基于合成影像和多变量的博斯腾湖流域土壤有机碳含量估测

来源：环境科学杂志2025年第1期北京时间：

作者：李顿,王雪梅,李坤玉,郭艳萍

单位：新疆师范大学地理科学与旅游学院, 乌鲁木齐 830017,新疆干旱区湖泊环境与资源重点实验室, 乌鲁木齐 830017,新疆师范大学地理科学与旅游学院, 乌鲁木齐 830017,新疆干旱区湖泊环境与资源重点实验室, 乌鲁木齐 830017,新疆师范大学地理科学与旅游学院, 乌鲁木齐 830017,新疆干旱区湖泊环境与资源重点实验室, 乌鲁木齐 830017,新疆师范大学地理科学与旅游学院, 乌鲁木齐 830017,新疆干旱区湖泊环境与资源重点实验室, 乌鲁木齐 830017

摘要：选择合适的多时相遥感影像合成方法以及建模变量对于土壤有机碳含量的估测及其空间分布反演具有重要作用. 以新疆博斯腾湖流域土壤有机碳含量为研究对象，按照最小值、中值以及均值Sentinel-2多时相卫星影像合成方法生成光谱变量，同时引入气候和地形等环境变量作为建模变量. 结合Boruta变量筛选算法和随机森林（RF）模型分析探究不同影像合成方法以及变量集合对耕层土壤有机碳含量估测的影响及差异. 结果表明：①环境变量结合光谱变量能够较好地估测土壤有机碳含量，环境变量中的气候变量对博斯腾湖流域土壤有机碳含量的建模估测发挥着关键作用；②相对于全变量集合，经过Boruta变量筛选算法后的特征变量模型估测精度要更好；③均值合成的影像光谱变量结合环境变量的建模效果最好，最优模型的估测精度R2为0.97，RMSE为2.919 g·kg-1，RPD为5.319. 使用Boruta变量筛选算法对多时相均值合成光谱变量与环境变量所建立的RF模型能够准确地实现博斯腾湖流域土壤有机碳含量的空间反演估测，为该流域土壤有机碳含量的准确估测提供技术支持.

关键词：影像合成,光谱和环境变量,Boruta算法,随机森林（RF）模型,土壤有机碳（SOC）,博斯腾湖流域,