土壤有机碳（SOC）对于维持生态系统健康和提高农业生产力至关重要。它通过影响养分保持、土壤结构和持水能力来提升土壤肥力，从而支持植物生长和生物多样性。此外，土壤是最大的陆地碳库，这对于通过固碳来缓解气候变化具有重要作用，否则这些碳将会增加大气中的CO2含量。尽管具有重要意义，大多数SOC研究传统上集中于表层土壤（0–0.2 m），而对亚表层土壤的研究则较为忽视。这些亚表层土壤越来越被认为是碳循环的重要组成部分。我们必须认识到，全面评估土壤碳含量对于准确开展气候建模和实施有效的碳管理策略至关重要。
2、创新之处
土壤光谱库（SSLs）已成为分析和存储大量土壤信息和数据的关键平台，能够支持在不同地理尺度上开发稳健的光谱定量分析模型。然而，当成像高光谱数据集规模超过SSL的光谱数据容量时，局部尺度的地理光谱建模可能会受到限制，亟需进一步研究以提高土壤光谱定量分析的精确性和实用性。因此，在本研究中，我们利用1米深的完整土壤剖面，并通过光谱相似性和连续去除（SS-CR）计算从SSL中创建一个本地化数据集，同时使用一个全球子集作为对比基准。此外，我们还评估了偏最小二乘回归（PLSR）和随机森林（RF）算法在构建光谱与SOC含量之间定量关系时的可靠性，并探索了利用成像高光谱技术在剖面土壤上进行详细SOC制图的可行性和能力。
3、关键图表
图1.本研究的技术流程图
图2.本地光谱样本数据集选择的过程
图3全球(a)和本地(b)光谱样本投影在主成分空间中（兴趣区）的分布。
4、主要结论
（1）即使待预测数据集远超光谱库的容量，基于SSL构建的“本地化建模方法”仍能准确预测土壤剖面中的SOC含量。在两种建模方法中，RF模型的建模精度优于PLSR模型。此外，本地化RF模型的准确性优于全局RF模型，同时所需的光谱库样本大幅度减少；（2）尽管PLSR模型的预测精度更高，但在准确估计剖面上的SOC分布方面表现相对不足。相反，RF本地化模型不仅提供了较高的精确度，还能够实现经济高效且精细的SOC含量表征；（3）通过将成像高光谱与RF建模方法以及光谱不相似性匹配相结合，能够在更精细的尺度上揭示SOC含量分布的变化规律。
5、发表信息
Zhou Y, Biswas A, Hong Y, et al. Enhancing soil profile analysis with soil spectral libraries and laboratory hyperspectral imaging[J]. Geoderma, 2024, 450: 117036.
6、声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
