ssessent ofSoil Organic Carbon Storage in Subtropical Regins Based on Remote SensingData Products：A Case Studyof Chang sha-Zhuzhou-Xiangtan Green Heart Region

CHEN Zhu123，XIAOHai23，QUAN Si-xiang12etal（1.HunanSecond SurveyingandMaping Institute，Changsha，Hunan 41000；2.HunaEgineingReseachCnterfitgofturalEosteCarboSinks，anshaunan3Kbto ofNaturalResoucsoitogandSupervsinoutHlleasofteistryofaturalResoucs，Cangsha，Hun4

AbstractTakingthecoreareaofChangsha-Zhuzhou-XiangtanGren HeartCentralParkastheresearchobject，basedonon-sitecoleted dataincludingslnicarbodatultispetralotesigdataigialatioodels（E），eteorologicaldata（iiati andtemperatre），landaalchangesureydataandothruiliarydtautiplelinearegresionmodels，tepwseregressioodels andrandom forest models were selected to invert and evaluate the organic carbon density and storage in the cm surface and profile，respectivelyTecuacfecsofetiatioesulsofdfetodeletoseompredndepoceofchlue cingfactorwasanalyzed.Teresultshowedthatherandomforestmodeldemonstratedtheighestaccracyiestimatingteorganicarbon density of 0-20 cm surface soil （ ），with significant factors including surface reflectance in the blue light band，elevation，water flow intensityindexteiditydededulaestepsegodelowdestccacyiiatinghe file soil organic carbon density（ ），with significant factors including elevation，water flow intensity index，terrain undulation，greennessindex，oldgetatiodex，soladstedgeatiodedeagtmperature.eatialdistrtioaef 0- 20cm surfacesoiloganiarbonensityoincidewiththspatialdistribtionoftudulatidicatingsignificantiueneft topographyontedistrbutionofsurfacesoilrganicarboneseves.Teorderofufacesoilorganicarbondnsityfromhighesttolowestamong different land use types in the study area was forest land gt; paddy field gt; orchard land gt; grassland gt; dry land.

Key WordsRemote sensing data products；Soil organic carbon density；Soil organic carbon storage；Subtropical region

陸地生態(tài)系統(tǒng)中，土壤是最大的碳庫(kù)，約 81.2% 的碳貯存在土壤中[1]，全球 1m 深度的土壤中儲(chǔ)藏的有機(jī)碳量約1500Gt ，相當(dāng)于大氣二氧化碳中碳的2＼～3倍[2]，土壤對(duì)碳固持有很大的潛力。土壤碳庫(kù)包含無機(jī)碳庫(kù)和有機(jī)碳庫(kù)2個(gè)部分，其中土壤有機(jī)碳庫(kù)是陸地生態(tài)系統(tǒng)中變化快、體量大的碳庫(kù)之一，受自然因素以及人類活動(dòng)的影響程度高，在很大程度上影響了土地生產(chǎn)力及其穩(wěn)定性[3]。加強(qiáng)對(duì)土壤有機(jī)碳儲(chǔ)量的研究對(duì)于當(dāng)前開展生態(tài)系統(tǒng)碳匯監(jiān)測(cè)與核算、實(shí)施“碳達(dá)峰碳中和”戰(zhàn)略具有十分重要的意義。

目前，土壤有機(jī)碳儲(chǔ)量研究方法有土壤類型法、生命帶法、模型估算法、GIS估算法等。以往核算土壤有機(jī)碳含量與空間分布往往通過大量的地面調(diào)查數(shù)據(jù)，根據(jù)土壤類型或土地利用類型，將土壤有機(jī)碳儲(chǔ)量平均分配給每個(gè)土壤類型或土地利用類型圖斑，這些方法受制于采樣數(shù)量、頻率以及時(shí)間，往往成本高、耗時(shí)長(zhǎng)且數(shù)據(jù)更新不及時(shí)，無法準(zhǔn)確反映每個(gè)圖斑土壤有機(jī)碳的含量、空間異質(zhì)性以及時(shí)間動(dòng)態(tài)變化[4]。隨著衛(wèi)星遙感與測(cè)繪地理信息技術(shù)的飛速發(fā)展，各類自然資源大數(shù)據(jù)已成功應(yīng)用于不同比例尺的土壤有機(jī)碳的估算研究中。模型估算法能夠通過已有樣點(diǎn)數(shù)據(jù)，將其類推至相似土壤類型中，可以較好地解決由樣點(diǎn)數(shù)據(jù)向大尺度轉(zhuǎn)換、碳庫(kù)數(shù)據(jù)變化趨勢(shì)的預(yù)測(cè)等難題。目前，模型估算法已被廣泛使用在高寒地區(qū)[5]、高緯度沼澤濕地[、三江平原[7]遼河流域[8]、干旱盆地地區(qū)[9]等國(guó)內(nèi)多個(gè)不同區(qū)域尺度、不同地理位置與環(huán)境條件區(qū)域的土壤有機(jī)碳估算。但由于沒有統(tǒng)一的采樣或分析方法或因?yàn)榄h(huán)境變量的分辨率不一，導(dǎo)致相同區(qū)域計(jì)算結(jié)果出現(xiàn)了較大的差異[10]。因此，尋找并優(yōu)化準(zhǔn)確評(píng)估土壤有機(jī)碳含量的方法具有重要的現(xiàn)實(shí)意義。

