参考线理论：土壤碳 LIBS 的 C–Fe 谱线干扰校正

2026-08-20 · LIBS · 光谱分析 · 科研笔记

用激光诱导击穿光谱（LIBS）测土壤碳时，常用的碳特征线 C I 247.8561 nm 会被富铁土壤中的铁发射干扰，导致碳含量被高估（文献报道可高估 15%–58%）。"参考线理论"就是一类解决这个干扰的方法：找一条独立的铁谱线作参照，用它推算目标窗口里铁贡献了多少，再把这部分扣掉。这篇笔记把这个理论的公式链梳理清楚，并结合项目的实际数据说明它到底好不好用。

一、两条谱线怎么混在一起

目标窗口在 247.70–248.08 nm 附近。碳的 C I 247.8561 nm 线旁边，紧挨着一条铁线。不同文献对这条铁线的归属标注并不一致：有标 Fe II 247.8572 nm 的，有标"Fe 247.98 nm"的；本项目依据 NIST 归属，把它定为 Fe I 247.976 nm（右肩）。

问题的本质是：仪器的光谱分辨率只有约 0.07 nm，这两条线几乎重合，测到的是一个"复合包络"，无法直接看出其中碳和铁各占多少。参考线理论的核心思路就是用窗口外的一条铁线，去"猜"窗口内铁线的贡献。

二、两篇文献给出的两种做法

2.1 Ma 等（2021，Geoderma）：高分辨 + 最小二乘

Ma 等用高分辨率光谱仪把 C 线和邻近的 Fe II 247.8572 nm 线分开，然后借助一条 Fe 参考线（Fe II 249.7819 nm）做最小二乘校正。他们的逻辑是：目标窗口的总强度 = 碳贡献 + 铁贡献，而铁贡献可以通过参考线按一定比例推算出来。

2.2 Bai 等（2016，JAAS）：粉煤灰经验铁线比

Bai 等研究的是粉煤灰中未燃碳的 C–Fe 干扰。他们在纯铁材料（Fe₂(SO₄)₃）上实测了几条 Fe 线的强度比，用 Fe 248.33、250.11、251.08 nm 作为校正线，其中 Fe 248.33 nm 给出了最好的多元校正结果（R² = 0.998）。

三、参考线理论的核心公式

3.1 理论基石：谱线强度比（玻尔兹曼关系）

为什么可以用一条参考线去推算另一条铁线的强度？在局部热力学平衡（LTE）近似下，同一元素、同一电离态的两条谱线的积分强度比由下式决定：

I_t / I_r = (A_t·g_t·λ_r) / (A_r·g_r·λ_t) · exp[ −(E_t − E_r) / (kT) ] (1)

符号含义

I_t、I_r：目标线、参考线的积分强度

A_t、A_r：两线的跃迁概率（Einstein A 系数）

g_t、g_r：上能级简并度

λ_t、λ_r：波长；E_t、E_r：上能级能量

k：玻尔兹曼常数；T：等离子体温度

这个公式是参考线方法的物理根基，它告诉我们：两条线的强度比不是任意的，而是由原子常数和等离子体温度共同决定的。当两条线的上能级能量接近时，指数项 exp[−(E_t−E_r)/(kT)] 趋近于 1，强度比对温度的波动就不敏感，比值就稳定——这正是挑选参考线时要求"上能级相近"的原因。

3.2 从强度比到校正方程

有了强度比，就可以把目标窗口里铁线的贡献"翻译"成参考线强度的某个倍数。Ma 等（2021）的做法可以概括为两步：

第一步，把 247.86 nm 处的总强度写成碳贡献与铁贡献之和：

I_total(247.86) = I_C + I_Fe (2)

第二步，用参考线强度按固定系数估计铁贡献：

I_Fe = k · I_ref (3)

然后用最小二乘法同时估计校准系数 k 和碳贡献 I_C。这里有一个关键转折：式 (1) 给出的理论比率只在理想条件下成立。Ma 等自己在论文里也提醒——自然土壤中"纯"的铁 247.8572 nm 强度根本观测不到，所以实际必须用经验系数去替代理论比率。这个"理论与现实的差距"，正是后面项目结果里反复出现的主题。

