模型預測土壤可蝕性空間研究取得進展

　　土壤侵蝕是土壤與糧食安全面臨的主要威脅之一。進行土壤侵蝕影響因子的定量化研究對阻控土壤侵蝕有重要意義。土壤可蝕性（soil erodibility）能反映土壤對侵蝕外營力剝蝕和搬運的敏感程度，是組成土壤侵蝕模型的重要因子之一，常用指標K表示。然而，由于實地測量K值樣點密度稀疏，亟需發展K值空間尺度擴展方法。如何利用有限的樣點數據提升K值空間分布圖的精度，是目前區域尺度K值研究的瓶頸。

　　中國科學院南京土壤研究所科研人員圍繞土壤可蝕性開展了長期研究。此前，科研人員基于二普數據利用1：50萬土壤類型圖完成的全國水蝕區土壤可蝕性K值計算及宏觀分布有進一步優化和精度提升的空間。

　　此研究基于成土因素空間分布與土壤類型具有一致性的思路，利用隨機森林回歸模型與63項成土因素指標進行K值擬合。研究發現，坡度、高程、最大降雨量、溫度季節性、夏冬季節地表溫度以及NDVI指標是預測K值的重要環境變量。通過5折交叉驗證法對隨機森林調參的結果顯示，冗余變量對模型精度的影響較小，同時優化了模型的決策樹個數（ntree）與屬性特征個數（mtry）。最終采用優化的隨機森林模型預測得到250米空間分辨率的太湖流域片土壤可蝕性K值空間分布圖（圖c），并在90%置信區間下得到K值的預測上、下限。該方法顯著提升了K值圖的空間分辨率，比目前公認的全國土壤可蝕性因子圖的平均圖斑面積細化了100倍。該工作通過模型學習方法有效提升了我國土壤可蝕性因子空間尺度擴展精度，并形成利用成土因素預測K值的理論依據，制圖結果可服務于水土保持相關部門的管理與決策工作等。

　　相關研究成果發表在International Soil and Water Conservation Research上。研究工作得到水利部水土保持監測中心、江蘇省博士后基金和太湖流域管理局的資助。

土壤可蝕性K值在太湖流域片（a）樣點分布，（b）克里格插值，以及（c）隨機森林模型預測圖