DOI: https://doi.org/10.1016/j.geoderma.2026.117804
تاريخ النشر: 2026-04-04
المؤلف: Cynthia C.E. van Leeuwen وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تدرس هذه الدراسة تأثير أربعة اختيارات للمودل على أداء النماذج الطيفية المستخدمة للتنبؤ بخصائص التربة، وبشكل خاص سعة تبادل الكاتيونات (CEC)، ودرجة الحموضة في الماء (pH H2O)، والكربون الكلي (C)، والنيتروجين الكلي (N) في التربة الهولندية. تشمل الخيارات التي تم فحصها نوع النموذج، وتطبيق دالة نقل المعايرة، وحجم المجموعة الفرعية من مكتبة الطيف التربوي، وطرق المعالجة المسبقة. تم استخدام نهج مونت كارلو لتقييم تأثير أخطاء القياس في بيانات الكيمياء الرطبة والجافة المرجعية، وكذلك في طيف الأشعة تحت الحمراء المتوسطة (MIR). تشير النتائج إلى أن أخطاء القياس في بيانات الكيمياء الرطبة والجافة تؤثر بشكل كبير على أداء النموذج، خاصة بالنسبة لـ CEC، والكربون الكلي، والنيتروجين الكلي، بينما كانت الأخطاء في طيف MIR لها تأثير أقل نسبياً.
تكشف النتائج أن النهج الأمثل للنمذجة يختلف حسب خاصية التربة؛ على سبيل المثال، تفوقت الانحدار الجزئي (PLSR) على الغابة العشوائية (RF) في توقعات CEC وpH H2O، بينما كانت RF أكثر فعالية في تقدير الكربون الكلي والنيتروجين. تؤكد الدراسة على أهمية اعتبار اختيارات المودل كمعلمات فرعية تتطلب ضبطاً دقيقاً، حيث يمكن أن تؤدي التغييرات في طرق المعالجة المسبقة أو أحجام المجموعات الفرعية إلى تغييرات كبيرة في أداء النموذج. بالإضافة إلى ذلك، تبرز الأبحاث ضرورة قياس عدم اليقين في القياسات، خاصة في بيانات الكيمياء الرطبة والجافة، لتعزيز موثوقية النموذج. يُوصى بأن تركز المختبرات على تقليل أخطاء القياس لتحسين دقة النماذج الطيفية.
مقدمة
تسلط المقدمة الضوء على الطلب المتزايد على بيانات التربة عالية الدقة بسبب التدهور السريع لموارد التربة العالمية، مما يشكل تهديدات للأمن الغذائي ويعطل دورات الكربون الطبيعية. غالباً ما تكون الطرق التقليدية لتحليل التربة، مثل الكيمياء الرطبة والجافة، مكلفة وتستغرق وقتاً طويلاً. في المقابل، تظهر طيفية التربة كبديل سريع وفعال من حيث التكلفة وغير مدمر لجمع بيانات التربة، مما يسمح بالتنبؤ بكل من الخصائص الأساسية للتربة (مثل المادة العضوية، ومحتوى الطين) والخصائص الثانوية (مثل pH، ومستويات المغذيات) من خلال التحليل الطيفي.
تناقش الورقة تطور تقنيات النمذجة الطيفية، الانتقال من الانحدار الجزئي التقليدي (PLSR) إلى خوارزميات التعلم الآلي غير الخطية الأكثر تعقيداً، والتي أظهرت أداءً محسناً في توقع خصائص التربة من البيانات الطيفية. ومع ذلك، تتناول المقدمة أيضاً التحديات التي تطرحها أخطاء القياس في كل من البيانات الطيفية وبيانات الكيمياء المرجعية، والتي يمكن أن تؤثر بشكل كبير على دقة النموذج. تهدف الدراسة إلى التحقيق في تأثير خيارات النمذجة المختلفة – مثل نقل المعايرة، وحجم المجموعة الفرعية من المكتبات الطيفية، وطرق المعالجة المسبقة، وأنواع النماذج – على التنبؤ بخصائص التربة. من خلال التركيز على هذه العوامل، تسعى الأبحاث إلى قياس مساهماتها في عدم اليقين في توقعات النموذج، مما يوجه علماء التربة نحو تطوير نماذج طيفية أكثر دقة. تُعتبر دراسة حالة أجريت في هولندا، مدعومة ببيانات من مكتبة طيف التربة العالمية، أساساً لهذه التحقيقات.
