東北地理所在基于黑土與非黑土精細化遙感分區的有機質制圖研究中取得進展
東北黑土區是我國糧食安全的壓艙石。然而，該區域并非整片均質的黑土，而是黑土（Mollisol）與非黑土（Non-Mollisol）交錯分布。準確識別黑土與非黑土的空間邊界，是進行土壤資源精準管理和有機質（SOM）高精度制圖的前提。傳統的FAO土壤分類分區由于分辨率低且更新滯后，往往難以捕捉黑土在復雜地形下的破碎化分布特征。
針對上述問題，中國科學院東北地理與農業生態研究所農業遙感學科組的研究人員提出了一種基于“遙感分區-特征選擇優化-隨機森林（RSZ-FSO-RF）”的制圖框架。研究利用谷歌地球引擎（GEE）平臺獲取了2014-2023年多年平均的Landsat-8裸土期合成影像，結合地形和氣候協變量，構建了高精度的黑土與非黑土遙感分區模型，并對比了其與傳統FAO分區的差異。
研究發現，基于多時相遙感影像與環境協變量構建的分區模型，在識別黑土與非黑土區域方面表現優異，總體精度達到92.13% 。研究定量揭示了遙感分區與FAO分區在黑土面積識別上的顯著差異：FAO分區劃定的耕地黑土區面積為154.071 km2（占比37.21%）；相比之下，遙感分區識別出的耕地黑土區面積為140.805 km2（占比34.01%）。差異分析表明，FAO分區傾向于“泛化”處理，忽略了過渡帶的細節，導致黑土面積被高估；而遙感分區能更敏銳地識別出地形破碎、邊緣退化區域的非黑土斑塊，從而更真實地反映土壤類型的空間異質性 。在此基礎上，研究團隊進一步在不同分區內利用遞歸特征消除（RFE）算法優選預測變量。結果表明，基于遙感分區的分層建模策略（RSZ-FSO-RF）顯著提升了土壤有機質的預測精度（R2=0.627，RMSE=6.781 g kg?1），優于基于FAO分區的建模結果。研究還發現，黑土區的有機質含量較高且分布相對均一，而非黑土區的空間變異性更強，受地形和氣候的聯合調控更為顯著。
圖1 黑土與非黑土SOM含量差異。A、黑土與非黑土區域中土壤有機質(SOM)含量的濃度值；B、黑土與非黑土區域中土壤有機質含量的均值與標準差；C、基于糧農組織(FAO)分區結果的局部地圖；D、基于遙感分區結果的局部地圖。
該研究成果明確指出，高精度的遙感分區能夠糾正傳統土壤圖在面積統計和空間邊界上的偏差，為東北黑土區在復雜地形條件下的土壤資源精準管理提供了更可靠的數據支撐。
相關成果發表在農業綜合性Top期刊Journal of Integrative Agriculture（中科院1區）上。本研究由農業遙感學科組聯合培養研究生李雪（第一作者）、助理研究員羅沖（通訊作者）與劉煥軍研究員等人共同完成。本研究得到國家自然科學基金（42401460）及國家重點研發計劃（2021YFD1500100）的共同資助。
論文信息如下：Li, X., B. Jiang, D. Kong,D. Zang, Y. Chen, C. Wang , H. Liu, C. Luo. 2026. A zoning-based machine learning framework for accurate soil organic matter prediction across Mollisol and non-Mollisol regions. Journal of Integrative Agriculture.https://doi.org/10.1016/j.jia.2026.01.016.
附件下載：
吉公網安備22017302000214號
