《Journal of Environmental Management》：Mapping soil pH baselines, trends, and time-to-critical crop risk using harmonized legacy datasets: A large-scale assessment
编辑推荐：
准确表征美国本土(Contiguous United States, CONUS)土壤pH动态对于评估土壤健康风险和土地退化趋势至关重要。然而，由于缺乏基于历史观测数据的稳健时间变化建模，量化pH风险和估算时间至临界值(Time-to-critical, TT
准确表征美国本土(Contiguous United States, CONUS)土壤pH动态对于评估土壤健康风险和土地退化趋势至关重要。然而，由于缺乏基于历史观测数据的稳健时间变化建模，量化pH风险和估算时间至临界值(Time-to-critical, TTC)——即土壤达到限制作物生长的pH阈值所需的时间——受到阻碍，从而延迟了对需要及时干预的热点区域的识别。为解决这一空白，研究人员开发并验证了一个集成建模框架，利用历史土壤剖面数据预测CONUS范围内经时间校正的历史和当前土壤pH状况。该框架结合了时空数据融合与机器学习技术，以预测pH演变轨迹并估算TTC。结果表明，模型在不同时期表现稳定，1980年至2025年间平均绝对误差(Mean Absolute Error, MAE)为0.51–0.55，均方根误差(Root Mean Square Error, RMSE)为0.66–0.72，决定系数(Coefficient of Determination, R2)为0.64–0.66。TTC分析表明，约59.0%（6291万公顷）的美国耕地预计将在20年以上保持安全的pH阈值内。然而，近三分之一的耕地（33.8%，3599万公顷）预计将在0–5年内达到临界pH条件，表明迫切需要区域特定的土壤管理。大豆和花生等酸敏感作物在酸性土壤中最为脆弱，而大麦、燕麦和油菜则面临严重的碱度限制。在空间分布上，碱度风险广泛分布于西部、中西部和西南部地区，而酸度风险则主导于中西部、东南部和美国北部地区。研究结果表明，土壤pH风险建模与TTC评估是量化时间风险、识别近期热点区域的有效框架，从而指导针对性管理、土地利用规划和政策干预。
论文解读：美国本土土壤pH动态演变与作物风险预警研究
研究背景与意义
土壤pH是衡量土壤质量的核心指标，调控着养分循环、微生物活性及重金属形态等关键过程。大多数作物适宜生长在pH 5.5至7.5的根层土壤中。然而，全球约40%的耕地正面临酸化威胁，且盐碱化面积每年以10%的速度增长，预计到2050年将影响全球半数耕地，造成巨大的经济损失。尽管现有大尺度数字土壤制图(Digital Soil Mapping, DSM)研究多将土壤pH视为静态属性，缺乏对pH变化方向、速率及临界时间的动态预测，导致难以区分稳定区域与即将突破农学阈值的区域。此外，传统采样分析难以覆盖广阔区域，且气候宏观驱动与土壤微观属性的交互作用在大尺度上的综合效应尚未明确。因此，研究人员开展此项研究，旨在通过融合长期历史数据，构建动态预测模型，量化美国本土(CONUS)土壤pH的演变趋势及作物面临的临界风险时间(Time-to-critical, TTC)，为精准农业管理和政策制定提供科学依据。该研究发表于《Journal of Environmental Management》。
主要关键技术方法
研究人员整合了来自国际土壤参考与信息中心(International Soil Reference and Information Centre, ISRIC)和美国国家合作土壤调查(National Cooperative Soil Survey, NCSS)的26万余条历史土壤剖面数据，经过严格的质量控制与标准化处理，最终保留30194个有效剖面用于分析。研究采用两阶段建模策略：首先，基于10公里邻域内的土壤质地相似性，利用鲁棒线性回归(Robust Linear Regression, RLM)结合梯度提升树(Gradient Boosting)模型，对缺失的时间斜率进行预测，实现了1980、1995、2010及2025年四个时间节点的土壤pH时间调整(Time Adjustment)；其次，选取了包含地形、气候、土壤属性、土地利用及植被指数在内的27个环境协变量，利用CatBoost算法构建高分辨率(1km2)土壤pH预测模型。模型性能通过十折交叉验证进行评估，并利用SHAP(SHapley Additive exPlanations)值解析环境变量的贡献度。基于作物特定的pH耐受阈值，研究人员构建了风险评分体系，并通过线性回归外推法计算了各区域土壤pH达到临界阈值所需的TTC。
