用于土壤有机碳估算的时空丰富且时间一致的土壤光谱数据集

我们脚下碳的重要性

碳不仅存在于我们呼吸的空气中——它也储存在城市、农田和森林下的土壤中。这个隐藏的仓库，被称为土壤有机碳，有助于调控气候、支持作物并维持生态系统健康。然而，要在大范围内详细测量它既困难又昂贵。本研究介绍了一个来自韩国首尔周边的新型、细致的土壤数据集，利用光学测量来估算表层土壤中储存的碳量。这项工作展示了我们如何更快、更便宜地追踪这一重要资源，这在土地利用和气候持续变化的情况下至关重要。

围绕特大城市的生动拼布

研究者将重点放在京畿道（Gyeonggi Province），这是一个环绕首尔、面积约10200平方公里的地区，经历了快速的城市扩张。该区域景观呈复杂的拼接结构：密集森林毗邻稻田、果园、温室、城市公园、河岸地带以及裸露的施工或裸地。为了捕捉这种多样性，团队在2024年一个生长季内从1500个地点采集了土壤样本，以保持时间一致性。他们有意覆盖11种主要土地覆盖类型——从落叶林、针叶林和混交林到人工草地和裸地——跨越广泛的海拔和环境设置，避开了铺装和人工表面。结果是对这一亚洲最具动态性的城市区域之一土壤状况变化的一个空间上丰富的快照。

用不可见的光“读取”土壤

研究没有仅依赖缓慢的传统实验室检测，而是采用了近红外（NIR）光谱技术，这种技术将不可见光照射到土壤上并测量其反射情况。每个土壤样本经干燥、过筛并精心制备后，用台式近红外设备在1400到2500纳米的波长范围内扫描。对每个1500个样本，设备记录了一条平滑曲线，作为土壤的光学指纹。为了降低噪声并强调关键特征，研究者在建立模型前应用了标准的数学滤波步骤。这一统一且受控的流程产生了一个大型且一致的土壤光谱库，其他科学家和从业者可以在无需额外预处理的情况下使用。

将光谱转换为碳含量估算

为了将这些基于光的指纹与实际碳含量联系起来，团队对712个样本的子集进行了详细的化学测定——每种土地覆盖类型至少占样本的40%。对于这些样本，他们测量了总碳，使用酸处理去除无机碳形式，并将剩余部分解释为有机碳。随后他们训练了部分最小二乘回归（PLSR）等统计模型，该方法善于处理数千个密集波长。在交叉验证和独立的70:30训练–测试划分测试后，他们发现预测值与测量值高度一致：模型能够解释约95–96%的变异，误差仅为数个十分之一百分比。这一精度水平表明，在该区域近红外光谱可以可靠地替代更昂贵的实验室检测。

用于在复杂景观中绘制碳图的新工具箱

完整数据集以易于使用的文件形式发布，结合了位置、土地覆盖和采样时间，以及原始与平滑的近红外光谱和可用的测量碳值。由于采样密集、覆盖多种地类且在同一季节内完成，它为未来监测提供了一个异常干净的基线。作者还描述了对碳测量和近红外仪器进行的严格质量检查，帮助确保他人可以信赖并在此基础上开展工作。除碳预测外，该光谱库还能支持数字土壤制图、校准基于卫星的估算，并与其他国家的土壤库进行比较。

这对气候与土地管理者意味着什么

对非专业读者而言，关键的信息是我们现在拥有一种更快、更便宜的方法来“读取”复杂且快速变化地区土壤的碳含量。通过将大型、设计良好的野外调查与基于光的测量和开放数据相结合，这项研究为其他省份和国家提供了在高分辨率下跟踪土壤碳的蓝图。就实际而言，这意味着规划者和农民最终可以获得更好的地图，显示哪些土壤储碳良好、哪些在流失，从而指导保护气候、改善土壤健康和更明智的土地管理工作。

引用: Bae, J., Seo, I., Hyun, J. et al. A spatially rich, temporally coherent soil spectral dataset for soil organic carbon estimation. Sci Data 13, 230 (2026). https://doi.org/10.1038/s41597-026-06546-3

关键词: 土壤有机碳, 近红外光谱, 土壤制图, 气候缓解, 土地利用变化