एक मिट्टी-प्रकार-विशिष्ट स्तरीकृत दृष्टिकोण, बिना मिट्टी के मोज़ेकिंग और सेंटिनल-2 समय श्रृंखला से SOC भविष्यवाणी के लिए

मिट्टी के कार्बन (SOC) का सटीक, उच्च-रिज़ॉल्यूशन मानचित्रण पर्यावरणीय मॉडलिंग और सतत भूमि प्रबंधन के लिए आवश्यक है, फिर भी उपग्रह छवियों पर आधारित इसकी भविष्यवाणी अक्सर वनस्पति और नमी से प्रभावित होती है, जिससे असमान मिट्टियों वाले परिदृश्यों में सामान्य मॉडल विफल हो जाते हैं। इस समस्या का समाधान करने के लिए, हमने एक स्तरीकृत ढांचा विकसित किया है जो बिना मिट्टी के थ्रेशोल्डिंग और SOC मॉडलिंग को विशिष्ट मिट्टी के प्रकारों के लिए अनुकूलित करता है। फ्रांस के सेंटर-वैल डी लोइरे क्षेत्र में 414 मिट्टी के नमूनों और 7 वर्ष की सेंटिनल-2 समय श्रृंखला का उपयोग करते हुए, हमने पहले विज़िबल और शॉर्टवेव इन्फ्रारेड सूखा सूचकांक (VSDI) को एक प्रभावी नमी प्रॉक्सी के रूप में पहचाना, जिससे बाहरी नमी डेटा की आवश्यकता को दूर किया गया। फिर हमने प्रत्येक प्रमुख मिट्टी के प्रकार के लिए बिना मिट्टी के अवलोकनों को फ़िल्टर करने के लिए NDVI, NBR2, और VSDI थ्रेशोल्ड को व्यक्तिगत रूप से अनुकूलित किया। अंत में, मिट्टी-प्रकार-विशिष्ट आंशिक न्यूनतम वर्ग रिग्रेशन (PLSR) मॉडल बनाए गए और एक सामान्यीकृत मॉडल के खिलाफ इसकी तुलना की गई। हमारे परिणामों ने दिखाया कि हमारी मिट्टी-प्रकार-विशिष्ट रणनीति सामान्यीकृत मॉडल की तुलना में काफी बेहतर प्रदर्शन करती है (उदाहरण के लिए, ब्रुनिसोल्स यूट्रिक के लिए RPIQ 0.68 से 2.38 बढ़ गया)। SOC के लिए प्रमुख स्पेक्ट्रल भविष्यवक्ताओं में बहुत भिन्नता थी, जो मिट्टी के प्रकार के अनुसार वियुयल और SWIR बैंड के बीच भिन्न थी। अनुकूलित VSDI फ़िल्टर भी इस सुधार के लिए महत्वपूर्ण था, जो लूविसोल्स जैसी बलुआ-मिट्टी वाले सोइल्स के लिए भविष्यवाणी RMSE को लगभग 50% कम कर देता है। यह अध्ययन दर्शाता है कि, बहुत बड़े क्षेत्रीय पैमाने पर सटीक SOC भविष्यवाणी के लिए, संदर्भ (मिट्टी का प्रकार)-विशिष्ट बिना मिट्टी के थ्रेशोल्डिंग और SOC मॉडलिंग की स्तरीकरण आवश्यक है, जो SOC भविष्यवाणी और इसके बाद के डिजिटल मिट्टी मानचित्रण कार्यप्रवाह में पेडोलॉजिकल ज्ञान को एकीकृत करने का एक ढांचा प्रदान करता है।