《Scientific African》：Digital Soil Quality Index Mapping in Semi-Arid Vertisols: The Combination of Multi-Temporal Spectral Indices and Machine Learning
编辑推荐：
在干旱半干旱地区，由于空间异质性和稀疏的野外数据，土壤质量评价具有挑战性。本研究开发了一个数字土壤制图（DSM）框架，用于苏丹青尼罗河地区（38150 km2）的变性土，该框架利用了源自Landsat的光谱指数、地形属性和干旱指数。土壤质量指数（SQI）是基于
在干旱半干旱地区，由于空间异质性和稀疏的野外数据，土壤质量评价具有挑战性。本研究开发了一个数字土壤制图（DSM）框架，用于苏丹青尼罗河地区（38150 km2）的变性土，该框架利用了源自Landsat的光谱指数、地形属性和干旱指数。土壤质量指数（SQI）是基于14个理化性质，通过主成分分析（PCA）的指标筛选和非线性评分函数得出的。研究比较了三种模型：（1）基于SCORPAN的随机森林模型，（2）普通克里金法，以及（3）加权集成模型（One Out All Out）。SQI的范围为0.27至0.95（平均值0.56 ± 0.18），与植被指数呈正相关（归一化植被指数NDVI: r = 0.76；增强型植被指数EVI: r = 0.77，净初级生产力NPP: r = 0.83），与干旱指数呈负相关（干旱指数DI: r = -0.68；标准化降水蒸散指数SPEI: r = -0.71，地表温度LST: r = -0.75）。预测SQI最准确的模型是One Out All Out（R2 = 0.91，Kappa = 0.96），其次是SCORPAN（R2 = 0.82）。SQI受干旱指数、SPEI、地表温度和潜在蒸散量的控制。干旱指数、SPEI、地表温度和潜在蒸散量是控制土壤质量退化的最重要因素。气候预测（CMIP6，SSP5-8.5，2024-2100）表明，34%的高质量土壤可能受到干旱加剧的威胁。该框架为数据有限的半干旱地区土壤质量监测提供了可靠的基线。
引言
土壤质量对于可持续农业至关重要，因为它支撑着作物生产力、养分循环、水分调节和长期恢复力，同时也维持着更广泛的生态系统服务和粮食安全。全球范围内，土壤资源退化正在加剧，特别是在半干旱和干旱地区，而脆弱的土壤极易受到气候压力的影响。土壤质量是土壤发挥生态系统功能的能力。鉴于撒哈拉以南非洲以小农农场为主且土地利用压力不断加剧，土壤质量评估是一项紧迫的科学和政策响应。变性土（Vertisols）的粘粒含量>30%，具有胀缩特性，是热带和亚热带地区作物生产的关键土壤类型。青尼罗河的变性土支持雨养作物，但易受干旱、结壳、侵蚀和耕作不良的影响。
传统的土壤质量评估依赖于劳动密集型的野外采样，能够生成有效的点数据，但不足以表征空间连续性。数字土壤制图（DSM）利用生态协变量、统计分析和机器学习来预测土壤属性。DSM采用SCORPAN框架（土壤、气候、生物、地形、母质、时间、空间位置）。将遥感与地形和气候协变量相结合可以提高预测精度。
遥感为与土壤质量相关的土壤属性和状况提供了代理数据。光谱指数（NDVI、EVI、BSI、NPP）将植被和土壤状况与土地退化联系起来。多时相遥感能够捕捉半干旱地区在干湿循环和偶发性干旱条件下的季节和年际变率。干旱会驱动半干旱地区土壤物理、化学、生物和水文属性的退化。干旱指数（SPEI、DI）可量化干旱的程度、强度和范围。干旱指数与土壤质量参数之间的相关性为早期预警和气候适应性管理提供了支持。
在将多时相光谱指数与土壤调查数据联系起来以预测变性土质量方面仍存在知识空白，且气候变化对青尼罗河土壤质量的影响研究不足。本研究通过整合野外数据、遥感、干旱指数和空间建模来解决这些空白，以实现土壤质量制图。研究目标为：（1）量化SQI、光谱指数、地形和干旱指数之间的关系，（2）预测排放情景下气候变化对土壤质量的影响，为半干旱地区开发一个可复制的DSM框架。
材料与方法
研究区
青尼罗河地区位于苏丹东南部，介于北纬9度30分至11度30分，东经33度00分至35度30分之间，面积约38150.4 km2，气候从半干旱过渡到干旱半湿润，北部年降雨量为315毫米，南部为845毫米。雨季从六月持续到十月，占全年总降雨量的80-90%；旱季从十一月持续到次年五月，气温高、湿度低。年平均气温在28°C至47°C之间，北部年总蒸散量超过1600毫米。
地形上，该地区为起伏平缓至平坦的平原，海拔范围386米至813米。青尼罗河及其支流流经该地区，沉积了冲积物，形成了各种地貌，如麓原、阶地和季节性湿地。变性土是主要土壤类型，占耕地总面积的40-55%；这些土壤粘粒含量高（40-70%），具有多样的裂隙。土地利用以农牧为主，雨养高粱和芝麻是两种主要作物，而放牧和林地也占一部分。由于人口压力、机械化、森林砍伐和频繁干旱，该地区的土地退化在过去几十年中有所加剧。
土壤采样与实验室分析
