↑↑点击蓝字·关注我们↑↑![]()
![]()
原名：Assessing spatiotemporal variations of soil organic carbon and its vulnerability to climate change: A bottom-up machine learning approach译名：基于自下而上的机器学习方法的土壤有机碳估算及其气候敏感性分析期刊：Climate Smart AgricultureDOI: https://doi.org/10.1016/j.csag.2024.100025![]()
Soil organic carbon (SOC) is a crucial component of the terrestrial carbon cycle and essential for agricultural productivity. Quantifying its sensitivity to future climate change is vital for sustaining agricultural practices and mitigating greenhouse gas emissions. However, this remains a challenge as long-term SOC data are scarce and substantial uncertainties regarding future climate scenarios. This study presents a bottom-up machine learning framework to assess the spatiotemporal variations of SOC and its vulnerability to climate change in the Jinghe River Basin, a typical loess hilly and gully watershed. Firstly, the long-term (2000-2023) dynamics of SOC was estimated by integrating in-situ measurements with machine learning techniques. Results show that the high SOC values are primarily distributed in the farmland of the mountain-loess transition zone, while the low-value areas are mainly found in the loess region. During the study period, the SOC content exhibited a slight increasing trend with a rate of 0.02 g kg⁻1 yr⁻1 (p = 0.449). The vulnerability of farmland surface SOC to future climate change was then evaluated by combining a robust machine learning model with the bottom-up framework. To this end, the study explored a wide range of possible future climates to identify critical climate thresholds and their spatial variation across the basin’s farmlands. Based on this analysis, this research found that the farmland in the northern basin is generally more susceptible to changing climate with even marginal rises in temperature could lead to severe loss in SOC. These results highlight the need for proactive climate adaptation strategies to safeguard SOC in vulnerable agricultural landscapes, ensuring soil health and resilience in the face of climate change.土壤有机碳（SOC）是陆地碳循环的重要组成部分，对农业生产力有着至关重要的影响。量化SOC对未来气候变化的敏感性对于维持农业生产实践和减少温室气体排放有重要意义。由于缺少长时序的有机碳数据且未来气候模拟存在着很大的不确定性，导致开展该研究工作具有一定挑战性。鉴于此，本研究开发了一种基于自下而上的机器学习模拟框架，探索黄土高原泾河流域土壤有机碳的时空变化特征及其对气候变化的敏感性。首先，通过将原位土壤有机碳监测数据与机器学习技术相结合，预估2000-2023年SOC的长期动态变化。其结果表明：SOC高值区主要分布在山地-黄土过渡带农田，低值区主要分布在黄土地区；研究期内，SOC含量呈现轻微增加趋势，其速度为0.02 g kg⁻1 yr⁻1 (p = 0.449)。采用自下而上的机器学习手段，评估农田表面有机碳对未来气候变化的敏感性。研究探索了一系列可能的未来气候空间，以确定SOC的关键气候敏感性阈值及其在流域农田中的空间变化。研究发现，流域北部的农田对气候变暖更为敏感，即便温度略有上升，也将导致SOC的大量损失。因此，在该流域需要采取主动的气候适应策略来预防农田土壤有机碳损失，以保持在气候变化条件下的土壤健康和生产力。![]()
