东北地理所在遥感领域国际顶级期刊（IF=10.60）发文，建立了具有高时空可迁移性的土壤有机碳含量预测模型

文章预览

土壤有机碳（SOC）含量的量化是陆地生态系统长期监测的关键环节。在过去的十年中，已经提出了许多模型并取得了很好的SOC含量预测结果。然而，这些研究大多局限于特定的时间或空间背景，忽视了模型的时空可转移性。时间、空间可转移性分别指模型在不同时期、不同地理位置的预测能力。 为了解决上述问题，中国科学院东北地理与农业生态研究所农业遥感学科组研究人员选择了两个大型洲际研究区，获取了3个时期的表层土壤（0-20 cm）SOC含量数据、27059景无云Landsat 5/8图像、数字高程模型和气候数据。在此基础上，计算了月平均气候数据、反映土壤性质的月平均数据和地形数据作为原始输入（OI）变量。结合注意机制、图神经网络和长短期记忆网络模型（A-GNN-LSTM）的优势，建立了具有高时空可转移性的多元深度学习模型。此外，还比较了A-GNN- ………………………………