土壤学报

作者：袁玉琦，陈瀚阅，张黎明，任必武，邢世和，童珺玥

单位：袁玉琦，福建农林大学资源与环境学院, 土壤生态系统健康与调控福建省高校重点实验室, 福州 350002；,陈瀚阅，福建农林大学资源与环境学院, 土壤生态系统健康与调控福建省高校重点实验室, 福州 350002；chenhanyue.420@163.com,张黎明，福建农林大学资源与环境学院, 土壤生态系统健康与调控福建省高校重点实验室, 福州 350002；,任必武，福建农林大学资源与环境学院, 土壤生态系统健康与调控福建省高校重点实验室, 福州 350002；,邢世和，福建农林大学资源与环境学院, 土壤生态系统健康与调控福建省高校重点实验室, 福州 350002；,童珺玥，福建农林大学资源与环境学院, 土壤生态系统健康与调控福建省高校重点实验室, 福州 350002；,

关键词：土壤有机碳;随机森林;变量组合;空间分布;精度评价

基金：国家自然科学基金项目（41971050）、福建农林大学科技创新专项基金项目（KFA17616A）、福建省科技计划项目（2017N5006）和国家级大学生创新训练计划项目（201910389026）共同资助

耕地土壤有机碳（Soil Organic Carbon，SOC）含量既是土壤质量的重要表征，也是农业温室气体的重要源库，而环境变量与随机森林算法（Random Forest，RF）是提高土壤有机碳空间预测精度的重要方法，但不同组合环境变量对RF模型预测精度的影响仍需深入研究。本文以福建闽东南复杂地貌区为例，以两种环境变量组合（遥感变量+气候因子和遥感变量+气候因子+土壤属性）为输入数据集，利用RF算法对耕地表层SOC含量进行模拟预测和精度对比，并与普通克里格（Ordinary Kriging，OK）插值模型进行对比。结果表明，基于全部环境变量构建的RF模型表现最佳，其模型拟合度和预测精度相较于未加入土壤属性的模型有显著提高（r提高7.95%，为0.95，RMSE下降45.13%），且对SOC空间分异信息的捕获更精确，OK模型总体预测精度最弱。利用最优模型反演得到的研究区耕地SOC含量为14.70±2.95 g·kg-1，东部沿海低于西部内陆。变量贡献率分析显示，除了与土壤碳紧密相关的水解性氮（N），遥感变量中数字高程模型（DEM）也是影响闽东南地区SOC预测精度的重要变量，因此，遥感变量、气候因子和土壤属性共同驱动的随机森林模型可作为闽东南复杂地貌区耕地有机碳含量空间预测的有效方法。

来源：2021年第4期

《土壤学报》期刊编辑部

查看土壤学报杂志2021年第4期