《印度利用机器学习构建土壤有机碳评估系统》

  • 编译者: AI智能小编
  • 发布时间:2025-11-24
  • 印度信息技术学院于8月15日开发了一套利用地形特征和土壤属性结合机器学习算法的土壤有机碳评估系统。该系统通过卫星影像提取4个地形变量、2个土壤遥感指数和4个气候变量作为潜在预测因子,并以“土壤健康卡”实测数据为因变量进行模型训练。这一系统能够帮助农户做出精准的施肥决策,从而提高作物产量。相关研究成果已发表在《Scientific Reports》上,题为“利用卫星图像和集成学习技术预测土壤有机碳以实现精准农业”。
相关报告
  • 《利用卫星图像与集成学习技术预测土壤有机碳含量》

    • 编译者:张毅
    • 发布时间:2025-11-24
    • 8月15日,印度信息技术学院利用地形特征与土壤属性,结合机器学习算法,构建了一套土壤有机碳评估系统。该研究从卫星影像中提取了4个地形变量、2个土壤遥感指数和4个气候变量,作为土壤属性的潜在预测因子;同时以“土壤健康卡”实测数据作为因变量训练模型。该系统可帮助农户精准决策施肥,提高作物产量。相关成果以“Predicting soil organic carbon with ensemble learning techniques by using satellite images for precision farming”发表在《Scientific ReportSCIENTIFIC REPORT》上。
  • 《矿物反应性决定了根系对土壤有机碳的影响》

    • 来源专题:农业生物安全
    • 编译者:任洁
    • 发布时间:2023-09-01
    • 土壤有机碳循环的现代概念模型主要关注调节碳稳定的微生物-矿物相互作用。然而,稳定的(即缓慢循环的)土壤有机质的形成,主要由与矿物表面相关的微生物残留物组成,与微生物呼吸造成的碳损失密不可分。因此,微生物代谢对土壤中碳总量的净影响是什么?为了解决这个问题,我们构建了人工根-土壤系统,以确定植物-微生物-矿物连续体中碳循环的控制因素,同时量化矿物相关碳的形成和呼吸损失。在这里,我们发现根系分泌物和矿物质相互作用来调节这些过程:在低活性粘土中,根系刺激呼吸性碳损失和耗尽与矿物质相关的碳库,而在高活性粘土中,根系分泌物触发稳定碳的形成。此外,我们观察到矿物质相关C的形成与呼吸之间存在正相关关系。这表明,缓慢循环的C池的增长是以系统中的C损失为代价的。