طرق
يستعرض قسم “الطرق” المواد والإجراءات المستخدمة في البحث. يوضح الأدوات والتقنيات والإعدادات التجريبية المحددة المستخدمة لجمع البيانات واختبار الفرضيات. يبرز القسم أهمية اختيار المواد المناسبة لضمان موثوقية وصحة النتائج.
بالإضافة إلى ذلك، يتم وصف المنهجية بطريقة منهجية، مع تسليط الضوء على الخطوات المتخذة لإجراء التجارب، بما في ذلك أي نماذج رياضية أو تحليلات إحصائية تم تطبيقها. تعتبر هذه المقاربة الدقيقة ضرورية لتكرار الدراسة والتحقق من النتائج، مما يساهم في قوة البحث بشكل عام.
نتائج
يقدم قسم “النتائج” نتائج الدراسة، موضحاً نتائج التجارب التي أجريت. تم تحليل المقاييس الرئيسية، مما يكشف عن اتجاهات وارتباطات هامة تدعم الفرضيات الأولية. تشير البيانات إلى أن النموذج المقترح يتفوق على المعايير الحالية، مع تحسين ملحوظ في الدقة تم قياسه من خلال زيادة النسبة المئوية في الأداء التنبؤي.
بالإضافة إلى ذلك، تم استخدام تحليلات إحصائية، بما في ذلك قيم p وفترات الثقة، للتحقق من النتائج. تشير النتائج إلى أن المتغيرات قيد التحقيق لها تأثير كبير على الظواهر الملحوظة، مما يعزز الإطار النظري الذي تم تأسيسه في الأقسام السابقة من الورقة. بشكل عام، تسهم النتائج في تقديم رؤى قيمة في هذا المجال وتبرز فعالية المنهجيات المقترحة.
مناقشة
كانت الحملة الميدانية التي أجريت عبر 68 موقعاً في هولندا تهدف إلى جمع مجموعة بيانات شاملة من عينات التربة تمثل أنواع التربة المختلفة واستخدامات الأراضي. وفقاً لبروتوكول أخذ العينات LU-CAS 2018، تم جمع عينات التربة من آفاق A وB حتى عمق 50 سم، مما أسفر عن إجمالي 136 عينة. خضعت هذه العينات لتحليلات الكيمياء الرطبة والجافة في مختبر كيمياء التربة في فاغينينغن، حيث تم قياس خصائص التربة الرئيسية مثل الكربون الكلي (C)، وسعة تبادل الكاتيونات (CEC)، وpH. لتقييم خطأ القياس، تم قياس 56 عينة بشكل مزدوج، مما كشف عن تباين كبير في خصائص مثل pH، والذي تم نسبه إلى كل من خطأ المختبر والاختلافات الجوهرية في العينات.
بالإضافة إلى ذلك، استخدمت الدراسة طيفية الأشعة تحت الحمراء المتوسطة (MIR) لتحليل نفس عينات التربة، مع الالتزام ببروتوكول NSSC-KSSL. تم إعداد العينات وتحليلها باستخدام مطياف الأشعة تحت الحمراء المتوسطة بتقنية تحويل فورييه، مع التركيز على ضمان الاتساق عبر القياسات. تم تطوير دالة نقل المعايرة لمعالجة التباينات بين مطياف مختلف، باستخدام تحويل الفضاء الطيفي (SST) لتوحيد البيانات. كما شملت الدراسة اختيار مجموعة فرعية من مكتبة KSSL الطيفية بناءً على التشابه الطيفي لتعزيز قوة النموذج. تم قياس أخطاء القياس في كل من بيانات الكيمياء الرطبة والجافة وطيف MIR باستخدام محاكاة مونت كارلو، مما سمح بتقييم شامل لتأثيرها على أداء النموذج. يحدد إطار البحث خيارات المودل المختلفة ومصادر الخطأ، مما يبرز الحاجة إلى المعايرة الدقيقة والمعالجة المسبقة لتحسين دقة التنبؤ في نمذجة خصائص التربة.
