【知识分享】Geoderma:中国土壤色谱图

摘要：土壤颜色可反映土壤的物理、化学和生物特性及过程，是土壤分类、土壤质量评价和土壤管理的重要指标。其在水平和垂直维度上均存在差异，因此土壤颜色区域图能揭示这些特性、过程及指标的空间分布规律。然而，尽管土壤区域有时会以其主导土壤颜色命名，但土壤颜色仅在“点”支持下直

文

章

信

息

文章标题：A soil colour map of China

第一作者：Feng Liu

时间：2020

刊物：Geoderma

文章连接：

文

章

要

点

土壤颜色可反映土壤的物理、化学和生物特性及过程，是土壤分类、土壤质量评价和土壤管理的重要指标。其在水平和垂直维度上均存在差异，因此土壤颜色区域图能揭示这些特性、过程及指标的空间分布规律。然而，尽管土壤区域有时会以其主导土壤颜色命名，但土壤颜色仅在“点”支持下直接测量，即在土壤剖面描述过程中进行，而人们更希望了解整个土壤景观的土壤颜色。为实现这一目标，我们针对中国土壤，运用预测性土壤制图方法，基于全国性土壤分类调查中约4600份完整剖面描述数据（该调查旨在界定中国土壤分类体系中的土壤系列），结合覆盖全国的环境协变量数据集，生成1平方公里网格尺度的多深度土壤颜色图（含干湿两种状态）。这些协变量涵盖了土壤形成因素，包括气候、母质、地形、植被、地表水和热条件。从选定深度的遗传层描述中提取了孟塞尔系统的土壤颜色描述，并转换为sRGB和L*a*b*色彩空间。在两种色彩空间中，干湿颜色分离度相关性均不理想（r ）。在两个空间中分别构建了随机森林模型，用于干燥和潮湿环境下的颜色预测。sRGB空间中的模型在5厘米分辨率下表现中等（均方根误差R RMSE为0.43，26/255次预测成功），且随着深度增加预测精度下降。模型对颜色空间进行了平滑处理，因此无法预测极端数值、高饱和度或罕见色调。L*a*b*空间中的模型效果更差。基于拟合的sRGB模型生成覆盖全中国的预测图，清晰呈现了区域性模式与局部细节。太阳辐射、风蚀程度、风化层厚度及Landsat TM波段7和5对预测贡献最大，其次为海拔、年均降水量、地形湿润指数、气温季节性、降水标准差及NDVI标准差。这些结果表明土壤颜色形成受土壤学过程影响，包括母质风化作用、氧化还原化学反应以及有机物分解的生物化学过程。本研究证明，基于适宜协变量的点位预测方法可替代通过代表性剖面进行的地图单元空间预测。