東北地理所在Remote Sensing of Environment上發(fā)表全新30m空間分辨率全球黑土區(qū)土壤有機(jī)碳制圖結(jié)果
黑土以其高肥力和強(qiáng)碳匯能力被譽(yù)為“地球的糧倉(cāng)”，但近年來受侵蝕、集約化農(nóng)業(yè)等因素影響，全球黑土區(qū)SOC含量普遍下降，削弱了土壤緩沖氣候變化的能力。如何精準(zhǔn)監(jiān)測(cè)SOC含量的空間分布和動(dòng)態(tài)變化，成為當(dāng)前土壤保護(hù)研究的關(guān)鍵挑戰(zhàn)。
為了應(yīng)對(duì)這些挑戰(zhàn)，中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所農(nóng)業(yè)遙感學(xué)科組研究人員收集了8984個(gè)土壤樣本、956423張Landsat TM/OLI遙感影像、數(shù)字高程模型和氣象數(shù)據(jù)，開發(fā)了一個(gè)考慮土壤形成與侵蝕過程的地理知識(shí)數(shù)據(jù)集（GEKD）。該數(shù)據(jù)集被輸入概率混合模型（PHM）進(jìn)行區(qū)域劃分，并進(jìn)一步結(jié)合注意力機(jī)制、卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)（A-CNN-ConvLSTM）構(gòu)建高精度SOC預(yù)測(cè)模型。
研究結(jié)果顯示，結(jié)合GEKD和A-CNN-ConvLSTM算法，SOC含量預(yù)測(cè)精度達(dá)到RMSE = 7.17 g/kg、R2 = 0.72、RPIQ = 1.92，優(yōu)于傳統(tǒng)模型。此外，PHM模型有效降低了SOC空間異質(zhì)性帶來的誤差，使預(yù)測(cè)結(jié)果更加平滑、穩(wěn)定。與全球模型相比，PHM將RMSE降低1.66 g/kg，R2和RPIQ分別提高0.06和0.15。研究生成了自1984年以來全球黑土區(qū)30m分辨率的SOC空間圖，并揭示了SOC含量下降的整體趨勢(shì)。其中，全球黑土區(qū)SOC平均下降1.91 g/kg，亞洲黑土區(qū)降幅最大（2.93 g/kg），西伯利亞黑土區(qū)降幅最小（1.45 g/kg）。該研究不僅為全球黑土區(qū)SOC動(dòng)態(tài)監(jiān)測(cè)提供了新技術(shù)手段，還為黑土區(qū)碳匯管理和農(nóng)業(yè)可持續(xù)發(fā)展提供了科學(xué)支撐。
該研究發(fā)表在遙感領(lǐng)域國(guó)際頂級(jí)期刊《Remote Sensing of Environment》（影響因子11.10），由東北地理所特別研究助理孟祥添（第一作者）、劉煥軍研究員（通訊作者）共同完成。研究得到黑土保護(hù)與利用國(guó)家重點(diǎn)實(shí)驗(yàn)室青年科學(xué)家創(chuàng)新基金（2023HTDGZ-QN-01）、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2021YFD1500100）、中國(guó)博士后基金博士后資助計(jì)劃項(xiàng)目（GZB20240737）共同資助。
圖1基于地理知識(shí)數(shù)據(jù)集、地理分區(qū)和深度學(xué)習(xí)算法進(jìn)行SOC含量預(yù)測(cè)流程
圖2 全球黑土區(qū)SOC含量空間分布圖
論文信息：Meng,X.,Bao,Y.,Zhang,X.,Luo,C.,& Liu,H. (2025). A long-term global Mollisols SOC content prediction framework: Integrating prior knowledge,geographical partitioning,and deep learning models with spatio-temporal validation. Remote Sensing of Environment,318,114592.
論文鏈接：https://doi.org/10.1016/j.rse.2024.114592
附件下載：
吉公網(wǎng)安備22017302000214號(hào)
