Land：农业区水蚀导致的土壤流失估算——将人工智能地理空间图层纳入修正通用土壤流失方程 (RUSLE) 模型的研究

背景：欧盟70%土壤处于不健康状态，侵蚀是威胁土壤健康及农业生产力、生态系统功能的关键问题，传统评估方法存在分辨率粗糙、时效性不足等缺陷。研究目的：本研究旨在通过融合哨兵-2时序数据与XGBoost算法，生成高分辨率土壤有机碳与质地图，以优化修正通用土壤流失方程（RUSLE）模型中的土壤可蚀性因子（K因子），从而提升农业区土壤流失估算的精度。结论：以希腊伊马提亚农业区为案例，该方法成功生成了10米分辨率的土壤侵蚀图，年均土壤流失量为1.76吨/公顷，并识别出6%的严重侵蚀区域。研究证实了人工智能与经典侵蚀模型结合的技术优势，为精准水土保持和可持续土地管理提供了可靠的空间决策支持，并具有区域适用性和方法论推广价值。