综述:增强土壤安全与评估土壤状况及健康以实现更好的实施与效率

《Soil Security》:How to enhance Soil Security and assess soil condition and health for better implementation and efficiency

【字体: 大 中 小 】 时间:2026年05月30日 来源:Soil Security CS6.2

编辑推荐:

  土壤安全评估是21世纪理解和管理土壤资源最综合的方法之一。基于McBratney及其同事提出的土壤安全框架,本研究重点关注提升涵盖五个维度(能力、状况、资本、连接性和规范性)的土壤安全评估(包含115项独立评估活动)的效率和可操作性。研究人员综合了支持更高效实

  
土壤安全评估是21世纪理解和管理土壤资源最综合的方法之一。基于McBratney及其同事提出的土壤安全框架,本研究重点关注提升涵盖五个维度(能力、状况、资本、连接性和规范性)的土壤安全评估(包含115项独立评估活动)的效率和可操作性。研究人员综合了支持更高效实施的关键方法学途径,特别强调了先进技术的整合,包括土壤光谱学、数字土壤制图、遥感以及大型语言模型在政策分析中的新兴应用。文章介绍了基于土壤发生土(pedogenon)的参考系统,作为标准化评估和实现自然与人类改造土壤系统间系统化比较的基础。文章还探讨了应用该框架时面临的实际考量、方法学挑战和不确定性来源,包括在人类影响景观中识别参考条件。研究人员确定了在研究和政策背景下提高土壤安全及土壤状况/健康评估效率、一致性和适用性的策略。
土壤安全的概念已成为一个变革性框架,旨在响应日益严峻的全球环境挑战,以理解和管理土壤资源。由McBratney等人(2014)开发的土壤安全包含五个相互关联的维度,提供了对土壤进行整体评估的方法:能力(capacity)、状况(condition)、资本(capital)、连接性(connectivity)和规范性(codification)(Evangelista等人,2023;2024)。该框架代表了一种从传统土壤科学方法向生物物理、社会经济和治理视角整合到一个统一评估系统的范式转变。
虽然全面,但土壤安全评估框架(Soil Security Assessment Framework, SSAF)在实施所需的时间、资源和技术专业知识方面提出了重大挑战。随着全球土壤退化加速和基于证据的土壤管理需求日益迫切,对高效评估方法的需求变得越来越迫切。
土壤科学技术和方法学的最新进展为提高评估效率而不牺牲科学严谨性提供了前所未有的机会。土壤光谱技术、数字土壤制图方法、遥感技术以及新兴的人工智能应用的整合,为简化土壤安全评估提供了基础(Searle等人,2021;Abdulraheem等人,2023;Minasny等人,2024;Peng等人,2025)。
这些技术创新与标准化的参考系统(如土壤发生土概念)相结合,能够进行更具系统性和可比性的评估,跨越不同的地理和时间尺度。土壤发生土被定义为一个基于定量状态变量的概念性土壤分类单元,这些变量代表特定参考时间的土壤形成因素(Román Dobarco等人,2021;2023)。因此,它提供了可用于比较的土壤参考状态,支持区分自然土壤或最小干扰土壤系统(genosoils)与人类改造的土壤系统(phenosoils)。将基于土壤发生土的参考系统与现代评估技术相结合,代表了土壤安全评估方法学的重要进步。
本综述评估了当前用于提高土壤安全评估效率、可扩展性和操作适用性的方法学途径。它探讨了新兴技术、数据整合方法和分析工具如何帮助减少评估土壤安全五个维度所需的时间、成本和技术努力,同时保持科学可靠性。本综述涵盖了土壤光谱学、近地传感、数字土壤制图、遥感、经济估值方法、参与式评估工具和人工智能应用方面的进展。它还讨论了更广泛的效率和优化策略,以支持更一致、透明和可扩展的土壤安全评估。

