01
分享論文信息
原名：The soil health assessment protocol and evaluation applied to soilorganic carbon
譯名：土壤健康評價方案及其在土壤有機碳評價中的應用
原文地址：https://doi.org/10.1002/saj2.20244
發表期刊：Soil Science Society of America Journal
發表年份：2021年
通訊作者：Márcio R. Nunes
通訊作者單位：USDA-ARS，國家實驗室，農業與環境專業
02
亮點
①土壤健康(SH)指標對土地利用和管理的響應是因地制宜的。
②土壤健康評價協議(SHAPE)是一種靈活的評價工具。
③SHAPE以SMAF和現金協議建立的概念框架為基礎。
④SHAPE為土壤同儕群體提供了基于土壤和氣候因素的SH解釋。
⑤這一工具提供了有關土壤狀況的知識，以響應農業實踐。
03
材料和方法
①數據集
一個由來自美國各地的14,680個SOC觀測數據組成的數據集來自三個來源：(A)公布的供美國各地研究的數據；(B)2014年至2018年期間康奈爾土壤健康測試實驗室分析的現金數據樣本；(C)NRCS數據來自東北林肯的NRCS Kellogg土壤調查實驗室分析的樣本。
②土壤和氣候變量
站點特定的變量是根據環境覆蓋的位置(緯度和經度)獲得的。利用網格土壤調查地理數據庫對土壤變量進行分配。氣候變量來自美國地質勘探局，或直接從文章(特別是為已發表的數據集)或通過計算(AI和WI)提供。在每個給定的位置提取優勢地圖單元的土壤調查信息。總之，最終數據庫(所有三個數據集合并)由9個固有變量(5個定量變量和4個類別)組成，SOC作為目標響應變量。
③數據分析
探索了多種技術來選擇最佳的氣候變量作為評分工具的開發工具。采用探索性數據分析相結合的方法，對模型中包含的初始變量進行了選擇。R包的最佳子集回歸用于確定最佳氣候預測變量，其中只有5個被認為是全模型中的SOC預測因子。還使用隨機森林模型和逐步回歸來識別變量的重要性。這兩種技術產生了相似的結果。變量的最終選擇被納入了SHAPE，在那里更正式地評估了擬合的優度。總之，探索性數據分析和專題專門知識僅用于模型開發的初始階段。
04
研究結果
①SOC對SMAF氣候和土壤亞類的響應
SMAF-SOC評分曲線法假定內在SOC含量從粗(T1)增加到細(T5)質地類。同樣，假定SOM從質地級T1增加到T3。這些總體趨勢已在新的合并數據集中得到確認；因此，五個原始的SMAF質地類被用于SHAPE-SOC評分曲線的開發。同樣地，使用了原始的smaf土壤分類亞序因子，該因子由四類組成。SMAF程序假定土壤中有機碳濃度從土壤亞類S4增加到S1。組合數據集部分支持這一假設，該數據集顯示SOC值遵循S4=S3<S2<S1的順序。這可能導致一些SMAF評估觀察到的SOC評分被低估或高估。為了改進SHAPE，將子順序分組重新分配為五個類。它們現在顯示出內在的表土SOC值從S5增加到S1，綜合數據集證實了這一點。
②最終SOC評分曲線
評分曲線附有95%的點態可信區間，以表示這些估計值的不確定性程度。每個圖中的垂直條形圖表示土壤有機碳濃度為2%，以說明土壤亞序和氣候的綜合影響。水平條表示基于模型的等效SOC分數。經過檢驗，很明顯，對于相同的SOC濃度(2%)，分數通常會從細質土壤(T5)增加到粗質土壤(T1)。這證實了新的評分曲線對土壤質地是敏感的，這是影響表土SOC含量的主要內在因素。同時，通過對同一質地和氣候組合中不同土壤亞類土壤有機碳濃度(2%)的比較表明，在相同的土壤有機碳濃度值(2%)下，土壤有機碳濃度從最低的S5降至S2(最高內在有機碳濃度)。這些分數的變化反映了土壤分類(亞類)對表土SOC含量的顯著影響。結果表明，相同SOC值的得分從高到低、從低到高依次下降。同樣，這些變化也反映了氣候對表土有機碳含量的強烈影響。
③對管理的敏感性
SMAF的土壤分類和對主要是農業土壤的小型數據集的依賴，很可能解釋了這一差異以及其他研究中確定的高估問題。例如，除NY、T1沙質案例研究外，SOC的SMAF評分表明，在20多年的密集耕作和單作條件下，土壤具有較高的功能(分數>0.81)。相比之下，SHAPE表明，對于給定的一組內在條件(土壤分類、土壤質地、MAT和MAP)，SOC濃度可能要高得多。因此，根據土壤的SHAPE評分，我們可以得出結論，這四種土壤中的有機碳濃度隨著土地利用和管理的不同而有所提高。提供這些例子只是為了說明新的SHAPE曲線的效用，并邀請今后的研究使用這個框架來評估土地利用和管理對SOC的影響。
05
研究結論
為開發一種新的土壤健康評價解釋工具(SHAPE)，開發了一個穩健、有原則的貝葉斯統計基礎，并利用新的土壤有機C(SOC)評分曲線進行了說明。這些曲線是使用一個全面的全國性數據集和14 505個SOC觀測結果建立的。SHAPE以SMAF和健康卡協議建立的概念框架為基礎。對一組土壤和氣候變量進行了評估，以說明確定美國大陸土壤特定土壤有機碳潛力的內在因素。貝葉斯線性回歸模型根據土壤分類因素(土壤亞序和質地類別)的組合，對連續氣候變量進行調整，提供了一個基于估計條件的土壤同伴群體的得分。重新分析已發表的案例研究，證實了對土地利用和實地規模管理的敏感性。預計今后的SHAPE發展將產生多個土壤健康指標的評分曲線，特別是在綜合數據集繼續增長的情況下。SHAPE的全面發展將有助于滿足日益增長的需求，使人們能夠利用、解釋和量化評分曲線，根據各種農藝和養護倡議，提供有關土壤狀況的區域相關知識。