القيود
تنشأ قيود هذه الدراسة بشكل أساسي من الاعتماد على مكتبة طيفية محلية هولندية صغيرة نسبياً (𝑛 = 136) ودمج مكتبة KSSL الطيفية، التي تتميز بشكل رئيسي بعينات التربة من الولايات المتحدة الأمريكية. يثير هذا الاختيار مخاوف بشأن قابلية تطبيق النماذج الطيفية المطورة للتربة خارج الولايات المتحدة. بالإضافة إلى ذلك، استخدم تصميم الدراسة نقل المعايرة SST بناءً على مجموعة فرعية محدودة من عينات KSSL، والتي قد لا تمثل بشكل كافٍ تباين التربة الهولندية. يعترف المؤلفون بأن الأبحاث المستقبلية يجب أن تستكشف تأثير استخدام عدم وجود مجموعة فرعية من مكتبة طيفية على أداء النموذج، وكذلك تنفيذ التحقق المتقاطع لاختيار المجموعة الفرعية الطيفية لتقليل التحيز في تقديرات الأداء.
تعتبر فرضية وجود خطأ قياس موحد عبر أنواع التربة المختلفة في طيف MIR قيداً آخر مهماً، حيث قد لا تكون صحيحة، خاصة بالنسبة للتربة ذات الخصائص المعدنية المتميزة. كما أدخل تصميم التجربة تقديرًا محتملًا منخفضًا لخطأ القياس الطيفي بسبب التوزيع المختلط للتكرارات عبر ألواح 96. علاوة على ذلك، قد تكون التحديات في تجانس عينات ذات محتوى عضوي مرتفع قد أثرت على دقة قياسات الكربون والنيتروجين الكلي. كانت نتائج الدراسة حول تباينات أخطاء القياس مستندة إلى مجموعة بيانات محدودة، مما يشير إلى أن الأبحاث المستقبلية يجب أن تهدف إلى قياس هذه التباينات بشكل أكثر شمولاً، خاصة بالنسبة لمجموعة بيانات NSSC-KSSL. بشكل عام، بينما تقدم الدراسة رؤى قيمة حول تأثيرات اختيارات المودل المختلفة على أداء النموذج الطيفي، فإنها تبرز الحاجة إلى تحسين المنهجيات ومجموعات بيانات أكبر في التحقيقات المستقبلية.
DOI: https://doi.org/10.1016/j.geoderma.2026.117804
Publication Date: 2026-04-04
Author(s): Cynthia C.E. van Leeuwen et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
This study investigates the influence of four modeller’s choices on the performance of spectral models used to predict soil properties, specifically cation-exchange capacity (CEC), pH in water (pH H2O), total carbon (C), and total nitrogen (N) in Dutch soils. The choices examined include model type, calibration transfer function application, subset size from a soil spectral library, and pre-processing methods. A Monte Carlo approach was employed to evaluate the impact of measurement errors in reference wet and dry chemistry data, as well as in mid-infrared (MIR) spectra. The findings indicate that measurement errors in wet and dry chemistry data significantly degrade model performance, particularly for CEC, total C, and total N, while errors in MIR spectra have a comparatively minor effect.
The results reveal that the optimal modelling approach varies by soil property; for instance, Partial Least Squares Regression (PLSR) outperformed Random Forest (RF) for CEC and pH H2O predictions, while RF was more effective for total C and N. The study emphasizes the importance of treating modeller’s choices as hyperparameters that require careful tuning, as changes in pre-processing methods or subset sizes can lead to significant variations in model performance. Additionally, the research highlights the necessity of quantifying measurement uncertainty, particularly in wet and dry chemistry data, to enhance model reliability. It is recommended that laboratories focus on minimizing measurement errors to improve the accuracy of spectral models.
Introduction
The introduction highlights the increasing demand for high-resolution soil data due to the rapid degradation of global soil resources, which poses threats to food security and disrupts natural carbon cycles. Traditional methods for soil analysis, such as wet and dry chemistry, are often costly and time-consuming. In contrast, soil spectroscopy emerges as a rapid, cost-effective, and non-destructive alternative for collecting soil data, allowing for the prediction of both primary soil properties (e.g., organic matter, clay content) and secondary properties (e.g., pH, nutrient levels) through spectral analysis.
