结合地统计学与机器学习技术精准预测巴西亚马逊地区土壤有机碳分布

《Trees, Forests and People》:Modeling Soil Organic Carbon in the Brazilian Amazon with Geostatistical and Machine Learning Techniques

【字体: 大 中 小 】 时间:2026年01月09日 来源:Trees, Forests and People 2.7

编辑推荐:

  本研究针对巴西亚马逊地区土壤有机碳(SOC)空间分布预测精度不足的问题,通过整合486个地理参照样本,系统比较了反距离权重(IDW)与多种机器学习算法(随机森林RF、支持向量机SVM、多元线性回归MLR、人工神经网络ANN)的预测性能。结果表明,RF对SOC含量预测精度最高(R2=0.96),而IDW对SOC储量预测最优(R2=0.88),并揭示黏粒含量、温度和土地利用是驱动SOC变异的关键因素。该研究为热带地区碳核算和土地管理提供了可迁移的建模框架。

  
在全球碳循环中,土壤有机碳(SOC)库扮演着关键角色,尤其在巴西亚马逊这类生态敏感区,其动态变化直接影响气候系统的稳定性。然而,由于热带地区土壤采样成本高、空间分布不均,传统方法难以精确刻画SOC的空间异质性。与此同时,亚马逊地区持续的森林砍伐和农业扩张导致大量SOC流失,加剧了大气CO2浓度上升。尽管已有研究尝试通过遥感或统计模型估算SOC,但复杂的热带环境非线性关系使得预测结果存在较大不确定性。因此,开发能够融合多源数据、兼顾空间自相关性与环境因子交互作用的高精度SOC预测模型,成为当前碳循环研究和土地管理决策的迫切需求。
为应对这一挑战,Gizachew Ayalew Tiruneh等研究者在《Trees, Forests and People》发表论文,首次在巴西亚马逊地区系统对比了地统计学与机器学习方法在SOC预测中的性能。研究团队整合了486个土壤样本(含226个历史数据),测定0–30 cm和30–60 cm土层的SOC含量、容重(BD)、黏粒比例等参数,并结合温度、坡度、高程等环境变量,采用10折交叉验证评估了IDW、RF、SVM、MLR和ANN五种模型的预测精度。
关键技术方法包括:基于手持GPS的样点空间定位、Walkley-Black湿氧化法测定SOC含量、环刀法测量土壤容重,并利用ArcGIS 8.0进行空间插值与制图。机器学习模型通过RStudio实现,特征重要性分析采用可解释性ML包,模型优化通过10折交叉验证完成,以降低过拟合风险。

3.1. 描述性统计

数据显示SOC含量与储量均呈现森林 > 牧场 > 农田的梯度规律。森林表层土壤(0–30 cm)SOC含量最高达4.35%,而农田底层(30–60 cm)最低至1.81%。黏粒含量和容重在不同土地利用类型间差异显著,森林土壤黏粒占比高(39.01%)、容重低(1.04 g/cm3),农田则相反。这一结果印证了植被覆盖对土壤结构的保护作用。

3.2. 土地利用与土壤深度对SOC的影响

方差分析表明,土地利用类型极显著影响SOC分布(p < 0.001)。森林生态系统因持续的凋落物输入和低干扰环境,SOC储量达135.27 Mg C ha?1,而农田由于耕作扰动和有机输入减少,储量降至74.46 Mg C ha?1。深层土壤(30–60 cm)的SOC损失进一步凸显了土地利用变化对全剖面碳库的深远影响。

3.3. 模型性能比较

RF在SOC含量预测中表现最优(R2=0.96,RMSE=0.02),而IDW对SOC储量的预测精度最高(R2=0.88)。非线性模型(RF、ANN)在捕捉复杂环境交互作用上优于线性模型(MLR),但IDW在空间自相关性强、采样密集的场景下仍具优势,说明传统地统计学方法在特定条件下不可替代。

3.4. 变量重要性分析

RF模型显示黏粒含量(21.32%)和温度(20.41%)是SOC含量的首要驱动因子,而ANN模型则更强调温度(31.38%)的作用。土地利用类型与容重在线性模型(MLR)中贡献度合计超过67%,揭示了人为管理对SOC动态的强控制作用。各模型一致表明,气候因子与土壤物理性质的交互效应是热带SOC空间分异的核心机制。

3.5. SOC空间制图

基于RF和IDW的预测图显示,森林区SOC储量(103.89–261.95 Mg C ha?1)显著高于农田(80.05–86.06 Mg C ha?1)。东部高温区域因黏粒含量高仍保持较高SOC,而西部尽管温度较低却因质地偏砂导致碳稳定性差,印证了多因子协同作用对碳库的调控。
研究结论强调,森林保护是维持亚马逊土壤碳库的关键,而RF与IDW的混合框架为数据稀缺区的碳核算提供了可扩展方案。该成果不仅深化了对热带SOC驱动机制的理解,更通过可迁移的建模系统,为全球碳计量、可持续农业和气候适应性土地规划提供了技术支撑。未来结合实时遥感数据与混合模型,有望进一步提升大尺度SOC预测的时效性与精度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号