該研究選擇亞熱帶地區(qū)的湖南省長(zhǎng)株潭綠心中央公園核心區(qū)（以下簡(jiǎn)稱長(zhǎng)株潭綠心區(qū)）為研究對(duì)象，以該地區(qū)數(shù)字高程模型數(shù)據(jù)、多光譜遙感影像數(shù)據(jù)、國(guó)土年度變更調(diào)查數(shù)據(jù)、氣象數(shù)據(jù)以及實(shí)地土壤采樣數(shù)據(jù)等為基礎(chǔ)數(shù)據(jù)源，生成水流強(qiáng)度指數(shù)、地形濕度指數(shù)、地形起伏度、綠度指數(shù)、歸一化植被指數(shù)、土壤調(diào)節(jié)植被指數(shù)等遙感數(shù)據(jù)產(chǎn)品，選擇多元線性回歸、逐步回歸和隨機(jī)森林等不同的機(jī)器學(xué)習(xí)算法，對(duì)研究區(qū)范圍內(nèi) 0～20cm 表層土壤和剖面土壤有機(jī)碳密度進(jìn)行反演估算，并根據(jù)部分實(shí)測(cè)數(shù)據(jù)檢驗(yàn)不同方法的精度差異，分析各類影響因素，形成最優(yōu)的基于多源遙感數(shù)據(jù)產(chǎn)品和機(jī)器學(xué)習(xí)算法土壤有機(jī)碳估算模型，估算研究區(qū)范圍內(nèi)0～20cm 表層和剖面土壤有機(jī)碳儲(chǔ)量。

1材料與方法

1.1研究區(qū)概況長(zhǎng)株潭綠心中央公園位于湖南省長(zhǎng)沙、株洲和湘潭3市交界處，是長(zhǎng)株潭城市群生態(tài)綠心的核心區(qū)域，全區(qū)域面積共計(jì) ，其中核心區(qū)面積為 ，地處亞熱帶季風(fēng)氣候區(qū)，雨熱同期，降水充沛，四季分明。區(qū)域內(nèi)地形豐富，植被種類多元，總體海拔較低，是典型的低山-丘陵地貌。湘江、瀏陽(yáng)河等水系穿越長(zhǎng)株潭綠心區(qū)，形成了丘崗、山塘、村落、耕地共存的景觀空間格局。長(zhǎng)株潭綠心區(qū)是“長(zhǎng)株潭都市圈”的中心地區(qū)，是我國(guó)現(xiàn)有都市圈內(nèi)少有的大型綠色空間。在“雙碳”建設(shè)背景下，厘清碳儲(chǔ)發(fā)展脈絡(luò)與空間格局，對(duì)于實(shí)現(xiàn)綠心區(qū)生態(tài)與經(jīng)濟(jì)共同發(fā)展十分重要[]

1.2研究思路該研究根據(jù)長(zhǎng)株潭綠心區(qū)土地利用和地形分布特點(diǎn)，結(jié)合土壤采樣點(diǎn)空間分布的總體均衡性原則，布設(shè)土壤采樣點(diǎn)450個(gè)，采樣點(diǎn)空間分布如圖1所示。詳細(xì)調(diào)查長(zhǎng)株潭綠心區(qū)450個(gè)采樣點(diǎn)的環(huán)境信息，開展各個(gè)樣點(diǎn)的土壤樣品采集與有機(jī)碳含量檢驗(yàn)；結(jié)合測(cè)繪地理信息技術(shù)，多途徑整合區(qū)域環(huán)境變量，分析 0～20cm 表層和剖面土壤有機(jī)碳的空間分布數(shù)據(jù)，探索并建立土壤有機(jī)碳密度與環(huán)境變量之間的關(guān)系模型，同時(shí)進(jìn)行精度驗(yàn)證，評(píng)價(jià)并選擇評(píng)估結(jié)果較優(yōu)的模型，計(jì)算土壤有機(jī)碳儲(chǔ)量。

