编辑推荐：
为解决传统湿化学方法估算土壤有机碳（SOC）储量成本高、耗时长等问题，研究人员探讨 Vis-NIR 实验室光谱技术的应用。测试间接（PLSR 模型预测 SOC 含量和容重（BD））与直接法，发现间接法更优，证实该技术具快速等优势，为 SOC 估算提供新方向。
土壤作为陆地生态系统的 “碳库”，在全球碳循环中扮演着关键角色。土壤有机碳（Soil Organic Carbon, SOC）储量的微小变化，都可能对大气温室气体浓度产生显著影响，进而波及气候变化。然而，传统估算 SOC 储量的湿化学方法，如干燃烧法和硫酸铬氧化法，不仅成本高昂、操作繁琐，还需使用危险试剂，产生大量废弃物。同时，测量土壤容重（Bulk Density, BD）需采集原状土样，过程耗时费力。此外，SOC 储量受土壤性质、微气候等因素影响，空间异质性强，传统 “测量 - 相乘（MAM）”“按数描绘（PBN）” 等方法难以应对复杂的环境条件，亟需一种快速、高效、无损的替代技术。
在这样的背景下，印度喀拉拉邦研究人员开展了利用可见 - 近红外（Visible-Near Infrared, Vis-NIR；400–2500 nm）实验室光谱技术估算 SOC 储量的研究，相关成果发表在《CATENA》。该研究旨在探索 Vis-NIR 光谱技术在土层和土壤剖面尺度估算 SOC 储量的潜力，对比直接法与间接法的性能，并评估聚类与非聚类校准场景对模型可靠性的影响，为精准监测土壤碳库、助力全球碳循环研究和气候变化应对提供科学依据。
研究主要采用以下关键技术方法：采集印度喀拉拉邦 3 个村庄 84 个土壤剖面的 361 份样品，获取 SOC 含量、BD 等数据；运用偏最小二乘回归（Partial Least Squares Regression, PLSR）模型构建预测模型，设置两种校准场景 —— 非聚类场景（75% 数据校准、25% 验证）和聚类场景（两村样品校准，第三村验证）；通过直接法（PLSR 模型直接预测每层 SOC 储量）和间接法（PLSR 模型分别预测 SOC 含量和 BD，再结合实测层深度计算）估算 SOC 储量，并聚合得到剖面总储量。
初步结果
361 份样品的 SOC 含量范围为 0.04%–4.56%，平均值 1.32%。其中，阿迪马利村（Adimali）平均 SOC 含量最高（1.65%），变异系数（64%）也最大；瓦塔瓦达村（Vattavada）SOC 含量变异系数最低（40%）。平均 BD 为 1.30±0.19 Mg/m3，马莱尤尔村（Marayoor）土壤 BD 较高（平均 1.44 Mg/m3），高于瓦塔瓦达（1.25 Mg/m3）和阿迪马利。
SOC 储量的景观差异
不同村庄 SOC 含量和储量的差异与土地利用和管理实践相关。阿迪马利较高的 SOC 含量可能归因于种植园作物，其落叶增加有机质积累且土壤扰动少；而瓦塔瓦达和马莱尤尔的一年生作物系统因频繁耕作，导致 SOC 含量较低。
模型性能对比
在非聚类校准场景中，间接法在土层和剖面尺度的预测精度均优于直接法，验证决定系数（R2val）为 0.70，直接法为 0.52。聚类场景中，模型性能因校准集不同而异，显示出空间分隔数据集对模型可靠性的影响。总体而言，Vis-NIR 光谱技术在实验室环境下展现出良好的 SOC 储量预测能力，间接法通过整合光谱数据与 BD 等中间属性，显著提升了估算准确性。
结论与讨论
研究证实，Vis-NIR 实验室光谱技术是一种有前景的 SOC 储量估算方法，兼具快速、无损、成本效益高的特点。间接法通过 PLSR 模型分别预测 SOC 含量和 BD，克服了直接法的局限性，在不同尺度上均表现更优。校准场景的选择对模型性能至关重要，非聚类场景的随机采样和聚类场景的空间分组为跨区域应用提供了校准策略参考。然而，该技术在农业景观中的大规模应用仍需积累更多数据，并进一步优化方法，以应对复杂的土壤空间异质性。该研究为土壤碳库监测提供了新的技术范式，对提升全球碳建模精度、指导土地管理实践以增强 SOC 固存、应对气候变化具有重要意义。
