【摘要】 许多土壤科学实验室现在都配备了野外可见近红外(Vis-NIR)和便携式X射线荧光(XRF)光谱仪。

许多土壤科学实验室现在都配备了野外可见近红外(Vis-NIR)和便携式X射线荧光(XRF)光谱仪。众所周知，XRF可以准确地测量土壤的无机元素浓度，而Vis-NIR则能够估计土壤的有机成分。可见光-近红外光谱和化学计量学是一种成熟的方法，对一系列土壤性质的测量具有公认的准确度。便携式XRF在土壤分析中并不是一种成熟的方法，但随着测量的元素含量的增加，光谱数据可以被提取出来，化学计量学也可以被有效地应用。

很少有研究比较这两种工具在对相同土壤性质的估计，也没有多少研究调查这两种工具的潜在组合估计。从VIS-NIR和XRF光谱产生的预测结果可以使用被称为模型平均程序的正式方法合并为单一预测结果。模型平均不仅提高了模型的精度，而且提高了模型的稳健性。在模型平均过程中，多个模型被合并为一个预测结果，从而降低了做出异常预测的可能性。

Horta等人概述了vis-NIR和XRF数据融合与现场推理引擎相关的使用性，以及用于评估调查现有数据集的土壤库，了解一系列对农业有益的土壤特性，在这他们的研究中，使用了数据挖掘的常见做法，从vis-NIR光谱推断土壤特性，并且还以一种新颖的方式从XRF光谱数据。为了与快速测定土壤特性的便携式仪器的目标保持一致，他们应用简约原则，以达到土壤样品制备和化学计量学建模工作量最少的目的。同时，他们测试了vis-NIR和XRF的协同使用，以确定一系列具有农艺重要性的土壤特性。

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。