中国土壤有机碳密度数据集（2010-2024）：高分辨率建模与青藏高原碳汇评估

针对中国土壤有机碳（SOC）数据分辨率不足、青藏高原代表性缺失等问题，研究人员通过集成7,852个剖面23,103个样本，结合机器学习（EM）和土壤传递函数（PTF），构建了首个覆盖800 cm深度的全国SOC密度（SOCD）数据集。该成果为碳汇评估和气候政策提供了高精度数据支撑，发表于《Scientific Data》。

　　

土壤是地球最大的陆地碳库，其中有机碳（SOC）的动态变化直接影响全球气候。中国作为碳排放大国，其土壤碳汇潜力对实现“2030碳达峰、2060碳中和”目标至关重要。然而，现有SOC数据存在三大痛点：青藏高原等关键区域样本稀缺、深层土壤（>100 cm）数据匮乏、 bulk density（BD）测量缺失导致SOC密度（SOCD）计算偏差。这些问题严重制约了国家尺度的碳评估精度。

为此，Zhongxing Chen等团队在《Scientific Data》发表了2010-2024年中国SOCD数据集。研究整合了国家土壤普查、开放数据库和82篇文献的23,103个样本，创新性地采用集成建模（Ensemble Modelling, EM）融合支持向量机（SVM）、随机森林（RF）等算法，预测缺失的BD值。通过Granger-Ramanathan加权框架，模型在验证集上达到BD预测R2=0.63、SOCD预测R2=0.83的精度，显著优于传统方法。

关键方法

1. 1.

   数据整合：汇集7,852个剖面（含5,053个BD填补样本），覆盖全国气候带和青藏高原新数据；

2. 2.

   环境变量：引入90m地形（SRTM）、1km气候（WorldClim）、30m植被指数（NDVI）等11类预测因子；

3. 3.

   EM建模：通过SVM、Cubist、RF、GBM四模型加权优化BD预测；

4. 4.

   SOCD计算：基于SOC含量、预测BD、土层深度和粗碎片比例（CF）按公式SOCD=SOC×BD×Depth×(1-CF)/100生成数据集。

研究结果

• •

  模型性能：EM方法将BD预测误差（RMSE）降至0.13 g cm^-3，SOCD预测LCCC（Lin's一致性系数）达0.93；

• •

  垂直分布：数据延伸至800 cm深度，揭示深层碳库占总量37%（中值2.41 kg m^-2）；

• •

  空间特征：填补青藏高原数据空白，显示该区SOCD均值超全国水平（3.85 kg m^-2）。

结论与意义

该研究创建了迄今最完整的中国SOCD数据库，其价值体现在三方面：

1. 1.

   方法学突破：EM框架解决BD数据缺失难题，为全球土壤建模提供新范式；

2. 2.

   政策支撑：高分辨率数据直接服务于国家碳交易和土地管理决策；

3. 3.

   科学发现：证实青藏高原作为关键碳汇区的地位，修正既往低估。

作者在讨论中指出，未来可结合地理加权回归提升空间预测精度。数据集已开源（Zenodo DOI:10.5281/zenodo.15851730），代码公开于GitHub，推动土壤碳循环研究的可重复性发展。