全球空间显式土壤数据集对中国城市绿地中土壤有机碳的低估

《Journal of Cleaner Production》：Underestimation of soil organic carbon by global spatially explicit soil datasets in Chinese urban greenspaces

城市绿地土壤有机碳（SOC）分布及驱动机制研究：基于744个样本发现EVI、MAP、NLD和POP是主要驱动因子，预测中国城市绿地SOC储量达0.21Pg，较全球模型高17%-50%。

　　

周子东|徐一鸣|J. Aaron Hogan|董世奎|王一可|毛启正|刘法勇|廖翠娟|秦云梦|车云岭|张江|邹新宇|黄圆圆

北京林业大学草原科学学院，中国北京

摘要

城市绿地的土壤有机碳（SOC）为城市居民提供了重要的生态系统服务。然而，与自然生态系统相比，大多数城市绿地中SOC的分布、储量及其变化驱动因素仍相对未知。为填补这一知识空白，我们利用从中国148个城市绿地收集的744个表层SOC测量数据（0-30厘米深度），研究了表层SOC的分布及其驱动因素。分析表明，实地测量的SOC值与广泛使用的全球SOC数据集（如SoilGrids250m v2.0和HWSD v2.0）估算的SOC值之间存在较弱的相关性，这凸显了改进中国城市绿地SOC分布及其决定因素表征的必要性。通过随机森林（RF）建模和Shapley加性解释（SHAP）方法，我们发现植被指数（EVI）、年平均降水量（MAP）、夜间光照强度（NLD）和人口密度（POP）是中国城市绿地表层SOC的最重要预测因子。RF模型预测的中国城市绿地表层SOC值在中等发展水平城市的数值高于欠发达或高度发达城市。SOC随EVI增加而增加，但与MAP、NLD和POP的关系呈现峰值趋势。SOC储量的空间预测结果显示，城市绿地中的SOC储量为0.21 Pg C（95%置信区间为0.20-0.22 Pg C），这比SoilGrids250m v2.0（0.18 Pg C）和HWSD v2.0（0.14 Pg C）的估算值分别高出17%和50%。本研究提供了关键数据和基于模型的见解，有助于加强中国的城市碳评估并支持城市绿地管理。

引言

随着全球变暖的加速以及气候政策从承诺转向实际行动，基于自然的解决方案（NBS）对于建设碳中和城市至关重要（Pan等人，2023年）。城市绿地（UGS），包括城市森林、草坪、公园和花园，在人口密集的地区提供了生物多样性维护、水资源调节、碳封存、污染控制和休闲娱乐等基本生态系统服务（Fan等人，2023年）。尽管目前城市地区仅占地球陆地表面的一小部分，但预计到本世纪末其空间范围将扩大两到六倍（Gao和O'Neill，2020年）。这种快速的城市扩张，尤其是在中国，已成为环境变化的重要驱动力。过去几十年里，中国经历了前所未有的城市化进程，2010年至2019年间约有76%的城市树木覆盖率有所增加，同时绿地面积也在扩大（Zhang等人，2025a）。2002年至2019年间，城市绿化抵消了城市扩张带来的碳损失，中国的总体碳平衡为+0.03 Pg C（Zhang等人，2022a）。虽然这些发展对城市可持续性具有潜在的协同效益，但城市化也对土壤系统产生了多重影响，包括植被覆盖变化、土壤压实、污染以及水文状况的改变。这些变化会显著影响土壤环境、土壤性质和土壤有机碳（SOC）储量。在中国快速发展的城市中，这些影响挑战了城市生态系统的韧性及其提供的服务。然而，这种转变也带来了推进促进SOC封存的城市土地管理策略的契机，从而有助于实现国家碳中和目标（Pan等人，2023年）。要实现这一潜力，需要对中国城市中SOC分布及其关键驱动因素有准确的空间认知。

尽管关于UGS中SOC的研究已经进行了数十年，但大多数研究仅在相对有限的环境梯度范围内分析SOC动态和驱动因素（O'Riordan等人，2021年；Xu等人，2021年；Jiang等人，2023年）。很少有研究在全国范围内分析UGS中SOC与其关键驱动因素之间的关系，特别是在中国这样的国家。Zhang等人（2023年）分析了中国城市三十年来SOC浓度的变化，但未量化全国城市绿地的SOC储量。Wu等人（2024年）使用InVEST模型方法估算了城市绿地SOC储量；然而，如果观测数据约束不足，这种估算可能会引入不确定性。尽管最近有一项研究提供了全球UGS表层SOC的估算值（Guo等人，2024a），但全球UGS的规模和潜在驱动因素可能无法充分反映中国城市的特定环境和社会经济条件。同时，大数据科学和人工智能的进步使得能够开发出在全球（Poggio等人，2021年）或国家（Xu等人，2019年）尺度上预测SOC分布的空间模型，这些模型现已被广泛用于SOC研究。然而，这些模型大多基于自然生态系统的SOC观测数据训练（Dharumarajan等人，2021年；Matinfar等人，2021年；Mousavi等人，2022年），对城市环境的代表性有限。尽管这些数据集有助于深入分析城市化强度和SOC模式（Xu等人，2024年），但由于土地利用、干扰、植被和环境特征的差异，这些模型在城市环境中的应用仍受到限制（Davies，2025年）。

