東北地理所在區域尺度土壤有機質遙感制圖研究方面取得系列進展
土壤有機質是全球碳庫的重要組成部分，也是植物營養的主要來源之一，準確快速的監測土壤有機質空間分布對全球碳循環與耕地質量評價都具有重要意義。傳統土壤有機質監測主要依靠大量的人工采樣與定點觀測，這些方法費時費力，而且通常只能得到土壤有機質點狀分布數據，不能反映區域土壤有機質分布的整體情況，結合空間信息技術來獲取土壤有機質精細的空間分布信息是未來發展的方向。
中國科學院東北地理所農業遙感學科組基于Google Earth Engine云平臺結合機器學習算法與實地采樣數據，分別從多時相影像合成、時間窗口選擇、輸入量優選、局部回歸等多角度提升土壤有機質的制圖精度，研發了一系列適用于東北黑土區的高魯棒性土壤有機質制圖方法（圖1&2）。
研究表明：1）使用中值合成影像進行土壤有機質（SOM）制圖具有較高的精度和魯棒性；2）松嫩平原SOM預測的最佳時間窗為5月，但降水會影響SOM的預測精度；3）Sentinel-2 合成圖像在SOM制圖方面并不優于Landsat 8合成圖像，盡管Sentinel-2具有更好的時空分辨率；4）與全局回歸模型相比，基于兩種劃分方法的局部回歸方法可以提高SOM映射的準確性，但基于土壤類型劃分算法的實際繪圖效果受土壤樣本分布的影響；5）使用波段優選算法會提高SOM制圖精度，但提升幅度很小。
相關文章發表在國際期刊CATENA與Soil and Tillage Research上，特別研究助理羅沖為第一作者，劉煥軍研究員為通訊作者。相關工作得到中科院先導專項（XDA28100000）、王寬誠率先人才計劃“產研人才扶持項目”、中科院先導專項（XDA23070501）、中科院先導專項（XDA23060405）等項目聯合資助。
圖1 使用多時相合成影像結合Google Earth Engine進行SOM制圖技術路線
圖2 使用不同時相合成影像進行SOM制圖結果
[1] Luo, C., Wang, Y., Zhang, X., Zhang, W., & Liu, H.* (2022). Spatial prediction of soil organic matter content using multiyear synthetic images and partitioning algorithms. CATENA, 211, 106023.
https://doi.org/10.1016/j.catena.2022.106023
[2] Luo, C., Zhang, X., Meng, X., Zhu, H., Ni, C., Chen, M., & Liu, H.* (2022). Regional mapping of soil organic matter content using multitemporal synthetic Landsat 8 images in Google Earth Engine. CATENA, 209, 105842.
https://doi.org/10.1016/j.catena.2021.105842
[3] Luo, C., Zhang, X., Wang, Y., Men, Z., & Liu, H.* (2022). Regional soil organic matter mapping models based on the optimal time window, feature selection algorithm and Google Earth Engine. Soil and Tillage Research, 219, 105325.
https://doi.org/10.1016/j.still.2022.105325
附件下載：
吉公網安備22017302000214號
