生态修复促进了喀斯特地区的潜在成土过程

《CATENA》：Ecological restoration enhances potential soil formation in karst regions

　　

•开发了一幅覆盖21年的西南中国喀斯特地区pSFR（潜在土壤形成速率）动态图。
•生态恢复在很大程度上解释了脆弱地区pSFR的变化。
•脆弱地区pSFR对生态恢复的敏感性提高了27.5%。
•KRDI（喀斯特石漠化指数）0.35的临界阈值主导了pSFR对生态恢复的响应。

**引言**

喀斯特地貌约占地球无冰陆地面积的20%，为超过10亿人提供关键的生态系统服务，包括碳固存、生物多样性保护和陆地生产力（Tang et al., 2022; Zhou et al., 2020）。然而，喀斯特生态系统具有根本性的脆弱性：其土壤是地球上最薄、形成最慢的土壤之一（Jiang et al., 2014; Li et al., 2021）。因此，土壤形成速率已成为制约喀斯特生态系统稳定性和恢复力的关键参数（Bai et al., 2023; Chen et al., 2026; Zhang et al., 2022a）。在喀斯特地区，土壤形成主要受碳酸盐岩化学风化的控制（Ita et al., 2026; Ran et al., 2023），酸不溶物的留存量通常不到总岩石质量的5%。一旦土壤因侵蚀或退化而流失，自然恢复需要数千年，这一时间尺度远远超过人类的时间尺度（Cao et al., 2020; Li et al., 2019b）。在这一背景下，人类干预能否有效增强土壤形成并缩短土壤恢复周期，直接关系到区域生态安全和可持续发展。

生态恢复工程（ERPs）已被广泛部署以逆转区域土地退化并保障生态安全（Qiao et al., 2021; Tong et al., 2018; Yue et al., 2024）。中国的生态恢复工程是世界上规模最大、持续时间最长的恢复项目（Lu et al., 2018）。卫星观测表明，地球表面42%的绿化发生在中國，尤其是西南地区已成为全球最绿地区之一（Brandt et al., 2018），这一发展主要归因于近几十年实施的生态恢复工程（Chen et al., 2019）。这些变化不仅改变了地表能量和水文过程，还深刻影响了岩石风化和生物地球化学循环（He et al., 2024; Song et al., 2024）。先前的研究表明，在喀斯特地区，生态恢复工程增加了地表覆盖量（Peng et al., 2023），并通过增强根系活动（Guo et al., 2025）、提高土壤CO?浓度和调节水文通量，促进了碳酸盐岩溶解和风化碳汇的形成（Li et al., 2019a; Shi et al., 2026）。定量评估证实，植被恢复与碳酸盐风化强度之间存在正相关关系（Guo et al., 2025; Xiong et al., 2022）。例如，在1982年至2018年间，生态恢复使西南中国碳酸盐岩风化增加了5.8%（全球潜在增加高达43.8%），从而逆转了全球变暖对裸岩地区风化产生的不利影响（Zeng et al., 2025）。在中国南方喀斯特地区，超过53.43%的地区归一化植被指数（NDVI）与化学风化通量呈正相关（Du et al., 2024）。此外，生态恢复条件下的区域土壤碳积累速率比非喀斯特地区高约31%（Shi et al., 2022），间接反映了土壤形成的同步改善（Jiao et al., 2020; Lan et al., 2022）。综合来看，这些研究突显了生态恢复工程在促进碳酸盐岩风化方面的作用。

尽管先前的研究推进了我们对喀斯特地区土壤形成的理解，但它们主要关注风化过程。风化为成土提供了物质基础，但仅代表土壤形成的初始阶段（Ouyang et al., 2026）。风化产物的后续转化和积累受生物、气候和地貌因素的调控（Hunt et al., 2021）。在此，我们将潜在土壤形成速率（pSFR）定义为通过碳酸盐岩风化产生的不溶性成土物质的潜在供给速率，而非衡量完整成土过程的指标。作为物质供给能力的指标，pSFR可以量化喀斯特土壤发育的基础约束。鉴于生态恢复工程在喀斯特地区的广泛实施，了解生态恢复能否缓解这些物质限制至关重要。然而，将恢复成果与pSFR变化联系起来，尤其是潜在非线性关系或阈值效应的定量评估仍然有限。

由于缺乏生态恢复工程的详细空间数据集，大规模评估通常依赖遥感。在喀斯特地区，石漠化是生态系统退化的主要形式（Chong et al., 2021），喀斯特石漠化指数（KRDI）已被用于量化生态系统退化和恢复（Chen et al., 2024）。鉴于生态恢复工程一直是西南中国植被恢复和石漠化控制的重要驱动力（Chen et al., 2019），KRDI可作为反映生态恢复工程实施后区域恢复成果的有效指标。然而，KRDI的变化也可能受气候变率、自然恢复过程和其他环境因素的影响；因此，KRDI被视为恢复成果的综合指标，而非生态恢复工程效应的专属度量。

