AI Summary & Key Takeaways
AI InsightAccording to the cross validation results, parameters such as CaCO3 (R2 = 0.75, RPD = 1.99), clay (R2 = 0.72, RPD = 1.87), Fe (R2 = 0.66, RPD = 1.72), Al (R2 = 0.64, RPD = 1.64), exchangeable Ca (R2 = 0.73, RPD = 2.03), Na (R2 = 0.65, RPD = 1.71) and Mg (R2 = 0.59, RPD = 1.55)could be predicted moderately successfully with spectral reflections.
📌 3 Key Takeaways
Abstract
Soils differ significantly depending on the parent material, climatic conditions and topography where they are formed. Identifying these differences which also are important in forensic science requires more field and laboratory work, which requires more labor, chemical use and time. On the other hand, approaches such as Visible and Near Infrared Spectroradiometry (VNIRS) Technique have recently begun to be widely used in the rapid characterization of soils and simultaneous characterization of multiple soil properties. This method allows non-destructive analysis of soil samples; It has great potential for forensic uses where preservation of original specimens is of great importance. In this study which was performed between years of 2019 and 2020, 59 soil samples were taken on a horizon basis from soil profiles formed on fourdifferent main materials in Sanliurfa, including Mud streams, Limestone, Marl and Basalt; Routine physicochemical analyzes were performed in the laboratory and spectral reflections in the 350-2500 nm wavelength range were obtained and subjected to multivariate statistical methods such as Principal Component Analysis (PCA), Cluster analysis and PLSR. The predictability success of soil parameters using PLSR models was tested with the cross-validation approach. PC1 and PC2 explained more than 99% of the change in reflections of soils and were able to group different soils formed on different material according to their spectral properties. Clustering analysis using the PCA analysis applied raw soil reflections was able to classify the soils according to the origin type with 61% success (Kappa statistic = 0.62). According to the cross validation results, parameters such as CaCO3 (R2 = 0.75, RPD = 1.99), clay (R2 = 0.72, RPD = 1.87), Fe (R2 = 0.66, RPD = 1.72), Al (R2 = 0.64, RPD = 1.64), exchangeable Ca (R2 = 0.73, RPD = 2.03), Na (R2 = 0.65, RPD = 1.71) and Mg (R2 = 0.59, RPD = 1.55)could be predicted moderately successfully with spectral reflections.
Özet
Topraklar üzerinde oluştukları ana materyale, iklim koşulları ve topoğrafik yapıya bağlı olarak önemli farklılıklar gösterirler. Adli bilimde de önemli olan bu farklılıkların belirlenmesi daha fazla arazi ve laboratuvar çalışmalarına ihtiyaç duyar bu da daha fazla iş gücü, kimyasal kullanımı ve zaman gerektirir. Öteki taraftan Görülebilir ve Yakın Kızılötesi Spektroradyometre (VNIRS) Tekniği gibi yaklaşımlar toprakların hızlıca ve birden fazla toprak özelliğinin eş zamanlı olarak karakterizasyonunda son zamanlarda yaygın bir şekilde kullanılmaya başlanmıştır. Toprak örneklerinin tahribatsız analiz edilmesine izin veren bu yöntem; orijinal örneklerin korunmasının büyük önem taşıdığı adli kullanımlar için büyük potansiyele sahiptir. 2019-2020 yılları arasında yürütülen bu çalışmada Çamur akıntıları, Kireçtaşı, Marn ve Bazalt olmak üzere Şanlıurfa’da yaygın dört farklı ana materyal üzerinde oluşmuş toprak profillerden horizon esasına göre alınan 59 toprak örneği; laboratuvar ortamında rutin fiziko kimyasal analizleri yapılmış ve 350-2500 nm dalga boyu aralığında spektral yansımaları elde edilerek Temel Bileşenler Analizi (PCA), Cluster analizi ve Kısmi En Küçük Karaler Regresyon Yöntemi (PLSR)gibi çok değişkenli istatistiksel metotlara tabi tutulmuştur. PLSR modelleri kullanarak toprak parametrelerinin tahmin edilebilirlik başarısıçapraz doğrulama (crossvalidation) yaklaşımı ile test edilmiştir. PC1 ve PC2 toprakların yansımalarındaki değişimin % 99’ undan fazlasını açıklamış ve farklı ana meteryal üzerinde oluşmuş farklı toprakları spektral özelliklerine göre gruplandırabilmiştir. PCA analizi uygulanmış ham toprak yansımalarını kullanan Kümeleme analizi toprakları %61 başarı (Kappa istatistik = 0.62) ile geldikleri ana metaryal türüne göre sınıflandırabilmiştir. Çapraz doğrulama sonuçlarına göre CaCO3 (R2 =0.75, RPD=1.99), kil (R2= 0.72, RPD=1.87), Fe (R2=0.66, RPD=1.72), Al (R2=0.64, RPD=1.64), değişebilir Ca (R2= 0.73, RPD= 2.03), Na (R2=0.65, RPD= 1.71) ve Mg (R2=0.59, RPD= 1.55) gibi parametreler spektral yansımalara bağlı olarak orta seviyede başarılı bir şekilde tahmin edilebilmiştir.