東北地理所在區域尺度土壤有機碳遙感預測研究中取得新進展
在全球碳循環中，土壤有機碳（SOC）是最大的陸地碳庫，約占陸地總碳的50-80%，其含量是大氣或植被的三倍以上，并決定了景觀的碳源、碳匯能力。了解土壤有機碳含量對環境可持續性和碳中和至關重要。隨著遙感數據和預測模型的發展，融合多源遙感數據預測SOC含量是一個有趣而富有挑戰性的課題。為此，中國科學院東北地理與農業生態研究所農業遙感學科組的科研人員基于區域能量權重的離散小波變換和譜帶分割方法，融合了2009-2019年10個場景的陸地衛星多光譜圖像數據的時相信息、地形數據的空間信息和高分5號高光譜圖像的光譜信息。然后，利用偏最小二乘回歸、隨機森林和卷積神經網絡算法，開發一種提取時-空-譜（TSS）融合信息的新方法，驗證TSS信息是否能夠更好地代表土壤信息，提高土壤有機碳含量預測的準確性，并驗證模型的可移植性，評估時相、空間和光譜信息在預測SOC含量中的作用。
圖1基于多時相多光譜、高光譜、地形及其融合數據預測SOC含量的流程圖
圖2基于區域能量加權離散小波變換的圖像融合過程
圖3基于不同輸入量的實驗室實測與預測SOC含量之間的散點圖
研究成果于近期發表在國際期刊Remote Sensing of Environment（IF=13.85）上，由劉煥軍研究員（通訊作者）和孟祥添博士（第一作者）共同完成。該研究得到了中國國家重點研發計劃（2021YFD1500100）資助。
文章信息：Meng, X.T., Bao, Y.L., Wang, Y.A., Zhang, X.L., Liu, H.J. 2022. An advanced soil organic carbon content prediction model via fused temporal-spatial-spectral (TSS) information based on machine learning and deep learning algorithms. Remote Sens. Environ. 280, 113166. https://doi.org/10.1016/j.rse.2022.113166
附件下載：
吉公網安備22017302000214號
