《Geoderma》：Spartina alterniflora invasion-induced soil organic carbon content changes: An assessment by time-series remote sensing and machine learning
编辑推荐：
本研究针对滨海湿地互花米草（Spartina alterniflora）入侵影响土壤有机碳（SOC）动态的机制不清、传统采样方法时空连续性差等问题，通过整合月度Sentinel-1/2遥感影像与野外实测数据，构建了基于随机森林（RF）的高精度SOC预测模型（R2= 0.663），揭示了SOC含量随入侵年限先增后饱和的变化规律（饱和点为19年，SOC=15.80 g·kg-1），为评估滨海湿地碳汇功能及入侵生态效应提供了空间显式依据。
滨海湿地作为陆地与海洋的交界地带，是全球重要的蓝色碳汇，在吸收二氧化碳、缓解气候变化方面扮演着关键角色。然而，这片生态要地正面临着外来物种入侵的严峻挑战。自1979年引入中国以来，互花米草（Spartina alterniflora）凭借其强大的适应和繁殖能力，迅速取代本土植物，成为沿海湿地的优势物种。截至2020年，其分布面积已达51,970公顷。互花米草的入侵显著改变了湿地生态系统的碳循环过程。有研究表明，它能增加土壤有机碳（Soil Organic Carbon, SOC）库，但其入侵年限如何影响SOC含量动态，例如SOC是否会随入侵时间增加而持续累积，何时达到饱和，科学界尚未达成共识。以往的研究多依赖于有限的离散样点数据或较长的时间间隔划分，难以准确刻画SOC的连续时空变化，存在较大的不确定性。在广阔的滨海湿地区进行密集的土壤采样既费时费力，又受潮汐、高土壤水分和可达性差的限制。因此，迫切需要一种能够在大尺度上连续、准确监测SOC动态的新方法。
针对上述挑战，发表在《Geoderma》上的这项研究进行了一项创新性的探索。研究人员将目光投向了遥感技术与机器学习算法的结合。他们设想，能否利用覆盖植物整个生长周期的密集时间序列遥感影像，来间接但精确地反演被茂密植被覆盖的土壤中的有机碳含量？并通过空间替代时间的方法，在空间尺度上揭示互花米草入侵年限对SOC动态的长期影响？为了验证这一设想，研究团队在江苏盐城湿地珍禽国家级自然保护区的实验区（120°40′E ～ 120°45′E, 33°20′N ～ 33°30′N）展开了工作。该区域是典型的泥质海岸湿地，自1994年发现互花米草以来，其持续向海扩张，形成了完整的入侵时间序列，是研究入侵生态效应的理想场所。
研究人员于2022年在该区域沿垂直于海岸线的断面采集了114个土壤样本（0-30厘米深度），并测定了其SOC含量。同时，他们获取了2022年全年的月度Sentinel-1雷达影像和Sentinel-2光学影像。从这些影像中，他们提取了包括极化参数（VV, VH, VH/VV）、光谱波段（B2-B8A, B11-B12）以及多种遥感指数（如NDVI, NDWI等）在内的228个时间序列变量。为了筛选出对SOC最敏感的变量，研究采用了迭代Boruta算法。随后，利用筛选出的重要变量，分别构建了随机森林（Random Forest, RF）、增强回归树（Boosted Regression Trees, BRT）和极限梯度提升（eXtreme Gradient Boosting, XGBoost）三种机器学习模型来预测SOC含量。模型性能通过独立验证集进行评估。此外，为了分析入侵年限的影响，研究基于1994年至2022年的Landsat和Sentinel-2影像，生成了逐年互花米草空间分布图，从而确定了每个像元对应的入侵年龄。最后，结合SOC预测图和入侵年龄图，采用空间替代时间的方法，分析了SOC含量随入侵年龄的变化趋势。
3.1. 密集时间序列变量与SOC含量的相关性
