中国草地土壤有机碳时空动态量化与未来情景预测框架研究

《Conservation》：A Spatiotemporal Framework for Quantifying and Projecting Soil Organic Carbon in Grasslands of China

　　

： 准确估算草地土壤有机碳（SOC）储量对于理解碳动态至关重要，然而由于数据来源和方法的差异，中国土壤有机碳密度（SOCD）的估算结果仍存在不确定性。为解决这一问题，研究人员利用SOCD数据库、五类驱动因子和随机森林（RF）模型，构建了中国草地SOCD的时空模型。该RF模型对0–100 cm土层草地SOCD的估算决定系数R2为0.62。2001至2020年间，平均SOCD从9.25 kg C m?2增至11.64 kg C m?2，SOC总储量从42.33 ± 0.47 Pg C增至50.71 ± 0.48 Pg C。在未发生土地利用变化的草地中，SOCD以年均145.8 g C m?2 year?1的速率累积。气候变化预计将影响草地SOC储量，升温和干旱均会导致SOC储量减少。在低碳排放情景下，中国草地SOC储量预计到2100年将保持相对稳定；然而，在高碳排放情景下，SOC储量预计到2100年将下降约11.9%。通过改进样本基础、估算方法和草地分布数据，研究人员提供了中国草地SOC储量时空动态更为稳健的评估。

论文解读：

一、研究背景与科学问题

草地是陆地生态系统的重要组成部分，储存了全球约20%的土壤碳储量。中国草地约占国土面积的41%，是最大的陆地生态系统类型，主要分布于干旱半干旱地区和青藏高原，对气候变化和环境变异性尤为敏感。然而，以往对中国草地SOC储量的估算结果差异悬殊，范围从12.4到59.47 Pg C不等，这种差异主要源于草地分布数据、采样深度、研究时段和估算方法的不同。现有研究多集中于单一草地类型或特定区域，难以反映全国尺度的格局；基于土壤分类单元的面积加权平均法空间分辨率粗糙，而生物地球化学模型则对模型结构、输入参数和校准质量高度敏感。机器学习方法虽为SOCD制图提供了新途径，但多数研究仅针对离散年份或表层土壤（0–20 cm），缺乏时间维度的连续估算能力，深层土壤（20 cm以下）的SOCD研究几乎空白。

针对上述不足，本研究提出三个核心科学问题：（1）2001至2020年间中国草地0–100 cm SOCD如何变化？（2）气候、植被、土壤、地形和人为因素如何共同控制草地SOCD？（3）在草地面积保持不变的假设下，未来气候变化将如何影响草地SOC储量？

二、研究内容与主要结论

研究人员构建了时间显式的随机森林框架，更新了中国草地SOC储量并量化了过去二十年的时空动态，进而解析了历史SOC储量变化的气候与人为控制因素，并在CMIP6气候情景下预测了未来SOC储量的变化轨迹。研究结果表明，2001至2020年间中国草地平均SOCD从9.25 kg C m^?2增至11.64 kg C m^?2，增幅达25.84%，总SOC储量从42.33 ± 0.47 Pg C增至50.71 ± 0.48 Pg C。未发生土地利用变化的草地SOCD以年均145.8 g C m^?2 year^?1的速率累积。空间上，青藏高原东部、天山山脉和东北地区（如呼伦贝尔高原东部）的SOCD高于其他区域。敏感性分析显示，温度升高1.5 °C将导致SOC储量减少2.28 ± 0.02 Pg C，降水减少20%将使SOC储量减少0.22 ± 0.02 Pg C；而湿度指数增加30%可使SOC储量增加0.41 ± 0.01 Pg C。在低碳排放情景（SSP119）下，2060和2100年草地SOC储量无显著变化；但在高碳排放情景（SSP585）下，2060和2100年SOC储量分别减少4.11 Pg C和6.44 Pg C，到2100年累计下降约11.9%。

