东北地理所农业遥感学科组从多源数据融合的角度出发，以黑土粮仓三江示范区的主要实施区友谊农场为研究区，在Google Earth Engine中创建研究区2019-2022年裸土期月度合成影像，包括4月和5月Sentinel-1雷达数据、Sentinel-2光学数据，以及代表环境协变量的高程、坡度、多年平均降水量与多年平均温度。基于188个耕层（0-20cm）采样点结合随机森林回归算法进行研究区SOM制图，并评估不同策略SOM制图精度。
图1 技术路线图
图2 不同策略SOM制图结果
研究结果表明： 1）使用5月合成Sentinel-1与Sentinel-2影像的SOM制图精度最高，4月与5月裸土期影像组合会造成数据冗余，降低SOM制图精度；2）使用Sentinel-1结合Sentinel-2进行SOM制图相比只使用Sentinel-2精度有小幅提升，主要提升了SOM含量小于5%区域的预测精度；3）增加环境协变量可以大幅提高SOM制图精度，其中协变量多年平均温度的重要性最高，气候协变量的重要性高于地形协变量。
该研究成果近期发表在Soil and Tillage Research上，农业遥感学科组助理研究员罗冲为第一作者，刘焕军研究员为通讯作者。研究工作得到国家重点研发计划项目（2021YFD1500100）与王宽诚率先人才计划“产研人才扶持项目”联合资助。
论文信息如下：Luo, C., Zhang, W., Zhang, X., & Liu, H. (2024). Mapping the soil organic matter content in a typical black-soil area using optical data, radar data and environmental covariates. Soil and Tillage Research, 235, 105912.
论文链接：https://doi.org/10.1016/j.still.2023.105912
附件下载：
