Original paper

VNIR/SWIR Laboratory Imaging Spectroscopy for Wall-to-Wall Mapping of Elemental Concentrations in Soil Cores

Schreiner, Simon; Buddenbaum, Henning; Emmerling, Christoph; Steffens, Markus

PFG Photogrammetrie, Fernerkundung, Geoinformation Jahrgang 2015 Heft 6 (2015), p. 423 - 435

published: Dec 1, 2015

BibTeX file

P

You have access to this paper. Click the button below to download the paper as PDF file to your computer:


Download PDF

Abstract

Visible/near infrared (VNIR, 400 nm to 1000 nm wavelength) and shortwave infrared (SWIR, 1000 nm to 2500 nm wavelength) laboratory imaging spectroscopy with spatial resolutions of 63 μ m and 250 μ m, respectively, was used for mapping contents of C, N, Fe, Al, and Ca in soil profiles. Four soil cores of 30 cm to 50 cm length were collected at a Regosol and a Cambisol site and scanned hyperspectrally after drying. Small sam- ples (ROI; Regions of Interest) were taken from the cores and analysed chemically as references for regression analyses. Partial least-squares regression (PLSR) and multivariate adaptive regression splines (MARS) models between spectral information and elemental contents of reference samples were established for VNIR and SWIR data separately and for the combined datasets. The regression models were applied to the hyperspectral image data to create spatially explicit maps of elemental contents for the soil profiles. PLSR yielded slightly better regression accuracies than MARS, and PLSR maps were more plausible in visual inspection. The optimal spectral range for elemental mapping was inconsistent, but in most cases the addition of SWIR data to VNIR data resulted in improvements of the elemental content estimations. Abbildende Laborspektroskopie im VNIR/SWIR-Bereich zur flächendeckenden Kartierung von Elementkonzentrationen in Bodenprofilen. Hyperspektrale Laboraufnahmen in den Wellenlängenbereichen Sichtbar/Nahinfrarot (VNIR, 400 nm bis 1000 nm Wellenl ä nge) und Kurzwelleninfrarot (SWIR, 1000 nm bis 2500 nm) mit räumlichen Auflösungen von 63 μm und 250 μm wurden verwendet, um die räumlichen Verteilungen von C, N, Fe, Al und Ca in Bodenprofilen zu kartieren. Vier Bodenkerne mit 30 cm bis 50 cm L ä nge wurden an einem Cambisolund einem Regosol-Standort entnommen und im Labor hyperspektral abgetastet. Kleine Proben wurden aus den Profilen entnommen und als Referenz für die nachfolgenden Regressionsanalysen chemisch analysiert. Regressionsmodelle wurden mittels Partial Least-Squares Regression (PLSR) und Multivariate Adaptive Regression Splines (MARS) zwischen Spektralinformationen und Element-konzentrationen der Referenzproben aufgestellt, separat für VNIR- und SWIR-Daten und für die kombinierten Datensätze. Die Regressionsmodelle wurden auf die Bilddatensä tze angewendet, um Karten der Elementkonzentrationen in den Bodenprofilen zu erzeugen. Die Regressionsgenauigkeiten von PLSR waren leicht höher als die von MARS, und die PLSR-Karten gaben einen visuell plausibleren Eindruck. Der optimale Spektralbereich zur Kartierung der verschiedenen Elemente war uneinheitlich, aber meistens brachte die Berücksichtigung der SWIR-Daten eine Verbesserung gegenüber den VNIR-Daten alleine.

Keywords

swirplsrsoil profilesvnirhyperspectral