东北地理所在区域尺度土壤有机碳遥感预测研究中取得新进展

在全球碳循环中，土壤有机碳（SOC）是最大的陆地碳库，约占陆地总碳的50-80%，其含量是大气或植被的三倍以上，并决定了景观的碳源、碳汇能力。了解土壤有机碳含量对环境可持续性和碳中和至关重要。随着遥感数据和预测模型的发展，融合多源遥感数据预测SOC含量是一个有趣而富有挑战性的课题。为此，中国科学院东北地理与农业生态研究所农业遥感学科组的科研人员基于区域能量权重的离散小波变换和谱带分割方法，融合了2009-2019年10个场景的陆地卫星多光谱图像数据的时相信息、地形数据的空间信息和高分5号高光谱图像的光谱信息。然后，利用偏最小二乘回归、随机森林和卷积神经网络算法，开发一种提取时-空-谱（TSS）融合信息的新方法，验证TSS信息是否能够更好地代表土壤信息，提高土壤有机碳含量预测的准确性，并验证模型的可移植性，评估时相、空间和光谱信息在预测SOC含量中的作用。 

                         

           

图2 基于区域能量加权离散小波变换的图像融合过程 

图 3 基于不同输入量的实验室实测与预测SOC含量之间的散点图