提升农田土壤碳含量测绘精度:结合雷达后向散射模型与机器学习技术

《Soils and Foundations》:Enhancing farmland soil carbon mapping: Integrating radar backscatter model and machine learning

【字体: 大 中 小 】 时间:2026年01月05日 来源:Soils and Foundations 3.3

编辑推荐:

  土壤碳制图框架融合Sentinel-2光学与Sentinel-1雷达数据,通过机器学习结合水云模型(WCM)进行植被校正,对比NDVI和NDWI修正效果,验证了雷达数据提升碳预测精度(RMSE降低11.23%,R2提高38.89%)。研究提出多源遥感协同机制,为精准农业碳汇评估提供新方法。

  
魏玉娇|陈一云|王嘉雪|孙正|王波|张驰|吴晨|赵天杰|沈焕峰
中国武汉大学资源与环境科学学院,武汉430079

摘要

准确的农田土壤碳测绘对于评估土壤健康状况和监测碳动态至关重要。目前,大多数研究主要依赖于植被指标(例如,光学植被指数)或其他与土壤碳间接相关的地表特征。相比之下,植被覆盖下的表层土壤特性在调控土壤碳动态和空间分布方面起着更为直接和关键的作用。在此,我们开发了一个基于机器学习的创新土壤碳测绘框架,该框架整合了多源遥感数据,以充分利用植被和土壤表面特征的互补性。此外,还加入了雷达后向散射模型,通过捕捉额外的土壤结构特性来提高预测精度。具体而言,使用Sentinel-2(S2)光学数据来获取包括植被指数、亮度指数和湿度指数在内的综合地表指标。Sentinel-1(S1)雷达数据通过其微波穿透能力提供了植被覆盖下的地表信息补充。为了确保S1后向散射能够准确反映土壤物理特性,我们应用了水-云模型(WCM)进行植被校正,并使用NDVI和NDWI比较了校正结果。从中国松辽平原中部系统收集了154个表层土壤样本,以验证该框架的性能。通过采用XGBoost算法,我们开发了四种不同的建模策略下的土壤碳预测模型:(Ⅰ)气候条件、地形特征和S2衍生变量;(Ⅱ)添加未经校正的S1衍生变量;(Ⅲ)添加经NDVI校正的S1衍生变量;(Ⅳ)添加经NDWI校正的S1衍生变量。结果表明,与策略Ⅰ相比,策略Ⅱ的RMSE降低了1.70克/千克(9.09%),R2提高了0.47(30.56%),证明了雷达信息的附加价值。经NDWI校正的模型(策略Ⅳ)表现最佳,RMSE为1.66克/千克(比策略Ⅰ低11.23%),R2为0.50(比策略Ⅰ高38.89%),突显了使用NDWI进行植被校正的有效性。这些发现强调了整合光学和雷达遥感数据可以丰富土壤碳测绘所使用的数据维度。适当的植被校正对于提高测绘精度也至关重要。这些方法共同提供了一个可扩展的框架,用于精确预测农田土壤碳含量。

