基于增强分位数回归森林模型的中国高分辨率森林土壤有机碳数据集

森林土壤为何关系到我们的未来

当我们谈论森林与气候时，常常想到树干和树叶从空气中吸收碳。而更难见到但更为重要的，是锁存在森林土壤中的碳。这一隐蔽的贮存库帮助把额外的二氧化碳留出大气，支撑丰富的生态系统，并为减缓气候变化的努力提供基础。本文所述研究构建了迄今最精细的中国森林土壤有机碳分布图，展示了土壤中有机碳的数量与空间位置，为气候政策和土地管理提供了新的工具。

走近树下的土壤

中国是世界上森林资源最多的国家之一，横跨热带雨林、温带林地和寒冷的高山林地。这些多样的景观包含截然不同的土壤碳量，以往的地图要么分辨率过粗、要么侧重农田、要么缺乏明确的不确定性估计。为弥补这一空白，作者汇集了一个大型的全国性森林土壤观测数据库。他们将早期调查记录与2023年的新森林土壤调查相结合，最终获得了来自8,709个地点的18,193个样品。在每个地点，土壤取样深入至一米，并按四个深度带分组，以便跟踪随深度的变化。

将离散样本变为连续地图

对中国每一片森林地带进行土壤取样是不可能的，因此研究团队借助数据科学方法来填补空白。他们为每个地点收集了41项环境信息，包括气候、地形、基岩、植被与已有的土壤属性。利用这些输入，他们训练了一个能够学习环境与土壤碳之间复杂模式的机器学习模型，并用这些模式来估算未采样地区的碳含量。在训练之前，他们对数据进行了细致清洗、标准化土层深度、剔除明显测量错误，并对偏态值进行变换，以便模型更容易识别模式。

内含不确定性的信息化建模

研究人员并未仅给出单一的最佳预测，而是采用一种能在每个森林位置生成可能值区间的方法。他们首先对应深度筛选了41项环境因子，仅保留对预测最有信息量的因子，将候选列表缩减约三分之二，同时保留海拔、湿度和植被覆盖等关键驱动因子。随后他们应用了分位数回归森林模型，该模型构建大量决策树并考察其预测分布。此法使团队不仅能计算出中国每个90米栅格最可能的土壤碳值，还能给出应包含真实值九成概率的上下界。

新图揭示的中国森林格局

所得数据集呈现出明确的规律：森林土壤有机碳在表层最高，随深度下降，这符合预期。全国范围内，较高的土壤碳多聚集在东北的凉湿林地和西南高而崎岖的地区——那里茂密的植被与较低的温度减缓了分解作用。中部及部分东部地区显示较低的数值，反映出更温暖、更干燥的条件和不同的森林类型。与若干现有的全球与国家土壤产品对比，新地图在大尺度模式上大体一致，但由于仅基于森林样本且采用更精细的90米栅格，提供了更清晰、更聚焦于森林的视角。研究团队还绘制了估计不确定性分布：偏远、山地和严寒的北部地区由于样本较少而不确定性更大。

这些地图如何指导气候与土地决策

对非专业读者而言，核心信息很直接：这项工作提供了关于中国森林土壤中隐藏有机碳数量、其随深度变化以及各处估计置信程度的详细全国图景。政策制定者和科学家现在可以将这些高分辨率地图作为核查森林碳汇、规划修复以及评估未来气候或管理变化对土壤碳影响的基线。尽管这些地图展示的是碳浓度而非总碳存量，且部分偏远地区仍存在较大不确定性，但它们标志着将“地下森林”像地上植被一样纳入精细管理的重要一步。

引用: Chen, J., Ou, Y., Fan, Z. et al. A High-Resolution Forest Soil Organic Carbon Dataset for China Derived from an Enhanced Quantile Regression Forest Model. Sci Data 13, 768 (2026). https://doi.org/10.1038/s41597-026-07133-2

关键词: 森林土壤碳, 数字土壤制图, 中国森林, 碳汇, 气候变化