2、土壤光谱分析与R语言入门

土壤光谱分析与R语言入门

土壤光谱数据库填充与应用

从光谱中获取廉价土壤信息的机会推动了土壤光谱库的发展，这些光谱库可用于在局部、区域或全球尺度上量化土壤属性。如今，有几个机构提供纯材料（如矿物、植被或岩石）的光谱库。例如，美国地质调查局（USGS）的光谱库版本7包含了从紫外线到远红外线（0.2至200微米）不同材料的数千个光谱。还有专门针对土壤样本的光谱库，如欧洲编制的土地利用/覆盖面积统计调查（LUCAS），到2018年，该土壤光谱库约有45,000个土壤样本，包含可见光 - 近红外区域的光谱以及土壤属性，如pH值、有机碳和阳离子交换容量等。

构建传统土壤光谱库有三个关键要求：
1. 应包含尽可能多且具有代表性的土壤样本，以反映研究区域内土壤的空间变异性。
2. 土壤采样和扫描需谨慎进行，因为土壤样本和扫描程序的任何变化都会体现在光谱中。
3. 土壤属性的实验室测量应准确。

构建土壤光谱库有两种方式，分别使用遗留土壤样本或进行新的土壤采样，具体步骤如下：

使用遗留土壤样本构建光谱库的步骤 ：
1. 扫描所有土壤样本。
2. 对光谱进行异常值分析。
3. 如果光谱被视为异常值，重新扫描土壤。
4. 若重新扫描后的土壤样本仍被视为异常值，考虑针对该特定异常值土壤样本进行新的有针对性的土壤采样。
5. 异常值检测后，使用多元统计模型将光谱与实验室分析的土壤属性值（如土壤有机碳）进行关联。

使用新的土壤采样构建光谱库的步骤 ：
1. 定义研究区域。
2. 定义采样设计。