施用生物炭后土壤有机碳的近红外光谱模型研究与应用

土壤有机碳是影响土壤肥力的最重要因素之一。生物炭由于具有高度芳香化碳结构和发达孔隙结构等特性,可以作为一种土壤改良剂,提高土壤有机碳含量,改善土壤物理结构,近些年成为农业环境领域研究的热点。分别采用传统方法和可见光近红外光谱（VIS-NIRS,400-2500 nm）技术对施加不同用量生物炭的土壤有机碳含量进行检测和对比分析,以期为含生物炭土壤的有机碳分析建立有效预测模型。通过比较不同样本选择方法（Kennard-Stone（KS）,Random selection（RS）和Sample set partitioning based on joint x-y distances（SPXY））和光谱预处理方法（Savitzky-Golay平滑（SG）、倒数的对数log（1/R）、标准正态变量变换（SNV）、一阶导数（Der1）、二阶导数（Der2）和多元散射校正（MSC））,以3种模型（组合间隔偏最小二乘模型（Synergy Interval Partial Least Squares,siPLS）,遗传算法-支持向量机模型（Genetic Algorithm-Support vector machine,GA-SVM）和随机森林模型（Random Forest,RF））来建立生物炭土壤有机碳预测模型。结果表明：（1）施加生物炭增加了土壤有机碳含量,增加幅度随生物炭添加量的提高呈增加趋势;（2）土壤反射率随土壤有机碳含量的增加而降低,在1410、1920和2200 nm光谱附近存在明显的吸收谷;（3）对比3种样本选择方法,KS方法所划分的样本集相对于RS方法和SPXY方法更适用于生物炭土壤有机碳模型的建立;（4）以SG+MSC预处理结合GA-SVM方法建立的模型精度最高,校正集的R_cal²和RMSECV值分别为0.9526和0.4839,验证集的R²_val和RMSEP值分别为0.8598和0.9987,RPD值为2.6017。该模型因具有精度高且模拟效果较好等优点,可用于含生物炭土壤的有机碳含量的科学预测。