The recent development of extensive soil spectral libraries in the visible to near-infrared (VNIR) and mid-infrared (MIR), and the availability of portable spectrometers in both ranges have opened up new opportunities for the application of soil reflectance spectroscopy in soil survey and monitoring. Compared to laboratory measurements on pre-treated soil material, field recordings of reflectance spectra are affected by in situ soil conditions, such as variable soil moisture contents, that modify and degrade the measured reflectance signal. These conditions prevent leveraging available SSL to build predictive models of soil properties for in situ or on-site applications.
The aim of this study was to test and compare different strategies of integrating a regional SSL (n = 300) in the modeling workflow to predict soil organic carbon (SOC) at field sites with variable soil moisture contents. For each sample in the SSL, reflectance spectra had been acquired both in the field, i.e., measured in situ on the soil surface with known moisture contents, and in the laboratory on pre-treated soil material (dried and sieved to ≤ 2 mm). The spectral measurements were carried out with portable spectrometers in the VNIR range (ASD FieldSpec 4, 350 - 2500 nm) and in the MIR range (Agilent 4300 FTIR Handheld, 4000 - 650 cm-1). The different modeling strategies included the separate application of the two spectral ranges, data fusion approaches, methods of compensating for the spectral effect of soil moisture (external parameter orthogonalization - EPO, global modeling with varying moisture contents - GMM), and spiking. Model validation was carried out on the data sets of six different independent field sites, where only in situ VNIR and MIR spectral measurements with varying moisture contents were available.
Our preliminary results indicate the complementary use of both spectral ranges to be the best approach for developing moisture-robust predictive models, compared to the use of individual spectral ranges. Additionally, spiking in combination with both the EPO approach or the robust calibration (GMM) significantly improved prediction accuracy across all target sites. These findings suggest that integrating spectra of different moisture contents into available VNIR and MIR spectral libraries would offer potential for building predictive models that are more robust to variations in soil moisture in the target data sets.

Agro-ecosystem models can be useful for precision farming (PF) as they can be able to capture within-field heterogeneities effects on crop yields and the tradeoffs on the delivery of ecosystem services. A prerequisite for their use in PF is the availability of high-resolution top and subsoil information (e.g., soil texture), which can be acquired by proximal soil sensing technologies such as electrical resistivity. However, the electrical resistivity signal is also affected by the soil water content, which is often unknown for the subsoil. Therefore, in this study we combine soil texture information from various profiles, an agro-ecosystem model to simulate the soil water content in the top and subsoil, and soil resistivity data from a mobile multi-sensor platform to derive a soil texture map up to 1 m depth. The experimental field is the 70 ha “patchCROP” field and located in Brandenburg, Germany. Between 2020 and 2022 extensive soil sampling was done, providing manually assessed soil textural class data on 240 soil profiles and their layers. Additionally, in a laboratory a subset of augers was analyzed for particle distribution to extrapolate and correct the soil textural classes from the manual readings. Proximal soil sensing with the GEOPHILUS multi-sensor platform took place in autumn 2019. Using weather data from an on-site weather station, crop management and phenology data, the soil auger information as well as data from 40 soil moisture sensors (30, 60 and 90 cm), an agro-ecosystem model was calibrated and validated to simulate soil water balance for the date of mobile proximal sensing. The simulated volumetric water content was then used to improve the inversion algorithm to identify the soil texture in the subsoil. Application of the inversion algorithm was validated for a subset of augers and used for interpolation to the whole field. Results from this experiment may improve the identification of management zones that improve crop productivity and the delivery of ecosystem services.

