中红外光谱技术在摩洛哥钙质Argania spinosa森林土壤分析中的应用与模型验证

本研究针对干旱区钙质土壤数据匮乏问题，利用傅里叶变换红外光谱(FTIR)技术对摩洛哥濒危Argania spinosa森林的397份土壤样本进行快速检测，建立PLS回归模型。成功预测氮(N)、有机碳(TOC)和无机碳(iC)含量(R2 最高达0.96)，但pH和渗透稳定性(PS)预测效果欠佳。该研究填补了北非干旱钙质土壤的光谱数据库空白，为UNESCO生物圈保护区土壤监测提供新方法。

　　

在摩洛哥南部广袤的Souss盆地，生长着一种名为Argania spinosa的珍稀树种，它们不仅是当地生态系统的基石，更是联合国教科文组织认定的生物圈保护区核心物种。然而气候变化和过度开发正使这片本就脆弱的干旱区森林持续退化。更棘手的是，传统土壤检测方法在这里遇到了双重挑战：既要应对干旱区普遍存在的碳酸盐干扰，又要解决实验室分析成本高昂的问题。

德国研究团队将目光投向了中红外光谱(MIR)技术。这项通过分子振动指纹识别物质成分的技术，已在全球多地土壤检测中展现潜力，但在北非钙质土壤区却始终面临数据匮乏的困境。研究团队采集了397份具有代表性的土壤样本，涵盖30个样点的不同退化程度区域。通过结合传统实验室测量和傅里叶变换红外光谱(FTIR)扫描，他们建立了针对pH、渗透稳定性(PS)、氮(N)、总有机碳(TOC)和无机碳(iC)的偏最小二乘(PLS)回归模型。

关键技术包括：1) 采用FTIR光谱仪记录4000-400 cm^-1
范围光谱；2) 配套测定pH、PS等5项理化指标；3) 运用PLS回归进行光谱与实测数据的关联建模；4) 通过决定系数(R²
)、均方根误差(RMSE)等指标验证模型性能。样本来自摩洛哥Souss盆地30个样点，覆盖不同退化程度的Argania spinosa林区。

【Study area】
研究区位于北纬30°-31°的Souss盆地，年降水量仅200-500mm。该区域土壤发育深受干旱影响，所有样本均含缓冲性无机碳，pH呈中性至碱性(7-8.5)，但有机质含量普遍偏低。

【Physicochemical soil properties】
土壤特性分析显示：iC含量变异系数高达72.3%，远高于pH的2.39%，这种高异质性为光谱建模带来挑战。TOC与N含量显著相关(r=0.88)，但PS指标受多重因素影响，数据离散度大。

模型验证结果显示：N、TOC和iC预测效果优异，R²
分别为0.86、0.89和0.96，RPD(性能偏差比)均超过2.5，达到实用水平。特别是iC预测模型，成功克服了碳酸盐干扰这一国际难题。相比之下，pH和PS模型性能较差(R²
<0.4)，研究者认为这与pH缓冲效应和PS的多因素决定性有关。

这项研究首次在摩洛哥钙质土壤区建立了可靠的光谱预测模型，特别是氮含量预测的优异表现(RPIQ=2.45)证明MIR技术能在高碳酸盐环境下保持精度。为UNESCO保护区土壤监测提供了成本仅需传统方法1/10的替代方案。但pH和PS的预测局限也提示，某些土壤指标可能需要结合其他传感技术。该成果不仅填补了非洲干旱区土壤光谱数据库的空白，更为全球2.7亿公顷钙质土壤区的快速检测提供了重要参考。德国研究基金会(DFG)资助的这项工作，近期发表于土壤学期刊《Geoderma Regional》。