1.3 研究方法

1.3.1土壤樣品采集。采樣點(diǎn)的布設(shè)基于2022年度國(guó)土變更數(shù)據(jù)，選取數(shù)據(jù)中的林地、水田、旱地、園地和草地等不同土地利用方式圖斑，按照空間分布總體均衡性原則布設(shè)土壤采樣點(diǎn)450個(gè)（包括表層樣品和剖面樣品）。在采集表層容重樣品時(shí)，在每塊樣地選取鄰近的3個(gè)土壤樣點(diǎn)，取過100自篩烘干后的土壤樣品，采用碳氮元素分析儀分析測(cè)定每個(gè)樣品的土壤有機(jī)碳含量；采用環(huán)刀法測(cè)定土壤容重；另取約1/3采樣土壤置于 烘箱烘干 5h 后稱土壤總重量，然后磨碎過 2mm 篩留取大顆粒于水中清洗掉泥土后再于

烘箱烘干 2h ，稱取礫石重量。

土壤有機(jī)碳密度計(jì)算公式如下：

式中： 為第 i 個(gè)格點(diǎn)土壤有機(jī)碳密度（ ）； 為第i 個(gè)格點(diǎn)土壤有機(jī)碳含量（ g/kg） ： 為第 i 個(gè)格點(diǎn)土壤容重L ，土壤容重 （P）= 烘干土樣質(zhì)量/環(huán)刀容積； H 為土層厚度 τ（m） 。

土壤有機(jī)碳儲(chǔ)量計(jì)算公式如下：

（2）式中：SOCS為土壤有機(jī)碳儲(chǔ)量 為第 i 個(gè)格點(diǎn)的面積 為礫石含量 （%） ，礫石含量 礫石重量/土壤總重量 ×100%；n 為總格點(diǎn)數(shù)。

1.3.2環(huán)境變量預(yù)處理。選取哨兵二號(hào)（Sentinel-2）Level-2A級(jí)別遙感影像數(shù)據(jù)，時(shí)相為2023年4月7日，數(shù)據(jù)覆蓋整個(gè)長(zhǎng)株潭綠心區(qū)，包括13個(gè)光譜波段，分辨率包括10、20和60m ；直接輸出長(zhǎng)株潭綠心區(qū)范圍紅、綠、藍(lán)和近紅外4個(gè)波段（分辨率為 10m ）的地表反射率；基于地表反射率數(shù)據(jù)計(jì)算長(zhǎng)株潭綠心區(qū)范圍內(nèi)的歸一化植被指數(shù)（NDVI）綠度指數(shù)（GLI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）、土壤調(diào)整比值植被指數(shù)（SARVI）這4種植被指數(shù)與土壤指數(shù)[12]，計(jì)算公式如下：

式中：NIR為近紅外波段（Band8）反射率；Red為可見光紅波 段（Band4）反射率；Green為可見光綠波段（Band3）反射率； Blue為可見光藍(lán)波段（Band2）反射率； L 為土壤調(diào)節(jié)系數(shù)。

基于數(shù)字高程模型（DEM），計(jì)算得到地形起伏度（Slope）。水流強(qiáng)度指數(shù)（SPI）是衡量徑流集中程度的物理指標(biāo)，地形濕度指數(shù)（TWI）是地形對(duì)徑流流向和蓄積影響的物理指標(biāo)，SCA為單位面積的匯流量[13]。SPI和 TWI的計(jì)算公式如下：

選取湖南省氣象局提供的與影像時(shí)點(diǎn)一致的氣象站點(diǎn)數(shù)據(jù)（氣溫和降水?dāng)?shù)據(jù)），使用克里金插值法獲得 10m 分辨率的月降水量與月均氣溫?cái)?shù)據(jù)。選取來源于2022年國(guó)土變更調(diào)查的土地利用數(shù)據(jù)，提取并融合該數(shù)據(jù)的林地、水田、旱地、草地、園地等分類，開展不同土地利用方式的土壤有機(jī)碳密度和碳儲(chǔ)量分析。