Die Zuckerrübe ist eine Reihenkultur, die häufig auf schluffigen Lössböden angebaut wird. Aufgrund der langsamen Entwicklung im Anfangsstadium bleibt die Bodenbedeckung im Frühjahr gering, so dass die Böden unter Zuckerrüben im April und Mai besonders anfällig für Wassererosion sind. Der verstärkte Einsatz von mechanischer Unkrautbekämpfung anstelle von Herbizidapplikation vor dem Hintergrund des European Green-Deal und der Farm-to-Fork-Strategie lässt große Auswirkungen auf das Auftreten von Bodenerosion erwarten. Bislang wurden diese anhand von Starkregensimulationen auf kleinen 2 m x 1 m Parzellen untersucht. Zur Bewertung der mechanischen Unkrautbekämpfung auf die Intensität von Erosionsereignisse sind Messungen auf der Feldskala mit realen Hanglängen erforderlich.
Ziel dieser Studie ist es, die Bodenerosion bei Starkregenereignissen auf 100 m langen und 10 m breiten Zuckerrübenparzellen mit mechanischer und chemischer Unkrautbekämpfung zu ermitteln. Zu diesem Zweck werden drei unterschiedliche Messmethoden eingesetzt: (1) Messung des Oberflächenabflusses von jeder Großparzelle mit einem Coshocton-Rad in Kombination mit Kippwaage und begleitende Messung der Sedimentkonzentration im Abfluss; (2) berührungslose Messung der Mikrotopografie durch terrestrisches Laserscanning (TLS) vor und nach dem Starkregenereignis. Die resultierende 3D-Punktwolke wird dabei zur Rauschunterdrückung in 2D-Profile unterteilt und approximiert. Anschließend wird die Bodenerosion anhand der Differenz zwischen den Profilen der beiden Erfassungszeitpunkte berechnet; (3) Aufnahme von Drohnenbildern vor und nach dem Starkregenereignis und anschließende Erstellung eines SfM-basierten Geländemodelles. Der Bodenabtrag wird hier ebenfalls aus der Differenz zwischen den rauschkorrigierten 3D-Punktwolken zweier Erfassungszeitpunkte bestimmt werden.
Da die direkte Messung von Bodenabtrag auf Feldskala sehr aufwändig ist, soll diese Studie zur Entwicklung einer berührungslosen und effizienteren Methode zur Bestimmung von Bodenerosion auf Ackerflächen beitragen.

Die Kenntnis über Eigenschaften von Böden als eine wichtige natürliche Ressource für den Menschen ist die Grundlage für deren nachhaltige Nutzung. Die Erhebung gammaspektrometrischer Daten im regionalen Maßstab ermöglicht eine zeit- und kosteneffiziente Abschätzung der Textur als ein wichtiger Faktor für die Bodenfunktionsbewertung. Im Projekt Regionale Charakterisierung von Bodenparametern (ReCharBo) der BGR wurden dazu seit Herbst 2020 fünf Messkampagnen in verschiedenen Regionen in Niedersachsen und Baden-Württemberg durchgeführt. Dabei kamen sowohl ein Feldgammaspektrometer als auch ein hubschraubergetragenes Gammaspektrometer zum Einsatz. Begleitet wurden diese Messungen durch eine Bodenprobenahme zur Bestimmung der Elementgehalte und der Bodenwassergehalte. Die mit dem Feldspektrometer ermittelten Gehalte von Kalium, Thorium und Uran wurden mit klassischen ICP-MS und RFA Laboranalysen der Bodenprobe und die Hubschrauberdaten wiederum wurden mit den feldspektrometrischen Daten verglichen. Die aus den Gehalten berechnete Ionendosisleistung (nGy/h) ist mit der Textur (Ton-, Schluff- und Sandgehalt) in Beziehung gesetzt worden. Die hieraus abgeleiteten Pedotransferfunktionen zu jeder Kornfraktion wurden anschließend zur Ableitung der Textur auf regionaler Skala angewendet. Auftretende Skalierungseffekte bei der Übertragung von der Feld- auf die regionale Skala wurden quantifiziert. Diese Ergebnisse werden auf der Tagung präsentiert.

