How well could one predict the growth of a leafy crop from reflectance spectra from the soil and how might a grower manage the crop in the light of those predictions? Topsoil from two fields was sampled and analysed for various nutrients, particle-size distribution and organic carbon concentration. Crop measurements (lettuce diameter) were derived from aerial-imagery. Reflectance spectra were obtained in the laboratory from the soil in the near- and mid-infrared ranges, and these were used to predict crop performance by partial least squares regression (PLSR). Individual soil properties were also predicted from the spectra by PLSR. These estimated soil properties were used to predict lettuce diameter with a linear model (LM) and a linear mixed model (LMM): considering differences between lettuce varieties and the spatial correlation between data points. The PLSR predictions of the soil properties and lettuce diameter were close to observed values. Prediction of lettuce diameter from the estimated soil properties with the LMs gave somewhat poorer results than PLSR that used the soil spectra as predictor variables. Predictions from LMMs were more precise than those from the PLSR using soil spectra. All model predictions improved when the effects of variety were considered. Predictions from the reflectance spectra, via the estimation of soil properties, can enable growers to decide what treatments to apply to grow lettuce and how to vary their treatments within their fields to maximize the net profit from the crop.

中文翻译：

---

从土壤红外反射光谱预测生菜的生长：作物管理的潜力

根据土壤的反射光谱预测叶类作物的生长情况有多好？种植者如何根据这些预测来管理作物？对两个田地的表土进行了采样并分析了各种养分、粒度分布和有机碳浓度。作物测量值（生菜直径）来自航空图像。在实验室中从近红外和中红外范围内的土壤中获得反射光谱，并使用这些光谱通过偏最小二乘回归（PLSR）来预测作物性能。还通过 PLSR 光谱预测了各个土壤特性。这些估计的土壤特性用于通过线性模型 (LM) 和线性混合模型 (LMM) 预测生菜直径：考虑生菜品种之间的差异和数据点之间的空间相关性。土壤性质和生菜直径的 PLSR 预测值接近观测值。使用 LM 根据估计的土壤特性预测生菜直径的结果比使用土壤光谱作为预测变量的 PLSR 的结果稍差。LMM 的预测比使用土壤光谱的 PLSR 的预测更精确。当考虑到多样性的影响时，所有模型的预测都会得到改善。通过估计土壤特性，根据反射光谱进行预测，种植者可以决定采用哪些处理方法来种植生菜，以及如何在田地内改变处理方法，以最大限度地提高作物的净利润。土壤性质和生菜直径的 PLSR 预测值接近观测值。使用 LM 根据估计的土壤特性预测生菜直径的结果比使用土壤光谱作为预测变量的 PLSR 的结果稍差。LMM 的预测比使用土壤光谱的 PLSR 的预测更精确。当考虑到多样性的影响时，所有模型的预测都会得到改善。通过估计土壤特性，根据反射光谱进行预测，种植者可以决定采用哪些处理方法来种植生菜，以及如何在田地内改变处理方法，以最大限度地提高作物的净利润。土壤性质和生菜直径的 PLSR 预测值接近观测值。使用 LM 根据估计的土壤特性预测生菜直径的结果比使用土壤光谱作为预测变量的 PLSR 的结果稍差。LMM 的预测比使用土壤光谱的 PLSR 的预测更精确。当考虑到多样性的影响时，所有模型的预测都会得到改善。通过估计土壤特性，根据反射光谱进行预测，种植者可以决定采用哪些处理方法来种植生菜，以及如何在田地内改变处理方法，以最大限度地提高作物的净利润。LMM 的预测比使用土壤光谱的 PLSR 的预测更精确。当考虑到多样性的影响时，所有模型的预测都会得到改善。通过估计土壤特性，根据反射光谱进行预测，种植者可以决定采用哪些处理方法来种植生菜，以及如何在田地内改变处理方法，以最大限度地提高作物的净利润。LMM 的预测比使用土壤光谱的 PLSR 的预测更精确。当考虑到多样性的影响时，所有模型的预测都会得到改善。通过估计土壤特性，根据反射光谱进行预测，种植者可以决定采用哪些处理方法来种植生菜，以及如何在田地内改变处理方法，以最大限度地提高作物的净利润。