《Geoderma Regional》：Mapping and quantifying carbon stock in soil and tree biomass in a heterogeneous urban-rural landscape
编辑推荐：
碳储量评估|土地利用类型|机器学习模型|碳中和策略
朱利安·阿梅兰（Julien Amelin）|迪迪埃·米肖（Didier Michot）|让·纳布塞（Jean Nabucet）|帕特里斯·卡纳沃（Patrice Cannavo）|克里斯蒂安·沃尔特（Christian Walter）
SAS，法国农业研究所（Institut Agro），法国雷恩（Rennes）圣布里厄克街65号，邮编35000
摘要
城市化和农业实践对土壤和植被中的碳（C）储存有显著影响，但在城乡梯度上的空间明确估计仍然有限。为了解决这一问题，我们通过结合野外采样、历史土壤数据和机器学习建模，量化并绘制了法国雷恩大都会区城乡景观中的土壤和生物量碳储量图。分析了城市和半自然区域的土壤有机碳（SOC）（0–60厘米深度），而农业土壤的SOC则根据现有数据库进行估算。使用异速生长方程测量了125个城乡地点的1292棵树木的生物量碳。利用高分辨率土地覆盖数据和分位数回归模型，生成了空间明确的碳储量图。结果表明，碳储量因土地覆盖类型和管理强度的不同而有很大差异：林木覆盖的城市区域和半自然农村区域的平均SOC储量最高（8.7–10.6千克碳/平方米），而耕地区域的最低（5.8千克碳/平方米）。随着深度的增加，SOC储量减少，尤其是在表层（0–30厘米）变化最为明显。树木生物量中的碳储量从孤立树木的5千克碳/平方米到林木斑块中的14千克碳/平方米不等，后者对当地碳储量贡献较大。雷恩大都会区的总碳储量估计约为516万吨碳（其中77%来自土壤，23%来自树木生物量），这突显了城市树木的重要作用。通过生成城乡地区的土壤和树木生物量高分辨率碳储量图，该方法为决策者提供了指导管理规划和推进大都市碳中和策略的实际工具。
引言
在全球变化的背景下，欧洲气候法（2021年）设定了到2050年实现碳中和的目标。为此，一个国家的温室气体排放必须与其碳吸收能力相匹配。要实现这一目标，必须在包括城市和农村地区在内的大都市范围内采取行动。支持决策者的一个关键工具是对大都市范围内的碳储量进行全面评估和制图。这种制图有助于识别和优先考虑碳储存库，为保护、恢复和增加碳储量提供空间依据，以实现碳中和目标。然而，这类数据非常稀缺，尤其是城乡地区的详细碳储量图，而这些数据对于指导碳管理策略至关重要。土壤和植被被认为是最大的陆地碳汇（Jobbágy和Jackson，2000年；政府间气候变化专门委员会（IPCC），2023年）。相比之下，在某些城市地区，如纽约市的都市森林中，土壤（0–30厘米层）和树木中的碳分布大致相同（Pregitzer等人，2022年），但在其他地方则可能存在很大差异。例如，在英国纽卡斯尔，土壤（0–30厘米层）中的碳储量是树木的两倍多（分别为71%和29%）。这种对比表明，不同城市中土壤和植被对碳储量的相对贡献可能有很大差异，其中树木种类、土壤性质、管理实践、土壤气候类型和城市密度等因素对碳储存有重要影响。
对于大都市地区来说，准确估算不同土地利用类型的土壤有机碳（SOC）储量是一个重大挑战，这需要来自自然和城市地区的全面野外数据。Allory等人（2022年）的一项元分析显示，许多SOC研究缺乏必要的测量数据，从而影响了SOC储量估计的可靠性。例如，体积密度或粗颗粒含量（将SOC含量转换为SOC储量的关键因素）通常是通过土壤转移函数间接估算的，而不是直接测量的，这引入了不确定性。这一问题在城市土壤中尤为突出，因为其体积密度经常受到压实、填充材料和其他人为干扰的影响（Lehmann和Stahr，2007年）。在大都市范围内绘制SOC储量图时，由于土壤性质的高度空间变异性，增加了复杂性，这些性质不仅受土地覆盖、母质和气候等自然因素的影响，还受人类管理和城市特定因素的影响。在城市环境中，人类活动的影响甚至可能超过自然环境因素。例如，Pouyat等人（2009年）发现，美国丹佛和巴尔的摩的本土土壤在SOC含量上存在显著差异，这与它们不同的气候和自然植被类型有关（分别是干旱的短草草原和湿润的温带森林）。然而，这两座城市中种植时间超过25年的草坪系统的SOC储量相似，这归因于丹佛的密集草坪管理，这种管理抵消了气候和土壤的限制，表明在城市环境中，管理因素对SOC储量的影响大于环境因素。除了当前的管理实践外，城市土壤的过去历史也有重要影响。例如，在巴黎，19世纪建立的市中心公园由于建立在SOC含量高的市场花园土壤上，因此SOC储量仍然较高，而建立在SOC含量较低的农业土壤上的郊区公园则SOC储量较低（Cambou等人，2021年）。这些结果强调了当前和过去的人类活动是大都市地区SOC分布的关键决定因素。
提高城市地区SOC储量估计精度的一个机会是利用高分辨率土地覆盖制图的最新进展。虽然农业土壤的SOC储量绘制得较好（Chen等人，2023年；Mulder等人，2016年），但由于数据有限、土壤异质性高（Vasenev等人，2014年）以及频繁的人为干扰（Lehmann和Stahr，2007年），城市土壤的SOC储量绘制不够准确。当前的高分辨率制图能够捕捉到细尺度的异质性，如面积小于5平方米的小绿地斑块，以及沿道路和建筑物的植被区域，并能区分公园中的树冠和草坪。这种方法可以提高SOC的估计精度，正如Vasenev等人（2014年）所发现的，纳入城市特定协变量后，估计精度比仅使用传统农业协变量的模型更高。
