土壤表型分析：整合表观土壤特征与近域土壤传感技术，以实现受管理土壤变异性的时空特征描述

《Soil and Tillage Research》：Soil phenotyping: Integrating phenosoils and proximal soil sensing for spatiotemporal characterisation of managed soil variability

　　•土壤表型分析整合了基因土壤-表型土壤和近距传感技术，以量化土壤在空间和时间上的变异性。•多传感器平台结合人工智能/数字土壤制图技术，使得能够进行高密度、低成本的土壤属性表征。•其输出结果通过空间指标、诊断工具和数字地图支持精准管理、土壤评估和安全性。

引言
自早期认识到土壤在景观中表现出复杂的空间模式以来（Beckett 和 Webster, 1971），土壤变异性的表征一直是土壤科学中的一个基本挑战。传统的土壤调查方法虽然提供了有价值的分类信息，但往往受到其定性性质、高成本和耗时程序的限制。农业系统的集约化以及全球对土壤资源的日益增加的压力，迫切需要全面的方法来理解和监测多个空间和时间尺度上的土壤变性（Evangelista 等, 2023a）。最近在土壤科学领域的进展引入了两个互补的概念，当这两个概念结合起来时，为理解和绘制土壤变性提供了强大的框架。首先是表型土壤和基因土壤的概念，这为区分自然土壤状态和人为管理改变的土壤状态提供了理论基础（Rossiter 和 Bouma, 2018; Roman Dobarco 等, 2023）。其次是近距土壤传感技术和高分辨率遥感技术的快速发展，现在可以快速、低成本地测量土壤属性及其空间模式（Viscarra Rossel 等, 2011）。

同时，田间植物表型分析展示了将先进传感技术与生物学概念相结合以增强我们对植物-环境相互作用理解的强大能力（Araus 和 Cairns, 2014; Granier 和 Vile, 2014; Michels 等, 2025）。植物表型分析被定义为对植物解剖结构、生长发育、生理和生化属性的定量描述（Walter 等, 2015; Chaplin 等, 2025）。在受控环境中的高通量表型分析平台能够详细分析植物特征，但由于现实世界条件的复杂性和变异性，这些发现往往无法转化为田间表现的改善。此外，田间土壤的变异性、水分动态以及植物间的相互作用与受控环境中的情况有很大不同，使得诸如抗旱性等特征在盆栽实验中难以准确评估。因此，田间表型分析对于利用近距传感等技术进行育种工作至关重要（Blanchy 等, 2025; Whalley 等, 2017）。虽然植物表型分析能够提供作物表现的强大指标，但它不能替代直接的土壤表征。植物信号是土壤、气候、基因型、害虫、疾病、管理条件和季节性因素的综合结果。它们可以揭示植物的不同表现，但不能可靠地解释原因。因此，需要土壤表型分析来诊断地下原因和控制因素。

本文提出土壤表型分析，类似于植物表型分析，作为对土壤属性及其受自然成土过程和人为管理实践影响的时空变化的定量评估。所提出的方法认识到，土壤像植物一样，会表现出由其内在特征（基因型）与环境因素（包括管理干预）相互作用而产生的表型表达。土壤表型分析的概念基础在于基因土壤和表型土壤之间的区别，其中基因土壤代表在最小人类影响下的土壤基线或参考状态，而表型土壤代表由于土地利用历史和管理实践而改变的状态（图 1, 图 2）。

土壤变异性长期以来一直在精准农业中得到测量，尤其是在20世纪90年代中期近距土壤传感和特定地点管理出现之后（Cook 和 Bramley, 1998）。然而，我们提出的土壤表型分析是一个更广泛的概念和操作框架，为这些活动提供了更明确的科学目的。它不仅仅是对土壤变异性的简单绘制，而是试图量化由土壤固有能力、环境条件和管理历史相互作用所塑造的土壤属性和功能的可观察表达。表型土壤的概念在这个框架中处于核心位置，因为管理过的土壤不能仅仅被解释为静态的土壤类别或土壤地图上的点。农业管理可以改变有机质、结构、养分状况、盐度、酸度、紧实度和生物活性，从而产生与其未受干扰的参考状态不同的持久土壤表现（Jang 等, 2022）。因此，表型土壤提供了一种方法，可以在给定的基因土壤背景下识别和测量土地利用和管理的结果（图 1）。这种区别很重要，因为同样的管理实践可能因土壤的固有能力不同而产生不同的效果，而相似的作物反应可能源于非常不同的土壤限制条件。这一概念框架与近距传感、数字土壤制图、人工智能和机器学习的结合，使得土壤表型分析变得可行（Blanchy 等, 2025; S?derstr?m 等, 2016; Pouladi 等, 2019）。这些方法使得多传感器数据流融合成为可能，从复杂数据集中提取有意义的空间模式，并开发支持管理决策的预测模型。因此，土壤表型分析提供了一种全面的方法，用于评估管理实践如何随时间和空间改变土壤属性和功能。

