利用模拟卫星多光谱数据与环境协变量估算中国新疆南部干旱绿洲的土壤无机碳含量
《Soil and Tillage Research》:Estimation of soil inorganic carbon using simulated satellite multispectral data and environmental covariates in arid oases of southern Xinjiang, China
【字体:
大
中
小
】
时间:2026年07月15日
来源:Soil and Tillage Research 6.1
编辑推荐:
崔志波|洪永生|胡碧峰|陈松超|彭杰|阿卜杜勒·穆内姆·穆阿赞•利用模拟多光谱数据与协变量估算土壤无机碳是可行的。•土壤无机碳的敏感波段(400–1510?nm)与卫星多光谱波段存在重叠。•环境协变量能显著提升土壤无机碳估算的准确性。•影响土壤无机碳的关键预测因子包括CI、HI、
崔志波|洪永生|胡碧峰|陈松超|彭杰|阿卜杜勒·穆内姆·穆阿赞•利用模拟多光谱数据与协变量估算土壤无机碳是可行的。•土壤无机碳的敏感波段(400–1510?nm)与卫星多光谱波段存在重叠。•环境协变量能显著提升土壤无机碳估算的准确性。•影响土壤无机碳的关键预测因子包括CI、HI、CAEX、RI、B、SOC、MSLP、Sand、BD、PM。
引言
土壤无机碳是生态系统中的重要组成部分,对维持土壤健康、全球碳循环以及整体生态系统稳定性起着关键作用(Liao等人,2025;Zhang等人,2025)。在农业系统中,土壤无机碳通过调节土壤pH值缓冲能力、增强土壤团聚体稳定性以及影响养分有效性,直接作用于作物生产(Huang等人,2024)。作为第二大土壤碳库,土壤无机碳约占全球土壤碳总量的38%,在0–2米土层中可储存多达2400 Pg的碳量。这一储存量远超过大气碳库的储存量(760–880 Pg)(Odebiri等人,2023;Zhu等人,2024)。尽管干旱和半干旱地区仅占陆地表面的41%,但却蕴藏着全球90%以上的土壤无机碳储量(Raza等人,2024;Wu等人,2025)。在这些地区,土壤无机碳的储量大约是土壤有机碳储量的两到十倍(Gozukara等人,2025b)。因此,干旱和半干旱地区构成了全球土壤无机碳库的主要部分(Wang等人,2025a)。这些地区总面积约为7400万平方公里,为全球50多个国家和地区的近25亿人提供重要的生态系统服务(Díaz-Martínez等人,2024;Ng等人,2025)。
尽管土壤无机碳在陆地生态系统碳循环中的作用日益凸显,但在土壤碳储存研究领域却尚未得到足够重视(Zhu等人,2024;Zhang等人,2025)。目前,全球约96%的土壤碳研究集中在土壤有机碳上,而只有4%涉及土壤无机碳(Raza等人,2024)。这种研究失衡导致人们对土壤无机碳在碳循环中的机制及动态过程了解有限(Wu等人,2025)。尤其是在全球气候变化加剧和人类活动不断增加的背景下,土壤无机碳的稳定性面临严峻挑战(Huang和Wei,2025)。大量研究表明,气候变暖、干旱频发、大气酸沉降等自然因素,以及耕作方式改变、施肥措施调整、灌溉方式变化和土地利用类型转变等人为因素,都使得土壤无机碳的周转时间缩短至年度甚至十年尺度(Liao等人,2025;Ng等人,2025;Zhang等人,2025)。因此,提高土壤无机碳的估算精度已成为当务之急,这对于准确掌握其空间分布和时间动态至关重要,进而有助于推动碳交易市场的可持续发展、增强土壤碳固存能力,并保障碳信用的质量(Wu等人,2025;Gozukara等人,2025b)。
