基于机器学习的中国西北干旱区土壤总碳储量估算及其深度依赖性驱动因素

《Journal of Arid Environments》：Machine learning-based estimation of soil total carbon stocks and their depth-dependent drivers in the northwestern China dryland region

　　

摘要

干旱区在全球碳循环中发挥着日益重要的作用，然而干旱区土壤总碳储量（STCS，包括土壤有机碳SOC和土壤无机碳SIC）的垂直分布及控制因素仍缺乏充分的约束。特别是环境梯度和SOC–SIC关系如何随深度变化仍不明确。在此，我们利用五种机器学习模型和一系列环境协变量，对中国西北干旱区六个土壤层次（0–200 cm）的STCS进行了制图。模型精度通过10折交叉验证和独立的留出测试集进行评估，模型解释借助SHapley加和解释（SHAP）和结构方程模型（SEM）加以支撑。在所测试的算法中，XGBoost在各深度上始终表现出最佳性能，在60–100 cm层精度最高。STCS表现出强烈的垂直异质性：表层（0–5 cm）碳储量较高，中层（15–30 cm）下降，深层（30–200 cm）略有回升；空间上，热点主要位于研究区北部和中东部。STCS的环境控制因素随深度变化：气候梯度、地形和土壤性质在表层（0–15 cm）影响最大，而15 cm以下土壤水分和土壤物理属性的重要性逐渐增加，在深层（60–200 cm）尤为突出。在该区域，SIC是STCS的主导组分，而SOC贡献较小但表现出与SIC相关的深度依赖关系。SEM表明，潜在的SOC相关启动效应在表层与深层中与SIC的关联方式不同，表明可能存在深度特异性的有机–无机碳关系。总体而言，我们的深度分辨制图与解释突出了环境控制和SOC–SIC关联的显著垂直分化，为提高区域碳核算和改善气候变化下的干旱区碳管理提供了基础。

引言

全球气候变化主要表现为持续性升温，正在重塑生态系统碳平衡，已成为重大环境挑战（Birch, 2014）。土壤储存约2500 Pg碳，是最大的陆地碳库，继海洋和化石燃料之后是全球第三大碳库（Yang et al., 2023b）。鉴于每年通过呼吸作用从土壤向大气的碳通量的量级（Zhu et al., 2024），土壤总碳储量（STCS）的微小变化都可能转化为显著的气候反馈。干旱区因水分可利用性强烈限制初级生产，占全球陆地面积约40–45%，且近几十年面积持续扩展（Bigio et al., 2025）；其对陆–气碳交换具有不成比例的影响，预计将越来越影响未来陆地碳汇（Casas-Ruiz et al., 2023）。

土壤总碳（STC）由土壤有机碳（SOC）和土壤无机碳（SIC）组成，二者共同调节陆地碳源/汇并支撑干旱区生态系统的长期稳定性（Wu et al., 2025）。全球综合研究表明，SIC可占土壤总碳的相当大比例，在干旱和半干旱区尤为明显（Liu et al., 2025）。干旱区高蒸散、稀疏植被和碱性条件有利于碳酸盐积累，使SIC成为一个关键且相对持久的碳库（Jobbágy et al., 2017）。然而，许多区域评估仍侧重于表层（如0–30 cm）且主要关注SOC，这可能使碳核算产生偏差并低估全剖面（0–200 cm）中的深层和SIC（Zhang et al., 2025）。因此，对STCS进行明确纳入SOC和SIC的深度分辨评估，对于干旱区稳健的碳核算至关重要。

近期研究已大幅增进了对中国及中国干旱区SOC、SIC和STC的理解（Wang et al., 2015; Li et al., 2022a; Ren et al., 2023; Huang et al., 2024a, Huang et al., 2024b; Zhu et al., 2024）。这些研究表明，SIC在干旱和半干旱土壤中可代表一个巨大的碳库，特别是在碳酸盐富集母质、碱性条件、强蒸发和间歇性水分运动有利于碳酸盐积累的地方。它们还表明SOC与植被生产力、土地利用和近地表土壤条件的关联更密切，提示在干旱区生态系统中SOC和SIC可能对不同的环境控制因素产生响应。然而，大多数先前的评估侧重于全国尺度清单、单个碳组分、特定生态系统或较浅的土壤层。SIC贡献、SOC–SIC关联以及非碳环境协变量在中国干旱区全0–200 cm剖面中如何联合变化仍不太清楚。因此，本研究在前期研究基础上，检验了中国干旱区观察到的SIC主导性是否在六个标准土壤层中持续存在，同时通过深度分辨的STCS制图和深度依赖环境协变量的模型解释拓展了早期工作。