为填补这些知识空白，我们聚焦于西南中国喀斯特地区。我们整合了多源遥感数据和地球化学数据，结合最大潜在溶解度（MPD）模型估算pSFR。我们纳入了精细的岩性分类，以更好地考虑地质异质性，从而生成了该地区高分辨率的年度（2000–2020年）pSFR地图。具体目标如下：(1) 揭示生态恢复条件下pSFR的长期变化和空间格局；(2) 量化生态恢复成果在解释pSFR变化（ΔpSFR）方面的贡献和敏感性；(3) 识别生态恢复成果与pSFR响应之间的潜在阈值，并评估其对喀斯特土壤形成的意义。通过生成覆盖21年的空间显式、年度解析的pSFR数据集，本研究推进了我们对大型、环境异质性喀斯特地区土壤形成动态的理解。研究结果为生态管理和喀斯特生态系统恢复提供了实证依据。

**研究区概况**

西南中国喀斯特地区面积约为54×10? km2，是世界上最大、最具代表性的亚热带喀斯特连续带之一（Xiong et al., 2025）。历史上，不可持续的土地利用和植被退化导致了严重的荒漠化和土壤侵蚀，使该地区生态系统极为脆弱（Zhang et al., 2021）。碳酸盐岩在该地区广泛出露。岩石根据……（原文截断）

**生态恢复条件下pSFR的时空格局**

西南中国喀斯特地区的pSFR表现出显著的空间异质性，主要受岩性背景控制。从2000年到2020年，区域多年平均pSFR为26.71 t km?2 yr?1，空间分布总体上从东南向西北递减，并呈现出条带状和斑块状交错的分布格局（图2a）。不同岩性区之间的pSFR差异显著。高值区集中在CA……（原文截断）

**与已发表pSFR估算值的对比**

我们将本研究计算的pSFR值与其他研究报告的数值进行了对比，以评估结果的可靠性。区域平均pSFR为26.71 t km?2 yr?1，与Zhang et al. (2022a)基于2000–2014年数据对中国喀斯特地区估算的25.76 t km?2 yr?1接近。两个估算值之间的微小差异可能源于数据分辨率、研究范围和时标方面的差异。相比之下，Li et al. (2020)使用1983年至……（原文截断）

**结论**

本研究对西南中国喀斯特地区生态恢复成果与pSFR之间的关联进行了区域尺度评估。我们表明，长期生态恢复与pSFR的整体增加一致相关。恢复成果是pSFR变异的主要解释变量，在高度脆弱地区相对贡献超过了气候因素。我们的模型进一步表明，……（原文截断）

**数据可用性**

本研究所使用的数据集源自公开可获取的来源。碳酸盐岩数据来自地质调查局地质图（https://www.cgs.gov.cn/）。数字高程数据来源于NASA DEM数据集（https://www.earthdata.nasa.gov/）。遥感数据，包括植被指数（MOD13A2）和地表反射率（MOD09A1），通过谷歌地球引擎平台获取（https://earthengine.google.com/）。气候数据……（原文截断）

**CRediT作者贡献声明**

Renru Wang：初稿撰写、可视化、软件、方法论、形式分析、数据管理、概念化。Hui Chen：验证、软件、方法论、调查研究、形式分析、数据管理。Xinyue Li：可视化、验证、软件、方法论。Peirou Yang：可视化、方法论、数据管理。Si Li：可视化、形式分析、数据管理。Lian Xiong：验证、监督、调查研究。Chaochao Du：验证、监督、形式分析。

**利益冲突声明**

作者声明本手稿不存在利益冲突。

**致谢**

本工作得到国家自然科学基金（No.U24A20579, No.U22A20619, No.42401381, No.42367008）、贵州大学领军人才项目（No.Guidalingjunhezi (2025) 03）、贵州省科技项目（No.Qiankehe Support [2024] Key 014 & [2023] General 219）、贵州省高层次人才引进项目（No.GCC[2022]015-2）、贵州省科技创新人才团队建设计划（No.Qiankehe Talent CXTD (2025) 057）的支持。

Renru Wang | Hui Chen | Xinyue Li | Peirou Yang | Si Li | Lian Xiong | Chaochao Du | Xiaodong Yuan | Jingjing Liao | Shiqi Tian | Junhan Li | Dollars Kenthouky Ita | Xudong Peng | Xiao Wei | Yuanhuan Xie | Xiaoyong Bai