近日，我校农学院资源利用与植物保护2024级杨继邦为第一作者，在国际期刊《International Journal of Applied Earth Observation and Geoinformation》（中科院一区，五年平均影响因子8.6）发表了题为“High resolution mapping of topsoil inorganic carbon using remote sensing and machine learning in Taklimakan Desert, China”的研究论文。农学院彭杰教授为通讯作者。该研究得到国家自然科学基金项目(42261016)资助。
沙漠区是全球土壤无机碳的重要储存区域，但由于环境条件恶劣、实地采样困难和高分辨率制图数据不足，沙漠土壤无机碳库仍存在较大不确定性，严重影响了全球土壤无机碳库估算的精度。塔克拉玛干沙漠作为中国最大的沙漠，是开展沙漠区域土壤无机碳高精度制图的典型区域。因此，该研究聚焦于塔克拉玛干沙漠土壤无机碳的高精度制图，通过将表层土壤（0–30 cm）实地观测数据与遥感变量和环境协变量在机器学习框架内相结合，首次制作了塔克拉玛干沙漠30 m分辨率土壤无机碳空间分布图。研究系统比较了6种特征选择方法和3类机器学习模型组合，最终确定VIP+RF为最优方案，测试集R²达到0.62，RMSE=0.79 g kg⁻¹，MAE=0.43 g kg⁻¹。结果表明，NDDI、NDMI和pH是影响塔克拉玛干沙漠土壤无机碳估算的重要因子。该研究为塔克拉玛干沙漠土壤无机碳空间格局提供了高分辨率基准数据，并有助于改进区域到全球尺度的碳储量评估。
（文/杨继邦）
