土壤有机碳能维系黑土肥力、调节陆地碳循环平衡，也关系黑土地生态安全与碳汇评估。但土壤有机碳空间异质性强、遥感特征提取能力有限，传统土壤有机碳制图存在系统性误差，制约黑土地退化监测与碳储量精确评估。针对这一问题，中国科学院东北地理与农业生态研究所提出一种克服遥感估测系统偏差的智能制图新范式，并构建了融合地理先验知识与时空深度特征的高斯混合-加权注意力机制-卷积神经网络-长短期记忆网络模型。该模型能深度融合表达土壤有机碳空间分异与时序特征。研究以中国东北与北美黑土区为典型研究区，整合2616个0cm至20cm地表土壤有机碳样点及多源时空遥感特征数据，开展了30m分辨率土壤有机碳空间分布精细制图。研究结果表明，该模型在中国东北与北美地区土壤有机碳预测精度方面，优于随机森林和传统深度学习模型，土壤有机碳高低值区稳定性更强。空间分析显示，中国东北黑土区土壤有机碳平均值及高值区比例均高于北美，低值区分布更广，体现出区域性碳储格局差异。该研究提出的智能土壤有机碳制图范式突破遥感反演的系统偏差限制，为全球黑土区碳汇评估、退化监测与可持续管理提供技术支撑，也为多模态遥感与智能地学建模研究提供新思路。相关研究成果发表在ISPRS Journal of Photogrammetry and Remote Sensing上。研究工作得到国家自然科学基金和国家重点研发计划的支持。论文链接