目前,估算土壤无机碳的主要方法包括地质统计插值法、基于SCORPAN框架的数字土壤制图技术以及实验室高光谱技术(Sharififar等人,2023;Dina Ebouel等人,2024;Zhu等人,2026)。与传统基于点样采样和化学分析的方法相比,这些方法在空间覆盖范围和估算效率方面有了显著提升,但在支持大规模、长期且动态的土壤无机碳估算方面仍存在一定局限性(Chen等人,2023;Pfeiffer等人,2023)。在各类方法中,传统的地质统计插值法通常依赖密集或规则分布的土壤样本,且基于空间稳态性假设,难以有效反映母质、地形和气候等环境因素对土壤无机碳的非线性影响(Chen等人,2023;Wu等人,2025)。在干旱和半干旱地区,由于交通基础设施较为薄弱,加之沙漠、戈壁等复杂地形广泛存在,很难实现高密度、规则结构的采样,这进一步增加了基于地质统计插值法估算土壤无机碳储量的不确定性(Dong等人,2024;Ye等人,2025)。在此背景下,基于SCORPAN框架的数字土壤制图技术成为一种重要的替代方案(McBratney等人,2003;Chen等人,2022)。该方法无需密集或规则的采样,能够借助机器学习技术有效捕捉土壤无机碳与多种环境协变量之间的非线性关系(Song等人,2022;Zhu等人,2024)。该技术已成功应用于区域级(Wu等人,2025;Ye等人,2025)、国家级(Song等人,2022;Ng等人,2025)乃至全球尺度的土壤无机碳制图工作(Huang等人,2024;Huang和Wei,2025)。然而,现有的大多数数字土壤无机碳制图研究仍主要依赖于静态的环境协变量数据集,这类数据难以及时更新,这在一定程度上限制了其在动态土壤无机碳估算中的应用性和适应性(Pfeiffer等人,2023;Liang等人,2024;Ng等人,2025)。近年来,由于具有高效且无损的特点,实验室高光谱技术逐渐成为量化评估土壤无机碳的先进方法(Gozukara等人,2025a)。许多研究证实,可见光近红外高光谱技术能够较准确地估算土壤无机碳,其决定系数R2介于0.70到0.92之间(Filippi等人,2018;Bai等人,2023;Hong等人,2023;Wang等人,2025a)。不过,可见光近红外高光谱技术的空间覆盖范围有限,且缺乏时间连续性,这限制了其在大规模动态土壤无机碳估算中的应用(Fu等人,2024;Zhu等人,2024)。因此,如何利用有限的采样点实现大规模、长期且动态的土壤无机碳估算,已成为亟待解决的问题。
随着地球观测技术的快速发展,卫星遥感已成为大规模、长期和动态估算土壤无机碳的重要数据来源,因为它具有采样点少、数据获取便捷、覆盖范围广以及具备较高的时间和空间分辨率等优点(Chen等人,2022;Vance等人,2024;Cui等人,2025)。遥感影像能够捕捉多种动态环境变量,为揭示和建模土壤与景观之间的关系提供重要依据(Hong等人,2025)。近年来,用于数字土壤制图研究的卫星传感器种类日益增多,包括Sentinel?2 MSI(Azizi等人,2023:用于测定土壤质地组分;Wang等人,2024a:用于测定土壤盐分;Xue等人,2025:用于测定土壤有机碳),Landsat?8 OLI(Wang等人,2023:用于测定土壤有机质;Hong等人,2025:用于测定土壤有机碳),MODIS(Guo等人,2024:用于测定土壤表面温度;Aliabad和Ghaderpour,2025:用于测定土壤热通量),PlanetScope SuperDove(Tan等人,2023:用于测定土壤含水量;Wang等人,2025b:用于测定土壤pH值),GF?6 WFV(Ye等人,2021:用于测定土壤有机质),以及ZY?3 MUX(Wang等人,2024b:用于测定土壤侵蚀程度),这些卫星为不同空间尺度上的土壤无机碳估算提供了丰富的遥感数据资源。不过,卫星遥感估算土壤无机碳的效能取决于其搭载的传感器是否覆盖与土壤无机碳相关的光谱响应波段。虽然以往的研究已利用实验室高光谱数据确定了土壤无机碳的光谱敏感波段,但目前的多数卫星所配备的均为多光谱传感器(Bai等人,2023;Sharififar等人,2023;Vance等人,2024)。由于多光谱数据的光谱分辨率较低,其提取土壤无机碳信息的能力远远低于高光谱数据。因此,利用卫星遥感技术实现高精度的土壤无机碳数字制图仍然是一项具有挑战性的任务。
