Spatial assessment of soil degradation under intensive agricultural pressure in the central loess plateau
Xiandong Hou · Tao Bai
构建融合土壤指标、遥感与随机森林的空间显式框架，评估黄土高原中部高强度农业下的土壤退化。
350个表层土样，PCA与最小数据集筛选指标，随机森林建模并做预测区间分析。
pH、SAR、CEC、SOC、钾和黏粒权重最高；严重退化集中于中部和西南部。
可引入生物指标与多时相遥感监测，提升气候变化和土地利用变化下土壤退化预测的时空精度。
基于350个样点与随机森林模型的空间化土壤退化评估，方法扎实、结论可靠，对黄土高原耕地保护有参考价值，但属区域学术研究，公共影响有限。
土壤退化（SD）威胁着黄土高原中部半干旱农业系统的可持续性，该地区集约化耕作和反复的土地利用周期加速了土壤恶化。本研究通过整合土壤质量指标（SQIs）、环境数据、遥感技术和随机森林（RF）建模，开发了一个空间明确且具有不确定性感知的土壤退化评估与制图框架。共采集并分析了350个表层土壤样品。采用主成分分析和最小数据集（MDS）方法识别代表性土壤质量指标。最终的最小数据集包括黏粒、土壤容重、pH、土壤有机碳、碳酸钙当量、阳离子交换量、钾和钠吸附比。在这些指标中，pH、SAR、CEC、SOC、K和黏粒获得了最大的权重，凸显了土壤化学条件、钠质化、养分保持、有机质和质地在土壤质量评估中的重要性。通过比较农业土壤的SQI值与自然生态系统的参考值，对土壤退化进行了量化。随后将环境预测因子纳入随机森林模型，以估算土壤退化的空间分布并评估预测因子的重要性。该模型表现出良好的预测性能，训练集R²值为0.83，验证集R²值为0.76，RMSE值在0.031至0.034之间。严重退化主要集中在中部和西南部地区，反映了集约化耕作、养分耗竭和有机碳损失的累积效应。预测区间分析识别了不确定性较大且需要优先补充采样的区域。所提出的框架为空间针对性的土壤保护、可持续农业管理和长期生态系统恢复力提供了实践基础。未来研究应纳入生物指标和时间监测，以改进气候变化和土地利用变化条件下的土壤退化预测。