3.3 实际拟合的基础：伪 Voigt 谱形

要在一个复合包络里把碳峰和铁肩拆开，需要给每条谱线一个可拟合的谱形函数。项目用的是面积归一化的伪 Voigt 函数（Gaussian 和 Lorentz 的线性组合）：

PV(λ; μ, w, η) = η·L(λ; μ, w) + (1−η)·G(λ; μ, w)，η = 0.50 (4)

其中 μ 是峰中心，w 是半高全宽（FWHM），η 控制高斯/洛伦兹的比例。高斯项对应仪器分辨和多普勒展宽，洛伦兹项对应压力/Stark 展宽，各取一半是 LIBS 里常用的折中。

3.4 局部双组分模型（M1）

在目标窗口里，用一个"碳中心复合峰 + 铁右肩"的双组分模型去描述：

I(λ) = b₀ + b₁(λ−λ_C) + A_c·PV(λ; λ_C+δ, w_c) + A_f·PV(λ; λ_Fe+δ, w_f) + ε (5)

符号含义

λ_C = 247.8561 nm，λ_Fe = 247.976 nm

A_c：中心"碳相关复合面积"；A_f：Fe I 右肩面积

δ：两峰共享的局部剩余波长偏移；w_c、w_f：两组分 FWHM

b₀ + b₁(λ−λ_C)：一次局部背景项，吸收基线校正后的微小残余

注意 A_c 和 A_f 是拟合出来的"复合面积"，并不等于恢复出来的纯 C I 或纯 Fe I 物理强度——这一点在解释结果时很关键。对照模型 M0 只含中心峰、不含铁右肩，用来验证铁肩是否必要。

3.5 用参考线约束分解：软约束

直接参考线的用法是：先用参考线预测右肩面积 A_f，再把它作为"软约束"塞进分解。预测用简单的线性关系：

Â_f,i = p₀ + p₁·R_FeI,i (6)

为避免"自己预测自己"，对样品 i 估计 Â_f,i 时只用其余样品拟合 p₀、p₁（交叉拟合）。然后把预测值作为先验，加进最小二乘目标函数：

L(θ) = Σ[I_obs(λ) − I_model(λ;θ)]² + [ (A_f − Â_f) / σ_Af ]² (7)

第一项是常规的谱形重建，第二项是"惩罚项"——当 A_f 偏离参考线预测的 Â_f 时拉回一点。σ_Af 表示先验的不确定度，控制这个约束有多"硬"。

3.6 分层关联：样品间 vs 样品内

一条参考特征到底能不能用，不能只看总体相关，还要区分两种不同来源的共变。样品间模型用样品均值：

S̄_i = α + β_B·R̄_i + ε_i (8)

样品内模型先对每个样品中心化，再看同一样品不同采样点的同步波动：

S_ij − S̄_i = β_W·(R_ij − R̄_i) + ε_ij (9)

β_B 描述"不同样品平均水平之间的关系"，β_W 描述"同一样品内采样点的同步变化"。这个拆分的意义在于：一条线即使在样品间相关很好，如果样品内的点对点共波动不稳定，它的参考价值也存疑。

四、项目实际数据：这套理论落地后发生了什么

4.1 数据与验证方式

项目用了 154 条校正后的 LIBS 光谱，嵌套在 16 个独立土壤样品（3 个地区）里，碳浓度为 TC_percent。关键的一点是：154 条光谱是技术重复，独立统计单位只有 16 个样品，所以验证用的是"留一样品出"（LOSO）交叉验证，而不是把 154 条光谱当独立样本随机拆分。

4.2 第一步：双组分模型成立

首先确认式 (5) 的 M1 模型是否必要。结果是在全部 16 个样品的均值谱上，M1（中心峰 + 铁右肩）都得到强烈支持（16/16），说明 Fe I 247.976 nm 右肩确实是目标谱形不可或缺的一部分。这为后续提取 A_c 和 A_f 提供了依据。

