基于稳健地理探测器的滨湖农田土壤有机碳影响因子分析——以江苏沛县为例

　　 摘要:

滨湖农田区土壤肥沃且有机碳含量高，是推动农业固碳减排和应对气候变化的关键着力点。准确识别滨湖农田土壤有机碳(Soil organic carbon,SOC)的主控因子对提高土壤肥力和实现农业可持续发展至关重要。地理探测器模型是识别影响因子及其交互作用的有效工具，但常用的最优参数地理探测器方法(Optimal parameter geographical detector,OPGD)难以稳定获得自变量的最优离散化结果，限制了自变量的解释力。因此，本研究构建了基于方差变化点检测的稳健地理探测器模型(Robust geographical detector,RGD)，以徐州市沛县滨湖农田为研究对象，探究自然要素、人类活动及其交互效应对SOC的影响。结果表明：（1）RGD在各变量的运算速度、数据离散化效果和解释力方面均优于OPGD；（2）RGD结果显示气候因子、到微山湖距离、地形因子和农田土地利用类型是研究区SOC的主要影响因子；（3）东部近湖区水田SOC含量显著高于西部旱地，且SOC随湖距增加衰减，在18.8 km处接近稳定，该临界距离与水旱田分界线在空间上耦合，揭示了湖泊通过调控种植和灌溉模式主导SOC格局；（4）环境变量间普遍存在非线性增强或双因子增强型交互效应，其中年均降水量与年均最低气温的交互效应q值最高，达到0.536，进一步研究显示高降水量和高年均最低气温有利于SOC积累。本研究证实了RGD模型的优越性，也为其他滨湖农田区土壤属性主控因子分析研究提供了参考。