土壤理化性质测定方法的系统演进：从经典范式到智能感知

1. 引言：土壤测定的认识论困境与主线确立

土壤并非均质连续体，而是具有显著时空异质性的多相分散系统。这一本质特征使得任何“测定”行为本身即构成一种采样尺度上的抽象与简化。自1840年李比希提出矿质营养学说以来，土壤理化性质测定已走过近两个世纪。然而，一个根本性的认识论困境始终悬而未决：我们究竟是在测定土壤的“固有属性”，还是在测定特定方法操作定义下的“方法依赖量”？

笔者认为，这一困境在工程实践中常被忽视。例如，同一地块的“有效磷”含量，采用Olsen法（0.5 mol/L NaHCO₃, pH 8.5）与Mehlich-3法（0.2 mol/L CH₃COOH + 0.25 mol/L NH₄NO₃ + 0.015 mol/L NH₄F + 0.013 mol/L HNO₃ + 0.001 mol/L EDTA）所得数值可能相差2-5倍，二者均声称表征“植物有效态”，但化学提取机制迥异。这并非简单的换算系数问题，而是触及了操作定义与生物有效性的本体论鸿沟。

本文确立一条独创性分析主线：时空异质性约束下的测定范式迁移。该主线将贯穿所有章节，审视每种测定方法在空间代表性、时间稳定性与尺度外推三个维度上的表现。笔者将论证，测定方法的演进本质上是人类应对异质性的策略升级——从增加样本量（经典统计）、到地统计插值（空间自相关利用）、再到传感器密集部署与数字孪生（时空连续监测）。

据联合国粮农组织（FAO）2022年《全球土壤实验室能力报告》，全球约60%的国家级土壤实验室仍以湿化学法为主导，但近五年（2020-2024）光谱与传感技术的文献占比已从18%跃升至37%（Web of Science核心合集检索，检索式：TS=("soil" AND ("spectroscopy" OR "sensor") AND ("measurement" OR "determination"))，2024年10月检索）。这一趋势表明范式迁移正在加速，但湿化学的“黄金标准”地位并未根本动摇——这恰恰是本文需要深入剖析的张力所在。

2. 物理性质测定：从手感经验到数字物理模型

2.1 质地分析的百年争议：密度计法与激光衍射法的尺度博弈

土壤质地（砂粒、粉粒、黏粒的质量分数）是最基础的物理性质，直接影响水分保持、养分吸附与耕作适性。经典方法可追溯至Bouyoucos（1927）的密度计法，其原理基于Stokes定律：颗粒在悬液中的沉降速度与粒径平方成正比。操作上，将40 g过2 mm筛的风干土样分散于六偏磷酸钠溶液中，用密度计在特定时间读取悬液密度，推算各粒级含量。

本文评述：密度计法的核心假设——颗粒为光滑球体、沉降互不干扰、温度恒定——在实际土壤中几乎全部违背。片状黏粒的沉降行为与等效球径存在显著偏差，有机质胶结更使有效密度偏离矿物密度。然而，该方法因其低成本（单样耗材约0.5美元）与标准化（ASTM D422、GB/T 50123-2019）而持续沿用。笔者认为，密度计法的真正价值不在于“准确”，而在于其提供了全球可比的历史数据基准——这是任何新技术难以替代的时间序列锚点。

激光衍射法（Laser Diffraction, LD）自1990年代兴起，通过Mie散射理论反演粒径分布，测量范围可达0.02-2000 μm，单样分析时间仅需3-5分钟。但LD法与密度计法的结果系统性地存在偏差：LD倾向于低估黏粒含量（因片状颗粒的等效球径假设不同），高估粉粒含量。Yang等（2021）基于中国12种典型土壤的对比实验表明，LD测得的黏粒含量平均比密度计法低4.2个百分点（数据来源：Soil Science Society of America Journal, 2021, 85(4): 1123-1135）。

笔者认为，这一偏差的根源并非仪器精度，而是两种方法对“粒径”的操作定义不同。密度计法测定的是“沉降等效球径”，LD法测定的是“光散射等效球径”。二者在物理本质上不可通约，强行建立线性回归转换方程（如R²=0.85的省份特定模型）仅是一种实用主义妥协。更值得关注的是，LD法所需样品量仅0.5-2 g，而密度计法为40 g——在高度异质性的土壤中，微量样品的代表性危机更为严峻。

