区域尺度的耕地土壤有机质（SOM）含量制图对于评估耕地质量和监测土壤碳循环具有重要意义，特别是在土地肥沃的中国东北黑土区。大规模的水田是这一地区的显著特点，水田与旱田之间的巨大差异为精确绘制东北黑土区的耕地SOM含量分布图带来了重大挑战。

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研究人员基于Google Earth Engine云平台，以中国东北地区耕地SOM为研究对象，获取2014-2022年所有可用的Landsat-8影像与主要环境变量（气候、地形）结合随机森林回归算法分别建立水田与旱田SOM预测回归模型，以评估水田与旱田分别的最佳窗口期与适宜环境变量，最后对比整体回归与区分水田旱地局部回归的精度差异。

结果表明：（1）中国东北地区SOM含量从南向北呈逐渐上升趋势，水田平均SOM含量比旱田高0.4%左右；（2）中国东北地区水田与旱田SOM制图的时间窗口不同，水田SOM制图的时间窗口为4月，旱田SOM制图的时间窗口为5月；（3）环境变量的加入可以明显提升SOM预测精度，其中气候变量对水田与旱田SOM制图都很重要，地形变量对旱田SOM制图相对重要，对水田SOM制图重要性较低；（4）区分水田旱田进行局部回归SOM预测精度相比整体回归显著提高。以往的研究土壤制图研究中很少关注水田与旱田差异可能对制图精度造成的影响，本研究证明了不同耕地类型对SOM预测精度影响很大，研究者应采用不同策略对水田与旱地SOM含量进行制图。

图1. 采用不同策略进行土壤有机质制图结果

图2. 水田与旱田在不同月份状态（a）4月份旱田（b）5月份旱田（c）4月份水田 （d）5月份旱田

该研究发表在农林科学领域1区Top期刊Soil and Tillage Research上，农业遥感学科组助理研究员罗冲为第一作者，刘焕军研究员为通讯作者。研究工作得到国家重点研发计划项目（2021YFD1500100）与王宽诚率先人才计划“产研人才扶持项目”联合资助。

论文信息如下：Luo,C.,Zhang,W.,Meng,X.,Yu,Y.,Zhang,X.,& Liu,H*. (2024). Mapping the soil organic matter content in Northeast China considering the difference between dry lands and paddy fields. Soil and Tillage Research, 244,106270.

论文链接：https://doi.org/10.1016/j.still.2024.106270.

前期系列研究成果信息如下：

Zhang,Y.,Luo,C.*,Zhang,Y.*,Gao,L.,Wang,Y.,Wu,Z.,...& Liu,H. (2024). Integration of bare soil and crop growth remote sensing data to improve the accuracy of soil organic matter mapping in black soil areas. Soil and Tillage Research, 244,106269.

Zhang,W.^#,Luo,C.^#,Meng,X.,Zang,D.,Zhang,X.,& Liu,H*. (2024). Predicting regional soil organic matter content utilizing conventional satellites: Assessing the influence of temporal,spatial,and spectral disparities. Catena, 237,107821.

Meng,X.,Bao,Y.,Luo,C.,Zhang,X.,& Liu,H*. (2024). SOC content of global Mollisols at a 30 m spatial resolution from 1984 to 2021 generated by the novel ML-CNN prediction model. Remote Sensing of Environment, 300,113911.

Luo,C.,Zhang,W.,Zhang,X.,& Liu,H*. (2024). Mapping the soil organic matter content in a typical black-soil area using optical data,radar data and environmental covariates. Soil and Tillage Research, 235,105912.