[发明专利]一种土壤有机碳含量时空预测制图方法

说明书

本发明提供一种土壤有机碳含量时空预测制图方法，及SOC含量预测技术领域，包括以下步骤：根据平缓地区长时间序列高时空分辨率遥感数据，提取连续变化的时空相关因子；定量表征时空相关因子的变化模式，构建平缓地区的SOC含量数字制图环境协同变量；采用随机森林算法方法构建环境协同变量与SOC含量间的预测模型；运行预测模型进行空间预测制图，获得SOC含量数字图；基于初始值数据和模型参数构建RothC模型；根据RothC模型，预测得到SOC密度变化图，将SOC密度变化图转化为SOC含量变化图；将SOC含量变化图中预测年份的预测值与SOC含量数字图中对应的数据相加进行SOC含量时空制图，实现预测年份的SOC含量数字制图。

技术领域

本发明涉及土壤有机碳(SOC)含量预测技术领域，具体涉及一种土壤有机碳含量时空预测制图方法。

背景技术

作为陆地生态系统碳储量的重要组成部分，土壤有机碳(SOC)在维持全球碳循环、保持土壤生产力、环境保护和农业规划管理发展方面发挥着极其重要的作用。SOC储量的微小变化会对全球碳循环产生重大影响，因此对SOC的分布信息不但需要详尽的空间分布信息，还需要对SOC分布图实时的更新，提供动态的时空变异分布图。目前数字土壤制图技术多以单时相的空间制图为主，缺乏能够同时关注土壤空间分布和时间变异的时空制图体系。

部分陆地生态系统的SOC周转模型可以动态模拟SOC的变化，其中RothC模型应用最广泛。RothC模型仅与土壤过程有关，所需参数简单且容易获取，运行该模型所需的主要输入数据为土壤黏土含量、初始SOC、土壤容重、每月总降水量、平均每月温度、每月总蒸发量、残留物质量、土壤覆盖率和残留物C输入。目前，基于RothC模型的SOC模拟研究多基于一些采样点的SOC数据模拟SOC的分解和积累的动态变化，无法获取大区域SOC详尽的空间分布图。

基于土壤景观模型的数字土壤制图采用易于获取的地形、植被等环境协同变量推测土壤信息，可为RothC模型实现空间预测提供土壤空间数据支撑。平缓地区大多是农业耕作区域和人口聚集地，在整个国民经济和社会生活中占有举足轻重的地位。但是在地形起伏平缓地区，地形因子相对一致，植被条件也相同或相似，这使得基于土壤-景观模型的预测制图的应用受到限制。因此改进环境协同变量反映平缓地区土壤信息差异，以实现这一地区的土壤信息推测还需要进一步研究。目前平缓地区的数字土壤制图仍为土壤制图领域关注的难点和热点领域。

发明内容

为解决上述问题，本发明提供一种土壤有机碳含量时空预测制图方法。

本发明提供了如下的技术方案。

一种土壤有机碳含量时空预测制图方法，包括以下步骤：

根据平缓地区长时间序列高时空分辨率遥感数据，提取连续变化的时空相关因子；

定量表征时空相关因子的变化模式，基于时空相关因子的变化模式构建平缓地区的SOC含量数字制图环境协同变量；

将平缓地区的SOC含量数字制图环境协同变量作为预测因子，采用随机森林算法方法构建环境协同变量与SOC含量间的预测模型；

输入平缓地区的SOC含量数字制图环境协同变量，运行预测模型进行空间预测制图，获得SOC含量数字图；

将SOC含量数字图作为RothC模型的初始值数据，根据长时间序列高时空分辨率遥感数据获取模型参数；基于初始值数据和模型参数构建RothC模型；

根据RothC模型，预测得到SOC密度变化图，将SOC密度变化图转化为SOC含量变化图；

将SOC含量变化图中预测值与SOC含量数字图中对应的数据相加进行SOC含量时空制图，获取SOC含量数字制图。

优选地，所述提取连续变化的时空相关因子，包括以下步骤：

按时间序列获取平缓地区高时空分辨率遥感数据；