Abstract
Spectroscopic techniques have become attractive to assess soil properties because they are fast, require little labor and may reduce the amount of laboratory waste produced when compared to conventional methods. Imaging spectroscopy (IS) can have further advantages compared to laboratory or field proximal spectroscopic approaches such as providing spatially continuous information with a high density. However, the accuracy of IS derived predictions decreases when the spectral mixture of soil with other targets occurs. This paper evaluates the use of spectral data obtained by an airborne hyperspectral sensor (ProSpecTIR-VS – Aisa dual sensor) for prediction of physical and chemical properties of Brazilian highly weathered soils (i.e., Oxisols). A methodology to assess the soil spectral mixture is adapted and a progressive spectral dataset selection procedure, based on bare soil fractional cover, is proposed and tested. Satisfactory performances are obtained specially for the quantification of clay, sand and CEC using airborne sensor data (R2 of 0.77, 0.79 and 0.54; RPD of 2.14, 2.22 and 1.50, respectively), after spectral data selection is performed; although results obtained for laboratory data are more accurate (R2 of 0.92, 0.85 and 0.75; RPD of 3.52, 2.62 and 2.04, for clay, sand and CEC, respectively). Most importantly, predictions based on airborne-derived spectra for which the bare soil fractional cover is not taken into account show considerable lower accuracy, for example for clay, sand and CEC (RPD of 1.52, 1.64 and 1.16, respectively). Therefore, hyperspectral remotely sensed data can be used to predict topsoil properties of highly weathered soils, although spectral mixture of bare soil with vegetation must be considered in order to achieve an improved prediction accuracy.
บทคัดย่อด้านเทคนิคได้กลายเป็นประเมินคุณสมบัติของดินเนื่องจากพวกเขาได้อย่างรวดเร็ว ต้องใช้แรงงานน้อย และอาจลดปริมาณของเสียห้องปฏิบัติผลิตเมื่อเปรียบเทียบกับวิธีดั้งเดิม ภาพก (IS) ได้เพิ่มเติมข้อดีเมื่อเทียบกับห้องปฏิบัติการหรือฟิลด์ proximal ด้านแนวทางเช่นการให้ข้อมูลอย่างต่อเนื่อง spatially มีความหนาแน่นสูง อย่างไรก็ตาม ความถูกต้องของ IS มาคาดการณ์ลดลงเมื่อผสมดินกับเป้าหมายอื่น ๆ ของสเปกตรัม กระดาษนี้จะใช้ข้อมูลสเปกตรัมได้ โดยเซนเซอร์อากาศ hyperspectral (ProSpecTIR-VS-เซนเซอร์สองตัวเมือง) ทำนายทางกายภาพ และคุณสมบัติทางเคมีของบราซิลสูง weathered ดินเนื้อปูน (เช่น Oxisols) วิธีการประเมินส่วนผสมดินสเปกตรัมจะปรับ และขั้นตอนการเลือกชุดข้อมูลสเปกตรัมก้าวหน้า ตามปกเศษดินเปลือย นำเสนอ และทดสอบ แสดงเป็นที่พอใจจะได้รับเป็นพิเศษสำหรับนับดิน ทราย และใช้ข้อมูลเซนเซอร์อากาศพบกับ CEC (R2 0.77, 0.79 และ 0.54 RPD 2.14, 2.22 และ 1.50 ตามลำดับ), หลัง จาก ทำการเลือกข้อมูลสเปกตรัม แม้ว่าผลที่ได้รับการ ปฏิบัติข้อมูลไม่ถูกต้องมากขึ้น (R2 0.92, 0.85 และ 0.75 RPD 3.52, 2.62 และ 2.04 ดิน ทราย และพบกับ CEC ตามลำดับ) สำคัญที่สุด ตามมาสู่แรมสเป็คตราที่ฝาเศษดินเปลือยจะไม่พิจารณาการคาดคะเนแสดงมากต่ำกว่าความถูกต้อง เช่นสำหรับดินเหนียว ทราย และพบกับ CEC (RPD 1.52, 1.64 และ 1.16 ตามลำดับ) ดังนั้น hyperspectral ระยะไกลทรงข้อมูลสามารถใช้เพื่อทำนาย topsoil คุณสมบัติของดินเนื้อปูนสูง weathered แม้ว่าต้องพิจารณาสเปกตรัมผสมดินเปลือยกับพืชเพื่อให้แม่นยำทำนายดีขึ้น
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)
เทคนิคทางนามธรรม
ได้กลายเป็นที่น่าสนใจเพื่อประเมินคุณสมบัติของดิน เพราะจะเร็ว ต้องใช้แรงงานน้อย และอาจจะลดปริมาณของเสียจากห้องปฏิบัติการผลิตเมื่อเทียบกับวิธีการแบบดั้งเดิมภาพสเปกโทรสโกปี ( ) สามารถมีข้อได้เปรียบเพิ่มเติมเมื่อเทียบกับวิธีทางห้องปฏิบัติการ หรือ สาขาใกล้เคียง เช่น การให้ข้อมูลเชิงพื้นที่อย่างต่อเนื่องที่มีความหนาแน่นสูง แต่ความถูกต้องของการได้มาคาดคะเนลดลงเมื่อส่วนผสมของสเปกตรัมของดินกับเป้าหมายอื่น ๆเกิดขึ้นกระดาษนี้จะประเมินการใช้สเปกตรัมข้อมูลจากเซ็นเซอร์ hyperspectral อากาศ ( prospectir VS – Aisa dual sensor ) สำหรับการทำนายคุณสมบัติทางกายภาพและทางเคมีของบราซิลสูง ( เช่น ผุดินออกซิซอลส์ ) วิธีการประเมินการใช้ดินผสม และการเลือกข้อมูลขั้นตอนการใช้ดินธรรมดา ส่วนปกนำเสนอและทดสอบ การแสดงที่น่าพอใจได้รับเป็นพิเศษสำหรับปริมาณของดิน , ทรายและ CEC ใช้เซ็นเซอร์อากาศ ( R2 0.77 , 0.79 และ 0.54 ตามลำดับ ; ร์แพดของ 2.22 และ 1.50 ตามลำดับ หลังจากเลือกข้อมูลสเปกตรัมแสดง แม้ว่าผลลัพธ์ที่ได้สำหรับข้อมูลทางห้องปฏิบัติการจะถูกต้องมากขึ้น ( R2 0.92 , 0.85 และ 0.75 ; ร์แพดของ 3.52 , 2.62 และ 2.04 , สำหรับดินทรายและ CEC ตามลำดับ ) ที่สำคัญที่สุดคือ การคาดคะเนตามอากาศที่มาสเปกตรัม ที่ดินเปล่า ส่วนปกจะไม่พิจารณาให้มาก ลดความแม่นยำ เช่น ดิน ทราย และ CEC ( ร์แพดของ 1.52 , 1.64 1.16 ตามลำดับ ) ดังนั้น hyperspectral ข้อมูลจากระยะไกล สามารถใช้ทำนายคุณสมบัติของดินสูง สภาพดินแม้ว่าส่วนผสมของสเปกตรัมของดินเปลือยกับพืชที่ต้องพิจารณาเพื่อให้บรรลุการปรับปรุงการพยากรณ์ความแม่นยำ
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)