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.pdfVIP

第61卷第3期土壤学报Vol.61，No.3

2024年5月ACTAPEDOLOGICASINICAMay，2024

DOI：10.11766/trxb202211020602

周琪清，赵小敏，郭熙，周洋.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[J].土壤学报，2024，61（3）：648–661.

ZHOUQiqing，ZHAOXiaomin，GUOXi，ZHOUYang.PredictionofSpatialDistributionofSoilOrganicCarboninCultivatedLandBasedon

PhenologyandExtremeClimateInformation[J].ActaPedologicaSinica，2024，61（3）：648–661.

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*

1，21，2†1，21，2

周琪清，赵小敏，郭熙，周洋

（1.江西农业大学，国土资源与环境学院，南昌330045；2.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），南昌

330045）

摘要：土壤有机碳（SoilOrganicCarbon，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（DigitalSoilMapping，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（OrdinaryKriging，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。

关键词：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

中图分类号：S158.9文献标志码：A

PredictionofSpatialDistributionofSoilOrganicCarboninCultivatedLand

BasedonPhenologyandExtremeClimateInformation

ZHOUQiqing1,2,ZHAOXiaomin1,2†,GUOXi1,2,ZHOUYang1,2

(1.AcademyofLandResourceandEnvironment,JiangxiAgriculturalUniversity,Nanchang330045,China;2.KeyLaboratoryof

AgriculturalResourcesandEcologyinPoyangLakeWatershedofMinistryofAgricultureandRuralAffairs