利用全土光谱和特定组分的光谱（MIR光谱）进行土壤碳组分预测：是否需要进行物理分离（即组分分离）？

《Soil and Tillage Research》：Machine learning prediction of soil carbon fractions using bulk-soil and fraction-specific MIR spectra: Is physical fractionation necessary?

　　

易家堂（Yijia Tang）|Thi Kim Anh Tran|Budiman Minasny|Wartini Ng|Nicolas Francos|Yin-Chung Huang|Ho Jun Jang|Peipei Xue|Mingming Du|Shiva Bakhshandeh|Alex McBratney

• •
  通过针对不同地点的验证，发现MIR（中红外）土壤光谱在站点层面具有很强的控制能力。
• •
  细粒土壤组分对MAOC（土壤有机碳含量）的预测效果最佳，而整体土壤组分的表现也相当。
• •
  针对特定土壤组分的光谱分析有助于更深入地解释MIR信号的含义。
• •
  无需对土壤进行物理分级，即可准确预测SOC（土壤有机质）的各组分含量。
• •
  Cubist模型在预测SOC、MAOC和POC（土壤全碳）方面优于PLSR（偏最小二乘法）和随机森林模型。