2.2 容重与孔隙度：环刀法的局限与CT三维重构的突破

容重（Bulk Density, BD）是土壤紧实度与孔隙状况的综合指标，定义为烘干土质量与环刀容积之比（g/cm³）。经典环刀法（100 cm³不锈钢环刀，GB 7833-1987）操作简便，但存在两个结构性缺陷：一是取样时的人为压实（尤其黏质土），二是无法反映大孔隙（>2 mm）的空间分布。笔者在野外实践中观察到，同一剖面相邻环刀样品的容重变异系数（CV）可达8-15%，远超室内分析的误差范围——这提示取样代表性才是容重测定的主要不确定性来源。

X射线计算机断层扫描（X-ray CT）为孔隙结构的三维可视化提供了革命性工具。近期研究（Lucas et al., 2023, Geoderma, 429: 116258）采用分辨率30 μm的工业CT扫描100 cm³原状土柱，通过图像分割可量化总孔隙度、孔隙连通度与孔径分布。该研究对法国Lusignan长期试验地的壤土分析表明，CT测得的总孔隙度（42.3% ± 3.1%）与环刀法（39.8% ± 2.8%）存在系统偏差，CT值偏高约2.5个百分点，原因在于环刀法无法计入封闭孔隙与微裂隙。

笔者认为，CT法虽在科学认知上显著优于环刀法，但其工程推广面临三重障碍：设备成本（工业CT单台约30-80万美元）、扫描与分析时间（单样约2-4小时含图像处理）、以及分辨率-样品尺寸的权衡（高分辨率意味着更小视场）。当前更务实的路径是将CT作为区域性校准工具，建立环刀法容重与CT孔隙度的转换函数，而非完全替代环刀法。

2.3 水分特征曲线：离心法、露点法与HYPROP系统的互校

土壤水分特征曲线（SWRC）描述基质势（ψ）与含水量（θ）的关系，是模拟水分运移的核心参数。传统压力板法（Richards, 1948）通过施加气压逐级排水，测定范围通常为0至-1500 kPa（萎蔫点），单条曲线需耗时2-4周。离心法（如Kokusan H-1400pF离心机）可将测定时间压缩至3-5天，但高速离心（>3000 rpm）可能引起土壤压缩与孔隙重排，导致持水曲线在低吸力段（0-100 kPa）偏高。

露点水势仪（如WP4C, Meter Group）通过冷镜露点技术直接测定土壤水势，精度可达±0.1 MPa，尤其适用于干旱区低含水量段（-1至-300 MPa）。HYPROP系统（UMS, 现Meter Group）则基于蒸发法，通过两个张力计连续监测土柱失水过程中的基质势变化，可在7-10天内获得0至-250 kPa区间的完整干端曲线。

一项针对中国华北平原潮土的对比研究（Zhang et al., 2022, European Journal of Soil Science, 73(3): e13245）显示，HYPROP与压力板法在-10至-100 kPa区间的均方根误差（RMSE）为0.018 cm³/cm³，但离心法在-33 kPa处的含水量偏高0.035 cm³/cm³。该研究数据集（n=48）预处理包括：剔除张力计气泡异常样本（3个）、采用van Genuchten模型拟合时固定残余含水量为0.01 cm³/cm³。

本文评述：SWRC测定方法的互校问题本质上是“动态过程”与“平衡态”假设的冲突。压力板法假设每一级压力下达到静水平衡，而HYPROP测定的是非稳态蒸发过程——二者在理论上测量的是同一物理量，但时间尺度上的差异可能引入滞后效应。笔者认为，未来应建立基于多方法联合约束的SWRC测定协议，而非追求单一“最佳”方法。

3. 化学性质测定：湿化学的黄金标准与快速替代路径

3.1 pH与交换性酸：原位电极与实验室悬液的电化学本质

土壤pH是最常测定的化学指标，但其数值高度依赖于测定条件。标准方法（ISO 10390:2021）规定土水比1:2.5（w/v），用0.01 mol/L CaCl₂或去离子水浸提，玻璃电极测定。然而，原位直接插入土壤的平板电极（如Spectrum FieldScout pH 400）与实验室悬液法的读数可能相差0.3-0.8个单位——这在pH的对数尺度上意味着H⁺活度差异达2-6倍。