1.3.3土壤碳儲(chǔ)量的多模型反演。將上述獲取處理的解釋變量數(shù)據(jù)（地表反射率、植被指數(shù)和土壤指數(shù)、高程、地形起伏度、水流強(qiáng)度指數(shù)、地形濕度指數(shù)、降水量和氣溫等）分別作為多元線性回歸模型、逐步回歸模型、隨機(jī)森林模型的輸入?yún)?shù)，選取400個(gè)樣點(diǎn)作為模型的訓(xùn)練樣本，樣點(diǎn)要求覆蓋林地、水田、旱地、草地、園地等不同土地利用類型，通過模型自動(dòng)選擇方式，篩選出這些解釋變量中對(duì)樣本中土壤碳儲(chǔ)量的解釋度更高的變量，并使用這些變量分別反演全域連續(xù)柵格土壤有機(jī)碳密度。

多元線性回歸是評(píng)估一個(gè)因變量與多個(gè)自變量的線性關(guān)系較基礎(chǔ)的方式。通過多元線性回歸，可以設(shè)法找出最能代表自變量與因變量之間關(guān)系的數(shù)學(xué)表達(dá)形式。輸入解釋變量與樣品土壤碳儲(chǔ)量，構(gòu)建并查看每一種解釋變量與土壤有機(jī)碳密度的相關(guān)性關(guān)系，手動(dòng)選擇解釋度高的解釋變量，構(gòu)建多元線性回歸模型[14]

逐步回歸是一種篩選變量的模型，從所有的解釋變量中構(gòu)建回歸模型，按一定順序添加或刪除變量，最終得到由該順序確定的自變量組合，由系統(tǒng)自動(dòng)判斷哪些變量應(yīng)該保留，哪些需要移除。將解釋變量與樣品土壤有機(jī)碳密度作為輸入數(shù)據(jù)，逐步回歸模型會(huì)逐步分析每一個(gè)解釋變量的相關(guān)性，并將這些變量自動(dòng)排序篩選，最終確定選取前幾個(gè)解釋度較高的自變量，構(gòu)建逐步回歸模型[15]

隨機(jī)森林是一種基于決策樹的集成學(xué)習(xí)算法，可以在多個(gè)訓(xùn)練樣本中尋找多個(gè)解釋變量對(duì)因變量的解釋度排序，并預(yù)測(cè)回歸精度與解釋度。將解釋變量與樣品土壤有機(jī)碳密度數(shù)據(jù)輸人隨機(jī)森林模型，模型會(huì)自動(dòng)將所有自變量的解釋度進(jìn)行排序，并根據(jù)模型輸出的擬合誤差折線圖，確定選取前幾個(gè)解釋度較高的自變量，構(gòu)建隨機(jī)森林模型[6]

在3種模型對(duì)解釋變量的多種選擇后，將每種模型選定的自變量與因變量進(jìn)行擬合，得出自變量與因變量的擬合方程的系數(shù)與截距，最終獲得土壤碳儲(chǔ)量與多個(gè)自變量的擬合方程，使用上述獲取的方程分別計(jì)算，得到每種模型反演下的全域連續(xù)柵格土壤有機(jī)碳密度。

選取樣點(diǎn)的余下50個(gè)樣點(diǎn)數(shù)據(jù)作為模型精度驗(yàn)證樣本，將這些樣點(diǎn)的反演值與計(jì)量值進(jìn)行比較，將不同模型反演的土壤有機(jī)碳密度作為橫坐標(biāo)、實(shí)測(cè)的樣點(diǎn)土壤有機(jī)碳密度的計(jì)量值作為縱坐標(biāo)分別進(jìn)行線性擬合，查看并比較不同算法模型的擬合優(yōu)度，用決定系數(shù) ）來衡量。

2 結(jié)果與分析

2.1數(shù)據(jù)精度驗(yàn)證將使用不同模型反演土壤有機(jī)碳密度（SOCD）的結(jié)果與土壤有機(jī)碳密度測(cè)試樣點(diǎn)進(jìn)行擬合分析，驗(yàn)證評(píng)估模型的精度?？傮w評(píng)估結(jié)果（圖2）顯示，無論表層還是剖面結(jié)果的決定系數(shù) 均在0.50以上，但是不同模型的評(píng)估結(jié)果差異較明顯。3種模型對(duì) 0～20cm 表層土壤有機(jī)碳密度比剖面土壤有機(jī)碳密度評(píng)估精度更高。 0～20cm 表層土壤有機(jī)碳密度反演評(píng)估的決定系數(shù) 為 0.86～ 0.88；剖面土壤有機(jī)碳密度反演評(píng)估的 為 0.50～0.54 。

