Napjainkban egyre nagyobb igény mutatkozik olyan technológiák és módszerek kidolgozására és alkalmazására, melyek lehetővé teszik a gyors, költséghatékony és környezetbarát talajadat-felvételezést és kiértékelést. Ezeknek az igényeknek felel meg a reflektancia spektroszkópia, mely az elektromágneses spektrum látható (VIS) és közeli infravörös (NIR) tartományában (350–2500 nm) végzett reflektancia-mérésekre épül. Figyelembe véve, hogy a talajokról felvett reflektancia spektrum információban nagyon gazdag, és a vizsgált tartományban számos talajalkotó rendelkezik karakterisztikus spektrális „ujjlenyomattal”, egyetlen görbéből lehetővé válik nagyszámú, kulcsfontosságú talajparaméter egyidejű meghatározása. Dolgozatunkban, a reflektancia spektroszkópia alapjaira helyezett, a talajok ösz-szetételének meghatározását célzó módszertani fejlesztés első lépéseit mutatjuk be. Munkánk során talajok szervesszén- és CaCO3-tartalmának megbecslését lehetővé tévő többváltozós matematikai-statisztikai módszerekre (részleges legkisebb négyzetek módszere, partial least squares regression – PLSR) épülő prediktív modellek létrehozását és tesztelését végeztük el. A létrehozott modellek tesztelése során megállapítottuk, hogy az eljárás mindkét talajparaméter esetében magas R2 értéket [R2 (szerves szén) = 0,815; R2 (CaCO3) = 0,907] adott. A becslés pontosságát jelző közepes négyzetes eltérés (root mean squared error – RMSE) érték mindkét paraméter esetében közepesnek mondható [RMSE (szerves szén) = 0,467; RMSE (CaCO3) = 3,508], mely a reflektancia mérési előírások standardizálásával jelentősen javítható. Vizsgálataink alapján arra a következtetésre jutottunk, hogy a reflektancia spektroszkópia és a többváltozós kemometriai eljárások együttes alkalmazásával, gyors és költséghatékony adatfelvételezési és -értékelési módszerhez juthatunk.
Baumgardner, M. F. et al., 1985. Reflectance properties of soils. Advances in Agronomy. 38. 1–44.
Ben-Dor, E. & Banin, A., 1994. Visible and near-infrared (0.4–1.1 µm) analysis of arid and semiarid soils. Remote Sensing of Environment. 48. (3) 261–274.
Ben-Dor, E., Pimstein, A. & Notesco, G., 2010. Variation and stability of soil reflectance measurements with different ASD spectrometers under different conditions. In: Proc. ASD and IEEE GRS; Art, Science and Applications of Reflectance Spectroscopy. Vol. II/7. Boulder, Colorado.
Ben-Dor, E. et al., 2006. Quantitative mapping of the soil rubification process on sand dunes using an airborne hyperspectral sensor. Geoderma. 131. 1–21.
Búzás I. (szerk.), 1988. Talaj- és agrokémiai vizsgálati módszerkönyv 2. A talajok fizikai-kémiai és kémiai vizsgálati módszerei. Mezőgazda Kiadó. Budapest.
Chabrillat, S. et al., 2002. Use of hyperspectral images in identification and mapping of expansive clay soils and the role of spatial resolution. Remote Sensing of Environment. 82. 431–445.
Clark, R. N., 1999. Spectroscopy of rocks and minerals, and principles of spectroscopy. In: Manual of Remote Sensing. (Ed.: Rencz, A.) 3–58. John Wiley and Sons, Inc., New York.
Condit, H. R., 1970. The spectral reflectance of American soils. Photogrammetric Engineering. 36. 955–966.
Duckworth, J. H., 1998. Spectroscopic quantitative analysis. In: Applied Spectroscopy (Eds.: Workman, J. & Springsteen, A.) 93–163. Academic Press. San Diego, California.
Hunt, G. R., 1982. Spectroscopic properties of rocks and minerals. In: Handbook of Physical Properties of Rocks. (Ed.: Carmichael, R. S.) 295–385. CRC Press Inc. Boca Raton, Florida.
Lagacherie, P. et al., 2008. Estimation of soil clay and calcium carbonate using laboratory, field and airborne hyperspectral measurements. Remote Sensing of Environment. 112. 825–835.
Metternicht, G. I. & Zinck, J. A., 2003. Remote sensing of salinity: potentials and constraints. Remote Sensing of Environment. 85. 1–20.
Michéli, E., Stefanovits, P. & Fenyvesi, L., 1989. Infrared reflectance of artificially prepared organo-mineral complexes. International Agrophysics. 5. 99–105.
Schwertmann, U., 1993. Relations between iron oxides, soil color and soil formation. In: Soil Color, Special Publication. (Eds.: Bigham, J. M. & Ciolkosz, E. J.) 51–70. Soil Science Society of America. Madison, Wisconsin.
Selitto, V. M. et al., 2009. Comparing two different spectroscopic techniques for the characterization of soil iron oxides: Diffuse versus bi-directional reflectance. Geoderma. 149. 2–9.
Stevens, A. et al., 2008. Laboratory, field and airborne spectroscopy for monitoring organic carbon content in agricultural soils. Geoderma. 144. 395–404.
Stoner, E. R. & Baumgardner, M. F., 1981. Characteristic variations in reflectance on surface soils. Soil Sci. Soc. Am J. 45. 1161–1165.
van Reeuwijk L. P., 2002. Procedures for Soil Analysis. International Soil Reference and Information Centre. Wageningen.
Várallyay, Gy., 1998. Soil degradation processes and their control in Hungary. In: Soil Pollution. (Ed.: Filep, Gy.) 1–19. Agricultural University. Debrecen.
Viscarra Rossel, R. A., 2008. ParLeS: Software for chemometric analysis of spectroscopic data. Chemometrics and Intelligent Laboratory Systems. 90. 72–83.
Viscarra Rossel, R. A. & Chen, C., 2011. Digitally mapping the information content of visible – near infrared spectra of surficial Australian soils. Remote Sensing of Environment. 115. 1443–1455.
Viscarra Rossel, R. A. et al., 2006. Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma. 131. 59–75.
Viscarra Rossel, R. A. et al., 2009. In situ measurement of soil colour, mineral composition and clay content by vis–NIR spectroscopy. Geoderma. 150. 253–266.