東北地理所在Remote Sensing of Environment上發表全新30m空間分辨率全球黑土區土壤有機碳制圖結果
黑土以其高肥力和強碳匯能力被譽為“地球的糧倉”，但近年來受侵蝕、集約化農業等因素影響，全球黑土區SOC含量普遍下降，削弱了土壤緩沖氣候變化的能力。如何精準監測SOC含量的空間分布和動態變化，成為當前土壤保護研究的關鍵挑戰。
為了應對這些挑戰，中國科學院東北地理與農業生態研究所農業遙感學科組研究人員收集了8984個土壤樣本、956423張Landsat TM/OLI遙感影像、數字高程模型和氣象數據，開發了一個考慮土壤形成與侵蝕過程的地理知識數據集（GEKD）。該數據集被輸入概率混合模型（PHM）進行區域劃分，并進一步結合注意力機制、卷積神經網絡與長短期記憶網絡（A-CNN-ConvLSTM）構建高精度SOC預測模型。
研究結果顯示，結合GEKD和A-CNN-ConvLSTM算法，SOC含量預測精度達到RMSE = 7.17 g/kg、R2 = 0.72、RPIQ = 1.92，優于傳統模型。此外，PHM模型有效降低了SOC空間異質性帶來的誤差，使預測結果更加平滑、穩定。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30m分辨率的SOC空間圖，并揭示了SOC含量下降的整體趨勢。其中，全球黑土區SOC平均下降1.91 g/kg，亞洲黑土區降幅最大（2.93 g/kg），西伯利亞黑土區降幅最小（1.45 g/kg）。該研究不僅為全球黑土區SOC動態監測提供了新技術手段，還為黑土區碳匯管理和農業可持續發展提供了科學支撐。
該研究發表在遙感領域國際頂級期刊《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。研究得到黑土保護與利用國家重點實驗室青年科學家創新基金（2023HTDGZ-QN-01）、國家重點研發計劃項目（2021YFD1500100）、中國博士后基金博士后資助計劃項目（GZB20240737）共同資助。
圖1基于地理知識數據集、地理分區和深度學習算法進行SOC含量預測流程
圖2 全球黑土區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：
吉公網安備22017302000214號
