سحر طاقدیس - PhD Student, Department of Soil Science, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
محمد هادی فرپور - Department of Soil Science, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
مجید فکری - Department of soil science, Faculty of Agriculture. Shahid Bahonar University of Kerman, Kerman, Iran
مجید محمودآبادی* - Department of Soil Science, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran

طیف سنجی خاک به دلیل سرعت و دقت بالا، هزینه پایین و غیرمخرب بودن بر بسیاری از محدودیت­های روش­های سنتی تجزیه خاک غلبه کرده است. مطالعه حاضر با هدف امکان­سنجی استفاده از اطلاعات طیفی خاک به منظور برآورد برخی از ویژگی­های کلیدی خاک و مقایسه انواع روش­های پیش­پردازش طیفی در تعیین عملکرد مدل رگرسیون حداقل مربعات جزئی (PLSR) انجام گردید. بدین منظور ۱۰۰ نمونه خاک سطحی از اراضی واقع در حدفاصل شهرستان­های نی­ریز تا استهبان در شرق استان فارس جمع­آوری و مقادیر کربن ­آلی، قابلیت هدایت الکتریکی، کربنات کلسیم معادل و گچ با استفاده از روش­های ­استاندارد آزمایشگاهی اندازه­گیری گردید. سپس بازتاب طیفی نمونه­های خاک در محدوده ۲۵۰۰-۳۵۰ نانومتر ثبت و روش­های مختلف پیش­پردازش طیفی بر روی داده­ها اعمال گردید. در ادامه، برآورد خصوصیات خاک با استفاده از روش PLSR انجام شد. نتایج حاکی از توانایی مطلوب روش PLSR در تخمین میزان گچ (۲< RPD، ۸۱/۰ = R۲، ۸۷/۳ = RMSE) و توانایی قابل قبول آن برای سایر ویژگی­ها نظیر کربنات ­کلسیم معادل، کربن آلی و قابلیت هدایت الکتریکی خاک (۲>RPD> ۴/۱) بود. همچنین، نتایج نشان داد که روش ­پیش­پردازش مشتق اول به همراه فیلتر ساویتزکی و گلای، بهترین مدل­سازی را برای کربن آلی، روش متغیر نرمال استاندارد (SNV) برای گچ و روش مشتق دوم به همراه فیلتر ساویتزکی و گلای برای قابلیت هدایت الکتریکی خاک ارائه کردند. از طرفی، برآورد کربنات کلسیم خاک با داده­های بدون پیش­پردازش، تخمین بهتری نسبت به استفاده از انواع روش­های پیش­پردازش ارائه داد. به طور کلی، نتایج نشان داد که محدوده طیف مرئی برای برآورد کربن آلی و قابلیت هدایت الکتریکی و محدوده مادون قرمز نزدیک برای کربنات کلسیم معادل و گچ کارایی بهتری ارائه دادند.

Absorption bands, Soil spectral behavior, VIS-NIR spectroscopy, PLSR