机器学习+GEE | 东北地理所在不同土壤侵蚀分区下的有色溶解性有机物遥感反演研究取得新进展

随着经济快速发展和气候变化的影响，土壤侵蚀已成为一个社会关注的热点问题。土壤侵蚀受降水、集水区径流、土地利用和土地覆盖类型的影响，地表径流中沉积物的迁移常携带溶解性有机物和营养物质输送到水体。水环境中的有色溶解性有机物（CDOM）是水色遥感参数，主要来源于陆地输入和内源产生，为水生态系统提供能量并吸收紫外线辐射。研究土壤侵蚀与水体CDOM组分和来源之间的关联，可以为陆地和水环境生态系统碳循环提供了重要的科学支撑

本研究通过XGBoost机器学习算法并结合Google Earth Engine（GEE）平台获取的Landsat 8卫星遥感影像构建了CDOM吸收遥感模型，模型表现良好（RMSE_XGB,cal = 0.87 m⁻¹, RMSE_XGB,val = 0.94 m⁻¹），并对2020年非冰期中国地区大于0.1 km²湖泊的CDOM吸收系数进行了空间制图。研究发现，在不同土壤侵蚀区域下，湖泊a_CDOM(355)平均值存在显著差异，对于冻融侵蚀区域，随着侵蚀强度的增加，CDOM吸收显著增加，而风蚀和水蚀区域则呈现相反的关系（p < 0.05 ）。本研究中发现随着湖泊的水域面积增加，湖泊的a_CDOM(355)显著下降。不同侵蚀区域湖泊中CDOM的影响因素和分子组成特征具有显著的差异特征（图1）。该研究从宏观和微观视角相结合的角度丰富了对全球碳循环的理解。

图1 不同土壤侵蚀分区下的湖泊CDOM空间分布和分子组分特征

研究成果发表在国际Top期刊Environmental Science and Ecotechnology上，中国科学院东北地理与农业生态研究所尚盈辛副研究员为第一作者，宋开山研究员为通讯作者。该项研究得到了国家自然科学基金(42371390, 42471358)，国家科技基础资源调查专项（2021FY100406）以及吉林省生态环境厅重点项目(2024-01)等共同资助。

论文信息如下：

Yingxin Shang, Kaishan Song*, Zhidan Wen, Fengfa Lai, Ge Liu, Hui Tao, Xiangfei Yu, Machine learning reveals distinct aquatic organic matter patterns driven by soil erosion types, Environmental Science and Ecotechnology,2025,25: 100570,

链接：https://doi.org/10.1016/j.ese.2025.100570.