تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,829 |
تعداد دریافت فایل اصل مقاله | 97,206,396 |
برآورد برخی خصوصیات خاک با استفاده از تحلیل دادههای طیفی (Vis-NIR) و انواع روشهای پیشپردازش | ||
تحقیقات آب و خاک ایران | ||
دوره 52، شماره 6 - شماره پیاپی 66، شهریور 1400، صفحه 1557-1569 اصل مقاله (1.68 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2021.320713.668918 | ||
نویسندگان | ||
سحر طاقدیس1؛ محمد هادی فرپور* 2؛ مجید فکری2؛ مجید محمودآبادی*3 | ||
1دانشجوی دکتری گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران | ||
2استاد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران | ||
3استاد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران | ||
چکیده | ||
طیفسنجی خاک بهدلیل سرعت و دقت بالا، هزینه پایین و غیرمخرب بودن بر بسیاری از محدودیتهای روشهای سنتی تجزیه خاک غلبه کرده است. مطالعه حاضر با هدف امکانسنجی استفاده از اطلاعات طیفی خاک بهمنظور برآورد برخی از ویژگیهای کلیدی خاک و مقایسه انواع روشهای پیشپردازش طیفی در تعیین عملکرد مدل رگرسیون حداقل مربعات جزئی (PLSR) انجام گردید. بدین منظور 100 نمونه خاک سطحی از اراضی واقع در حدفاصل شهرستانهای نیریز تا استهبان در شرق استان فارس جمعآوری و مقادیر کربن آلی، قابلیت هدایت الکتریکی، کربنات کلسیم معادل و گچ با استفاده از روشهای استاندارد آزمایشگاهی اندازهگیری گردید. سپس بازتاب طیفی نمونههای خاک در محدوده 2500-350 نانومتر ثبت و روشهای مختلف پیشپردازش طیفی بر روی دادهها اعمال گردید. در ادامه، برآورد خصوصیات خاک با استفاده از روش PLSR انجام شد. نتایج حاکی از توانایی مطلوب روش PLSR در تخمین میزان گچ (2< RPD، 81/0 = R2، 87/3 = RMSE) و توانایی قابل قبول آن برای سایر ویژگیها نظیر کربنات کلسیم معادل، کربن آلی و قابلیت هدایت الکتریکی خاک (2>RPD> 4/1) بود. همچنین، نتایج نشان داد که روش پیشپردازش مشتق اول به همراه فیلتر ساویتزکی و گلای، بهترین مدلسازی را برای کربن آلی، روش متغیر نرمال استاندارد (SNV) برای گچ و روش مشتق دوم به همراه فیلتر ساویتزکی و گلای برای قابلیت هدایت الکتریکی خاک ارائه کردند. از طرفی، برآورد کربنات کلسیم خاک با دادههای بدون پیشپردازش، تخمین بهتری نسبت به استفاده از انواع روشهای پیشپردازش ارائه داد. بهطور کلی، نتایج نشان داد که محدوده طیف مرئی برای برآورد کربن آلی و قابلیت هدایت الکتریکی و محدوده مادون قرمز نزدیک برای کربنات کلسیم معادل و گچ کارایی بهتری ارائه دادند. | ||
کلیدواژهها | ||
باندهای جذبی؛ رفتار طیفی خاک؛ طیف سنجی مرئی-مادون قرمز؛ PLSR | ||
مراجع | ||
Banaie M. H. (2001). Map of Iran soils moisture and temperature regimes. Soil and Water research institute. Tehran. Iran. (in Farsi) Ben-Dor, E., Inbar, Y., & Chen, Y. (1997). The reflectance spectra of organic matter in the visible near-infrared and short wave infrared region (400–2500 nm) during a controlled decomposition process. Remote Sensing of Environment, 61(1), 1-15. Chang, C.-W., Laird, D. A., Mausbach, M. J., & Hurburgh, C. R. (2001). Near‐infrared reflectance spectroscopy–principal components regression analyses of soil properties. Soil Science Society of America Journal, 65(2), 480-490. Daniel, K., Tripathi, N., Honda, K., & Apisit, E. (2004). Analysis of VNIR (400–1100 nm) spectral signatures for estimation of soil organic matter in tropical soils of Thailand. International Journal of Remote Sensing, 25(3), 643-652. Demattê, J. A. M. (2002). Characterization and discrimination of soils by their reflected electromagnetic energy. Pesquisa Agropecuária Brasileira, 37(10), 1445-1458 Farifteh, J., Farshad, A., & George, R. (2006). Assessing salt-affected soils using remote sensing, solute modelling, and geophysics. Geoderma, 130(3-4), 191-206. Gee, G.W., & Bauder, J.W. (1986) Particle‐size analysis Methods of soil analysis: Part 1 Physical and mineralogical methods. 5:383-411. Gomez, C., P. Lagacherie, and G. Coulouma. 