Soil calcium carbonate (CaCO3) content is an important soil property and plays a significant role as it acts as either a net source or net sink of atmospheric carbon dioxide (CO2). The prediction of soil CaCO3 content is necessary for the sustainable management of soil fertility. The objective of this study was to establish the application of diffuse reflectance mid-infrared Fourier transform spectroscopy (DRIFTS) coupled with linear mixed effects (LME) modeling to predict any single carbonate mineral (Calcite and Dolomite). A laboratory batch carbonate enrichment experiment was carried out to manipulate the spectral response of carbonate gradient in three different soil texture. To mechanistically study the effects of both soil and carbonate type on diagnostic mid-infrared peaks associated with calcite, dolomite, and their mixtures, we used a specific peak area approach. Peak areas at 2512, 875, 730, and 713 cm-1 were considered as fixed effects while both soil texture and calcite to dolomite ratio were random effects components. The results showed that a stepwise increase in carbonate content increases in assigned peak areas, despite the non-linear for sandy soil. In all models the fixed effects explain a large proportion of the variation (ca. 85%). Adding the random effects explains in some cases up to another 10%, which is not insignificant. Regardless of soil texture and ratio of carbonate mineral, calcite was strongly positively correlated with DRIFTS peaks (2512, 875, 713 cm−1) resulted in RMSE = 2.97% and R2 = 0.90. Similarly, dolomite was also predicted precisely with mean accuracy values of RMSE = 3.36 and R2 = 0.87 including peak areas at 2512, 730, and 713 cm-1. The advantages of the DRIFTS method are the precise and cost-effective characterization of carbonate minerals in bulk samples.

Die proximale Gammaspektrometrie (GS) hat sich für die Vorhersage der Oberbodentextur bereits bewährt, wenn die Vorhersagemodelle standortspezifisch kalibriert werden. Für einen breiteren Einsatz der GS ist jedoch die Übertragbarkeit der Vorhersagemodelle zwischen unterschiedlichen Standorten nötig. Ideal wäre der Aufbau einer Gamma-Spektrendatenbank. Die Bedingungen der Spektrenaufnahme selber (u.a. Gerätetyp, Messgeometrie, Bodenfeuchte und -bearbeitungszustand, stop-and-go oder on-the-go Spektrenaufnahme) beeinflussen jedoch die Ergebnisse in erheblichem Maße. Auch die Vielfalt der geopedologischen Bedingungen erschwert bisher die Kalibrierung allgemeingültiger Modelle. Zumindest in Bezug auf die geopedologischen Bedingungen haben Vorhersagemodelle auf der Grundlage von Support-Vektor-Maschinen (SVM) erwiesenermaßen Vorteile gegenüber linearen Modellen. Wir haben daher standortunabhängig kalibrierte SVM-basierte Vorhersagemodelle in verschiedenen Regionen getestet.
Im Allgemeinen war die Vorhersagequalität der standortunabhängigen on-the-go Modelle schlecht, wenn sie auf Standorte angewendet wurden, die nicht im Kalibrierungsdatensatz enthalten waren. Bei einem Drittel der untersuchten Standorte waren die mittleren absoluten Fehler (MAE) für die Vorhersage von Sand, Schluff und Ton größer als 10 % und damit nicht zufriedenstellend. Bei "benachbarten" Standorten, d. h. Standorten in Gebieten mit ähnlichen geopedologischen Bedingungen, lag der MAE jedoch für alle drei Texturfraktionen unter 5 %, auch im on-the-go Modus. Somit muss dass GS nicht streng standortspezifisch kalibriert werden wie in einigen Studien vorgeschlagen, sondern auf der Grundlage geopedologischer Einheiten. Die Vorhersagequalität an unbekannten Standorten wurde verbessert, indem die Kalibrierungdaten mit wenigen Proben des jeweiligen neuen Standorts gespikt wurde. Daher können SVM-kalibrierte Vorhersagemodelle mit geringem Aufwand auf spezifische geopedologische Bedingungen trainiert werden.
In unseren derzeitigen Forschungsarbeiten erfassen wir den Einfluss einer Reihe von äußeren Bedingungen in stationären Messungen, um die bislang von ca. 40 verschiedenen Standorten vorliiegenden, kleinräumig aufgelösten Daten für die Nutzung in einer künftigen Datenbank aufzubereiten; diese soll als Grundlage für die Kalibration universeller on-the-go Modelle für die breite Praxisanwendung dienen.

