华北农业区表层土壤有机碳与全氮的空间变异性及其影响因子

《Frontiers in Plant Science》：Spatial variability and influencing factors of topsoil organic carbon and total nitrogen in agricultural areas of North China

　　

表层土壤有机碳（SOC）与土壤全氮（STN）在土壤生产可持续性与生态服务功能中发挥关键作用。对SOC与STN进行空间显式估算并识别其空间变异的影响因子，是制定和实施因地制宜管理措施以改善土壤质量的前提。基于613个表层土壤观测点与环境协变量，研究人员采用随机森林（RF）模型揭示了华北农业区SOC与STN的空间变异性，并识别了其控制因子。结果表明，华北农业区SOC与STN呈相似的空间分布格局（北高南低），均值分别为14.03 g kg-1与1.05 g kg-1。华北农业区SOC与STN的空间变异性与年均温（MAT）、年均蒸发量（MAE）、海拔等自然环境因子密切相关。以经度、纬度、海拔坐标值表达的空间位置对SOC与STN空间变异性的解释率分别超过40%与30%，反映了空间位置作为数字土壤制图（DSM）协变量的价值。多时相NDVI数据输入的RF模型较单时相数据精度更高、输出更稳定；兼顾精度与简洁性，推荐在DSM中将NDVI多年逐月年均数据（AvgMonths）导入RF。研究结果为华北农业区SOC与STN因地制宜管理提供基础数据，也为优化DSM环境协变量集及其使用提供参考。

研究背景方面，土壤有机碳（SOC）与土壤全氮（STN）是影响土壤生产力与调控生物地球化学循环的关键指标，对农业生态系统功能及全球气候变化减缓至关重要。已有研究指出SOC与STN具有非均匀性与空间变异性，受气候、地形、生物、母质、土壤理化性质及耕作施肥等人为活动共同驱动，且这种变异性具有尺度依赖性：小尺度下人为因素相对作用更强，大区域尺度下气候与地形等自然因素占主导。数字土壤制图（DSM）以SCORPAN模型为核心框架，机器学习尤其是随机森林（RF）模型因高精度与抗过拟合优势被广泛采用。然而在省级及以上大尺度研究中，空间位置作为SCORPAN构成变量之一其贡献常被忽视，同时遥感协变量中多时相NDVI数据如何优化使用仍待探索。为此，研究人员以华北五省市（北京、天津、河北、河南、山东）农业区为对象，基于613个2009—2013年全国土地调查耕层样本点（SOC 604个、STN 464个），整合51个环境协变量，利用RF模型揭示SOC与STN空间变异规律、识别主控因子，并评估多时相NDVI与空间位置对DSM精度的影响。该研究发表于《Frontiers in Plant Science》，对区域碳氮平衡管理、农业可持续发展及DSM协变量优化具有明确意义。

关键技术方法上，研究人员构建含空间位置、气候、地形、生物、管理措施、土壤属性6类共51个协变量的池，其中NDVI取自MOD13Q1（250 m，2010—2013年48个月），并衍生单年逐月与多年逐月平均（AvgMonths）。采用Boruta算法基于Z-score标准化重要性筛选显著协变量；以RF（ntree=1000，mtry=3）作预测模型，10折交叉验证用决定系数（R²）与均方根误差（RMSE）评价，并以bootstrap迭代给出90%置信区间量化不确定性。样本队列来源于《中国土种志》北京天津卷、河北卷、河南卷、山东卷及配套统计年鉴，经WGS84转UTM Zone 49N投影。

研究结果部分，3.1节“表层土壤有机碳与全氮观测值统计分析”通过对604个SOC与464个STN样本描述统计与半方差分析，得出SOC均值14.03 g kg^-1、变异系数74.49%，STN均值1.05 g kg^-1、变异系数58.21%；SOC与STN半方差最优拟合均为指数模型，块金效应分别为50.00%与37.00%，显示二者均具较强空间依赖。3.2节“环境协变量相对重要性”经Boruta筛选，SOC确认45个重要变量、STN确认33个；SOC前位因子为阳离子交换量（CEC）、6月NDVI、年均温（MAT）、年均降水（MAP）（标准化Z-score达2.5），以及投影y坐标、海拔、年均相对湿度（MAH）（达2.0）；STN无因子达2.5，仅MAP与海拔达2.0，表明自然因子与空间位置主导大尺度变异。3.3节“模型预测性能与不确定性分析”显示RF对SOC的R²=0.53、RMSE=7.39，对STN的R²=0.44、RMSE=0.45；空间预测呈“北高南低”格局，与地貌类型吻合，山区丘陵含量更高，与20世纪80年代全国有机质预测趋势一致。

讨论部分，4.1节指出单时相NDVI作协变量使R²与RMSE波动大，而AvgMonths与48个月全量（All）数据较单年逐月更稳定，AvgMonths在精度略优且协变量集更精简，故推荐AvgMonths；多时相NDVI能表征植被年周期，削弱单年灾害或农事随机性干扰。4.2节将协变量按SCORPAN分组建模，空间位置组对SOC解释R²=0.40、对STN为0.30，投影y坐标（纬度向）是SOC最重要协变量，证实大尺度下空间坐标集成气候—土壤—种植系统异质性，SOC空间结构强于STN。4.3节归纳影响因子：自然因子（CEC、MAT、MAE、MAP、海拔、NDVI）居首，人为因子（秸秆还田量、施肥量、LUCC）虽入选但未列前位，再次印证大尺度自然因子主导、小尺度人为因子增强的尺度规律。

结论部分翻译如下：本研究以华北农业区为对象，采用随机森林模型预测并制图SOC与STN，探明大区域下二者空间变异及影响因子变化。主要结论为：（1）以空间位置、气候、地形、生物、管理措施、土壤属性为协变量，RF有效预测华北农业区SOC（R²=0.53）与STN（R²=0.44）空间变异，整体呈“北高南低”；大尺度预测关键因子包括CEC、MAT、MAE、NDVI、空间坐标与海拔。（2）遥感变量在DSM中至关重要，多时相NDVI较单时相降低波动、更准反映属性空间变异，推荐以多年逐月年均NDVI（AvgMonths）参与预测，兼顾精度与协变量精简；地理坐标作空间位置协变量可提升精度，且SOC空间结构更强使空间位置对其预测增益更明显。该变异预测对维持区域碳氮动态平衡、农业可持续发展及DSM协变量优化具有重要价值。