亚马逊土壤颜色测定新方法：智能手机与色度计的精准性突破

《Computers and Electronics in Agriculture》：Accuracy and accessibility in soil color determination: A comparative analysis of Munsell Chart, colorimeter, and smartphone in Amazonian soils

本研究系统比较了孟塞尔色卡（Munsell Chart）、色度计（Colorimeter）和智能手机在亚马逊土壤颜色测定中的准确性。结果表明，传统孟塞尔色卡法主观性强、变异性大，而色度计与智能手机数字化分析（RGB参数）展现出更优的一致性与可靠性。该研究为资源有限地区提供了一种低成本、高精度的土壤颜色标准化测定方案，对推动热带土壤学（Pedology）数字化及精准农业（Precision Agriculture）发展具有重要意义。

　　

Highlight

描述性统计分析干湿土壤样本

对干湿土壤样本的描述性分析显示，孟塞尔色卡（MCC）在RGB值上表现出最大的变异性，尤其是在蓝色色调上。这种变异性可归因于若干因素。主要是视觉判读固有的主观性以及颜色测量获取时的光照条件是主要贡献者。孟塞尔色卡高度依赖于观察者的感知，环境光的变化会显著影响结果（Campos等，2021年）。此外，土壤湿度条件进一步加剧了这种变异性，尤其是在较深的土层（0.20–0.40米）中，因为水分改变了土壤的光学特性，使得视觉匹配更加困难。

结论

对RGB值的描述性分析揭示，孟塞尔色卡表现出更大的变异性和标准差，特别是在湿润条件下和蓝色通道中，这可归因于观察者的主观性和光照条件的变化。相比之下，色度计和智能手机都提供了更一致的RGB数据，表明在土壤颜色测定方面具有更高的可靠性。

斯皮尔曼相关性分析支持了这一趋势，与色度计和智能手机方法相比，孟塞尔色卡显示出较弱的相关性。这凸显了数字方法在减少与视觉估计相关的主观性方面的优势。林氏一致性相关系数进一步证实，智能手机和色度计在测量土壤颜色方面具有高度一致性，尤其是在干燥条件下。然而，在湿润条件下，所有方法的一致性都有所下降，这表明湿度是影响颜色测量准确性的关键因素。

方差分析结果显示，在不同方法、湿度条件和土层深度之间，RGB值存在显著差异。具体而言，孟塞尔色卡在区分颜色细微差异方面效果较差，而色度计和智能手机则能更可靠地检测出统计学上的显著差异。