بررسي مقادير رس با استفاده از طيف‌سنجي ابرطيفي آزمايشگاهي (LDRS)

Investigation of Clay Contents Using Lab Diffuse Reflectance Spectroscopy (Lab Hyperspectroscopy)

بخش رس از مهم‌ترين اجزاي بافت خاك است كه در عمليات مدل سازي زيست محيطي2 و پهنه بندي رقومي خاك3 بسيار مورد توجه است. ازآنجا كه اين ويژگي از تغييرپذيري هاي مكاني4 تاثير مي‌پذيرد، تشخيص و پهنه بندي و پايش اين پارامتر، در مقياس وسيع و با روش هاي نمونه-برداري سنتي و تحليل آزمايشگاهي معمول، بسيار هزينه بر و وقت گير است. بنابراين، تقاضا براي بررسي اين گونه اطلاعات با كيفيت خوب، هزينه كم و قدرت تفكيك (مكاني) مناسب، در مباحث و زمينه هايي همچون كشاورزي دقيق5 (PA) و برنامه ريزي اراضي6 (LP) بسيار زياد شده است. با ظهور طيف سنجي ابرطيفي آزمايشگاهي (LDRS) كه براساس ارتعاشات بنيادين7 (FVs)، علايم تركيبي8 و فرعي9 حاصل از گروه هاي عاملي10 به تشخيص و بررسي اجزاي خاك مي پردازد، روزنه اي در بررسي اين پارامتر خاك ايجاد كرده است. طي تحقيق حاضر، از طيف سنجي بازتابي مجاورتي11 (PSS) براي بررسي مقادير رس در قسمت هايي از استان مازندران استفاده شده است. بدين‌ ترتيب، مجموع 128 نمونه از عمق 20 سانتيمتري سطح خاك و براساس روش نمونه برداري طبقه بندي‌شده تصادفي12 (SRS) و نيز با كمك اطلاعات جانبي همچون: زمين شناسي، كاربري اراضي، نقشه راه ها، و خاك شناسي استان جمع آوري شد. در ابتدا، مجموع نمونه ها به دو قسمت تقسيم شد: 96 نمونه براي ايجاد مدل (عمليات واسنجي13) و 32 نمونه براي اعتبارسنجي مستقل14 آن. با بهره گيري از تحليل رگرسيون چندمتغيره 15PLSR و براساس تكنيك اعتبارسنجي متقاطع به روش حذف تكي16 (LOOCV) و عمليات پيش پردازشي17 چون: ميانگين گيري18 (روش كاهش داده هاي ابرطيفي19)، هموارسازي و مشتق اول طيفي براساس الگوريتم ساويتسكي- گولاي20، درنهايت مدل كاليبراسيون با چهار فاكتور21 (LFs)، با RMSEC حدود 55/9 و R2C حدود 73/0 و نيز RPDC تقريبي 94/1 و RPIQC تقريبي 19/3 (ست كاليبراسيون)، به‌منزله مطلوب ترين مدل جهت برآورد مقادير رس منطقه مورد مطالعه، شناخته شد كه نتايج حاكي از توانايي مناسب مدل در برآورد رس منطقه بوده است. درنهايت، قابليت فن اوري طيف سنجي بازتابي پراكنشي مريي-فروسرخ نزديك22 (VNIR-DRS)، در بررسي اجزاي رسي منطقه، به اثبات رسيد. همچنين، مي‌شود اين مدل و نيز دامنه هاي طيفي موثر به‌دست‌آمده را جهت بررسي مقادير رس در مقياس بسيار وسيع، با عمليات بيش مقياس سازي23 به‌وسيله داده هاي ابرطيفي هوايي-ماهواره اي، مبنا قرار داد. اين امر نشان‌دهنده اهميت ابرطيف سنجي آزمايشگاهي، همچون پايه اي براي تشخيص باندهاي طيفي مفيد و نيز ايجاد مدل جهت استفاده آن در دورسنجي ابرطيفي است

Clay fraction is one of the most important soil textural segments which should be highlighted for environmental modeling operations and digital soil mapping projects. On one hand, identification, mapping and monitoring of clay content over wide scales using traditional sampling and common lab analysis procedures is time-consuming and costly, probably due to its vast spatial variability. Hence, there is an increasing demand to get these data in a premium, inexpensive and high (spatial) resolution manner so could be applicable for the precision agriculture as well landscape planning programs. With the advent of Lab Diffuse Reflectance Spectroscopy(LDRS)/Lab Hyperspectroscopy, which exploits the fundamental vibration, overtones and combination of functional groups for soil investigation, and so, that became a promising tool related. The present research intends to predict clay content utilizing the mentioned proximal soil sensing tech. Thus, in accord with supplementary data layers (geology, pedology, landuse and etc.) and stratified randomized sampling method, eventually 128 samples from 20cm of soil surface of Mazandaran province (scattered parts), were gathered. First of all, sample-set subdivided in two subsets: calibration subset with 96 and validation subset with 32 samples. Afterwards, using the multivariate regression analysis-PLSR method with leave-one-out cross-validation technique and some preprocessing algorithms such as: spectral averaging (spectra reduction method), smoothing and 1st derivative (Savitzky-Golay derivation algorithm), the definitive calibration model with four latent factors and RMSEc, R2c, RPD and RPIQ respectively: 9.55, 0.73, 1.94 and 3.19 were spotted as the most appropriate model for the clay content prediction in the study region. Lastly, the VNIR-DRS potentiality for clay content estimation in Mazandaran soils has proved. Also it is feasible to upscaling the clay prediction process utilizing the base resulted model and key spectral domains(recognized) via airborne/satellite hyperspectral data, which emphatically shows the LDRS importance as a commencement point for characterizing the informative optical wavebands as the infrastructure for hyperspectral remotely sensed modeling (upscaling process).