จองการสาธิต
หมายเหตุการสมัคร

การทดสอบ NIR สำหรับคาร์บอนในดิน

บทนำ

ดินเป็นหนึ่งในที่เก็บคาร์บอนที่ใหญ่ที่สุดในโลกของเราและความสามารถของดินในการจัดเก็บคาร์บอนนั้นมากกว่าพืชพันธุ์และชั้นบรรยากาศในขณะเดียวกันคาร์บอนอินทรีย์เป็นกุญแจสำคัญต่อสุขภาพและความยืดหยุ่นของดินคาร์บอนในดินมีบทบาทสำคัญในการจัดหาสารอาหารมหภาคและจุลินทรีย์ให้กับพืช และยังสามารถช่วยรักษาเสถียรภาพของดินจากผลกระทบทางกล โดยให้การป้องกันเหตุการณ์สภาพอากาศที่รุนแรง

ภาพรวม

เมื่อตระหนักถึงข้อเท็จจริงนี้ ความคิดริเริ่ม 4 ต่อ 1000 ที่เปิดตัวในวาระปฏิบัติการของ Lima-Paris กำหนดเป้าหมายเพื่อเพิ่มสต็อกอินทรีย์ในดินทั่วโลกร้อยละ 0.4 ต่อปีเพื่อชดเชยการปล่อยก๊าซเรือนกระจกที่เกิดจากมนุษย์แต่องค์ประกอบที่สำคัญในแผนนี้คือความสามารถในการประเมินขนาดของสระคาร์บอนในดินอย่างถูกต้องเพื่อให้เข้าใจและทำแผนที่การกระจายของสต็อกคาร์บอนในดินต้องใช้วิธีการวัดที่รวดเร็ว แม่นยำ และคุ้มค่าซึ่งสามารถนำไปใช้ในภาคสนาม

ในขณะที่เทคโนโลยีอินฟราเรดใกล้เคียง (NIR) กลายเป็นเครื่องมือสำคัญในการวิจัยดิน แต่สเปกโตรมิเตอร์ NIR เกรดการวิจัยมีราคาตั้งแต่ 40,000 ถึง 60,000 เหรียญสหรัฐ และการส่งตัวอย่างไปยังห้องปฏิบัติการหมายถึงวันหรือหลายสัปดาห์ก่อนที่จะได้รับข้อมูล

ในทางตรงกันข้าม เซ็นเซอร์ NeoSpectra เมื่อรวมเข้ากับอุปกรณ์มือถือแบบไร้สายจะให้โอกาสในการวิเคราะห์ตัวอย่างในภาคสนามได้ทันทีช่วยประหยัดเวลาสแกนเนอร์ NeoSpectra วางไว้บนตัวอย่างดินส่งข้อมูลลายเซ็นสเปกตรัมและข้อมูลเชิงปริมาณไปยังโทรศัพท์มือถือซึ่งส่งไปยังคลาวด์ซึ่งเปรียบเทียบลายเซ็นสเปกตรัมในฐานข้อมูลและข้อมูลที่วิเคราะห์แบบเรียลไทม์ผลลัพธ์จะถูกส่งกลับไปยังโทรศัพท์ทันทีซึ่งข้อมูลสามารถแสดงในแอพได้

การศึกษาความถูกต้องในการทำนายคาร์บอนในดิน

นักวิจัยจากมหาวิทยาลัยซิดนีย์ใช้เครื่องสแกน NIR แบบใช้มือถือที่รวมเซ็นเซอร์ NeoSpectra เพื่อทดสอบการทำนายคุณสมบัติของดินในออสเตรเลียในออสเตรเลียในตัวอย่าง 392 ตัวเพื่อกำหนดประโยชน์ในการศึกษาภาคสนามเกี่ยวกับคาร์บอนในดินในการศึกษาครั้งหนึ่ง นักวิจัยประเมินเซ็นเซอร์ NeoSpectra กับสเปกโตรมิเตอร์ Visible-NIR (Vis-NIR) เกรดวิจัยสองระดับการศึกษายังประเมินการคาดการณ์คุณสมบัติอื่น ๆ รวมถึง pH ความสามารถในการแลกเปลี่ยนไอออนเซียม (CEC) แคลเซียมที่แลกเปลี่ยนได้ (Ca) และแมกนีเซียม (Mg)เซ็นเซอร์ NeoSpectra ทำงานที่ 1250-2500 นาโนเมตร ในขณะที่สเปกโตรมิเตอร์ระยะเต็มจะทำงานที่ 350-2500nmสเปกตรัมที่รวบรวมจากสเปกโตรมิเตอร์ต่างๆแสดงในรูปที่ (1)