不同模型對(duì)土壤有機(jī)碳密度評(píng)估結(jié)果的數(shù)據(jù)精度有一定差異。對(duì)表層土壤有機(jī)碳密度反演的擬合優(yōu)度最佳模型是隨機(jī)森林模型（ ，該模型選擇地表反射率藍(lán)光波段、高程、水流強(qiáng)度指數(shù)、地形濕度指數(shù)、地形起伏度這5個(gè)解釋變量。對(duì)剖面土壤有機(jī)碳密度反演的擬合優(yōu)度最佳模型是逐步回歸模型（ ，該模型選擇高程、水流強(qiáng)度指數(shù)、地形起伏度、綠度指數(shù)、歸一化植被指數(shù)、土壤調(diào)節(jié)植被指數(shù)和平均氣溫這7個(gè)解釋變量。

2.2長(zhǎng)株潭綠心區(qū)土壤碳儲(chǔ)量總體特征根據(jù)多元線性回歸、逐步回歸、隨機(jī)森林3種模型確定的土壤有機(jī)碳密度計(jì)算土壤有機(jī)碳儲(chǔ)量，結(jié)果發(fā)現(xiàn)（圖3），3種模型反演的長(zhǎng)株潭綠心區(qū) 0～20cm 表層土壤有機(jī)碳密度分別為4.34、4.37和 ，表層土壤有機(jī)碳儲(chǔ)量分別為 ，評(píng)估精度最高的隨機(jī)森林模型的計(jì)算結(jié)果顯示，表層土壤有機(jī)碳密度為 ，表層土壤有機(jī)碳儲(chǔ)量為 ；剖面土壤有機(jī)碳密度分別為11.45、

，剖面土壤有機(jī)碳儲(chǔ)量分別為 、 t，評(píng)估精度最高的逐步回歸模型計(jì)算結(jié)果顯示，剖面土壤有機(jī)碳密度為 ，剖面土壤有機(jī)碳儲(chǔ)量為 L

根據(jù)數(shù)據(jù)精度評(píng)估結(jié)果，對(duì) 0～20cm 表層土壤碳儲(chǔ)量的評(píng)估分析將選用隨機(jī)森林模型計(jì)算結(jié)果，對(duì)剖面土壤碳儲(chǔ)量的評(píng)估分析將選用逐步回歸模型計(jì)算結(jié)果。

te： and aremultiple linear regression models； and are stepwise regression models； and are random forest model：

Fig.2Results of threealgorithmmodels for inverting soil organiccarbon densityinsurface（a）and profile（b）layers

Fig.3Totalsoil carbon storage（a）and averagecarbon density（b）inthe Changsha-Zhuzhou-Xiangtan green heartregion

2.3長(zhǎng)株潭綠心區(qū)土壤有機(jī)碳密度空間分布隨機(jī)森林模型計(jì)算結(jié)果（圖4a）顯示，長(zhǎng)株潭綠心區(qū) 0～20cm 表層土壤有機(jī)碳密度為 。土壤有機(jī)碳密度較高的區(qū)域分布在長(zhǎng)株潭綠心區(qū)昭山鎮(zhèn)，綠心區(qū)西南部學(xué)林街道和井南街道部分區(qū)域、綠心區(qū)南部清水塘街道與井龍街道交界處部分區(qū)域，綠心區(qū)中部昭山鎮(zhèn)與跳馬鎮(zhèn)交界處部分區(qū)域；土壤有機(jī)碳密度較低的區(qū)域分布在長(zhǎng)株潭綠心區(qū)西部暮云街道，綠心區(qū)西北部同升街道和暮云街道交界處，跳馬鎮(zhèn)東部區(qū)域。與環(huán)境變量空間分布相比，表層土壤有機(jī)碳密度空間分布情況與地形起伏度空間分布十分吻合，這與隨機(jī)森林模型計(jì)算的土壤有機(jī)碳密度與地形起伏度等解釋變量存在極顯著相關(guān)關(guān)系相一致。

