 01 分享论文信息 原名：The soil health assessment protocol and evaluation applied to soilorganic carbon 译名：土壤健康评价方案及其在土壤有机碳评价中的应用 原文地址：https:///10.1002/saj2.20244 发表期刊：Soil Science Society of America Journal 发表年份：2021年 通讯作者：Márcio R. Nunes 通讯作者单位：USDA-ARS，国家实验室，农业与环境专业  02 亮点 ①土壤健康(SH)指标对土地利用和管理的响应是因地制宜的。 ②土壤健康评价协议(SHAPE)是一种灵活的评价工具。 ③SHAPE以SMAF和现金协议建立的概念框架为基础。 ④SHAPE为土壤同侪群体提供了基于土壤和气候因素的SH解释。 ⑤这一工具提供了有关土壤状况的知识，以响应农业实践。 03 材料和方法 ①数据集 一个由来自美国各地的14,680个SOC观测数据组成的数据集来自三个来源：(A)公布的供美国各地研究的数据；(B)2014年至2018年期间康奈尔土壤健康测试实验室分析的现金数据样本；(C)NRCS数据来自东北林肯的NRCS Kellogg土壤调查实验室分析的样本。 ②土壤和气候变量 站点特定的变量是根据环境覆盖的位置(纬度和经度)获得的。利用网格土壤调查地理数据库对土壤变量进行分配。气候变量来自美国地质勘探局，或直接从文章(特别是为已发表的数据集)或通过计算(AI和WI)提供。在每个给定的位置提取优势地图单元的土壤调查信息。总之，最终数据库(所有三个数据集合并)由9个固有变量(5个定量变量和4个类别)组成，SOC作为目标响应变量。 ③数据分析 探索了多种技术来选择最佳的气候变量作为评分工具的开发工具。采用探索性数据分析相结合的方法，对模型中包含的初始变量进行了选择。R包的最佳子集回归用于确定最佳气候预测变量，其中只有5个被认为是全模型中的SOC预测因子。还使用随机森林模型和逐步回归来识别变量的重要性。这两种技术产生了相似的结果。变量的最终选择被纳入了SHAPE，在那里更正式地评估了拟合的优度。总之，探索性数据分析和专题专门知识仅用于模型开发的初始阶段。  04 研究结果 ①SOC对SMAF气候和土壤亚类的响应 SMAF-SOC评分曲线法假定内在SOC含量从粗(T1)增加到细(T5)质地类。同样，假定SOM从质地级T1增加到T3。这些总体趋势已在新的合并数据集中得到确认；因此，五个原始的SMAF质地类被用于SHAPE-SOC评分曲线的开发。同样地，使用了原始的smaf土壤分类亚序因子，该因子由四类组成。SMAF程序假定土壤中有机碳浓度从土壤亚类S4增加到S1。组合数据集部分支持这一假设，该数据集显示SOC值遵循S4=S3<S2<S1的顺序。这可能导致一些SMAF评估观察到的SOC评分被低估或高估。为了改进SHAPE，将子顺序分组重新分配为五个类。它们现在显示出内在的表土SOC值从S5增加到S1，综合数据集证实了这一点。  ②最终SOC评分曲线 评分曲线附有95%的点态可信区间，以表示这些估计值的不确定性程度。每个图中的垂直条形图表示土壤有机碳浓度为2%，以说明土壤亚序和气候的综合影响。水平条表示基于模型的等效SOC分数。经过检验，很明显，对于相同的SOC浓度(2%)，分数通常会从细质土壤(T5)增加到粗质土壤(T1)。这证实了新的评分曲线对土壤质地是敏感的，这是影响表土SOC含量的主要内在因素。同时，通过对同一质地和气候组合中不同土壤亚类土壤有机碳浓度(2%)的比较表明，在相同的土壤有机碳浓度值(2%)下，土壤有机碳浓度从最低的S5降至S2(最高内在有机碳浓度)。这些分数的变化反映了土壤分类(亚类)对表土SOC含量的显著影响。结果表明，相同SOC值的得分从高到低、从低到高依次下降。同样，这些变化也反映了气候对表土有机碳含量的强烈影响。  ③对管理的敏感性 SMAF的土壤分类和对主要是农业土壤的小型数据集的依赖，很可能解释了这一差异以及其他研究中确定的高估问题。例如，除NY、T1沙质案例研究外，SOC的SMAF评分表明，在20多年的密集耕作和单作条件下，土壤具有较高的功能(分数>0.81)。相比之下，SHAPE表明，对于给定的一组内在条件(土壤分类、土壤质地、MAT和MAP)，SOC浓度可能要高得多。因此，根据土壤的SHAPE评分，我们可以得出结论，这四种土壤中的有机碳浓度随着土地利用和管理的不同而有所提高。提供这些例子只是为了说明新的SHAPE曲线的效用，并邀请今后的研究使用这个框架来评估土地利用和管理对SOC的影响。 05 研究结论 为开发一种新的土壤健康评价解释工具(SHAPE)，开发了一个稳健、有原则的贝叶斯统计基础，并利用新的土壤有机C(SOC)评分曲线进行了说明。这些曲线是使用一个全面的全国性数据集和14 505个SOC观测结果建立的。SHAPE以SMAF和健康卡协议建立的概念框架为基础。对一组土壤和气候变量进行了评估，以说明确定美国大陆土壤特定土壤有机碳潜力的内在因素。贝叶斯线性回归模型根据土壤分类因素(土壤亚序和质地类别)的组合，对连续气候变量进行调整，提供了一个基于估计条件的土壤同伴群体的得分。重新分析已发表的案例研究，证实了对土地利用和实地规模管理的敏感性。预计今后的SHAPE发展将产生多个土壤健康指标的评分曲线，特别是在综合数据集继续增长的情况下。SHAPE的全面发展将有助于满足日益增长的需求，使人们能够利用、解释和量化评分曲线，根据各种农艺和养护倡议，提供有关土壤状况的区域相关知识。 |
|
|