过程理解也是必要的，以解释碳库为何随深度变化以及土壤有机碳和无机碳在干旱区为何可能产生不同响应。土壤碳启动效应（SCPE）——新鲜有机底物触发的原生土壤有机质分解变化——可表现为正或负，对土壤碳持久性和碳预算具有广泛影响（Schacter et al., 1998; Ren et al., 2023）。在干旱区，启动效应受营养限制、微生物资源分配和水分可利用性的强烈调节：在低氮条件下，微生物可能挖掘较老的碳以获取营养；而强碱性或严重干旱可能抑制微生物活性和启动效应（Chen et al., 2014）。然而，大多数证据来自短期培养和表层土壤，对于潜在的与启动效应相关的路径如何随深度变化或在野外相关梯度下与土壤无机碳动力学关联缺乏深入了解。同时，遥感与环境数据集使机器学习方法能够在区域尺度预测土壤碳。这些算法能捕捉复杂的非线性关系，往往优于传统方法；例如，XGBoost在土壤碳预测中展现了强大的预测能力（Nguyen, 2021），深度神经网络已被用于生成高分辨率土壤剖面图（Fantappiè et al., 2023），融合Sentinel-1/2数据的随机森林模型可改善区域土壤有机碳模拟（Wang et al., 2024）。然而，机器学习模型常因"黑箱"特性受到批评，限制了机制推断（Xiao et al., 2022）。克里金等地统计方法可刻画空间结构（Cui et al., 2021），但不太适合处理高维非线性控制因素。重要的是，干旱区制图主要聚焦于表层土壤有机碳，很少整合土壤无机碳、潜在的与启动效应相关的路径以及全0–200 cm剖面，限制了其在碳核算、恢复规划以及全球碳酸盐富集干旱区之间的比较中的价值。

中国西北干旱区位于青藏高原北缘的中纬度西风带影响下，是同等纬度地区中最干旱的区域之一，年均降水量通常低于200 mm（Wang and Qin, 2017）。该区域土壤总碳储量受气候、地形、植被、土壤理化性质、土壤水分状况和土地利用的耦合影响（Wang et al., 2015; Li et al., 2022a; Hang et al., 2024a），而近期升温、冰冻圈变化和加剧的水资源短缺可能进一步威胁土壤碳稳定性及其对区域气候和水文的反馈（Huang et al., 2025）。因此，该区域为开发整合土壤总碳储量、有机碳与无机碳组分及其深度依赖关系的深度分辨且过程驱动的制图框架提供了一个有用的天然实验室，对碳核算、恢复规划以及全球碳酸盐富集干旱区之间的比较具有重要意义。基于上述背景，我们的目标是：(i) 利用五种机器学习模型，结合10折交叉验证和独立测试，估计六个土壤层次（0–200 cm）土壤总碳储量的空间分布；(ii) 利用SHapley加和解释和克里金法提高可解释性和空间预测能力；(iii) 利用地理探测器和结构方程模型量化土壤总碳储量的深度依赖环境控制因素及SEM推断的潜在启动效应相关路径。具体而言，我们提出以下问题：(1) 土壤总碳储量及其有机和无机组分如何在空间和垂直方向上变化？(2) 主导环境控制因素如何随深度转变？(3) SEM推断的潜在启动效应相关路径如何沿土壤剖面与有机–无机碳关系关联？我们假设：(H1) 土壤总碳储量在0–200 cm剖面中表现出显著的垂直异质性和层特异性空间格局；(H2) 在区域尺度上，土壤总碳储量由无机碳主导，主导控制因素从表层的气候和地形梯度向深层的土壤水分和土壤理化性质转变，水分可利用性作为跨层约束因素发挥作用；(H3) SEM推断的潜在启动效应相关路径以深度依赖的方式与有机–无机碳关系关联，即潜在路径–无机碳关联的方向或强度在表层与深层之间存在差异。

节选片段

研究区

本研究在中国西北干旱区（73.50°–106.86°E）开展，以下简称研究区。边界依据西北干旱区的常用区域地理划分界定，而非将全区归入单一干旱等级。具体而言，该区域位于贺兰–乌沙岭山脉以西、祁连–昆仑山脉以北，包含新疆和河西走廊。

土壤总碳储量机器学习模型性能

在六个土壤层次（0–200 cm）中，各算法的模型精度差异显著（附表S2–S3；附图S3–S8）。表1总结了总体性能（各层指标算术平均值），但这些平均值需与各层结果结合解读，以避免掩盖深度特异性误差。XGBoost始终表现出最高的总体精度，平均交叉验证R2 = 0.960，RAE = 0.173，RMSE = 3.117，平均独立测试R2 = 0.982。

深度分辨STCS的模型性能与可靠性

跨模型比较表明，XGBoost为中国西北干旱区0–200 cm剖面的STCS估计提供了最可靠的结果（附图S3–S8；表1；附表S2–S3）。与RF、MLR、SVM和NN相比，其持续更高的精度表明提升树集成适合捕捉干旱土壤系统中STCS与环境协变量之间典型的非线性、深度依赖关系（Krka? et al., 2020）。相比之下性能较弱的……

结论

本研究通过整合同机学习预测与模型解释，对中国西北干旱区0–200 cm剖面进行了土壤总碳储量的深度分辨评估。我们的结果强调，干旱区可靠的碳核算不能将土壤碳视为单一的表层主导碳库，而需同时考虑土壤有机碳、土壤无机碳及其垂直分化。强烈的……

CRediT作者贡献声明

刘敏霞：稿件审阅与编辑，原创稿件撰写，指导，资金获取。车江迪：原创稿件撰写，软件，方法论，形式分析，数据整理。

资助

本研究得到国家自然科学基金（42461008）和甘肃省重点研发计划项目（26YFFA042）的资金支持。

利益冲突声明

所有作者不存在任何潜在的利益冲突。作者没有需要披露的相关财务或非财务利益。

刘敏霞 | 车江迪
西北师范大学 地理与环境科学学院，兰州，730070，中国

以上为对应中文翻译。