林政賢1*，廖志浩1，許健輝2
1國立中興大學土壤環境科學系
2農業部農業試驗所
E-mail：ch.lin@nchu.edu.tw
為達成2050年淨零碳排的目標，有效地增加土壤碳匯為重要的策略之一，各國推動再生農法(regenerative agriculture)以增加土壤有機碳，並透過碳權機制，使土壤碳匯成為可交易的碳信用資產。然而，土壤碳匯的監測、報告及查證（Monitoring, Reporting, and Verification, MRV）的標準作業程序上面臨許多挑戰，其中以如何以準確、高效並且符合成本效益（cost-effective）的量測技術最為關鍵。
近年來，中紅外光譜（mid-infrared, MIR，2.5-25 µm）因其快速、非破壞性、高效率的特點，已被廣泛用於土壤有機碳以及其他土壤性質的精準量測，本研究以台灣常見的管理措施（即連續湛水與水旱輪作），以及不同地區(水稻田)土壤為對象，建立完整的MIR光譜資料庫，並透過偏最小平方迴歸（partial least square regression, PLSR）與機器學習演算法（譬如Cubist、隨機森林等）進行模型預測效能之評估。研究結果指出，Cubist模型相較於傳統的PLS方法，在預測土壤有機碳濃度(%)上表現更佳，且在各試驗場域皆展現了較高之穩定性與準確性（R²=0.81~0.98；RMSE=0.15~0.21%）。另外，在主成分分析(Principal component analysis, PCA)中，更進一步顯示地域因素對光譜特徵影響的程度高於土壤分類或有機碳濃度。因此，建議未來在MIR光譜模型的建立上應優先考量區域性的資料特徵，建立專屬區域之土壤碳匯監測模型，以進一步提升預測準確性。 總體而言，本研究透過MIR快速分析技術，展示了其應用於土壤碳匯監測程序的巨大潛力，尤其適用於標準化與區域化的MRV機制建立。未來應持續推動區域性光譜資料庫的擴充與模型優化，藉此提高土壤碳匯量化分析的準確度與實用性。
關鍵詞：土壤有機碳、中紅外光譜、快速分析、模型預測、監測、報告與查證