黄土高原土壤有机与无机碳库的协同变化机制及其对气候变化的响应

本研究针对黄土高原土壤碳库(SOC/SIC/STC)估算不精确、驱动机制不明的问题，通过241个采样点的2 m剖面数据构建机器学习模型，首次量化了6.5 Pg SOC和13.4 Pg SIC的储量分布，揭示土壤pH驱动的有机-无机碳权衡机制，预测酸化将导致2100年前26-42 Tg C损失，为全球干旱区碳循环研究提供新范式。

　　

在全球气候变化背景下，土壤作为最大的陆地碳库，其有机碳(SOC)和无机碳(SIC)的动态平衡直接影响大气CO₂浓度。然而，传统研究存在"重SOC轻SIC"的严重偏颇——尽管SIC在干旱区储量可达SOC的10倍，其响应机制却长期被视为"惰性"。黄土高原作为全球最大的风成沉积区，其640,000 km²的土壤碳库估算仍依赖1980年代调查数据，且90%研究仅采样1 m深度，导致深层碳库(1-2 m)和有机-无机碳交互机制成为"黑洞"。更严峻的是，氮沉降、造林等人类活动加速土壤酸化，可能触发SIC大量分解，但这一过程尚未纳入全球碳模型。

西北农林科技大学联合国内外团队在《Global and Planetary Change》发表的研究，通过241个标准化采样点(2015-2016年采集，覆盖2 m全剖面)构建了集成机器学习模型，首次实现SOC、SIC及总碳(STC)的高精度三维制图。关键技术包括：1)采用空间分层随机采样覆盖全高原生态梯度；2)开发兼顾SOC-SIC协同变化的深度校正函数；3)应用XGBoost-RF混合算法优化非线性预测；4)基于RCP4.5/8.5情景模拟未来碳通量。

主要结果

1. 土壤有机和无机碳储量分布：0-2 m土层SOC密度(100 Mg ha^?1)仅为SIC(206 Mg ha^?1)的一半，但22% SOC富集于表层30 cm，而SIC呈均匀分布。高原东部因较高降水形成SOC热点(150 Mg ha^?1)，西部干旱区则主导SIC积累(>300 Mg ha^?1)。

2. 模型性能突破：新模型将STC预测误差降至12.8%(传统方法>30%)，揭示pH是SOC-SIC权衡的关键枢纽——当pH<7.5时，每降低0.1单位会引发4.3 Mg ha^?1 SOC增加但伴随5.8 Mg ha^?1 SIC损失。

3. 未来情景预测：到2100年，持续酸化将使高原STC净损失26-42 Tg C，相当于当前碳汇功能的17-28%，其中SIC分解贡献81%的碳释放。

结论与意义
该研究颠覆了"无机碳稳定论"的认知，首次量化了pH介导的SOC-SIC拮抗效应，提出干旱区碳评估必须"有机-无机双轨并行"。其2 m全剖面数据集填补了全球深层碳库空白，机器学习框架为其他干旱区研究提供模板。政策层面，研究警示当前"纯SOC导向"的碳汇政策可能适得其反——例如盲目造林导致的酸化反而加速SIC分解。这项成果直接支撑IPCC第七次评估报告关于无机碳反馈机制的章节，为实现"碳中和"目标提供关键科学依据。