2008. Continuum removal versus PLSR method for clay and calcium carbonate content estimation from laboratory and airborne hyperspectral measurements. Geoderma,148:141-148. Gomez, C., & Coulouma, G. (2018). Importance of the spatial extent for using soil properties estimated by laboratory VNIR/SWIR spectroscopy: Examples of the clay and calcium carbonate content. Geoderma, 330, 244-253 Hassani, A., Bahrami, H.A., Noroozi, A.A., & Oustan, Sh., (2014). Visible-near infrared reflectance spectroscopy for assessment of soil properties in gypseous and calcareous soils. Watershed engineering and management, 6(2), 125-138. (In Farsi) Henderson, T., Baumgardner, M., Franzmeier, D., Stott, D., & Coster, D. (1992). High dimensional reflectance analysis of soil organic matter. Soil Science Society of America Journal, 56(3), 865-872. Hummel, J. W., Sudduth, K. A., & Hollinger, S. E. (2001). Soil moisture and organic matter prediction of surface and subsurface soils using an NIR soil sensor. Computers and electronics in agriculture, 32(2), 149-165. Hunt, G. R., & Salisbury, J. W. (1971). Visible and near infrared spectra of minerals and rocks. II. Carbonates. Modern Geology, 2, 23-30. Iran Geology Organization (1995) Neyriz and Estahban map 1:250000. Tehran map publication Islam, K., Singh, B., & McBratney, A. (2003). Simultaneous estimation of several soil properties by ultra-violet, visible, and near-infrared reflectance spectroscopy. Soil Research, 41(6), 1101-1114. Khayamim, F., Khademi, H., Stenberg, B., & Wetterlind, J. (2015a) Capability of vis-NIR Spectroscopy to Predict Selected Chemical Soil Properties in Isfahan Province. JWSS. 19 (72) :81-92. (In Farsi) Khayamim, F., Wetterlind, J., Khademi, H., Robertson, A. J., Cano, A. F., & Stenberg, B. (2015b). Using visible and near infrared spectroscopy to estimate carbonates and gypsum in soils in arid and subhumid regions of Isfahan, Iran. Journal of Near Infrared Spectroscopy, 23(3), 155-165. Kim, I., Pullanagari, R., Deurer, M., Singh, R., Huh, K., & Clothier, B. (2014). The use of visible and near‐infrared spectroscopy for the analysis of soil water repellency. European journal of soil science, 65(3), 360-368. McBratney, A. B., Minasny, B., & Rossel, R. V. (2006). Spectral soil analysis and inference systems: A powerful combination for solving the soil data crisis. Geoderma, 136(1-2), 272-278. Minasny, B., McBratney, A., Tranter, G., & Murphy, B. (2008). Using soil knowledge for the evaluation of mid‐infrared diffuse reflectance spectroscopy for predicting soil physical and mechanical properties. European journal of soil science, 59(5), 960-971. Mohamed, E.S., Saleh, A.M., Belal, A.B., & Gad, A., (2018). Application of near-infrared reflectance for quantitative assessment of soil properties. Egypt. J. Rem. Sens. Space Sci, 21 (1), 1 – 14. Mousavi, F., Abdi, E., Ghalandarzadeh, A., Bahrami, H., & Majnounian, B. (2020). Investigating the ability of Visible-NIR spectrometry to estimate some soil properties. Iranian Journal of Forest, 11(4), 443-458. (in Farsi) Nawar, S., Buddenbaum, H., Hill, J., Kozak, J., & Mouazen, A. M. (2016). Estimating the soil clay content and organic matter by means of different calibration methods of vis-NIR diffuse reflectance spectroscopy. Soil and Tillage Research, 155, 510-522. Nelson, R.E. (1982). Carbonate and gypsum. In: Page, A.L. (Ed.), Methods of Soil Analysis. Agron. Monger. vol. 9. ASA and SSSA, Madison, WI, pp. 181–196. Ostovari, Y., Ghorbani-Dashtaki, S., Bahrami, H.-A., Abbasi, M., Dematte, J. A. M., Arthur, E., & Panagos, P. (2018). Towards prediction of soil erodibility, SOM and CaCO3 using laboratory Vis-NIR spectra: A case study in a semi-arid region of Iran. Geoderma, 314, 102-112. Page, A., Miller, R., & Keeney, D. (1982). Methods of soil analysis, Part 2: Chemical and microbiological properties 2nd ed. Madison, Wisconsin, USA. Pinheiro, É. F., Ceddia, M. B., Clingensmith, C. M., Grunwald, S., & Vasques, G. M. (2017). Prediction of soil physical and chemical properties by visible and near-infrared diffuse reflectance spectroscopy in the central Amazon. Remote Sensing, 9(4), 293. Rasooli, N., Farpoor, M., Khayamim, F., & Ranjbar, H. (2018). Prediction of selected soil properties using visible and near infrared spectroscopy in Bardsir area, Kerman Province. Iranian Journal of Soil Research, 32(2), 231-243. (in Farsi) Reeves III, J. B., & Smith, D. B.