土壤表型分析的目的是评估土壤能力，更具体地说，是评估土壤状况（McBratney 等, 2014）。这需要识别和测量影响关键土壤功能、生态系统服务和对土壤构成的威胁的属性（Dominati 等, 2010; Adhikari 和 Hartemink, 2016）。实际上，田间土壤表型分析最有效地使用移动式、原位的近距土壤传感技术来实现（图 1）。然而，仅靠效率是不够的；土壤表型分析必须产生稳健的定量指标，这些指标在时间上要准确、可重复且可比，特别是在用于评估管理对土壤能力和状况的影响时。因此，它还可以通过优化的田间采样和快速实验室表征（如中红外反射光谱学）来支持，这些技术提供了更强的校准、验证和时间一致性（Malone 等, 2022; Ng 等, 2022; Soriano-Disla 等, 2014）。由于近距传感可以生成高密度的空间数据，土壤表型分析还可以支持高分辨率的数字土壤评估和制图（McBratney 等, 2003; USDA 自然资源保护服务, 2023）。这些地图描绘了可感知土壤属性的空间变化，可以作为功能性土壤指标的代理。通过适当的转换，这些指标可以表示为效用分数或诊断图表，描述土壤能力和状况（McBratney 等, 2014）。这种高分辨率的评估是精准农业和数字农业的基础，后者依赖于详细的空间信息来优化管理实践（Pierce 和 Nowak, 1999; Zhang 等, 2020）。将感知到的土壤变化与表型土壤表达和功能指标联系起来，土壤表型分析可以将精准农业从变量率投入应用推向更深入的诊断，以理解管理如何影响土壤状况、生产力和长期可持续性（例如，Wang 等, 2022a; Wang 等, 2022b）。

本综述综合了当前关于土壤表型分析的知识，探讨了其理论基础、方法框架、技术要求和实际应用。通过将植物表型分析与近距土壤传感研究的见解相结合，本综述旨在提供对土壤表型分析如何改变我们对土壤和作物科学以及农业管理方法的理解的全面理解。该综述还确定了实现土壤表型分析在应对当代土壤和农业科学挑战方面的关键研究重点和未来方向。

**节选内容**
- **表型土壤概念**：表型土壤概念提供了一个框架，用于理解和量化人类管理如何改变土壤属性、功能和状况。其起源可以追溯到 Droogers 和 Bouma（1997）提出的基因型形式和表型形式之间的区别。在该定义中，基因型形式是指在测绘单元内的一个土壤类别或主导土壤类型，而表型形式是由于管理改变了土壤属性和功能而在该基因型形式内出现的持久变体。
- **定义和范围**：我们将土壤表型分析定义为使用近距传感技术对土壤结构、化学、物理和生物属性及其空间模式的定量评估，并明确考虑自然土壤状态（基因土壤）和管理改变的状态（表型土壤）之间的区别。这个定义包括几个关键要素：
1. **定量评估**：土壤表型分析强调可测量、可重复的土壤属性表征。
- **应用**：土壤表型分析应用于精准农业、土壤健康评估、数字土壤制图、保护规划和植物表型分析（表 1）。在这些领域中，它的贡献是相似的：它提供了关于土壤能力和状况的定量、空间和时间上明确的信息，使得可以根据明确的参考条件解释土壤功能、威胁和管理影响。因此，以下部分将重点介绍土壤表型分析如何实现这些目标。
- **技术要求和挑战**：有效的土壤表型分析需要将多种传感技术集成到能够提供空间和时间对齐数据的强大平台中。多传感器集成和平台开发是支持准确、高通量土壤表征的关键（Rodrigues 等, 2015）。主要的挑战在于将来自不同测量原理、空间分辨率和灵敏度的传感器数据融合到一个统一的系统中。
- **结论**：土壤表型分析标志着土壤科学的一项变革性进展，它将概念创新与尖端传感技术和数据分析相结合，重新定义了土壤变异性的表征和管理方式。在其核心，土壤表型分析基于基因土壤-表型土壤框架，该框架将土壤视为一个动态系统，其可观察特征（表型）源于内在属性（基因型）和环境或管理影响的相互作用。

**作者贡献声明**：
Damien J. Field：撰写 - 审稿与编辑、撰写 - 原稿、可视化、概念化。
Alex McBratney：撰写 - 审稿与编辑、撰写 - 原稿、概念化。
Budiman Minasny：撰写 - 审稿与编辑、撰写 - 原稿、概念化。
John Triantafilis：撰写 - 审稿与编辑、撰写 - 原稿、可视化。

**关于编写过程中生成式人工智能和人工智能辅助技术的声明**：
在准备这项工作时，作者使用了 ChatGPT5.5 来协助语言编辑。使用此工具/服务后，作者根据需要审查和编辑了内容，并对发表文章的内容负全责。

**关于利益冲突的声明**：
作者声明他们没有已知的财务利益或个人关系可能会影响本文报告的工作。

**致谢**：
BM 感谢 Soil Science Challenge Grant 的支持：澳大利亚大陆的高分辨率土壤变化评估和监测。AMcB 得到了澳大利亚研究委员会 Laureate Fellowship（FL210100054）的支持。

**作者名单**：
Damien J. Field | Alex McBratney | Budiman Minasny | John Triantafilis