**土壤安全评估框架**
**概念基础**
SSAF代表了一种评估土壤资源的综合方法,超越了传统生物物理土壤科学的边界,涵盖了社会经济和治理维度(Koch等人,2013)。该框架建立在土壤安全对于应对多重全球生存挑战(包括粮食安全、气候变化减缓、生物多样性保护和可持续发展目标)至关重要的认识之上(Keesstra等人,2016;Bouma等人,2019;Evangelista等人,2024;McBratney等人,2026)。自2014年提出以来(McBratney等人,2014),SSAF通过不断扩展的文献体系得以发展,本文稿通过精心挑选的关键出版物对此进行了综合,这些出版物反映了作者对该主题的参与以及对与框架发展和应用高度相关且被广泛引用研究的关注。在该框架内,指标是可测量的代理指标,将土壤功能转化为可量化的评估,而五维结构提供了一种系统化的方法来理解和量化土壤资源与人类社会之间的复杂关系。
评估框架的核心是效用分数(utility score),它代表了指标在特定土壤角色上的表现,标准化在0到1的范围内,其中1代表最佳表现,0代表最差表现(Evangelista等人,2024)。对于每个指标,构建一个效用图(utility graph),y轴为效用分数,x轴为指标值。这些图可以有多种形式,即线性、非线性、递增、递减或阶梯函数,取决于指标与所评估土壤角色的关系。将效用图应用于测量的指标值,会产生一个无量纲分数,可以一致地跨框架的所有五个维度进行比较和聚合。
能力维度(capacity)侧重于土壤在自然条件下固有的潜力,通过土壤学定义,以识别给定土壤发生土内的genosoils,代表了土壤系统执行各种功能和提供服务的内在能力。用于评估能力的指标基于相对稳定的土壤属性,这些属性随时间缓慢演化,除非有显著的外部能量和资源投入,否则难以改变。这些包括土壤质地、矿物学特性和结构特征。能力评估提供了参考状态,用于评估当前的土壤表现,并代表了土壤系统在理想管理条件下的理论最大潜力。
状况维度(condition)涉及土壤系统相对于其固有能力的当前状态,反映了对历史土地利用、管理实践和环境变化的动态响应属性(Field和Sanderson,2017;Bünemann等人,2018)。状况评估涵盖土壤健康指标,如有机质含量、生物活性、化学肥力和物理结构。在此背景下,相关土壤指标作为代理指标来评估土壤角色(功能、服务和威胁)(Ng等人,2024)。能力和状况之间的关系为过去和当前管理实践的影响(正面或负面)以及通过修改方法进行改进的潜力提供了关键见解。
自从土壤安全概念最初提出以来(McBratney等人,2014),能力(capability)已被细化以解决其模糊性。早期的解释将能力框架为“这块土壤能做什么?”(Field和Sanderson,2017)。随后的解释则强调能力是“土壤做了什么”与“土壤能做什么”之间的差距,将其与土壤内在潜力以及管理与土壤最佳利用的一致性联系起来(Bouma等人,2017;Vogel等人,2019)。能力现在被重新定义为一个包含能力和状况的总体生物物理维度(McBratney等人,2019)。土壤执行特定角色的能力受限于其能力并受其当前状况的修正。土壤能力的时序变化主要由土壤状况的变化引起(Evangelista等人,2024)。
资本维度(capital)量化了土壤资源在特定土地利用下的经济价值及其提供的服务,包括市场和非市场估值(Dominati等人,2010;Robinson等人,2014)。然而,对基于土壤的角色进行估值仍然具有挑战性,原因在于估值方法缺乏一致的共识,以及与土壤过程相互关联性质相关的双重计算风险(Evangelista等人,2024)。不同的经济方法已被用于估计土壤及其在不同土地利用下提供的服务的价值,例如包括生命周期分析、总利润估算、支付意愿研究、机会成本和循环经济方法(Kidd等人,2015;Pavan和Ometto,2018;Eusse-Villa等人,2021;Anikwe和Ife,2023)。因此,这些资本指标不仅考虑了从土壤获得的收益,还考虑了恢复、维持和增强土壤所扮演角色的成本。
连接性维度(connectivity)涉及人类对土壤系统的理解和参与,认识到有效的土壤管理取决于利益相关者的知识、态度和行动(Pachón Maldonado等人,2024)。关键的连接性指标包括公众对土壤重要性的认识、对土壤过程的科学理解,以及促进知识转移和协作管理的社会网络。连接性评估对于确保土壤科学的技术进步转化为土壤管理的实际改进至关重要,这可以通过科学家、农民、政策制定者、教育者和公众之间的双向知识交流以及公民科学倡议来加强(Pino等人,2022)。与其他土壤属性一样,连接性也具有空间组成部分,因为它反映的是人们对特定土壤和景观而非抽象土壤的知识、态度和行动。
规范性维度(codification)关注治理土壤保护和管理的政策和法律框架,认识到制度结构对确保土壤安全的重要性(Bouma,2019)。关键的规范性指标包括立法、法规、标准和治理机制的存在,这些提供了土壤管理的框架。规范性评估审查现有法律框架的适当性,并确定加强土壤安全制度支持的机会。

