基于多年裸土合成影像与多模态视觉Transformer的干旱绿洲区土壤质地预测

《Agronomy》：Multi-Source Remote Sensing for Soil Texture Mapping in an Arid Oasis of the Central Section of the Northern Tianshan Slope

　　摘要土壤质地对土壤调查、耕地质量评估和水土保持管理至关重要。然而，复杂的地形地貌和空间异质性给干旱绿洲地区的预测带来了挑战。单源数据和传统单像元模型可能无法充分捕捉空间变化。本研究将野外采集的土壤样品数据与多年遥感观测相结合，构建了一个以多年裸土合成影像（BSCs）为核心、融合其他遥感信息和地形信息的预测系统。经过等距对数比（ILR）变换后，比较了随机森林（RF）、XGBoost和多模态视觉Transformer（MMVT）在不同空间窗口下的表现。通过重复随机划分和五折空间交叉验证对模型进行了评估。利用分组置换重要性评估不同模态的贡献，利用不相容指数（DI）评估空间适用性。使用10×10像元窗口（约300×300米）的MMVT取得了最佳整体性能。在重复随机划分中，R2均值分别为0.586±0.027、0.519±0.029和0.706±0.026，分别对应砂粒、粉砂和黏粒。相应的RMSE值分别为4.695%、3.391%和3.335%，RPIQ值分别为2.107、2.152和2.324。五折空间交叉验证得到的R2均值分别为0.550、0.504和0.657。BSCs在所有三个模型中均表现出较高的归一化分组置换重要性，其在RF、XGBoost和MMVT中的重要性值分别为62.68%、61.75%和50.39%。制图结果表明，北部荒漠边缘地带砂粒含量较高，西部绿洲平原黏粒富集程度较大。约85%的有效制图区域位于适用域（AOA）内。较高的DI值主要出现在部分城市建成区、低山河谷地带和丘陵过渡区。研究结果表明，将多年裸土合成影像与适当尺度的空间上下文相结合，可以提高土壤质地预测的精度。这些发现可为区域土壤调查、土壤类型识别和土地适宜性分析提供有益的参考信息。