Quantification of soil carbon and moisture content in varying-moisture soils withLaser-Induced Breakdown Spectroscopy and machine learning
本研究表明，将激光诱导击穿光谱（LIBS）与基于 LED 的可见-近红外反射技术及核岭回归相结合，能够准确预测经过极简处理且水分含量变化的样本中的土壤总碳含量和水分含量，其中水分感知校准显著提升了碳含量的预测精度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
我们脚下的土壤不仅仅是泥土，它是一个巨大的、充满活力的储库，所含的碳量比大气层和全球所有森林的总和还要多。这种隐藏的碳在调节地球气候方面起着至关重要的作用，然而，要测量出特定一片土地中究竟储存了多少碳，仍然是一项艰巨的任务。传统上，科学家必须采集土壤样本，将其在烤箱中烘干，磨成细粉，然后在实验室中进行燃烧，以确定其碳含量。这个过程缓慢且昂贵，还需要将样本从田间运送到实验室，这限制了可测试的地点数量。随着世界正在寻求更好的监测土壤健康和追踪碳储存的方法，人们日益需要一种快速、准确且能在发现土壤原处直接使用的技术，而无需承担繁重的准备工作。
研究人员一直在探索一种被称为激光诱导击穿光谱（LIBS）的技术，该技术利用一束强力且聚焦的脉冲光在材料表面产生一个微小的、超高温的等离子体。这种能量闪烁会导致土壤中的原子发光，通过发射出的光线揭示出究竟存在哪些元素。虽然这种方法在识别金属和营养物质方面已显示出潜力，但在处理新鲜、潮湿的土壤时却遇到了困难，因为水分会剧烈改变光的行为方式，从而使准确测量变得困难。为了解决这个问题，一组科学家将这种激光技术与一种更简单的光反射传感器以及先进的计算机算法相结合。他们测试了这个混合系统是否能够准确预测既经过实验室精心准备的样本，也能预测自然潮湿状态下土壤中的碳含量和水分含量。
这项研究涉及从芬兰八个不同农业地点采集的 116 份土壤样本，这些样本代表了广泛的土壤质地和碳水平。研究人员将这些样本分为不同的组别，以测试各种场景。一些样本经过干燥、研磨成细粉并压制成颗粒，以模拟理想的实验室条件。另一些则保持新鲜状态，仅手工去除了天然的水分和大型岩石。团队随后对这些样本进行了激光和光传感器测试，并将产生的数据输入到六种不同类型的机器学习模型中。这些模型本质上是经过训练以寻找复杂数据模式的计算机程序，学习如何将土壤特有的光信号与通过传统缓慢方法测得的实际碳量和含水量联系起来。
结果表明，计算机模型能够学会如何解读这些杂乱的现实世界数据，并表现出惊人的准确性。表现最好的模型是一种被称为核岭回归（kernel ridge regression）的算法，它能够以极高的精度预测总碳含量。对于那些研磨成粉末并保持恒定含水量的样本，模型的预测结果与参考测量值极其接近。更重要的是，对于代表农民或科学家在田间遇到的新鲜、经过极简处理的样本，该模型依然表现出色，捕捉到的碳含量误差极小。研究发现，计算机先“猜测”水分水平，然后利用这一猜测来辅助计算碳水平，这显著提高了对潮湿自然样本的预测准确性。这表明该系统可以补偿通常会干扰此类测量的多变水分含量。
该研究的一个关键发现是，数十年来作为标准做法的大规模研磨和干燥过程，对于这项技术的应用而言可能并非必要。当研究人员在受控条件下对比研磨样本与新鲜样本时，发现两者在预测准确度上的差异微乎其微。这意味着干燥和研磨这些耗时的步骤完全可以被跳过，从而实现快速的现场分析。该系统还证明了自身具备测量土壤水分含量的能力，而这正是计算给定体积土壤中总碳量的关键信息。通过直接测量水分，该方法最终有望实现实地计算土壤碳储量，而无需将样本带回实验室进行干燥处理。
研究还考察了不同类型的土壤和特定地点对结果的影响。预测误差被发现更多地与特定地点及那里存在的碳值范围有关，而非与土壤的一般质地（如粘土或沙土）有关。在一个土壤碳含量异常高的地点，由于模型在训练期间未见过足够多的此类高值案例，因此表现略显吃力。这凸显出，若要让这项技术在全球范围内奏效，计算机模型需要接受多样化土壤类型的训练，包括具有极端碳含量的土壤。然而，整体表现足够强劲，足以表明这种方法是传统方法的有效替代方案，提供了一种比目前可行的方法更快速、更密集地绘制土壤碳图谱的方式。
通过结合一种能读取土壤元素组成成分的激光，以及一种能检测水和有机物质的传感器，并利用计算机学习这些信号与实际土壤属性之间的关系，研究人员展示了一条通往实用化、可部署于田间的土壤分析路径。这项工作证实，只要拥有正确的数据处理手段，就可以克服测量潮湿、未经处理土壤的挑战。这并不意味着这项技术已经完美，或者在未经进一步测试的情况下就能应对所有情况，但它证明了在无需进行长期且繁琐的准备工作的情况下，实现对土壤碳和水分进行快速、准确测量是完全可以实现的。接下来的步骤包括在现实世界的田间协议中测试这些方法，以观察它们在测量整个景观的总碳储量时表现如何，这极有可能彻底改变我们监测地球土壤健康的方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。