**115项评估结构**
SSAF的整体性体现在对115项独立评估的系统性评估中(Evangelista等人,2023;2024;Ng等人,2024),对应五个维度,涵盖23个不同的土壤角色或活动,分为三组:八个土壤功能、七个土壤服务和八个土壤威胁(图1)。该框架共同构成了一个评估矩阵,全面覆盖了土壤安全的各个方面。
土壤功能(soil functions)代表了表征土壤系统的基本过程和属性,包括食物和生物量生产、养分和水分调节、碳储存、养分循环、生物多样性栖息地、污染物过滤和修复、原材料供应,以及考古文物的保存(Haygarth和Ritz,2009;Evangelista等人,2023)。这些功能构成了土壤系统性能的基础,并为理解土壤能力和状况提供了依据。功能评估需要详细表征决定功能表现的土壤属性和过程。
土壤服务(soil services)代表了人类从土壤功能中获得的益处,包括环境和生态系统维持、气候变化减缓和适应、水资源保障、生物多样性保护、人类健康、食物和营养保障以及能源保障(Daily,1997;Evangelista等人,2023)。服务评估需要理解土壤功能与人类利益之间的联系,以及在不同土地利用和管理情景下量化服务提供。此类评估能够识别土壤服务之间的权衡与协同效应,为基于证据的政策和土地管理决策提供信息,并支持将土壤作为关键自然资源进行可持续利用。
土壤威胁(threats to soil)涵盖了可能使土壤退化并损害其安全的各种因素,包括侵蚀、酸化、盐碱化、脱碳、污染、压实、结构退化、栖息地丧失和封闭(FAO和ITPS,2015;Evangelista等人,2023)。评估土壤威胁需要识别风险因素、评估脆弱性,并量化对土壤功能和服务的级联效应。理解这些威胁对于制定有效的预防和缓解策略至关重要。
对每个角色在所有五个维度上的系统性评估,确保了对土壤安全各方面的全面覆盖,同时为不同背景下的比较提供了标准化框架。这种方法能够识别土壤安全中的优势和弱点,并支持制定有针对性的干预措施来应对特定挑战。115项评估为基于证据的土壤管理和政策制定奠定了基础。

