区域尺度土壤有机质制图中采样密度的优化及其对预测精度的影响 郭军 张玉红 孔德彪 赵学尧 李雪 罗勇

《Remote Sensing》：Optimization of Sampling Density in Regional-Scale Soil Organic Matter Mapping and Its Impact on Prediction Accuracy Jin Guo, Yuhong Zhang, Depiao Kong, Xueyao Zhao, Xue Li and Chong Luo

　　

摘要

在数字土壤制图中，较高的采样密度可以提高精度，但也会增加成本。本研究使用XGBoost模型，结合Sentinel-2影像（4月至5月）和环境变量，优化了龙江县土壤有机质（SOM）制图的采样密度。我们评估了通过基于土壤类型的分层随机（SR）采样策略减少2059个地表土壤样本数据集的影响。通过使用成本-性能指数来确定最优采样密度，将均方根误差（RMSE）的增加限制在10%以内。结果表明，结合4月至5月的环境变量显著提高了模型的精度。关键的是，分层随机采样策略使得训练样本数量减少到仅434个，同时仍保持稳定的预测性能（R² = 0.499，RMSE = 5.319 g/kg）。此外，在这种优化后的较低采样密度下，土壤有机质的空间预测模式与高密度下的结果高度吻合，没有出现系统性偏差。总之，将环境约束与分层采样策略相结合，可以使区域土壤有机质制图在显著降低的采样密度下保持可靠的精度。这为黑土地区的土壤监测网络优化提供了一种具有成本效益的方法。