近日，由2019级硕士研究生周洋同学、2020级硕士研究生吴俊同学以及2021级硕士研究生廖芊意同学撰写的学术成果均被SCI期刊《Soil Science Society of America Journal》接受。

周洋同学撰写的《Mapping of soil organic carbon using machine learning models: Combination of optical and radar remote sensing data》（通讯作者：赵小敏教授）已在线发表。该研究利用RF、Cubist和SVM模型，研究了中国南方丘陵农田地区光学（Landsat 8和Sentinel-2）和SAR（Sentinel-1）图像以及其他环境协变量在SOC制图中的性能。研究结果表明，Cubist模型结合RFE方法（Cubist\u RFE），显示出最高的预测精度和最低的不确定性。土壤有机碳的空间分布特征表现出从中部向西部和西北部递减的趋势。土壤性质变量（土壤碱解氮和pH）和RS变量（土壤调节植被指数、增强植被指数和Sentinel-2的band7）是SOC预测的控制因素。这项研究可以帮助研究人员了解光学和雷达遥感数据以及机器学习模型在土壤有机碳预测中的应用，以快速有效地监测SOC含量，并提供特定地点的耕地土壤管理计划。该论文得到了国家重点研发项目（2020YFD1100603-02）的资助。

文章链接：https://doi.org/10.1002/saj2.20371

吴俊同学撰写的《Multivariate methods with feature wavebands selection and stratified calibration for soil organic carbon content prediction by VIS‐NIR Spectroscopy》（通讯作者：郭熙教授）已在线发表。该研究探讨了光谱变量选择和基于土壤类型的分层校准在 Vis-NIR 光谱中用于预测 SOC 含量的作用。研究结果表明，基于 CARS 的模型在预测 SOC 含量方面优于全波段模型，结合分层校准的CARS-BPNN模型显示出对总体样本的最佳预测性能。该研究利用CARS-BPNN模型结合基于土壤类型的分层校准，建立了一种基于高光谱数据有效预测SOC含量的方法。该论文得到了国家自然科学基金（42071068）的资助。

文章链接：https://doi.org/10.1002/saj2.20449

廖芊意同学撰写《Carbon sequestration efficiency in red paddy soil originating from different parent materials in Jiangxi, China》（通讯作者：赵小敏教授、梁丰副教授）已被接受，正在出版。该研究基于江西省三个不同母质的国家级耕地质量监测点，通过计算长期施肥下不同母质发育的红壤性水稻土的固碳效率（CSE），分析其有机碳的化学结构的稳定性机制，明确其固碳效率的影响因素。结果表明，该研究发现花岗岩和泥质岩母质发育的水稻土的CSE高于第四纪红色黏土，且泥质岩发育的水稻土壤有机碳的结构较稳定。土壤质地、SOC、pH和外源碳投入是影响CSE的主要因素。这项研究为江西省土壤有机碳的提升和农业可持续发展提供科学依据。该论文得到了国家自然科学基金（42067024）、江西省教育厅（GJJ180196）和国家重点研发项目（2020YFD1100603-02，2017YFD301601-01）的资助。

文章链接：https://doi.org/10.1002/saj2.20431

《Soil Science Society of America Journal》主要刊载土壤物理学、矿物学、化学、微生物学、土壤肥力与植物营养、土壤生成和分类、水土管理、森林与牧场土壤以及化肥使用和技术等领域的研究论文。该期刊被SCI收录，位列SOIL SCIENCE类别，为中科院3区（2020年IF=2.307，近五年IF=2.832），是土壤科学领域的优秀级杂志，在学术界颇具影响力。