Integrating Proximal and Remote Sensing to Improve Characterization and Mapping of Soil Organic Carbon Stocks under Contrasting Land Uses
Leonardo Augusto de Sousa · Fernanda Almeida Bócoli · Eduane José de Pádua 等 11 人
结合近地与遥感数据及随机森林预测并制图巴西农场不同土地利用下的土壤有机碳储量。
76个样点、Walkley-Black法测碳，随机森林建模，留一交叉验证。
遥感与地形因子预测最佳（R²=0.43），土地利用和土壤质地主导碳储量空间变异。
可探索多源遥感与深度学习方法提升小尺度土壤碳制图精度，并耦合管理措施情景。
该研究结合近地与遥感数据及随机森林算法预测土壤有机碳储量，方法新颖、数据扎实，对农业信息化与精准农业有参考价值，但属区域性案例研究，影响范围有限。
摘要 土壤是支撑生态系统功能的基础。因此，理解土壤有机碳储量（SCS）作为气候调节、可持续农业实践和最大化肥料施用的战略性环境组成部分至关重要。本研究旨在利用土地利用、成土母质、土壤类别、近端和遥感数据作为预测变量，对米纳斯吉拉斯州Palmital农场的SCS进行预测和制图。采用规则网格设计（200 × 200 m），在表层（A）和亚表层（B）共采集76个土壤样品。碳含量采用Walkley–Black法测定。通过随机森林算法建立预测模型，并采用留一交叉验证进行验证。对环境和人为因素对SCS的影响进行了统计和空间分析。表层中原生植被和牧草地利用方式下的SCS均值最高（约33 Mg ha⁻¹），这归因于有机质的持续沉积和缺乏扰动。源自紫苏花岗岩的土壤表现出较高的SCS（31.24 Mg ha⁻¹，表层）。在土壤类别中，Argissolos表现突出，达到最高SCS（35.86 Mg ha⁻¹）。遥感数据和地形属性获得了最佳的SCS预测效果（R²=0.43）。影响SCS的主要因素为土地利用/管理和土壤质地。此外，植被指数、部分地形属性与SCS之间观察到较强的相关性。这种结合多变量的方法表明，利用这些数据实现准确SCS预测具有中等潜力，同时也揭示了详细尺度制图中SCS空间变异的高变异性和复杂性。