巴西亚马逊生态系统中土地利用对土壤有机碳动态的控制

为什么亚马逊地底重要

亚马逊雨林常被称为地球的肺，但脚下还有一个更为低调的巨人：土壤。本研究探讨在亚马逊不同土地利用方式——保持森林、改为牧场或耕作——如何改变表层土壤中碳的储存量。因为土壤碳有助于调节气候并支持农业与林业的肥沃土壤，理解这些变化对关心气候变化、生物多样性和可持续农业的人来说至关重要。

我们如何利用土地的不同方式

研究者聚焦于巴西亚马逊的一个区域，该区包含森林、牛牧场和耕地。研究人员使用了649个取自表层30厘米土壤的样本，加上较早的“遗留”土壤数据，比较了不同土地利用下土壤性质的差异。森林土壤的有机碳和氮含量远高于牧场或耕地土壤，反映了几十年落叶、根系积累和较少扰动的结果。相比之下，耕地显示出最低的碳含量，这可能是由于反复耕作、作物残留物被移除以及土壤暴露在日晒和降雨下所致。牧场通常介于两者之间，储碳量高于耕地，但低于完整的森林。

是什么让某些土壤更能储碳

除了直接测量碳含量外，研究团队还考察了其他土壤特性，如质地（砂、粉砂和黏土）、密度、酸碱度，以及土壤颗粒保持和交换养分的能力。两项化学特征尤为突出：阳离子交换量（衡量土壤带电位点携带养分的能力）和基饱和度（这些位点被特定养分填充的程度）。森林土壤通常在这些性质上数值较高，同时伴有更丰富的碳库。这表明当土壤矿物与有机质相互作用强烈时，碳更有可能以稳定形式被保护，而某些养分条件也可能加速其分解。

教计算机“读”土壤

为将零散的测量结果转化为连续的地图，科学家们采用了先进的计算模型。他们训练了几种机器学习算法——随机森林、支持向量机和神经网络——并与更传统的统计方法一起，用测得的土壤和环境变量来预测土壤碳含量。经过严格的交叉验证，随机森林表现出最高的准确性，几乎捕捉到了景观中土壤碳的全部变异。尽管经典模型更易解释，但在预测能力上无法与这些能够处理复杂非线性关系的新工具相匹敌。

发现隐藏的模式与成因

由于强有力的预测并不自动揭示因果关系，研究团队还使用了一种称为结构方程建模的技术。这使他们能够追踪土壤化学、物理结构和当地条件如何分别——直接或间接地——影响碳储存。他们发现，养分保持能力倾向于增加碳的滞留，而较高的基饱和度常常产生相反的效果，可能是因为它促进了微生物加速分解有机质。土壤温度和压实在研究区域相对一致的气候下只起到次要的直接作用，这进一步强化了局部土壤化学在该部分亚马逊地区决定性影响的观点。

可指导未来抉择的地图

通过将表现最好的模型应用于空间数据，研究者绘制出了森林、牧场和耕地下的详细土壤碳地图。森林区域显示出最高且最连续的碳库；牧场则呈现中等且不均匀的储量；耕地的碳量最低且最碎片化。这些模式证实，将森林清除为农业用地通常会耗散土壤中的碳，而让土地保持或恢复为森林可以随时间重建这一隐藏的储层。作者提醒，研究仅覆盖上层30厘米土壤，并依赖当前的关系，这些关系可能随气候或管理方式的变化而改变。

对人类与地球意味着什么

简而言之，研究表明，保持亚马逊土地被森林覆盖——或至少采取温和的管理方式——有助于将更多碳锁在土壤中，从而支持气候稳定和土壤健康。先进的计算模型，尤其是随机森林，为将零散的土壤测量转化为可操作的地图提供了有力工具，可指导保护与农业决策。随着未来工作纳入更深的土层和长期监测，这一方法可帮助政策制定者和土地管理者决定在哪些地方保护或恢复森林、以及改善土壤化学质量，将为气候与依赖亚马逊的社区带来最大利益。

引用: Tiruneh, G.A., Righi, C.A., Polizel, J.L. et al. Land-use controls on soil organic carbon dynamics across Amazonian ecosystems, Brazil. Sci Rep 16, 13693 (2026). https://doi.org/10.1038/s41598-026-43978-8

关键词: 土壤碳, 亚马逊雨林, 土地利用变化, 机器学习, 气候缓解