA) a classification of soils according to their textures is realised. Further-more, another model is calibrated with loose soil as opposed to the pressed pellets that have been used before. Despite decreases in signal intensity, calibration models with sufficient accuracy have been achieved. For the application on the field, the influence of different grain size distributions and moisture have been investigated. First tests of different grain size distributions have indicated that the grain size has only a small effect on the LIBS signal and calibration models can be easily ad-justed with the help of appropriate samples. However, the influence of moisture is much larger and depends on the soil type, which is why for each soil type a separate calibration model for different moisture contents has to be created. With the help of PCA, the moisture content can be estimated and, thus, the correct calibration model can be chosen. This thesis provides essential information for the real-time analysis of nutrient content on agricultural fields with LIBS and makes an important contribution to an advanced and sustainable usage of agricultural land. T2 - Development and validation of an online-LIBS method for the determination of nutrients in soils KW - LIBS KW - PLSR KW - PCA KW - Nährelemente KW - Boden KW - Doppelpuls KW - Chemometrie KW - Düngeempfehlung KW - Kartierung KW - Precision Agriculture KW - ICP-OES KW - RFA KW - XRF Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-476772 ER - TY - THES A1 - Brinkmann, Pia T1 - Laserinduzierte Breakdownspektroskopie zur qualitativen und quantitativen Bestimmung von Elementgehalten in geologischen Proben mittels multivariater Analysemethoden am Beispiel von Kupfer und ausgewählten Seltenen Erden N2 - Ein schonender Umgang mit den Ressourcen und der Umwelt ist wesentlicher Bestandteil des modernen Bergbaus sowie der zukünftigen Versorgung unserer Gesellschaft mit essentiellen Rohstoffen. Die vorliegende Arbeit beschäftigt 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 Rohstofflagerstätten 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 für diese Aufgabe. Ihre Attraktivität machen insbesondere die Möglichkeiten aus, Feldproben vor Ort ohne Probennahme oder ‑vorbereitung messen zu können, aber auch die Detektierbarkeit sämtlicher Elemente des Periodensystems und die Unabhängigkeit 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 Lagerstätte zu ermitteln, werden in dieser Arbeit Kalibrierungs- und Quantifizierungsstrategien evaluiert. Für die Charakterisierung von Matrixeffekten und zur Klassifizierung von Mineralen werden explorative Datenanalysemethoden angewendet. Die spektroskopischen Untersuchungen erfolgen an Böden und Gesteinen sowie an Mineralen, die Kupfer oder Seltene Erdelemente beinhalten und aus verschiedenen Lagerstätten bzw. von unterschiedlichen Agrarflächen stammen. Für die Entwicklung einer Kalibrierungsstrategie wurden sowohl synthetische als auch Feldproben von zwei verschiedenen Agrarflächen 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 berücksichtigen. Der Untersuchung liegen synthetische sowie Feldproben von Kupfermineralen zugrunde als auch solche die Seltene Erdelemente beinhalten. Die Proben stammen aus verschiedenen Lagerstätten und weisen unterschiedliche Begleitmatrices auf. Mittels der explorativen Datenanalyse erfolgte die Charakterisierung dieser Begleitmatrices. Die dafür angewendete Hauptkomponentenanalyse gruppiert Daten anhand von Unterschieden und Regelmäßigkeiten. Dies erlaubt Aussagen über Gemeinsamkeiten und Unterschiede der untersuchten Proben im Bezug auf ihre Herkunft, chemische Zusammensetzung oder lokal bedingte Ausprägungen. 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 Verknüpfung von LIBS und multivariater Datenanalyse bietet die Möglichkeit durch eine Analyse vor Ort auf eine Probennahme und die entsprechende Laboranalytik weitestgehend zu verzichten und kann somit zum Umweltschutz sowie einer Schonung der natürlichen Ressourcen bei der Prospektion und Exploration von neuen Erzgängen und Lagerstätten beitragen. Die Verteilung von Elementgehalten der untersuchten Gebiete ermöglicht zudem einen gezielten Abbau und damit eine effiziente Nutzung der mineralischen Rohstoffe. N2 - The sustainable use of resources and the environment is an important part of modern mining and the supply of our society with essential raw materials in the future. The present work focuses on the development of analytical strategies that address the technical-practical requirements of the mining process through accurate and rapid on-site analysis, thus contributing to the targeted and sustainable use of raw material deposits. The analyses are based on spectroscopic data obtained by laser-induced breakdown spectroscopy (LIBS) and evaluated by multivariate data analysis. LIB spectroscopy is a promising technique for this task. Its advantages are in particular the possibility to measure field samples on site without sample collection or preparation, but also the detectability of all elements of the periodic table and the independence of the state of matter. In combination with multivariate data analysis, rapid data processing can be performed, allowing statements to be made on the qualitative elemental composition of the samples investigated. With the goal of determining the distribution of elemental contents in a deposit, calibration and quantification strategies are evaluated in this work. Exploratory data analysis methods are used to characterize matrix effects and to classify minerals. Spectroscopic studies are performed on soils and rocks as well as on minerals containing copper or rare earth elements originating from different deposits or from different agricultural sites. To develop a calibration strategy, both synthetic and field samples from two different agricultural sites were analyzed using LIBS. Using calcium, iron and magnesium as example analytes, the evaluation of different calibration methods based on univariate and multivariate methods was performed. Basics of the quantification strategies are the multivariate analysis methods of partial least squares regression (PLSR) and interval PLSR (iPLSR), which consider the whole detected spectrum or partial spectra in the analysis. The investigation is based on synthetic and field samples of copper minerals as well as those containing rare earth elements. The samples are from different deposits and have varying accompanying matrices. Exploratory data analysis was used to characterize these accompanying matrices. The principal component analysis used for this purpose groups data on the basis of differences and regularities. This allows conclusions to be drawn about similarities and differences between the samples examined in terms of their origin, chemical composition or locally determined characteristics. Finally, the classification of copper-bearing minerals was based on non-negative tensor factorization. This method was used with the aim of classifying unknown samples based on their properties. The combination method of LIBS and multivariate data analysis offers the possibility to avoid sampling and the corresponding laboratory analysis as far as possible by an on-site analysis and can thus contribute to environmental protection as well as to a conservation of natural resources during the prospection and exploration of new ore veins and deposits. The distribution of element contents of the investigated areas also enables a precise mining and thus an efficient utilization of the mineral raw materials. KW - LIBS KW - laserinduzierte Breakdownspektroskopie KW - Seltene Erdelemente KW - Kupfer KW - PCA KW - PLSR KW - NTF KW - copper KW - LIBS KW - NTF KW - PCA KW - PLSR KW - rare earth elements KW - laser induced breakdown spectroscopy Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-572128 ER -