在各种耕作作物系统中对土壤有机碳的遥感
Amy L Zoller1, Girma Birru1, Tulsi Kharel2
1USDA-ARS Agroecosystem Management Research Unit, Lincoln, Nebraska, USA.
Journal of environmental quality
|July 16, 2025
概括
遥感有效地估计了耕地中的土壤有机碳 (SOC),特别是在春季早期的Sentinel-2图像中. 模型准确性在各种耕作系统中各不相同,传统耕作表现最好.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
背景情况:
- 在耕地中估计土壤有机碳 (SOC) 对土壤健康和管理至关重要.
- 遥感 (RS) 提供了一个可扩展的方法,但由于混合作物残留物和土壤,准确性受到挑战.
- 多样化的耕作和作物系统为SOC估计带来了复杂性.
研究的目的:
- 开发和评估一个遥感模型,用于估计美国玉米带的各种耕作作物系统中的SOC.
- 评估随机森林 (RF) 模型在传统的耕作和不耕作系统中的性能.
- 确定影响不同农业管理实践中SOC估计的关键变量.
主要方法:
- 使用SOC测量和Sentinel-2卫星图像开发了一个随机森林 (RF) 模型.
- 包括海拔,产量和土壤特性在内的辅助数据被纳入.
- 对四个系统进行了模型准确性和变量重要性评估:CT-corn (1x到),CT-corn (2x到),NT-soy和NT-corn.
主要成果:
- 传统的田间模型 (CT-corn) 显示出良好的可预测性和准确性 (R2=0.65-0.66,RMSE=0.13).
- 没有耕种的大豆 (NT-大豆) 的可预测性相似,但精度较低 (R2=0.69,RMSE=0.22).
- 无耕作玉米 (NT-玉米) 的表现明显低 (R2=0.14,RMSE=0.29),更多地依赖辅助数据而不是RS图像.
结论:
- 春季早期的Sentinel-2图像对于准确的SOC估计至关重要,特别是在混合残留的系统中.
- 射频模型有效地估计了传统耕作系统中的SOC,但对于无耕作玉米需要改进.
- 基于RS的SOC绘图揭示了与景观特征和历史土地使用相关的模式.