引言

土壤碳封存被广泛认为是缓解气候变化和改善土壤健康的重要途径(Stockmann等人,2013年;Tarnocai等人,2009年)。在农田生态系统中,土壤碳(尤其是有机碳)是决定土壤肥力的关键因素,直接影响粮食安全和农业实践的可持续性(Zhou等人,2021年)。农田土壤还具有相当大的碳封存潜力,对全球碳动态至关重要(Chen等人,2016年;Sokol和Bradford,2019年)。因此,深入理解和揭示农田土壤碳的空间分布模式对于制定有效的碳封存策略和缓解气候变化非常重要(Sun等人,2021年)。
在过去的几十年中,数字土壤测绘(DSM)作为一种获取土壤属性空间分布数据的重要且有效的方法应运而生(Chen等人,2022年;McBratney等人,2003年;Wang等人,2024a年)。这种方法主要由多源环境变量和先进的机器学习算法驱动(Wadoux等人,2020年)。机器学习通过从数据中学习模式,为识别土壤属性和地表特征之间的复杂关系提供了强大的工具(Liu等人,2020年;Zhao等人,2024年)。此外,各种卫星传感器可以捕获详细的土壤相关信息,对土壤碳监测非常有价值(Sothe等人,2022年;Vaudour等人,2021年)。目前,DSM在很大程度上依赖于遥感来提供环境变量。
Sentinel-2(S2)凭借其高分辨率的多光谱数据,在田间和区域尺度上对土壤碳模式的估计取得了令人满意的结果(Castaldi等人,2019年)。然而,光学遥感数据只能提供植被覆盖和反射率等表面信息。因此,大多数使用S2数据进行土壤碳分析的研究依赖于植被指数来间接表示土壤和植被之间的关系(Maynard和Levi,2017年)。理想情况下,研究人员希望在裸土期间获取图像,因为此时可以直接反映土壤特性(Urbina-Salazar等人,2021年;Yang等人,2020年)。然而,在实践中,获取此类图像具有挑战性。裸土期通常受到季节性生长周期的限制,在许多地区这些周期可能较短且难以预测。其次,云层覆盖和潮湿的气候条件经常限制了清晰无植被图像的可用性(Zhou等人,2023年)。此外,许多现代农业系统采用了轮作或秸秆还田等管理方法,导致生长季节几乎持续有植被覆盖。这意味着即使在所谓的“裸土”期间,地表上仍残留大量作物残余物,这阻碍了土壤的真正暴露,并为土壤碳估算引入了额外的噪声(Wu等人,2025年)。C波段合成孔径雷达(SAR)也因其穿透能力而被许多研究采用,并已被证明对估算和预测土壤属性有效(Yang和Guo,2019年)。
最近,结合光学和SAR数据的方法被用来比依赖单一数据源的方法更准确地捕捉土壤碳的空间变异性(Azizi等人,2023年;Nguyen等人,2022年;Wang等人,2020年)。Sentinel-1(S1)SAR图像在土壤碳测绘中展示了显著的应用价值(Luo等人,2024年;Wagner等人,2023年)。然而,大多数研究将S1后向散射系数视为一个简单的环境变量,对其在反映植被覆盖下土壤特性中的作用探索有限,从而未能充分利用遥感信息的潜力。此外,从雷达信号获得的后向散射系数代表了植被和土壤散射贡献的结合(Bao等人,2018年;Li等人,2024年),这使得直接提取地表土壤属性信息变得复杂。水-云模型(WCM)是一种半经验方法,通过考虑植被的散射特性来估算植被覆盖下的土壤后向散射系数,有效分离了雷达信号中的植被和土壤贡献(Bai等人,2022年;Ulaby等人,1984年)。目前,WCM主要用于土壤湿度反演,并取得了良好的结果(Han等人,2020年;Singh等人,2023年;Wang等人,2023年)。鉴于土壤含水量在土壤碳动态中起着关键作用(Wei等人,2025年;Zhang等人,2024年),我们假设将SAR数据与WCM结合具有很大的潜力,可以提升土壤碳测绘的效果。
为此,本研究整合了来自光学和雷达数据的互补遥感信息,以改进土壤碳测绘模型。我们将气候和地形因素作为固定变量(包含在所有模型中),并提取了多种遥感变量,包括各种光学指数、主成分和雷达后向散射系数。然后我们结合雷达后向散射模型和机器学习来预测土壤碳含量。具体来说,利用从中国松辽平原中部收集的154个农田表层土壤样本测得的土壤总碳(STC)含量,本研究旨在:(1)探索水-云模型在土壤碳预测中的适用性,并评估使用NDVI和NDWI进行植被校正的差异;(2)评估经植被校正的雷达后向散射系数对模型预测STC性能的影响;(3)确定最佳建模策略,并使用它生成高分辨率的STC空间分布图。

材料与方法

本研究的流程图如图1所示,说明了研究内容以及使用的数据和方法。

STC含量的统计分析

表2显示了研究区域内采样点的STC含量描述性统计信息。STC含量范围为3.00–33.83克/千克,平均值为12.65克/千克,中位数为12.52克/千克。使用标准差和平均值计算的STC含量变异系数为33.21%,根据Wilding(1985年)推荐的分类标准,表明该地区的STC含量存在中等程度的空间异质性。

水-云模型下的土壤后向散射系数

图5显示了后向散射系数的统计信息

不同建模策略中环境变量的相对重要性

图9显示了不同建模策略下环境变量的重要性排名和百分比。在所有策略中,Sentinel-2(S2)变量(例如PC1)和地形变量(例如Elev)显示出高重要性。S2光学数据提供了丰富的植被和地表特征信息,而地形特征的变化影响水和养分在土壤中的分布(He等人,2021年;Vaudour等人,2016年;Zhou等人,2021年)。当雷达

结论

本研究提出了一个考虑了来自光学和雷达数据的互补遥感信息的农田土壤碳测绘框架。该框架整合了气候、地形、Sentinel-1(S1)和Sentinel-2(S2)数据,结合了雷达后向散射模型和机器学习算法。结果表明,包含多个遥感变量提高了土壤碳预测模型的准确性。水-云模型(WCM)的有效应用减少了

CRediT作者贡献声明

赵天杰:写作 – 审稿与编辑,正式分析。沈焕峰:写作 – 审稿与编辑,正式分析。张驰:写作 – 审稿与编辑,可视化,调查。吴晨:写作 – 审稿与编辑,资源准备。魏玉娇:写作 – 初稿撰写,可视化,验证,软件开发,方法论研究,调查,正式分析,概念构建。陈一云:写作 – 审稿与编辑,监督,资源协调,资金获取,正式分析,数据管理,

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

本研究得到了国家重点研发计划(项目编号:2022YFB3903302)和洞庭湖盆地生态环境变化与碳封存湖南省重点实验室开放基金的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号