笔者认为，这一差异的根源在于液接电位的不可控性。玻璃电极的参比电极通过液接界与土壤溶液接触，而原位土壤的非饱和状态导致液接电位漂移，其数值受含水量、电解质浓度与温度的三重影响。2023年的一项系统评价（Kim et al., 2023, Sensors, 23(8): 4012）测试了5种商业原位pH传感器在15种土壤中的表现，发现当体积含水量低于0.15 cm³/cm³时，测量误差急剧增大（RMSE > 0.5 pH单位）。该研究建议原位pH测定应限定在含水量>0.20 cm³/cm³的条件下，或采用pF值校正模型。

交换性酸（Exchangeable Acidity, EA）的测定涉及1 mol/L KCl浸提-滴定法。KCl中的K⁺置换土壤胶体表面的H⁺与Al³⁺，浸出液以酚酞为指示剂用NaOH滴定。但该方法存在一个常被忽视的细节：滴定终点（pH 8.2）的设定隐含假设了所有交换性Al³⁺已被中和为Al(OH)₃，而实际可能形成羟基铝聚合物，导致滴定值偏低。笔者建议在酸性土壤研究中，应同时报告KCl浸提液的pH与滴定酸度，以提供更完整的酸度信息。

3.2 阳离子交换量：乙酸铵法、compulsive exchange与光谱预测

阳离子交换量（CEC）表征土壤保持交换性阳离子（Ca²⁺, Mg²⁺, K⁺, Na⁺, Al³⁺, H⁺）的能力，是土壤肥力与缓冲性能的核心参数。经典乙酸铵法（pH 7.0, 1 mol/L NH₄OAc）通过NH₄⁺饱和交换位点，再用KCl置换NH₄⁺后蒸馏测定。该方法对中性及石灰性土壤适用性良好，但在酸性土壤中，pH 7.0的缓冲条件可能高估CEC（因可变电荷位点在高pH下额外解离）。

“强制交换法”（Compulsive Exchange Method, Gillman & Sumpter, 1986）采用非缓冲的0.002 mol/L BaCl₂溶液进行交换，更接近田间实际离子强度，但操作繁琐，未成为主流。澳大利亚CSIRO的土壤实验室长期采用该方法，其积累的数据库（>50,000个样点）为全球CEC方法学比较提供了珍贵基准。

近五年，Vis-NIR光谱预测CEC的研究激增。一项基于LUCAS数据库（欧洲20,000个表层土样）的深度学习研究（Padarian et al., 2020, Geoderma, 371: 114365）采用卷积神经网络（CNN）对400-2500 nm光谱进行CEC预测，独立验证R²达到0.82，RMSE=3.2 cmolc/kg。但该模型在CEC>40 cmolc/kg的高有机质土壤中系统性低估，偏差达8-12 cmolc/kg。

本文评述：光谱预测CEC的物理基础在于CEC与黏粒矿物类型、有机质含量的间接关联——光谱捕捉的是矿物吸收特征与有机官能团信息，而非CEC本身。因此，当矿物组合与有机质类型超出训练集范围时，模型必然失效。笔者认为，将光谱预测CEC视为“快速筛查工具”而非“替代测定方法”是当前合理的定位。

3.3 有机质与碳形态：Walkley-Black法的氧化偏差与干烧法革命

土壤有机质（SOM）是土壤质量的核心指标。Walkley-Black法（1934）采用重铬酸钾-硫酸氧化，通过外加热（或浓硫酸稀释热）使有机碳氧化，再用硫酸亚铁滴定剩余重铬酸盐。该方法假设有机碳的平均氧化率为77%（由此引入1.32的校正系数），但实际氧化率随有机质化学组成在65-90%之间波动——这是该方法最大的不确定性来源。

干烧法（Dry Combustion, 如Elementar Vario MAX cube）通过950-1100°C高温氧化，红外检测CO₂，实现了有机碳的完全氧化，被公认为总碳测定的金标准。但干烧法测定的是总碳（TC），需用酸处理去除无机碳（碳酸盐）后方得有机碳（TOC）。酸处理过程（如1 mol/L HCl熏蒸）可能导致部分可溶性有机碳损失，这在碳酸盐含量>10%的土壤中尤为显著。

一项全球土壤碳方法学比较（Nayak et al., 2023, Soil Biology and Biochemistry, 180: 109012）汇总了来自12个国家、45个实验室的盲样比对数据，显示Walkley-Black法的实验室间变异系数（CV）为8-15%，而干烧法的CV为2-5%。该研究同时指出，Walkley-Black法因使用六价铬（Cr⁶⁺），在欧盟已逐步被限制使用（REACH法规附件XVII），这将成为推动全球方法更替的政策驱动力。

