东北地理所农业遥感学科组在区分水田和旱田的黑土区土壤有机质制图方面取得重要进展

主要观点总结

本文介绍了中国科学院东北地理与农业生态研究所农业遥感学科组对中国东北地区耕地土壤有机质（SOM）含量的研究。研究采用了Google Earth Engine云平台，结合Landsat-8影像、主要环境变量（气候、地形）以及随机森林回归算法，分别建立了水田与旱田的SOM预测回归模型。研究发现水田与旱田在SOM含量、制图时间窗口以及环境变量影响方面存在显著差异，局部回归的SOM预测精度相比整体回归有显著提高。该研究发表在农林科学领域1区Top期刊Soil and Tillage Research上。

关键观点总结

关键观点1: 研究背景与意义

耕地土壤有机质（SOM）含量制图对于评估耕地质量和监测土壤碳循环具有重要意义。中国东北黑土区作为土地肥沃的地区，大规模的水田与旱田之间的差异为精确绘制SOM含量分布图带来挑战。

关键观点2: 研究方法与过程

研究基于Google Earth Engine云平台，使用Landsat-8影像、气候和地形等环境变量，结合随机森林回归算法，分别建立水田与旱田的SOM预测回归模型。同时对比了整体回归与区分水田旱地局部回归的精度差异。

关键观点3: 研究结果与结论

研究发现SOM含量在中国东北地区从南向北呈逐渐上升趋势，水田平均SOM含量比旱田高0.4%左右。环境变量的加入可显著提升SOM预测精度，其中气候变量对水田与旱田SOM制图都很重要。区分水田旱田进行局部回归的SOM预测精度相比整体回归有显著提高。研究证明了不同耕地类型对SOM预测精度影响很大，需要采用不同的策略进行制图。

关键观点4: 研究影响与资助情况

该研究发表在农林科学领域Top期刊Soil and Tillage Research上，得到了国家重点研发计划项目与王宽诚率先人才计划产研人才扶持项目的联合资助。