通过整合时间序列的Sentinel-2数据,环境共变量和多个组合模型来绘制土壤有机碳的地图
Zhibo Cui1,2, Songchao Chen3,4, Bifeng Hu5,6
1College of Agriculture, Tarim University, Alar 843300, China.
Sensors (Basel, Switzerland)
|April 12, 2025
概括
这项研究揭示了使用Sentinel-2数据绘制土壤有机碳 (SOC) 地图的最佳时间窗口 (7月至8月). 将光谱,纹理和环境数据与整体模型集成,可以显著提高SOC预测的准确性.
科学领域:
- 遥感 遥感 遥感 遥感
- 土壤科学 土壤科学
- 环境监测 环境监测
背景情况:
- 哨兵-2 (S-2) 数据被广泛用于土壤有机碳 (SOC) 地图.
- 时间序列S-2数据对SOC映射的全部潜力仍未得到充分探索.
研究的目的:
- 开发一种创新的方法来挖掘时间序列S-2数据用于SOC映射.
- 为了确定SOC估计的最佳监测时间窗口.
- 使用综合数据和模型,精确地绘制干旱地区的SOC.
主要方法:
- 对SOC和时间序列S-2数据相关性的时间变化模式的分析.
- 环境共变量与多组合模型 (堆叠,重量平均,样本平均) 的整合.
- 在预测模型中包括土壤特性和S-2纹理信息.
主要成果:
- SOC和S-2数据之间的相关性显示年间和月度变化,确定7月至8月为最佳监测窗口.
- 土壤特性和S-2纹理信息显著提高了SOC预测模型的准确性 (分别为8.85%和61.78%).
- 堆叠组合模型与重量和样本平均模型相比,显示出更高的预测性能.
结论:
- 在最佳监测时间窗口内挖掘光谱和纹理信息对于准确的SOC映射至关重要.
- 环境共变量和先进组合模型的整合增强了SOC预测能力.
- 这种方法在干旱环境中为精确的土壤有机碳绘制提供了很大的潜力.