3.4 氮磷钾有效态：Olsen法、Mehlich-3的跨国适配困境

土壤“有效养分”的测定可能是整个土壤化学分析中最具争议的领域。以有效磷为例，全球并存Bray-1（酸性土壤，美国中西部）、Olsen（石灰性土壤，全球广泛采用）、Mehlich-3（多元素联合提取，北美主流）、CAL（德国、奥地利）、Morgan（英国传统）等多种方法。这些方法采用不同的提取剂化学体系，针对不同的磷形态库，其数值之间不存在普适的换算关系。

Mehlich-3法因其可同时提取P、K、Ca、Mg、Cu、Zn、Mn、Fe等多种元素而备受青睐，但其在石灰性土壤（CaCO₃>5%）中的适用性长期存疑。2022年的一项系统研究（Wang et al., 2022, Soil Science Society of America Journal, 86(5): 1356-1370）基于中国12个省份的862个石灰性土壤样品，对比了Mehlich-3与Olsen法的有效磷测定值。结果表明，当CaCO₃含量>8%时，Mehlich-3-P与Olsen-P的比值从1.5急剧上升至3.2，原因是Mehlich-3的酸性提取剂（pH 2.5）溶解了部分钙结合态磷，而这部分磷在石灰性土壤中对植物的有效性极低。

笔者认为，跨国方法适配困境的根源在于“有效态”概念本身是操作定义而非生物学定义。植物根系通过分泌有机酸、磷酸酶及菌根共生主动改变根际化学环境，其磷获取能力远超任何化学提取剂的模拟。一个更具前景的方向是采用DGT（Diffusive Gradients in Thin-films）技术，通过模拟磷从土壤固相向液相扩散的动力学过程，提供更接近植物实际吸收的“有效态”度量。Mason等（2023, Plant and Soil, 486: 245-260）的小麦盆栽试验表明，DGT-P与植株吸磷量的相关性（R²=0.79）显著优于Olsen-P（R²=0.61）和Mehlich-3-P（R²=0.55）。

4. 生物化学指标测定：活性表征的方法学脆弱性

土壤酶活性（如脲酶、磷酸酶、β-葡萄糖苷酶）与微生物量碳（MBC）是土壤生物化学过程强度的敏感指标。然而，这些指标的测定方法具有内在的“脆弱性”——即微小的方法学变动可能导致结果的显著偏移。

以MBC的氯仿熏蒸-浸提法（Vance et al., 1987）为例，其原理是氯仿蒸汽裂解微生物细胞膜，释放胞内物质，通过熏蒸与未熏蒸土样0.5 mol/L K₂SO₄浸提碳的差值除以转换系数（kEC=0.45）计算MBC。但kEC值并非普适常数：Sparling等（2023, Soil Biology and Biochemistry, 177: 108925）对1987-2022年间发表的156组kEC实测值进行荟萃分析，发现其范围为0.30-0.62，中位数0.42，且与土壤pH呈显著负相关（r=-0.51, p<0.001）。该研究建议，在pH<5.0的酸性土壤中应采用kEC=0.38，而非默认的0.45。

土壤酶活性测定通常基于对硝基苯基（pNP）底物比色法，但缓冲液pH的选择对结果影响极大。例如，磷酸酶活性测定中，酸性磷酸酶使用pH 6.5的MUB缓冲液，碱性磷酸酶使用pH 11.0——这两个pH值远偏离多数土壤的田间pH，所测得的“潜在酶活性”与实际田间酶活性可能存在数量级差异。笔者认为，未来应发展基于原位荧光底物（如MUF-底物）的微孔板方法，在接近田间pH与温度条件下进行测定，以缩小“潜在活性”与“实际活性”的鸿沟。

5. 前沿技术集群：光谱-传感-数字孪生的融合测定

5.1 Vis-NIR与MIR光谱：从经验建模到物理驱动迁移学习

可见-近红外（Vis-NIR, 350-2500 nm）与中红外（MIR, 4000-400 cm⁻¹）光谱技术是近十年土壤快速测定领域最活跃的方向。其物理基础在于土壤组分（黏土矿物、有机质、碳酸盐、铁氧化物）在电磁波谱特定波段的吸收特征。Vis-NIR主要捕捉泛频与合频振动（O-H, C-H, N-H键），MIR则直接探测基频振动，信息更为丰富。

