基于地球观测策略与机器学习的巴西土壤黏粒组分氧化物高分辨率制图研究

本研究针对热带土壤黏粒组分主要氧化物(Fe2O3、Al2O3、SiO2)传统实验室检测方法昂贵、污染环境的问题，创新性地结合Landsat卫星历史数据与随机森林(RF)算法，构建了巴西全境农业区30米分辨率氧化物分布图谱。研究成果覆盖348万平方公里国土，首次实现大尺度氧化物含量快速评估，为土壤分类、风化程度判定及农业管理提供重要数据支撑。

　　

热带土壤中的铁、铝、硅氧化物是决定土壤生态系统服务功能的关键组分，但传统硫酸消解法存在成本高、污染重、效率低等瓶颈。巴西作为全球农业大国，其广袤国土上高度风化的热带土壤亟需新型监测手段。这项发表在《Geoderma》的研究开创性地将遥感技术与机器学习相结合，为破解大尺度土壤氧化物监测难题提供了创新方案。

研究团队采用历史Landsat系列卫星数据构建合成土壤图像(SYSI)，结合SRTM数字高程模型衍生的地形属性，运用随机森林(RF)算法预测了巴西全境0-20cm和80-100cm土层的Fe₂O₃、Al₂O₃和SiO₂含量。通过5330个采样点的验证，建立了覆盖巴西40%国土（348万平方公里）的30米分辨率氧化物分布图谱。

材料与方法

研究整合了9119个公开土壤剖面数据和45000个巴西土壤光谱库样本，经坐标校正和深度插值后形成标准化数据集。核心创新点在于利用GEOS3算法从1982-2020年Landsat影像中提取裸土反射率特征，结合13个环境协变量（6个SYSI波段和7个地形属性），采用分位数回归森林(QRF)进行建模。通过网格搜索优化超参数组合，最终选用RMSE、R²和RPIQ指标评估模型性能。

结果与讨论

1. 氧化物空间分布特征：表层土壤（0-20cm）氧化物含量普遍低于深层（80-100cm），其中Fe₂O₃表层预测精度最高（R²=0.62），SiO₂深层预测最具挑战性（R²=0.22）。玄武岩发育土壤呈现最高氧化物含量（Fe₂O₃达172g·kg^-1），而变质岩区含量最低。

2. 风化程度解析：通过Ki指数（SiO₂/Al₂O₃×1.70）揭示塞拉多生物群系土壤风化最甚（Ki<1.5），潘塔纳尔湿地和卡廷加生物群系土壤风化较弱。该结果与传统土壤分类图高度吻合，证实氧化物图谱可有效指示成土过程。

3. 土壤分类应用：在圣保罗州182公顷试验区，氧化物图谱通过K-means聚类成功区分硝化土（Nitisols）和淋溶土（Lixisols），但对雏形土（Cambisols）等年轻土壤区分度有限，反映氧化物含量与成土阶段的关联性。

结论与意义

这项研究开创了基于多时相遥感的大尺度土壤氧化物监测新范式。生成的图谱不仅为巴西土壤分类系统(SiBCS)提供量化依据，还能通过NDVI关联指导甘蔗等作物精准管理。尽管在原生植被区应用存在局限，但该方法显著降低了传统检测的环境风险，为全球热带土壤研究提供了可复制的技术框架。未来研究需加强欠采样区数据采集，并开发适用于自然植被覆盖区的替代协变量。