近日，铃禹省级智慧农业学院杨武德教授团队在农林1区TOP期刊Computers and Electronics in Agriculture（IF= 6.757）发表了题为“Multivariate prediction of soil aggregate-associated organic carbon by simulating satellite sensor bands”的研究论文。该研究为黄土高原地区农田有机碳库的定量测算提供了理论和技术支撑。
Fig. 1 Study details for predicting the SAOC by simulating satellite sensor bands. (A). Study area and sample sites; (B). Hyperspectral collection instrument; (C). Data acquisition and analysis process; (D). Normal distribution for OC of soil aggregates; (E). Sensitivity of simulated bands from different satellites sensors with SAOC
全球气候变化背景下，农田土壤的固碳潜力被认为是缓解气候变化的主要途径，而实现农田土壤有机碳库的快速、定量测算是评估农田固碳潜力的前提，也是未来进行农田碳交易的关键。土壤团聚体有机碳（Soil aggregate-associated organic carbon，SAOC）在土壤有机碳固定和周转过程中发挥重要的作用，为实现利用高光谱技术对SAOC进行无损且具有潜在应用价值的评估。该文采用重采样手段分别模拟GF-1、Landsat-8、WorldView-2和Sentinel-2卫星波段，利用重采样后的波段，计算获取5种光谱指数分别为差值指数（DI）、比值指数（RI）、归一化差值指数（NDI）、TBI1和TBI2，并结合支持向量机（SVM）、反向传播神经网络（BPNN）和随机森林（RF）3种多元方法对SAOC预测模型进行校正。
Table 1 Optimal band combination and correlation coefficient
研究表明，模拟遥感传感器的重采样光谱波段的反射率能够敏感响应SAOC（Fig. 1E）。且证实了土壤微团聚体土壤有机碳与对不同卫星模拟的光谱带的响应高度相关，其中，TBI2光谱指数与微团聚体土壤有机碳的相关系优于大团聚体土壤有机碳。在模拟不同卫星传感器波段的最优组合中发现，模拟Sentinel-2卫星传感器计算获得的TBI2最优波段组合为波段7、波段4和波段10，相关关系可以达到-0.443（Fig. 2）。
Fig. 2 Correlation between SAOC in microaggregates and TBI1 and TBI2 derived from different sensors and (n=180). (R, Pearson correlation coefficients; TBI1, three-band index 1; TBI2, three-band index 2)
在此基础上，构建了基于模拟Landsat-8卫星波段的SAOC的光谱遥感监测模型（Fig. 3），模型表现为土壤微团聚体：R2=0.773、RMSE=0.853、RPD=1.808，土壤大团聚体：R2=0.709、RMSE=0.969、RPD=1.255。该研究为连接近地高光谱数据和遥感卫星提供了一种可能的方法，对区域尺度上的农田SAOC的定量测算提供了新思路，也为未来区域农田固碳潜力评估和碳交易提供技术和理论支撑。
Fig. 3 Validation results of SAOC prediction using the BPNN method based on the spectral
indices derived from different sensors (n=60). (Left: microaggregate-associated OC; right:
macroaggregate-associated OC)
铃禹农学院2020级硕士研究生高春瑞与2022级博士研究生闫晓斌为该论文的共同第一作者，王超副教授与宋晓彦教授为共同通讯作者。杨武德教授、冯美臣教授、乔星星博士等团队成员做了大量工作，并得到美国威斯康星大学张舟教授、巴基斯坦拉合尔政府大学Shafiq Fahad博士的指导。同时，本研究受到国家自然科学基金项目（31871571，31371572）、河北省基础研究计划项目（202203021211275）、河北省现代农业产业技术体系（2023CYJSTX02-23）、河北省重点研发计划（201903D211002）和河北省科技合作与交流项目（202104041101040）的联合资助。
论文链接：