Évaluation de la cohérence entre plusieurs spectromètres NeoSpectra (transformée de Fourier compacte dans le proche infrarouge) pour estimer les propriétés communes des sols

Résumé :

Des techniques rapides et rentables d'analyse des sols sont essentielles pour orienter la gestion durable des terres et l'agriculture de production. Cette étude visait à évaluer les performances et la cohérence des spectromètres portatifs dans le proche infrarouge à transformée de Fourier et des scanners NeoSpectra pour estimer 12 propriétés physiques et chimiques courantes du sol, notamment le pH ; le carbone organique (OC) ; le carbone inorganique (IC) ; l'azote total (TN) ; la capacité d'échange de cations (CEC) ; les fractions d'argile, de limon et de sable ; et le potassium (K), le phosphore (P), le calcium (Ca) et le magnésium échangeables (Mg). Un ensemble diversifié d'échantillons (n = 600) a été extrait d'une archive pédologique à l'échelle nationale du Kellogg Soil Survey Laboratory de l'USDA-NRCS et scannés à l'aide de cinq scanners NeoSpectra. Des modèles prédictifs des propriétés du sol ont été développés à l'aide de la régression des moindres carrés partiels (PLSR), du cubisme et de l'apprentissage basé sur la mémoire (MBL). Cubist a surperformé le PLSR et le MBL, avec les meilleures performances de prédiction pour l'argile, le CO et le CEC (R2 > 0,7), suivi de l'IC, du sable, du limon et du Mg (R2 > 0,6), puis du pH, du TN et du Ca (R2 > 0,5). La prédiction de K et P était assez mauvaise, avec R2 de 0,48 et 0,22. Les cinq NeoSpectra ont produit des données spectrales dans le proche infrarouge (NIR) comparables aux modèles PLSR pour les propriétés du sol (en termes de coefficients de régression du modèle). Cependant, l'évaluation de cohérence a montré que les performances du modèle étaient significativement diminuées lorsque les spectres d'entraînement et de test provenaient de différents scanners NeoSpectra. Il est conclu que les scanners NeoSpectra peuvent être rapides et rentables pour estimer certaines propriétés du sol, et le transfert d'étalonnage doit être envisagé pour les applications impliquant plusieurs appareils et nécessitant une précision d'estimation élevée à partir de données NIR.