黑土层厚度不仅直接影响土壤肥力，也决定着农作物的产量潜力。传统测量方法费时费力且成本高，难以全面揭示复杂地形条件下黑土层厚度的空间分异，长期制约黑土退化的科学评估和精准治理。

中国科学院东北地理与农业生态研究所研究人员集成应用遥感光谱与高分辨率地形数据，提出黑土层厚度的高效预测新途径。研究发现，黑土层厚度与短波红外波段反射率呈显著负相关，这一光谱特征源于黑土中有机质和水分的变化，是厚度预测的重要信息来源。同时，研究团队基于数字高程模型提取8项关键地形因子，刻画水蚀过程中的侵蚀、搬运与沉积规律。

在数据融合的基础上，研究人员构建三种机器学习模型。结果显示，引入光谱信息后模型精度有力提升，随机森林模型表现最佳，决定系数达0.75，均方根误差仅8.88厘米。进一步分析表明，地形因子在预测中贡献最大，而光谱信息提供了关键补充，两者结合有效增强了复杂坡耕地环境下的预测能力。基于最优模型，团队绘制了研究区黑土层厚度分布图，揭示出“高处薄、低处厚”的典型空间格局，为深入理解黑土侵蚀-沉积过程提供了新证据。