Gammaspektrometrische Daten enthalten sowohl geogene (Ausgangsgesteinseigenschaften) als auch pedogene (z.B. Tonverlagerung) Informationen, wodurch sie umfassende Aussagen zum Verständnis der Bodenbildungsprozesse und der Verteilung von Bodeneigenschaften liefern. Im Gelände bestimmt hauptsächlich die zeitliche als auch räumliche Variabilität des Wassergehaltes die Qualität und Auswertbarkeit des Signals.
In diesem Beitrag wird eine Studie vorgestellt, die sich dem Problem sowohl durch Feld- als auch Laborstudien widmet. Dazu wurden auf Transekten einer Gammabefliegung in der Baar (einer petrographisch sehr reichen Schichtstufenlandschaft in Baden-Württemberg) durch die Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) aus dem Jahr 2015 Oberbodenproben entnommen. Diese Proben wurden auf Wassergehalte und Trockenraumdichte sowie die Elementgehalte an K, U und Th sowie C-Fraktionen untersucht. Die Daten wurden in ein neu erstelltes deterministisches Modell eingegeben, das versucht, die Gammastrahlung an der Bodenoberfläche vorherzusagen. In diesem Modell wird der Wassergehalt explizit berücksichtigt. Die so ermittelten Daten wurden mit Werten, welche an der Bodenoberfläche mit einem portablen Spektrometer gemessen wurden und denen der BGR-Befliegung verglichen. Die Korrelationen werden dargestellt und mögliche Fehlerquellen diskutiert.

Der Beitrag, der auf einem Kapitel der Handbuch der Bodenkunde (2021) und Encyclopedia of Soil Science (2023, erscheint demnächst) basiert, befasst sich mit verschiedenen künstlerischen und gestalterischen Ansätzen zur Schaffung sensorischer Erfahrungen mit Böden und betont, wie eine multisensorische Begegnung mit Böden zu einem größeren Verantwortungsgefühl für die Bodengesundheit (soil health) und zu einer Wertschätzung der miteinander verschränkten Beziehungen zwischen menschlichen Gesellschaften und Böden führen kann. Die Präsentation zeigt, wie Künstler*innen und Designer*innen mit Multisensorkonzepte und Datensätze arbeiten, um Bodenumgebungen zu visualisieren, zu sonifizieren und auf andere Weise darzustellen. Von Interface-Designer*innen, die Apps für Citizen-Science-Projekte entwickeln, bis hin zu Künstler*innen, die ihre eigenen Daten für Klangkunstinstallationen und öffentliche Bodengeruchsdatenbanken generieren, ist die Bandbreite der Ansätze vielfältig und innovativ. In der Präsentation wird gezeigt, dass künstlerische und gestalterische Methoden das technisch-wissenschaftliche Feld der proximalen Bodenerfassung (soil proximal sensing) ergänzen, um affektive Verbindungen zwischen menschlichen Körpern und Bodenkörpern herzustellen. Ergänzend zu den Beispielen in den erwähnten Veröffentlichungen wird die künstlerische Arbeit eines der Autor*innen hervorgehoben. Das Projekt, Humussphärenreservat (Daniel Wolter, 2023), entstand im Rahmen einer künstlerisch-wissenschaftlichen Promotion im Fachbereich Medienkunst an der Bauhaus-Universität Weimar. Die unterschiedlichen Landschaftsformen des Biosphärenreservats Schorfheide-Chorin werden darin anhand der Akustik ihrer jeweiligen Böden analysiert und verglichen. Hierfür wurde eine künstlerische Kartografie als audio-visuelles Format entwickelt, die Böden als „Ohren der Landschaft“ auf eine räumliche und zeitliche Art und Weise erfahrbar macht. Eine Besonderheit bilden in diesem Zusammenhang die eingesetzten Geophon-Sensoren: Als Erdbeben-Sensoren werden sie fest ans Erdreich gekoppelt, indem sie im Boden vergraben werden. In einem neuen sensorischen Verständnis verbreiten sie eine Wahrnehmungsfähigkeit, die sich über Menschen, technische Geräte, lebendige Wesen und geologisches Material gleichermaßen erstreckt. „Geophones Hören“ ist in diesem Sinne kein bloßes Abhören von Erde, sondern ein Hören-als-Erde, ein akustisches Skalieren in geologischen, biologischen und kulturellen Dimensionen