逐步回歸模型計(jì)算結(jié)果（圖4b）顯示，長(zhǎng)株潭綠心區(qū)剖面土壤有機(jī)碳密度為 。對(duì)比 0～20cm 表層土壤有機(jī)碳密度與剖面土壤有機(jī)碳密度，二者在同一地理空間分布上的特征差異較大，如長(zhǎng)株潭綠心區(qū)的昭山鎮(zhèn)與跳馬鎮(zhèn)交界處的剖面土壤有機(jī)碳密度明顯較低，因?yàn)榇颂幋蠖酁楹０屋^高的林地，且土層淺薄；在長(zhǎng)株潭綠心區(qū)的東南部及西部區(qū)域水田分布較多，剖面土壤有機(jī)碳密度較高。

2.4不同土地利用方式土壤有機(jī)碳密度與碳儲(chǔ)量差異從表1可以看出， 0～20cm 表層土壤有機(jī)碳密度表現(xiàn)為林地和水田較高，分別為4.85和4.66kg/m2，其次為園地0 ），而草地和旱地的土壤有機(jī)碳密度較低，分別為3.54和 。長(zhǎng)株潭綠心區(qū) 0～20cm 表層土壤有機(jī)碳密度的均值為 ，顯著高于全國(guó)平均水平 ）[17]。結(jié)合研究區(qū)域內(nèi)不同土地利用類型的面積，計(jì)算得出該區(qū)域5種土地利用方式 0～20cm 表層土壤有機(jī)碳總儲(chǔ)量為 ，其中林地土壤有機(jī)碳儲(chǔ)量為 種土地利用方式的 0～20cm 表層土壤有機(jī)碳儲(chǔ)量從大到小依次為林地 gt; 水田 gt; 園地 gt; 草地 gt; 旱地，林地和水田 0～20cm 表層土壤有機(jī)碳儲(chǔ)量占比較高，分別為 84.12% 和 10.76% 。

各類土地利用方式的剖面土壤有機(jī)碳密度從大到小依次為水田 gt; 園地 gt; 旱地 gt; 草地 gt; 林地。因?yàn)殚L(zhǎng)株潭綠心區(qū)的有效土層較淺，所以剖面有機(jī)碳密度不高。結(jié)合研究區(qū)域內(nèi)不同土地利用類型的面積，計(jì)算得出剖面土壤有機(jī)碳總儲(chǔ)量為 ，其中林地土壤有機(jī)碳儲(chǔ)量為 種土地利用方式的土壤有機(jī)碳儲(chǔ)量從大到小依次為林地 gt; 水田 gt; 草地 gt; 旱地 gt; 園地。林地和水田的剖面土壤有機(jī)碳儲(chǔ)量占比較高，分別為 84.29% 和 10.69% ，這2類土地利用方式剖面土壤有機(jī)碳儲(chǔ)量占比與表層土壤有機(jī)碳儲(chǔ)量占比特征一致，草地的剖面土壤有機(jī)碳儲(chǔ)量占比明顯高于草地的 0～ 20cm 表層土壤有機(jī)碳儲(chǔ)量占比，主要是因?yàn)椴莸氐钠拭嬗袡C(jī)碳密度明顯高于 0～20cm 表層土壤有機(jī)碳密度。

3討論

3.1土壤有機(jī)碳分布的主要影響因素在選擇多元線性回歸、逐步回歸、隨機(jī)森林等機(jī)器學(xué)習(xí)算法計(jì)算土壤有機(jī)碳儲(chǔ)量的過程中，數(shù)字高程模型（DEM）有關(guān)的解釋變量對(duì)土壤碳儲(chǔ)量計(jì)算結(jié)果的解釋度較高，表層土壤有機(jī)碳密度空間分布情況與地形起伏度空間分布十分吻合。研究結(jié)果顯示，土壤有機(jī)碳受地形地貌等因素的影響較大，這個(gè)結(jié)果與以往研究的成果基本吻合[18-19]。這是因?yàn)椴煌牡匦蔚孛材軌驔Q定土壤所處區(qū)域的水熱條件，并且隨著海拔的變化，土壤群落的時(shí)空格局及理化性質(zhì)也有所差異；另外，土壤有機(jī)碳的輸入主要來源于動(dòng)植物殘?bào)w，而地形地貌在土壤有機(jī)碳的形成期間對(duì)其進(jìn)行再分配，能夠直接影響土壤有機(jī)碳的演變與累積