**定义参考土壤:土壤发生土**
**概念发展**
土壤发生土(pedogenon)概念代表了土壤分类和参考系统发展的重要进步,提供了一种基于特定时间点相似形成环境而非当前属性来系统性理解土壤的方法。由Roman Dobarco等人(2021;2023)开发,并受Huang等人(2018)工作的启发,土壤发生土被定义为一个概念性土壤分类单元,以代表特定参考时间的土壤形成因素的定量状态变量为特征。基于经典的土壤形成因素模型(CLORPT:气候、生物、地形、母质、时间)(Jenny,1941),该概念通过定量表征和时间限定扩展了这种方法,使得区分自然土壤变异和人类引起的变化成为可能。这种时间锚定对于理解土壤变化和制定适当的管理策略至关重要。
参考时间的选择是土壤发生土概念发展的关键方面,通常选择在显著人类改造土壤系统之前的时期。例如,在澳大利亚背景下,约1750年(欧洲人定居前)的时期已被用作参考时间,以建立代表最自然或相对未受干扰土壤系统的土壤发生土类别(Román Dobarco等人,2021;2023)。这种方法能够评估人类对土壤系统的影响,并支持基于自然参考条件制定恢复目标。
土壤发生土制图涉及将聚类算法应用于代表土壤形成因素的环境协变量,创建明确的空间类别,代表不同的土壤形成环境(Román Dobarco等人,2021;2023)。生成的土壤发生土图为分层抽样、监测设计和评估标准化提供了框架。土壤发生土分类图的层级性质使其能够在多个尺度上应用,从局部管理单元(Jang等人,2022)到区域和国家评估(Román Dobarco等人,2021),最近还扩展到全球尺度(Francos等人,2025c)。土壤发生土并非静止不变,可能因人类活动而随时间变化。

**与Genosoil-Phenosoil的整合**
土壤发生土概念是区分genosoil-phenosoil的基础,genosoil指土壤的自然或最小干扰状态,phenosoil指其人类改造状态。Genosoils保留了其自然特征,受人类活动影响最小,并作为评估土壤能力的参考。同时,Phenosoils由于人类干预而表现出改变的属性和功能,反映了相对于其自然潜力的土壤当前状态。
将土壤发生土制图与genosoil-phenosoil整合为土壤安全评估提供了一种强大的方法(McBratney等人,2019;Jang等人,2023;Román Dobarco等人,2023)。土壤发生土类别定义了特定环境条件下预期的自然土壤特征,而genosoil-phenosoil则表明由于管理实践,土壤的当前状态偏离自然条件的程度。这种方法能够对人类影响进行量化评估,并支持基于土壤发生土制定管理策略。
这种整合方法的应用揭示了土壤系统人类改造程度的深刻见解。在澳大利亚的研究(Román Dobarco等人,2023)表明,该大陆约56%的土地可被归类为genosoils,而农业景观的很大一部分已通过集约化土地利用转化为phenosoils。值得注意的是,有32个土壤发生土类别已完全失去其genosoils,218个类别保留的genosoil覆盖率不足5%。
随着人口密度和土地利用压力的增加,这种改造模式更加明显。最近对美洲马纬度地区(30° N – 30° S)的一项研究发现,该地区人口密度远高于澳大利亚,只有约25%的土壤可被归类为genosoils(Francos等人,2025b)。在欧洲,人口密度更高,经过几个世纪的集约化农业和密集定居,景观发生了转变,genosoils变得越来越稀少,许多土壤发生土类别缺乏参考状态(Francos等人,2025a)。
这些发现表明,土壤改造程度与人类土地利用的强度和持续时间存在清晰的梯度关系,这对土壤安全以及genosoils在能力评估和恢复规划中的可用性具有深远影响。因此,土壤发生土和genosoil-phenosoil的整合为量化土壤安全、识别最令人担忧的区域以及优先考虑在地方到大陆尺度上增强土壤安全的干预措施提供了操作方法。

