整合地质指标以提升丘陵地区土壤有机质的测绘精度

《Journal of Cleaner Production》：Integrating geological indicators for enhanced mapping of soil organic matter in hilly landscapes

土壤有机质（SOM）分布受地质背景显著影响，本研究以宁沁山区李水区为例，按地质年龄划分为第四纪和非第四纪区域，结合岩性组成等地质因子，利用XGBoost-SHAP模型分析不同地质区下SOM空间异质性和驱动机制差异。结果表明：非第四纪区域SOM空间范围较小（470米）且结构相关性更强（11%），而第四纪区域范围更大（1740米）且随机性更高（43%）。地质分区使SOM预测精度提升10.8%-12.3%，验证了地质因子对SOM分布的长期控制作用，为异质景观区土壤建模和碳封存策略提供依据。

　　土壤有机质（Soil Organic Matter, SOM）是陆地生态系统碳库中的关键组成部分，其动态变化直接影响全球碳循环。SOM的积累和分布不仅关系到气候变暖的缓解，还对土壤结构、养分可用性以及农业生态系统的可持续运行起到重要作用。因此，准确描述SOM的空间分布模式并识别其关键影响因素，对于优化土壤资源管理、制定区域性的碳固存策略具有重要意义。

SOM表现出显著的空间异质性，其形成和分布受到多种环境因素的共同作用，如母质、气候、地形、植被和人类活动等。母质作为土壤形成的物质基础，对土壤的物理、化学和生物学特性具有深远影响。地质背景在这一过程中扮演着至关重要的角色，它决定了母质的岩性组成和矿物成分，进而影响土壤的性质和长期地貌演变。地质背景对SOM的形成、稳定和分布具有根本性的控制作用。然而，当前在SOM空间预测中，对关键地质因素的考虑仍显不足，这在一定程度上限制了预测的准确性以及对SOM形成机制的理解。

本研究以中国江苏省南京市溧水区（Lishui District）所在的宁镇丘陵地区为研究区域，基于地质年代将该区域划分为更新世（Quaternary）和更新世之前（pre-Quaternary）两个地质区。通过引入岩性组成（Lithological Composition, LC）作为环境变量，将地质因素纳入SOM的预测模型中。研究采用XGBoost-SHAP方法，探讨了SOM空间变异的主要驱动因素，并评估了基于地质划分的建模策略对SOM预测精度的影响。研究结果表明，不同地质区的SOM含量存在显著差异。在更新世之前区域，SOM含量的变异范围较短（470米），且结构依赖性较强（ nugget ratio 11%），而在更新世区域，SOM含量的变异范围较大（1740米），随机性更强（ nugget ratio 43%）。此外，驱动SOM分布的机制在两个地质区之间也有所不同。在更新世之前区域，pH值、海拔和长期气候与植被是主要的影响因素；而在更新世区域，岩性组成、季节性气候和人类活动则更为重要。

研究还发现，基于地质划分的建模策略显著提高了SOM预测的准确性。与基于整个研究区域的建模相比，更新世之前区域的SOM预测模型的r2值提高了10.8%，更新世区域的模型r2值提高了12.3%。这一结果凸显了将地质相关变量纳入SOM空间预测的重要性，同时也为在复杂地貌区域开展中尺度土壤建模和区域碳固存策略提供了理论依据和方法支持。

研究区域位于中国江苏省南京市，总面积约为1067平方公里，地理坐标为东经118°51′至119°14′，北纬31°23′至31°48′。该地区属于亚热带季风气候，四季分明，年均温为15.5°C，年均降水量为1077毫米，主要集中在5月至7月。1月和7月分别是该地区最冷和最热的月份，气温分别为2.1°C和28.4°C。溧水区位于宁镇丘陵地区，这一区域地貌复杂，山地与平原交错，土壤类型多样，为研究SOM的空间分布提供了良好的自然条件。

在研究中，我们收集了SOM含量的观测数据，并结合多种环境变量进行分析。这些变量包括岩性组成、土壤质地、母质类型、地形特征、气候条件、植被指数以及人类活动的影响。数据采集过程中，我们特别关注了不同地质区的SOM含量变化趋势，并对其空间分布进行了详细描述。通过统计分析，我们发现更新世之前区域的SOM含量整体上较为稳定，而更新世区域则表现出较大的空间波动性。这种差异可能与两个地质区的母质来源、地质演化历史以及人类活动强度等因素有关。

