在不同中红外光谱仪/模块之间应用校准传递技术，以提高估算土壤特性的准确性

《Soil Science Society of America Journal》：Application of calibration transfer techniques between different mid-infrared spectrometers/modules to improve accuracy in estimating soil properties

漫反射光谱术用于土壤性质快速低成本测量，研究比较了四种近红外光谱仪的预处理（BC、SNV、组合）和模型转移技术（外部参数正交化、干扰项插入）对预测精度的影响。发现BC与SNV结合及干扰项插入有效提升预测精度，平均R2提升0.354-0.401。结论是现有光谱数据集可通过校准转移应用于新仪器，实现实时和现场测量

　　

摘要

漫反射光谱技术为传统的土壤性质测量提供了一种快速且经济高效的替代方法。光谱仪技术的进步提高了其便携性和性价比，从而扩展了其在土壤性质估算中的应用范围。然而，为新光谱仪开发训练数据集既昂贵又耗时。利用现有的光谱数据集至关重要，但不同光谱仪之间的差异会降低预测精度。为了解决这个问题，我们使用美国农业部国家土壤调查中心-凯洛格土壤调查实验室的中红外（MIR）光谱库（数据量n=2564）和区域数据集（数据量n=1521），在四种傅里叶变换MIR光谱仪/模块上进行了模型训练和测试。我们评估了多种校准转移技术，包括预处理方法（单独使用或组合使用）以及光谱/模型转移方法，以预测土壤性质。在预处理方法中，一阶导数与Savitzky-Golay滤波器的组合、基线校正（BC）、标准正态变量（SNV）以及BC和SNV的组合表现优于其他方法，但没有一种方法对所有土壤性质都最为适用。光谱/模型转移技术（如外部参数正交化）有效地协调了预测结果，而斜率偏差校正、直接标准化和分段直接标准化的效果有限。BC和SNV组合方法显著提升了模型在不同光谱仪/模块和不同土壤性质上的性能。平均而言，与未使用校准转移技术的模型相比，使用光谱库进行训练、区域数据集进行测试时，模型的平均R2值提高了0.354；而使用区域数据集进行训练和测试时，R2值提高了0.401。本研究表明，现有的光谱数据集可以通过校准转移技术有效应用于新的光谱仪，从而实现实时和野外规模的土壤性质测量。

利益冲突声明

作者声明没有利益冲突。