近日，我校省级智慧农业学院杨武德教授团队在环境科学与生态学1区TOP期刊International Soil and Water Conservation Research（IF= 6.4）发表了题为“Estimation of generalized soil structure index based on differential spectra of different orders by multivariate assessment”的研究论文。该研究填补了土壤三相结构特征及其动态变化监测的空白。

Fig.1 Experimental location and plot overview

将土壤三相作为一个客观整体，可以更真实地表征土壤的结构和功能。实时、快速获取土壤三相性质信息对水土保持及其综合治理具有重要意义。传统的三相测量方法耗时费力。高光谱技术可以快速高效地获取土壤性质数据，为区域土壤样品的快速监测与评价提供了有效的技术手段。故本研究以山西农业大学保护性耕作试验示范基地的不同土层土样为研究对象，测其三相数据及其光谱，计算广义土壤结构指数（GSSI）值，分析GSSI与土壤光谱的关系，研究分数阶和整阶微分光谱对模型的影响，揭示光谱与GSSI之间的光谱响应机制，以期实现对GSSI的实时动态监测。

Fig.2 Important Wavelengths of GSSI extracted from each differential spectrum

经SPA提取的不同分数阶微分光谱的重要波长在404-418nm及2193-2400 nm波段处分布密集。除低阶整数微分（1、2）外，不同整数阶微分光谱的重要波长在543，999附近。

Fig.3 Hyperspectral performance for various regression models of GSSI from 0 to 2.0 fractional-order differential spectrum

Fig.4 Hyperspectral performance for various regression models of GSSI from 0 to 10 Integer-order differential spectrum

在分数阶微分光谱模型中，除原始光谱与1.0微分外，其余分数阶微分处理后的最佳光谱建模方法均为中人工神经网络。除低阶微分外，不同整数阶微分处理的光谱模型参数均与原始光谱建模结果相似，拟合程度较差。最佳微分阶数为0.9，且随着微分处理阶数与0.9相差越远，模型拟合度越差。在选择最佳预测模型时，需要考虑指标、微分阶数和模型的适应性。该研究为深入研究广义土壤结构提供了一种新方法。

Table.1 Optimal spectral model performance of each differential treatment

我校农学院2021级博士研究生杨莎为该论文的第一作者，杨武德教授为通讯作者。王超副教授、冯美臣教授、王志刚博士等团队成员做了大量工作。同时，本研究受到国家自然科学基金项目（31871571，31371572）、山西省研究生创新项目（2022Y312）、山西省现代农业产业技术体系（2023CYJSTX02-23）、山西农业大学科技创新基金（2018YJ17, 2020BQ32）、山西省重点研发计划（201903D211002, 201603D3111005）和国家重点研发计划（2019YFC1710800）的联合资助。

论文链接：https://doi.org/10.1016/j.iswcr.2023.08.008