黄土高原"退耕还林"后土壤剖面无机碳含量与密度的数字化制图研究

本研究针对黄土高原退耕还林后土壤无机碳(SIC)空间分布预测的空白，通过142个土壤剖面数据结合环境协变量，系统评估了随机森林(RF)、支持向量机(SVM)和Cubist模型的预测性能。研究发现土地利用显著影响SIC含量(SICC)和密度(SICD)的垂直分布，随机森林模型表现最优(R2达0.514)，估算总SIC储量为286.92×106 kg，其中49%存在于100-200 cm深层土壤。该研究为干旱半干旱区碳循环评估和可持续土地管理提供了重要依据。

　　

在全球气候变化背景下，土壤碳库的动态变化日益受到关注。作为陆地生态系统中最大的碳库，土壤碳包含有机碳(SOC)和无机碳(SIC)两大组分。在干旱半干旱区，SIC储量通常是SOC的2-10倍，对全球碳循环具有重要影响。然而，当前研究多集中于SOC，对SIC空间分布预测及其驱动因素的认识仍存在显著空白。特别是在中国黄土高原这类典型钙质土壤区，实施"退耕还林"工程后，土地利用变化如何影响SIC的垂直分布格局，仍是亟待解决的科学问题。

针对这一研究缺口，来自中国科学院等机构的研究团队在《International Soil and Water Conservation Research》发表了关于黄土高原纸坊沟流域SIC空间分布的研究。该研究通过整合142个土壤剖面数据与地形、植被、遥感等多源环境协变量，系统比较了随机森林(RF)、支持向量机(SVM)和Cubist三种机器学习模型在预测SIC含量(SICC)和密度(SICD)方面的性能，并首次实现了该区域0-200 cm全剖面高分辨率SIC制图。

研究采用了分层随机采样策略，在8.3 km²的流域内按200 m×200 m网格采集土壤样品，测定碳酸钙含量并计算SICC和SICD。通过FRAGSTATS 4.2软件计算12个景观指标，结合HJ-1A/B卫星多光谱数据(包括蓝、绿、红、近红外和短波红外波段)和5 m分辨率数字高程模型(DEM)提取的环境因子，构建预测模型。采用10折交叉验证评估模型性能，并通过100次bootstrap运算量化预测不确定性。

3.1 描述性统计与相关性分析
研究发现SICC在0-200 cm剖面呈先增后减趋势，20-60 cm层达到峰值(14.28-14.44 g/kg)。SICD则表现为表层低(0-10 cm平均1.62 kg m^-2)、深层高(100-120 cm达3.57 kg m^-2)的特征。土地利用类型显著影响SIC分布，林地SICC普遍高于农田，尤其在0-20 cm层差异显著(p<0.05)。景观分析显示，草地和林地的景观指标与SIC呈正相关，而建设用地和农田则呈负相关，表明自然植被有利于碳积累。

3.2 地统计分析
半变异函数分析表明，SICC和SICD的空间依赖性主要受内源因素(如母质)和外源因素(如人类活动)共同影响。球状和高斯模型最适合描述其空间结构，空间自相关范围在213-946 m之间。表层土壤(0-20 cm)的空间变异更多受人类活动驱动，而深层(20-30 cm和40-140 cm)则主要由自然因素控制。

3.3 模型性能比较
RF模型在预测SICC和SICD方面均表现最优，测试集R²分别为0.317-0.514和0.282-0.490。不确定性分析显示，RF的预测稳定性最高(不确定性值多<0.30)，而Cubist模型不确定性最大。西北和东南部高SIC区域的不确定性较高，可能与数据离散化有关。

3.4 空间分布与碳储量
制图结果显示，流域SIC呈西北和东南高、中部低的分布格局。RF模型估算总SIC储量为286.92×10⁶ kg，其中100-200 cm深层贡献达49%。不同土地利用类型的SIC储量依次为：林地(146.59×10⁶ kg)>草地(89.17×10⁶ kg)>农田(42.93×10⁶ kg)>建设用地(8.23×10⁶ kg)。

该研究首次实现了黄土高原小流域尺度SIC的全剖面高精度制图，揭示了"退耕还林"工程对深层碳汇的积极影响。主要创新点包括：(1)证实100-200 cm深层土壤储存了近半数SIC，修正了传统仅评估表层碳库的偏差；(2)量化了景观格局与SIC的空间关联，为基于景观优化的碳管理提供依据；(3)建立了适用于复杂地形区的RF预测框架。这些发现对准确评估干旱区碳循环、制定可持续土地政策具有重要科学价值，特别是为全球变化背景下深层碳库的响应机制研究提供了新视角。研究也指出未来需结合更高分辨率遥感数据(如Sentinel-2)和更大深度采样(如300 cm)来进一步降低不确定性。