利用多时相哨兵-2影像对中国农田的国家尺度土壤有机碳进行制图

• 生产中国农田的首个10米空间分辨率的土壤有机碳（SOC）图。 • 结合裸土反射率和传统环境协变量提高了SOC预测精度。 • 提出了一系列适合SOC建模的遥感指数。 • 气候、位置和遥感指数被确定为制图SOC最重要的协变量。在农业地区，急需精确监测土壤有机碳（SOC），以应对全球挑战，如食品安全、水资源调控、土地退化和气候变化。遥感技术已成为检测局部尺度SOC变化的强大方法。然而，其在更广泛的国家尺度上的应用面临限制，尤其是在土壤景观表现出显著多样性的国家如中国。本研究旨在结合裸土反射率和传统环境协变量，以10米空间分辨率绘制中国农田的SOC含量。首先，应用了一种新的时间序列裸土提取方法——二维裸土分离算法，利用2018至2022年的哨兵-2影像生成连续的光谱反射率合成图。然后，选择了与SOC相关性最强的九个指数。此外，根据SCORPAN模型准备了一份环境协变量清单。最后，利用通过前向递归特征选择（FRFS）选择的协变量拟合了引导随机森林模型，并创建了空间预测的SOC图。结果表明，该框架适合于中国农田的SOC制图，最佳模型使用通过FRFS选择的遥感指数和环境协变量，达到R²为0.62，RMSE为4.84 g kg−1，90%预测区间范围的不确定性为17.88 g kg−1。最终图显示，中国东北地区农田的SOC含量最高。气候条件、位置和遥感指数是国家尺度SOC估算的关键协变量。本研究可以在广泛区域内轻松实施，以高效计算预测SOC。中国的10米空间分辨率SOC图为土地管理和精准农业政策的制定做出了贡献。