分析发现，同一遥感变量在不同月份与SOC含量的相关性存在显著差异。雷达变量中，VH/VV比值与SOC的相关性比单独的VV或VH更稳定。光学波段中，B2、B3、B4、B5在整个年份与SOC呈稳定的负相关，而短波红外波段B11和B12的相关性则呈现明显的月际变化，从1月到7月逐渐增强，之后减弱。在遥感指数中，植被指数与SOC多呈正相关，而归一化水体指数（NDWI）呈负相关。特别值得注意的是，6月份提取的NDWI（Jun_NDWI）与SOC的相关性最高（相关系数达0.719）。这可能与6月是互花米草的快速生长期，植被信息能更好地反映底层土壤碳动态有关。
3.2. 模型评估与比较
经过Boruta算法筛选后，重要的变量被用于构建机器学习模型。独立验证结果表明，三种模型均能较好地预测SOC含量（R2> 0.60）。其中，随机森林（RF）模型表现最佳，其验证集R2为0.663，归一化均方根误差（nRMSE）为0.157，相对分析误差（RPD）为1.713，预测精度和稳定性均优于BRT和XGBoost模型。这表明RF模型能够解释66.3%的SOC含量变异，是预测滨海湿地SOC的有效工具。
3.3. SOC含量的空间分布及反演不确定性
基于RF模型生成了研究区SOC含量的空间分布图。结果显示，SOC含量从海向陆方向逐渐增加，呈现明显的海陆梯度差异。潮汐通道和道路附近的SOC含量较低。对100次模型运行结果的标准差（SD）分析表明，RF模型预测的不确定性较低（平均SD为0.16 g·kg-1），且近岸边缘区域的不确定性相对较高，可能与潮汐效应导致不同时间影像获取的地表状况差异有关。
3.4. 模型解释
为了理解模型的决策机制，研究进一步进行了模型解释性分析。变量重要性分析显示，在RF模型中，由多波段组合而成的遥感指数（如NDWI, NDVIRE）对SOC预测的贡献最大（占46.6%），优于单一光谱波段和雷达变量。NDWI被识别为最重要的预测因子。SHAP（Shapley Additive Explanations）分析不仅验证了变量重要性排序，还揭示了变量对预测方向的影响。例如，高NDWI值倾向于降低SOC预测值，而低NDWI值则提高预测值；反映植被活力的红边指数NDVIRE则对SOC预测有正向贡献。这增强了模型的可解释性和可信度。
3.5. 互花米草入侵对SOC含量的影响
通过空间替代时间分析，研究发现互花米草入侵显著提高了滨海湿地的SOC含量，最高增幅达196.68%。SOC含量随入侵年限的变化大致可分为四个阶段：（1）入侵后1-4年，SOC含量线性快速增加，年均增加1.45 g·kg-1。（2）入侵5-10年，SOC含量出现波动，未呈现明显增长趋势，可能与区域内存在条带状裸滩和海洋垃圾干扰有关。（3）入侵11-18年，SOC含量再次快速积累，年均增加0.84 g·kg-1，这可能源于生物量增大、潮汐影响减弱以及有机质分解贡献增加。（4）入侵19年后，SOC含量达到相对稳定状态，饱和值约为15.80 g·kg-1。入侵22年后观察到SOC含量略有下降，可能与距离海岸线较远，水盐养分交换受限影响植物生长有关。
本研究成功地将密集时间序列多源遥感与机器学习相结合，实现了高植被覆盖下滨海湿地SOC含量的高精度空间反演（R2= 0.663）。研究发现，互花米草入侵显著提升了湿地SOC库，且这种提升效应随入侵年限呈现先增后饱和的趋势，饱和点出现在入侵19年时（SOC = 15.80 g·kg-1）。这不仅证实了互花米草入侵对增强滨海湿地碳汇能力的积极作用，也明确了其碳积累的潜在上限。研究首次基于空间连续数据揭示了SOC动态与入侵年限的定量关系，克服了传统点状采样在时空连续性上的局限。所构建的遥感驱动SOC预测框架，为在大尺度、复杂环境下监测土壤碳动态提供了可靠且高效的技术途径。这些发现为科学评估生物入侵对土壤碳循环的长期影响、制定基于自然的滨海湿地碳管理策略以及应对气候变化提供了重要的空间显式科学依据。未来研究可进一步结合更高分辨率的遥感数据，细化入侵早期的SOC动态，并探索不同地理环境下入侵植物对碳循环影响的普适性规律。
