中国农业大学最新发文!中国1985–2020年土壤有机碳密度数据集(深度20与100 cm,分辨率1 km)

SCI期刊：Earth System Science Data英文题目： 1 km soil organic carbon density dataset with depth of 20 and 100 cm from 1985 to 2020 in China中文题目： 中国1985–2020年土壤有机碳密度数据集（深度20与100 cm，分辨率1 km）发表时间： 2026年2月2日文章链接： https://doi.org/10.5194/essd-18-759-2026

🌍 研究背景

土壤有机碳（SOC）是影响全球碳循环、农业生产力与气候变化的关键因子。然而，受限于高分辨率、长时序观测数据的缺乏，我国土壤碳储量的时空动态长期难以精确评估。尤其在复杂的地形与气候条件下，传统的估算方法难以反映其真实分布与变化趋势。

📈 研究意义

本研究构建了我国1985–2020年高分辨率（1 km）土壤有机碳密度数据集，涵盖0–20 cm与0–100 cm两个关键深度。该数据集不仅为土壤碳储量评估、农业管理、碳中和政策制定提供科学依据，也为全球土壤碳循环研究提供重要的区域数据支持。

🎯 研究目的

创建一套具有高时空分辨率、长时间跨度的中国土壤有机碳密度产品，揭示其时空演变规律，提升土壤碳储量评估的准确性与可靠性。

📚 研究内容

• 收集并整合了11743个土壤剖面数据（1980s、2000s、2010s）；

• 融合Landsat遥感影像、地形、气象与土壤属性数据；

• 采用气候分区策略，构建基于随机森林的分区估算模型；

• 生成1985–2020年每5年间隔的SOCD空间分布图。

🗺️ 研究区概况

研究覆盖中国全境，包含山地、高原、盆地、平原、沙漠等多种地形，气候从湿润到干旱差异显著，土壤类型丰富，空间异质性强。

📊 数据概况

• 土壤数据： 来自第二次全国土壤普查、中国陆地生态系统碳密度数据集等；

• 遥感数据： Landsat系列影像（1985–2020）；

• 地形数据： DEM及其衍生指标；

• 气象数据： 全国2400个气象站点的温度、降水、太阳辐射数据；

• 验证数据： 黑河流域、Xu数据集、Dong数据集等独立观测数据。

🔬 研究方法

• 数据预处理： 统一深度至0–20 cm与0–100 cm，计算SOCD；

• 特征选择： 通过相关性分析、随机森林重要性排序筛选关键环境因子；

• 气候分区： 依据降水量与温度划分为湿润、半湿润、半干旱、干旱四区；

• 建模方法： 采用分区随机森林模型，进行时空交叉验证。

📉 研究结果

• 气候分区显著提升模型精度，0–20 cm深度R²从0.46提升至0.63；

• 与多个独立数据集验证一致性高，如黑河流域R²达0.76；

• 与全球土壤产品（SoilGrids250m、GSOCmap、HWSD）对比表现出良好一致性；

• 1985–2020年间，表层SOCD呈微弱上升趋势，深层相对稳定；

• 高SOCD区主要分布在东北与西南地区。

💬 主要讨论

• 温度是表层SOCD最主要的影响因子，深层则更受地形与土壤质地控制；

• 半湿润与半干旱区模型表现最佳，干旱区预测误差最小；

• 长期气候变化与人类活动共同驱动SOCD时空演变；

• 高分辨率、长时序数据有助于揭示区域碳循环机制。

✨ 创新点

• 首次构建中国1985–2020年高分辨率、多深度SOCD长时间序列数据集；

• 提出气候分区+随机森林的建模策略，显著提升估算精度；

• 实现深度特异性建模，揭示不同土层碳动态的主导因子差异；

• 数据开源共享，支持后续研究与政策应用。

⚠️ 不足与展望

• 西部地区土壤样本仍偏少，未来需加强实地采样；

• 模型对极端气候事件响应机制尚不明确；

• 未来可结合更多人类活动数据（如土地利用、施肥管理）提升模型解释力；

• 呼吁建立标准化土壤碳观测网络，推动全球数据共享与合作。

✅ 总结

本研究成功构建了中国首个1 km分辨率、长达35年的土壤有机碳密度数据集，通过气候分区与机器学习方法显著提升了估算精度。该数据集为理解中国土壤碳时空演变、评估碳汇潜力、支撑“双碳”目标实现提供了重要的数据基础与科学工具。