土壤有机质（Soil Organic Matter,SOM）是衡量土壤质量和生态功能的重要指标，其精准监测对于推进现代土地资源管理与生态环境保护具有重要意义。然而，在土壤类型复杂、环境异质性显著的盐碱-黑土交错区，SOM的遥感制图依然面临诸多挑战。

针对上述问题，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，基于多年多时相的Sentinel-2遥感影像，融合土壤分类等先验知识，将研究区域划分为盐碱区与黑土区，并系统评估了遥感观测时间窗口、关键光谱指数（如盐度指数与植被水分指数）、环境因子（地形与气候）以及局部建模策略对SOM预测精度的影响。

图1. 基于先验知识并结合盐碱和黑土区划分的光谱信息选取示意图

研究表明，每年4月初至5月初（DOY 90–120）是盐碱区与黑土区共同适用的最优遥感观测窗口。在引入环境因子后，SOM预测精度显著提升，且黑土区对地形因子更为敏感，而气候因子则在盐碱区占主导作用。此外，盐度指数对盐碱区的SOM预测贡献突出，但在黑土区反而可能干扰模型稳定性。进一步分析发现，基于土壤类型构建的局部回归模型相比整体模型具有更高的预测精度，尤其在地理空间异质性强的区域表现出明显优势，尽管其空间不确定性相对较高，但为复杂区域的高精度SOM建模提供了关键突破。

本研究构建了融合“先验知识 + 多时相遥感 + 局部建模”的SOM预测框架，成功生成了吉林省省域尺度的10m分辨率土壤有机质分布图，为区域差异化耕地管理与生态保护提供了重要的数据基础和决策支撑。该方法具有良好的可推广性，未来可应用于其他复杂地貌与土壤类型混合的区域，助力土壤资源的高质量监测和可持续利用。

图2. 吉林省土壤有机质（SOM）空间分布全局与局部回归模型预测结果比较。A：全局回归模型预测的SOM空间分布图。B~D：A图中选取的典型区域。E：局部回归模型预测的SOM空间分布图。F~H：E图中选取的典型区域。B~D和F~H图中的条形图分别表示各区域内不同SOM含量的比例

相关成果发表在农林科学领域1区Top期刊Journal of Integrative Agriculture上，由联合培养硕士研究生孔德飘（第一作者）、罗冲助理研究员（通讯作者）和刘焕军研究员共同完成。本研究得到了吉林省科技发展计划项目（20240602052RC）资助。

论文信息及链接如下：Enhancing soil organic matter mapping in saline-alkali and black soil areas with prior knowledge and multi-temporal remote sensing. https://www.sciencedirect.com/science/article/pii/S2095311925001546.