基于地理第三定律的小样本时间序列土壤有机碳密度高精度制图方法研究

本研究针对大区域高精度时空土壤有机碳密度(SOCD)制图中样本不足的难题，创新性应用地理第三定律（地理相似性原理），提出加权多元相似性指数和相似性阈值指数(STI)，通过相似性驱动框架将样本量提升3倍并增强空间代表性。研究设计四种建模方案，结果显示基于相似性扩展样本的S3-1980s模型较传统S1-1980s模型显著提升，R2从0.04增至0.64，RMSE从2.47降至1.36 kg C m?2，为小样本条件下数字土壤制图(DSM)提供了新范式。

　　

在全球气候变化背景下，土壤有机碳(SOC)作为陆地生态系统最大的碳库，其动态变化直接影响碳平衡与气候调节。然而，传统土壤调查方法耗时耗力，大区域高精度时空土壤有机碳密度(SOCD)制图长期面临样本不足的瓶颈。现有数字土壤制图(DSM)技术虽能建立土壤-环境关系模型，但依赖充足且空间均衡的样本支持，而全球开放土壤数据集如SoilGrids、HWSD等存在样本分布不均、时空连续性差等问题。尤其在中国广东等典型区域，历史土壤样本严重匮乏（1980s仅39个样本），导致模型预测存在显著不确定性。

针对这一挑战，来自深圳职业技术学院、中国科学院地理科学与资源研究所等机构的研究团队创新性地将地理第三定律（又称地理相似性定律）引入DSM领域。该定律指出"地理环境越相似，地理特征越接近"，为小样本条件下利用环境相似性扩充有效样本提供了理论依据。研究人员在《Geoderma》发表论文，通过构建加权多元相似性指数和相似性阈值指数(STI)，系统解决了样本数量与质量的平衡问题，并设计四种建模策略实现广东地区40年SOCD时空重建。

关键技术方法包括：1) 整合19类SCORPAN环境因子（土壤属性、气候、植被等），开发考虑变量权重的Gower距离相似性算法；2) 基于6137个全国土壤样本构建相似性扩展数据集，通过STI指数优化阈值选择；3) 采用随机森林(RF)算法，对比四种建模策略（分时段本地样本、整合多时段样本、分时段相似样本、整合多时段相似样本）的性能差异。

研究结果部分显示：

3.1 样本量扩展与统计特征
通过STI指数优化，样本量最高提升至原始数据的3倍（如1980s从39个增至177个）。相似性阈值呈现时段差异（1980s=0.738，2010s=0.880），扩展后数据集统计特征与原始样本保持高度一致（均值差异<0.3 kg C m^?2），验证了方法可靠性。

3.2 模型性能与SOCD图谱
相似性扩展样本显著提升模型精度：S3-2010s模型R²达0.82（RMSE=1.24 kg C m^?2），而仅用本地样本的S1-1980s模型R²仅0.04。时空图谱显示2000s后广东SOCD显著增加，高值区（>6.5 kg C m^?2）从北部山区向中部扩展，与植被指数(NDVI)、降水(MAP)等环境因子驱动规律吻合。

3.3 不确定性分析
预测不确定性在复杂地形区（北部山地）和快速城市化区（珠三角）较高。相似性样本模型(S3/S4)较传统模型(S1/S2)标准差降低15%-30%，尤其在2010s实现68%区域标准差<0.20 kg C m^?2。

讨论部分指出，该研究首次将地理相似性原理系统应用于DSM样本扩充，相比生成对抗网络(GANs)等纯数学方法，更注重土壤形成过程的物理意义。与全球土壤数据集对比显示，S4策略与Liu等(2022)中国土壤栅格数据R²达0.64，显著优于HWSD(R²=0.21)。研究同时承认当前静态相似性度量的局限，建议未来引入"过程相似性"概念，结合气候变化速率、人类干扰强度等动态指标。

这项研究为资源受限地区的长期土壤碳监测提供了可行方案，其方法论价值不仅限于SOCD制图，还可拓展至其他环境要素的空间预测。通过弥合地理学定律与土壤学的理论鸿沟，推动了DSM技术在"小数据"场景下的创新发展，对全球碳循环研究和"双碳"目标实现具有重要实践意义。