图1 泾河流域农田土壤有机碳含量空间分布特征
结果表明，流域内不同区域SOC含量存在明显差异。从空间上看流域北部平均SOC含量整体低于南部，流域西部上游地区农田SOC含量最高。相反，流域中下游农田SOC含量趋于整体平均水平。![]()
图2 机器学习模型训练集和测试集的密度散点图
在本研究中，将74个样本数据集随机分割，确定训练集和测试集的最优组合，以搜索最佳模型性能。结果表明，SVR模型的综合性能优于RF模型，因此选择SVR模型进行泾河流域农田土壤有机碳的反演。
![]()
图3 基于SVR模型的泾河流域农田土壤有机碳含量的时空演变特征(a)SOC平均含量的空间分布特征 (b)SOC平均含量空间分布特征的定量统计 (c)SOC含量的空间趋势特征 (d)SOC含量空间趋势的定量统计(e)流域农田年平均SOC含量时间序列泾河流域内农田有机碳含量在上游西部高海拔地区较高，而上游北部地区最低。在泾河流域中下游地区，西部农田SOC含量普遍高于东部农田。泾河流域内大部分农田SOC最高值主要分布在流域西部上游地区。在过去的24年中，SOC含量总体呈上升趋势。![]()
图4 泾河流域农田有机碳含量年空间分布特征
采用自下而上的机器学习方法，量化了SOC对气候变化的敏感性。结果显示，SOC含量总体上呈现随气温升高而减少、随降水量增加而增加的趋势。在不同气候情景下，SOC的变化幅度在减少30%至增加20%之间波动。具体而言，泾河流域北部的SOC对温度升高表现出较高的敏感性，而流域南部的SOC对气候变化的响应较为平稳，尤其对温度波动的敏感性相对较低。![]()
图5 泾河流域农田土壤有机碳对气候变化的敏感性
(a)未来不同情景下泾河流域农田SOC平均含量的变化 (b)未来SOC减少10%阈值条件下的温度变化 (c)温度变化的统计特征本研究提出了一种自下而上的机器学习框架，旨在有效量化SOC含量并评估其对气候变化的敏感性。结果表明，SOC含量具有显著的空间差异性，流域西部上游地区的土壤有机碳浓度较高，而北部地区则较低。支持向量回归（SVR）模型在SOC含量预测方面优于随机森林（RF）模型。从2000年到2023年，SOC水平呈现轻微上升趋势。基于自下而上的机器学习分析得出，流域北部的农田SOC对未来气候变化表现出较高敏感性，轻微的温度升高可能导致显著的土壤有机碳减少。因此，需要制定针对特定区域的气候适应策略，以保护土壤碳储量，尤其是在最易受气候变暖影响的地区。
西安交通大学硕士研究生（三年级），主要从事气候变化对生态水文过程的影响及气候适应性策略研究。西安交通大学硕士研究生（一年级），主要从事大尺度植被蒸腾模拟研究。
![]()
通讯作者：赵富波 副教授
西安交通大学人居环境与建筑工程学院副教授，硕士生导师，西安交大首批“青年优秀人才计划”入选者，主要研究方向为生态水文。主持国家自然科学青年基金，参与国家重点研发计划青年科学家项目，曾获批博士后特别资助、博士后面上项目。以第一作者/通讯作者在《Communications Earth & Environment》、《Engineering》、《Agricultural and Forest Meteorology》、《Journal of Hydrology》、《Journal of Geophysical Research: Biogeosciences》、《Ecosystems》等国际期刊发表学术论文20余篇，其中热点论文1篇，高被引4篇。
通讯作者：吴一平 教授
西安交通大学人居环境与建筑工程学院教授，博士生导师，主要从事流域生态水文和大尺度碳循环研究。获国家青年人才计划、陕西省百人计划、陕西省创新团队带头人。担任教育部环境生态类教指委委员、陕西省教指委农林类工委会副主任；任Engineering、Journal of Environmental Management、Geoscience Letter、Carbon Balance and Management等国际知名期刊编辑/副主编/编委；入选全球前2%科学家榜单。主持国家重点研发计划课题、国家自然科学基金、科技部高端外专、中科院战略先导子课题、陕西省重点产业链等项目。在NC、PNAS、GCB、Engineering、CEE、AFM等国际知名刊物发表论文百余篇。获AOGS Early Career ResearcherDistinguished Lecture、中国工程院国际工程科技前沿、全国农业环境科学学术研讨会等邀请报告。https://www.sciencedirect.com/science/article/pii/S295040902400025X
https://www.sciencedirect.com/journal/climate-smart-agriculturehttps://www.editorialmanager.com/csag/default2.aspx
