科特迪瓦中部可可种植区土壤有机碳空间分布特征及其作为土壤健康指标的研究

推荐：本研究针对科特迪瓦可可种植区土壤健康退化问题，采用数字土壤制图（DSM）技术结合随机森林算法（RF），对比空间交叉验证（LLOCV）与传统验证方法，揭示了土壤有机碳（SOC）空间分布规律及其驱动因素。结果显示研究区SOC含量普遍低于2%，且海拔是影响其空间变异的关键因子，为可可种植区精准施肥和土壤碳管理提供了科学依据。

　　

在科特迪瓦这个全球最大的可可生产国，可可产业贡献了超过10%的GDP，但长期的扩张式种植导致严重的森林砍伐和土壤退化。随着人口增长和气候变化加剧，土壤有机碳（SOC）持续下降，直接威胁着可可的可持续生产。SOC作为土壤健康的核心指标，不仅为微生物提供能量，还影响土壤结构和养分循环，但其在可可景观中的空间分布规律长期缺乏系统研究。更棘手的是，当前可可施肥推荐采用"一刀切"模式（150 kg acre^?1），忽视了土壤的空间异质性，造成资源浪费和效率低下。

为破解这一难题，Guillaume Kouassi团队在《International Soil and Water Conservation Research》发表研究，首次对科特迪瓦中部Sinfra和Vavoua两个可可主产区的SOC进行高精度制图。研究采用分层随机采样设计，在10×10 km样区内设置160个采样点，采集0-20 cm（表土）和20-50 cm（底土）土层样本。通过中红外光谱（MIR）结合湿化学分析测定SOC含量，并整合30米分辨率的地形、气候和遥感数据等32个环境协变量。创新性地对比了考虑空间自相关的留位置交叉验证（LLOCV）与传统随机交叉验证（RF-CV）的预测效果，采用Shapley值解析关键驱动因子。

4.1 土壤基本特征分析

数据显示研究区SOC含量整体偏低，表土SOC（1.06-1.40%）显著高于底土（0.81-0.93%），且变异系数达21.88-41.67%，呈现中度空间异质性。有趣的是，Sinfra地区耕作地的SOC反而高于非耕作地，这与常规认知相反，暗示当地耕作系统可能存在特殊有机质管理措施。

4.2 数字土壤制图性能比较

LLOCV模型在独立验证中展现出显著优势：在Vavoua底土的预测误差（RMSE）比传统方法降低45%，林氏一致性系数（LCCC）提高62%。空间不确定性分析显示，LLOCV生成的SOC地图90%预测区间范围更窄，尤其在SOC高值区具有更高可靠性。这表明对于空间聚集的采样设计，考虑空间自关联能大幅提升模型外推能力。

4.2.2 关键驱动因子解析

Shapley值分析揭示海拔是SOC分布的首要控制因素，贡献度远超其他变量。在Vavoua地区，当年降水量超过1140 mm时SOC呈现下降趋势；而Sinfra地区的地形曲率与SOC呈正相关。二维贡献图显示，当海拔>260 m（Vavoua）或>230 m（Sinfra）时，SOC含量可达1.3%以上，这些区域多保留自然植被，印证了地形通过影响微气候和人为干扰强度间接调控SOC积累。

4.2.3 SOC空间分布格局

制图结果显示SOC高值区（>1%）主要分布在西部和东部高地，而东北至南部平原地带普遍低于1%。与全球土壤数据库SoilGrids对比发现，后者在本地尺度上系统性高估SOC含量，凸显区域特异性建模的重要性。不确定性分析表明，SOC高值区的预测不确定性同步升高，这与其处于复杂地形过渡带相关。

5.3 对可可种植的启示

研究区SOC水平（<2%）远低于可可优质生产标准（2.5-3.5%），这解释了为何当地可可复种失败率居高不下。作者指出，单纯依赖化肥难以持续，必须优先重建土壤有机质库。具体建议包括：在高海拔区域建立生态保护区，在耕作区推广可可农林复合系统（agroforestry），并配合有机改良剂（如生物炭）使用。研究创新的LLOCV框架为热带农业景观的精准土壤管理提供了方法论范例，其绘制的SOC"冷热点"图谱可直接指导差异化施肥策略。

这项研究的深远意义在于，首次量化了西非可可带核心产区的土壤碳储量危机，为突破"低SOC-低产-新垦林地"的恶性循环提供了科学抓手。随着欧盟等市场对"零毁林"可可的监管趋严，该成果不仅助力科特迪瓦实现可持续生产目标，也为全球热带经济作物区的土壤健康评估树立了新标杆。