موسسه انتشارات دانشگاه تهران تحقیقات آب و خاک ایران 2008-479X 57 4 2026 06 22 Feasibility Assessment of Estimating Chemical Forms of Iron in Soils of Acacia Victoria Forests Using Visible and Near-Infrared Spectroscopy امکان‏سنجی برآورد شکل‏های شیمیایی آهن در خاک‌های جنگلی آکاسیاویکتوریا با روش طیف‏سنجی مرئی و مادون ‏قرمز نزدیک 971 998 107695 10.22059/ijswr.2026.413999.670135 FA اکبر ریاحی بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، ایران 0009-0006-9917-4087 مجید باقرنژاد بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، ایران 0000-0002-4935-741X سید علی ابطحی بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، ایران 0000-0001-9397-4610 سید علی اکبر موسوی بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، ایران 0000-0003-0305-2829 مهدی زارعی بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، ایران 0000-0001-5199-2618 حسن مظفری بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، ایران 0009-0008-6339-8673 Journal Article 2026 05 11 Iron is an essential plant nutrient whose availability and environmental role depend on the distribution of its chemical forms in soil, making accurate measurement important. Conventional laboratory methods are difficult, costly, and time-consuming, so new approaches are needed. Visible and near-infrared (Vis-NIR) spectroscopy is rapid, non-destructive, and cost-effective. This study aimed to estimate soil iron forms using Vis-NIR reflectance data with partial least squares regression (PLSR) and stepwise multiple linear regression (SMLR) to develop spectral transfer functions. After measuring iron forms and spectral reflectance of 130 soil samples, PLSR was used to predict iron forms and identify effective spectral bands. Selected bands were then entered into SMLR to develop simple spectral functions. Models were calibrated with training data and validated with test data using R², RMSE, and mean error. Validation R² values for PLSR models were: carbonate-bound iron (0.37), exchangeable iron (0.63), organic-bound iron (0.53), amorphous iron oxides (0.67), crystalline iron oxides (0.68), manganese oxide-bound iron (0.59), residual iron (0.51), and total iron (0.54). For SMLR-based functions, values were 0.41, 0.55, 0.44, 0.41, 0.65, 0.53, 0.48, and 0.48, respectively. Although PLSR outperformed SMLR, the difference was not substantial for some properties. Thus, Vis-NIR spectroscopy combined with regression models, especially PLSR, is an effective, low-cost, non-destructive method for estimating soil iron forms. The developed spectral functions should be validated before use in non-calcareous soils. آهن از عناصر غذایی ضروری گیاهان است که به شکل‌های مختلف در خاک وجود دارد و فراهمی و نقش آن در خاک و محیط‌زیست به توزیع نسبی شکل‌های شیمیایی آن بستگی دارد. بنابراین اندازه‌گیری دقیق شکل‌های آهن اهمیت ویژه‌ای دارد. روش‌های معمول آزمایشگاهی سخت، گران و زمان‌بر هستند و لازم است از روش‌های جدید که مشکلات مذکور را نداشته باشند استفاده شود. روش طیف‌سنجی مرئی-مادون‌قرمز نزدیک در مقایسه با روش‌های سنتی آزمایشگاهی، سریع، غیرمخرب و کم‌هزینه است. هدف این مطالعه، برآورد شکل‌های شیمیایی آهن خاک با استفاده از داده‌های بازتاب طیفی در محدوده مرئی-مادون‌قرمز نزدیک با روش‌های رگرسیون حداقل مربعات جزئی (PLSR) و رگرسیون چندمتغیره خطی گام‌به‌گام و در نهایت توسعه توابع انتقالی طیفی بود. پس از اندازه‌گیری شکل‌های شیمایی آهن و بازتاب طیفی 130 نمونه خاک، ابتدا از مدل‌سازی PLSR برای پیش‌بینی شکل‌های آهن و شناسایی باندهای طیفی مؤثر استفاده شد. باندهای انتخاب‌شده براساس مقادیر انحراف معیار ضرایب رگرسیون، به مدل SMLR وارد شدند تا توابع طیفی ساده و کاربردی توسعه یابند. مدل‌ها با داده‌های آموزش ساخته‌شده و با داده‌های آزمون اعتبارسنجی شدند. برای ارزیابی مدل‌ها از ضریب تعیین، ریشه میانگین مربعات خطا و خطای میانگین استفاده شد. مقادیر R²  اعتبارسنجی مدل‌های PLSR به‌ترتیب برای آهن کربناتی، آهن تبادلی، آهن متصل به ترکیبات آلی، اکسیدهای آهن بی‌شکل، اکسیدهای آهن بلوری، آهن متصل به اکسیدهای منگنز، آهن باقی‌مانده و آهن کل  37/0، 63/0، 53/0، 67/0، 68/0، 59/0، 51/0 و 54/ بودند. مقادیر برای توابع طیفی مبتنی برSMLR 41/0، 55/0، 44/0، 41/0، 65/0، ۰53/0، 48/0 و 48/0 بودند. هرچند کارایی PLSR بهتر از توابع طیفی بود، اما در برخی ویژگی‌ها تفاوت چشمگیر نبود. بنابراین طیف‌سنجی Vis-NIR ترکیب‌شده با مدل‌های رگرسیونی به‌ویژه PLSR روشی مؤثر، کم‌هزینه و غیرمخرب برای برآورد شکل‌های آهن خاک است. پیشنهاد می‌شود توابع طیفی توسعه‌یافته پیش از کاربرد، در خاک‌های غیرآهکی اعتبارسنجی شوند. https://ijswr.ut.ac.ir/article_107695_088eb0f527c75b1482ebff8d18de16e9.pdf