(2009).The potential of mid-and near-infrared diffuse reflectance spectroscopy for determining major-and trace-element concentrations in soils from a geochemical survey of North America. Applied Geochemistry, 24(8), 1472-1481. Reeves Iii, J., McCarty, G., & Mimmo, T. (2002). The potential of diffuse reflectance spectroscopy for the determination of carbon inventories in soils. Environmental pollution, 116, S277-S284. Rinnan, Å., Van Den Berg, F., & Engelsen, S. B. (2009). Review of the most common pre-processing techniques for near-infrared spectra. TrAC Trends in Analytical Chemistry, 28(10), 1201-1222. Rossel, R. V., McGlynn, R., & McBratney, A. (2006). Determining the composition of mineral-organic mixes using UV–vis–NIR diffuse reflectance spectroscopy. Geoderma, 137(1-2), 70-82. Savitzky, A., & Golay, M. J. (1964). Smoothing and differentiation of data by simplified least squares procedures. Analytical chemistry, 36(8), 1627-1639. Seifi, M., Ahmadi, A., Neyshabouri, M.-R., Taghizadeh-Mehrjardi, R., & Bahrami, H.-A. (2020). Remote and Vis-NIR spectra sensing potential for soil salinization estimation in the eastern coast of Urmia hyper saline lake, Iran. Remote Sensing Applications: Society and Environment, 20, 100398. Shahrayini, E., Noroozi, A., & Eghbal, M. K. (2020). Prediction of Soil Properties by Visible and Near-Infrared Reflectance Spectroscopy. Eurasian Soil Science, 53(12), 1760-1772. Stenberg, B. (2010). Effects of soil sample pretreatments and standardised rewetting as interacted with sand classes on Vis-NIR predictions of clay and soil organic carbon. Geoderma, 158(1-2), 15-22. Stenberg, B., Rossel, R. A. V., Mouazen, A. M., & Wetterlind, J. (2010). Visible and near infrared spectroscopy in soil science. Advances in agronomy, 107, 163-215. Summers, D., Lewis, M., Ostendorf, B., & Chittleborough, D. (2011). Visible near-infrared reflectance spectroscopy as a predictive indicator of soil properties. Ecological Indicators, 11(1), 123-131. Viscarra Rossel, R.A., Cattle, S.R., Ortega, A., and Fouad, Y. 2009. In situ measurements of soil colour, mineral composition and clay content by Vis–NIR spectroscopy. Geoderma, 150, 253–266. Walkley, A., & Black, I. A. (1934). An examination of the Degtjareff method for determining soil organic matter, and a proposed modification of the chromic acid titration method. Soil science, 37(1), 29-38. Wang, J., Ding, J., Abulimiti, A., & Cai, L. (2018). Quantitative estimation of soil salinity by means of different modeling methods and visible-near infrared (VIS–NIR) spectroscopy, Ebinur Lake Wetland, Northwest China. PeerJ, 6, e4703. Williams, P., Dardenne, P., & Flinn, P. (2017). Tutorial: Items to be included in a report on a near infrared spectroscopy project. Journal of Near Infrared Spectroscopy, 25(2), 85-90. Wold, S., Sjöström, M., & Eriksson, L. (2001). PLS-regression: a basic tool of chemometrics. Chemometrics and intelligent laboratory systems, 58(2), 109-130. Xie, X.-L., & Li, A.-B. (2016). Improving spatial estimation of soil organic matter in a subtropical hilly area using covariate derived from vis-NIR spectroscopy. Biosystems engineering, 152, 126-137. Yao, X., Huang, Y., Shang, G., Zhou, C., Cheng, T., Tian, Y., . . . Zhu, Y. (2015). Evaluation of six algorithms to monitor wheat leaf nitrogen concentration. Remote Sensing, 7(11), 14939-14966. Yitagesu, F. A., van der Werff, H., van der Meer, F., & Hecker, C. (2012). On the relationship between plasticity and spectral characteristics of swelling soils: The 3–5 μm wavelength region. Applied clay science, 69, 67-78.
| ||
آمار تعداد مشاهده مقاله: 503 تعداد دریافت فایل اصل مقاله: 413 |