利用机器学习算法量化树种对土壤有机碳的影响：以印度尼西亚加约咖啡热带农林系统为例

《Travel Medicine and Infectious Disease》：Quantifying Tree Species Effects on Soil Organic Carbon using Machine Learning Algorithm: A Case Study in Tropical Agroforestry System of Gayo Coffee, Indonesia

Gayo咖啡农林复合系统通过机器学习模型分析植被多样性对土壤有机碳（SOC）的贡献，发现SOC含量达173.46 Mg ha?1，植被多样性（Shannon-Wiener指数）贡献率最高（95%），建议增加树种多样性以提升碳汇能力。

　　
Gayo 咖啡 agroforestry 系统的生态效益与社会经济价值研究
（摘要）
Gayo 咖啡作为印尼特色农产品，其生产模式以热带农林系统为核心，在 Aceh 地区兼具生态修复与经济创收的双重功能。本研究聚焦于 agroforestry 系统对土壤有机碳（SOC）的影响机制，通过整合植被多样性指标与机器学习模型，揭示了植被结构对 SOC 的关键作用。研究发现，SOC 水平达到 173.46 Mg/ha±60.34 Mg/ha，显著高于传统单一作物种植模式，其中植被多样性指数（Shannon-Wiener 指数）贡献度最高，其次是过境层树木的生物量特征。研究采用随机森林（RF）算法，通过 18 个植被参数的筛选与模型优化，证实 agroforestry 系统中 11 个优势树种的组合配置能有效提升土壤碳储量。该成果为印尼国家碳中和战略提供了重要数据支撑，同时为全球热带农业的可持续发展模式创新提供了实践范例。

（引言）
印尼是全球第三大咖啡生产国，2023 年出口量达 28 万吨，其中 Aceh 地区的 Gayo 咖啡凭借独特风味占据重要地位。然而，小规模种植园的扩张导致热带森林覆盖率下降 23%（Margono et al., 2012），引发土壤退化与碳流失风险。传统农林系统多采用单一作物种植，而 agroforestry 模式通过混交林结构实现生态与经济双赢。研究显示，合理配置的混交林可使土壤有机碳含量提升 20-40%（Hairiah et al., 2020），但针对印尼特色 agroforestry 系统的量化研究仍存在空白。本项研究以 Aceh 地区 Social Forestry Area（SFA）为对象，通过植被特征与土壤碳的关联分析，揭示热带农林系统固碳机制，为制定精准土地管理政策提供依据。

（方法）
研究区域位于 Aceh 省中部的 Mumuger FFG 社区林业区，海拔 1258-1594 米，坡度 14%±6%。采用分层随机抽样法设置 34 个 20×20 米样方，同步采集土壤与植被数据。植被调查涵盖 11 个优势树种（包括 Leucaena leucocephala、Areca catechu 等），测量密度、胸径（DBH）、树高及多样性指数。土壤分析采用标准破坏性采样（0-30 厘米土层），通过有机碳百分比（Walkey-Black 法）与容重（环刀法）计算 SOC 含量。数据分析结合遥感影像（Landsat 8/9）与 Google Earth Engine 平台，运用随机森林算法进行参数优化（n树 100，交叉验证 10 次），并通过变量重要性评估筛选关键因子。

（结果）
1. **土壤碳储量**：SOC 含量为 173.46 Mg/ha±60.34 Mg/ha，显著高于 Bengkulu 地区（70.81±16.85 Mg/ha）及马达加斯加 Itasy 地区（63.3±18.7 Mg/ha）。最高记录达 360 Mg/ha，出现在以 Leucaena 为主（占比 88%）的混交林样方。
2. **植被特征**：
- 过境层树木密度 1752.94 株/ha±459.20，包含 11 个树种
- 咖啡植株密度 1358.82 株/ha±502.19，远高于传统农业
- 植被多样性指数（Shannon-Wiener）达 0.62±0.30，显著高于印度同类研究（2.71）
3. **模型性能**：随机森林模型 R2=0.95，RMSE=0.046，MAE=0.038，优于 RF Ranger 模型（R2=0.91）。变量重要性分析显示：
- 农业系统多样性（0.048）贡献度最高
- 过境层平均树高（0.037）、总生物量（0.035）次之
- 独立变量间相关性超过 0.5 的仅 9 组（如过境层 DBH 与农业密度正相关 0.98）

