白俄罗斯土地生产潜力评估

注：  本项目在“一带一路”国际科学组织联盟（ANSO）联合研究合作专项的支持下完成。

项目背景

采用Sentinel Hub和Google Earth Engine进行数据准备和融合，使用公开数据集、出版物和目视解译进行训练样本的标注，再使用监督学习OBIA-RF（面向对象随机森林）方法分别对农业和林业数据集进行地物分类和提取，最后进行制图、统计分析。结合气象、土壤数据，进行土壤生态潜力的评估。

本篇主要介绍使用基于光温阶乘模型的白俄罗斯土地生产潜力评估，同时也是本项目的最后一部分内容。

在基础模型的基础上，加入了土地利用分类和植被指数数据作为补充变量，并针对实际获取的数据，重新分配了各变量权重。

△图1.  土地生产潜力评估流程图

项目基本流程

土地生产潜力评估模型：

光温阶乘模型

结合气象、土壤和作物参数，对光合生产潜力进行评估。

光合生产潜力：

黄秉维公式：

 *黄秉维（1978）

YQ为光合生产潜力（kg/h㎡）

Q为太阳总辐射量（cal/c㎡）

ε为太阳辐射中0.38~0.71μm波段的可见光所占的比例

α为反射率

β为漏射率

ρ为非光合器官无效吸收率，取10%

γ为光饱和限制

φ为量子效率，取0.224

ω表示呼吸效率

H为每生成1g干物质需要的能量，平均值为4.25kcal

8%代表植物体中无机养分的含量

光温生产潜力：

 R为降水量（mm），E0为蒸发量（mm）。

土地生产潜力：

 Nu为土壤养分指数，Om为土壤有机质指数。

式中：Au, Ap, Ak分别为土壤中碱解氮、速效磷和速效钾含量（mg/kg），Om为土壤中有机质含量。

模型总体分为作物评估和土壤评估两部分，其中作物评估结合了地形、气象、植被指数数据，而土壤评估主要以土壤营养元素含量为主。其中历史气象数据来源于ERA5-Land数据集，而土壤数据来自Global Soil Dataset for use in Earth System Models（GSDE）。NDVI则计算于哨兵2号和Landsat7/8。在逐小时历史气象数据基础上计算年积温、积雨等，并进行栅格化。NDVI则基于年份进行合成。最终将上述数据基于标准栅格进行对齐，并应用光温阶乘模型，计算逐年土地生产潜力指数并制图。

项目成果

△  图2.   白俄罗斯2014—2023年土地生产潜力分布图

△  图3.   白俄罗斯各区域2014—2023年土地生产潜力变化图

如图2和图3所示，土地生产潜力在空间上的分布变化较小。在2014-2019年间，各区域的土地生产潜力呈逐渐下降的趋势。在2019年后呈上升区域，原因可能是由于降水量的增加。而2022年、2023年的土地生产潜力明显下降，原因可能是云量增加影响了卫星影像的质量和可用性，导致了NDVI在部分地区的缺失和异常降低，以及部分地区的异常降水。

结合土地生产潜力分布数据以及土地利用和覆盖数据，能够为地区森林开发、区域性农业政策的制订、土地利用长期规划以及土壤修复和保护工程的实施提供更加深入、全面和具体的参考。