DOI: https://doi.org/10.5194/essd-18-219-2026
تاريخ النشر: 2026-01-08
المؤلف: Julia Fohrafellner وآخرون
الموضوع الرئيسي: الجيوديسيا التربة ورسم الخرائط
نظرة عامة
تقدم البحث أول مكتبة طيفية للتربة بالأشعة تحت الحمراء القريبة (NIR) في النمسا، والتي تتكون من 2,129 عينة تاريخية عبر مناطق بيئية مختلفة في النمسا، بهدف تعزيز تقييمات صحة التربة. باستخدام نمذجة الانحدار الجزئي (PLSR)، قيمت الدراسة فعالية المكتبة في التنبؤ بـ 14 مؤشرًا لصحة التربة. بينما وُجد أن نهج PLSR غير كافٍ للتقديرات الدقيقة مقارنةً بالتحليلات المخبرية التقليدية، إلا أنه أظهر دقة تنبؤية متوسطة لخصائص معينة مثل النيتروجين الكلي، الكربون العضوي في التربة، كربونات الكالسيوم (CaCO3)، والطين، مع $R^2 > 0.7$.
يؤكد المؤلفون أن مجموعة البيانات، التي تشمل بيانات تعريف العينة وطيف NIR بدقة 1 نانومتر، تشكل أساسًا حيويًا للتحليلات الطيفية المستقبلية وجهود النمذجة. يدعون إلى توسيع المكتبة الطيفية لتشمل القيم المتطرفة والبيانات من المنطقة الألبية، بالإضافة إلى استكشاف تقنيات التعلم الآلي لتعزيز القدرات التنبؤية. من خلال جعل هذه المجموعة من البيانات متاحة للجمهور، يهدف المؤلفون إلى المساهمة في التنمية العالمية لمكتبات الطيف التربة، وتعزيز طيفية NIR كطريقة سريعة وفعالة لتقييم ومراقبة صحة التربة.
مقدمة
ت outlines مقدمة ورقة البحث استراتيجية التربة المتجددة للمفوضية الأوروبية، التي تهدف إلى تحقيق نظم بيئية صحية للتربة بحلول عام 2030، مع التأكيد على مفهوم صحة التربة المتطور. تُعرف صحة التربة بأنها قدرة التربة على دعم الوظائف البيئية بما يتماشى مع أهداف التنمية المستدامة والصفقة الخضراء. يتم تسليط الضوء على الحاجة إلى “مؤشر صحة التربة” القابل للقياس الذي يتضمن مؤشرات كيميائية وفيزيائية وبيولوجية، حيث تعتمد التقييمات الحالية غالبًا على طرق مخبرية تقليدية تتطلب موارد كبيرة.
تناقش الورقة الاهتمام المتزايد في استخدام الطيفية المرئية (vis) والأشعة تحت الحمراء القريبة (NIR) كبديل فعال من حيث التكلفة للتنبؤ بخصائص التربة، بما في ذلك الكربون العضوي في التربة (SOC) وملمس التربة. تقدم الطيفية مزايا مثل السرعة، والبساطة، والصداقة البيئية، ويعتبر إنشاء مكتبات الطيف التربة (SSL) أمرًا حيويًا لتعزيز النماذج التنبؤية. يشير المؤلفون إلى التطبيق المحدود لطيفية NIR في النمسا ويهدفون إلى معالجة هذه الفجوة من خلال تحليل عينات التربة التاريخية عبر طيفية NIR. تشمل أهداف الدراسة إنشاء مجموعة بيانات من طيف التربة بالأشعة تحت الحمراء القريبة النمساوية وتحليلات مختبرية مرجعية لخصائص صحة التربة المختلفة واستخدام الانحدار الجزئي (PLSR) لمعايرة النماذج والتحقق منها لدعم تقييمات صحة التربة الوطنية.
نقاش
ت outlines قسم النقاش في ورقة البحث المنهجية والنتائج المتعلقة بإنشاء مكتبة الطيف التربة بالأشعة تحت الحمراء القريبة النمساوية، التي تتكون من 2,129 عينة تربة تم جمعها من استخدامات أراضي متنوعة عبر النمسا بين عامي 2016 و2023. تم اختيار العينات لضمان تمثيل واسع لخصائص التربة، مما يعزز قابلية استخدام مجموعة البيانات وقوتها التنبؤية. تم معالجة البيانات باستخدام MS Excel و R، مما أسفر عن مجموعة بيانات شاملة تتضمن خصائص كيميائية وفيزيائية متنوعة للتربة، بالإضافة إلى قياسات الامتصاص بالأشعة تحت الحمراء القريبة (NIR) عبر نطاق طيفي من 680 إلى 2500 نانومتر. كشفت التحليلات أنه بينما تم التنبؤ بخصائص مثل النيتروجين الكلي (TN)، الكربون العضوي في التربة (SOC)، كربونات الكالسيوم (CaCO₃)، ومحتوى الطين بدقة متوسطة (قيم R² تتراوح من 0.74 إلى 0.90)، أظهرت مؤشرات أخرى جودة تنبؤية أقل، ويرجع ذلك أساسًا إلى ارتفاع الأخطاء المعيارية للتنبؤ (SEP).
