农业环境科学学报

作者：徐祥明,张心怡,覃灵华,纪玲玲,李瑞

单位：赣南师范大学地理与环境工程学院, 江西 赣州 341000,赣南师范大学地理与环境工程学院, 江西 赣州 341000,赣南师范大学地理与环境工程学院, 江西 赣州 341000,赣南师范大学地理与环境工程学院, 江西 赣州 341000,赣南师范大学地理与环境工程学院, 江西 赣州 341000

关键词：环境变量,XGBoost,SHAP,不确定性分析,阳离子交换量,

基金：国家自然科学基金项目（42261015）；江西省教育厅科技项目（GJJ211426，GJJ201440）

为了精准预测未来气候情景下的土壤阳离子交换量（CEC），本研究基于多源环境协变量数据集，系统比较了5种机器学习模型在我国全域土壤CEC预测中的表现，并定量揭示了在SSP2-4.5和SSP3-7.0未来气候情景下，2030年我国土壤CEC含量的空间分异特征及其预测结果的空间不确定性。研究结果表明，XGBoost模型在各项指标预测中均表现最优。土壤有机碳（贡献率为18.41%）和黏粒含量（贡献率为18.03%）是CEC的主要驱动因子，其次是温度、海拔及pH（贡献率均>10%）。其中，土壤有机碳、黏粒、总氮、降雨、坡度和人为活动指数对CEC具有正向影响，其余因子则呈抑制作用。未来气候情景预测表明，在SSP2-4.5情景下，2030年我国土壤CEC含量总体保持稳定；而在SSP3-7.0情景下，CEC含量将增至17.48 cmol·kg-1。从空间分布来看，东北地区CEC含量最高，其次为华南、西南、华中和华北地区，西北地区最低。两种情景下的预测不确定性总体相近，但存在区域差异：SSP2-4.5情景下，华东和华南地区不确定性最大，华北最小；SSP3-7.0情景下，华中地区置信区间最宽。由此可见，XGBoost模型是未来气候情景下土壤CEC预测的最优模型，2030年我国土壤CEC含量的空间分布及不确定性分析具有区域差异。

来源：2025年第11期

《农业环境科学学报》期刊编辑部

查看农业环境科学学报杂志2025年第11期