中国退耕还林通过机器学习模型估算在土壤有机碳恢复中超越自然弃耕的时效与碳汇潜力研究

来自中国的研究团队针对退耕后土壤有机碳(SOC)恢复阈值不清的问题，整合211项研究的3502组SOC观测数据，结合41种环境协变量和可解释机器学习模型，首次在全国尺度量化了退耕后SOC动态。研究发现退耕3.77±0.91年时SOC开始净积累，期间损失3.13±0.52 Mg C ha?1；而人工造林可使阈值提前47.7%，减少1.75±0.50 Mg C ha?1的碳损失，相当于全国尺度减少10.55±3.01 Tg C。该研究为基于自然的碳中和策略提供了重要科学依据。

　　

当农田被弃耕后，表层土壤有机碳(Surface Soil Organic Carbon, SOC)的动态变化往往呈现先降后升的规律。但究竟要经历多少年SOC储量才会开始净增加（本研究称之为"阈值"）？这个关键时空特征尚未被充分揭示。虽然人工造林被视为基于自然的有效策略，但其对SOC恢复的实际效益仍需深入探究。

科研团队创新性地整合了来自211篇文献的3502组SOC观测数据，结合41种空间显式环境协变量，运用可解释机器学习模型，首次在像元尺度模拟了中国退耕农田早期SOC动态。通过精准识别SOC恢复阈值，量化了0-30厘米表层SOC的损失量。

模拟结果显示：自然弃耕情况下，SOC恢复阈值平均为3.77±0.91年（标准差），期间每公顷损失3.13±0.52兆克碳(Mg C ha^?1)。而人工造林策略展现出惊人潜力——可使这一阈值提前47.7%（约1.97±1.36年），不过存在显著空间异质性。深入分析更发现，在退耕初期阶段，造林还能减少1.75±0.50 Mg C ha^?1的SOC损失，换算至全国所有退耕农田，相当于保护了10.55±3.01太克碳(Tg C)。

这些发现犹如给生态修复工程注入强心剂：人工造林不仅能加速SOC恢复进程，更能有效阻止宝贵的碳资源流失。该研究为制定精准的碳中和政策提供了关键科学支撑，让基于自然的解决方案在应对气候变化中发挥更大作用。