تشدد الورقة على أنه على الرغم من أن مكتبة الطيف التربة بالأشعة تحت الحمراء القريبة توفر موردًا قيمًا لتقييمات صحة التربة، إلا أن قدراتها التنبؤية الحالية غير كافية مقارنةً بالتحليلات المخبرية التقليدية. تشمل التوصيات لتحسين أداء النموذج زيادة أحجام العينات، خاصة من المناطق غير الممثلة، ودمج عينات القيم المتطرفة. يقترح المؤلفون استكشاف تقنيات التعلم الآلي المتقدمة لتعزيز الدقة التنبؤية ويشجعون التعاون مع مكتبات الطيف التربة الأخرى لتطوير مجموعات المعايرة المحلية. بشكل عام، تسلط الدراسة الضوء على إمكانيات مكتبة الطيف التربة بالأشعة تحت الحمراء القريبة النمساوية كأداة أساسية لمراقبة صحة التربة في المستقبل، مع الاعتراف بالحاجة إلى مزيد من التحسين والتوسع في مجموعة البيانات.
DOI: https://doi.org/10.5194/essd-18-219-2026
Publication Date: 2026-01-08
Author(s): Julia Fohrafellner et al.
Primary Topic: Soil Geostatistics and Mapping
Overview
The research presents the first Austrian near-infrared (NIR) soil spectral library, comprising 2,129 legacy samples across various environmental zones in Austria, aimed at enhancing soil health assessments. Utilizing partial least square regression (PLSR) modeling, the study evaluated the library’s effectiveness in predicting 14 soil health indicators. While the PLSR approach was found inadequate for precise estimations compared to traditional laboratory analyses, it demonstrated moderate predictive accuracy for specific properties such as total nitrogen, soil organic carbon, calcium carbonate (CaCO3), and clay, with $R^2 > 0.7$.
The authors emphasize that the dataset, which includes sample metadata and NIR spectra with 1 nm resolution, serves as a crucial foundation for future spectral analyses and modeling efforts. They advocate for expanding the spectral library to include extreme values and data from the Alpine region, as well as exploring machine learning techniques to enhance predictive capabilities. By making this dataset openly accessible, the authors aim to contribute to the global development of soil spectral libraries, promoting NIR spectroscopy as a rapid and efficient method for assessing and monitoring soil health.
Introduction
The introduction of the research paper outlines the European Commission’s renewed Soil Strategy, which aims for healthy soil ecosystems by 2030, emphasizing the evolving concept of soil health. Soil health is defined as the capacity of soils to sustain ecological functions in alignment with Sustainable Development Goals and the Green Deal. The need for a quantifiable “soil health index” that incorporates chemical, physical, and biological indicators is highlighted, as existing assessments often rely on traditional laboratory methods that are resource-intensive.
The paper discusses the increasing interest in utilizing visible (vis) and near-infrared (NIR) spectroscopy as a cost-effective alternative for predicting soil properties, including soil organic carbon (SOC) and soil texture. Spectroscopy offers advantages such as speed, simplicity, and environmental friendliness, and the establishment of soil spectral libraries (SSL) is crucial for enhancing predictive models. The authors note the limited application of NIR spectroscopy in Austria and aim to address this gap by analyzing legacy soil samples through NIR spectroscopy. The study’s objectives include creating a dataset of Austrian NIR soil spectra and reference laboratory analyses for various soil health properties and employing partial least square regression (PLSR) for model calibration and validation to support national soil health assessments.
Discussion
The discussion section of the research paper outlines the methodology and findings related to the creation of the Austrian NIR soil spectral library, which comprises 2,129 soil samples collected from diverse land uses across Austria between 2016 and 2023. The samples were selected to ensure a broad representation of soil properties, enhancing the dataset’s usability and predictive power. Data processing was conducted using MS Excel and R, resulting in a comprehensive dataset that includes various chemical and physical soil properties, as well as near-infrared (NIR) absorbance measurements across a spectral range of 680 to 2500 nm. The analysis revealed that while properties such as total nitrogen (TN), soil organic carbon (SOC), calcium carbonate (CaCO₃), and clay content were predicted with moderate accuracy (R² values ranging from 0.74 to 0.90), other indicators exhibited lower predictive quality, primarily due to high standard errors of prediction (SEP).
The paper emphasizes that although the NIR soil spectral library provides a valuable resource for soil health assessments, its current predictive capabilities are insufficient compared to traditional laboratory analyses. Recommendations for improving model performance include increasing sample sizes, particularly from underrepresented regions, and incorporating extreme value samples. The authors suggest exploring advanced machine learning techniques to enhance predictive accuracy and encourage collaboration with other soil spectral libraries to develop localized calibration sets. Overall, the study highlights the potential of the Austrian NIR soil spectral library as a foundational tool for future soil health monitoring, while acknowledging the need for further refinement and expansion of the dataset.