توانمندی و محدودیت‌های روش طیف‌سنجی مرئی-مادون قرمز نزدیک در پیش‌بینی مقدار کانی‌های رسی غالب در خاک‌های سطحی استان اصفهان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته دکتری دانشگاه صنعتی اصفهان

2 استاد دانشگاه صنعتی اصفهان

چکیده

کانی­های رسی جزء اصلی و بنیادی خاک هستند و تعیین مقدار آنها در مدیریت خاک­ها از اهمیت ویژه­ای برخوردار است. لذا، این مطالعه با اهدافِ بررسی توانایی روش طیف­سنجی مرئی-مادون قرمز نزدیک در تعیین مقدار کانی­های رسی غالب خاک­های استان اصفهان و بررسی محدودیت­های احتمالی در تعیین مقدار کانی­های رسی اجرا شد. آنالیزهای کانی­شناسیبر روی 100 نمونه خاک سطحی جمع­آوری­شده از کل استان اصفهان، با استفاده از دستگاه  XRD و بصورت نیمه کمّی انجام شد. آنالیز طیفی نمونه­های خاک با استفاده از دستگاه طیف­سنج زمینی با دامنه طول موج 350 تا 2500 نانومتر انجام شد. بعلاوه، رگرسیون حداقل مربعات جزئی و طیف­های حذف پیوستار برای مدلسازی به کار رفت. نتایج کاربرد روش حذف پیوستار در پیش­بینی مقادیر سه کانی ایلیت، اسمکیتت و پالیگورسکیت از عدم توانایی این روش حکایت داشت. مقایسه دو روش رگرسیون حداقل مربعات جزئی و حذف پیوستار در پیش­بینی کانی­های خاک نشان داد که قابلیت روش رگرسیون حداقل مربعات جزئی بسیار بیشتر از حذف پیوستار است. بررسی علل عدم موفقیت روش طیف­سنجی در برآورد کانی­های رسی خاک نشان داد که اختلاط هر یک از کانی­ها (پالیگورسکیت، اسمکتیت و ایلیت) با یکدیگر تأثیر چشمگیری بر موقعیت جذبی سایر کانی­ها گذاشته و پیش­بینی مقدار کانی را مشکل می­سازد. در مناطق خشک و نیمه­خشک، با تنوع کانی­شناسی فراوان و حضور گچ و کربنات­ها، سیستم خاک پیچیده­تر شده و امکان کسب اطلاع از طیف­ها مشکل می­شود و بنابراین، پیش­بینی مقادیر کانی­ها با دقت کمی همراه است.

کلیدواژه‌ها


عنوان مقاله [English]

Capability and Limitations of Clay Minerals Estimation in Surface Soils of the Isfahan Province by Vis-NIR Spectroscopy

نویسندگان [English]

  • F. Khayamim 1
  • H. Khademi 2
  • S. Ayoubi 2
1 Ph.D, Isfahan University of Technology
2 Professor, Isfahan University of Technology
چکیده [English]

Clay minerals constitute a fundamental fraction of soils and their quantitative information is important in soil management. Therefore, the objectives of this research were to evaluate the ability of vis-NIR spectroscopy to quantify the dominant clay minerals of soils and to determine the limitations of this approach. One hundred surface soil samples were collected from the Isfahan province. Semi-quantitative mineralogical analyses were performed by XRD. Soil spectral analyses were carried out by a field spectrometer using 350-2500 nm wavelength range. Partial least squares regression and continuum-removed spectra were used for modeling. Modeling by continuum-removed spectra could not precisely predict dominant clay minerals. Clay minerals estimation by partial least square regression was more accurate than continuum-removed spectra. It appears that mixing the clay fraction with each mineral (palygorskite, smectite and illite) significantly influences the special absorption features of mineral and makes it difficult to estimate clay minerals accurately. In arid and semi-arid regions, mineralogical diversity is high and the presence of gypsum and carbonates increases the complexity of the soil system. Therefore, information from spectra is difficult to obtain and clay minerals could not be accurately estimated.

کلیدواژه‌ها [English]