（讨论）
1. **植被多样性效应**：Shannon 指数每提升 0.1 单位，SOC 碳储量增加约 5.2 Mg/ha（P<0.05）。Leucaena leucocephala 虽占优势（88% 样方），但其单一化可能限制碳吸收潜力，混交系统通过互补根系结构与养分循环机制，形成碳汇增强效应。
2. **地形-水文耦合作用**：研究区位于森林与农业交错带，坡度 14%±6% 加速了森林凋落物与有机质的径流输入，使 SOC 含量较平地提升 32%（Chaplot et al., 2012）。
3. **机器学习应用**：随机森林算法通过特征筛选，有效识别植被结构的关键参数（如多样性指数权重达 0.048），较传统线性回归模型（R2<0.22）解释力提升 73%。但模型在验证集上 R2=0.13 的欠佳表现，提示需优化数据预处理（如去除冗余变量）与模型集成策略。
4. **政策关联性**：研究区域碳汇能力较国家平均值高 2.3 倍，验证了 SFA 政策对生态红线区域的保护成效。建议将 SOC 指数纳入 agroforestry 评估体系，作为申请碳交易项目的核心依据。

（结论与建议）
1. **核心发现**：
- 混合农林系统通过植被多样性（Shannon 指数 0.62）实现土壤固碳效率最大化
- 过境层树木生物量（DBH）与密度每增加 1 单位，SOC 含量提升 0.12 Mg/ha
- 坡度>15% 区域碳储量较平缓地区高 18%-25%
2. **管理建议**：
- 建立 3-5 米宽的缓冲林带，配置 5-8 种过境层树种（优先选择 Cinnamomum bumannii、Durio zibethinus）
- 推行 "1 公顷咖啡 + 0.5 公顷混交林" 模式，目标将 Shannon 指数从当前 0.62 提升至 0.85
- 开发基于 SOC 的碳核算系统，实现每公顷年固碳量 4.2-5.8 Mg（当前值 3.7 Mg/ha）
3. **政策方向**：
- 将 SOC 指数纳入国家 FOLU Net Sink 2030 计划的监测体系
- 推动 "红树林-咖啡-珍稀树种" 三元混交模式，目标碳汇提升 40%
- 建立 agroforestry 碳汇交易市场，对接欧盟 EUDR 与印尼 NDC 报告

（数据局限性）
研究受限于：
1. 样方数量（n=34）可能低估区域植被多样性，建议扩大至 50+样方
2. 未考虑地下生物量与微生物群落对 SOC 的贡献，需补充宏基因组学研究
3. 遥感数据更新频率（6 个月间隔）可能无法反映季节性植被波动

（创新价值）
本研究首次将 18 维植被特征与随机森林算法结合，揭示：
- 植被多样性指数每增加 0.1，SOC 含量提升 7.2%
- Leucaena 植株与 SOC 呈非线性关系（当密度>1200 株/ha 时，SOC 增长趋缓）
- 阴坡（坡向<60°）比阳坡（坡向>120°）碳储量高 19%

该成果为印尼政府制定 "咖啡-碳汇"一体化政策提供了科学依据，同时为热带农林系统碳核算建立标准化框架，预计可使 500 万公顷咖啡种植园年固碳量增加 6.8 Mt CO?当量。研究团队已与 CiCoFest 咖啡协会合作开发开源评估工具（AGRO-CARBON 1.0），支持实时监测与决策优化。