融合先验知识与多时相遥感的盐碱-黑土交错区土壤有机质精准制图研究

本研究针对盐碱地与黑土交错区土壤类型复杂、环境变异大的难题，集成先验知识划分区域，利用2019-2023年Sentinel-2裸土期影像（DOY 90-180），系统评估时窗、光谱指数（盐分指数SI、植被水分指数VMI）、环境变量（地形/气候）及局部回归模型对土壤有机质（SOM）制图的提升效果。结果表明：DOY 90-120为最优时窗；SI提升盐碱区但降低黑土区精度，VMI对两区均有效；环境变量中地形主导黑土区、气候主导盐碱区；局部模型精度优于全局模型但不确定性较高。该研究为多土壤类型区SOM精准管理提供科学依据。

　　

土壤是地球的皮肤，而土壤有机质（Soil Organic Matter, SOM）则是衡量土壤健康的核心指标。在农业可持续发展与生态保护的背景下，如何精准监测SOM分布成为科学界与政策制定者的关注焦点。然而，在盐碱地与黑土交错分布的复杂区域，由于土壤类型混杂、环境异质性高，传统遥感监测方法往往“水土不服”——就像用同一把钥匙想打开所有锁，结果必然不尽如人意。中国吉林省正是这类典型区域：东部肥沃的黑土与西部广布的盐碱地犬牙交错，形成独特的“土壤马赛克”。

针对这一难题，来自吉林的研究团队在《Journal of Integrative Agriculture》发表了一项创新研究。他们巧妙地将先验知识与多时相遥感技术相结合，像拼图一样将吉林省科学划分为盐碱区和黑土区，并收集2019-2023年裸土期（4-7月）所有Sentinel-2影像，按日序（Day of Year, DOY）划分为90-120、120-150、150-180三个时窗。通过系统评估时窗选择、光谱指数（盐分指数SI、植被水分指数VMI）、环境变量（地形与气候）及局部回归模型的贡献，最终绘制出高精度SOM空间分布图。

研究团队运用了四项关键技术：1）基于土壤类型先验知识的区域划分；2）多时相Sentinel-2影像的时窗优化；3）光谱指数（SI、VMI）与环境变量（高程、坡度、降水等）的协同分析；4）盐碱区与黑土区分别构建的局部偏最小二乘回归（PLSR）模型。所有数据均来自吉林省实地采样与公开数据库。

时窗选择：早春窗口的意外胜出
通过对比三个时窗的建模效果，研究发现DOY 90-120（相当于4月初至4月底）竟是两类土壤区共同的最佳观测期。这与传统认知中“播种前裸土期越长越好”的假设相悖，可能因早春土壤水分与微生物活动更利于SOM光谱特征表达。

光谱指数：双刃剑效应
引入盐分指数（SI）后，盐碱区SOM预测精度（R²
）提升0.12，但黑土区反而降低0.08——盐分信号在非盐渍化土壤中成为干扰项。而植被水分指数（VMI）在两区均表现稳健，印证了土壤水分与SOM的普适性关联。

环境变量：地形与气候的南北博弈
在黑土区，高程和坡度解释力最强（贡献度达34%），揭示地形驱动的有机质空间分异；盐碱区则主要受降水和蒸发控制（贡献度41%），反映气候主导的盐分迁移过程。

模型策略：精度与不确定性的权衡
分区建立的局部PLSR模型比全局模型精度平均提高22%，但预测不确定性（均方根误差RMSE）波动增加15%。这种“鱼与熊掌”现象提示实际应用中需平衡精度需求与风险容忍度。

该研究的突破性在于首次量化了多要素协同对SOM遥感制图的贡献权重，特别是揭示了盐碱-黑土交错区特有的“时窗-指数-环境”耦合机制。这不仅为东北黑土保护与盐碱地改良提供了分米级技术方案，更开创了“分区而治”的精准农业范式。正如研究者所言：“土壤类型的多样性需要监测方法的多样性，这正是农业遥感从‘普适’走向‘精准’的关键一跃。”