東北地理所在區(qū)分水田和旱田的黑土區(qū)土壤有機(jī)質(zhì)制圖方面取得重要進(jìn)展
區(qū)域尺度的耕地土壤有機(jī)質(zhì)(SOM)含量制圖對于評估耕地質(zhì)量和監(jiān)測土壤碳循環(huán)具有重要意義,特別是在土地肥沃的中國東北黑土區(qū)。大規(guī)模的水田是這一地區(qū)的顯著特點(diǎn),水田與旱田之間的巨大差異為精確繪制東北黑土區(qū)的耕地SOM含量分布圖帶來了重大挑戰(zhàn)。
中國科學(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)科組的研究人員基于Google Earth Engine云平臺,以中國東北地區(qū)耕地SOM為研究對象,獲取2014-2022年所有可用的Landsat-8影像與主要環(huán)境變量(氣候、地形)結(jié)合隨機(jī)森林回歸算法分別建立水田與旱田SOM預(yù)測回歸模型,以評估水田與旱田分別的最佳窗口期與適宜環(huán)境變量,最后對比整體回歸與區(qū)分水田旱地局部回歸的精度差異。
結(jié)果表明:(1)中國東北地區(qū)SOM含量從南向北呈逐漸上升趨勢,水田平均SOM含量比旱田高0.4%左右;(2)中國東北地區(qū)水田與旱田SOM制圖的時(shí)間窗口不同,水田SOM制圖的時(shí)間窗口為4月,旱田SOM制圖的時(shí)間窗口為5月;(3)環(huán)境變量的加入可以明顯提升SOM預(yù)測精度,其中氣候變量對水田與旱田SOM制圖都很重要,地形變量對旱田SOM制圖相對重要,對水田SOM制圖重要性較低;(4)區(qū)分水田旱田進(jìn)行局部回歸SOM預(yù)測精度相比整體回歸顯著提高。以往的研究土壤制圖研究中很少關(guān)注水田與旱田差異可能對制圖精度造成的影響,本研究證明了不同耕地類型對SOM預(yù)測精度影響很大,研究者應(yīng)采用不同策略對水田與旱地SOM含量進(jìn)行制圖。
圖1. 采用不同策略進(jìn)行土壤有機(jī)質(zhì)制圖結(jié)果

圖2. 水田與旱田在不同月份狀態(tài)(a)4月份旱田(b)5月份旱田(c)4月份水田 (d)5月份旱田
該研究發(fā)表在農(nóng)林科學(xué)領(lǐng)域1區(qū)Top期刊Soil and Tillage Research上,農(nóng)業(yè)遙感學(xué)科組助理研究員羅沖為第一作者,劉煥軍研究員為通訊作者。研究工作得到國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2021YFD1500100)與王寬誠率先人才計(jì)劃“產(chǎn)研人才扶持項(xiàng)目”聯(lián)合資助。
論文信息如下:Luo,C.,Zhang,W.,Meng,X.,Yu,Y.,Zhang,X.,& Liu,H*. (2024). Mapping the soil organic matter content in Northeast China considering the difference between dry lands and paddy fields.?Soil and Tillage Research,?244,106270.
論文鏈接:https://doi.org/10.1016/j.still.2024.106270.
前期系列研究成果信息如下:
Zhang,Y.,Luo,C.*,Zhang,Y.*,Gao,L.,Wang,Y.,Wu,Z.,...& Liu,H. (2024). Integration of bare soil and crop growth remote sensing data to improve the accuracy of soil organic matter mapping in black soil areas.?Soil and Tillage Research,?244,106269.
Zhang,W.#,Luo,C.#,Meng,X.,Zang,D.,Zhang,X.,& Liu,H*. (2024). Predicting regional soil organic matter content utilizing conventional satellites: Assessing the influence of temporal,spatial,and spectral disparities.?Catena,?237,107821.
Meng,X.,Bao,Y.,Luo,C.,Zhang,X.,& Liu,H*. (2024). SOC content of global Mollisols at a 30 m spatial resolution from 1984 to 2021 generated by the novel ML-CNN prediction model.?Remote Sensing of Environment,?300,113911.
Luo,C.,Zhang,W.,Zhang,X.,& Liu,H*. (2024). Mapping the soil organic matter content in a typical black-soil area using optical data,radar data and environmental covariates.?Soil and Tillage Research,?235,105912.
附件下載:
吉公網(wǎng)安備22017302000214號