中国生态系统中土壤有机碳的空间分布、驱动因素及其未来变化：一项元分析及机器学习评估

《Ecological Indicators》：Spatial distribution, drivers, and future variation of soil organic carbon in China’s ecosystems: A meta-analysis and machine-learning assessment

土壤碳密度时空分布及驱动机制研究：基于元分析与机器学习的多情景模拟显示，中国表层（0-20cm）和深层（0-100cm）土壤碳密度空间异质性显著，东北和青藏高原东部最高，西北干旱区最低。气候（尤其是温度）是主要驱动因素，深层土壤碳受土壤特性影响更大。人类活动显著降低表层土壤碳，湿地碳损失风险最高。未来高排放情景下，表层碳密度平均下降5.06%，深层下降4.24%。研究为"4N per mille"碳汇提升策略提供依据。

　　土壤碳库的变化特征在中国不同共享社会经济路径（SSPs）下仍存在不确定性。为了更好地理解和预测未来变化，我们对现有数据进行了元分析，并结合机器学习模型，对2050年和2100年的土壤有机碳密度（SOCD）在空间和时间上的变化进行了预测。在研究中，我们重点关注了中国陆地生态系统中的土壤碳密度及其储量，评估了其在不同深度（0–20厘米和0–100厘米）的分布特征，并分析了其变化的主要驱动因素。

研究发现，中国陆地生态系统的平均土壤有机碳密度（SOCD）在0–20厘米土壤层为4.08千克碳每平方米，而在0–100厘米土壤层则达到9.42千克碳每平方米。对应的土壤碳储量分别为39.18皮格（Pg）和90.46皮格。湿地虽然表现出最高的碳密度，但由于其面积有限，对总碳储量的贡献较小。相比之下，森林和草地则是主要的碳储存库，尤其是在深层土壤中，其碳储量尤为显著。从空间分布来看，中国东北部和东部青藏高原的土壤碳密度较高，而西北部干旱地区则相对较低。这表明，不同地区的气候条件、植被类型和土壤特性对碳储量的形成具有重要影响。

在不同土壤深度中，气候是影响土壤碳密度的最关键因素，尽管其解释力在深层土壤中相对较弱，土壤因素则更为突出。人为活动对森林和草地表层土壤碳密度的影响尤为显著，可能导致其碳储量的下降。随着未来气候变化的加剧，特别是高排放情景下的升温，表层土壤碳密度可能会进一步减少，这对中国实现“4 per mille”倡议目标构成了重大挑战。

“4 per mille”倡议旨在通过改进农业和林业的土地管理实践，每年增加土壤碳储量0.4%。通过减少耕作、推广农林复合系统和实施造林等措施，这一倡议有望显著降低大气中的碳含量，从而减缓全球气温上升的速度。因此，理解并预测由气候变化和土地利用变化所驱动的土壤碳储量变化，对于提高中国土壤碳评估的准确性以及支持国家碳中和目标至关重要。

本研究利用机器学习方法对现有土壤碳数据进行了整合和分析，以期获得更准确的预测结果。在模型选择上，我们采用了支持向量机（SVM）和随机森林（RF）两种模型，并通过交叉验证评估其性能。结果表明，随机森林模型在预测土壤碳密度方面表现更优，其预测精度和一致性均优于SVM模型。此外，我们还分析了土壤碳密度变化的驱动因素，包括气候、土壤、植被和人为活动等。研究发现，气候变量（如年均温度和年均降水量）在表层土壤中对碳密度的影响尤为显著，而在深层土壤中，土壤因素（如黏土含量、砂含量、pH值和土壤湿度）则占据主导地位。

通过分析不同气候情景（如SSP1-2.6、SSP2-4.5和SSP5-8.5）对土壤碳密度的影响，我们发现，在高排放情景（SSP5-85）下，湿地表层土壤碳密度下降幅度最大，达14.00%。而森林、草地和农田的土壤碳密度分别下降了3.39%、8.97%和3.48%。总体而言，表层土壤碳密度在2100年预计下降5.06%。相比之下，深层土壤碳密度的下降幅度较小，但整体趋势仍为减少。这表明，表层土壤对气候变化的响应更为敏感，而深层土壤由于微生物活动受限和物理保护机制的存在，其碳储量变化相对缓慢。

在不同生态系统中，土壤碳密度的变化呈现出不同的特征。湿地虽然具有最高的碳密度，但由于面积较小，其对总碳储量的贡献有限。森林和草地则由于其广泛的分布和深层土壤中较高的碳储量，成为主要的碳储存库。农田的碳密度相对较低，这可能与高强度的农业活动有关，如施肥和农药使用，这些活动可能破坏土壤结构，影响碳氮比，从而加速碳的周转。此外，人为活动如过度放牧、森林砍伐和耕作导致的土壤侵蚀，也对表层土壤碳密度的减少起到了重要作用。

土壤碳密度的变化还受到植被特征的影响，特别是总生物量（TB）和归一化植被指数（NDVI）。在不同生态系统中，这些植被指标与土壤碳密度之间存在复杂的非线性关系。例如，在农田和湿地中，NDVI和TB通常与土壤碳密度呈正相关，而在森林和草地中则可能呈现负相关。这表明，植被恢复和碳输入的增加对于提升土壤碳储量具有重要意义。

此外，土壤pH值对土壤碳密度的影响也值得关注。研究发现，土壤碳密度在中性pH条件下较高，而在酸性和碱性条件下则显著降低。这种现象可能与微生物活动的pH依赖性有关，微生物在中性pH条件下活性最强，而在极端pH条件下则受到抑制，从而影响有机碳的分解和稳定。因此，土壤pH值的变化可能对土壤碳密度产生复杂的双向反馈效应。

在未来的气候变化情景下，湿地生态系统由于其对温度和水文变化的高度敏感性，可能面临最大的碳损失风险。特别是随着全球变暖的加剧，这些高碳密度区域可能会从碳汇转变为碳源。因此，保护湿地并实施恢复措施，如湿地的重新湿润和植被恢复，将是应对未来碳损失的关键策略。

本研究的结果表明，尽管气候是影响土壤碳密度的主要因素，但其作用受到生态系统类型和人类活动的影响。因此，在进行土壤碳评估和管理时，必须综合考虑这些因素，以提高模型的准确性和可靠性。同时，针对不同生态系统的特点，制定相应的管理策略，如在高山生态系统中关注积雪变化和冻土保护，在森林地区推广深根系树种以增强碳向深层土壤的转移，在干旱地区实施节水农业和灌木植被恢复，都是有效应对气候变化对土壤碳储量影响的重要措施。

综上所述，本研究通过整合元分析和机器学习方法，揭示了中国主要生态系统中土壤碳密度的分布特征及其变化的驱动因素。研究结果不仅为提高中国土壤碳评估的准确性提供了科学依据，也为支持国家碳中和目标和全球土壤碳倡议提供了重要的理论基础和实践指导。未来的研究应进一步结合气候轨迹和动态土地利用变化路径，以更全面地评估土壤碳密度的变化范围和管理措施的有效性。