水下土壤粒径分布建模：沿海土壤调查的高效预测方法

这篇研究通过建立沙粒-粉粒回归模型（r2=0.975），为含盐量高的水下土壤（SAS）粒径分布（PSD）分析提供了创新解决方案。研究发现，当沙粒含量>40%时，仅需测量沙粒即可准确预测粉粒含量（平均绝对残差<4%），显著减少传统耗时耗力的盐分预处理步骤（如透析法）。研究还揭示了硅藻骨架对低沙含量样本（<20%沙）预测准确性的干扰机制，为大规模海岸带土壤调查（CZSS）提供了高效工具。

　　

Abstract

沿海环境因气候变化面临海平面上升、侵蚀等挑战，水下土壤（SAS）的粒径分布（PSD）分析成为土壤资源调查的关键。传统方法需耗时去除盐分和硫化物，而本研究通过257个SAS样本发现沙粒与粉粒存在极强负相关性（p<0.0001，r²=0.975），建立了一种仅需测量沙粒即可预测粉粒的模型。

Plain Language Summary

美国海岸带正大规模测绘水下土壤，其粒径分布（PSD）是核心指标。传统盐分清洗步骤繁琐，而本研究证实：在沙粒>40%的样本中（占70%），通过沙粒含量预测粉粒的误差可控制在3.58%以内，且仅需50个样本即可建立有效模型。

Methodology

研究采集康涅狄格州长岛海峡257个SAS样本，通过离心法去除盐分后，采用移液管法测定PSD。利用R语言进行线性回归建模，并通过10,000次迭代验证最小样本量需求。硅藻含量通过显微镜下300次颗粒截点计数法量化。

Results and Discussion

1. 粒径分布规律：沙粒每减少10%，粉粒增加约8%，而黏土变化（2%-31%）仅与高粉粒样本相关。

2. 模型精度：沙粒>40%时，粉粒预测平均绝对残差（AAR）仅1%，且纹理分类零误差；但沙粒<20%时AAR升至8%，主因硅藻骨架（占粉粒9%）因密度低扰乱沉积规律。

3. 样本量优化：随机抽样显示50个样本（原数据20%）即可维持AAR<4%。

Conclusions

该模型为高沙含量SAS提供了一种无需盐分处理的PSD分析方案，适用于河口等高能环境的大规模土壤调查（如美国年计划12.5万公顷测绘）。低沙样本因硅藻干扰仍需传统方法，未来可结合激光衍射法提升精度。

（注：全文严格依据原文数据，未添加非文献结论；专业术语如AAR、CZSS等均保留英文缩写及符号规范）