土壤有机碳(Soil Organic Carbon ，SOC)是维系黑土肥力与调节陆地碳循环平衡的重要指标，对黑土地生态安全与碳汇评估具有关键意义。然而，由于SOC空间异质性强以及遥感特征提取能力有限，传统SOC制图普遍存在系统性误差，表现为高值低估、低值高估，严重制约了黑土地退化监测与碳储量精确评估。

　　针对这一科学难题，中国科学院东北地理与农业生态研究所农业遥感研究团队提出了一种克服遥感估测系统偏差的智能制图新范式，并构建了融合地理先验知识与时空深度特征的GMM-AG-CNNLSTM模型。该方法集成了高斯混合模型(GMM)、加权注意力机制(AG)、卷积神经网络(CNN)与长短期记忆网络(LSTM)，实现了对SOC空间分异与时序特征的深度融合表达。研究以中国东北与北美黑土区为典型研究区，整合了2616个0–20 cm地表SOC样点及多源时空遥感特征数据，开展了30 m分辨率的SOC空间分布精细制图。研究结果表明，该模型在中国东北与北美地区的SOC预测精度分别达到R²=0.73/RMSE=5.42 g/kg和R²=0.70/RMSE=5.89 g/kg，显著优于随机森林和传统深度学习模型，尤其在SOC高低值区均表现出更强的稳定性。空间分析显示，中国东北黑土区的SOC平均值及高值区比例均高于北美，但低值区分布更广，体现出区域性碳储格局差异。

图1. 中国东北与北美黑土区SOC制图结果

图2. 本研究结果与主流产品对比

　　该研究提出的智能SOC制图范式突破了遥感反演的系统偏差限制，为全球黑土区碳汇评估、退化监测与可持续管理提供了技术支撑，也为多模态遥感与智能地学建模研究提供了新思路。

　　该研究发表在国际顶级C刊ISPRS Journal of Photogrammetry and Remote Sensing(IF = 12.309)。该研究由科研助理王超(第一作者)、助理研究员罗冲(通讯作者)与刘焕军研究员等共同完成，研究得到了国家自然科学基金(42401460)和国家重点研发计划(2021YFD1500100)资助。

　　论文信息及链接如下：Wang,C.,Luo,C.,Meng,X.,Wang,C.,& Liu,H. (2025). Intelligent mapping paradigm to overcome systematic bias in remote sensing SOC estimation: A case study of the black soil region in China and the United States. ISPRS Journal of Photogrammetry and Remote Sensing,230. 644–660. https://doi.org/10.1016/j.isprsjprs.2025.10.002

　　https://authors.elsevier.com/a/1lviC3I9x1ucE5