《Geoderma》：Accounting for soil class variability in Mediterranean Europe using legacy soil maps and the topsoil LUCAS survey
编辑推荐：
本文针对地中海欧洲地区土壤数据分散且缺乏标准化监测的难题，研究团队通过比较LUCAS（欧盟土地利用与覆盖区域框架调查）标准化采样点分布与多尺度历史土壤图（LSM），系统评估了LUCAS设计对土壤类型变异性的表征能力。研究发现，在大陆尺度上LUCAS能较好地反映WRB分类下的主要土壤类型，而在更精细尺度上其表现受地图单元复杂性、区域面积及土壤多样性（香农指数）影响。研究表明，整合本地土壤多样性知识可优化采样设计、减少偏差，并支持将LUCAS监测框架扩展至数据稀缺的近东与北非地区，对欧洲土壤监测法律的实施具有重要参考价值。
地中海地区的土壤是气候、地貌与人类活动长期复杂作用的产物，呈现出极高的土壤学多样性。然而，长期以来，这一区域的土壤数据却处于“碎片化”状态：各国的数据标准不一、采样设计各异、可及性有限，这给欧洲乃至更大范围的土壤监测、建模与政策制定带来了巨大挑战。为解决这一难题，欧盟自2006年起推出了LUCAS（Land Use and Coverage Area frame Survey）调查项目，旨在提供欧盟范围内标准化的土地利用与土壤数据。自2009年起，LUCAS增加了表土模块，收集了海量的标准化土壤理化数据，被誉为大陆尺度土壤监测的里程碑。但一个核心问题也随之而来：这个最初为土地覆盖监测设计的采样网络，其采样点的空间分布，究竟能在多大程度上捕捉到复杂地中海景观下真实的土壤类型多样性呢？为了回答这个问题，研究人员决定将目光投向历史——利用丰富的“历史土壤图”作为参照系，对LUCAS的设计进行一次全面的“体检”。这项研究最终发表在土壤科学领域的权威期刊《Geoderma》上。
为了评估LUCAS采样设计表征土壤类型多样性的能力，研究人员采用了一套清晰的方法论。研究聚焦于地中海欧洲区域，包括意大利、西班牙、希腊及其主要岛屿。核心数据源包括三份公开的LUCAS表土数据集和一套覆盖大陆、国家及次国家尺度的历史土壤图。研究方法的核心是空间叠加分析与量化评估。首先，他们将LUCAS采样点与各历史土壤图进行空间叠加，为每个点赋予其所在“土壤图单元”的土壤类型信息。接着，他们计算了两个核心指标：平均绝对覆盖差异（AACD）和比例平均指数，用以量化LUCAS采样点比例与土壤图单元面积比例之间的匹配程度。此外，他们还引入了生态学中常用的香农多样性指数，以评估各研究区域内土壤图单元本身的丰富度与均匀度。最后，他们以意大利西西里岛为案例，对比分析了四份不同尺度与分类系统的土壤图，深入探讨了地图复杂性、图例深度等因素对评估结果的影响。
研究结果通过一系列分析，得出了以下关键发现：
3.1. Δ points–surface differences across map scales
采样点与面积比例的差异（Δ points-surface）随地图比例尺的增大而增加。大陆尺度的粗比例尺地图显示出数值紧密聚集在零附近，表明LUCAS在此尺度上能较好地代表土壤类型；而大比例尺（更详细）的地图则显示出更分散的分布。
3.2. Average Absolute Coverage Difference (AACD)
平均绝对覆盖差异（AACD）提供了一个综合衡量指标。大陆尺度地图（如WRB-FULL和WRB-LEV1）的AACD值持续低于1%，表明LUCAS采样能有效捕捉此级别的优势土壤类型。AACD倾向于随着分辨率提高、地图范围变小和土壤多样性降低而增加。例如，土壤单元少于10个的维奥蒂亚州和克里特岛的次国家级地图，AACD值高于3%。相反，具有高香农指数值（>2.5）的地图，如原始的西西里土壤图，尽管更复杂，却表现良好。总体趋势显示：地图范围越大、土壤图单元数量越多、土壤多样性越高，LUCAS的代表性就越好。
3.3. Sicily case study: comparing soil map representations
对西西里岛四份土壤图的比较揭示了地图复杂性如何影响结果。原始的高分辨率西西里土壤图拥有最多的土壤图单元（36个）和最高的香农指数（H′ = 3.12），其AACD值在1.2%至1.7%之间，表现稳定。而重新分类的简化版地图（10个单元）和土壤图欧洲版（10个单元）的AACD值略高或更低，表明地图的图例深度和分类系统的简化程度，而不仅仅是比例尺，对LUCAS的代表性评估有显著影响。
3.4. Mean index vs AACD
结合AACD与平均指数进行诊断分析发现，尽管许多比较的AACD值很低，但仍存在系统性偏差。例如，在大陆尺度地图上，钙积土（Calcisols）、雏形土（Cambisols）和淋溶土（Luvisols）等分布广泛的土壤组往往被过度采样，而薄层土（Leptosols）、有机土（Histosols）和灰化土（Podzols）等出现频率较低或受环境限制的土壤则持续采样不足。这揭示了低AACD值可能是过度采样与采样不足相互抵消的结果，而非完全无偏的表征。
该研究系统评估了基于土地覆盖设计的LUCAS土壤调查网络在表征历史土壤图所定义的土壤类型变异性方面的表现。结论指出，LUCAS采样点在多个空间尺度上都能有效代表已绘制的主导土壤类型分布，尤其是在地图范围大、土壤图单元多、土壤多样性（香农指数高）高的情况下表现更佳。然而，研究也揭示了一些特定土壤类型（如有机土和薄层土）的系统性代表不足，以及钙积土的系统性过度采样。这些偏差部分源于LUCAS初始设计对高海拔区域的排除以及对耕作土地的侧重。讨论部分强调了这项研究的政策意义。随着欧洲《土壤监测法》的出台，对标准化、代表性土壤数据的需求日益迫切。本研究提出的方法（AACD与平均指数）为评估和改进现有及未来的土壤监测网络提供了实用工具。研究结果支持利用历史土壤图等现有土壤数据来优化采样设计，这对于将LUCAS的成功经验扩展至数据同样稀缺的近东与北非地区尤为重要。通过整合本地土壤多样性知识，可以设计出更具代表性、成本效益更高的监测方案，从而支持区域的土壤保护、可持续农业管理和跨境环境政策制定。总之，这项研究不仅验证了LUCAS作为大陆尺度土壤监测工具的价值，也为在全球其他地区建立或优化类似的标准化土壤调查框架提供了重要的方法论参考和实践启示。
