近日，中国科学院武汉植物园研究人员利用光谱技术建立了森林土壤光谱反演预测模型，从而较好地实现对高异质性森林soc和tn的快速预测。

快速、廉价、准确地获取土壤中碳（c）、氮（n）含量信息是当前土壤质量评价和全球土壤碳库收支管理研究的基础和前提，而土壤空间异质性加大了人们对土壤属性动态监测的难度和成本。

森林土壤是调控陆地生态系统碳收支平衡的重要基础。利用近地高光谱遥感技术实现多层次森林土壤c、n含量信息的快速、高效、无损、低成本建模估测，有望为当前土壤c、n动态研究及制图开辟新的途径，必将有助于加深对土壤c、n空间异质性及影响因素的理解，对于森林土壤碳库管理和持续经营具有重要意义。然而，受土壤层次的影响，土壤属性的高光谱反演模型的预测能力降低，限制了模型的应用。

中国科学院武汉植物园助理研究员姜庆虎在研究员刘峰的指导下，以中亚热带（八大公山）森林不同层次土壤为例，利用光谱技术建立了该区表层和亚表层土壤有机碳（soc）和全氮（tn）的光谱反演预测模型，从而较好地实现对高异质性森林soc和tn的快速预测。其中，光谱模型对soc预测的r2为0.79-0.90，对tn预测的r2为0.66-0.86。在此基础上，针对模型难以实现层次间的传递性应用问题，利用spiking法并借助加权算法，成功解决了这一难题，使得预测模型的传递性得到大幅提升。该研究的开展，为快速获取高异质性土壤属性信息提供了潜在的可能。

该研究得到国家自然科学基金（31270515, 31470526）和国家重点基础研究发展计划（2014cb954004）的资助，结果以estimation of soil organic carbon and total nitrogen in different soil layers using vnir spectroscopy: effects of spiking on model applicability 为题发表在geoderma 杂志上。

以上是网络信息转载，信息真实性自行斟酌。