基于物候与极端气候信息的耕地土壤有机碳空间分布预测研究

作     者：周琪清 赵小敏 郭熙 周洋 

作者机构：江西农业大学国土资源与环境学院 农业农村部鄱阳湖流域农业资源与生态重点实验室(江西农业大学) 

出 版 物：《土壤学报》 (Acta Pedologica Sinica)

年 卷 期：2023年

核心收录：

学科分类：09[农学] 0903[农学-农业资源与环境] 

基　　金：国家重点研发计划项目(2020YFD1100603) 国家自然科学基金项目(41361049)资助 

主　　题：土壤有机碳 数字土壤制图 随机森林残差克里格 物候 极端气候 

摘      要：土壤有机碳(Soil Organic Carbon,SOC)作为陆地生态系统中最大的碳库，在农田土壤质量和作物产量方面发挥着重要作用。准确预测耕地SOC的空间分布对于制定农业管理措施至关重要。在数字土壤制图(Digital Soil Mapping,DSM)框架下，选择有效的环境协变量是提高SOC空间预测精度的重要方法。以往遥感指数和气候变量通常使用某个时段或时点的(平均)值作为输入变量，而很少有研究将时间特性和事件用于土壤有机碳预测。因此，引入物候变量、极端气候变量弥补部分损失的地物信息和气候特征，探讨其对研究区耕地SOC空间变异的响应特性及预测SOC空间分布的可行性。以江西省上高县为研究区域，采用随机森林模型，选取遥感数据、DEM衍生变量、物候参数、气候特征因子等作为环境协变量引入模型中，并用普通克里格(Ordinary Kriging,OK)对模型结果进行残差修正，最后对比不同类型变量组合下模型的预测效果及预测精度。结果表明，时序变量、物候变量及极端气候变量能够改善模型的预测性能，并且残差作为误差项还能进一步提升模型的精度。结合时序变量、物候变量、极端气候变量、地形变量和残差的组合拥有最高的预测精度，相较于地形变量、遥感变量和气候变量的组合，将R2、MAE和RMSE提升了90.00%、58.95%和57.14%。变量贡献率分析显示，SU、a3和TXx是影响研究区耕地SOC分布的重要变量。因此，物候变量和极端气候变量具有较好的应用前景，未来还需验证极端气候变量作为环境变量在不同土地利用、大尺度研究区下预测土壤属性的有效性。