《Land Degradation & Development》：Estimating Soil Compaction Risk at Regional Scales Using Meteorological Data and Soil Spectroscopy
编辑推荐：
为应对即将实施的欧盟土壤监测与恢复法规对区域尺度土壤板结风险评估的要求，研究人员开发了一种结合中红外光谱与支持向量回归的创新方法，快速预测了表层土与心土的关键物理参数。该研究整合土壤排水等级、土壤湿度和气象数据，构建了4 km2分辨率的土壤板结风险图，识别了爱尔兰北部的高风险区域，为决策者提供了低成本、大范围的预判工具，有助于履行监管要求并指导可持续土地管理。
想象一下，土地像一块被过度挤压的海绵，孔隙减少，变得坚硬，难以呼吸和吸水。这就是土壤板结，一种严重影响欧洲乃至全球农业可持续性和生态环境的土壤退化形式。它不仅会降低作物产量，限制土壤固碳能力，还会因增加径流而导致水土流失和养分向水体迁移的风险。欧盟2030年土壤战略设定了到205年所有土壤生态系统达到“健康”状态的目标，然而现实严峻——据报告，欧洲有数千万公顷的土壤受到不同程度板结的影响。即将实施的《欧盟土壤监测与恢复法》要求成员国在区域尺度上评估表层土和心土的板结风险，但传统的土壤理化分析（如颗粒度分析和容重测定）成本高昂、耗时漫长，难以满足大范围、高分辨率制图的需求。正是在这样的背景下，一项旨在利用创新技术快速、经济地评估土壤板结风险的研究应运而生，其成果发表在《Land Degradation 》期刊上。
为了高效评估土壤板结风险，研究人员开发了一套基于中红外光谱的预测流程。研究核心是利用了来自爱尔兰“Tellus”地球化学调查项目的10,000个采样点的土壤光谱数据。关键技术方法包括：1. 使用傅里叶变换中红外光谱仪采集土壤样品在4000–600 cm-1范围内的光谱。2. 应用支持向量回归机器学习模型，基于光谱数据预测土壤颗粒度（包括砂粒、粉粒、粘粒含量）和容重。3. 引入基于主成分分析的光谱控制图，筛选出具有代表性的样品进行预测，排除泥炭土等不具代表性的样本，确保预测可靠性。4. 整合外部数据，包括爱尔兰环保局的土壤排水等级图，以及基于30年气象数据计算的土壤水分亏缺和田间持水量天数，用以评估气候对板结风险的影响。
研究结果
3.1 土壤颗粒度与容重参考数据的描述性统计
用于建立光谱模型的参考样品数据显示，土壤颗粒度与容重值均在一定范围内分布，且模型库主要由矿质土壤组成，避免了极高或极低值对模型预测的影响。
3.2 中红外光谱
分析了与砂粒、粉粒、粘粒及容重相关的特征吸收峰。例如，在2040、2010和740 cm-1处的峰与二氧化硅相关，其强度随砂粒含量增加而增强；而3700–3600 cm-1区域的吸收峰主要归因于粘土矿物，其强度与粘粒含量正相关。光谱与目标参数间的关系复杂，凸显了需要支持向量回归这类高性能机器学习算法来提取有效信息。
3.3 支持向量回归模型
建立的土壤颗粒度与容重光谱预测模型表现良好。验证集的预测值与参考值接近1:1拟合线，校准集与验证集的准确度参数具有可比性，表明模型未出现过拟合。根据性能指标，砂粒、粉粒、粘粒和容重的模型分别被评价为“良好”、“尚可”、“优秀”和“近似定量”模型。
3.4 未知样品的预测
3.4.1 使用控制图识别非代表性样品
通过光谱控制图有效识别并排除了大量非代表性样品（如泥炭土）。最终，对北部爱尔兰Tellus档案中90.1%的矿质表层土样品成功预测了土壤颗粒度，对60.7%的心土样品同时成功预测了土壤颗粒度和容重。
3.5 土壤板结风险制图
3.5.1 表层土板结风险
结合预测的土壤质地（按USDA分类并归为A、B、C大类）和土壤排水等级，生成了表层土板结风险图。风险被分为高、中、低三级。在预测的样品中，40.3%属于高风险，23.3%为中等风险，36.4%为低风险。空间分布显示高风险区域主要集中在中部和北部，而低风险土壤则多见于南部。
3.5.2 心土板结风险
心土板结风险评估分为两部分。首先是基于心土质地和计算得出的堆积密度的固有敏感性风险，结果显示约1%的样品为极高风险，大部分为高风险和中等风险。其次，在固有风险基础上整合气候信息后，高风险区域分布发生变化，例如在西部多雨地区，考虑土壤湿度后，高风险范围扩大，显示了气候对板结风险的加剧作用。
研究结论与讨论
本研究成功证明，光谱学结合化学计量学为在区域和国家尺度上开发基于土壤板结风险图的决策支持工具，提供了一种经济高效的方法。所构建的模型整合了土壤和气候数据，能够识别出表层土和/或心土板结风险较高的区域。通过纳入土壤排水等级和区域尺度的土壤水分亏缺数据集，模型进一步捕捉了在降雨后板结风险可能加剧的区域，这对于土壤经常饱和且长期处于田间持水量的地区尤为重要。
尽管本研究生成的风险图分辨率为4 km2，但其应用于农场层面仍有局限，更适合作为优先安排高分辨率土壤调查的初步筛查工具。与土壤传递函数类似，基于光谱的容重模型无法捕捉由耕作活动引起的短期土壤结构变化，主要用于评估区域尺度的板结可能性。此外，被光谱控制图判定为非代表性的样品仍需传统方法分析，可能导致制图不全。
尽管如此，这项研究展示的方法有潜力扩展到爱尔兰南部乃至其他欧盟成员国，支持协调一致的努力，通过识别高风险区域来缓解土壤板结，从而助力履行即将到来的欧盟土壤监测与恢复法规的要求，为保护土壤这一宝贵资源迈向未来提供了实用工具。
