Szacowanie i rozmieszczenie przestrzenne zawartości organicznego węgla w glebie na gruntach rolnych za pomocą hiperspektralnej technologii zdalnego sensingu z bezzałogowych statków powietrznych

Dlaczego węgiel w glebie ma znaczenie

Gleba to nie tylko ziemia pod naszymi stopami. Magazynuje ogromne ilości węgla, żywi uprawy i pomaga łagodzić zmiany klimatu poprzez pochłanianie dwutlenku węgla z powietrza. Jednak zawartość węgla organicznego w glebie może szybko różnić się nawet w obrębie pola, a tradycyjne badania laboratoryjne są wolne i kosztowne. W badaniu przedstawiono szybszy, zaawansowany technologicznie sposób „widzenia” węgla organicznego w glebie z powietrza, wykorzystujący małe drony wyposażone w kamery hiperspektralne — dając rolnikom i naukowcom potężne narzędzie do zarządzania ziemią i wpływem na klimat.

Kamera w locie nad polami

Naukowcy pracowali na trzech obszarach rolniczych w dorzeczu rzeki Huangshui w prowincji Qinghai w Chinach, regionie o różnych typach gleb, upraw i praktykach rolniczych. Wykorzystali wielowirnikowego drona z kamerą hiperspektralną, która mierzy światło w 150 wąskich pasmach od widzialnego do bliskiej podczerwieni. Lecąc na około 150 metrów w pogodny, bezwietrzny dzień, dron zebrał bardzo szczegółowe obrazy, z pikselem reprezentującym mniej niż pięć centymetrów na ziemi. Te obrazy rejestrują subtelne różnice w odbiciu światła przez glebę, powiązane z zawartością węgla organicznego.

Kopanie, badanie i dopasowanie danych terenowych

Aby zweryfikować, co widzi dron, zespół zebrał 296 próbek gleby z trzech pól, stosując siatkę punktów i precyzyjną kontrolę głębokości (0–20 centymetrów, gdzie zawartość węgla najczęściej się zmienia). W laboratorium usunięto kamienie i resztki roślin, drobno pocięto glebę i użyto analizatora pierwiastkowego do dokładnego pomiaru zawartości węgla organicznego. Zmierzyli też widma gleby w warunkach studyjnych przy użyciu precyzyjnego spektrometru, a następnie dopasowali te widma do zakresu długości fal i rozdzielczości sensora pokładowego. Pozwoliło to powiązać dokładne pomiary węgla z laboratorium z odpowiadającymi im sygnaturami spektralnymi zarówno z instrumentów naziemnych, jak i obrazów lotniczych.

Oczyszczanie sygnału i uczenie modelu

Surowe dane spektralne mogą być chaotyczne, ponieważ wiele czynników poza węglem — takich jak wilgotność gleby, szorstkość powierzchni czy rozmiar cząstek — wpływa na odbicie światła. Aby temu sprostać, badacze przetestowali siedem różnych przekształceń matematycznych widm. Najlepsze okazało się połączenie metody zwanej korekcją rozrzutu multiplikatywnego, która redukuje zniekształcenia jasności, z operacją pierwszej pochodnej, która uwypukla subtelne spadki i piki na krzywych. To połączenie dało najsilniejszy związek między cechami spektralnymi a zawartością węgla. Następnie porównali pięć metod modelowania, od prostych równań liniowych po zaawansowane techniki uczenia maszynowego. Model lasu losowego (random forest), który buduje wiele drzew decyzyjnych i uśrednia wyniki, wyraźnie wypadł najlepiej, wyjaśniając około 90% zmienności zawartości organicznego węgla w glebie i osiągając wysoką jakość predykcji.

Przekształcanie światła w szczegółowe mapy gleby

Z zastosowaniem najlepszego przetworzenia widma i modelu lasu losowego zespół przeniósł swoje podejście na pełne obrazy dronów, tworząc szczegółowe mapy zawartości organicznego węgla w każdym polu. Model wskazał konkretne pasma kolorów jako najważniejsze, zwłaszcza w zakresie widzialnym (gdzie ciemniejsza gleba często oznacza więcej węgla) oraz w bliskiej podczerwieni (gdzie materia organiczna wpływa na pochłanianie światła). Uzyskane mapy pokazały wyraźne wzory: jedno pole dominowało wysoką zawartością węgla, drugie średnią, a trzecie przeważnie niższą. Porównanie oszacowań opartych na zdjęciach z drona w punktach poboru z pomiarami laboratoryjnymi wykazało silne dopasowanie, potwierdzając wiarygodność map.

Co to oznacza dla rolnictwa i klimatu

Mówiąc prosto, badanie pokazuje, że dron z zaawansowaną kamerą i dobrze wytrenowanym modelem może szybko tworzyć dokładne, drobnoskalowe mapy zawartości organicznego węgla w glebie, zamiast polegać wyłącznie na czasochłonnym pobieraniu próbek i pracy laboratoryjnej. Rolnicy i zarządcy gruntów mogliby wykorzystywać takie mapy do precyzyjnego stosowania nawozów i zarządzania resztkami pożniwnymi, ochrony obszarów zagrożonych utratą węgla oraz monitorowania zmian zdrowia gleby w czasie. Choć metoda wciąż napotyka wyzwania — np. wrażliwość na wilgotność gleby, pozostałości na powierzchni i zmienne warunki oświetleniowe — wskazuje drogę ku przyszłości, w której monitorowanie zasobów węglowych pod naszymi polami stanie się szybsze, tańsze i znacznie bardziej szczegółowe, wspierając zarówno produkcję żywności, jak i cele klimatyczne.

Cytowanie: Song, Q., Zhang, W. Estimation and spatial distribution of soil organic carbon content in farmland using unmanned aerial vehicle hyperspectral remote sensing technology. Sci Rep 16, 5480 (2026). https://doi.org/10.1038/s41598-026-35096-2

Słowa kluczowe: organiczny węgiel w glebie, hiperspektralny UAV, rolnictwo precyzyjne, mapowanie gleby, zdalne rozpoznawanie