انجمن سنجش از دور ایران / دانشگاه شهید بهشتی نشریه سنجش از دور و GIS ایران 2008-5966 17 4 2026 01 21 Estimation of Soil Organic Carbon Content at Various Moisture Levels Using Visible/Near-Infrared Spectroscopy برآورد مقدار کربن آلی خاک در سطوح متفاوت رطوبتی با طیف‌سنجی مرئی/ فروسرخ نزدیک 93 110 104997 10.48308/gisj.2024.235669.1218 FA مهرداد آقائی سعدی گروه مهندسی مکانیک بیوسیستم، دانشگاه تربیت مدرس، تهران، ایران سعید مینایی گروه مهندسی مکانیک بیوسیستم، دانشگاه تربیت مدرس، تهران، ایران بهاره جمشیدی بخش تحقیقات هوشمندسازی کشاورزی، موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران حسینعلی بهرامی گروه علوم خاک، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران سهام میرزایی شورای ملی تحقیقات ایتالیا، موسسه روش‌شناسی، تجزیه و تحلیل محیطی، پوتنزا، ایتالیا Journal Article 2024 05 12 <strong>Introduction:</strong> Determination of organic-carbon-content variation in the field is crucial due to the importance of soil organic carbon content, including its role in increasing soil resistance against wind and water erosion. This study examines the ability of reflectance visible-near infrared (Vis/NIR) spectrometry for measurement and prediction of soil organic carbon content and the effect of the type of spectral preprocessing on the accuracy of multivariable predictive models was studied.<br /><strong>Material and Methods:</strong> In this research, spectroscopy of soil samples was performed at 7 moisture levels in the interactance measurement mode in the 350-2500 nm spectral range using a contact probe. Spectrophotometry of 5 different sections of each soil sample was carried out and the data were processed and analyzed. Spectral data obtained from the spectrophotometer included unwanted information, background and noise in addition to the information of the samples. In order to arrive at accurate and reliable analytical models, pre-processing of the spectral data was required prior to regression model simulation. Multivariate calibration models of partial least squares (PLS) were developed based on the reference measurements and the information of the preprocessed spectra using a combination of different methods for assessment and prediction of soil organic carbon content. These included: smoothing (moving average (MA), and Savitzky-Golay (SG)); normalizing (multiplicative scatter correction (MSC), standard normal Variate (SNV)); as well as increasing the spectral resolution (first and second derivatives (D1, D2)).<br /><strong>Results and Discussion:</strong> Results showed that NIR spectroscopy is a suitable method for measurement of organic carbon content in soil samples. Prediction utilizing the data analyzed using the PLS model based on SG + MSC, produced the best detection results. Thus, SG+MSC preprocessing (R_c² =0.81, RMSEC = 0.239, R_p² = 0.79, RMSEP = 0.252) is suitable for predicting the amount of soil OC with high accuracy (SDR= 3.191). Results showed that reflectance rate diminishes with increasing moisture content reducing the ability of the PLS model to predict organic carbon content. This is true across all the preprocessing methods. In addition, the determined index values and validation criteria showed that prediction of organic carbon content with the PLS model using SG+D1+MSC, SG+MSC, SG+MSC, SG+D1+MSC, SG+SNV and SG+SNV combinations gives the best detection results for the following moisture levels, respectively: 6, 12, 18, 24, 30 and 36%.