**在评估效率中的应用**
土壤发生土为提高土壤安全评估效率提供了多种机会。标准化的方法能够进行系统化的抽样设计,在保持代表性覆盖的同时减少所需的评估点数量。土壤发生土类别可用于分层抽样工作,确保评估捕捉到土壤形成环境的全部范围,同时优化资源分配。
土壤发生土制图的预测能力使得评估结果可以在相似的环境条件下进行外推(Román Dobarco等人,2023)。最近对澳大利亚国家和全球土壤发生土图的比较分析表明,跨空间尺度的土壤形成环境表现大致一致,支持了基于土壤发生土的评估从区域到全球应用的可扩展性(Ng等人,2026)。在特定土壤发生土类别内进行的详细评估可用于估计同一类别内其他区域的土壤安全指标,减少了对综合实地评估的需求。这种方法对于全面实地覆盖不切实际的大规模评估尤其有价值。
土壤发生土制图提供的时间框架通过能够检测相对于参考状态的土壤变化来支持高效的监测设计(Jang等人,2023;Wadoux等人,2024;Styc等人,2025)。监测工作可以集中在那些预计会显著偏离参考状态或已实施管理干预措施的区域。这种有针对性的方法优化了监测资源,同时确保对关键区域进行充分覆盖。
在区域案例研究中,可以在较小区域内获取更多样本,通过识别单个土壤发生土内的不同phenosoils,可以更准确地评估人类管理的影响(Huang等人,2018)。这使得成土过程和管理实践都能被分层。目前,这在全球尺度上尚未一致实施,主要是由于评估土壤能力和状况所需的大样本量。土壤发生土制图与数字土壤制图方法的整合为自动化评估和监测提供了机会(Jang等人,2023;Wadoux等人,2024;Styc等人,2025)。机器学习算法可以基于土壤发生土类别成员资格和环境协变量来训练预测土壤安全参数,实现跨大区域的快速评估。这种方法结合了土壤发生土分类的理论基础与数字制图技术的效率。