为了为利用卫星遥感技术估算土壤无机碳提供理论依据,本研究采用了来自中国新疆南部干旱绿洲地区的地表土壤无机碳含量数据以及实验室高光谱数据。这些实验室高光谱数据通过光谱响应函数转换成了对应不同卫星传感器的模拟多光谱数据,以此评估各类传感器在估算土壤无机碳方面的性能。此外,本研究还探讨了引入环境协变量后能否进一步提升土壤无机碳估算的准确性。本研究旨在:(i)揭示土壤无机碳的光谱响应特征及其敏感波段;(ii)比较不同卫星传感器在估算土壤无机碳方面的性能,并评估引入环境协变量后精度提升的潜力;(iii)确定在干旱绿洲地区利用遥感技术估算土壤无机碳时的关键特征变量。
研究区域
本研究区域位于中国新疆南部的阿拉尔垦区(图1(a)),地理坐标介于东经80°30′至81°58′、北纬40°22′至40°57′之间,面积约为3924平方公里(图1(b))。该地区海拔在900至1085米之间,地形较为平缓,从东南向西北逐渐升高(Wang等人,2023)。该地区属于典型的温带大陆性干旱沙漠气候,自然环境条件极为恶劣。
土壤无机碳的统计特征
为确保模型训练过程的严谨性以及性能评估的可靠性,科学地划分校准集和验证集十分重要。该地区土壤无机碳含量的变化程度处于中等水平,变异系数为24.85%,这一数值落在15%–35%的范围内(Wilding,1985),表明该地区土壤无机碳的分布存在明显的空间异质性(图4(a))。总体而言,土壤无机碳含量近似服从正态分布。
土壤无机碳的高光谱敏感波段
识别出对土壤无机碳敏感的高光谱波段,可为利用遥感技术估算土壤无机碳提供科学依据。这些敏感波段是否落在卫星传感器所能覆盖的光谱范围内,是判断能否利用卫星遥感技术估算土壤无机碳的关键前提。以往的研究表明,高光谱技术能够提供连续的光谱数据,有助于精准识别独特的光谱响应特征。
结论
本研究系统模拟了不同卫星传感器对土壤无机碳的光谱响应特性,并全面评估了这些传感器在结合环境协变量后估算土壤无机碳的潜力。研究结果表明,400–1510?nm范围内的光谱特征与土壤无机碳含量之间存在较强的相关性,而且这一范围与卫星传感器的多光谱波段有较大重叠,尤其是在可见光波段。经过模拟的六个波段……
CRediT作者贡献说明
阿卜杜勒·穆内姆·穆阿赞:写作——审稿与编辑。彭杰:写作——审稿与编辑、监督、方法设计、概念构建。陈松超:写作——审稿与编辑、可视化处理。胡碧峰:写作——审稿与编辑、方法设计。洪永生:写作——审稿与编辑、可视化处理、软件应用。崔志波:写作——初稿撰写、方法设计、数据收集、定量分析、数据整理。
利益冲突声明
我们声明,自己与任何可能不当影响我们工作的个人或组织均不存在财务或个人关系,也不存在任何可能影响本研究内容或评审意见的专业或其他个人利益。
致谢
本研究得到了中国气象科学研究院自然科学基金项目(项目编号2025DA002)、江西省自然科学基金(编号20232BAB213058)、江西省“双千计划”(编号jxsq202301091)以及国家自然科学基金(项目编号42471060、42201073和42201054)的支持。
生物通微信公众号
生物通新浪微博
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