ในการศึกษาครั้งที่สอง รวบรวมตัวอย่างดินที่หลากหลาย 151 ตัวอย่างจากพื้นที่เกษตรทั่วนิวเซาท์เวลส์เพื่อทดสอบการคาดการณ์โดย Vis-NIR และเซ็นเซอร์ NeoSpectra สำหรับคาร์บอนทั้งหมดชุดย่อยของ 24 ตัวอย่างถูกใช้เพื่อทดสอบการคาดการณ์คาร์บอนอนินทรีย์

รูปที่ 1: สเปกตรัมการดูดซับอินฟราเรดของดินจากสี่ตัว
เครื่องมือหลังจากตัดแต่งเพื่อลบพื้นที่ที่มีอัตราส่วนสัญญาณต่อเสียงต่ำ

การพัฒนาแบบจำลองการวิเคราะห์และผลลัพธ์

การศึกษาทั้งสองสร้างแบบจำลองการสอบเทียบหลายแบบโดยใช้ต้นไม้ Cubist และแนวทางการถดถอยสี่เหลี่ยมน้อยที่สุดบางส่วน (PLSR)นักวิจัยใช้ฟิลเตอร์เรียบของ Savitsky-Golay และการแปลงความแปรปรปกติมาตรฐานบนข้อมูลสเปกตรัมสำหรับการลดเสียงรบกวนและการแก้ไขพื้นฐานจากนั้นพวกเขาทำการวิเคราะห์การตรวจสอบข้ามกัน 10 ครั้งเพื่อประเมินความถูกต้องของโมเดลและอุปกรณ์พวกเขาพบว่าแบบจำลอง Cubist ให้ค่า R2 ที่ยิ่งใหญ่ที่สุดสำหรับคุณสมบัติของดินสิบประการที่ตรวจสอบสำหรับเครื่องมือทั้งหมดข้อผิดพลาดในการทำนายในชุดการตรวจสอบความถูกต้องของเครื่องมือต่าง ๆ แสดงในรูปที่ (2)

รูปที่ 2: แผนผังกล่องแสดงข้อผิดพลาดรากเฉลี่ย-สี่เหลี่ยมบนชุดการตรวจสอบ (RMSEP) จากโมเดล 50 Cubist
การรับรู้สำหรับดินเหนียว, ทราย, pH (1:5 CaCl2), คาร์บอนทั้งหมด, CEC

เพื่อให้เข้าใจว่าช่วงสเปกตรัมที่แตกต่างกันมีผลต่อแบบจำลอง Cubist สำหรับคุณสมบัติของดินแต่ละชนิดอย่างไร รูปที่ (3) แสดงน้ำหนักของความสำคัญของความยาวคลื่นสำหรับการสร้างแบบจำลองด้วยเครื่องมือที่แตกต่างกันสำหรับแต่ละคุณสมบัติ

รูปที่ 3: สเปกตรัมเฉลี่ยของตัวอย่างตามควอทิลที่ 1, 2, 3 และ 4 ของตัวแปรดินที่เลือก (คาร์บอนทั้งหมด ดินเหนียว และ CEC) ที่วัดโดย ASD, NeoSpectra และ NIR
Vascan ของการศึกษา (ปรับขนาดเพื่อเป็นภาพประกอบ)เส้นสีน้ำเงินและสีม่วงแนวตั้งบ่งชี้สัดส่วนสัมพัทธ์ของการใช้แบบจำลองของความยาวคลื่นสำหรับแบบจำลองการถดถอยของคิวบิส 50 แบบที่สร้างขึ้นสำหรับแต่ละคุณสมบัติ (เส้นสีน้ำเงินบ่งชี้
ความยาวคลื่นที่ใช้เป็นเงื่อนไข เส้นสีม่วงบ่งชี้
ความยาวคลื่นที่ใช้เป็นตัวทำนายในแบบจำลองคิวบิสต์)

