先进测绘技术在研究干燥后的萨瓦湖床中土壤硫（总硫、含石膏的硫以及还原态硫）的空间分布方面的应用价值

《Scientific Reports》：The benefit of advanced mapping techniques to address the spatial distribution of soil sulfur—total, gypsum-based, and total-reduced—in the dried Sawa Lakebed

　　

摘要

本研究利用数字土壤制图（DSM）和Sentinel-2A卫星图像，探讨了伊拉克萨瓦湖干涸对土壤硫元素空间分布的影响。研究结果有助于风险评估。研究区分了两种不同的土壤层：St1（从未被淹没）和St2（在2016年至2023年间逐渐干涸）。2022年7月采集了99个表层土壤样本（深度0–20厘米）。总硫含量（$\{S}_{tot}\）通过X射线荧光（XRF）光谱仪直接测定；基于石膏的硫含量（$\{S}_{gyp}\）则通过测量溶解后的土壤提取物中的硫酸盐来获得。总还原硫含量（$\{S}_{red}^{r}\）通过公式$\{S}_{red}^{r} = (\{S}_{tot} - \{S}_{gyp}\)粗略估算。因此，需要进一步研究以明确非石膏硫酸盐（?）在硫元素分布中的作用。从光谱数据中计算出17个预测因子。由于研究区域面积较小且地形均匀，未将气候和地形相关因素纳入预测模型。在拟合模型的校准过程中，Cubist模型的性能优于随机森林模型。其中，$\{S}_{gyp}\$的预测效果最佳（CCC = 0.79；RMSE = 0.70），其次是$\{S}_{red}^{r}\$（CCC = 0.63；RMSE = 0.56）和$\{S}_{tot}\$（CCC = 0.54；RMSE = 0.47）。多重共线性分析和方差膨胀因子对模型精度提升效果有限。总体而言，数字地图显示，含硫土壤的分布与距离湖岸的距离密切相关，体现了研究区域的动态变化特征。在两种土壤层之间，$\{S}_{red}^{r}\$含量增加了4.07%，而$\{S}_{gyp}\$含量减少了1.07%，这表明湖泊干涸后对硫的形态和化学成分进行分析具有重要意义。最终，本研究证明，即使是在萨瓦湖干涸这样的动态环境中，仅利用遥感数据，数字土壤制图技术也能有效填补关于难以测量属性（如含硫土壤）空间分布的知识空白。