برآورد مقدار ماده آلی خاک، با استفاده از داده‌های طیفی و مدل‌های آماری رگرسیون حداقل مربعات جزئی و رگرسیون مولفه اصلی

ماده آلی خاک از مهم‌ترین ویژ‌گی‌های فیزیکوشیمیایی خاک است که در تعیین کیفیت و مدیریت آن نقش بسزایی دارد. مقدار کربن آلی خاک دچار تغییرات زمانی و مکانی بالایی می‌شود و بنابراین، تعیین آن در آزمایشگاه هزینه‌بر، مشکل و وقت‌گیر است. طیف‌سنجی مرئی‌ مادون قرمز نزدیک، از نظر کاهش زمان و هزینه، روش توجیه‌پذیری است که برای بررسی کربن آلی خاک پیشنهاد شده است. هدف این پژوهش بررسی کربن آلی خاک ازطریق طیف‌‌سنجی مرئی‌ مادون قرمز نزدیک و برآورد آن با استفاده از مدل‌های آماری، pca، plsr و pcr است. برای این منظور، چهل نمونه خاک از عمق صفر تا 30 سانتی‌متری، به‌روش سیستماتیک تصادفی، برمبنای مطالعات پیشین و تعیین طبقات متفاوت خاک‌های منطقه، برداشت شد. تجزیه شیمیایی خاک‌ها طبق روش‌های استاندارد صورت گرفت. بازتاب طیفی نمونه‌های خاک در محدوده طیفی ٣٥٠ تا 2500 نانومتر اندازه‌گیری شد و پس از اعمال روش‌های پیش‌‌پردازش فیلتر ساویتزکی‌ گلای، به‌کمک تحلیل مولفه‌های اصلی (pca)، رگرسیون حداقل مربعات جزئی(plsr)  و رگرسیون مولفه اصلی (pcr)، کربن آلی خاک برآورد شد. نتایج این پژوهش نشان داد که فیلتر ساویتزکی‌ ‌گلای قوی‌ترین روش پیش‌پردازش داده‌های طیفی بوده است. نتایج مدل‌‌سازی به‌روش plsr  نشان داد مقادیر r^2، rmse و rpd در مرحله اعتبارسنجی، برای پیش‌بینی ماده آلی، به‌ترتیب 0.85، 0.14 و 2.78 بوده درحالی‌که نتایج مدل‌سازی pcr، برای پارامترهای آماری یادشده، به‌ترتیب 0.78، 0.19 و 2.05 است و دقت بیشتر روش آماری plsr را، در مقایسه با روش pcr، برای مدل‌سازی برآورد کربن آلی خاک، می‌رساند. بنابراین، به‌نظر می‌رسد مدل plsr، برای پیش‌بینی سریع کربن آلی خاک‌های مناطق خشک و نیمه‌خشک، کارآیی و دقت بیشتری داشته باشد.