Spatial prediction of soil organic carbon stocks in Sudanese clay soils using regression kriging

方法

554个土壤剖面与9个环境协变量，Landsat 9、CHIRPS/WorldC

发现

模型R²=0.72，NDVI、粘土含量和地形湿度指数影响最大，农地碳储量最高。

机会点

可引入时序遥感与机器学习提升半干旱区SOC动态预测，并耦合农业管理措施评估固碳潜力。

土壤有机碳（SOC）储量是陆地碳库的重要组成部分，影响土壤质量、农业生产力及气候变化减缓。本研究旨在利用回归克里金（RK）方法对苏丹青尼罗河黏土区SOC储量进行制图并改进其空间估算。该模型整合了554个空间独立土壤剖面与9个环境协变量：降水、温度、相对湿度、归一化植被指数（NDVI）、土地利用/覆盖、裸土指数（BSI）、数字高程模型（DEM）、LS因子和坡向。光谱指数源自Landsat 9影像（2024年4月），气候与地形数据分别来自CHIRPS/WorldClim和SRTM（30 m）。RK表现稳健，空间交叉验证R²=0.72，RMSE=8.4 Mg C ha⁻¹（为实测储量均值的29%），平均偏差=−0.8 Mg C ha⁻¹。预测SOC储量（0–30 cm）范围为12.4–51.2 Mg C ha⁻¹（均值28.6 Mg C ha⁻¹）。NDVI、黏粒含量和地形湿度指数是最具影响力的预测因子。农地储量最高（51.2 Mg C ha⁻¹），裸地最低（14.2 Mg C ha⁻¹）。本研究（1）对苏丹青尼罗河地区SOC制图采用空间显式验证，（2）利用等效土壤质量校正协调历史与当代土壤数据，（3）为气候韧性农业规划提供高分辨率SOC图。研究结果支持半干旱地区的土壤碳管理与气候减缓。