来源：期刊VIP网 时间：
作者：刚爽;柳鸿超;任婉侠;管超;霍焱;付博;朱向新;石晨;薛冰;
单位：沈阳大学;沈阳市低碳模拟与大数据重点实验室;中国科学院沈阳应用生态研究所;
摘要：土壤有机碳(SOC)是衡量土壤质量与肥力的重要依据。东北黑土地退化严重，精准监测SOC含量成为提高土壤质量和保障粮食安全的关键。以辽宁省西丰县为研究区，基于150份土壤样品测试分析数据、Sentinel-1、Sentinel-2遥感数据及地形数据，使用BP神经网络(BPNN)、随机森林(RF)、梯度提升回归树(GBRT)及支持向量回归(SVR)4种机器学习方法建立县域尺度土壤有机碳含量预测模型，并评估模型的预测精度，绘制土壤有机碳空间分布图。研究结果表明，基于土壤指数、Sentinel-1、Sentinel-2及DEM数据组合构成的RF模型预测效果最好(R~2=0.858;S_(MAE)=1.292;S_(RMSE)=1.730;S_(MAPE)=0.130),DEM数据、B4波段及极性特征对模型预测精度重要性居前三位。辽宁省西丰县SOC含量整体变化范围在6.22～19.82 g·kg~(-1)之间，总体呈现出东南部高，北部、中西部低的特征。研究结果可为优化黑土地管理和提高农业生产提供参考。
关键词：土壤有机碳;;机器学习;;精度评价;;空间分布
基金资助：中国科学院战略性先导科技专项“黑土地保护与利用科技创新工程”(XDA28060300);; 辽宁省科技计划联合计划项目(2024-MSLH-507);辽宁省科技计划联合计划项目(2024-MSLH-508);; 沈阳市科技计划(24-213-3-37)
