● 通过文献计量分析绘制了保护性农业下全球土壤有机碳（SOC）研究图谱（共 4256 篇文献）。

● 研究热点已从传统耕作与气候评估转向微生物与生态系统韧性。

● 机器学习与遥感技术显著改进了土壤有机碳的监测能力。

● 土壤无机碳（SIC）与活性碳组分仍是研究不足的方向。

https://doi.org/10.1016/j.farsys.2026.100241

保护性农业（CA）因其在提升土壤有机碳（SOC）和支撑可持续农业系统方面的潜力而受到广泛研究。尽管已有大量研究，但在研究热点、评估方法以及受保护性农业措施影响的具体土壤碳组分方面，现有证据仍较为零散。为弥补这些不足，我们对 2016—2025 年间发表的 4256 篇文献进行了综合分析，以揭示 SOC 与 CA 交叉领域的全球研究趋势、主题演变及新兴优先方向。

结果显示，科学产出快速增长，中国、美国及若干欧洲国家构成了全球合作网络的核心。我们的分析凸显出研究重点已从传统耕作与气候影响评估转向土壤生物多样性、微生物组互作与生态系统韧性。在方法学上，机器学习（ML）与遥感（RS）的协同已将 SOC 监测重塑为一个更具稳健性的数据驱动领域。未来研究应关注土壤无机碳（SIC）及高度敏感的活性碳库（包括易氧化碳 EOC）的研究不足问题。此外，弥合科学证据、农场层面可行性与政策支持之间的鸿沟仍然至关重要。未来的工作应优先考虑地理包容性及社会—生态评估，并辅以协调统一的框架，以支撑可推广的基于 CA 的 SOC 管理。

关键词：保护性农业（Conservation agriculture）；覆盖作物（Cover crop）；少耕（Minimum tillage）；活性有机碳（Labile organic carbon）；气候减缓（Climate mitigation）；农业人工智能（AI for agriculture）。

土壤有机碳（SOC）在驱动土壤生物地球化学过程及气候—土壤相互作用中发挥着核心作用（Lal, 2016；Minasny et al., 2017；Li et al., 2026a）。由于 SOC 具有很强的时序变异性，人们 routinely 监测 SOC 以评估土壤健康，并表征土壤碳输入与输出随时间的净平衡（Liptzin et al., 2022）。在全球尺度上，SOC 储量估计在 0–30 cm 深度为 1049 Pg 碳，在 0–100 cm 深度为 2822 Pg C，较早期的全球估算有显著增加（Batjes, 1996；Crézé et al., 2025）。其重要性尤其体现在调节气候和提升生产力方面。到本世纪末将全球变暖控制在 1.5 °C 以内，实现 2050 年全球净零 CO₂ 排放目标至关重要（IPCC, 2018）。SOC 下降会导致更多碳排放至大气，加剧气候变化并形成正反馈循环。长期变暖可能通过抑制微生物碳生产和加速稳定碳库利用，进一步降低表层 SOC（Zhang et al., 2022；Varney et al., 2024；Jia et al., 2026b）。在农业系统中，SOC 积累主要来源于根系分泌物、风力和水力过程带来的植物残体分解以及有机改良。增加根际 SOC 可显著提升作物生产力（Wu et al., 2025）。根际 SOC 库每增加 1 Mg ha⁻¹，小麦可增产 20–70 kg ha⁻¹，水稻 10–50 kg ha⁻¹，玉米 30–300 kg ha⁻¹（Lal, 2006；Chenu et al., 2019）。

认识到 SOC 的核心作用（Jia et al., 2026a），保护性农业（CA）已成为提升土壤碳储量的关键管理策略。CA 被定义为一种基于土壤、水分和生物资源综合管理的可持续耕作方式，通常结合外部投入，以保护和改善自然资源。它建立在三项基本原则之上，即最小土壤扰动、永久性土壤覆盖和多样化种植轮作（Hobbs et al., 2008；FAO, 2023）。CA 通过培育稳健的“土壤海绵效应”——改善水分保持和土壤结构——来增强农业韧性，从而即使在极端天气波动下也能维持产量稳定。在实践中，这些效益转化为多项农场层面的优势，推动了 CA 在全球农民中的日益采用。除农艺与环境效益外，CA 还为强化和多样化经营提供机会，提高农场盈利能力和农村收入（Bawa and Jamedu, 2021）。

首先，土壤扰动通过保护性耕作（尤其免耕和少耕）得以有效最小化。这些系统驱动表层 0–30 cm 内 SOC 和微生物量的快速积累。这种表层碳富集并非仅仅是固碳，而是形成结构稳定、生物活跃的表土层，对减少侵蚀损失和优化土壤—水分动态至关重要（Busari et al., 2015；Haddaway et al., 2017）。具体而言，最小化土壤扰动通过促进团聚体形成和微生物介导的稳定化来推动 SOC 积累，其中微生物群落的变化进一步增强团聚体结构并增加对 SOC 的物理保护（Yang et al., 2024；Zhang et al., 2024）。此外，少耕（降低 12.3%）和免耕（降低 14.3%）显著减少了土壤 N₂O 排放，既有助于气候变化减缓，也改善土壤健康（Meng et al., 2024）。