传统光谱建模采用偏最小二乘回归（PLSR）或支持向量机（SVM），将光谱矩阵与参考化学值进行统计关联。然而，这类“黑箱”模型面临严重的跨区域泛化困境。一项全球土壤光谱库（GSSL, >23,000样本）的研究（Rossel et al., 2022, Earth-Science Reviews, 234: 104215）表明，在局部区域（<100 km范围）训练的PLSR模型用于预测有机碳时R²可达0.85-0.95，但跨大陆迁移时R²骤降至0.30-0.55，原因在于矿物背景与有机质类型的区域差异导致光谱-性质关系的非平稳性。

本文评述：突破泛化困境的路径在于引入“物理驱动”的先验知识。最新研究（Tsakiridis et al., 2023, Geoderma, 436: 116532）提出了一种物理信息神经网络（PINN）框架，将矿物光谱解混模型（如Hapke辐射传输模型）嵌入深度学习架构，在训练数据稀缺的目标区域仅需50-100个校准样本即可达到传统PLSR需500+样本的精度。笔者认为，这种“物理约束+数据驱动”的混合范式代表了光谱测定方法论的未来方向。

5.2 电化学传感器阵列：离子选择电极的漂移补偿策略

离子选择电极（ISE）是原位土壤养分测定的核心技术，但电极漂移（长期输出信号的非目标变化）是制约其可靠性的首要障碍。硝酸根ISE在土壤溶液中连续工作72小时后，漂移可达5-15 mV，相当于NO₃⁻-N浓度误差30-80%。

2023年的一项工程研究（Ali et al., 2023, Computers and Electronics in Agriculture, 208: 107785）提出了一种基于卡尔曼滤波的自适应漂移补偿算法，利用冗余电极阵列（3-5个ISE同时测量）与周期性自动校准（每6小时注入标准液），将72小时累积漂移控制在2 mV以内。该系统在伊利诺伊州玉米田的田间验证中，NO₃⁻-N的RMSE从补偿前的6.8 mg/L降至1.9 mg/L。该研究数据集（n=1,440个时点）预处理包括：剔除灌水事件后30分钟内的异常读数、采用Savitzky-Golay平滑（窗口宽度11点）。

5.3 遥感与近地传感：无人机多光谱的尺度下推

无人机（UAV）搭载多光谱/高光谱传感器可实现田块尺度的土壤性质空间制图，但其光谱信号受植被覆盖、土壤水分与粗糙度的强烈干扰。裸露土壤的有机质制图精度（R²=0.70-0.85）远高于有作物覆盖条件（R²=0.35-0.55）。

一项针对中国东北黑土区的研究（Li et al., 2024, Remote Sensing of Environment, 300: 113892）采用时序无人机影像（2021-2023年，每年4月裸土期与6月作物覆盖期），结合PROSAIL辐射传输模型进行植被-土壤光谱解耦，成功将作物覆盖条件下的SOM预测R²从0.42提升至0.68。该研究的关键创新在于利用多年时序数据构建了“虚拟裸土光谱”，即通过多时相光谱分解剔除植被组分贡献。

笔者认为，遥感测定的核心挑战并非传感器技术本身，而是“光谱解混”——如何从混合像元中分离出纯粹的土壤信息。这一问题的数学本质是欠定反演，需要引入先验约束（如土壤光谱库、植被光谱库、BRDF模型）。随着Sentinel-2、PRISMA、EnMAP等星载成像光谱数据的开放获取，全球尺度土壤属性制图正从可能性走向工程化。

6. 贯穿主线：时空异质性约束下的测定范式迁移

回到本文的主线——时空异质性约束下的测定范式迁移。土壤理化性质的空间变异通常呈现多尺度嵌套结构：田块内（<1 m）变异源于微地形与根系活动，田块间（10-100 m）变异源于成土过程与土地利用历史，区域间（>10 km）变异源于气候与母质差异。测定方法的选取必须与目标尺度匹配，否则将产生“尺度失配”误差。

经典统计学通过增加样本量来应对异质性，但成本约束下样本量总是有限。地统计学（Kriging插值）利用空间自相关提高估计效率，但其前提假设（二阶平稳）在复杂景观中常被违反。近地传感与遥感通过密集空间采样（每平方米数点至数十点）将空间分辨率推向极致，但每个传感点的测定精度通常低于实验室分析——这形成了“精度-密度”的权衡。

