基于时序影像的农业活动因子提取与闽西耕地SOC数字制图

人类活动对表层耕地土壤有机碳(Soil Organic Carbon,SOC)影响强烈,但目前大范围复杂地貌地形区的耕地SOC数字制图对人为因素的空间刻画不足。本文以福建省西部耕地为研究对象,基于Sentinel-2/MSI时间序列数据提取轮作模式分类信息(Crop Rotation,CR),以及可反映轮作模式信息的植被特征变换变量(Harmonic Analysis of Time Series,HANTS),分别作为农业活动定性和定量因子,将常规气候和地形因子作为自然环境因子,并对不同类型环境变量进行组合(气候+地形、气候+地形+轮作模式、气候+地形+HANTS变量、气候+地形+轮作模式+HANTS变量)。基于随机森林模型(Random Forest,RF)对不同环境变量组合驱动的耕地表层SOC空间预测精度进行对比分析,探索以轮作模式为例的农业活动因子提高耕地表层SOC数字制图精度的可能性。结果表明,同时加入两种农业活动因子的RF模型表现最佳,其模型预测精度相较于纯自然环境变量驱动的模型有明显提高(R^(2)提高了89.47%,RMSE和MAE分别下降了10.66%和12.05%)。轮作模式类型(CR)和HANTS变量两种农业活动因子均被保留参与建模,尤其是轮作模式类型显著影响耕地SOC,在最佳模型的环境变量重要性中排序第四。由此可见,轮作模式相关农业活动因子可有效提高耕地SOC空间预测精度。在所有RF模型中,年降水量(Annual Rainfall,Rainfall)的重要性排名都是第一位。通过最佳模型反演得出该区耕地土壤有机碳均值为18.22±2.99 g/kg,范围为8.25~30.69 g/kg,双季稻和烟稻种植区域SOC含量高于稻菜种植区域。研究结果为复杂地貌地形区耕地土壤有机碳协同变量的更新提供了新的思路。