Reflektancia spektroszkópia alkalmazása talajok szervesszén- és CaCO3-tartalmának becslésében

Csorba, Ádám and Láng, Vince and Fenyvesi, László and Michéli, Erika (2012) Reflektancia spektroszkópia alkalmazása talajok szervesszén- és CaCO3-tartalmának becslésében. Agrokémia és Talajtan, 61 (2). pp. 277-290. ISSN 0002-1873

Text agrokem.60.2012.2.5.pdf Restricted to Repository staff only until 31 December 2032. Download (2MB)

Abstract

Napjainkban egyre nagyobb igény mutatkozik olyan technológiák és módszerek kidolgozására és alkalmazására, melyek lehetővé teszik a gyors, költséghatékony és környezetbarát talajadat-felvételezést és kiértékelést. Ezeknek az igényeknek felel meg a reflektancia spektroszkópia, mely az elektromágneses spektrum látható (VIS) és közeli infravörös (NIR) tartományában (350–2500 nm) végzett reflektancia-mérésekre épül. Figyelembe véve, hogy a talajokról felvett reflektancia spektrum információban nagyon gazdag, és a vizsgált tartományban számos talajalkotó rendelkezik karakterisztikus spektrális „ujjlenyomattal”, egyetlen görbéből lehetővé válik nagyszámú, kulcsfontosságú talajparaméter egyidejű meghatározása. Dolgozatunkban, a reflektancia spektroszkópia alapjaira helyezett, a talajok ösz-szetételének meghatározását célzó módszertani fejlesztés első lépéseit mutatjuk be. Munkánk során talajok szervesszén- és CaCO3-tartalmának megbecslését lehetővé tévő többváltozós matematikai-statisztikai módszerekre (részleges legkisebb négyzetek módszere, partial least squares regression – PLSR) épülő prediktív modellek létrehozását és tesztelését végeztük el. A létrehozott modellek tesztelése során megállapítottuk, hogy az eljárás mindkét talajparaméter esetében magas R2 értéket [R2 (szerves szén) = 0,815; R2 (CaCO3) = 0,907] adott. A becslés pontosságát jelző közepes négyzetes eltérés (root mean squared error – RMSE) érték mindkét paraméter esetében közepesnek mondható [RMSE (szerves szén) = 0,467; RMSE (CaCO3) = 3,508], mely a reflektancia mérési előírások standardizálásával jelentősen javítható. Vizsgálataink alapján arra a következtetésre jutottunk, hogy a reflektancia spektroszkópia és a többváltozós kemometriai eljárások együttes alkalmazásával, gyors és költséghatékony adatfelvételezési és -értékelési módszerhez juthatunk. | The significance of the agricultural and other environmental functions of soils has been highlighted by environmental changes, new demands for energy, the need for sustainable development and the recognition of global problems. This growing interest in the soil has revealed the spatial, temporal and financial limits of conventional soil sampling methods. This explains the global trend towards the development and use of technologies allowing data collection and analysis to be performed rapidly, cheaply and in an environment-friendly way. Reflectance spectroscopy, based on reflectance measurements in the visible (VIS) and near-infrared (NIR) regions of the electromagnetic spectrum (350–2500 nm), is able to satisfy these requirements. Considering the rich information content of reflectance spectra and the fact that a wide range of important soil constituents have characteristic spectral fingerprints, it is possible to derive a great deal of information simultaneously from a single spectrum. This paper presents the first steps in methodological developments aimed at predicting key soil parameters from VIS–NIR reflectance spectroscopy coupled with multi-variate statistical (or chemometric) methods. Partial Least Squares Regression (PLSR) was used to construct calibration models, which were independently tested for the prediction of soil organic carbon and CaCO3 content from the soil spectra. The organic carbon content of 160 soil samples was determined with the Walkley-Black method and the CaCO3 content of 120 samples with the Scheibler method. The reflectance spectra of the soil samples were acquired using an ASD FieldSpec 3 MAX portable spectroradiometer. The spectroscopic transformation of the reflectance data helped to improve the robustness of the models. In the case of organic carbon, transformation to absorbance units, which reduces the non-linearities that may exist in the reflectance spectra, provided the most robust model, while for CaCO3 the calculation of absorbance coupled with Standard Normal Variate (SNV) correction, which enhances the narrow absorption band of CaCO3 and removes interference due to path length variations and light scattering, provided the best PLSR model. The predictive capacity of reflectance spectroscopy and PLSR was high (R2 = 0.815) for the organic carbon content and very high (R2 = 0.907) for CaCO3 content. These results can be explained by the strong spectral activity of organic carbon and CaCO3 in the VIS–NIR region. The accuracy of the models [RMSE (soil organic carbon) = 0.467; RMSE (CaCO3 = 3.508] was moderate, indicating the need to improve the measurement protocol to achieve more reliable data, and suggesting that other pre-processing and modelling methods should also be tested. This work demonstrated the high potential of reflectance spectroscopy using VIS– NIR spectra and multivariate analysis for the prediction of soil organic carbon and CaCO3 content. It showed how reflectance spectroscopy might be used to derive information on the relationship between soil constituents and spectral bands. However, comprehensive studies will be required to reliably relate spectral phenomena to the components of interest. Nevertheless, the technique is rapid, cost- and time-effective, making it possible to analyse a large number of samples. These properties and the results of this study confirm the significance of spectroscopic analyses combined with multivariate methods in environmental studies and modeling.

Actions (login required)

Edit Item