近日，理学院应用统计团队在《Ecological Indicators》（中科院1区TOP期刊，IF=7.4）发表了题为“Enhanced soil organic carbon mapping in Gannan’s alpine meadows: A comparative analysis of machine learning models and satellite data”的研究论文，提出了高寒草甸土壤有机碳密度高精度遥感反演的新方法。论文第一作者为理学院硕士研究生刘星宇，通讯作者为张美玲教授。

该研究运用机器学习算法，通过融合多源卫星遥感数据（Sentinel-1/2）与数字高程模型（DEM），系统评估了XGBoost、随机森林（RF）和梯度提升回归树（GBDT）模型在甘南高寒草甸土壤有机碳密度（SOCD）预测中的表现。研究发现，GBDT模型在集成Sentinel-1雷达数据、Sentinel-2光学数据及地形特征后表现最优，较单一数据源模型精度提升112.52%。研究还通过SHAP可解释性分析揭示了海拔、黏土矿物比率（CMR）和坡度是影响SOCD空间分布的关键因子，为高寒生态区土壤碳库动态监测提供了技术支撑。该成果为青藏高原东缘生态脆弱区的土壤碳库管理和生态保护提供了重要技术支撑。

该研究得到国家自然科学基金（32260353）资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S1470160X25007307