土壤是全球陆地生态系统中最活跃的含生命层，具有最活跃的生物地球化学能量交换和物质循环模式。准确监测土壤类别的空间分布特征可能有助于扩大我们的区域环境知识。详细的土壤图对于有效的农业实践和环境保护至关重要。然而，尽管近年来数字土壤制图（DSM）的精度不断提高，但生成区域尺度的高精度土壤地图仍然是一项具有挑战性的任务。中国科学院东北地理与农业生态研究所农业遥感学科组的科研人员提出了一种新的基于时空谱（TSS）数据的DSM方法，并将DSM结果与中国传统土壤图进行比较。具体的步骤是采用离散小波变换（DWT）对2000年至2019年的13个陆地卫星多光谱数据进行融合，以获取时间信息，以航天飞机雷达地形任务数字高程模型（SRTM-DEM）作为空间信息，高分5号卫星高光谱数据作为光谱信息。采用离散小波变换和谱带分割方法融合时间和光谱信息，并将其与空间信息相结合，获得TSS信息。然后，将TSS信息和随机森林模型用于DSM。 

　　结果表明：1）基于TSS信息的制图结果与传统土壤图高度相关。在不同土壤类别中，我们的制图结果与传统土壤图之间的核心区域差异很小，相邻的土壤类别差异很大。基于TSS信息的DSM的总体精度和kappa系数分别为88.11%和0.82。2）在土壤含水量相同的情况下，高光谱数据的DSM的总体精度和kappa系数分别比多光谱数据的总体精度和kappa系数高6.80%和0.02。3）随着时相信息的增加，DSM精度不断提高，当多时相多光谱图像数达到6个时，基于多时相多光谱数据的分类精度高于基于单时相高光谱数据的分类精度。4）考虑地形因素时，DSM精度得到有效提高。在不同土壤类型中，具有强可分性的地形因子是不同的。本研究提出的基于多源遥感数据TSS信息的DSM方法大大提高了DSM的精度，为未来的DSM研究提供了新的视角。 

　　图1 不同土壤类型的反射光谱特征 

　　图2 不同时相信息数量的总体精度和kappa系数。箱线图上方括号中的数字表示多时相多光谱数据中不同多光谱图像组合的数量。 

　　图3 TSS信息作为输入的制图结果 

　　 研究成果于近期发表在国际期刊Geoderma（IF=7.422）上，由刘焕军研究员（通讯作者）和孟祥添博士（第一作者）共同完成。该研究得到了“王宽诚”教育基金和东北农业大学“学术骨干”工程的资助。 

　　文章信息：Meng, X.T., Bao, Y.L., Liu, H.J, Zhang, X.L., Wang, X. 2022. A new digital soil mapping method with temporal-spatial-spectral information derived from multi-source satellite images. Geoderma. 425, 116065. https://doi.org/10.1016/j.geoderma.2022.116065