土壤数据集来自苏丹瓦德迈达尼农业研究公司土地评价部门，通过SUSIS门户网站获取。该数据集包含1535个土壤样本作为二手数据。在研究期间，从研究区55个土壤剖面中采集了256个土壤样本。这种方法确保了不同土地利用、土壤类型、地形和植被覆盖的代表性覆盖。所有采样点均使用GPS接收器记录，野外工作于二月至四月（旱季）进行，以标准化土壤水分条件。
采用空间分块交叉验证（SBCV）方法验证结果。整个研究区被划分为（5 × 10 km）的空间块。选择8.5 km的块大小，使其大于训练集和测试集之间的空间依赖范围，即关键土壤指标实验变异函数的有效变程。
样品经风干、压碎并过筛（2 mm）。采用标准方法测定pH、电导率（EC）、土壤有机质（SOM）、土壤有机碳（SOC）、速效氮、磷、钾、阳离子交换量（CEC）、交换性钠百分比（ESP）、碳酸钙（CaCO?）、石膏、质地和持水量。
环境协变量与干旱指数
获取了2020-2024年间六个无云日期的Landsat 8和9镶嵌影像（物候阶段）。获取了2020年至2024年间的六幅无云Landsat 8和9影像（Collection 2, Level-2）：三幅在物候季节（十月、十一月、十二月）；三幅在旱季（三月、四月、五月）（2020-2021；2022-2023；2024）。衍生的光谱指数包括NDVI、EVI和BSI；净初级生产力（NPP）来自MODIS；地表温度（LST）来自热红外波段。基于SCORPAN的协变量包括来自SRTM DEM的地形参数（高程、坡度、地形湿度指数TWI）以及来自WorldClim v2.1和苏丹气象局的气候数据。计算了两个干旱指数：（1）标准化降水蒸散指数（SPEI）（由降水和温度计算的水分亏缺），和（2）干旱指数（DI）（包括植被胁迫、降水亏缺和土壤水分的综合指数）。对历史趋势（1980-2024）进行了表征。
土壤质量指数计算
土壤质量指数（SQI）采用加权加性方法计算。使用主成分分析（PCA）来确定最小数据集（MDS）。PCA在完整的14个土壤属性数据集上进行，以确定能够代表整个数据集总方差的最佳指标，同时避免与其他大多数拟议指标重叠。MDS使用主成分载荷高（>0.5）且与其他选定指标相关性低（<0.7）的变量建立。对选定的指标应用非线性评分函数，将其转换为标准化分数（0-1）。具有较高期望值的参数（如SOM、速效氮）转换为“越高越好”函数，而具有最佳范围的参数（如pH、ESP）转换为“最佳范围最好”函数。随后，应用非线性评分函数将每个选定指标转换为无量纲分数（0-1）：指标被分为三个功能类别，代表肥力、化学和物理土壤质量，并在每个类别内使用加权几何平均值进行组合：
肥力质量指数（FQI）= (S_N × S_P × S_K × S_Zn × S_Cu × S_OC)^(1/6)
化学质量指数（CQI）= (S_pH × S_EC × S_CEC × S_ESP)^(1/4)
物理质量指数（PQI）= (S_Clay × S_Silt × S_Sand × S_BD × S_θ_FC × S_Ks × S_CaCO? × S_Gypsum)^(1/8)
其中S代表各指标的标准化得分。
数字土壤制图与模型
研究比较了三种预测SQI空间分布的模型：（1）基于SCORPAN协变量的随机森林（RF）模型，（2）普通克里金法（OK），以及（3）加权集成模型（One Out All Out）。使用空间分块交叉验证（SBCV）评估模型性能，采用决定系数（R2）、均方根误差（RMSE）和Kappa系数等指标。
结果与讨论
SQI的空间分布与模型性能
SQI值范围在0.27到0.95之间，平均值为0.56 ± 0.18。空间上，SQI呈现出明显的异质性，高值区主要分布在植被覆盖较好、水分条件较优的区域，而低值区则与干旱、土壤退化和高地表温度区域相对应。在三个模型中，加权集成模型（One Out All Out）表现最佳，其R2为0.91，Kappa系数为0.96，显著优于SCORPAN随机森林模型（R2 = 0.82）和普通克里金法。这表明集成多模型策略能够有效提升预测精度，尤其是在处理复杂环境协变量关系时。
SQI与环境协变量的关系
相关性分析显示，SQI与植被指数（NDVI: r = 0.76；EVI: r = 0.77；NPP: r = 0.83）呈显著正相关，表明植被覆盖和生产力是土壤质量的重要指示因子。相反，SQI与干旱指数（DI: r = -0.68；SPEI: r = -0.71）和地表温度（LST: r = -0.75）呈显著负相关，说明干旱胁迫和高温是导致土壤质量退化的关键环境压力。变量重要性分析进一步确认，SPEI、LST和潜在蒸散量（PET）是控制SQI空间变异的最重要因素，这凸显了水分和热力条件在半干旱区土壤质量形成中的主导作用。
气候变化影响预测
基于CMIP6 SSP5-8.5高排放情景的气候预测（2024-2100年）表明，研究区未来干旱化趋势将加剧。模型预测显示，到本世纪末，约34%当前高质量的土壤可能因干旱加剧而面临退化风险。这一发现强调了在气候变化背景下，半干旱区土壤质量保护与适应性管理策略制定的紧迫性。该DSM框架为数据稀缺地区提供了可靠的土壤质量监测基线，并为制定气候适应性土地管理决策提供了科学依据。