其次，保持土壤表面覆盖（≥30% 土地）形成持久的有机土层覆盖物，可促进土壤结构内生物生长。覆盖物分解和覆盖作物改善土壤质量、减少侵蚀和病虫害，同时通过增加生物量和根残体有机碳输入来提升 SOC（Poeplau and Don, 2015；Kaye and Quemada, 2017）。该管理措施提高资源利用效率并促进 CA 的可持续采用（Zhao et al., 2026）。Thapa et al.（2023）指出覆盖作物增加了 SOC，0–30 cm 土层平均积累速率为 271 kg ha⁻¹ yr⁻¹。此外，单种覆盖作物比混种覆盖作物更能增加 SOC，且禾本科作物比豆科作物对 SOC 储量的提升更大（Abdalla et al., 2019）。

第三，物种多样性可通过涉及至少三种不同作物的多样化轮作和搭配来增强，这增加了种植系统内外植被结构和微生物多样性。证据表明，多样化轮作下的 SOC 积累普遍可见，表层报道的固持速率通常在约 180–235 kg C ha⁻¹ yr⁻¹（Poeplau and Don, 2015）。与保护性耕作结合时，SOC 增益据报道在 60–190 kg C ha⁻¹ yr⁻¹（Luo et al., 2017）。作物轮作增强了快速循环的微生物量库，直接影响生产力和生态系统服务（McDaniel et al., 2014）。

除总 SOC 外，土壤无机碳（SIC）与活性有机碳都是土壤碳库的重要组成部分。尽管在干旱和半干旱地区十分重要，SIC（主要以碳酸盐矿物形式存在）在 CA 研究中受关注有限。相比之下，活性有机碳代表 SOC 中生物活跃、快速循环的组分，包括：颗粒有机碳（POC，由部分分解的植物残体组成）；微生物量碳（代表土壤有机质的活体组分）；溶解性有机碳（水中通过滤膜的那部分有机质）；以及易氧化碳（EOC，一种化学定义的、反映温和氧化条件下快速分解的活性碳的组分）（Sarker et al., 2023；Yadav et al., 2025）。例如，碳输入显著增加 POC 含量，其响应受输入类型/速率、土壤碳氮比、生态系统类型、分组方法和持续时间影响（Zhang et al., 2022）。这些组分通常比总 SOC 对土壤管理和微生物过程的短期变化更敏感，使其成为检测 CA 采用早期响应的有用指标（Benbi et al., 2015）。因此，考察这些组分在不同 CA 措施中的体现，有助于揭示当前研究热点和未被充分探索的方向。

尽管证明 CA 可提升 SOC 储量的研究不断增多，重要空白依然存在。SOC–CA 文献的快速增长导致知识基础碎片化，许多研究孤立地考察 CA 措施或 SOC 动态，而非在综合分析框架之内。此外，很少有研究将这些实证发现与更广泛的政策框架联系起来，或考察超越单一 CA 措施的全球研究轨迹，对 CA 原则与 SOC 提升如何在可持续农业中协同一致缺乏洞察。

因此，本计量研究旨在：（1）更新全球趋势和关键词演变，揭示 SOC–CA 研究如何发展及出现了哪些主题转变；（2）探究不同 CA 措施如何影响 SOC 储量及其组分，包括微生物、颗粒和活性碳库；（3）识别未来研究方向和政策启示，将科学进展与气候减缓和可持续土地管理的实践策略相衔接。

基于 Web of Science 核心合集（检索于 2025 年 9 月 2 日），围绕两组概念构建检索式：①SOC 相关术语（soil organic carbon / SOC / soil carbon）；②保护性农业及相关管理措施（conservation agriculture、no-tillage、minimum tillage、crop rotation、cover crop、mulching、residue retention 等，详见附录表 A1）。限定条件：出版年 2016–2025、语言为英语、文献类型为论文（Article）、综述（Review Article）和书籍章节（Book Chapter）。经筛选最终保留 4256 篇文献用于文献计量分析。采用三类工具协同分析：VOSviewer 用于构建作者、机构、国家与关键词的共现网络，揭示研究集群与合作关系；CiteSpace 用于时序与前沿探测（初选前 20 个突现关键词，人工剔除无关术语后保留有主题意义者）；SCImago Graphica 用于地图式地理合作网络可视化。三者结合，从结构、时序与地理三个维度系统刻画近十年 SOC–CA 研究图谱。