**高效评估的方法论途径**
图2展示了用于高效土壤安全评估的整合方法论途径,说明了关键分析方法和数据类型如何跨SSAF的五个维度相互关联。
**能力与状况维度**
能力和状况维度的评估是土壤安全评估的核心组成部分,需要对土壤属性和过程进行详细表征。传统的基于实验室的土壤分析方法通常耗时且昂贵,限制了其在大规模评估中的应用。
土壤光谱学(Viscarra Rossel等人,2016)和遥感(Abdulraheem等人,2023)的最新进展为提高能力和状况评估效率提供了前所未有的机会。
土壤光谱技术,包括可见光-近红外(vis-NIR)、中红外(MIR)和X射线荧光(XRF)光谱,提供了快速、无损且经济高效的土壤表征方法(Soriano-Disla等人,2014)。Vis-NIR光谱对于估算土壤有机质含量、质地和水分特别有效,而MIR光谱在粘土矿物学和碳酸盐含量方面提供更高的准确性(Ng等人,2019;2023;Sharififar等人,2025b)。XRF光谱能够进行直接元素分析,提供对母质组成(Wang等人,2024)和潜在污染(Chandramohan等人,2025)的见解。
这些光谱技术的整合为土壤表征提供了一种综合方法,可以显著减少对传统实验室方法的依赖(Nocita等人,2015;O'Rourke等人,2016;Ng等人,2019;Xu等人,2019;Zhang和Hartemink,2020)。便携式光谱仪器支持原位评估,通过消除样品运输和实验室处理的需要进一步提高效率。大型光谱库,如世界农用林业中心-国际土壤参考与信息中心(ICRAF-ISRIC)土壤光谱库、土地利用/覆盖面积框架统计调查(LUCAS - 欧洲数据中心联合研究中心)、Kellogg土壤调查实验室(KSSL - 美国农业部自然资源保护局国家合作土壤调查(USDA NRCS NCSS))和开放土壤光谱库(OSSL),为校准和模型开发提供了宝贵资源,使得光谱学可以应用于不同的地理区域(Garrity和Bindraban,2004;Orgiazzi等人,2018;Shepherd等人,2022;Peng等人,2025;Safanelli等人,2025)。尽管取得了这些进展,光谱技术的一个关键限制是需要大量校准数据来开发稳健且可迁移的模型。这一限制在现有光谱库中代表性不足的土壤类型和土地利用中尤为突出,降低了模型在这些背景下的准确性和适用性。
数字土壤制图(Digital Soil Mapping, DSM)方法利用空间建模和机器学习的力量来预测景观尺度上的土壤属性(McBratney等人,2003;Minasny和McBratney,2016)。DSM整合了来自各种来源的数据,包括遥感图像、数字高程模型、气候数据和现有土壤调查,以创建高分辨率的土壤属性图。DSM的效率在于其能够将有限实地样本的信息外推到更大区域,从而减少了对大规模实地考察的需求。
像SLAKES这样的移动应用程序正在改变土壤状况的评估方式,使其对从农民到教育者等各类用户更加便捷和高效(Fajardo等人,2016;2025)。由悉尼大学和土壤健康研究所开发的SLAKES应用程序(Fajardo等人,2025)特别侧重于测量湿团聚体稳定性(wet aggregate stability),这是土壤状况或健康的关键指标,量化了土壤抵抗崩解(slaking)和分散(dispersion)的能力。虽然小程度的崩解可以增加易碎性和自耕性,但过度的崩解会破坏土壤结构,减少入渗,增加径流,并因较弱的团聚体更易破裂而加剧侵蚀风险(Jones等人,2021)。因此,更坚固的土壤团聚体对侵蚀更具抵抗力。
遥感技术为DSM和土壤属性的直接评估提供了关键输入(Mulder等人,2011)。来自Landsat和Sentinel等平台的卫星图像提供了有关土地覆盖、植被动态和表层土壤属性的宝贵信息(Boettinger等人,2008;Silvero等人,2021)。高光谱遥感(hyperspectral remote sensing)凭借其高光谱分辨率,能够对土壤属性进行更详细的表征,并支持开发先进的预测模型(Ben-Dor等人,2009;Mzid等人,2022)。时序遥感数据还支持监测土壤状况随时间的变化。
近地土壤传感(Proximal Soil Sensing, PSS)在评估土壤状况方面发挥着关键作用,特别是在专注于表征phenosoils的土壤表型分析(soil phenotyping)中。这些phenosoils代表了土壤、植物和动物之间的动态相互作用,其表征可以为有效管理和可持续农业实践提供信息。PSS技术通过采用靠近或直接接触土壤的传感器,提供了一种无损且高效的方法来收集与土壤功能相关的各种土壤属性的高分辨率数据,包括水分含量、养分水平、pH值、有机质和质地(Silvero等人,2023;Evangelista等人,2025)。这些详细、局部化的信息对于理解田间土壤属性的时空变异性非常宝贵。对于土壤表型分析,PSS能够快速、重复地测量直接影响植物生长和发育的土壤属性,例如根区水分有效性或养分分层(Hardie,2020)。这一能力在数字农业领域尤为重要,因为数据驱动的决策至关重要。通过将PSS数据与其他数字工具(如全球定位系统(GPS)、地理信息系统(GIS)和遥感)整合,农民可以创建详细的土壤状况图,识别管理区,并实施精准农业策略。
土壤转换函数(Pedotransfer Functions, PTFs)在连接易于测量的土壤属性和更复杂的功能指标之间发挥着关键作用(W?sten等人,2001)。PTFs是统计模型,利用更易获得的数据(例如,质地、有机质含量)来估计难以测量的土壤属性(例如,导水率、持水能力)。将PTFs与光谱学和DSM整合,通过从有限的输入数据估计更广泛的土壤属性,进一步提高了评估效率。
能力和状况的评估对用于评估特定活动的指标选择敏感。据研究人员所知,当前重点主要集中在物理化学属性上,而生物属性由于有限的观测数据而未被充分代表。