  • Palygorskite
  • Illite
  • Smectite
  • Partial least square regression
  • Continuum removed spectrum
  1. Ben-Dor, E., and A. Banin. 1990. Near-infrared reflectance analysis of carbonate concentration in soils. Appl. Spectrosc. 44: 1064-1069.
  2. Bishop, J. L., C. M. Pieters, and J. O. Edwards. 1994. Infrared spectroscopic analyses on the nature of water in montmorillonite. Clays Clay Miner. 42: 702-716.
  3. Brown, G., and G. W. Brindley. 1984. X‐ray diffraction procedures for clay mineral identification, p. 305-361. In Brindley, G. W. and G. Brown (eds.). Crystal Structures of Clay Minerals and their X‐Ray Identification. Miner. Soc. London.
  4. Churchman, G. J., P. G. Slade, P. G. Self, and L. J. Janik. 1994. Nature of interstratified kaolin‐smectites in some Australian soils. Aust. J. Soil Res. 32: 805-822.
  5. Clark, R. N. 1999. Spectroscopy of rock and minerals, principles of spectroscopy. p. 3-58. In Rencz, A. (ed.). Manual of Remote Sensing. John Wiley & Sons, New York.
  6. Clark, R. N., T. V. V. King, M. Klejwa, G. A. Swayze, and N. Vergo.1990. High spectral resolution reflectance spectroscopy of minerals. J. Geophys. Res. 95: 12653-12680.
  7. Esbensen, K. H. 2006. Multivariate data analysis. CAMO Software AS. 5th Edition. 589 Pages.
  8. Farmer, V. C. and J. D. Russell. 1964. The infrared spectra of layer silicates. Spectrochimica Acta. 20: 1149-1173.
  9. Guerrero, C., R. A. Viscarra Rossel, and A. M. Mouazen. 2010. Diffuse reflectance spectroscopy in soil science and land resource assessment. Geoderma 158: 1-2.
  10. Hillier, S., M. J. Roe, J. S. Geelhoed, A. R. Fraser, J. G. Farmer, and E. Paterson. 2003. Role of quantitative mineralogical analysis in the investigation of sites contaminated by chromite ore processing residue. Sci. Total Environ. 308: 195-210.
  11. http://www2.ostan-es.ir/Default.aspx?tabid=303
  12. Hunt, G. R., J. W. Salisbury, and C. J. Lenhoff. 1971. Visible and near infrared spectra of minerals and rocks: IV. Sulphides and sulphates. Mod. Geol. 3: 1-14.
  13. Jackson, M. L. 1979. Soil chemical analysis advanced course. 2nd Edition. University of Wisconsin, Madison, WI.
  14. Johns, W. D., R. E. Grim, and W. F. Bradley. 1954. Quantitative estimation of clay minerals by diffraction methods. J. Sed. Petrol. 24: 242-251.
  15. Mulder, V. L., S. de Bruin, J. Weyermann, R. F. Kokaly, and M. E. Schaepman. 2013. Characterizing regional soil mineral composition using spectroscopy and geostatistics. Remote Sens. Environ. 139:415-429.
  16. Mulder, V. L., M. Plötze, S. de. Bruin, M. E. Schaepman, C. Mavris, R. F. Kokaly, and M.Egli. 2013. Quantifying mineral abundances of complex mixtures by coupling spectral deconvolution of SWIR spectra (2.1–2.4 μm) and regression tree analysis. Geoderma 207-208: 279-290.
  17. Post, J. L. and P. N. Noble. 1993. The near-infrared combination band frequencies of dioctahedral smectites, micas, and illites. Clays Clay Miner. 41: 639-644.
  18. Sellitto, V.M., R.B.A. Fernandes, V. Barrón, and C. Colombo. 2009. Comparing two different spectroscopic techniques for the characterization of soil iron oxides: Diffuse versus bi-directional reflectance. Geoderma.149: 2-9.
  19. Stenberg, B., R. A. Viscarra Rossel, A. M. Mouazen, and J. Wetterlind. 2010. Visible and near infrared spectroscopy in soil science. p. 163-215. In Sparks, D. L. (ed.), Advances in Agronomy, Academic Press. Burlington.
  20. Vendrame, P. R. S., R. L. Marchão, D. Brunet, and T. Becquer. 2012. The potential of NIR spectroscopy to predict soil texture and mineralogy in Cerrado Latosols. Eur. J. Soil Sci. 63: 743-753.
  21. Viscarra Rossel, R. A. 2011. Fine‐resolution multiscale mapping of clay minerals in Australian soils measured with near infrared spectra. J. Geophys. Res. 116: 1-15.
  22. Viscarra Rossel, R. A., R. N. McGlynn, and A. B. McBratney. 2006. Determining the composition of mineral‐organic mixes using UV‐vis‐NIR diffuse reflectance spectroscopy. Geoderma 137: 70-82.
  23. Viscarra Rossel, R. A., S. R., Cattle, A. Ortega, and Y. Fouad. 2009. In situ measurements of soil colour, mineral composition and clay content by vis‐NIR spectroscopy. Geoderma 150: 253-266.
  24. Williams, P. C. 2001. Implementation of near-infrared technology. p. 145-169. In P. Williams, P. C. and K. Norris, (eds.), Near-infrared Technology in the Agricultural and Food Industries. American Association of Cereal Chemists Inc., St. Paul, MN.
  25. Yitagesu, F. A., F. van der Meer, H. van der Werff, and C. Hecker. 2011. Spectral characteristics of clay minerals in the 2.5–14 μm wavelength regions. Appl. Clay Sci. 53: 581-591.