基于地形分区的局部回归方法，用于复杂土壤景观中的高分辨率土壤有机质测绘

《Plant and Soil》：Terrain-partitioned local regression for high-resolution soil organic matter mapping in complex soil landscapes

　　

摘要

背景与目的

利用遥感技术对黑土地区的土壤有机质（SOM）进行高分辨率测绘已得到广泛研究。然而，在地形复杂的地区（如起伏的丘陵和沟壑地带共存的情况下），水热条件的空间异质性往往限制了传统全球模型的有效性。为应对这一挑战，本研究提出了一种基于地形的局部回归模型，以提高复杂地形中土壤有机质空间分布预测的准确性。

方法

以中国东北部的曙光农场为例（该农场主要为平壤土），研究区域被划分为I区（上坡）和II区（下坡及谷底）。利用Sentinel-2卫星在2019年至2024年4月和5月期间获取的裸土影像以及170个土壤样本，采用随机森林（RF）算法建立了全局模型和基于地形的局部回归模型，并对两者进行了性能比较。

结果

研究发现：(1) 5月份的影像数据对于土壤有机质预测最为合适，其预测精度高于4月份；(2) 局部回归模型（R2 = 0.653，RMSE = 0.489%）的表现优于全局模型（R2 = 0.609，RMSE = 0.518%）；(3) 环境协变量，尤其是气候因素，在提升模型性能方面起着关键作用，其中地形协变量在I区尤为重要。

结论

基于地形的局部回归模型有效提高了复杂地形中土壤有机质的预测精度，为精准农业和土壤管理提供了有价值的工具。