**资本维度**
土壤安全资本维度的评估涉及量化土壤资源在特定土地利用下的经济价值及其提供的服务。这需要将生物物理土壤数据与量化和经济估值所供服务相结合,使用来自各种来源的经济信息或支付意愿调查(Franceschinis等人,2023)。资本评估的效率主要通过利用公开可用的经济数据库和统计信息来实现(Costanza等人,1997)。
国家和区域经济数据库提供了有关农业生产、土地价值、投入成本和市场价格的有价值信息。这些数据源能够估计土壤对农业生产力的经济贡献,并支持与土壤相关的生态系统服务估值(Bartkowski等人,2020;Brander等人,2024)。农场级统计提供了有关管理实践、产量和经济回报的更详细数据,为不同土壤管理策略的经济影响提供了见解。
除了农业用地,经济估值还必须考虑非农业用地,如森林和城市区域,它们通过不同的途径贡献于与土壤相关的生态系统服务。森林土壤提供碳封存、水分调节和生物多样性支持,其价值在很大程度上是非市场的,需要使用条件估值法(contingent valuation)、替代成本法和碳市场定价等方法(Inácio等人,2025)。城市土壤虽然常常退化,但仍提供调节服务,包括暴雨过滤、城市热缓解和娱乐价值,这些价值可以通过特征价格法(hedonic pricing)、旅行费用法或基于成本的方法(避免的损害成本)来估计。
比较不同土地利用下土壤资源的经济价值需要一个共同的框架。联合国环境经济核算体系——生态系统核算(System of Environmental-Economic Accounting — Ecosystem Accounting, SEEA EA)开始建立这样一个框架,通过将生物物理土壤数据与经济账户联系起来,使土壤生态系统服务价值能够在农业、森林和城市土地利用之间一致地表达和比较,以支持政策规划和决策(United Nations,2021;King等人,2024)。
无论土地利用背景如何,非市场土壤功能(如条件估值、选择实验和效益转移方法等估值技术)被用于估计土壤功能的非市场价值(de Groot等人,2012)。这些方法虽然通常很复杂,但为全面的资本评估提供了关键信息。通过开发标准化的估值协议和利用现有估值研究进行效益转移(benefit transfer)应用,可以提高效率(Richardson等人,2015)。成本效益分析(cost-benefit analysis)在资本评估中起着核心作用,评估不同土壤管理干预措施的经济可行性(Crisp等人,2013;Boardman等人,2018)。这需要考虑与恢复退化土壤相关的转型成本、维持土壤质量的预防成本,以及增强土壤功能的投资成本。将生物物理土壤数据与经济模型整合,能够实现稳健的成本效益分析,并支持基于证据的决策。
尽管取得了这些进展,资本维度内的估值仍然具有挑战性,因为土壤和生态系统服务货币化具有特定背景性和不确定性。双重计算(double counting)是一个公认的方法学问题,当土壤过程的相互关联性导致相同的土壤功能在多种估值方法下被捕捉时就会发生(Hein等人,2006;Boyd和Banzhaf,2007;Fu等人,2011)。在缺乏原始估值数据的情况下,将从一个背景推导出的估值估计应用于另一个背景(效益转移)经常被用作一种实际的替代方案。虽然效益转移为将现有估计扩展到数据稀缺的背景提供了一种有效的手段,但其应用引入了显著的不确定性,并因可能破坏生态系统服务估值的更广泛可信度而受到批评(Plummer,2009;Richardson等人,2015)。这些问题,加上忽视非市场和代际价值的倾向,突显了资本维度评估中对更大方法学严谨性和透明度的需求。

**连接性维度**
土壤安全的连接性维度关注人类对土壤系统的理解、态度和行动。该维度的评估通常依赖于基于调查的方法和定性数据收集技术。连接性评估的效率通过开发标准化的调查工具、数字数据收集平台和自动分析工具来实现。
知识、态度与实践(Knowledge, Attitudes, and Practices, KAP)调查被广泛用于评估利益相关者对土壤退化的理解、对土壤保护的态度以及对可持续管理实践的采纳(Launiala,2009)。针对特定背景和目标群体定制的标准化KAP调查模块可以增强可比性并减少调查开发时间。数字调查平台,如在线问卷和移动数据收集应用程序,简化了数据收集和管理。
社会网络分析(social network analysis)提供了有关社区内信息流动和影响力的见解,揭示了与土壤管理相关的关键行动者和沟通路径(Borgatti等人,2009)。这种方法可以识别有针对性的知识传播和能力建设倡议的机会。自动化的社会网络分析工具可以通过处理大型数据集和识别复杂的网络结构来提高效率。
评估土壤安全的连接性维度具有挑战性,因为通过调查获得的自报数据可能存在偏差。结果很难在利益相关者群体之间标准化。此外,有限的资源、数字访问限制和时间约束进一步阻碍了可靠的评估。除了传统的调查,越来越需要能够向利益相关者个性化提供信息并实现双向信息流动的工具。自我评估工具、决策支持平台和交互式数字应用程序可以让利益相关者既提供信息,又接收关于他们的土壤、管理实践和潜在改进的定制反馈。这些工具将连接性评估从单向数据收集转变为参与式土壤管理和持续学习系统。

