El carbono orgánico del suelo (SOC) es un indicador importante de la calidad del suelo de los bosques, que tiene un impacto importante en el crecimiento de los árboles en el bosque y desempeña un papel muy importante en el desarrollo sostenible de los bosques. La exploración de la posibilidad de utilizar imágenes hiperespectrales para estimar el contenido de carbono orgánico del suelo de los bosques secundarios naturales es crucial y puede proporcionar apoyo técnico para la estimación a largo plazo y a gran escala del carbono orgánico del suelo de los bosques. Este estudio se centra en el SOC de los bosques secundarios naturales, con 67 puntos de muestreo aleatorio tomados en el campo experimental de Ma'ershan de la Universidad Forestal del Noreste. Se recogió tierra a profundidades de 0 a 5 cm, de 5 a 15 cm y de 15 a 30 cm, y se midió el contenido de SOC en cada uno de ellos, tomando el promedio de las tres capas como contenido de SOC de 0 a 30 cm. Basado en la imagen hiperespectral del recurso 1F, se calcularon las características del espectro, y combinadas con el modelo digital de elevación (DEM), la humedad del suelo y los datos de la biomasa aérea (AGB), utilizando el método de selección de características recursivas. La aplicación del bosque aleatorio (Random Forest), el impulso extremo del gradiente (extreme Gradient Boosting), la regresión por vectores de soporte (Support Vector Regression) y la regresión de mínimos cuadrados (Ordinary Least Squares Regression) para estimar el SOC, y la selección del mejor modelo para estimar el contenido de SOC a diferentes profundidades en el campo experimental de Ma'ershan.

Bosques secundarios naturales; SOC; Imagen hiperespectral; Aprendizaje automático; Selección de características