在不同中红外光谱仪/模块之间应用校准转移技术，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

基于美国农业部土壤调查中心光谱库和区域数据集，研究通过组合预处理（一阶导数+Savitzky-Golay、基线校正BC、标准正态变量SNV）及校准转移技术（外部参数正交化、spiking）提升多台傅里叶变换近红外分光光度计预测土壤属性的准确性，平均R2提升达0.354-0.401。

　　

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，我们使用了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。我们评估了通过预处理（单独处理或组合处理）以及光谱/模型转换技术来预测土壤性质的效果。在预处理技术中，将一阶导数与Savitzky–Golay滤波器结合使用、基线校正（BC）、标准正态变量（SNV）以及BC和SNV的组合方法表现优于其他方法，尽管没有一种方法适用于所有土壤性质。光谱/模型转换技术（如外部参数正交化）有效提升了预测的准确性，而斜率偏差校正、直接标准化和分段直接标准化方法的效果有限。BC和SNV组合方法显著提高了不同光谱仪/模块及不同土壤性质下的模型性能。平均而言，与未使用校准转换的模型相比，使用光谱库进行训练、区域数据集进行测试时，平均$R^2$值提高了0.354；而使用区域数据集同时进行训练和测试时，$R^2$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换技术有效地应用于新的光谱仪，从而实现实时和现场规模的土壤性质测量。

利益冲突声明

作者声明不存在利益冲突。