پديد آورندگان :
رزقي، زهرا دانشگاه تربيت مدرس تهران - دانشكده كشاورزي , همايي، مهدي دانشگاه تربيت مدرس تهران - دانشكده كشاورزي , نوروزي، علي‌اكبر پژوهشكده حفاظت خاك و آبخيزداري سازمان تحقيقات، آموزش و ترويج كشاورزي تهران
كليدواژه :
پيش پردازش طيفي , اسپكتروراديومتر و بازتاب طيفي , رگرسيون كمينه مربعات جزئي , رگرسيون مؤلفه هاي اصلي , ناحيه مرئي - مادون قرمز نزديك , برآورد كمي اجزاي بافت خاك , طيف سنجي
چكيده فارسي :
آگاهي از بافت به‌دليل تأثير مستقيم آن بر ديگر ويژگي‌هاي خاك براي مطالعات كشاورزي، منابع طبيعي، هيدرولوژي و غيره از اهميت زيادي برخوردار است. تعيين بافت خاك در پهنه‌هاي گسترده مستلزم صرف وقت و هزينه‌هاي زياد است. به همين دليل، پژوهشگران به‌دنبال راه‌هايي براي تعيين اين ويژگي مهم خاك در مقياس‌هاي وسيع هستند. يكي از اين روش‌ها، استفاده از بازتاب طيفي خاك سطحي است. در اين روش، انتخاب روش واسنجي، دقت اندازهگيري ويژگي‌هاي خاك را به‌شدت از خود متأثر مي‌سازد. در اين پژوهش، عملكرد دو روش رگرسيوني كمينه مربعات جزئي (PLSR) و رگرسيون مؤلفه‌هاي اصلي (PCR) براي شناسايي روش مناسب براي ارزيابي شن، سيلت و رس خاك مقايسه شد. به همين منظور، 50 نمونه خاك از استان تهران گردآوري و به‌عنوان مجموعه داده براي روش واسنجي و اعتبارسنجي مورد استفاده قرار گرفت. نمونه‌ها با پنج سطح رطوبتي صفر، پنج، 10، 15 و 20 درصد وزني و با استفاده از اسپكتروراديومتر زميني با محدوده اندازهگيري 2500-350 نانومتر اسكن شدند. طيف‌ها نيز با استفاده از سه روش پيش پردازش SG، FD-SG و Normal+SG تصحيح شد. نتايج ضريب تبيين (R2) حاصل از ارزيابي متقابل نشان داد كه مدل PLSR عملكردي بهتر از PCR دارد. روش پيش پردازش Normal+ SG براي بافت لوم رسي و روش SG براي بافت لوم رس شني برآورد بهتري از خصوصيات مورد اندازهگيري نشان داد. مقدار R2 براي رس 0.74، 0.81، 0.97 و 0.87 به‌ترتيب در رطوبت‌هاي صفر، پنج، 15 و 20 درصد در بافت لوم رسي و 0.95 و 0.61 در سطوح صفر و پنج درصد در بافت لوم رس شني بهدست آمد. سيلت با مقدار R2 0.67 در رطوبت پنج درصد در بافت لوم رسي و 0.97 در رطوبت 20 درصد در بافت لوم رس شني برآورد بهتري داشت. شن نيز با R2 برابر با 0.86 و 0.72 به‌ترتيب در رطوبت‌هاي پنج و 10 درصد در بافت لوم رسي برآورد شد.
چكيده لاتين :
Knowledge about soil texture is very important in agricultural studies due to its direct impact on other soil properties. However, determining the soil texture in vast areas requires a lot of time and money. For this reason, researchers are looking for ways to determine this important feature of the soil on a large scale. One of these methods is the use of surface soil spectrometry. In this method, the choice of calibration method significantly affects the accuracy of measuring the characteristics of the surface. In this study, the performance of two regression techniques, namely, partial least-squares regression (PLSR), principal component regression (PCR) were compared to identify the best method to assess sand, silt and clay. For this purpose, 50 soil samples from Tehran province were collected and used as a data set for Calibration and Validation. Soil samples with different moisture levels (oven dry, 5, 10, 15 and 20 w/w) were scanned using a FieldSpec Pro Spectroradiometer with a measurement range of 350–2500 nm. The spectra were subjected to three pre-processed techniques, e.g., Savitzky–Golay (SG) smoothing, first derivative with SG smoothing (FD-SG), Normalization with SG smoothing (Normal-SG). The R2 results from cross-validation indicated that the PLSR model had a better performance than PCR. Normal + SG pre-processing method for clay loam texture and SG method for sandy clay loam texture showed better estimation of measured properties. The amount of R2 for clay was 0.74, 0.81, 0.97 and 0.87, respectively, in moisture content of oven dry, 5, 15 and 20% in clay loam texture and 0.95 and 0.61 at oven dry and 5% levels in sandy clay loam. Silt was better predicted by R2 0.67 in moisture content of 5% in clay loam texture and R2 0.97 in moisture content of 20% at sandy clay loam texture. Sand was also predicted (R2= 0.86 and 0.72) in moisture content of 5 and 10% in clay loam texture.
