面向气候韧性与可持续城市的版本化土壤有机碳(Soil Organic Carbon, SOC)制图：基于中红外(Mid-Infrared, MIR)估算值的岭惩罚线性混合效应(Ridge-Penalised Linear Mixed-Effects Model, LMM)集成方法

《Physics and Chemistry of the Earth, Parts A/B/C》：Versioned soil organic carbon maps for climate-resilient and sustainable cities: A ridge-penalised linear mixed-effects ensemble of MIR-based estimates

　　

准确且可迁移的土壤有机碳(Soil Organic Carbon, SOC)浓度估算可为《联合国可持续发展目标》(Sustainable Development Goals, SDG) 11（可持续城市与社区）和SDG 13（气候行动）框架下的计量、报告和核查(Measurement, Reporting and Verification, MRV)及城市区域气候战略提供支持。然而，基于光谱学的大规模业务化SOC制图常受限于跨仪器和跨区域原始光谱数据集获取困难及标准化程度低。研究人员开发了一种无需协调原始光谱的二级估算值堆叠集成(Secondary-Estimates Stacked-Ensemble)方法：采用岭惩罚线性混合效应模型(Ridge-Penalised Linear Mixed-Effects Model, LMM)作为集成器(Stacker)，将五种常规生成的中红外(Mid-Infrared, MIR) SOC估算值（一种基于Walkley–Black法标定，四种基于干烧法(Dry Combustion)标定）与简单的点位—类型描述变量相结合，同时建模农场(Farm)水平随机效应。利用来自澳大利亚六个州431个农场的15,346份土样，研究人员通过农场分层嵌套交叉验证调优超参数，并在留出测试集上评估。该模型在各州均优于五种基线模型（R2最大提升0.14，均方根误差(Root Mean Square Error, RMSE)降低29%），全国尺度达R2= 0.874、RMSE = 0.388%。进而生成具版本管理、可审计、具深度分辨率的SOC分布图，可聚合至管辖区和城市区域规划单元。该方法依赖可共享的二级估算值而非协调后的原始光谱，降低了数据获取与协调壁垒，提供符合MRV要求的SOC图件，以支持与SDG 11/SDG 13整合的城市区域气候韧性与可持续发展策略。

论文解读：《Versioned soil organic carbon maps for climate-resilient and sustainable cities: A ridge-penalised linear mixed-effects ensemble of MIR-based estimates》发表于《Physics and Chemistry of the Earth, Parts A/B/C》

一、研究背景与立项依据

土壤有机碳(Soil Organic Carbon, SOC)是陆地生态系统中最大的活性碳库，其微小变化在区域尺度上即可影响大气温室气体收支，同时也是土壤肥力与健康的核心指标。准确、可迁移的SOC浓度估算对落实《联合国可持续发展目标》(Sustainable Development Goals, SDG) 11（可持续城市与社区）和SDG 13（气候行动）所要求的计量、报告和核查(Measurement, Reporting and Verification, MRV)体系及城市—区域气候适应战略至关重要。现有SOC测定方法存在明显局限：实验室干烧法(Dry Combustion)精度高但成本高、通量低，难以支撑大范围监测；Walkley–Black湿氧化法(Walkley–Black Wet Oxidation)仅部分氧化有机质且需校正因子；基于遥感与环境协变量的数字土壤制图(Digital Soil Mapping, DSM)依赖间接代理变量，空间分辨率与局地异质性捕捉能力有限；中红外(Mid-Infrared, MIR)光谱结合偏最小二乘回归(Partial Least Squares Regression, PLSR)可实现高通量估算，但跨仪器、跨实验室的原始光谱数据常因知识产权和数据共享限制无法获取或无法直接比对，光谱标准化(Harmonisation)成本高昂，阻碍了大尺度业务化应用。目前缺乏一种不依赖协调后原始光谱、能显式处理样本聚类结构（如同农场内样品自相关）、且可从州级扩展至国家级的MRV兼容SOC估算框架。本研究据此将SOC估算重构为堆叠集成(Stacked Ensemble)问题，提出以岭惩罚线性混合效应模型(Ridge-Penalised Linear Mixed-Effects Model, LMM)为第二层学习器(Meta-Learner / Stacker)，融合已有MIR一级SOC估算值与简单位置—类型描述变量，引入农场水平随机截距(Random Intercept)处理层次聚类，旨在降低数据门槛并提高预测精度与可操作性。

