土壤中碳的近红外测试

导言

土壤是世界上最大的碳储存库之一，土壤的碳储存能力甚至大于植被和大气的储存能力。同时，有机碳是土壤健康和弹性的关键。土壤碳在为植物提供宏观和微量营养素方面起着关键作用，甚至可以帮助稳定土壤免受机械冲击，从而抵御极端气候事件。

概述

认识到这一事实，在利马-巴黎行动议程上启动的千分之四的计划设定了每年将全球土壤有机质储量增加0.4％的目标，以补偿人为造成的温室气体排放。但是该计划中的一个关键要素是能够准确估计土壤碳库的大小。要了解和绘制土壤碳储量分布图，需要快速、准确和具有成本效益的测量手段，这些测量手段可以在野外部署。

尽管近红外（NIR）技术已成为土壤研究的重要工具，但研究级近红外光谱仪的成本从40,000美元到60,000美元不等，而将样本送到实验室需要几天或几周才能收到数据。

相比之下，将NeoSpectra传感器集成到无线手持设备中后，可以立即在现场分析样品，从而节省时间。NeoSpectra扫描仪放置在土壤样本上，将光谱特征和量化数据中继到手机，手机将其发送到云端，然后在数据库中比较光谱特征并实时分析数据。结果会立即发送回手机，数据可以在应用程序中显示。

土壤碳预测精度研究

悉尼大学的研究人员使用装有NeoSpectra传感器的手持式近红外扫描仪在392个样本上测试了澳大利亚土壤特性的预测，以确定其对土壤碳实地研究的用处。在一项研究中，研究人员对照两台研究级可见近红外（Vis-NIR）光谱仪对NeoSpectra传感器进行了评估。该研究还评估了其他特性的预测，包括pH值、阳离子交换容量（CEC）、可交换钙（Ca）和镁（Mg）。NeoSpectra传感器在1250-2500 nm范围内运行，而更全面的光谱仪在350-2500nm的波长范围内运行。从不同的光谱仪收集的光谱如图 (1) 所示。

在第二项研究中，从新南威尔士州的农业地区采集了151个不同的土壤样本，以测试Vis-NIR和NeoSpectra传感器对总碳的预测。24个样本的子集被用来测试无机碳的预测。

分析模型和结果的开发

两项研究都使用立体树和偏最小二乘回归（PLSR）方法建立了多个校准模型。研究人员在光谱数据上使用了Savitsky-Golay平滑滤波器和标准正态变量变换来降低噪声和基线校正。然后，他们进行了10次交叉验证分析，以评估模型和设备的准确性。他们发现，Cubist模型为所有仪器研究的十种土壤特性提供了最大的R2值。不同仪器的验证集中的预测误差如图 (2) 所示。

为了了解不同的光谱范围如何影响每种土壤特性的立体派模型，图（3）描绘了波长对于使用不同的仪器构建模型的重要性的权重。

结论

研究小组发现，在第一项研究中，NeoSpectra传感器在预测土壤pH、CEC、可交换钙和镁（R2>0.63—0.78）方面的性能与研究级光谱仪相当。尽管在这项特殊研究中性能可能略低，但成本和尺寸的巨大差异使NeoSpectra传感器成为启用的绝佳选择
现场土壤分析。

在第二项研究中，使用交叉验证进行的建模表明，NeoSpectra传感器可以预测有机碳，精度为R2 = 0.78。对于总碳，它能够以R2 = 0.70的精度进行预测。研究小组确定，NeoSpectra传感器的结果与高端设备的结果相当，移除1350纳米以下的光谱范围不会对该应用的预测精度产生重大影响。研究小组还确定，1,800 nm以上的波长范围对于生成高精度的分析模型非常重要。这证明了NeoSpectra传感器提供的宽近红外光谱范围使其成为实现成本最低的野外土壤分析仪且结果精度损失有限的最佳选择。