估算城市树木碳储量也面临若干限制。虽然常用异速生长方程来估算树木生物量，但大多数方程都是基于农村或森林条件下的林业研究得出的。城市环境（包含行道树、树列和小片树林）的生长条件不同，应用传统方程时可能会导致碳储量估计偏差。所选择的测量方法也会进一步影响这些估计，因为为农村森林开发的方法在城市环境中可能会产生较大误差。例如，Dapsopoulou和Zianis（2025年）报告称，将基于树木种类、高度和直径的传统异速生长方程的估计值与专为美国城市树木设计的i-Tree模型的估计值进行比较时，差异可达134%。由于异速生长方程具有物种和地区特异性，将其应用于其他地区或气候可能不准确。这突显了需要针对城市和地区特定方法来准确评估树木碳储量的必要性。遥感技术，包括LiDAR，可能有助于更准确地估算生物量和详细绘制树木结构及地上碳储量（Wilkes等人，2018年）。然而，高分辨率数据仍然稀缺，目前尚无全球统一的标准方法，导致城市碳储量的估计值具有很大的变异性和不确定性。因此，评估适用于城市环境的地方或地区特定方程的适用性是一个关键挑战。
同时以高分辨率结合土壤和植被碳估计值可以在大都市范围内提供更全面的碳储量估计。然而，大多数研究仅关注树木生物量或树木下的土壤碳，通常是在农村森林或少数城市地区。很少有研究对整个城乡地区的土壤碳进行绘制。例如，Vasenev等人（2014年）在俄罗斯莫斯科绘制了771平方米范围内的土壤碳图。少数研究同时绘制了土壤和树木碳图，但通常仅限于地块或社区级别，而不是整个大都市区域（Lv等人，2016年）。这些研究提供了关于局部碳动态的宝贵见解，但未能提供大都市范围的全面评估。
在这种情况下，为了实现碳中和目标，大都市地区需要量化其整个领土及所有生态系统组成部分的碳储存。
因此，本研究的目的是量化并绘制一个包含城市、农业和自然景观的复杂大都市区域中的土壤和树木生物量碳储量。法国雷恩大都会区面积为705平方公里，作为基于野外测量和最新一代地图数据开发估算方法的案例研究。具体来说，我们探讨了以下问题：i) 土壤和树木生物量中的碳储量在不同土地用途之间如何变化？ii) SOC随深度在不同土地覆盖类型中的变化情况如何？iii) 空间建模能否在大都市区域内准确绘制土壤和树木生物量的碳储量？
研究区域
研究区域是位于法国西北部布列塔尼地区的雷恩大都会区。该区域面积为705平方公里，包含43个市镇，2021年人口约为47.4万（AUDIAR，2024年）。城市区域约占总面积的30%，其余主要为农村地区，其中50%为农业用地，20%为自然和半自然用地。
雷恩大都会区采用“群岛城市”（法语称为“ville archipel”）模式，保留了农业用地
城乡地区不同土地覆盖类型下土壤有机碳储量的变化
七种土地覆盖类型的平均SOC储量差异很大。耕地的平均SOC储量最低（分别为5.8±0.42千克碳/平方米和6.1±0.41千克碳/平方米），其次是永久草地（分别为5.8±0.42千克碳/平方米和6.1±0.41千克碳/平方米）。城市林木覆盖区域的平均SOC储量最高，其次是湿地草地和农村林木覆盖区域（分别为9.5±3.4千克碳/平方米、8.8±1.9千克碳/平方米和8.7±2.7千克碳/平方米）。SOC储量在林木覆盖类型中变化最大，在城市草地和永久湿地草地中变化较小。总体而言，
讨论
本研究报道了不同土地覆盖类型下的SOC储量差异。我们在一个包含城市和农村地区的复杂大都市区域内绘制了碳储量图，包括树木生物量中的碳储量。这表明了大都市范围内当前碳储量的空间异质性。
结论
本研究提供了法国雷恩大都会区城市、农业和半自然景观中土壤和树木生物量碳储量的大都市范围高分辨率评估。通过结合野外测量、历史土壤数据和机器学习建模，我们证明了碳储量随土地覆盖类型和管理强度的变化。林木覆盖的城市和半自然区域单位面积的SOC储量最高，而耕地区域的SOC储量最低
CRediT作者贡献声明
朱利安·阿梅兰（Julien Amelin）：撰写——审稿与编辑、撰写——初稿、可视化、方法论、数据分析、概念化。迪迪埃·米肖（Didier Michot）：撰写——初稿、验证、监督、资源管理、方法论、调查、数据分析、概念化。让·纳布塞（Jean Nabucet）：验证、监督、数据管理、概念化。帕特里斯·卡纳沃（Patrice Cannavo）：撰写——初稿、验证、监督、资源管理、项目管理、方法论
未引用的参考文献
GLEIZE, Olivier, 2017
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本研究由雷恩-昂热农业研究所（Institut Agro Rennes-Angers）、布列塔尼大区（Br Brittany region）和雷恩大都会区（Rennes Métropole）共同资助。我们衷心感谢C. Leproust（雷恩大都会区能源与生态转型服务负责人）和B. Martin（雷恩大都会区花园与生物多样性主任）在研究过程中的宝贵讨论和交流。同时，我们也感谢E. Bauchet和C. Bouillis在土壤采样和实验室分析方面的技术支持。
