Spectral Predictability of Soil Organic Matter Depends on Its Humin Fraction Rather than Spectral Fusion
Notice bibliographique
Résumé
Soil organic matter (SOM) governs critical soil functions, including carbon storage, nutrient cycling, and microbial activity; yet the specific fractions responsible for its spectral predictability remain poorly understood. This study addresses a fundamental research gap by comparing visible–near-infrared (vis–NIR), mid-infrared (MIR), and fused spectroscopy for predicting SOM and its components: humic acid (HA), fulvic acid (FA), and Humin. Using 93 soil samples from subtropical croplands in southeastern China, we employed partial least squares regression with full spectra and LASSO-selected wavelengths to build predictive models. Results demonstrated that both vis–NIR and MIR individually provided moderately strong predictive performance for SOM and Humin (R2 = 0.79–0.90, CCC = 0.85–0.93), while FA remained unpredictable (R2 < 0.24) due to weak, overlapping spectral features. The strong predictability of SOM was primarily attributed to the Humin fraction, which comprises approximately 50 percent of total SOM and exhibits abundant spectrally active functional groups. Contrary to expectations, spectral fusion did not improve predictions because both spectral regions already contained complementary information, and fusion introduced redundancy and scale imbalance rather than increasing effective dimensionality. This study establishes that accurate SOM estimation depends fundamentally on the predictability and abundance of the Humin fraction, providing new mechanistic insights for spectroscopic soil carbon monitoring and highlighting the need for component-specific modeling approaches in soil organic matter research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».