进一步的分析表明，SOM的空间分布不仅受到当前环境条件的影响，还受到地质历史演变的深刻作用。在更新世之前区域，土壤的形成主要受到长期的地质过程和自然条件的塑造，如母质的风化作用、沉积过程以及气候的长期变化。而在更新世区域，由于地质活动的活跃性，土壤的形成和演化过程受到更多的短期因素影响，如季节性气候变化、人类耕作活动和土地利用方式的改变。这些因素共同作用，导致SOM含量在更新世区域表现出更大的空间异质性。

在研究过程中，我们采用了XGBoost-SHAP方法进行SOM的空间预测和关键驱动因素的识别。XGBoost作为一种集成学习算法，具有强大的非线性建模能力，能够有效处理高维环境数据，同时保持较高的预测精度和计算效率。然而，XGBoost的复杂性也使得其模型解释性较差，存在“黑箱”问题。为了克服这一局限，我们引入了SHAP（SHapley Additive exPlanations）框架，该框架能够将模型预测结果分解为各个变量的贡献值，从而揭示不同因素对SOM分布的具体影响。通过结合XGBoost和SHAP，我们不仅获得了高精度的SOM空间分布预测，还深入理解了各因素在不同地质区中的相对重要性。

研究结果表明，在更新世之前区域，pH值、海拔和长期气候与植被是SOM含量变化的主要驱动因素。pH值对土壤有机质的分解和积累具有显著影响，酸性土壤通常不利于有机质的稳定，而碱性土壤则有助于有机质的保存。海拔的高低影响了温度和降水的分布，进而影响植被的生长状况和土壤有机质的输入与输出。长期的气候条件和植被覆盖决定了土壤有机质的来源和转化过程，对SOM的长期积累和稳定具有重要作用。而在更新世区域，岩性组成、季节性气候和人类活动对SOM含量的影响更为显著。岩性组成决定了土壤母质的物理和化学性质，进而影响有机质的分解速率和稳定性。季节性气候的变化对土壤有机质的输入和输出具有直接影响，尤其是在降雨量较大的季节，有机质的输入量显著增加。此外，人类活动如农业耕作、土地利用变化和城市化进程，也对SOM的分布产生了重要影响，这些活动改变了土壤的物理结构和化学环境，从而影响了有机质的积累和稳定性。

本研究的结果不仅揭示了地质因素在SOM空间分布中的重要作用，还为基于地质划分的土壤建模提供了新的思路。通过将地质背景纳入环境变量系统，我们能够更准确地预测SOM的空间分布模式，并识别其关键影响因素。这不仅有助于提高土壤碳库的估算精度，还为制定区域性的碳固存策略提供了科学依据。此外，研究还表明，结合地质因素和环境变量的建模方法在复杂地貌区域中具有更高的适用性和准确性，这为数字土壤制图技术的发展提供了新的方向。

在实际应用中，基于地质划分的SOM预测模型可以为土地管理和生态保护提供有力支持。例如，在更新世之前区域，由于SOM含量的稳定性较高，可以优先考虑在这些区域开展土壤碳固存项目，以提高土壤的碳储存能力。而在更新世区域，由于SOM含量的波动性较大，需要更加细致的监测和管理措施，以应对气候变化和人类活动带来的不确定性。此外，研究还强调了在进行土壤建模时，应充分考虑不同地质区的特性，以避免模型的泛化误差，提高预测的准确性和可靠性。

从方法论的角度来看，本研究采用的XGBoost-SHAP框架在土壤有机质预测中具有显著优势。XGBoost的强大学习能力使其能够捕捉复杂的非线性关系，而SHAP框架则提供了模型解释性，使研究者能够明确各个环境变量对SOM含量的具体贡献。这种结合不仅提高了预测模型的准确性，还增强了模型的可解释性，为土壤科学和环境研究提供了新的工具和方法。未来的研究可以进一步拓展这一框架的应用范围，探索其在其他土壤属性预测中的潜力，如土壤养分含量、土壤水分保持能力等。

此外，本研究还强调了在进行土壤建模时，应综合考虑多种环境因素，而不仅仅是单一的气候或植被变量。地质因素作为土壤形成的物质基础，对SOM的空间分布具有深远影响。因此，在未来的土壤建模工作中，应更加重视地质因素的集成，以提高模型的预测能力和科学性。同时，研究还指出，不同地质区的SOM积累机制存在差异，这意味着在进行区域碳固存策略制定时，需要根据地质背景进行针对性的规划和管理。

综上所述，本研究通过将地质因素纳入SOM空间预测模型，揭示了地质背景对SOM分布的重要影响，并验证了基于地质划分的建模策略在提高预测精度方面的有效性。研究结果不仅为土壤科学和环境研究提供了新的视角，也为土地管理和生态保护提供了科学依据。未来的研究可以进一步探索地质因素与其他环境变量之间的相互作用，以更全面地理解SOM的形成机制和空间分布规律。