ข้อสรุป

ทีมพบว่าสำหรับการศึกษาครั้งแรก เซ็นเซอร์ NeoSpectra มีประสิทธิภาพที่เทียบได้กับสเปกโตรมิเตอร์เกรดการวิจัยในการทำนายค่า pH ของดิน CEC แคลเซียมที่แลกเปลี่ยนได้ และแมกนีเซียม (R2>0.63—0.78)แม้ว่าประสิทธิภาพอาจต่ำลงเล็กน้อยในการศึกษาโดยเฉพาะนี้ แต่ความแตกต่างอย่างมากในต้นทุนและขนาดทำให้เซ็นเซอร์ NeoSpectra เป็นตัวเลือกที่ยอดเยี่ยมสำหรับการเปิดใช้งาน
การวิเคราะห์ดินในภาคผล

สำหรับการศึกษาครั้งที่สอง การสร้างแบบจำลองโดยใช้การตรวจสอบข้ามแสดงให้เห็นว่าเซ็นเซอร์ NeoSpectra สามารถทำนายคาร์บอนอินทรีย์ได้ด้วยความแม่นยำ R2 = 0.78สำหรับคาร์บอนทั้งหมด สามารถทำนายได้ด้วยความแม่นยำ R2 = 0.70ทีมงานระบุว่าผลลัพธ์ของเซ็นเซอร์ NeoSpectra นั้นเทียบได้กับของอุปกรณ์ระดับไฮเอนด์ และการกำจัดช่วงสเปกตรัมต่ำกว่า 1,350 นาโนเมตรไม่มีผลกระทบอย่างมีนัยสำคัญต่อความแม่นยำของการทำนายในแอปพลิเคชันนี้ทีมงานยังระบุว่าช่วงความยาวคลื่นสูงกว่า 1,800 นาโนเมตรมีความสำคัญมากสำหรับการสร้างแบบจำลองการวิเคราะห์ที่มีความแม่นยำที่ดีสิ่งนี้พิสูจน์ให้เห็นว่าช่วงสเปกตรัม NIR ที่กว้างที่นำเสนอโดยเซ็นเซอร์ NeoSpectra ทำให้เป็นตัวเลือกที่ดีที่สุดในการเปิดใช้งานเครื่องวิเคราะห์ดินในภาคสนามที่มีต้นทุนต่ำที่สุดโดยการสูญเสียความแม่นยำของผลลัพธ์ จำกัด

การยอมรับ

Si-Ware ขอแสดงความยินดีและขอขอบคุณ Yijia Tang, Edward Jones และ Budiman Minasny คณะวิทยาศาสตร์ชีวิตและสิ่งแวดล้อม มหาวิทยาลัยซิดนีย์ ซิดนีย์ ออสเตรเลีย

จองการสาธิต กับทีมนีโอสเปคตรา

ขอบคุณ!การส่งของคุณได้รับการส่งแล้ว!
อ๊ะ!มีบางอย่างผิดปกติขณะส่งแบบฟอร์ม

ดูเพิ่มเติม

การตรวจสอบปริมาณน้ำตาลในซีเรียลด้วยการวิเคราะห์ NIR

ซีเรียลอาหารเช้าโดยเฉพาะโฮลเกรนและเส้นใยสูงให้สารอาหารที่สำคัญและปรับปรุงโภชนาการและการทำงานทางปัญญาเซ็นเซอร์สเปกตรัม NeoSpectra เป็นทางเลือกที่ยอดเยี่ยมสำหรับการวิเคราะห์ปริมาณน้ำตาลในซีเรียล

NeoSpectra สำหรับการวิเคราะห์นมนอกสถานที่

นมมีความสำคัญต่อผลิตภัณฑ์นมซึ่งต้องการการวัดส่วนประกอบที่แม่นยำสเปกโตรมิเตอร์ NIR แบบใช้มือถือของ NeoSpectra ให้การวิเคราะห์ไขมัน แลคโตส และโปรตีนในนมได้อย่างรวดเร็วและแม่นยำ ทำให้มั่นใจได้ถึงคุณภาพทั่วห่วงโซ่อุปทาน

พร้อมที่จะปรับปรุงกระบวนการวิเคราะห์สำหรับธุรกิจของคุณหรือไม่?

ดู NeoSpectra ในการดำเนินการ และเรียนรู้ว่ามันสามารถปรับปรุงเวิร์กโฟลว์การวิเคราะห์ของคุณได้อย่างไรกรอกแบบฟอร์มเพื่อขอสาธิต และเรายินดีที่จะแนะนำคุณผ่านคุณสมบัติที่เป็นเอกลักษณ์

ติดต่อเรา