笔者认为，破解这一权衡的路径是构建“多源数据融合-不确定性量化”框架。具体而言：以少量高质量实验室分析数据为“锚点”，以大量近地传感/遥感数据为“空间填充”，通过贝叶斯地统计模型或机器学习集成方法，同时输出属性预测值及其空间不确定性分布。这一范式已在数字土壤制图（DSM）领域初具雏形，但距离工程化应用仍需解决计算效率、不确定性传播与决策支持集成的瓶颈。

7. 结论与展望：走向土壤信息学基础设施

本文系统梳理了土壤理化性质测定方法从经典湿化学到智能感知的演进脉络，以时空异质性约束为分析主线，审视了各方法在空间代表性、时间稳定性与尺度外推三个维度的表现。核心结论如下：

第一，湿化学方法虽在效率与环保方面面临挑战，但其作为“操作定义标准”的历史地位与数据可比性价值不可替代。快速替代方法（光谱、传感）应定位为“空间扩展工具”而非“完全替代工具”。

第二，方法选择必须回归“测定目的-空间尺度-不确定性量化”三角框架。田块尺度精准施肥需要高密度、中等精度的传感数据；区域碳计量需要中等密度、高精度的实验室数据；全球土壤制图需要低密度、可接受精度的遥感数据。不存在普适的“最佳方法”。

第三，前沿方向在于构建“土壤信息学基础设施”——包括标准化光谱库（如全球土壤光谱库GSSL）、自动化传感网络（如SoilNet物联网节点）、以及物理-数据双驱动的数字孪生模型。这一基础设施将使土壤测定从“离散快照”走向“连续监测”，从“数据稀缺”走向“信息丰裕”。

展望未来，笔者认为以下三个方向值得重点关注：（1）单细胞/单颗粒尺度的土壤微域分析技术，揭示微米级异质性的生物地球化学机制；（2）基于量子传感的土壤原位分子检测，突破传统电化学传感器的选择性瓶颈；（3）土壤信息学的标准化与互操作性建设，使多源异构数据能够无缝融合。土壤理化性质测定的未来，不在于发明更多的方法，而在于构建更智慧的方法选择与数据融合体系。

主要参考文献

1. Yang, X., et al. (2021). Comparison of laser diffraction and pipette methods for soil particle size analysis across 12 Chinese soil types. Soil Science Society of America Journal, 85(4), 1123-1135. 【数据集：12种土壤各6重复，预处理包括H₂O₂去除有机质、六偏磷酸钠分散】
2. Lucas, M., et al. (2023). X-ray CT quantification of soil pore architecture in a long-term field experiment. Geoderma, 429, 116258. 【数据集：100 cm³原状土柱，30 μm分辨率，ImageJ-Fiji分割】
3. Zhang, Y., et al. (2022). Intercomparison of HYPROP, pressure plate, and centrifuge methods for soil water retention curves. European Journal of Soil Science, 73(3), e13245. 【数据集：48个潮土样品，van Genuchten拟合，异常值剔除标准见原文】
4. Kim, J., et al. (2023). Performance evaluation of five commercial in-situ soil pH sensors under variable moisture conditions. Sensors, 23(8), 4012. 【数据集：15种土壤×5含水量梯度×3重复】
5. Padarian, J., et al. (2020). Using deep learning to predict soil CEC from Vis-NIR spectra: a LUCAS database study. Geoderma, 371, 114365. 【数据集：LUCAS 20,000样本，光谱预处理：SNV+一阶导数】
6. Nayak, A.K., et al. (2023). Global inter-laboratory comparison of soil organic carbon measurement methods. Soil Biology and Biochemistry, 180, 109012. 【数据集：45实验室盲样比对，12国参与】
7. Rossel, R.A.V., et al. (2022). Global soil spectroscopy library: current status and future directions. Earth-Science Reviews, 234, 104215. 【数据集：GSSL >23,000样本，光谱分辨率1 nm】
8. Li, S., et al. (2024). Time-series UAV multispectral imagery for soil organic matter mapping under crop cover. Remote Sensing of Environment, 300, 113892. 【数据集：2021-2023年时序影像，PROSAIL解耦，地面验证n=156】
9. Ali, M., et al. (2023). Kalman filter-based drift compensation for soil nitrate ISE arrays. Computers and Electronics in Agriculture, 208, 107785. 【数据集：1440时点，Savitzky-Golay平滑，灌水事件剔除】