Soil organic matter prediction considering moisture content using spectral data and machine learning techniques

Abstract

This dissertation explores the potential of VNIR-SWIR spectroscopy as a cost-effective method for Soil Organic Matter (SOM) prediction in Mediterranean soils with low Organic Matter (OM) content. The research emphasizes the need for robust spectral libraries representing various soil strata and highlights the impact of different multivariate methods and spectral pre-processing techniques on SOM prediction accuracy. More specifically it was found that for laboratory measurements the results give high accuracies irrespective of the multivariate method used. However the preprocessing method plays an important role mainly for machine learning techniques rather than PLSR which provident more constant results with smaller deviations. The study also underscores the significant influence of soil moisture on spectral data and SOM predictions. It is suggested employing separate calibration models for different moisture levels and incorporating appropriate correction techniques to enhance prediction accuracy. It became evident that models that were developed from air dried and sieved samples could not be utilized to predict soil samples with moisture contents even if SM was relative low. The second part of the thesis is dedicated to SOM predictions utilizing hyperspectral sensors both airborne (HySpex) and the recently launched PRISMA satellite sensor. Results were very promising for both sensors with HySpex showing slightly better prediction accuracies. Regarding the model validation HySpex had more consistent results irrespective of the method used. On the other hand PRISMA showed better and more consistent results with the use of PLSR and Cubist. Furthermore, the study explores the potential of auxiliary variables from satellite radar data, (Sentinel_1) that marginally improved the models’ accuracies emphasizing the importance of a detailed analysis and larger datasets for their effective incorporation into soil property prediction models. In conclusion, the research suggests meticulous calibration, validation, and consideration of site-specific conditions in utilizing soil spectroscopy for accurate and reliable SOM predictions. Additionally, the study emphasizes the role of earth observation data, in understanding the spatial distribution of SOM, offering valuable insights for sustainable land management and addressing global challenges such as climate change and food security. Future research directions include evaluating the proposed approaches with larger datasets, incorporating additional soil-related variables, development of common protocols and exploring detailed soil mapping for agricultural monitoring.

Η διατριβή διερευνά τις δυνατότητες της φασματοσκοπίας ανάκλασης εδάφους στο VNIR-SWIR φασματικό εύρος ως μια οικονομικά αποδοτική μέθοδο για την πρόβλεψη της οργανικής ουσίας του εδάφους (ΟΟ) σε εδάφη της Μεσογείου με χαμηλή περιεκτικότητα σε ΟΟ. Η έρευνα υπογραμμίζει την ανάγκη για τη δημιουργία μεγάλων και αξιόπιστων φασματικών βιβλιοθηκών που αντιπροσωπεύουν διάφορα εδάφη και τονίζει τον αντίκτυπο των διαφορετικών πολυμεταβλητών μεθόδων και τεχνικών φασματικής προ επεξεργασίας στην ακρίβεια πρόβλεψης της ΟΟ. Πιο συγκεκριμένα, διαπιστώθηκε ότι για τις εργαστηριακές μετρήσεις που πραγματοποιούνται σε εργαστηριακό επίπεδο τα αποτελέσματα δίνουν υψηλές ακρίβειες ανεξάρτητα από την μέθοδο που χρησιμοποιείται. Ωστόσο, η μέθοδος προ επεξεργασίας παίζει σημαντικό ρόλο κυρίως για τις τεχνικές μηχανικής μάθησης παρά για την μέθοδο των ελαχίστων τετραγώνων PLSR που παρέχει πιο σταθερά αποτελέσματα με μικρότερες αποκλίσεις στην ακρίβεια. Υπογραμμίζεται επίσης η σημαντική επίδραση της υγρασίας του εδάφους στα φασματικά δεδομένα και τις προβλέψεις ΟΟ. Προτείνεται η χρήση ξεχωριστών μοντέλων βαθμονόμησης για διαφορετικά επίπεδα υγρασίας και η ενσωμάτωση κατάλληλων τεχνικών διόρθωσης για την ενίσχυση της ακρίβειας πρόβλεψης. Έγινε προφανές ότι τα μοντέλα που αναπτύχθηκαν από δείγματα αεροξηρανθέντα και κοσκινισμένα δεν μπορούσαν να χρησιμοποιηθούν για την πρόβλεψη δειγμάτων εδάφους με περιεκτικότητα σε υγρασία, ακόμη και αν η υγρασία ήταν σχετικά χαμηλή. Το δεύτερο μέρος της διατριβής είναι αφιερωμένο στις προβλέψεις της ΟΟ με την χρήση υπερφασματικών αισθητήρων προσαρτημένους τόσο σε αεροπλάνα (HySpex) όσο και τον πιο πρόσφατο δορυφορικό αισθητήρα PRISMA. Τα αποτελέσματα ήταν πολλά υποσχόμενα και για τους δύο αισθητήρες με το HySpex να δείχνει ελαφρώς καλύτερες ακρίβειες πρόβλεψης. Όσον αφορά την επικύρωση του μοντέλου, το HySpex είχε πιο συνεπή αποτελέσματα ανεξάρτητα από τη μέθοδο που χρησιμοποιήθηκε. Από την άλλη ο PRISMA έδειξε καλύτερα και πιο συνεπή αποτελέσματα με τη χρήση του PLSR και του Cubist. Επιπλέον, η μελέτη διερεύνησε την προοπτική της χρήσης βοηθητικών μεταβλητών από δεδομένα ραντάρ, (Sentinel_1) που βελτίωσαν οριακά την ακρίβεια των μοντέλων, τονίζοντας τη σημασία μιας λεπτομερούς ανάλυσης και μεγαλύτερων συνόλων δεδομένων για την αποτελεσματική ενσωμάτωσή τους σε μοντέλα πρόβλεψης εδαφικών παραμέτρων. Συμπερασματικά, η διατριβή αυτή συνηγορεί υπέρ της σχολαστικής βαθμονόμησης, επικύρωσης και μελέτης των συνθηκών κάθε τοποθεσίας κατά τη χρήση της φασματοσκοπίας εδάφους για ακριβείς και αξιόπιστες προβλέψεις της ΟΟ. Επιπλέον, τονίζεται ο ρόλος των δεδομένων παρατήρησης γης, στην κατανόηση της χωρικής κατανομής της ΟΟ, προσφέροντας πολύτιμες γνώσεις για τη βιώσιμη διαχείριση της γης και την αντιμετώπιση των παγκόσμιων προκλήσεων όπως η κλιματική αλλαγή και η επισιτιστική ασφάλεια. Οι μελλοντικές κατευθύνσεις για περαιτέρω έρευνας περιλαμβάνουν την αξιολόγηση των προτεινόμενων προσεγγίσεων με μεγαλύτερα σύνολα δεδομένων, την ενσωμάτωση πρόσθετων μεταβλητών που σχετίζονται με το έδαφος, την ανάπτυξη κοινών πρωτοκόλλων και τη διερεύνηση λεπτομερούς χαρτογράφησης του εδάφους για γεωργική παρακολούθηση.