二、主要关键技术方法概要

研究人员收集澳大利亚六个州（昆士兰QLD、新南威尔士NSW、南澳SA、维多利亚VIC、塔斯马尼亚TAS、西澳WA）431个农场共15,346份耕层与亚表层土样，实验室干烧法测定参考SOC值。五个一级(Base-Line)SOC估算值为：①Ziltek公司基于Walkley–Black标定的MIR–PLSR模型输出；②～⑤昆士兰大学(UQ)基于干烧法标定的MIR–PLSR模型输出（无变换、平方根变换、对数变换各取最优偏最小二乘(Partial Least Squares, PLS)因子数，另加14因子对数变换版）。二级堆叠模型固定效应含五个一级SOC估算值及碳估算区(Carbon Estimation Area, CEA)、采样核位置(Core Location)、土层(Soil Layer: 0–30 cm / 30–60 cm)，除截距外施岭惩罚(Ridge Penalty, λ)以缓解多重共线性；随机效应为农场标识随机截距。数据按农场分层行水平80/20划分训练/测试集，外层训练集内做农场分层4折嵌套交叉验证选取最优λ（对数尺度网格50点），最终以选定λ在整个训练集重拟合，在留出测试集计算决定系数(R²)与均方根误差(Root Mean Square Error, RMSE, %)。分别拟合各州模型与全国合并模型，并利用普通克里金(Ordinary Kriging)生成具100 km缓冲的深度分辨SOC空间分布图。

三、研究结果

3.1. State-level results（州级结果）

3.1.1. Test-set evaluation（测试集评估）

研究人员在六个州分别比较岭惩罚LMM与五个基线MIR估算值的留出测试集表现。结果显示岭惩罚LMM在各州R²均高于最佳基线（新南威尔士NSW从0.849升至0.909，塔斯马尼亚TAS从0.718升至0.857，维多利亚VIC从0.768升至0.854，南澳SA从0.661升至0.708，昆士兰QLD从0.783升至0.838，西澳WA从0.765升至0.803），RMSE相应降低（最大降幅约29%）。观测—预测散点图点群紧密沿1:1线分布，残差直方图近似对称且集中于零，证实模型在各州不同土壤条件下具稳健泛化能力，可聚合至地方行政单元支持区域气候规划。

3.1.2. Spatial prediction（空间预测）

研究人员以选定λ在全州样本重拟合岭惩罚LMM，同坐标同土层取均值后经普通克里金插值绘制0–30 cm与30–60 cm SOC分布图（100 km凸包缓冲，超范围掩膜）。各州地图显示表层SOC具明显空间梯度——塔斯马尼亚TAS中东部、维多利亚VIC东南部、新南威尔士NSW东北部偏高，昆士兰QLD东南部和西澳WA西南部局部升高，南澳SA沿海增强；亚表层保持相同空间排序但数值衰减（表层可达6–7%，亚表层约≤3.5%），符合经典SOC随深度递减规律，说明模型捕获了合理的州内空间变异。

3.2. National-scale results（全国尺度结果）

3.2.1. Test-set evaluation（测试集评估）

研究人员将六州数据合并拟合一枚全国岭惩罚LMM。全国留出测试集上模型R²= 0.874、RMSE = 0.388%，优于最佳基线（R²= 0.827，RMSE = 0.454%），观测—预测散点沿1:1线紧密聚集，残差近零中心窄分布，证明方法在跨气候带、土壤类型与管理制度下具良好国家尺度转移性。

3.2.2. Spatial prediction（空间预测）

基于全国数据集重拟合后普通克里金生成全国0–30 cm与30–60 cm SOC图。全国图件再现州级图中已知格局：塔斯马尼亚TAS及维多利亚VIC—新南威尔士NSW东南沿海为高值带，昆士兰QLD东南、西澳WA西南局部富集，南澳SA海岸局部升高，内陆干旱半干旱区偏低；亚表层幅度衰减而空间排序不变。该全国栅格可与行政边界叠加，量化大都市周边农—城过渡带SOC本底，服务MRV与SDG 11/SDG 13报告。

四、讨论与结论总结（翻译浓缩结论部分）

研究人员将SOC估算重构为堆叠集成问题，采用岭惩罚线性混合效应模型(LMM)作为集成器融合常规生成的MIR一级SOC估算值与位置—类型描述变量并建模农场水平随机效应。除较操作基线获得精度提升外，本工作核心贡献在于提供了一条不要求协调原始光谱的业务化路径：通过消费可共享的二级（一级）估算值，降低数据获取与协调成本，实现跨实验室便携部署及从州到国家的简便扩展。输出结果为具版本控制、可审计、符合MRV规范的0–30 cm与30–60 cm SOC分布图，可支持针对性补充采样、可信碳核算及务实决策辅助。鉴于多数澳大利亚大城市的食物、纤维与水资源取自周边农—城过渡带土壤，此类SOC图层描述了支撑农村土地基 mitigation—适应措施服务气候韧性与可持续城市（SDG 11与SDG 13）的部分生物物理基础。局限性包括对一级估算值质量的依赖及未纳入空间随机效应与外部环境变量；未来工作将改进一级估算一致性、探索更丰富随机效应或空间分量并周期滚动更新模型以维持产品精度与透明度。本工作流程可作为下一代SOC估算与例行大尺度监测、直接服务于SDG导向城市—区域气候规划的实用模板。