多年度作物覆盖数据驱动的数字土壤制图：模型精度提升与土壤性质解析新视角

本研究针对传统数字土壤制图(DSM)中植被动态表征不足的问题，创新性地利用13年作物频率(CrFr)数据构建预测模型。通过随机森林算法对6种土壤属性(BD/OC/AT/TN/pH/CEC)进行建模，发现CrFr显著提升BD/OC/AT/TN预测精度（CCC提高0.04-0.15），揭示森林与作物对土壤属性的差异化影响，为精准农业土壤管理提供新工具。

　　

土壤作为农业生产的根基，其属性空间变异特征一直是精准农业研究的核心难点。传统数字土壤制图(DSM)虽能整合环境协变量，但对植被动态的表征多依赖单年度的归一化植被指数(NDVI)，难以捕捉作物轮作对土壤的长期累积效应。在加拿大渥太华地区，这种局限性尤为突出——该区域兼具多样化作物种植与复杂地形特征，亟需能反映多年植被管理历史的建模方法。

针对这一挑战，Babak Kasraei团队在《Geoderma》发表创新研究，首次将13年作物清单(ACI)数据转化为5类作物频率(CrFr)协变量，结合54种环境因子构建随机森林模型。通过对比含/不含CrFr的模型性能，不仅量化了长期植被覆盖对土壤属性的塑造机制，更建立了可解释的作物-土壤响应关系框架。

关键技术方法包括：1) 基于2009-2021年ACI数据生成森林/谷物/玉米等5类CrFr栅格；2) 采用方差膨胀因子(VIF<5)和递归特征消除(RFE)筛选协变量；3) 10折交叉验证(20次重复)评估模型性能；4) 结合部分依赖图(PDP)和分位数回归后处理(QRPP)解析变量关系。研究样本涵盖渥太华地区1,633个土壤剖面，分析BD/OC等6项表层土壤属性。

【研究结果】

3.1 协变量选择：RFE分析显示CrFr使BD模型协变量从49个优化至54个，CCC提升0.15，验证了多年度作物数据的增效作用。

3.2 模型验证：CrFr显著改善BD/OC/AT/TN预测（p<0.001），其中OC的CCC从0.31升至0.44。但对pH/CEC影响微弱，证实后者更多受母质等内在因素控制。

3.3 后验分析：

• •

  BD模型：森林频率与BD呈负相关（β=-0.23），而玉米/大豆耕作年限每增加1年，BD上升0.05 g/cm³

• •

  OC动态：森林正效应(β=+1.8)与玉米负效应(β=-0.9)形成对比，NDVI_min呈现U型关系

• •

  AT悖论：森林关联较薄Ah层（20cm），而农田Ap层厚达35cm，反映耕作扰动差异

3.4 不确定性：QRPP显示农田区MPI降低15%，得益于样本密集度和耕作均质化效应。

【结论与意义】

该研究开创性地证实：1) CrFr协变量能有效捕捉作物轮作对BD/OC等"敏感属性"的累积效应；2) 森林与作物对土壤形成存在拮抗作用——前者促进OC积累但抑制AT发育，后者则相反；3) pH/CEC主要受控于地质背景，印证了SCORPAN框架中"P"因子的主导地位。

方法论上，建立的13年植被动态分析框架突破了传统NDVI的瞬时性局限，为全球农业区DSM提供了可复制的技术路径。实践层面，揭示的玉米连作导致OC下降（年均0.07%）等规律，可直接指导保护性耕作实施。未来研究可结合土壤微生物组数据，进一步解析植被-土壤的生物学驱动机制。