以大兴安岭呼中典型冻土区为研究对象，研究表层（0～15、15～30 cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像，利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI,6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0～15、15～30 cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0～15、15～30 cm）土壤碳储量空间土壤碳空间分布状况分布特征，0～15和15～30 cm土壤碳密度平均值为7.40 kg/m2和14.80 kg/m2,0～15 cm土层土壤碳储量分布大致为由南向北逐渐增加，15～30 cm土层土壤碳储...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0～15、15～30 cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像，利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI,6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0～15、15～30 cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0～15、15～30 cm）土壤碳储量空间土壤碳空间分布状况分布特征，0～15和15～30 cm土壤碳密度平均值为7.40 kg/m2和14.80 kg/m2,0～15 cm土层土壤碳储量分布大致为由南向北逐渐增加，15～30 cm土层土壤碳储...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0～15、15～30 cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像，利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI,6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0～15、15～30 cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0～15、15～30 cm）土壤碳储量空间土壤碳空间分布状况分布特征，0～15和15～30 cm土壤碳密度平均值为7.40 kg/m2和14.80 kg/m2,0～15 cm土层土壤碳储量分布大致为由南向北逐渐增加，15～30 cm土层土壤碳储...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0～15、15～30 cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像，利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI,6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0～15、15～30 cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0～15、15～30 cm）土壤碳储量空间土壤碳空间分布状况分布特征，0～15和15～30 cm土壤碳密度平均值为7.40 kg/m2和14.80 kg/m2,0～15 cm土层土壤碳储量分布大致为由南向北逐渐增加，15～30 cm土层土壤碳储...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0～15、15～30 cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像，利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI,6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0～15、15～30 cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0～15、15～30 cm）土壤碳储量空间土壤碳空间分布状况分布特征，0～15和15～30 cm土壤碳密度平均值为7.40 kg/m2和14.80 kg/m2,0～15 cm土层土壤碳储量分布大致为由南向北逐渐增加，15～30 cm土层土壤碳储...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0-15cm、15-30cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像的7个波段的反射率利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI，6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0-15cm、15-30cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0-15cm、15-30cm）土壤碳储量空间土壤碳空间分布状况分布特征，0-15cm、15-30cm土壤碳密度平均值为7.40kg/m2、14.80kg/m2，0-15cm土层土壤碳含量分布大致为由南向北逐渐增加，15-30...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0-15cm、15-30cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像的7个波段的反射率利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI，6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0-15cm、15-30cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0-15cm、15-30cm）土壤碳储量空间土壤碳空间分布状况分布特征，0-15cm、15-30cm土壤碳密度平均值为7.40kg/m2、14.80kg/m2，0-15cm土层土壤碳含量分布大致为由南向北逐渐增加，15-30...
以大兴安岭呼中典型冻土区为研究对象，研究表层（0-15cm、15-30cm）土壤碳储量空间分布规律。通过野外调查、采样和室内分析，基于Landsat 8 OLI影像的7个波段的反射率利用随机森林（RF）算法建模，分析大兴安岭冻土区表层土壤有机碳空间分布状况。在13个遥感变量因子中筛选相关性最高变量，确定海拔、ARVI、VIGreen、EVI、OSAVI、NDVI，6个环境变量相关性最高，可作为自变量。结果表明，当节点分裂次数（leaf）值为5，决策树数量（trees）值为900时，预测模型的训练集和测试集最为接近，表明此时的模型稳定性最好，0-15cm、15-30cm土层训练集R2的拟合精度分别为0.23、0.43，测试集R2的拟合精度分别为0.35、0.24。以此参数预测表层（0-15cm、15-30cm）土壤碳储量空间土壤碳空间分布状况分布特征，0-15cm、15-30cm土壤碳密度平均值为7.40kg/m2、14.80kg/m2，0-15cm土层土壤碳含量分布大致为由南向北逐渐增加，15-30...
高纬度多年冻土区是对气候变化响应最敏感的区域，多年冻土退化严重影响土壤碳循环过程，揭示不同地表覆盖类型下多年冻土区土壤有机碳的垂直分布规律，对于预测未来多年冻土区土壤碳库变化有重要意义。本研究以大兴安岭高纬度多年冻土区森林、森林沼泽、灌丛沼泽为研究对象，利用钻探法采集土柱（7～8 m），对3种不同植被下的土壤碳（有机碳、可溶性有机碳）进行测定，进一步分析土壤碳含量的垂直分布特征。结果表明，随着深度增加，土壤碳含量降低，有机碳含量变化范围为14.55～95.98 g/kg（森林沼泽）、17.48～132.93 g/kg（森林）、2.58～396.50g/kg（灌丛沼泽），但在多年冻土层中也存在较高碳含量的情况；活动层土壤有机碳和可溶性有机碳平均含量均表现为：灌丛沼泽>森林>森林沼泽，多年冻土层土壤有机碳和可溶性有机碳平均含量均表现为在森林沼泽>森林>灌丛沼泽；各组分碳在活动层的变异系数表现为30.31%～114.26%，各组分碳在多年冻土层的变异系数表现为30.23%～192.09%；相关分析表明，土壤碳与深度和pH呈负相关，与土壤水分显著正相关。
高纬度多年冻土区是对气候变化响应最敏感的区域，多年冻土退化严重影响土壤碳循环过程，揭示不同地表覆盖类型下多年冻土区土壤有机碳的垂直分布规律，对于预测未来多年冻土区土壤碳库变化有重要意义。本研究以大兴安岭高纬度多年冻土区森林、森林沼泽、灌丛沼泽为研究对象，利用钻探法采集土柱（7～8 m），对3种不同植被下的土壤碳（有机碳、可溶性有机碳）进行测定，进一步分析土壤碳含量的垂直分布特征。结果表明，随着深度增加，土壤碳含量降低，有机碳含量变化范围为14.55～95.98 g/kg（森林沼泽）、17.48～132.93 g/kg（森林）、2.58～396.50g/kg（灌丛沼泽），但在多年冻土层中也存在较高碳含量的情况；活动层土壤有机碳和可溶性有机碳平均含量均表现为：灌丛沼泽>森林>森林沼泽，多年冻土层土壤有机碳和可溶性有机碳平均含量均表现为在森林沼泽>森林>灌丛沼泽；各组分碳在活动层的变异系数表现为30.31%～114.26%，各组分碳在多年冻土层的变异系数表现为30.23%～192.09%；相关分析表明，土壤碳与深度和pH呈负相关，与土壤水分显著正相关。