德国森林土壤有机碳储量10米分辨率空间格局研究

《Science of The Total Environment》：Spatial patterns of soil organic carbon stocks in German forests at 10 m resolution

　　

研究人员制作了德国范围内10 m × 10 m分辨率的森林土壤有机碳（SOC）储量图。间接方法明显优于直接的数字土壤制图方法。森林地被层碳储量主要与腐殖质和植被变量相关。表土和底土碳储量主要受土壤和气候变量控制。德国森林土壤有机碳总储量范围为51至202 t C ha^?1。

森林土壤是地球上最大的碳库之一，其空间变异性至今尚未被充分量化。土壤有机碳（SOC）储量的微小变化都会影响大气CO₂浓度，进而影响气候变化减缓与适应。在德国，森林土壤储存了大量有机碳，并对管理措施、气候和干扰反应敏感，但其储量的分布和动态仍存在较大不确定性。全球尺度的土壤信息产品（如SoilGrids、GloSIS）虽然提供深度分层的SOC估计，但难以捕捉森林特有的复杂属性，尤其是有机质丰富的森林地被层（forest floor）。此外，SOC的垂直分布决定了总碳储量和稳定性：表土碳库动态活跃，而底土碳库因矿物结合和微生物活性低而更稳定。因此，迫切需要开发森林专用、深度分辨的SOC制图方法。

基于此，研究人员利用德国第二次国家森林土壤清查（NFSI II）的系统网格数据，旨在实现三个目标：生产10 m分辨率的森林地被层、矿质表土和底土SOC储量图；比较直接和间接制图方法在不同土层的性能；验证地图的像素级分布与实测数据的一致性。相关成果发表于《Science of The Total Environment》。

**主要技术方法**：研究人员从NFSI II获取土壤数据，该数据覆盖全德森林区域，基于8 km×8 km网格，共1859个样点，排除泥炭地后剩余1796个。基于SCORPAN框架选取66个环境预测因子，涵盖气候、地形、土壤母质、植被等类别。采用随机森林（random forest, RF）进行建模，并结合残差克里金（residual kriging）修正空间自相关。研究比较了三种SOC储量估算方法：直接法“先计算后建模”（Calculate-Then-Model, CTM）、间接法“先建模后计算”（Model-Then-Calculate, MTC）以及扩展的“先建模后建模”（Model-Then-Model, MTM）。模型性能通过交叉验证评估，并使用柯尔莫哥洛夫-斯米尔诺夫距离（KSD）比较预测与实测频率分布。

**研究结果**：

**3.1 模型性能（Model performances）**：通过5折交叉验证比较三种方法的精度指标，发现MTM在森林地被层（R²=0.69，LCCC=0.76）、表土（R²=0.66，LCCC=0.79）和底土（R²=0.42，LCCC=0.56）中均取得最高的R²和LCCC，以及最低的误差；CTM性能最弱。这说明MTM能够更好地拟合实测储量，且模型性能随深度增加而下降。

**3.2 SOC储量频率分布（SOC stock frequency distributions）**：通过KSD比较各方法预测值与NFSI实测值的频率分布，MTM在森林地被层和表土中与实测分布最接近（KSD最低），底土中MTC变体最优。MTC能够重现最大的实测SOC储量值，这与其基于方程计算的方式有关。

**3.3 SOC储量图（SOC stock maps）**：采用MTM生成的全国地图显示，森林地被层SOC储量在德国西南部为1–20 t C ha^?1，东北低地和山区增至20–46 t C ha^?1；表土储量最高（70–119 t C ha^?1），在北部低地和局部山地富集；底土储量较低（8–59 t C ha^?1），但空间格局与表土相似。三层总SOC储量为51–202 t C ha^?1，最高值出现在下萨克森州的吕讷堡荒地等地。

**3.4 MTM模型的SOC储量预测因子（SOC stock predictors of the MTM models）**：变量重要性分析显示，森林地被层SOC