葡萄牙本土EO数据融合与卫星嵌入技术在土壤有机碳估算中的比较研究

《Soil Use and Management》：A Comparative Study of EO Data Fusion and Satellite Embeddings for Soil Organic Carbon Estimation in Mainland Portugal

　　**摘要**

可靠的土壤有机碳（SOC）信息对于可持续土地管理、气候变化缓解以及土壤生物多样性保护至关重要。然而，传统的SOC评估方法通常需要现场采样，随后进行实验室分析（如干燃烧、湿氧化等），这些过程劳动强度大、耗时且成本高昂，尤其是在大面积应用时。将地球观测（EO）数据与机器学习（ML）算法相结合，有望实现大规模的SOC预测。本研究利用两个数据集来估算葡萄牙大陆的SOC：数据集I包含Sentinel-1/2卫星数据以及辅助的气候和地形协变量，而数据集II则使用了Google Satellite Embeddings（GSE）数据集。通过递归特征消除与交叉验证（RFECV）方法识别并去除了冗余变量。研究采用了三种先进的ML算法——随机森林（RF）、梯度提升树（GBT）和分类回归树（CART）来进行SOC预测。结果表明，在使用数据集II的情况下，随机森林算法的表现最佳，其空间交叉验证的R2值为0.34、RMSE为19.2 gC/kg、MAE为13.2 gC/kg、RPIQ为1.27；而在43个保留样本上的独立验证中，R2值为0.44、RMSE为19.89 gC/kg、MAE为15.50 gC/kg、RPIQ为1.18。随机森林算法的不确定性在葡萄牙中部和南部地区总体较低，而在北部地区空间变异性较大。这些研究结果为可持续发展的SOC测量技术进步做出了贡献。

**利益冲突**
作者声明不存在任何利益冲突。

**数据可用性声明**
数据集及编译后的代码可应合理要求予以共享。