三、关键技术与方法

研究人员从公开数据集获取2000至2014年间0–100 cm深度的SOC采样点数据，并通过文献检索补充2014至2020年的实测数据，最终构建包含1343个样点的草地SOCD数据库。采用深度转换函数将0–20 cm表层SOCD线性外推至0–100 cm全剖面（R² = 0.85）。模型输入包含16个驱动因子，涵盖土壤属性（黏粒、粉粒、砂粒含量）、地形（DEM、坡度）、气候（温度、降水、太阳辐射、湿度指数）、植被（NPP）和环境变量（氮沉降、CO₂浓度、地理分区等），所有栅格数据统一重采样至250 m分辨率。研究人员比较了广义线性模型（GLM）、支持向量回归（SVR）和随机森林（RF）三种模型的性能，经500次随机超参数搜索和十折交叉验证，最终选定RF模型（n_estimators = 237, max_depth = 15, min_samples_leaf = 2, max_features = 4）作为最优模型。未来气候预测采用CMIP6框架下的SSP119和SSP585情景数据，经Delta空间降尺度方法处理。

四、研究结果

4.1 影响因子分析与模型性能

草地SOCD与温度呈显著负相关（相关系数?0.35，p < 0.01），与湿度指数（0.34）和NPP（0.29）呈正相关。RF模型解释了草地SOCD变异的62%，MAE为2.96 kg C m^?2，RMSE为4.26 kg C m^?2（NRMSE为11.31%）。变量重要性分析表明，NPP和温度是预测草地SOCD最重要的两个因子，DEM和湿度指数次之。模型在主要草地分布区表现稳健，北方干旱半干旱区R² = 0.81，青藏高原R² = 0.80；但在样本稀少的区域（如长江中下游平原样本数仅4个，R² = 0.43；华南地区样本数仅3个，R² = 0.13），预测精度显著下降。

4.2 SOCD时空格局变化

2001至2020年间，中国草地SOCD空间分布格局总体保持稳定，高值区集中于青藏高原东部、天山山脉和东北地区。平均SOCD由9.25 kg C m^?2增至11.64 kg C m^?2，总储量由42.33 ± 0.47 Pg C增至50.71 ± 0.48 Pg C。空间趋势分析显示，SOCD增加趋势广泛分布于青藏高原东部和天山地区，而下降趋势集中于大兴安岭部分地区、东北平原南部和四川盆地北部。华北和西南地区SOC储量增幅显著，合计占总储量的69.12%。约5.9 × 10³ ha草地转为非草地（2001年平均SOCD为9.40 kg C m^?2），约6.6 × 10³ ha其他地类转为草地（2020年平均SOCD为10.28 kg C m^?2）。

4.3 未来气候变化对草地SOC储量的影响

敏感性分析表明，温度升高1.5 °C使平均SOCD降低0.49 kg C m^?2，SOC储量减少2.28 ± 0.02 Pg C；降水减少20%使SOC储量减少0.22 ± 0.02 Pg C；湿度指数增加30%使SOC储量增加0.41 ± 0.01 Pg C，湿度指数减少30%则使SOC储量减少0.33 ± 0.01 Pg C。SSP119情景下2060和2100年SOC储量无显著变化，SSP585情景下则分别减少4.11 Pg C和6.44 Pg C。空间上，SSP585情景下青藏高原SOCD在2060年出现明显退化，至2100年进一步加剧，且SSP585情景下SOCD始终低于SSP119情景，尤其在中北部草地表现突出。

五、讨论与结论

与以往研究相比，本研究的改进体现在三个方面：采用2001至2020年最新野外实测数据而非第二次全国土壤调查的历史数据；RF模型能有效降低实验噪声，优于依赖空间自相关的统计方法；使用遥感数据捕捉多时间尺度草地分布变化，克服了静态植被类型数据库的局限。研究估算的2001至2020年平均草地SOC储量为46.52 Pg C，约占中国陆地SOC储量的57%，处于以往机器学习与统计评估的范围之内，略高于早期基于清查的方法。增温加速了土壤有机质分解，干旱降低了植被生产力及地下碳分配，而降水增加则缓解水分胁迫、促进碳输入。高碳排放情景可能导致草地SOC储量损失并加剧全球变暖，凸显了减排的紧迫性。

研究结论指出，2001至2020年间中国草地SOC储量增加了19.78%，气候因素是SOCD变化的主要驱动力。升温和干旱导致草地SOC储量下降，而降水增加则促进SOC储量上升。在高碳排放情景下，2100年草地SOC储量预计显著下降约11.9%。将多源遥感协变量与数据驱动的RF模型及官方草地边界相结合，既减少了历史数据低估，也避免了过程模型高估，提供了更稳健的国家尺度基准。研究结果强调，气候减缓与草地保护对于维持中国草地土壤碳汇功能均至关重要；未来研究应将动态土地利用情景与过程约束相结合，以提高预测可靠性。