使用遥感与地形协变量对缅甸中央干旱区土壤剖面属性的数字制图

《Journal of Soil Science and Plant Nutrition》:Digital Mapping of Soil Profile Properties using Remote Sensing and Topography Covariates in the Central Dry Zone of Myanmar

【字体: 大 中 小 】 时间:2026年07月16日 来源:Journal of Soil Science and Plant Nutrition 3.6

编辑推荐:

  整个土壤剖面的土壤属性准确信息对于旱地地区有效的水土管理至关重要。本研究旨在数字制图缅甸中央干旱区(Central Dry Zone, CDZ)从地表至1.5米深度范围内对植物生长和水分保持重要的关键土壤物理化学属性,并评估Landsat光谱数据对不同土层模型

  
整个土壤剖面的土壤属性准确信息对于旱地地区有效的水土管理至关重要。本研究旨在数字制图缅甸中央干旱区(Central Dry Zone, CDZ)从地表至1.5米深度范围内对植物生长和水分保持重要的关键土壤物理化学属性,并评估Landsat光谱数据对不同土层模型性能的贡献。研究人员从800个采样点共采集4,059个土壤样品,覆盖7个深度间隔(0–150厘米)。土壤属性,包括质地、有机碳(Organic Carbon, OC)、pH、电导率(Electrical Conductivity, EC)、有效阳离子交换量(Effective Cation Exchange Capacity, ECEC)、交换性阳离子、交换性钠百分比(Exchangeable Sodium Percentage, ESP)、岩石碎片含量,采用随机森林(Random Forest, RF)算法建模,而土壤深度则单独使用Cubist模型建模。Landsat光谱波段和来自数字高程模型的地形属性被用作协变量。Landsat数据捕捉植被、水分和地表反射率,代表生物体和土壤状况,而地形属性则代表由地形驱动的过程,如水分再分配、侵蚀和沉积。剖面有效含水量(Available Water Capacity, AWC)基于预测的土壤属性通过土壤转换函数(Pedotransfer Functions, PTFs)估算。土壤属性表现出强烈的垂直组织性,有机碳和砂粒集中在表层,而黏粒含量随深度增加。加入Landsat光谱数据显著提高了表层和上部底土层(0–30厘米)的预测精度,特别是对质地、有机碳和有效阳离子交换量。模型改进随深度逐渐下降。空间预测揭示了土壤属性、土壤深度、岩石碎片和有效含水量在景观尺度上的连贯格局。结果表明,光学遥感增强了表层和上部底土层的数字土壤制图,但在更深土层价值有限。本研究提供了缅甸中央干旱区首个区域范围深度分层的土壤属性数字地图和有效含水量地图,并为数据稀缺的旱地地区提供了可转移的土壤评估框架。
**论文解读文章**

**研究背景**

干旱和半干旱地区由于降雨量低且高度变异,极易发生土壤侵蚀、养分耗竭和盐渍化,严重影响农业实践可持续性。缅甸中央干旱区(Central Dry Zone, CDZ)是该国最干旱的地区之一,大量农村人口依赖农业为生。然而,该区域缺乏详细的土壤图,限制了土地利用优化、农业生产提升以及应对荒漠化等环境威胁的能力。数字土壤制图(Digital Soil Mapping, DSM)通过统计和机器学习模型,结合遥感(Remote Sensing, RS)数据和地形信息,能够生成高空间分辨率的土壤属性图,已在多个地区得到应用。然而,以往绝大多数数字土壤制图研究仅聚焦于表土层,忽视了影响水分有效性和根系生长的深层土壤变异。在缅甸中央干旱区这种以雨养农业为主、干旱频发的环境中,全面了解整个剖面土壤属性对于土地评价和可持续管理至关重要。为此,研究人员开展了这项研究,旨在填补全剖面属性制图的空白,并评估光学遥感数据在不同深度上的预测贡献。该论文发表在《Journal of Soil Science and Plant Nutrition》。

**关键技术方法**(不超过250字)

本研究采用的主要技术方法包括:1)使用随机森林(Random Forest, RF)算法对土壤物理化学属性(质地、有机碳(OC)、pH、电导率(EC)、有效阳离子交换量(ECEC)、交换性钙(Exch_Ca)、交换性镁(Exch_Mg)、钙镁比(Ca: Mg)、交换性钠百分比(ESP)和岩石碎片含量)进行逐层建模;2)使用Cubist模型对土壤深度(以≥30、≥50、≥70、≥100厘米四个阈值)进行概率建模;3)利用Landsat 5 TM表面反射率(30米分辨率)和SRTM数字高程模型衍生的地形属性作为环境协变量;4)通过土壤转换函数(Pedotransfer Functions, PTFs)估算各层有效含水量(AWC),并基于岩石碎片含量进行校正,最终汇总得到剖面总有效含水量。样本来源:在缅甸中央干旱区Pyawbwe Township的800个采样点,采集4,059个土壤样品,覆盖7个深度间隔(0–150厘米),采用随机拓扑序列法布设,涵盖6个地貌单元。