4.3 第二步：直接参考线失败了

最出人意料的结果来自对历史 Fe I 248.33 nm 参考线的检验——这正是 Bai 等（2016）在粉煤灰里效果最好的那条线。在土壤数据上，它的表现是：

检验	结果
LOSO RMSE 变化	−2.09%（几乎没有改善，甚至略差）
bootstrap 斜率区间	跨过零（符号不稳定）
地区依赖	不同地区斜率方向不一致
软约束增量	仅 0.05–0.07%

也就是说，式 (6)(7) 那条"用 Fe I 248.33 直接预测铁肩"的链路在土壤里不成立。这直接印证了式 (1) 的理论比率需要被经验系数取代、而经验系数又随基体变化的现实——粉煤灰里好用的线，换到土壤里就不灵了。

4.4 第三步：一条经验特征反而有效

反过来，一条在 251.923 nm 处拟合出来的"Fe 相关经验特征"（历史标签 251.9048 nm，与 NIST Fe II 251.90469 nm 相差 0.018 nm，故按经验复合特征处理）作为碳校准的协变量时，效果显著。碳校准用样品级聚合的线性模型：

C0（基线）: TC_i = b₀ + b₁·A_c,i + ε_i (10)

C1（加经验特征）: TC_i = b₀ + b₁·A_c,i + b₂·R_251.923,i + ε_i (11)

全队列（FULL154）16 折 LOSO 的结果：

模型	LOSO RMSE	MAE	Bias	R²
C0（仅 A_c）	0.9117	0.5724	0.1787	0.4866
C1（+ 251.923 特征）	0.4744	0.2671	0.0857	0.8610

加入这条经验特征后，RMSE 下降了 47.96%，且通过了全部 8 项预注册的稳健性门槛（方向稳定、逐样品删除稳定、逐地区留出稳定等）。

4.5 但改善是"样品依赖"的

然而更严格的检验揭示了这个改善的脆弱性。在冻结验证分支（11 个开发样品 + 5 个来自新地区的冻结外部样品）里：

分支	基线 RMSE	加特征 RMSE	改善
开发集 LOSO	0.4685	0.3597	23.22%
冻结外部 5 样品	0.5439	0.2981	45.19%

表面看外部改善很漂亮，但深挖下去问题浮现：

外部的"改善"本质是把基线 +0.52 wt.% 的正偏差，翻转成了 −0.26 wt.% 的负偏差（低估），外部的描述性 R² = −0.76，说明预测值和实测碳之间几乎没有正相关；
开发集的改善高度依赖一个化学极端样品（样品 05：最低碳 0.88%、最高铁 33.2 g/kg）——剔除这个样品后，改善从 23.22% 骤降到 5.89%；
没有任何一个冻结参考模型通过全部稳定性门槛。

五、结论与启示

把公式链和实际数据放在一起，参考线理论在这个项目里的结论可以归纳为三点：

物理根基成立，但理论比率不可直接迁移——式 (1) 的玻尔兹曼强度比解释了"为什么能用参考线"，但土壤基体、等离子体温度、电离平衡、仪器响应和自吸收会让实际系数偏离理论值，所以必须用经验系数，而经验系数是基体依赖的。
直接参考先验在土壤里失效——Bai 等（2016）在粉煤灰里最佳的 Fe 248.33 nm 线，换到土壤就通不过检验（−2.09%、斜率跨零、地区依赖）。这说明参考线校正必须按样品群体重新验证。
经验特征有统计价值，但不是普适的物理扣除——251.923 nm 特征在全队列和冻结外部都降低了 RMSE，但改善是单样品敏感的、外部是偏差补偿而非预测相关。它的定位应是"经验协变量"，用来做低碳/高铁区域的偏差调整，而不是一个通用的铁干扰物理扣除。

方法论层面，这个项目最有价值的产出可能不是某条具体的参考线，而是一套评价参考线校正的框架：物理合理性（元素、电离态、能级关系）、样品内同步共波动、样品级外部预测、单样品影响分析、预注册门槛和冻结外部验证，几类证据缺一不可。

← 返回笔记列表