Почвенный органический углерод (SOC) лесных почв является важным показателем качества лесных почв и в значительной степени влияет на рост лесных деревьев, играя важную роль в обеспечении устойчивого развития лесного хозяйства. Исследование возможности оценки содержания SOC в почве естественных вторичных лесов с использованием гиперспектрального образа в не малой степени важно, поскольку может обеспечить техническую поддержку для оценки долгосрочного и крупномасштабного содержания SOC в лесных почвах. В данном исследовании SOC естественных вторичных лесов был взят в качестве объекта исследования, были случайно выбраны 67 точек в экспериментальном лесном полигоне Северо-восточного лесопарка и взяты образцы почвы на глубину 0-5 см, 5-15 см и 15-30 см и измерены содержания SOC, после чего среднее значение было взято как содержание SOC на глубину 0-30 см. Затем, на основе высокого спектрального образа Ресурс 1F были вычислены первая и вторая производные спектральной кривой, обратная логарифмическая производная, индекс растительности, а также объединены с цифровой моделью рельефа, влажностью почвы и данными надземной биомассы деревьев (AGB), применялся метод рекурсивного отбора признаков. Были применены 4 модели, такие как случайный лес RF, экстремальный градиентный бустинг XGBoost, метод опорных векторов SVR, метод наименьших квадратов OLS, для оценки SOC. Далее была выбрана лучшая модель для предсказания содержания SOC на различных глубинах в лесном полигоне. Результаты показали: в модели планового анализа почвы XGBoost имел высокую точность прогнозирования, R^2 для уровней 0-30 см, 0-5 см, 5-15 см, и 15-30 см составил соответственно 0.54, 0.54, 0.46 и 0.30, RMSE составил 21,28, 44,25, 15,72 и 12,56 г/кг соответственно. Определенное содержание SOC на различных уровнях на лесном полигоне Северо-восточного лесопарка составило 67,20, 88,87, 46,92 и 40,12 г/кг соответственно, где содержание SOC в лесах уменьшается с увеличением глубины почвы. Выявлены различия в содержании SOC различных типов лесных пород, где содержание SOC уменьшается от точно листопадных лесов до смешанных и хвойных лесов. Информация, содержащаяся в гиперспектральных изображениях, обеспечивает возможность построения моделей, однако избыточное количество спектральных данных приводит к избыточной информации и снижению точности моделей, применение метода рекурсивного отбора признаков может выбрать оптимальный набор признаков и снизить их количество для увеличения точности моделей. Дифференциальные признаки в диапазоне 710-850 нм оказались очень эффективными для оценки SOC естественных вторичных лесов, факторы рельефа оказывают большое влияние на SOC на глубине более 15 см, а влажность почвы и надземная биомасса влияют на SOC на глубине 5-15 см. Таким образом, использование гиперспектральных изображений, в сочетании с цифровой моделью рельефа, влажностью почвы и надземной биомассой деревьев, может эффективно предсказать SOC естественных вторичных лесов, обеспечив техническую поддержку для долгих и крупномасштабных прогностических данных SOC естественных долгосрочных и крупномасштабных изображений.

естественные вторичные леса; почвенный органический углерод (SOC); гиперспектральные изображения; машинное обучение; выбор признаков