近日，草业与草原学院青年教师徐一鸣副教授联合中国科学院地理科学与资源研究所黄元元研究员课题组在国际环境领域权威期刊《Journal of Cleaner Production》上发表了题为《Underestimation of soil organic carbon by global spatially explicit soil datasets in Chinese urban greenspaces》的研究成果。该研究论文通过整合全国148个城市744个城市绿地土壤有机碳（SOC）实测数据，结合随机森林（Random Forest）与SHAP可解释性机器学习方法，首次构建了中国城市绿地表层（0-30 cm）土壤有机碳储量的高精度空间预测模型，揭示了全球常用土壤数据集在中国城市区域存在系统性低估，并精确绘制了全国城市绿地SOC密度与储量的空间分布图谱（图1）。
图1 全国城市绿地表层（0-30 cm）土壤有机碳密度空间预测分布图及不确定性评估
城市绿地作为城市生态系统的重要碳库，在缓解气候变化、实现碳中和目标中发挥着关键作用。然而，当前广泛使用的全球土壤数据集（如SoilGrids250m v2.0和HWSD v2.0）大多基于自然生态系统样本训练，缺乏对城市环境下人类活动干扰和特定植被管理措施的刻画，导致城市绿地碳汇估算存在较大不确定性。现有研究多集中于单一城市或小尺度范围，缺乏对全国尺度城市绿地土壤有机碳分布格局及其对自然、社会经济复合驱动因素响应的定量理解。特别是在快速城镇化的中国，科学评估城市绿地固碳潜力对于优化城市生态空间管理具有重要意义。
该研究以中国为研究对象，首先通过文献调研与实地采样构建了包含744个表层土壤（0-30 cm）有机碳浓度的数据库。对比分析发现，全球广泛应用的SoilGrids250m v2.0与HWSD v2.0数据集在中国城市绿地中存在显著低估，其相关性较弱（R?分别为0.19与0.0165），且未能捕捉到城市化梯度上的碳库变异特征。为精确刻画有机碳空间格局，研究基于随机森林模型，利用增强型植被指数（EVI）、年均降水量（MAP）、夜间灯光强度（NLD）及人口密度（POP）等11个环境与社会经济因子，构建了预测模型。
图 2 模型预测性能评估及关键环境与社会经济驱动因子的重要性排序
研究结果表明全国城市绿地（0-30 cm）表层土壤有机碳总储量为 0.21 Pg C （置信区间：0.20-0.22 Pg C）。该估值相较于SoilGrids250m v2.0（0.18 Pg C）高出17%，相较于HWSD v2.0（0.14 Pg C）高出50%，揭示了全球数据产品在城市化区域应用时的显著碳汇低估风险。
基于SHAP分析，植被绿度（EVI） 是最主要的正向驱动因子；年均降水量（MAP）表现为先促进后平缓的非线性效应；而代表人为活动的夜间灯光（NLD）与人口密度（POP）则呈现“驼峰型”响应曲线（图3）。同时，研究发现中度发达城市的土壤有机碳含量最高，而过度的城市开发（高NLD与POP）会导致植被覆盖度下降，进而削弱土壤碳汇功能。东北地区城市绿地碳密度最高（82.54 Mg ha??），华东地区因绿地面积广阔贡献了全国最大的碳储量（77.01 Tg C）。
图 3 基于SHAP值的城市绿地土壤有机碳对关键驱动因子的非线性响应模式及阈值识别
该研究首次在全国尺度上系统评估了中国城市绿地土壤有机碳储量及其空间异质性，精确绘制了SOC密度与储量的空间分布图。研究不仅为精准核算城市生态系统碳库提供了关键本地化参数与模型依据，还通过SHAP分析揭示了自然与人为因素对城市绿地碳汇的复杂非线性驱动机制，为未来城市生态空间规划与管理提供了科学支撑——建议在高度发达城市加强植被保护与土壤管理，在中度发达城市平衡开发与绿化空间，以实现城市绿地固碳效益的最大化。
草业与草原学院硕士研究生周子栋为论文第一作者，草业与草原学院徐一鸣副教授与中国科学院地理科学与资源研究所黄元元研究员为论文共同通讯作者。草业与草原学院董世魁教授参与了文章指导和撰写，硕士研究生秦云梦、车蕴玲参与了该研究。
研究得到国家自然科学基金(42001107)与国家重点研发计划(2023YFF1304303)的资助。