**研究结果**

**3.1 垂直变异性**:通过分析剖面数据,发现土壤属性呈现强烈的垂直分层。砂粒含量在表层最高(约55%),随深度降至约35%;黏粒含量逐步增加,尤其在30厘米以下;有机碳(OC)高度集中在表层(0–10厘米达0.5–1%),30厘米以下迅速降低;pH相对稳定,略有上升;电导率(EC)整体较低;有效阳离子交换量(ECEC)随深度略有增加。这些趋势与半干旱环境中的成土过程一致。

**3.2 Landsat光谱数据的影响**:通过逐步回归分析和相关性分析,发现短波红外(SWIR)和近红外(NIR)波段与土壤属性(尤其有机碳和黏粒)关系最强,可见光波段主要贡献于表层。光谱波段的重要性随深度下降,在0–30厘米层显著,更深层则急剧减弱,表明地表光谱信息对深层土壤的传递有限。

**3.3 预测精度改善**:通过比较加入Landsat数据前后的均方根误差(RMSE)改善百分比,发现质地参数(黏粒、砂粒)、有机碳(OC)和有效阳离子交换量(ECEC)在表层(0–30厘米)的预测精度改善最显著,R2值在0.38–0.54之间;pH、粉粒和交换性阳离子改善中等;电导率(EC)和交换性钠百分比(ESP)改善极小,R2一般低于0.10。改善幅度随深度递增而下降,深层表现不稳定。

**3.4 土壤属性空间分布**:通过随机森林(RF)模型预测各属性在7个深度间隔的空间分布。有机碳(OC)在东部山麓和冲积扇区较高(约1.5%),西部盆地和斜坡较低(低于1.0%);黏粒在东部和中部深层超过30–40%;pH在东部和中部深层升至7.0–8.0,西部保持6.0–7.0。整体上,浅层有机碳高对应黏粒低、pH适中,深层则相反,反映了空间与深度的协同变化。

**3.5 土壤深度、岩石碎片和有效含水量(AWC)空间分布**:通过Cubist模型预测土壤深度,发现浅层土壤(<30厘米)集中在山丘和盆地,深层土壤(>70厘米)广泛分布于平原和冲积扇;岩石碎片含量在表层较低(<40%),深层(70–150厘米)在丘陵区超过60–80%。基于土壤质地和有机碳,通过土壤转换函数(PTFs)估算的有效含水量(AWC)显示,中部和东部地区(如Pyawbwe台地和山麓冲积扇)AWC较高(122–>156毫米),而西部低地和丘陵区AWC较低(<88毫米),土壤深度和岩石碎片是主要限制因素。

**讨论与结论**

讨论部分总结:光学遥感(Landsat)数据显著提高了表层(0–30厘米)土壤属性(质地、有机碳、有效阳离子交换量)的预测精度,因为这些属性直接影响地表光谱反射;但随深度增加,改进效果下降,表明深层土壤受母质、风化历史和地形位置控制更强,而非地表光谱。电导率(EC)和交换性钠百分比(ESP)预测精度差,反映了非盐渍环境中光学信号的局限性。土壤深度预测性能中等,Landsat数据贡献微弱。残差分析显示相邻土层间存在垂直协方差,尤其在表层,表明层状建模虽实用但可能忽略连续过渡。总体而言,数字土壤图不仅提高了预测精度,还提供了与景观相关的土壤信息,有助于干旱区农业规划和水资源管理。

研究结论翻译:本研究表明,光学卫星数据改善了与质地(黏粒、砂粒)、有效阳离子交换量(ECEC)和有机碳(OC)相关的土壤属性预测,主要集中于表层,其影响随深度递减。这表明地表条件与光谱信号之间存在强关联,而深层土壤的检测能力有限。因此,表层属性预测精度高于深层或更稳定的属性。这些发现界定了遥感在缅甸中央干旱区数字土壤制图中的价值与局限。所生成的地图提供了关键土壤属性(包括土壤储水能力)的空间明确信息,对旱地土地利用规划、作物适宜性评估和管理高度相关。尽管存在不确定性,观测到的空间格局与已知成土过程大致一致。结果还表明,需要引入与母质和地下条件相关的协变量,以更好地表征深层土壤。总体而言,本研究为缅甸中央干旱区生产一套全面的数字土壤属性图以支持土地适宜性评估提供了首个框架,为更明智的农业规划奠定了基础,同时强调了整合额外环境与地质协变量以改进深层土壤属性预测的必要性。
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