可见-近红外光谱技术在湿热热带景观中土壤碳氮快速估算的应用

《Paddy and Water Environment》：Vis-NIR spectroscopy for rapid soil carbon and nitrogen estimation in humid tropical landscape

　　**摘要**碳是土壤健康的关键组成部分，在养分循环、微生物活动和土壤肥力方面发挥着至关重要的作用。由于成土因素和土地利用方式的差异，碳在不同景观中的分布存在显著变化。传统的土壤分析方法劳动强度大、耗时长且成本高昂，因此迫切需要快速且经济高效的替代方案。本研究旨在评估不同景观中土壤有机碳（SOC）、总碳（TC）、总氮（TN）和有效氮（Av. N）的空间变异性，并评估可见-近红外（Vis-NIR）反射光谱在估算土壤碳氮组分方面的预测潜力。研究从三个农业生态单元（AEU）景观中收集了210个地理定位的表层土壤样品（0–20厘米深度）：*Kole* 土地（AEU 6）、北中部红土区（AEU 10）和*Palakkad中央平原*（AEU 22）。采用标准实验室程序测定SOC、TC、TN和Av. N，并使用ASD FieldSpec光谱辐射计获取土壤反射光谱。光谱数据采用多种技术进行预处理，包括一阶和二阶导数（FOD和SOD）、连续统去除（CR）以及对数变换[log(1/R)]。预处理后的光谱数据与实验室测定的土壤属性共同用于建立预测模型。应用偏最小二乘回归（PLSR）、支持向量回归（SVR）和随机森林（RF）模型来建立光谱特征与土壤属性之间的关系。模型性能通过决定系数（R2）、均方根误差（RMSE）和残差预测偏差（RPD）进行评估。在所有模型中，SVR表现出最优的预测性能，SOC的R2值为0.75，TC为0.75，TN为0.68，Av. N为0.55。这些结果表明，可见-近红外光谱技术，尤其是与支持向量回归相结合时，作为传统实验室方法的快速可靠替代方案具有很大的潜力。该方法可显著支持类似农业生态景观中的大规模土壤监测和精准农业应用。