In forest soils on calcareous parent material, carbonate is a key component that influences both chemical and physical soil properties and thus fertility and productivity. At low organic carbon contents, it is difficult to distinguish between organic and inorganic carbon, e.g. carbonates, in soils. The common gas-volumetric method to determine carbonate has a number of disadvantages. We hypothesize that a combination of two spectroscopic methods, which account for different forms of carbonate, can be used to model soil carbonate in our region. Fourier transform mid-infrared spectroscopy was combined with X-ray diffraction to develop a model based on partial least squares regression. Results of the gas-volumetric Scheibler method were corrected for the calcite/dolomite ratio. The best model performance was achieved when we combined the two analytical methods using four principal components. The root mean squared error of prediction decreased from 13.07 to 11.57, while full cross-validation explained 94.5 % of the variance of the carbonate content. This is the first time that a combination of the proposed methods has been used to predict carbonate in forest soils, offering a simple method to precisely estimate soil carbonate contents while increasing accuracy in comparison with spectroscopic approaches proposed earlier. This approach has the potential to complement or substitute gas-volumetric methods, specifically in study areas with low soil heterogeneity and similar parent material or in long-term monitoring by consecutive sampling.

中文翻译：

---

通过 FT-IR 和 X 射线分析改进土壤碳酸盐测定。

在石灰质母质上的森林土壤中，碳酸盐是影响土壤化学和物理性质以及肥力和生产力的关键成分。在有机碳含量低的情况下，很难区分土壤中的有机碳和无机碳，例如碳酸盐。测定碳酸盐的常用气体体积法有许多缺点。我们假设可以使用两种光谱方法的组合来模拟不同形式的碳酸盐，从而模拟我们地区的土壤碳酸盐。傅里叶变换中红外光谱与 X 射线衍射相结合，以开发基于偏最小二乘回归的模型。气体体积 Scheibler 方法的结果针对方解石/白云石比率进行了校正。当我们使用四个主成分结合两种分析方法时，实现了最佳模型性能。预测的均方根误差从 13.07 降低到 11.57，而完全交叉验证解释了碳酸盐含量变化的 94.5%。这是首次将所提出的方法组合用于预测森林土壤中的碳酸盐，提供了一种简单的方法来精确估计土壤碳酸盐含量，同时与之前提出的光谱方法相比提高了准确性。这种方法有可能补充或替代气体体积测量方法，特别是在土壤异质性低和母体材料相似的研究区域或通过连续采样进行长期监测时。预测的均方根误差从 13.07 降低到 11.57，而完全交叉验证解释了碳酸盐含量变化的 94.5%。这是首次将所提出的方法组合用于预测森林土壤中的碳酸盐，提供了一种简单的方法来精确估计土壤碳酸盐含量，同时与之前提出的光谱方法相比提高了准确性。这种方法有可能补充或替代气体体积测量方法，特别是在土壤异质性低和母体材料相似的研究区域或通过连续采样进行长期监测时。预测的均方根误差从 13.07 降低到 11.57，而完全交叉验证解释了碳酸盐含量变化的 94.5%。这是首次将所提出的方法组合用于预测森林土壤中的碳酸盐，提供了一种简单的方法来精确估计土壤碳酸盐含量，同时与之前提出的光谱方法相比提高了准确性。这种方法有可能补充或替代气体体积测量方法，特别是在土壤异质性低和母体材料相似的研究区域或通过连续采样进行长期监测时。这是首次将所提出的方法组合用于预测森林土壤中的碳酸盐，提供了一种简单的方法来精确估计土壤碳酸盐含量，同时与之前提出的光谱方法相比提高了准确性。这种方法有可能补充或替代气体体积测量方法，特别是在土壤异质性低和母体材料相似的研究区域或通过连续采样进行长期监测时。这是首次将所提出的方法组合用于预测森林土壤中的碳酸盐，提供了一种简单的方法来精确估计土壤碳酸盐含量，同时与之前提出的光谱方法相比提高了准确性。这种方法有可能补充或替代气体体积测量方法，特别是在土壤异质性低和母体材料相似的研究区域或通过连续采样进行长期监测时。