研究结果
3.1 模型评估
模型在所有年份均表现出稳健的预测能力。训练集R2介于0.85至0.91之间，独立测试集R2稳定在0.64至0.66之间，MAE为0.50–0.55，表明时间调整框架能有效重建历史土壤pH状况并保持跨年代的一致预测性能。
3.2 环境变量重要性
沙普利加性解释(SHAP)分析显示，干旱指数(Aridity Index, AI)、土壤分类(Soil Taxonomy, ST)、地表粘粒含量(Surface Clay Content, SCC)及最暖季度降水量(Precipitation of the Warmest Quarter, PWQ)是决定土壤pH空间分布的主导因子。其中，AI始终贡献最高，表明干燥环境倾向于提高pH（碱化），而湿润环境则促进酸化。
3.3 CONUS土壤pH投影
从1980年到2025年，CONUS表层土壤平均pH呈微弱上升趋势（6.41升至6.53）。空间格局显示，中性和微碱性土壤大面积保持稳定，但极端pH区域有所扩张。特别是到2025年，强碱性(pH > 8.5)区域较1980年翻倍，强酸性(pH < 4.5)区域也有所增加，东南部和中西部酸化加剧，西部和西南部碱化持续。
3.4 CONUS耕地土壤pH风险类别的时空分布
耕地风险评估显示，“无风险”耕地的比例从1980年的63.6%下降至2025年的59.7%。极高风险（碱化）的比例从9.2%上升至12.3%，极高风险（酸化）也从7.9%波动上升至8.4%。空间上，酸化风险集中在东部、东南部和中部，碱化风险主导于西部和西南部。
3.5 前十大作物的土壤pH风险相对变化
2010至2025年间，各主要作物风险结构发生显著变化。玉米面临双重风险，碱化和酸化风险均增加；大豆碱化风险显著上升，而花生和大豆是受酸化威胁最严重的作物；大麦和油菜则高度受制于碱度限制；水稻显示出向碱性偏移的趋势。
3.6 CONUS耕地土壤pH风险的TTC制图
TTC分析揭示了紧迫的现状：约59.0%的耕地（6291万公顷）预计20年内安全，但约33.8%（3599万公顷）将在5年内突破临界阈值。在这些高危区域中，53.2%已处于碱性状态，39.9%已处于酸性状态，仅少量属于新兴风险。
3.7 CONUS最大面积作物极端TTC(0-5年)分析
作物特异性差异明显：大豆和花生超过75%的高危面积已处于酸性状态；大麦和油菜约95%的高危面积已处于碱性状态；玉米和小麦的风险分布相对均衡，兼具酸性和碱性压力。
3.8 面临即时pH风险的主要土壤类型
土壤类型决定了风险性质：变性土(Vertisols)和旱成土(Aridisols)几乎全为碱性风险；老成土(Ultisols)和灰土(Spodosols)则几乎全为酸性风险；软土(Mollisols)和淋溶土(Alfisols)呈现出酸碱混合的风险特征。
讨论与结论总结
研究人员指出，本研究提出的混合框架成功将空间替代时间的方法与生物物理约束相结合，克服了历史数据异质性难题。SHAP分析证实气候干旱度与土壤矿物学是调控pH动态的核心。TTC作为一种动态阈值工具，有效识别出近三分之一美国耕地面临5年内失效的风险，这主要由湿润区的氮素输入、淋失及干旱区的蒸发浓缩、灌溉共同驱动。研究强调，TTC应作为气候变化和管理措施下的相对预警指标，而非确定性预测。
结论认为，CONUS耕地土壤pH正经历向临界值演变的过程，酸化在中东部加剧，碱化在西部扩张。TTC模型揭示了显著的作物特异性脆弱性，急需制定区域定制化管理策略。该研究框架弥补了重复观测数据的不足，为优先干预、遏制土地退化及保障粮食安全提供了重要的科学支撑。