<br /><strong>Conclusion:</strong> Vis/NIR spectroscopy can be used as an alternative to conventional laboratory methods for soil organic-carbon-content determination. Results showed that the use of Vis/NIR spectroscopy for determination of soil organic carbon content can be considered in the site-specific management of fields, which can ultimately lead to saving inputs and reducing the pressure on the environment.<br />. <strong>سابقه و هدف:</strong> تعیین تغییرات مقدار کربن آلی در مزرعه، به‌دلیل اهمیت و نقش مقدار کربن آلی در خاک، ازجمله نقش مؤثر آن در افزایش مقاومت خاک در برابر فرسایش باد و آب، از اهمیت ویژه‌ای برخوردار است. در این پژوهش، توانایی روش طیف‌سنجی Vis/NIR بازتابی به‌منظور سنجش و پیش‌بینی مقدار کربن آلی نمونه‌های خاک، در هفت تیمار رطوبتی و همچنین اثر پیش‌پردازش‌های گوناگون طیفی در دقت مدل‌های چندمتغیرۀ پیش‌بینی‌کننده، مطالعه شد.<br /><strong>مواد و روش‌ها:</strong> طیف‌گیری از نمونه‌های خاک در هفت تیمار رطوبتی، در مد اندازه‌گیری برهم‌کنش و محدودۀ‌ طیفی 350-2500 نانومتر و به‌صورت تماسی، از پنج ناحیۀ متفاوت انجام شد. داده‌های طیفی به‌دست‌آمده از اسپکترومتر، افزون‌بر اطلاعات نمونه، شامل اطلاعات ناخواستۀ پس‌زمینه و نویزها نیز می‌شوند. به‌همین‌دلیل برای دستیابی به مدل‌های واسنجی پایدار و دقیق و مورد اعتماد، به پیش‌پردازش داده‌های طیفی پیش‌از تدوین مدل‌های رگرسیون نیاز است. بدین‌منظور، این پردازش‌ها برای سنجش و پیش‌بینی مقدار کربن آلی خاک انجام شد: تدوین مدل‌های‌ واسنجی چندمتغیرۀ رگرسیون حداقل مربعات جزئی (PLS) برپایۀ‌ اندازه‌گیری‌های مرجع و اطلاعات طیف‌های پیش‌پردازش‌شده، با ترکیب روش‌های گوناگون هموارسازی (میانگین‌گیری متحرک (MA)، ساویتزکی‌_– گولای (SG))، نرمال‌سازی (تصحیح پخش افزاینده (MSC)، توزیع نرمال استاندارد (SNV)) و افزایش قدرت تفکیک طیفی (مشتق‌های اول و دوم (D₁ و D₂)).<br /><strong>نتایج و بحث:</strong> نتایج نشان داد که از روش طیف‌سنجی می‌توان برای سنجش مقدار کربن آلی خاک بهره‌ برد. مدل PLS، برپایۀ ترکیب SG+MSC، بهترین پیش‌بینی را در مقدار کربن آلی (OC) نمونه‌های خاک داشت؛ به‌گونه‌ای که پیش‌پردازش SG+MSC (81/0R²_c=، 239/0RMSEC=، 79/0R²_p=، و 252/0RMSEP=) با دقت مناسبی (17/2SDR=) توانست مقدار OC را پیش‌بینی کند. بررسی نتایج نشان داد که با افزایش رطوبت، مقدار بازتاب کاهش پیدا می‌کند و از توانایی مدل PLS برپایۀ روش‌های گوناگون پیش‌پردازش در سنجش مقدار کربن آلی نمونه‌ها کاسته می‌شود. همچنین مقادیر شاخص‌های تعیین‌شده و معیارهای اعتبارسنجی نشان داد که مدل PLS برپایۀ ترکیب‌های SG+D1+MSC، SG+MSC، SG+MSC، SG+D1+MSC، SG+SNV و SG+SNV بهترین نتایج پیش‌بینی مقدار کربن آلی را به‌ترتیب، برای تیمارهای رطوبتی 6، 12، 18، 24، 30 و 36% دارد.<br /><strong>نتیجه‌گیری:</strong> طیف‌سنجی Vis/NIR را می‌توان، به‌منزلۀ روشی جایگزین برای روش‌های مرسوم آزمایشگاهی، در تعیین مقدار کربن آلی خاک به کار برد. نتایج پژوهش‌ها حاکی از آن است که استفاده از طیف‌سنجی Vis/NIR در تعیین مقدار کربن آلی خاک می‌تواند، در مدیریت موضعی مزارع، مورد توجه قرار گیرد و این کار به صرفه‌جویی در نهاده‌ها و کاهش فشار بر محیط‌زیست منجر می‌شود. https://gisj.sbu.ac.ir/article_104997_2275949358d46d9e59922551351f383e.pdf