《Agronomy》：Predicting Soil Organic Carbon in Lower Depths from Surface Soil Features Using Machine Learning Methods
Lawrence Aula,
Milena Maria Tomaz de Oliveira,
Amanda C. Easterly and
Cody F. Creech
编辑推荐：
本研究针对农田深层土壤有机碳（SOC）检测耗时昂贵且具破坏性的问题，利用长期耕作试验数据，采用普通最小二乘法（OLS）、LASSO、随机森林及贝叶斯加法回归树（BART）四种算法，探索利用0–10 cm土层总氮（Total N）、pH、阳离子交换量（CEC）及SOC预测10–20 cm SOC的可行性。结果表明，OLS模型（含Total N、pH、CEC）预测精度最优，相对均方根误差（rRMSE）达13.5%，属“良好”水平，为减少破坏性土壤采样提供了有效途径。
在广袤的农田里，土壤不仅仅是植物扎根的基质，更是一个复杂的生命支持系统。其中，土壤有机碳（SOC）被誉为土壤健康的“晴雨表”，它深刻影响着土壤团聚体稳定性、阳离子交换能力（CEC）以及水分涵养功能，更是土壤微生物赖以生存的氧化碳源。长期以来，农民和农学家们依赖实验室分析来了解土壤状况，但这不仅耗时费力、成本高昂，更重要的是，传统的钻探取样会对珍贵的耕地造成破坏——要知道，形成仅仅一英寸（约2.54厘米）的表土可能需要长达500年的时间。随着遥感技术的发展，卫星和无人机虽然能从空中窥探地表，却难以触及地下深处的秘密。那么，有没有办法只分析浅层的土壤，就能推断出深层的碳含量，从而减少这种“伤筋动骨”的采样呢？这正是本研究试图解答的核心问题。
为了探究利用表层土壤特征预测深层土壤有机碳的可能性，来自美国内布拉斯加大学高地平原农业实验室的研究团队Lawrence Aula、Milena Maria Tomaz de Oliveira、Amanda C. Easterly和Cody F. Creech开展了一项基于长期定位试验的研究。他们选取了1970年秋季建立的冬小麦（Triticum aestivum L.）-休耕轮作长期耕作试验田，该试验位于内布拉斯加州悉尼市，土壤类型为Duroc粉砂壤土。研究团队采集了2010年和2011年4月的土壤样品，分别测定了0–10 cm（表层）和10–20 cm（亚表层）深度的SOC、总氮（Total N）、pH和CEC等关键指标。随后，他们运用了普通最小二乘法（OLS）、最小绝对收缩与选择算子（LASSO）、随机森林（Random Forests）以及贝叶斯加法回归树（BART）四种统计学习算法，旨在寻找能够最精准预测10–20 cm土层SOC的最佳模型组合。该研究最终发表在《Agronomy》期刊上。
在开展研究的过程中，作者采用了几个关键的技术方法。首先，依托于自1970年起建立的长期耕作试验平台，该平台包含原生草地、免耕（NT）、残茬覆盖耕作（SM）和铧式犁耕作（MP）四种处理，采用随机完全区组设计，每处理三次重复。其次，进行了规范的土壤采样与分析，于2010和2011年4月分层采集0–10 cm和10–20 cm土样，SOC采用灼烧失重法测定，pH按土水比1:1测量，Total N采用干燃烧法，CEC则通过乙酸铵提取结合电感耦合等离子体（ICAP）定量。最后，利用R语言环境进行模型校准与验证，将数据集（n=24）随机分为训练集（n=12）和测试集（n=12），分别构建了OLS、LASSO、随机森林和BART模型，并使用均方根误差（RMSE）和相对均方根误差（rRMSE）等指标评估模型性能。
3. Results
研究结果显示，四种算法的预测精度存在显著差异。普通最小二乘法（OLS）在所有模型中表现最佳。通过最佳子集选择算法筛选，最终确定由0–10 cm土层的Total N、pH和CEC构成的三变量OLS模型为最优模型。该模型的RMSE仅为1.44 g kg?1，rRMSE为13.5%，根据评价标准属于“良好”级别。相比之下，单变量模型（仅含Total N）的RMSE为2.21 g kg?1，双变量模型（Total N和pH）为1.60 g kg?1，而包含所有四个预测因子的四变量模型则为1.79 g kg?1，均不及三变量模型。LASSO模型表现次之，其RMSE为1.69 g kg?1，rRMSE为16.0%，同样属于“良好”水平，该算法将Total N的系数缩减为零，最终选择了pH、CEC和SOC作为预测因子。而作为集成方法的随机森林和BART表现较差，RMSE分别为2.14 g kg?1和2.29 g kg?1，rRMSE均超过20%，被归类为“一般”水平。
4. Discussion
讨论部分指出，OLS模型的优异表现暗示了预测因子（0–10 cm的Total N、pH、CEC）与响应变量（10–20 cm的SOC）之间的关系近似线性。在小样本数据集（n=24）的情况下，线性模型方差较低，避免了复杂非线性模型容易产生的过拟合问题。从机理上看，Total N与SOC的高相关性（文献报道可达0.99）源于两者在有机分子中的紧密联系；CEC的正向贡献则可能归因于黏土矿物通过阳离子桥（如钙、镁等）与带负电的有机分子结合形成团聚体，从而保护SOC，这一点在该试验地约17%-20%的黏粒含量背景下尤为合理；而pH可能通过影响小麦生物量生产间接调控SOC输入。此外，表层SOC的淋溶也可能是连接两层碳库的途径之一。虽然单个预测因子单独建模时解释力不足（R2<50%），但组合后显著提升了预测能力。
5. Conclusions
综上所述，本研究证实了利用0–10 cm土层特征预测10–20 cm土层SOC的可行性。在样本量有限的情况下，结构简单的OLS模型（y = ?5.02 + 2.54 TN + 2.42 pH ? 0.27 CEC）凭借Total N、pH和CEC三个变量实现了高精度预测（rRMSE 13.5%）。这一发现具有重要的实践意义，它意味着在未来的土壤健康监测中，可以将破坏性采样深度限制在0–10 cm，进而通过统计模型推算更深层的碳储量，从而大幅降低实验室分析成本、节省时间并减少对农田土壤的扰动与破坏。尽管随机森林和BART等复杂模型在本研究中受限于样本量未能发挥优势，但未来随着大数据集的积累，其潜力仍值得期待。
