GSOCS-LULCC：土地利用与土地覆盖变化后土壤有机碳储量动态的全球数据集

《Scientific Data》：GSOCS-LULCC: A Global dataset of Soil Organic Carbon Stock dynamics following Land Use and Land Cover Change

　　

土地利用与土地覆盖变化（LULCC）后土壤有机碳储量（SOCS）变化的方向和幅度仍然高度不确定，主要原因是缺乏相关、全面的全球土壤数据。尽管已有大量工作建立了区域、国家和次大陆尺度的SOCS数据库，但仍迫切需要纳入明确环境驱动因素的开放获取全球数据库，以更好地理解LULCC对SOCS动态的影响。在此，研究人员介绍了土地利用与土地覆盖变化后的全球土壤有机碳储量数据集（GSOCS-LULCC）。该数据集汇编自截至2025年12月的912篇同行评审文章，涵盖五种主要土地利用类型（农田、草地、森林、人工林和热带稀树草原），从不同采样深度的1,967个地点生成了8,748条统一记录。GSOCS-LULCC是评估LULCC对SOCS的全球影响以及识别不同生态系统转换中驱动碳储量变化的主要环境因素的重要资源。

**论文解读：GSOCS-LULCC——土地利用与土地覆盖变化后土壤有机碳储量动态的全球数据集**

**研究背景与问题**
土壤有机碳（SOC）是陆地生态系统最大的碳库（约1,550 Pg），其储量约为大气碳库（约760 Pg）的2倍，是植被碳库（约560 Pg）的2.8倍。SOC的微小波动即可导致大气碳浓度的显著变化，进而影响全球碳循环和气候变化轨迹。土地利用与土地覆盖变化（LULCC）打破了碳输入与输出的历史平衡，导致土壤有机碳储量（SOCS）发生变化，直至达到新的稳态。然而，SOCS变化的方向和幅度（碳增加或损失）受气候条件、土壤理化性质、植被类型和土地管理历史等多因素交互控制，目前仍高度不确定。尽管已有区域、国家和次大陆尺度的SOCS数据库，但缺乏一个整合明确环境驱动因子、开放获取的全球数据库，以支持全球碳循环模型优化和气候减缓策略评估。为此，研究人员构建了土地利用与土地覆盖变化后的全球土壤有机碳储量数据集（GSOCS-LULCC），该数据集已发表于《Scientific Data》。

**研究内容与结论**
研究人员通过系统综合高质量同行评审文献，构建了涵盖五种主要土地利用类型（农田、草地、森林、人工林和热带稀树草原）的全球SOCS动态数据集，共计8,748条统一记录，来自1,967个站点，采样深度各异。该数据集揭示了不同LULCC转换类型下SOCS的变化方向与幅度：林地转为农田导致SOCS显著下降（-6.99 t ha^-1, -13.79%），而农田转为林地则显著增加（+4.74 t ha^-1, +21.95%）。此外，研究利用Cubist机器学习模型对SOCS变化进行预测，验证了该数据集的适用性，模型平均R²为0.44，表明其能有效捕捉多数LULCC类型下SOCS变化的趋势。GSOCS-LULCC为评估LULCC对全球SOCS的影响、识别关键环境驱动因子提供了重要基础资源，并支持更精确的陆地碳通量估算和气候减缓策略制定。

**关键技术方法**
1. **文献检索与筛选**：遵循PRISMA指南，在Web of Science中检索截至2025年12月英文同行评审文献，最终纳入912篇。
2. **数据提取与协调**：从文献中强制提取基本文章信息、地理坐标、采样设计、采样深度及等效土壤质量（ESM）校正；辅助变量（气候、植被、地形、土壤性质）若缺失，则从外部空间数据库（如WorldClim v2.0、SoilGrids 2.0、SRTM 90m DEM等）填补。SOC含量（g kg^-1）通过公式转换为SOCS（t ha^-1），缺失标准差则按均值的十分之一赋值。
3. **SOCS动态初步预测建模**：针对16种LULCC转换类型，使用Cubist算法（非参数决策树模型）构建预测模型，以12个环境与站点预测因子（如年均温、年降水量、蒸散、高程、植被总初级生产力、土壤质地、pH、LULCC后时间、初始SOCS、平均采样深度）预测绝对SOCS变化。

**研究结果**
- **文献检索与筛选**：从10,567篇初始文献中，经去重、标题摘要筛选、全文评估，最终纳入912篇，共8,748条记录，覆盖1,967个全球站点。
- **数据提取与协调**：数据分为强制提取变量（如地理坐标、采样设计）和辅助变量（如气候、土壤属性）。辅助变量中，土壤类型（WRB）、潜在蒸散量（PET）、土壤颗粒组成（黏粒、粉粒、砂粒）、pH、容重等常需空间填补，揭示了文献报告不足的缺口。
- **数据记录**：数据集包含16种主要LULCC转换类型，例如农田→森林（456条）、森林→农田（1,011条）、草地→农田（719条）等。描述性统计显示，超过80%的土壤剖面在LULCC前后SOCS均低于50 t ha^-1；总体均值从33.01 t ha^-1降至31.53 t ha^-1。不同转换类型中，向森林的转换普遍增加SOCS，而向人为利用的转换（如森林→农田）则减少SOCS。此外，72%的样品记录LULCC后短于30年的动态，且超过三分之二的测量局限于表层（≤30 cm），深层（>100 cm）记录不足1%。
- **技术验证**：Cubist模型在16种LULCC类型上的预测性能各异，R²范围为0至0.85（均值0.44），RMSE范围为2.28至17.52（均值10.38），偏倚范围为-3.90至2.54（均值-0.31）。最佳预测性能出现在稀树草原→农田（R²=0.85）和森林→农田（R²=0.78）转换中，而稀树草原→草地、森林→人工林等转换表现较差（R²<0.2），提示需针对性补充采样。

**讨论与结论**
讨论部分指出，数据集虽提供全球概览，但用户需注意历史土地利用遗留效应带来的不确定性。多数文献未报告LULCC前站点的SOC平衡状态，且分类聚合（如“草地”涵盖自然草地与集约管理牧场）可能引入方差。区域生态系统定义差异（如欧洲人工林常被归为“森林”）进一步增加了基线不确定性。模型验证表明，Cubist算法能可靠捕捉多数LULCC类型下SOCS变化的方向与幅度，验证了机器学习方法在LULCC诱导的SOCS动态空间预测中的潜力。

**研究结论**：GSOCS-LULCC数据集是评估LULCC对全球SOCS影响、识别不同生态系统转换中驱动碳储量变化的主要环境因素的关键资源，为全球碳循环模型优化和基于证据的气候变化减缓策略提供了重要数据支持。