東北地理所在典型黑土區(qū)10m空間分辨率土壤碳氮比制圖方面取得新進(jìn)展
土壤有機(jī)碳(Soil Organic Carbon,SOC)和全氮(Total Nitrogen,TN)是衡量土壤肥力與健康水平的重要指標(biāo),其比值(C/N)能夠反映土壤養(yǎng)分平衡狀態(tài),對(duì)農(nóng)業(yè)可持續(xù)生產(chǎn)和生態(tài)系統(tǒng)穩(wěn)定性具有重要意義。然而,如何在區(qū)域尺度上同時(shí)實(shí)現(xiàn)SOC與TN的高精度遙感制圖,并準(zhǔn)確揭示C/N的空間分布規(guī)律,仍面臨較大挑戰(zhàn)。
針對(duì)上述問(wèn)題,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)科組的研究人員,以黑土區(qū)典型農(nóng)場(chǎng)——友誼農(nóng)場(chǎng)為研究對(duì)象,利用該區(qū)域全部可獲取的多時(shí)相Sentinel-2影像和環(huán)境協(xié)變量(地形與氣候),結(jié)合遞歸特征消除(RFE)方法篩選最優(yōu)特征,構(gòu)建隨機(jī)森林模型,首次實(shí)現(xiàn)了東北典型黑土區(qū)10 m空間分辨率C/N的高精度遙感制圖。
研究結(jié)果顯示,多時(shí)相影像顯著提升了SOC與TN預(yù)測(cè)精度,相較單時(shí)相數(shù)據(jù),SOC的決定系數(shù)(R2)提高至0.604,TN提高至0.565。RFE方法在去除冗余特征、優(yōu)化模型性能方面效果顯著,使SOC和TN的預(yù)測(cè)精度分別提升了0.035和0.040。波段敏感性分析表明,SOC預(yù)測(cè)最依賴Sentinel-2的B2(藍(lán)光)和B3(綠光)波段,而TN預(yù)測(cè)對(duì)B11和B12(短波紅外)最為敏感。C/N空間分布圖揭示出顯著的區(qū)域差異:SOC與TN在東北部含量較高,而C/N在西部偏高、東北部偏低;旱田C/N顯著高于水田,主要原因是水田氮素積累速度較快,導(dǎo)致C/N下降。該成果為黑土區(qū)耕地養(yǎng)分平衡監(jiān)測(cè)和精準(zhǔn)施肥管理提供了重要科學(xué)依據(jù),也為面向農(nóng)業(yè)可持續(xù)發(fā)展的土壤質(zhì)量評(píng)估提供了技術(shù)范例。

圖1. 友誼農(nóng)場(chǎng)10 m空間分辨率SOC、TN及C/N空間分布
相關(guān)成果發(fā)表在農(nóng)林科學(xué)領(lǐng)域1區(qū)Top期刊Soil and Tillage Research上,由聯(lián)合培養(yǎng)碩士研究生孔德飄(第一作者)、羅沖助理研究員(通訊作者)和劉煥軍研究員共同完成。本研究得到了國(guó)家自然科學(xué)基金(42401460)和國(guó)家重點(diǎn)研發(fā)計(jì)劃(2021YFD1500100)資助。
論文信息及鏈接如下:
Kong,D.,Luo,C.*& Liu,H. (2026). Integrative remote sensing and machine learning approaches for SOC and TN spatial distribution: Unveiling C:N ratio in Black Soil region.?Soil and Tillage Research,?255,106809.
https://authors.elsevier.com/a/1lblFc13yd5bk.
附件下載:
吉公網(wǎng)安備22017302000214號(hào)