基于机器学习的中国东部大豆—小麦轮作体系土壤有机碳动态评估

我们脚下的土地为何重要

当我们讨论气候变化和养活不断增长的人口时，注意力常常投向天空——空气中的二氧化碳、变化的天气、上升的气温。但故事有很大一部分隐藏在地下。耕地土壤默默地储存着大量碳，并影响作物的生长。本研究探讨了一种常见的作物轮作——先种大豆后种小麦——在中国最重要的农业区之一如何改变土壤中碳的储量，以及先进的计算模型如何将这些变化在景观尺度上绘制出来。

农田处于气候与粮食的前线

中国东部是谷物和油料作物的重要产区，供应的麦类和大豆对粮食安全与经济至关重要。与此同时，该地区面临集约化耕作、土壤退化和变暖气候的压力。土壤有机碳——土壤中深色的有机物质——非常关键，因为它能提升土壤肥力、帮助土壤蓄水，并将本可成为温室气体的碳锁存起来。理解不同作物和管理选择如何影响这一地下碳库，有助于指导既能维持产量又能减缓气候变化的耕作实践。

深入研究：研究方法

研究人员在安徽到北京的七个省市近一千个大豆—小麦田块采集了土壤样品。他们在两个深度采样：耕作层（0–15厘米）和下层（15–30厘米），并在轮作的四个关键时点取样：大豆播种前、大豆收获后、为小麦整地后和小麦收获后。值得注意的是，大豆和小麦的作物残茬留在田间并通过常规耕作混入土壤。团队将这些测量值与卫星影像、数字高程数据和描述植被、降雨、温度波动及地形的气候信息相结合。

教会计算机“读”土壤

研究没有仅依赖少量土壤剖面，而是使用机器学习——从数据中学习模式的计算方法——来预测整个区域的土壤碳。科学家们训练并测试了三类模型，发现一种称为随机森林的模型给出了最准确的估计，尤其是在表土层。该模型能处理土壤碳与多种环境因子之间复杂的非线性关系。结果显示，诸如规范化的地形相对高度、基于卫星的绿色植被指数（NDVI）、年内温度变化幅度和坡度等特征，对解释土壤碳高低尤为重要。

大豆增加碳储量，小麦则消耗

土壤测量揭示了一个清晰的模式。大豆耕作后，表土层和下层的土壤有机碳都增加；而小麦之后则相反：两个深度的土壤碳都下降。空间分布图显示该区域北部和南部局部倾向于储碳更多，但总体上大豆作为净“储蓄者”，小麦则作为净“提取者”。研究将这种差异与作物的生长习性和残茬联系起来：大豆产生更多地上生物量并具有更深更广的根系，都会向土壤输入更多有机物；而小麦呈草本形态、生物量较低，贡献的新鲜物质较少，在一些区域土壤碳随时间实际上出现逐步消耗。

是什么塑造了地下碳图谱

通过将田间数据与环境图层结合，研究者表明你所处的地形位置很重要。位于坡地更高处或特定地貌位置的田块更易发生侵蚀和土壤碳迁移。从卫星上看更绿、植被更茂密的区域倾向于储存更多碳。季节性温度波动影响植物生长和微生物分解残茬的速度。所有这些因素与作物选择相互作用：在有利于旺盛生长的条件下，大豆田更能增碳；而处于脆弱位置的小麦田则更容易发生碳损失。

这对农民与气候意味着什么

对非专业读者而言，结论很简单：不同作物对土壤的影响并不相同。在这种大豆—小麦轮作中，大豆有助于补充地下碳库，而小麦则往往从中取用。研究表明，在轮作中加入或保留大豆可以改善土壤健康、提高土壤的碳储存能力并减少碳向大气的释放。利用机器学习绘制这些变化地图可以帮助规划者和农民看到土壤在哪些地方在增碳或失碳，从而对症下策。在必须保持粮食供应的变暖世界里，这些见解表明更聪明的轮作安排与基于数据的土壤管理能把普通农田变成更有效的气候盟友。

引用: Yu, Z. Machine learning-based assessment of soil organic carbon dynamics in soybean–wheat rotations in eastern China. Sci Rep 16, 7250 (2026). https://doi.org/10.1038/s41598-026-38105-6

关键词: 土壤碳, 大豆—小麦轮作, 作物轮作, 机器学习, 气候智能型农业