SEH研究论文 | 浙江大学史舟团队：轮作农田土壤有机碳组分的原位预测？可见-近红外光谱有的是力气和...

主要观点总结

本文介绍了浙江大学史舟团队在Soil & Environmental Health期刊上发表的研究论文，关于基于原位可见-近红外光谱的小麦-水稻轮作农田土壤有机碳组分预测的研究。文章强调了土壤有机碳在养分循环和土壤稳定性方面的重要性，并介绍了可见-近红外光谱因便携性和快速无损测量能力而在土壤健康监测中的潜力。研究旨在提高VNIR在原位条件下对SOC组分含量估算的准确性和可靠性，为更深入地了解人类管理和气候变化共同作用下SOC组分动态演变预测提供数据支撑。

关键观点总结

关键观点1: 研究背景

土壤有机碳（SOC）在养分循环、土壤团聚体稳定性和防止侵蚀方面发挥关键作用。全球变暖导致的土壤温度升高会加速SOC分解速率，不同SOC组分对气候变暖的不同响应会影响SOC对气候变化的变化幅度和方向。

关键观点2: 研究方法

研究采集中国浙江嘉善高标准农田的土壤样本，使用原位土壤光谱测定和实验室土壤光谱测定，结合四种机器学习模型（Cubist、偏最小二乘回归（PLSR）、随机森林（RF）、基于记忆的学习算法（MBL））进行SOC及其组分预测。

关键观点3: 研究结果

研究显示，PLSR和MBL与实验室或未校正的原位光谱结合时，能以更高平均精度预测SOC及其组分。结合外部参数正交化（EPO）、直接标准化（DS）和分段直接标准化（PDS）算法以提高原位光谱的预测精度。

关键观点4: 研究亮点

研究强调了原位光谱技术在预测中国东南部小麦-水稻轮作农田土壤中SOC组分的可行性，为土壤管理实践和碳循环研究提供了科学支持。研究得到了国家重点研发计划和自然科学基金的支持。

关键观点5: 研究展望

该研究为中国农田表层土壤有机碳组分的原位预测提供了数据支撑，为快速评估农业区土壤健康状况提供了有力工具。未来可以进一步探索VNIR光谱在其他地区的应用，以及与其他技术的结合，提高SOC组分预测的精度和可靠性。