黑土以其高肥力和强碳汇能力被誉为“地球的粮仓”，但近年来受侵蚀、集约化农业等因素影响，全球黑土区SOC含量普遍下降，削弱了土壤缓冲气候变化的能力。如何精准监测SOC含量的空间分布和动态变化，成为当前土壤保护研究的关键挑战。

为了应对这些挑战，中国科学院东北地理与农业生态研究所农业遥感学科组研究人员收集了8984个土壤样本、956423张Landsat TM/OLI遥感影像、数字高程模型和气象数据，开发了一个考虑土壤形成与侵蚀过程的地理知识数据集（GEKD）。该数据集被输入概率混合模型（PHM）进行区域划分，并进一步结合注意力机制、卷积神经网络与长短期记忆网络（A-CNN-ConvLSTM）构建高精度SOC预测模型。

研究结果显示，结合GEKD和A-CNN-ConvLSTM算法，SOC含量预测精度达到RMSE = 7.17 g/kg、R² = 0.72、RPIQ = 1.92，优于传统模型。此外，PHM模型有效降低了SOC空间异质性带来的误差，使预测结果更加平滑、稳定。与全球模型相比，PHM将RMSE降低1.66 g/kg，R²和RPIQ分别提高0.06和0.15。研究生成了自1984年以来全球黑土区30m分辨率的SOC空间图，并揭示了SOC含量下降的整体趋势。其中，全球黑土区SOC平均下降1.91 g/kg，亚洲黑土区降幅最大（2.93 g/kg），西伯利亚黑土区降幅最小（1.45 g/kg）。该研究不仅为全球黑土区SOC动态监测提供了新技术手段，还为黑土区碳汇管理和农业可持续发展提供了科学支撑。

该研究发表在遥感领域国际顶级期刊《Remote Sensing of Environment》（影响因子11.10），由东北地理所特别研究助理孟祥添（第一作者）、刘焕军研究员（通讯作者）共同完成。研究得到黑土保护与利用国家重点实验室青年科学家创新基金（2023HTDGZ-QN-01）、国家重点研发计划项目（2021YFD1500100）、中国博士后基金博士后资助计划项目（GZB20240737）共同资助。

图1基于地理知识数据集、地理分区和深度学习算法进行SOC含量预测流程

图2 全球黑土区SOC含量空间分布图

论文信息：Meng,X.,Bao,Y.,Zhang,X.,Luo,C.,& Liu,H. (2025). A long-term global Mollisols SOC content prediction framework: Integrating prior knowledge,geographical partitioning,and deep learning models with spatio-temporal validation. Remote Sensing of Environment,318,114592.

论文链接：https://doi.org/10.1016/j.rse.2024.114592