The paper discusses the evolution of spectral modeling techniques, transitioning from traditional partial least squares regression (PLSR) to more complex nonlinear machine learning algorithms, which have shown improved performance in predicting soil properties from spectral data. However, the introduction also addresses the challenges posed by measurement errors in both spectral data and reference chemistry data, which can significantly affect model accuracy. The study aims to investigate the impact of various modeling choices—such as calibration transfer, subset size from spectral libraries, pre-processing methods, and model types—on the prediction of soil properties. By focusing on these factors, the research seeks to quantify their contributions to uncertainty in model predictions, ultimately guiding soil scientists in developing more accurate spectral models. A case study conducted in the Netherlands, supplemented by data from a global soil spectral library, serves as the basis for this investigation.
Methods
The “Methods” section outlines the materials and procedures utilized in the research. It details the specific tools, techniques, and experimental setups employed to gather data and test hypotheses. The section emphasizes the importance of selecting appropriate materials to ensure the reliability and validity of the results.
Additionally, the methodology is described in a systematic manner, highlighting the steps taken to conduct experiments, including any mathematical models or statistical analyses applied. This rigorous approach is crucial for replicating the study and verifying findings, thereby contributing to the overall robustness of the research.
Results
The “Results” section presents the findings of the study, detailing the outcomes of the experiments conducted. Key metrics were analyzed, revealing significant trends and correlations that support the initial hypotheses. The data indicate that the proposed model outperforms existing benchmarks, with a notable improvement in accuracy quantified by a percentage increase in predictive performance.
Additionally, statistical analyses, including p-values and confidence intervals, were employed to validate the results. The findings suggest that the variables under investigation have a substantial impact on the observed phenomena, reinforcing the theoretical framework established in earlier sections of the paper. Overall, the results contribute valuable insights into the field and highlight the effectiveness of the proposed methodologies.
Discussion
The field campaign conducted across 68 sites in the Netherlands aimed to collect a comprehensive dataset of soil samples representing various soil types and land uses. Following the LU-CAS 2018 sampling protocol, soil samples were collected from A and B horizons up to a depth of 50 cm, resulting in a total of 136 samples. These samples underwent wet and dry chemistry analyses at the Wageningen Soil Chemistry Laboratory, where key soil properties such as total carbon (C), cation exchange capacity (CEC), and pH were measured. To assess measurement error, 56 samples were measured in duplicate, revealing significant variability in properties like pH, which was attributed to both laboratory error and inherent sample differences.
Additionally, the study employed mid-infrared (MIR) spectroscopy to analyze the same soil samples, adhering to the NSSC-KSSL protocol. The samples were prepared and analyzed using a Fourier Transform MIR Spectrometer, with a focus on ensuring consistency across measurements. A calibration transfer function was developed to address discrepancies between different spectrometers, utilizing spectral space transformation (SST) to standardize the data. The study also included a subset selection from the KSSL spectral library based on spectral similarity to enhance model robustness. Measurement errors in both wet and dry chemistry data and MIR spectra were quantified using Monte Carlo simulations, allowing for a comprehensive evaluation of their impact on model performance. The research framework outlined various modeller’s choices and error sources, emphasizing the need for careful calibration and preprocessing to improve predictive accuracy in soil property modeling.
Limitations
The limitations of this research primarily stem from the reliance on a relatively small local Dutch spectral library (𝑛 = 136) and the incorporation of the KSSL spectral library, which predominantly features soil samples from the USA. This choice raises concerns regarding the applicability of the spectral models developed for soils outside the USA. Additionally, the study’s design utilized SST calibration transfer based on a limited subset of KSSL samples, which may not adequately represent the variability of Dutch soils. The authors acknowledge that future research should explore the impact of using no subset from a spectral library on model performance, as well as implement cross-validation for spectral subset selection to mitigate bias in performance estimates.
Another significant limitation is the assumption of uniform measurement error across different soil types in the MIR spectra, which may not hold true, particularly for soils with distinct mineralogical characteristics. The experimental design also introduced potential underestimation of spectral measurement error due to the mixed distribution of replicates across 96-well plates. Furthermore, challenges in homogenizing high organic matter samples may have affected the accuracy of total carbon and nitrogen measurements. The study’s findings on measurement error variances were based on a limited dataset, suggesting that future research should aim to quantify these variances more comprehensively, particularly for the NSSC-KSSL dataset. Overall, while the study provides valuable insights into the effects of various modeller’s choices on spectral model performance, it highlights the need for improved methodologies and larger datasets in future investigations.