干旱区土壤有机碳驱动机制研究取得新进展

　　近日，中国地质调查局西安地质调查中心土地地球化学团队在干旱区土壤有机碳研究方面取得新进展，相关成果发表于国际土壤学领域权威期刊 Catena（中国科学院一区top），合作单位包括：天津大学、南京大学、中国地质大学（北京）、中国地质科学院廊坊物化探所和吉林大学。

　　干旱区是全球碳循环的重要组成部分，其土壤有机碳（SOC）对气候变化和人类活动高度敏感，但其驱动机制长期缺乏系统认识。针对这一科学问题，研究团队以新疆南部典型干旱区为研究对象，构建了包含14,222个表层土壤样点的区域尺度数据集，集成了气候、地形与植被等多源环境变量，采用机器学习XGBoost模型+SHAP可解释性研究框架，系统识别了SOC变化的驱动因素及其时空演变特征。

图1研究区土壤样品点位分布

　　研究表明，南疆地区土壤有机碳含量、密度及储量分别为5.95 g·kg?1、1.70 kg·C·m?2和96.85 Tg，不同土地利用类型差异显著，其中水田和湿地SOC含量最高，表明土地利用方式对碳积累具有重要影响。综合分析认为，气候、矿物与植被共同解释了47.2%的SOC变异，其中矿物因素起主导作用，铁氧化物（Fe2O3）为最关键的控制因子。进一步研究显示，与第二次土壤普查数据相比，40年间研究区土壤有机碳储量下降约20%，表明干旱区碳库对全球变化具有较高敏感性与脆弱性，这一研究结果强调了迫切需要将干旱区土壤纳入全球碳管理框架。

图2 XGboost模型识别SOC驱动因素

图3结构方程模型阐明SOC驱动机制

　　该研究从矿物学与地球化学视角深化了对干旱区土壤碳稳定机制的认识，为全球干旱区碳循环研究、碳汇评估及土地资源管理提供了重要科学依据。

　　论文信息：Yuan Yao, Yu Zhao, Guanghui Yu, Zhongfang Yang, Jing Zhang, Honghong Ma, Zhenyu Chen, Nan Liang, Hansen Zhao, Jing Su, The interplay of mineralogy, climate and land use governs dryland organic carbon stocks revealed by machine learning. Catena,267,110016. https://doi.org/10.1016/j.catena.2026.110016

　　本研究工作得到了国家基地与人才专项项目塔里木河流域土壤质量与生态安全评估课题（2022xjkk0300）与中国地质调查局项目南疆地区土地质量地球化学调查项目（DD20230556）的联合资助。