黑土是我国极其珍贵的耕地资源，被誉为“耕地中的大熊猫”。黑土层厚度不仅直接影响土壤肥力，还决定着农作物的产量潜力。然而，传统测量方法多依赖剖面挖掘或钻探采样，费时费力且成本高昂，难以全面揭示复杂地形条件下黑土层厚度的空间分异。这一瓶颈长期制约了黑土退化的科学评估和精准治理。
针对这一问题，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集成应用遥感光谱与高分辨率地形数据，探索黑土层厚度的高效预测新途径。研究发现，黑土层厚度与短波红外波段（B11、B12）反射率呈显著负相关，这一光谱特征源于黑土中有机质和水分的变化，成为厚度预测的重要信息来源。同时，研究团队基于数字高程模型提取了谷深、地形湿度指数（TWI）、汇流面积（TCA）、相对坡位（RSP）等8项关键地形因子，精准刻画了水蚀过程中的侵蚀、搬运与沉积规律。
在数据融合的基础上，研究人员构建了随机森林（RF）、极端梯度提升（XGBoost）和人工神经网络（ANNs）三种机器学习模型。结果显示，引入光谱信息后模型精度显著提升，其中随机森林表现最佳，R² 达 0.75，均方根误差仅 8.88 厘米。进一步分析表明，地形因子在预测中贡献最大，而光谱信息提供了关键补充，两者结合显著增强了复杂坡耕地环境下的预测能力。基于最优模型，团队绘制了研究区黑土层厚度分布图，揭示出“高处薄、低处厚”的典型空间格局，为深入理解黑土侵蚀—沉积过程提供了新证据。
该研究成果近期发表于农林科学领域国际权威期刊 Soil and Tillage Research（一区Top）。论文由东北地理所2024级博士生阮伟民（第一作者）、刘焕军研究员（通讯作者）与隋跃宇研究员等合作完成。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）和国家重点研发计划（2021YFD1500100）资助。
论文标题：
Quantitative prediction of black soil horizon thickness at the watershed scale in Northeast China’s black soil region
发表期刊：
Soil and Tillage Research
论文全文链接：
https://doi.org/10.1016/j.still.2025.106886
图1 黑土层厚度预测流程图
图2 研究区样点分布图
