直接标准化处理微近红外（micro-NIR）数据，用于预测新鲜土壤中的有机碳和粘土含量

《Pedosphere》：Direct standardization transforms micro-NIR data for organic carbon and clay contents prediction in fresh soils

土壤有机碳和黏土含量检测中微近红外光谱结合直接标准化方法有效，减少烘干需求并提升预测精度。

　　

Jiang LIU|Muhammad Abdul MUNNAF|Abdul Mounem MOUAZEN

根特大学生物科学工程学院环境系，根特9000（比利时）

摘要

研究表明，新型微型近红外（micro-NIR）光谱技术在测量土壤有机碳（SOC）和粘土含量方面具有潜力。本研究旨在通过直接标准化（DS）方法对数据进行处理，以减少水分对新鲜土壤样本的micro-NIR光谱数据的影响。收集了221个土壤样本，并在新鲜状态和风干状态下使用micro-NIR传感器（2000 ~ 2450 nm）对其进行扫描。经过Isolation Forest（iForest）异常值去除后，剩余199个数据点。应用Kennard-Stone（KS）方法分别对干燥土壤和新鲜土壤的样本集（149个样本用于建模，50个样本用于测试）进行建模。通过逐步增加转移样本的数量，利用KS方法对新鲜和干燥的模型集进行双重处理，从而选择了用于构建DS转换矩阵的最优子集。针对新鲜和干燥土壤，分别建立了偏最小二乘回归（PLSR）模型并进行测试。进一步使用DS转换后的新鲜土壤与干燥土壤光谱对模型进行了验证。结果表明，结合DS转换的micro-NIR技术能够有效利用干燥土壤的PLSR模型预测新鲜土壤的SOC（决定系数 [R_P²] = 0.67，均方根误差 [RMSE_P]= 0.94%）和粘土含量（R_P² = 0.79，RMSE_P = 4.20%），其准确度优于未使用DS转换的模型。因此，这种方法有助于减少样品干燥和处理所需的资源，在实现可靠且精确的原位测量SOC和粘土含量之前，还可以进一步优化和验证该技术。