東北地理所在區(qū)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(yǎng)的主要來源之一，準確快速的監(jiān)測土壤有機質空間分布對全球碳循環(huán)與耕地質量評價都具有重要意義。傳統(tǒng)土壤有機質監(jiān)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(qū)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(fā)展的方向。
中國科學院東北地理所農業(yè)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(yōu)選、局部回歸等多角度提升土壤有機質的制圖精度，研發(fā)了一系列適用于東北黑土區(qū)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(yōu)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(yōu)選算法會提高SOM制圖精度，但提升幅度很小。
相關文章發(fā)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
