基于近端与遥感漫反射光谱技术的半干旱热带农业景观土壤退化评估

为解决传统土壤退化指数(SDI)检测耗时费力的问题，来自印度的研究人员利用漫反射光谱技术(DRS)结合Sentinel-2 L2A多光谱数据，开发了支持向量回归(SVR)和特征选择偏最小二乘回归(PLSRFS)模型。实验室DRS数据预测SDI精度达R2=0.81，遥感数据(R2=0.52)可实现10米分辨率制图，揭示灌溉可缓解旱地作物产量下降趋势，为退化土壤动态监测提供高效方案。

　　

在印度马哈拉施特拉邦的易退化旱地景观中，科学家们创新性地将实验室近端漫反射光谱(DRS)与Sentinel-2 L2A遥感数据相结合，对土壤退化指数(SDI)进行精准评估。通过测定141个样点的20项土壤参数，筛选出土壤有机碳(SOC)、土壤可蚀性指数(eMCR)、有效硫、有效锰、钙镁比和粉粒含量6项核心指标构建最小数据集(MDS)。

研究团队采用支持向量回归(SVR)和特征选择偏最小二乘回归(PLSR_FS)两种化学计量学模型，在可见光-近红外(VNIR)波段范围内建立预测模型。实验室DRS数据展现出卓越的预测能力(R²=0.81，RMSE=0.03)，而多光谱成像(MSI)数据虽精度稍逊(R²=0.52，RMSE=0.04)，却能实现10米空间分辨率的全域制图。

值得注意的是，相关分析揭示雨养作物产量随土壤退化加剧显著下降，而灌溉作物未呈现此规律，暗示科学的水分管理可有效抵御旱区土地退化。这项研究为快速评估土壤健康状况提供了可推广的技术范式，特别是为资源受限的半干旱地区土壤监测开辟了新途径。