2022年12月5日，西北农林科技大学机电学院韩文霆研究员团队在土壤科学类期刊Geoderma（中科院一区Top期刊）发表了题为“Estimating and mapping the dynamics of soil salinity under different crop types using Sentinel-2 satellite imagery”的研究论文。西北农林科技大学机电学院为第一单位，博士研究生崔欣为第一作者，韩文霆研究员为通讯作者。
土壤盐碱化是导致土地退化的主要因素之一，影响生态平衡、环境健康及农业可持续发展。由于大尺度区域土壤性质和环境条件的时空异质性，导致土壤盐渍化监测的准确性具有一定的挑战性。本研究探讨了在时间序列上对不同作物类型进行分类是否可以提高区域土壤盐分水平的预测精度。具体而言，我们利用2021年6月至2022年9月采集的Sentinel-2多期影像和地面实测数据，评估了河套灌区(HID)不同植被覆盖下土壤盐分含量(SSC)随时间的变化。本研究以向日葵和玉米田为研究对象，对这两种作物类型进行分类并检验4种不同的时间序列对SSC估计精度的影响。从卫星影像的17个植被指数(VIs)和13个土壤盐度指数(SIs)中选取5个指数作为特征参数。此外，采用三种机器学习算法建立了SSC估计模型。研究结果强调了作物类型分类和考虑不同时间序列对提高光谱指数对SSC的响应灵敏度和提高建模精度的有效性。光谱指标中，VIs对SSC估算模型的贡献大于SIs，决定系数(R2)最高为0.71。人工神经网络算法在准确性和稳定性方面优于其他两种机器学习算法，产生的最佳R2为0.72，均方根误差(RMSE)为0.15%。本研究提出了一种考虑作物类型和不同时间序列的建模和制图方法，为准确评估土壤盐渍化及其高效防治提供参考。
(a) (b)
(c) (d)
(e) (f)
(g) (h)
图1 2021年和2022年多个时期的河套灌区SSC预测分布图
该研究工作得到了国家自然科学基金和陕西省重点研发项目经费资助
原文链接：https://doi.org/10.1016/j.geoderma.2023.116738