使用不同的校准模型评估用于预测土壤有机碳和总碳的低成本便携式近红外光谱仪

摘要：

这项研究旨在评估低点的表现？成本，微型？机电系统？基于近红外光谱仪，用于估算土壤有机碳（OC）和总碳（TC）。在澳大利亚新南威尔士州，对深度不超过1 m的151个土壤剖面进行了TC测量，从中测量了24个土壤剖面中一部分的OC。两台商用光谱仪，包括光谱波长范围为 350 的 AgrispectM（ASD）和 NeoSpectraTM（Neospectra）？2500 和 1300？根据标准接触探针协议，分别使用2500 nm扫描土壤样品。萨维茨基？对光谱数据执行了 Golay 平滑滤波器和标准正态变量 (SNV) 变换，以降低噪声和进行基线校正。评估了三种校准模型，包括立体树模型、偏最小二乘回归（PLSR）和支持向量机（SVM），以使用光谱数据预测土壤超声和温度。一个 10？折叠十字架？进行了验证分析，以评估模型和设备的精度。结果表明，Cubist 模型比 PLSR 和 SVM 更准确地预测 OC 和 TC。对于超频预测，Cubist分别使用ASD和NeoSpectra显示R2 = 0.89（RMSE = 0.12％）和R2 = 0.78（RMSE = 0.16％）。对于 TC 预测，Cubist 分别使用 ASD 和 NeoSpectra 生成了 R2 = 0.75（RMSE = 0.45%）和 R2 = 0.70（RMSE = 0.50%）。ASD 的表现优于 NeoSpectra。但是，低点？NeoSpectra的成本预测与ASD的预测相当。这些发现可能有助于将来使用成本更低的设备对土壤超声波和温度进行更有效的光谱预测。本文受版权保护。版权所有。