准确绘制土壤有机质(SOM)含量的空间分布图对于土地管理决策和气候变化研究至关重要。基于裸土期遥感的SOM制图模型已经在不同区域尺度的研究中被证明是有效的。然而，使用裸土影像结合生长期影像进行SOM含量制图的机理依然不清。本研究以中国东北典型黑土区友谊农场为研究区，野外采样与实验室分析获得574个土壤样本SOM含量，在Google Earth Engine(GEE)平台上获取2019年至2021年裸土时期(4-6月、10月)与作物生长期(7-9月)无云的Sentinel-2影像，考虑作物类型差异分区(玉米种植区、大豆种植区和水稻种植区)添加作物生长期遥感影像，利用随机森林(RF)模型进行整体回归与局部回归，使用交叉验证方法验证预测结果，以评估在SOM制图中作物长势信息发挥的作用。研究结果表明：(1)不同年份裸土期影像添加作物生长期影像均可以提高SOM制图精度，但不同年份精度最高的月份组合不同；(2)区分作物类型进行SOM制图可以提高SOM制图精度，2020年的分区预测精度最高，R²值为0.71，RMSE值为0.69%；(3)降水量是影响SOM预测精度的重要因素，通常来讲降水量越低，SOM预测精度越高。本研究结果表明要想在SOM制图中添加作物长势信息，考虑不同作物类型，还需要使用降水量较低年份的遥感影像。
 

土壤有机质，作物长势，分区，数字土壤制图