原生滨海湿地土壤遥感三维制图模型与储碳功能定量研究

Precise mapping of soil organic carbon (SOC) is important for understanding carbon sequestration of soils in natural coastal wetlands. Previous studies have demonstrated that satellite remote sensing could provide an efficient estimation of SOC. However, the application of remote sensing imagery in mapping spatial distribution of SOC is largely constrained by vegetation cover and weak surface penetrability of sensors. The project will focus on predictive 3D models of SOC using vegetation spectral derived from remote sensing images and quantitative analysis of soil carbon sequestration. Firstly, we will evaluate the levels of correlation between SOC and vegetation spectral with various vegetation types and soil depths. Secondly, the effects of key soil properties on SOC will be realized. Thirdly, a methodology will be developed for mapping 3D distribution of SOC through vegetation spectral aided by soil-forming knowledge. Fourthly, quantitative analysis for spatial variability of SOC and carbon sequestration will be conducted. The outcomes will provide a new methodology for mapping 3D distribution of SOC in natural vegetation-covered areas, and also provide new perspective for studying ecosystem carbon cycling.

土壤有机碳精确制图是理解原生滨海湿地土壤储碳功能的重要前提。最新研究表明，卫星遥感技术能够提供一种快速灵活的土壤有机碳制图方法，但地表植被覆盖以及传感器对地表穿透能力的不足，大大限制了卫星遥感技术在土壤有机碳制图中的应用。项目将聚焦土壤的植被光谱三维制图模型与土壤储碳功能定量分析这一科学问题，研究土壤有机碳与植被光谱的相关联程度，分析不同植被类型的光谱反射特征差异以及不同深度土壤有机碳与植被光谱的关系；研究关键土壤要素对土壤有机碳的影响，及其随植被类型以及土壤深度变化的规律；研究并构建土壤有机碳三维连续分布模型，结合土壤发生学理论，提出土壤有机碳遥感三维制图模型；分析土壤有机碳的空间异质性特征，定量评价土壤储碳功能。研究成果不仅能够为植被覆盖下土壤有机碳遥感三维制图研究提供新的模型方法，还能为生态系统碳循环分析提供新的视角。

为了研究互花米草入侵对滨海湿地土壤的影响，以江苏省典型互花米草湿地为研究对象，利用时空替代法采集 15 个土壤剖面 3 个深度共 45 个土壤样品，在实验室测定有机碳含量以及其他基本土壤理化属性。主要解决两个关键问题：（1）互花米草入侵如何影响湿地土壤功能？（2）如何准确地监测互花米草入侵背景下的土壤变化？研究结果表明：（1）互花米草对缺乏原生盐沼物种的滨海湿地土壤基本功能和土壤抗退化的恢复能力有着积极的影响；（2）土壤有机碳储量对入侵和气候变化的响应是气候-植物-土壤系统相互作用的结果。互花米草入侵对土壤有机碳储量有直接影响，主要是由于其对生物量的影响。温度对土壤有机碳储量和地下有机碳含量有重要影响。土壤有机碳储量还与互花米草入侵与土壤盐分、土壤颗粒、容重等生物地球化学性质的相互作用有关。表层土壤有机碳对1m深度土壤有机碳储量的相对贡献随着时间的推移而降低，而对表层以下土壤有机碳的贡献则增加；（3）研究区土壤样本的光谱曲线形态基本一致，呈曲折上升的抛物线型，且在 1400、1900 和 2200 nm 处有三个较明显的吸收谷。相对于仅包含光谱信息的预测模型，加入辅助变量(土层深度和植物 入侵年限)建立的混合模型预测精度更高；（4）基于结构方程模型和时间序列Sentinel-1数据成功地预测了三个深度的土壤有机碳（RMSE=1.63 g kg−1，RPD=1.22）和容重（RMSE=0.14 g cm−3，RPD=1.25），表明了密集时间SAR数据和SEM在入侵湿地土壤有机碳库变化监测中的有效性。