在印度阿萨姆州南部的土地利用系统中预测地图深层土壤有机碳库存的预测地图

科学领域:

• 土壤科学 土壤科学
• 环境科学 环境科学
• 地理空间分析的研究.

背景情况:

• 深土有机碳 (SOC) 对全球碳循环至关重要.
• 数字土壤绘图 (DSM) 正在获得预测SOC库存的吸引力.
• 印度缺乏全面的深 SOC 数据,特别是在100厘米深度之外.

研究的目的:

• 评估机器学习算法,用于预测印度阿萨姆州南部的深 SOC 库存 (高达 5m).
• 确定影响深度SOC股票预测的关键变量.
• 在各种土地利用系统中计算深度SOC库存.

主要方法:

• 挖掘了86个坑,并在五个土地利用系统中收集了6450个土壤样本.
• 利用 Sentinel-2 图像进行增强的陆地特征分析.
• 应用并比较随机森林 (RF) 和支持矢量机 (SVM) 模型用于SOC预测.

主要成果:

• 随机森林 (RF) 模型显示出卓越的性能 (R2=0.92,RMSE=40.59 Mg C ha−1).
• 高度被确定为对深度SOC预测最有影响力的变量.
• 森林地区的SOC储量最高 (483.43Mg C ha-1),农田的SOC储量最低 (147.78Mg C ha-1).

结论:

• 该研究提供了印度东北部深 SOC 池的关键高分辨率空间数据.
• 调查结果支持为可持续的土地利用和气候变化减缓做出明智决策.
• 临时的土地使用变化对区域碳计量有重大影响,需要适应性管理策略.