除此之外，對(duì)土壤有機(jī)碳儲(chǔ)量分布結(jié)果解釋度較高的變量還有地表反射率、水流強(qiáng)度指數(shù)、地形濕度指數(shù)、綠度指數(shù)、氣溫等，這表明土壤有機(jī)碳的空間分布特征也與地表多種環(huán)境因素息息相關(guān)[20]。該研究重點(diǎn)關(guān)注了環(huán)境因素對(duì)長(zhǎng)株潭綠心區(qū)土壤有機(jī)碳儲(chǔ)量的影響，而人類活動(dòng)也應(yīng)該是影響土壤有機(jī)碳空間分布的重要因素，后續(xù)可加強(qiáng)該方面數(shù)據(jù)的收集，綜合分析長(zhǎng)株潭綠心區(qū)土壤有機(jī)碳儲(chǔ)量空間分布的關(guān)聯(lián)環(huán)境因子。同時(shí)也可以根據(jù)不同的土地利用方式，采用不同機(jī)器學(xué)習(xí)模型對(duì)土壤有機(jī)碳密度和儲(chǔ)量進(jìn)行精度評(píng)估與分析，最終確定最優(yōu)模型。

3.2剖面層土壤有機(jī)碳評(píng)估結(jié)果分析相關(guān)研究結(jié)果顯示， 100cm 深剖面土壤中約有 50% 以上的有機(jī)碳儲(chǔ)存在20cm 以下的底土層[21]，因此，估算區(qū)域土壤有機(jī)碳庫(kù)時(shí)，需要對(duì)涵蓋底土的土壤剖面有機(jī)碳庫(kù)進(jìn)行有效評(píng)估。該研究?jī)H對(duì)長(zhǎng)株潭綠心區(qū)的 0～20cm 表層和剖面土壤有機(jī)碳密度進(jìn)行了評(píng)估，結(jié)果顯示，剖面土壤有機(jī)碳的評(píng)估總體精度明顯低于 0～20cm 表層土壤有機(jī)碳密度評(píng)估精度。一方面，出現(xiàn)這種結(jié)果的原因是該研究選取的樣點(diǎn)有效土層厚度不均，長(zhǎng)株潭綠心區(qū)林地只有極少數(shù)的有效土層厚度超過 100cm 絕大多數(shù)林地有效土層厚度為 14～73cm ，這使得算法模型在對(duì)剖面土壤有機(jī)碳密度估算時(shí)的準(zhǔn)確性不高。另一方面，機(jī)器學(xué)習(xí)算法在對(duì)剖面土壤有機(jī)碳因子的選擇中，所有因變量除了解釋度較高的地形起伏度外，其他因子的解釋度普遍不高。以往研究也有類似發(fā)現(xiàn)，相比于表層土壤有機(jī)碳，100cm 剖面有機(jī)碳密度的空間變異更大、影響因素更為復(fù)雜，技術(shù)上更難準(zhǔn)確評(píng)估[22，也有可能存在環(huán)境因素潛在的間接影響，或多個(gè)因子之間的協(xié)同或拮抗作用。

4總結(jié)

該研究采用多元線性回歸、逐步回歸、隨機(jī)森林3種不同的算法模型，結(jié)合多源遙感數(shù)據(jù)、數(shù)字高程模型（DEM）和氣象數(shù)據(jù)，計(jì)算了長(zhǎng)株潭綠心核心區(qū)的土壤有機(jī)碳儲(chǔ)量，并分析了長(zhǎng)株潭綠心區(qū)土壤有機(jī)碳的空間分布和不同土地利用方式土壤有機(jī)碳密度的差異。研究結(jié)果顯示：隨機(jī)森林模型對(duì) 0～20cm 表層土壤碳儲(chǔ)量的評(píng)估精度最高（ ，反演的表層土壤平均碳密度為 ，表層土壤有機(jī)碳儲(chǔ)量為 ；逐步回歸模型對(duì)剖面土壤碳儲(chǔ)量的評(píng)估結(jié)果精度最高（ ），反演的剖面土壤平均碳密度為 ，剖面土壤有機(jī)碳儲(chǔ)量為 t。

