使用深度学习预测区域耕地土壤有机碳含量和分布:东北中国平原的一个案例研究
Susu Zhang1,2, Huimin Dai3,4, Chaoqun Chen3
1Key Laboratory of Eco-Restoration of Regional Contaminated Environment, Environment School of Shenyang University, Shenyang, 110044, China.
Environmental monitoring and assessment
|September 28, 2025
概括
这项研究开发了一种先进的模型,用于绘制中国土壤有机碳 (SOC) 地图.
科学领域:
- 土壤科学 土壤科学
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
背景情况:
- 土壤有机碳 (SOC) 对于土壤肥力和碳封存至关重要.
- 耕地SOC的下降威胁到农业的生产力和可持续性.
- 目前的SOC映射方法通常是昂贵的,大规模的数据有限.
研究的目的:
- 开发和验证用于预测SOC空间分布的集合模型.
- 确定中国东北地区SOC空间变化的关键驱动因素.
- 为改善SOC管理和碳封存提供见解.
主要方法:
- 开发了一个组合模型,将ResNet和Deep Forest算法结合起来.
- 利用了广泛的现场数据,遥感 (RS),气象和地形变量.
- 用1000个现场测量样本验证了模型.
主要成果:
- 整体模型 (ResNet-Deep Forest) 显示出优异的性能 (R2=0.56).
- SOC含量从西南增加到东北;沿海地区的SOC含量较低.
- 气象因素 (温度,降水) 是SOC分布的主要驱动因素.
结论:
- 集成的深度学习和机器学习方法对于大规模的SOC映射是有效的.
- 气象变量显著影响SOC积累.
- 这些发现支持加强土壤质量管理和碳捕集策略.
