近日，我院2022级农村发展专业硕士研究生周妤薇在导师李硕副教授的指导下，与加拿大圭尔夫大学Asim Biswas教授等国内外多家单位合作的研究成果“Enhancing Soil Profile Analysis with Global Soil Spectral Libraries and Laboratory Hyperspectral Imaging”发表在国际顶级土壤学杂志《Geoderma》。该研究结合可见近红外成像光谱技术和土壤光谱库结合机器学习算法，提出了预测和绘制土壤剖面有机碳含量分布精细制图的新框架。
图1. 数据集的划分和提取. (a) 预处理后的土壤剖面高光谱影像；(b) 光谱聚类数目；(c) 聚类结果的空间可视化；
(d) 剖面中类别的可视化；(e) 利用 PCA 剔除 ROI 中的异常值；(f) 土壤剖面中 ROI分布的可视化
图2. 局部建模集优化流程
该研究针对 1 米深的完整土壤剖面，采用光谱相似性和连续统去除法（SS-CR）从全球土壤光谱库中构建了局地数据集（Local），并以光谱库全集（Global）作为对照。同时对比了偏最小二乘回归和随机森林算法在建立土壤剖面光谱与有机碳含量之间定量关系的能力。结果表明，使用随机森林构建的局部模型仅需全库样本的三分之一即可实现良好的预测精度，且精细绘制的土壤有机碳含量在剖面上的空间分布更合理。该研究凸显了成像光谱技术和局部建模法在土壤定量分析中的价值。
我院周妤薇硕士研究生为论文第一作者，该研究得到国家自然科学基金项目、农业农村部黄淮海智慧农业技术重点实验室开放研究基金等项目的资助。
同时，周妤薇在2024年南京举办的“Global Symposium on Soil Information and Data”国际学术会议和“中国土壤学会第十五次全国会员代表大会暨第十三届海峡两岸土壤肥料学术交流研讨会”上分别作了英文和中文的现场口头报告，并获“研究生优秀报告奖”。
图 “Global Symposium on Soil Information and Data”国际学术会议汇报
图 “中国土壤学会第十五次全国会员代表大会暨第十三届海峡两岸土壤肥料学术交流研讨会”获奖证书
论文链接：https://doi.org/10.1016/j.geoderma.2024.117036
Zhou Y., Biswas A., Hong Y., Chen S., Hu B., Shi Z., Guo Y., Li S.* Enhancing soil profile analysis with soil spectral libraries and laboratory hyperspectral imaging. Geoderma, 2024, 450, 117036
撰稿：沈心茹
编辑：奠红兵
审读：刘目兴