長(zhǎng)株潭綠心區(qū)林地、水田、旱地、園地和草地5種土地利用方式 0～20cm 表層土壤有機(jī)碳密度以林地和水田較高，而草地和旱地較低。相反，剖面土壤有機(jī)碳密度則以水田最高，其次為園地，林地最低。該區(qū)域5種土地利用方式 0～ 20cm 表層土壤有機(jī)碳總儲(chǔ)量為 t，其中林地土壤有機(jī)碳儲(chǔ)量為 t；剖面土壤有機(jī)碳總儲(chǔ)量為 19.73× ，其中林地土壤有機(jī)碳儲(chǔ)量為 t。長(zhǎng)株潭綠心區(qū)為典型南方丘陵地貌，地形起伏大、斑塊破碎化程度較高，該區(qū)域影響土壤有機(jī)碳密度分布的重要環(huán)境因素主要為地形起伏度、土地利用類型、海拔和坡度。從土壤有機(jī)碳密度空間分布來看，中部昭山鎮(zhèn)一帶為林地集中區(qū)域，且海拔相對(duì)較高，土壤有機(jī)碳密度也較高；東南部有機(jī)碳密度分布較高主要與水田的集中連片分布有關(guān)；而東部和西部由于旱地相對(duì)分布較多，且土壤斑塊破碎程度較高，導(dǎo)致該區(qū)的土壤有機(jī)碳密度較少。

參考文獻(xiàn)

[1]魏建兵，梁兵，陸慶軒，等.土壤有機(jī)碳儲(chǔ)量及其變化評(píng)估的研究方法[J].中國(guó)土壤與肥料，2023（9）：224-233

[2]童榮鑫，梁迅，關(guān)慶鋒，等.2000一2020年中國(guó)陸地土壤碳儲(chǔ)量及土地管理碳匯核算[J].地理學(xué)報(bào)，2023，78（9）：2209-2222.

[3]張興銳，齊國(guó)輝，陳利英，等.森林植被和土壤碳儲(chǔ)量研究進(jìn)展[J].青海農(nóng)林科技，2023（1）：56-61.

[4]李海萍，杜佳琪，唐浩峻.基于隨機(jī)森林的縣域土壤有機(jī)碳密度及儲(chǔ)量估算[J].中國(guó)土壤與肥料，2021（3）：1-8.

[5]楊明新，楊秀春，趙云，等.黃河源園區(qū)高寒草地碳儲(chǔ)量估算及其影響因素[J].生態(tài)學(xué)報(bào)，2023，43（9）：3546-3557.

[6]李揚(yáng).小興安嶺典型沼澤濕地土壤碳氮儲(chǔ)量估算[D].哈爾濱：哈爾濱師范大學(xué)，2023.

[7]姜柏志.三江平原水稻主要種植區(qū)表層土壤有機(jī)碳密度空間分布及儲(chǔ)量估算D1.哈爾濱：東北農(nóng)業(yè)大學(xué)，2022

[8]康應(yīng)東.遼河流域沼澤濕地土壤有機(jī)碳儲(chǔ)量估算[D].長(zhǎng)春：吉林大學(xué)，2021.

[9]史常明，柳洋，張富榮，等.焉耆盆地綠洲農(nóng)田不同類型土壤有機(jī)碳空間分布特征及儲(chǔ)量估算[J].干旱區(qū)研究，2021，38（3）：672-681.

[10]宋婭麗，王克勤.國(guó)內(nèi)外森林生態(tài)系統(tǒng)土壤碳儲(chǔ)量計(jì)量方法研究進(jìn)展[J].綠色科技，2018（18）：1-6.

[11]高金華，莊巖，于光宇，等.基于InVEST模型的長(zhǎng)株潭綠心地區(qū)碳儲(chǔ)演變研究[C]//中國(guó)城市規(guī)劃學(xué)會(huì).人民城市，規(guī)戈J賦能：2022中國(guó)城市規(guī)戈年會(huì)論文集（05城市規(guī)戈新技術(shù)應(yīng)用）.[出版地不詳]：[出版者不詳]，2023：381-390.

[12]周蓉，趙天忠，吳發(fā)云.基于Landsat8遙感影像的地上生物量模型反演研究[J].西北林學(xué)院學(xué)報(bào)，2022，37（2）：186-192.

[13]劉帥，何斌，王濤，等.甘肅積石山縣 級(jí)地震同震地質(zhì)災(zāi)害發(fā)育特征與易發(fā)性評(píng)價(jià)[J].地質(zhì)力學(xué)學(xué)報(bào)，2024，30（2）：314-331.

[14]魏曉敏.運(yùn)城鹽湖濕地碳增匯潛力與適應(yīng)氣候變化對(duì)策研究[D].太原：山西大學(xué)，2023.

[15］史佳琪.黃河沖/沉積區(qū)典型土地利用類型土壤有機(jī)碳穩(wěn)定特征及驅(qū)動(dòng)機(jī)制[D].開封：河南大學(xué)，2023.