東北地理所在克服土壤有機(jī)碳遙感估測系統(tǒng)偏差方面取得重要進(jìn)展
土壤有機(jī)碳(Soil Organic Carbon ，SOC)是維系黑土肥力與調(diào)節(jié)陸地碳循環(huán)平衡的重要指標(biāo)，對黑土地生態(tài)安全與碳匯評估具有關(guān)鍵意義。然而，由于SOC空間異質(zhì)性強(qiáng)以及遙感特征提取能力有限，傳統(tǒng)SOC制圖普遍存在系統(tǒng)性誤差，表現(xiàn)為高值低估、低值高估，嚴(yán)重制約了黑土地退化監(jiān)測與碳儲量精確評估。
針對這一科學(xué)難題，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)遙感研究團(tuán)隊提出了一種克服遙感估測系統(tǒng)偏差的智能制圖新范式，并構(gòu)建了融合地理先驗知識與時空深度特征的GMM-AG-CNNLSTM模型。該方法集成了高斯混合模型(GMM)、加權(quán)注意力機(jī)制(AG)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)與長短期記憶網(wǎng)絡(luò)(LSTM)，實現(xiàn)了對SOC空間分異與時序特征的深度融合表達(dá)。研究以中國東北與北美黑土區(qū)為典型研究區(qū)，整合了2616個0–20 cm地表SOC樣點及多源時空遙感特征數(shù)據(jù)，開展了30 m分辨率的SOC空間分布精細(xì)制圖。研究結(jié)果表明，該模型在中國東北與北美地區(qū)的SOC預(yù)測精度分別達(dá)到R2=0.73/RMSE=5.42 g/kg和R2=0.70/RMSE=5.89 g/kg，顯著優(yōu)于隨機(jī)森林和傳統(tǒng)深度學(xué)習(xí)模型，尤其在SOC高低值區(qū)均表現(xiàn)出更強(qiáng)的穩(wěn)定性。空間分析顯示，中國東北黑土區(qū)的SOC平均值及高值區(qū)比例均高于北美，但低值區(qū)分布更廣，體現(xiàn)出區(qū)域性碳儲格局差異。
圖1. 中國東北與北美黑土區(qū)SOC制圖結(jié)果
圖2. 本研究結(jié)果與主流產(chǎn)品對比
該研究提出的智能SOC制圖范式突破了遙感反演的系統(tǒng)偏差限制，為全球黑土區(qū)碳匯評估、退化監(jiān)測與可持續(xù)管理提供了技術(shù)支撐，也為多模態(tài)遙感與智能地學(xué)建模研究提供了新思路。
該研究發(fā)表在國際頂級C刊ISPRS Journal of Photogrammetry and Remote Sensing(IF = 12.309)。該研究由科研助理王超(第一作者)、助理研究員羅沖(通訊作者)與劉煥軍研究員等共同完成，研究得到了國家自然科學(xué)基金(42401460)和國家重點研發(fā)計劃(2021YFD1500100)資助。
論文信息及鏈接如下：Wang,C.,Luo,C.,Meng,X.,Wang,C.,& Liu,H. (2025). Intelligent mapping paradigm to overcome systematic bias in remote sensing SOC estimation: A case study of the black soil region in China and the United States. ISPRS Journal of Photogrammetry and Remote Sensing,230. 644–660. https://doi.org/10.1016/j.isprsjprs.2025.10.002
https://authors.elsevier.com/a/1lviC3I9x1ucE5
附件下載：
吉公網(wǎng)安備22017302000214號