**规范性维度**
土壤安全的规范性维度考察治理土壤保护和管理的政策和法律框架。该维度的评估涉及对立法、法规、标准和治理机制的分析。大型语言模型(Large Language Models, LLMs)的新兴应用(Rillig等人,2023)为提高规范性评估效率提供了巨大潜力。LLMs可以被训练来自动分析法律和政策文件,提取关于土壤保护措施、监管要求和执行机制的相关信息(Hassani,2024;Siino等人,2025)。这种自动化方法可以显著减少人工审查文件所需的时间和工作量,实现对多个司法管辖区规范性框架的快速评估。LLMs还可以识别现有法律框架中的空白、不一致性和需要改进的领域。
然而,一个关键挑战在于土壤相关法规的背景依赖性,它们在范围、法律语言和执行框架方面在不同司法管辖区差异很大,使得直接比较或整合变得困难。因此,需要仔细验证LLMs的输出与领域专业知识,这仍然是未来发展的重要领域。
效用价值分配(utility value assignment)是规范性评估的关键组成部分,涉及评估法律工具在保护土壤功能、预防威胁和管理服务方面的有效性。LLMs可用于开发评分系统,并根据预定义标准分配效用值,为规范性评估提供标准化方法。这种自动化方法增强了不同法律框架之间的一致性和可比性。
将LLMs应用于规范性评估的挑战包括需要特定领域的训练数据、验证模型输出以及解决训练数据集中的潜在偏差(Norheim等人,2024;Joshi,2025)。LLMs容易产生幻觉(hallucination)和非确定性输出,这会破坏可靠性和可重复性,特别是在应用于土壤数据或其他专业领域时。确保基于LLMs的评估的准确性和可靠性需要仔细的模型开发、严格的测试和专家监督。尽管面临这些挑战,LLMs代表了一种有前景的技术,可提高规范性评估的效率和有效性。
为可持续土壤利用和管理制定土壤保障政策框架需要考虑以土壤为中心的原则(Sharififar等人,2025a)。这些核心原则为土壤保护政策制定和管理提供了必要的考量,从而形成全面、包容的土壤政策,这些政策可以通过土壤安全的生物物理、社会经济维度以及土壤多功能性得到验证。理解土壤的多功能性和多服务能力,以及土壤对威胁的多重韧性,对于编纂土壤治理和管理是必要的。
当前的规范性措施跟踪政策、法规和法律的存在,而非其执行或结果,掩盖了意图与实际土壤状况之间的差距。评估有效性具有挑战性,因为它需要关于实施、合规性和生态影响的可靠数据,而这些数据通常是分散的。土壤过程固有的缓慢性和管理措施产生可衡量结果所需的长期时间框架进一步加剧了这一挑战,使得在典型的监管或报告周期内评估政策有效性变得困难。

**效率优化策略**
提高土壤安全评估效率需要一种多方面的方法,整合技术创新、数据管理策略和机构能力建设。以下策略对于在保持科学严谨性和实际适用性的同时优化评估效率至关重要。
重要的是要认识到,本节讨论的效率策略是跨土壤安全框架的五个维度以及维度之间运行的,而非孤立地运行。数据优先化和技术革新,包括土壤光谱学、数字土壤制图和遥感,主要通过提供大规模空间明确的生物物理数据来支持能力和状况维度。经济数据库、估值方法和成本效益工具支撑资本维度。LLMs应用和法规分析工具直接支持规范性维度,而知识共享平台和利益相关者参与机制则加强了连接性。关键的是,基于云的整合和(可发现、可访问、可互操作和可重用)FAIR数据原则提供了跨维度基础设施,需要综合所有五个维度的输出,从而实现连贯、整合的土壤安全评估,而不是一系列
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号