论中红外光谱在土壤调查中该如何应用？
一、前言
土壤是基本的自然资源之一，其清查和评估至关重要。由于无法快速测量土壤特性，在土壤调查中清查土壤特性的能力受到了阻碍。使用传统实验室技术（例如湿化学）进行土壤分析既昂贵又耗时。
通过实验室获得表征样品可能需要几个月的时间。为了满足这一需求，需要更有效（快速）和更具成本效益的方法。本研究的主要目的是试点MIR-DRS联合PLSR在土壤调查中的应用。
目标是开发一种用于土壤调查现场办公室的程序，在这些办公室处理土壤样品，获取MIR光谱（使用紧凑型单样本光谱仪），并使用KSSL光谱库开发的校准模型获得预测。
本试验研究研究的土壤性质为总C、有机C、CaCO3当量，总粘土，CEC，1500 kPa水，以及水和CaCl中的pH值2，这是土壤调查中典型的土壤特性。
这些信息用于土壤解释、保护规划以及土壤分类和制图。从不存在到51%。来自Mollisols数据集的样本为建模提供了广泛的土壤特性。
二、中红外模型验证
模型拟合的优度（R2、RMSE 和 ME），用于预测美国中部 Mollisols 的土壤特性，用于校准和验证数据集（来自 MIR 库）。样品数量包括每个样品的四个重复。
一般来说，CaCO 的模型3当量，A层的总C，有机C，CEC，A层中的总粘土和A层中的1500 kPa水预测非常好（rc= 0.967–0.996），B层总粘土和B层1500 kPa水的模型预测得相当好（rc= 0.844–0.955）。pH模型预测得最差（rc= 0.750–0.921）。
在A层的测量与预测总C和有机C以及B层的CEC的验证图中观察到轻微的曲率。已知浓度和MIR强度之间的非线性关系发生在MIR-DRS光谱中（15;13）。
如果曲率仍然存在，则可以转换参考数据（ 之前校准开发，然后返回转换 （1;13， 17;53）线性化关系。如图所示，曲率可能是由与高浓度值相对应的不同化学或样品组成引起的。
使用从数据子集开发的局部线性模型进行预测可有效消除 MIR 研究中的回归非线性 5、15 和 16。变换的目标是增加测量值和预测值之间的线性关系。因此，任何线性化变换都应在RMSE和r的改进中实现。c.改进校准以消除回归曲率将是未来建模工作的目标。
三、校准传输
使用ALPHA获得的初步结果表明，为VERTEX 70构建的校准可以直接传输到ALPHA。使用来自Mollisols数据集的120个样本测试了直接校准转移的可行性。
总粘土范围从0.4到77%，有机C范围高达6.4%，CaCO3等效范围从不存在到34%。对于所有属性，使用ALPHA获得的预测的RMSE略高于使用VERTEX 70光谱仪。
总C、有机C、总粘土和CaCl中pH值的预测一致性2有一个 rc>0.950和0.990，被归类为“实质性”，而CEC和1500 kPa水的预测协议被归类为“中等”。近乎完美的一致性表明，直接校准传输的使用精度损失很小。
属性的预测误差越大，光谱仪之间的一致性强度就越低。当在ALPHA上获得的重复光谱数量（从1到4）导致较低的预测误差和更高的一致性（即更高的rc值）。
用于光谱仪之间的所有属性。总 C、有机 C 和 CaCO3等效的有一个 Rc>0.990，表示“近乎完美”的协议。总粘土、CEC 和 1500 kPa 重量法含水量具有“实质性”一致性，且c>0.95 和 <0.99。只有pH在光谱仪之间的一致性较低。
具有低 MIR 预测误差的特性，例如 CaCO3等效和C有利于用于评估校准转移，因为减少了与预测和直接校准转移相关的混杂误差。校准转移是一个正在进行的研究领域。
在缺乏用于执行校准转移的经过验证的方案的情况下，上述结果表明暂时接受所有属性的直接校准转移。正在努力寻找一种校准转移，这将降低光谱仪之间的预测误差。
结论：
综上所述笔者认为：从KSSL光谱仪（VERTEX 70）上获得的光谱开发的模型到在ALPHA上获得的光谱，直接校准转移在使用Lin的一致性相关性的预测之间，具有“近乎完美”的一致性。
在预测误差的比较中，VERTEX 70的表现略高于ALPHA。总之，直接校准转移是可行的。直接校准转移成功的一个关键因素是实验室和现场办公室样品制备方法、光学工作台之间的一致性以及缺乏错位偏差。
参考文献：
巴尔多克，J.A.，霍克，B.，桑德曼，J.，麦克唐纳，L.M.。2013. 从漫反射中红外光谱预测澳大利亚土壤中碳及其组分的含量.土壤分辨率 51：577– 595。
比特利，M.，弗卢里，M..2009. 用压板确定的保水曲线误差.土壤科学学会 73（5）：1453– 1460。
