【视点】新疆大学地理与遥感科学学院：过程驱动与机器学习结合模型在国家尺度土壤有机碳制图中的应用

背景：土壤有机碳是全球碳循环的核心组成部分，准确模拟其时空动态对气候变化研究和土地管理政策制定至关重要。传统过程模型与机器学习模型各有局限，混合模型（PO-ML）展现出潜力。研究目的：构建全国尺度的PO-ML混合模型，结合RothC过程模型和随机森林机器学习算法，利用2657个土壤实测点和多源环境因子数据，实现2000—2014年中国非渍水矿质土壤的高精度制图和不确定性评估。结论：PO-ML模型预测精度（R²=0.70）显著优于单一ML模型（R²=0.57），性能提升23%，有效降低西部样点稀缺区的不确定性；主要驱动因子为年均降水量、潜在蒸散量、阳离子交换量、谷深、净初级生产力和植被指数，气候和植被因子是控制SOC空间分异的关键。