天山中段土壤有机碳空间预测及主控因子 后印本

摘要: 精准刻画天山中段土壤有机碳（Soil Organic Carbon，SOC）的空间格局并揭示其主要影响因子，对于评估土壤质量、实现固碳增汇和保障生态安全具有重要意义。然而，由于天山地区内，尤其是近天山地区和远离天山地区的地形、降雨量、蒸发量、植被覆盖和土壤pH差异显著，整体生态条件复杂，导致区域SOC存在高度空间异质性，这为利用数字土壤制图技术实现SOC精确制图带来了极大的挑战。本文基于463个土壤采样数据，结合极限梯度提升树（eXtreme Gradient Boosting，XGB）等多种机器学习模型获取了SOC的空间分布图，并使用SHAP（Shapley Additive exPlanations）算法揭示了SOC空间分异的主要影响因子。结果表明：XGB模型的拟合效果最优，其拟合R²达到0.716、LCCC达到0.824，而RMSE仅为1.554 g·kg⁻¹。该地区SOC的空间分布呈现出北高南低的特征。通过SHAP算法进一步发现，该地区 SOC 含量主要受到 pH、海拔与年均降水量的影响。且偏依赖图结果表明，环境变量与SOC均存在阈值效应。当pH高于7.8、年均蒸发量高于620 mm，或年均降雨量低于300 mm、植被净初级生产力低于130 g C·m⁻²·a⁻¹时，SOC含量骤降，这表明控制土壤pH、蒸散量、植被的生长情况有利于区域土壤固碳增汇。应该通过使用酸性改良剂、施用有机肥、保证农业灌溉等手段调节该地区影响SOC的关键变量的取值，进而实现提升SOC含量的目标。本研究证实了考虑土壤pH、海拔、年均降水量等变量的重要性，研究成果为天山中段土壤碳汇管理提供了数据支撑，也为其他干旱半干旱地区的SOC数字制图提供了参考。