مقايسه روش‌هاي آماري حداقل مربعات جزيي و رگرسيون مولفه اصلي در برآورد مقادير گچ، كربنات‌ها و ماده آلي خاك با استفاده از طيف‌سنجي مرئي و مادون قرمز نزديك

Comparing Different Statistical Models and Pre-processing Techniques for Estimation several chemical properties of the soil Using VNIR/SWIR Spectrum

داده‌هاي طيفي محدوده مرئي – مادون قرمز كه با حداقل هزينه و صرف وقت تهيه مي‌شوند، كاربرد وسيعي در برآورد خصوصيات فيزيكي و شيميايي خاك دارند. مطالعه حاضر، با هدف بررسي توانايي اين روش در برآورد مقدار ماده آلي، كربنا‌ت‌ها و درصد گچ سطح خاك صورت پذيرفته است. بر اساس تكنيك ‌هايپركيوب، محل 115 پروفيل شناسايي و سپس نمونه‌برداري از افق‌هاي خاك انجام گرفت و مقدار ماده آلي، درصد گچ و آهك خاك نيز با رو‌ش‌هاي استاندارد اندازه‌گيري شد. آناليز طيفي خاك افق‌‌هاي سطحي مورد نظر با استفاده از دستگاه طيف‌سنج زميني با دامنه طول موج 400-2500 نانومتر انجام شد(115 نمونه سطحي). پس از ثبت طيف‌ها، انواع روش‌هاي پيش‌پردازش، مورد ارزيابي قرار گرفت و سپس از رگرسيون حداقل مربعات جزئي (Partial Least Square Regression) و رگرسيون مولفه اصلي (PCR)، براي پيش‌بيني پارامترهاي مورد نظر استفاده شد. جهت ارزيابي مدل، 80 درصد داده‌ها براي كاليبراسيون مدل و 20 درصد براي صحت‌سنجي مدل، به صورت تصادفي انتخاب شدند. پيش‌پردازش‌هاي مختلف از جمله مشتق اول و دوم، به همراه فيلتر ساواتزكي و گلاي، متغير نرمال استاندارد و تصحيح پخشيده چندگانه با هم مقايسه شدند. نتايج ‌اين بررسي نشان داد بهترين نتايج مدل‌سازي، مربوط به روش PLSR با پيش‌پردازش مشتق اول+فيلتر ساويتزكي و گلاي براي برآورد گچ، كربنات و ماده آلي خاك است. با توجه به مقادير درصد انحراف نسبي (RPD)، پيش‌بيني مدل، براي درصد گچ و ماده آلي در كلاس خوب و براي كربنات‌ها در كلاس ضعيف است.

Visible and Near-Infrared (VNIR) and Short-Wave Infrared (SWIR) reflectance spectroscopy (400-2450nm(, which are at least as costly and time-consuming, are widely used in the estimation of physical and chemical properties of the soil. The purpose of this study was to investigate the ability of this method to estimate the amount of organic matter, carbonates and gypsum content of soil surface. In the present study, 115 profiles were identified based on the Hypercube technique, and the horizons were sampled and the amount of organic matter, carbonates and gypsum content were measured by standard methods. Reflectance spectra of all samples were measured using an ASD field-portable spectrometer in the laboratory. Soil samples were divided into two random groups (80% and 20%) for calibration and validation of models. PLSR and PCR models and different pre-processing methods i.e. First (FD) and Second Derivatives (SD), Multiplicative Scatter Correction (MSC) and Standard Normal Variate (SNV) were applied and compared to estimate texture elements. The highest RPD of calibration and validation were obtained for PLSR with First derivative of reflectance+ Savitzky_Golay filter pre-processing technique which was classified as a good for the amount of organic matter and gypsum and was classified as a poorly for the amount of carbonates.