土壤有機碳密度是土壤碳儲量估算的重要參數，其時空分布信息的快速、高效獲取，是未來地理國情監測和國土資源調查的重要發展方向。目前主要採用野外採土樣結合實驗室化學分析的方法測定土壤有機碳密度，但該方法操作耗時，步驟繁瑣。近期有研究發現，使用土壤在可見—近紅外光譜區間內的反射光譜，可以快速估算土壤有機質等組分含量信息。
因此，該研究基於土壤反射光譜信息，採用偏最小二乘回歸、普通克裡格、協同克裡格以及回歸克裡格分別構建了土壤有機碳密度預測模型，探討土壤光譜信息和空間信息在土壤有機碳密度建模中的作用，以期為土壤有機碳密度的預測提供有效的參考信息和理論基礎。
該文中，光譜數據的預處理方法選取了Savitzky-Golay平滑方法、一階導數法、二階導數法、標準正態變量變換處理方法和多元散射校正處理方法，以及它們的組合，比較了不同預處理方法在土壤有機碳密度的偏最小二乘回歸模型中對預測精度的影響。
該文採用光譜數據最優預處理方法（Savitzky-Golay平滑方法、一階導數法和標準正態變量變換的組合）構建偏最小二乘回歸模型對土壤有機碳密度進行預測，模型的前4個主成分變量可以解釋80%以上的光譜數據信息，同時利用皮爾遜相關係數可以驗證光譜主成分變量與土壤有機碳密度之間均表現出正相關的關係。
普通克裡格模型的構建，考慮了土壤屬性具有空間變異性，但該模型對樣點本身數據質量依賴性較強，而野外採樣的樣點布設採用隨機布點法，導致該模型預測效果不理想。
協同克裡格模型中，以光譜數據主成分為輔助變量，以土壤有機碳密度為主變量進行空間插值，同時考慮了土壤屬性和光譜數據的空間特性，建模集模型擬合度較好，表明土壤光譜反射率與土壤有機碳密度相關性較強，可以提供有價值的輔助信息。
回歸克裡格模型中，先對光譜數據主成分進行最小二乘回歸，再對殘差進行普通克裡格插值，半變異函數分析表明，模型殘差具有較高的空間相關性。該模型考慮土壤屬性和光譜數據的空間特性的同時還考慮了模型殘差的空間結構，能夠揭示可能被空間非平穩性所掩蓋的一些土壤變異的局部特徵，反映出更加真實的土壤屬性空間變異情況。
該文選取決定係數、均方根誤差和標準差與預測均方根誤差比等參數進行模型預測精度評價，以土壤光譜數據為自變量的偏最小二乘回歸模型和以土壤光譜主成分為輔助變量的協同克裡格模型在預測精度方面優於普通克裡格模型，而考慮殘差空間特徵的回歸克裡格模型則具有最高的預測精度。
該文考慮了光譜反射率和土壤屬性的空間結構特徵，以及多元線性回歸模型殘差的空間結構，從不同的角度和方向來儘可能的提高土壤有機碳密度空間模型的預測精度和準確度。該文對土壤有機碳密度進行估測時，沒有對不同土地利用類型的土壤進行區分，對於土壤有機碳密度在不同地類上的分布規律有待進一步探索。
長按識別二維碼 關注「農業工程學報」