UGS中SOC的动态受到自然环境因素和社会经济因素复杂相互作用的影响，这与自然生态系统的情况大不相同。从多个城市的56对UGS和相邻自然生态系统站点收集的土壤样本表明，生物生成因素对这两种生态系统类型都很重要（Delgado-Baquerizo等人，2023年）。然而，主导驱动因素有所不同：在自然生态系统中，植物生产力具有更大的解释力，而在城市环境中，土壤生物的作用更为关键。这种差异可能归因于高温下的分解作用增强，例如与城市热岛效应相关的情况。绿化是另一种可以增加植物碳输入的人类活动。在中国城市种植城市森林已被证明对碳封存有效，遥感数据和实地调查均证明了这一点（Dorendorf等人，2015年；Lee等人，2016年）。此外，快速城市化往往会增加交通和工业污染以及大气氮沉降，这会刺激微生物对SOC的分解，尤其是在大型城市（面积≥500平方公里，人口≥100万）（Ghosh等人，2016年；Trammell等人，2017年；Vasenev和Kuzyakov，2018年）。除了微气候和土壤条件的改变外，UGS中SOC含量的形成机制还受到人类干扰和管理实践的影响，包括修剪、建设和有机废物处理以及土地利用历史（Howard，2021年）。

来自不同城市的证据表明，人类活动对SOC的影响因当地环境和社会经济条件而异。虽然直接的管理措施（如草坪修剪、堆肥施用和花园废弃物处理）已知会影响城市绿地中的SOC积累，但这些活动往往难以在大范围内进行一致量化。因此，最近的研究越来越多地使用代理指标——尤其是人口密度和夜间光照强度数据（NLD）——来捕捉人类活动的空间异质性及其对城市土壤碳动态的潜在影响。NLD来源于卫星遥感，反映了人工照明的强度和分布，已被证明是城市基础设施、能源使用和社会经济发展水平的指标（Zhang等人，2024b）。同样，人口密度是住宅用地强度的可靠指标，与更好的景观管理、有机废物产生和土壤扰动相关（Jiang等人，2023年；Liang等人，2023年）。实证研究表明，NLD和人口密度较高的地区通常表现出SOC储量的变化，这是由于人为压力的加剧，包括土壤压实、植被改变和微气候变化。例如，Jiang等人（2023年）指出，由人口和经济增长驱动的城市扩张导致了由于土壤压实和植被移除而造成的SOC显著损失。同时，Hao等人（2025年）观察到，工程化城市景观中的SOC储量与人口密度和NLD强度呈负相关。这些发现突显了NLD和人口密度作为评估人类活动对城市环境中SOC累积影响的可扩展、空间明确的代理指标的实用性。这些例子强调了城市绿地和自然生态系统之间SOC驱动因素的差异，以及不同城市之间的差异，强调了针对UGS碳动态进行具体情境理解的重要性。

为了有效捕捉城市绿地SOC与环境驱动因素之间的复杂相互作用，需要能够同时解析局部互动和广泛控制因素的分析方法。在这方面，机器学习方法，特别是那些通过可解释性技术增强的方法，为揭示这些细微关系提供了有用的工具。其中，Shapley加性解释（SHAP）因其能够在全局和局部层面量化预测因子的相对重要性而脱颖而出（Lundberg等人，2020年）。SHAP能够检测非线性互动和空间变化效应（Wang等人，2022年），特别适合于解开影响UGS中SOC变化的多样化环境和社会经济驱动因素。因此，本研究结合了机器学习和SHAP方法，以了解中国城市绿地中SOC储存的空间分布和驱动因素，重点在于：1）将观测到的SOC浓度与预测的SOC数据产品进行比较；2）识别自然和社会经济因素如何影响SOC，包括它们的耦合效应；3）使用数据驱动的空间预测模型估算中国UGS的表土SOC储量。

章节片段

城市SOC含量的观测综合

我们的观测SOC数据库是一个全面的汇编，整合了我们自己测量的SOC浓度（Mao等人，2014年）以及通过ISI Web of Science（http://isiknowledge.com）和中国国家知识基础设施（http://www.cnki.net）等渠道获取的精选数据。进行文献搜索时，我们使用了一组精心挑选的关键词，包括土壤有机碳、土壤有机碳储量等。

中国UGS表土中的SOC浓度

图1a显示了中国UGS表土（0-30厘米深度）中的SOC浓度分布，范围为3.20至65.85克/千克，平均值为16.44克/千克，中位数为14.31克/千克（图1b）。从区域上看，中国东部的平均值最高，为19.28克/千克，其次是东北部，为17.93克/千克（图1c）。最低的SOC浓度出现在中国北部，为15.45克/千克，其次是西北部，为15.51克/千克。西南部和中部地区的平均SOC浓度

中国城市中的SOC估算

利用迄今为止最大规模、新编制的、基于实地测量的148个城市绿地SOC浓度数据集，我们估算中国UGS的总SOC储量为0.21 Pg C（95%置信区间为0.20-0.22 Pg C）。这一数值略高于SoilGrids250m v2.0（0.18 Pg C）和HWSD v2.0（0.14 Pg C）的估算值。总SOC储量的差异可能反映了数据来源和模型架构的差异。

结论

本研究通过SHAP分析发现，植被指数（EVI）、年平均降水量（MAP）、夜间光照强度（NLD）和人口密度（POP）是中国UGS表层SOC的最重要预测因子。EVI的SHAP值持续增加，表明植被覆盖率的增加促进了UGS中SOC的积累。MAP的SHAP值先增加后趋于平稳。相比之下，POP和NLD对SOC的影响是非线性的。

CRediT作者贡献声明

周子东：撰写——审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论、数据分析、概念化。徐一鸣：撰写——审稿与编辑、初稿撰写、可视化、验证、监督、方法论、资金获取、数据分析、概念化。J. Aaron Hogan：撰写——审稿与编辑、初稿撰写、可视化、验证、方法论、数据分析、概念化。董世奎：撰写——

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（编号：42001107）和国家重点研发计划（编号：2023YFF1304303）的财政支持。