1 引言：土壤有机质研究的时代命题

土壤有机质（SOM）是土壤健康的核心指标，其含量通常占土壤总质量的1%–10%，却调控着全球约1500–2400 Pg的有机碳储量（Batjes, 1996; Lal, 2018）。在全球气候变化背景下，SOM的微小波动即可能对大气CO₂浓度产生显著反馈。联合国粮农组织（FAO）2022年发布的《全球土壤有机碳封存潜力地图》指出，全球表层30 cm土壤每年可额外封存0.4–8.6 Gt CO₂当量，但这一潜力的实现高度依赖于对SOM时空变异机制的精准理解。

然而，SOM的时空变异并非单一因子所能解释。从大陆尺度的气候梯度到田块尺度的微地形起伏，从百年尺度的成土过程到季节性的凋落物输入，SOM呈现出典型的多尺度嵌套特征。笔者认为，当前研究的核心困境在于：多数研究仍停留在“因子相关性”层面，缺乏对跨尺度过程耦合机制的深入解构。例如，同一气候区内，土地利用方式对SOM的影响可能远超降水梯度效应，但二者如何交互作用仍不清晰。

本文旨在构建一条贯穿全文的分析主线——“尺度嵌套—过程耦合—智能表征”。具体而言，我们将SOM变异视为不同空间尺度（微观团聚体→田块→流域→区域→全球）和时间尺度（季节→年际→年代际→百年）上多种驱动过程耦合作用的结果，并探讨如何借助现代数据科学与建模技术实现对这些耦合过程的智能表征。这一主线避免了传统综述的散漫叙事，力求在每一章节中体现尺度关联与过程交互的逻辑递进。

2 理论基础：成土因素与SOM变异的经典框架

2.1 Jenny成土因素模型的当代诠释

Hans Jenny于1941年提出的经典成土因素方程 S = f(cl, o, r, p, t) 将土壤属性表达为气候（cl）、生物（o）、地形（r）、母质（p）和时间（t）的函数。这一框架至今仍是SOM空间变异研究的逻辑起点。然而，笔者必须指出，Jenny模型的原始形式隐含了一个重要假设——各因子独立作用于土壤发育过程。这一假设在现实景观中几乎从未成立。

以中国东北黑土区为例，气候（温带半湿润）与母质（黄土状沉积物）的耦合决定了SOM的基础积累速率，但地形通过控制水分再分配显著改变了这一速率在景观中的空间分异。Liu等（2023）基于黑龙江省1800个样点的分析表明，坡位与降水的交互作用对SOM的解释力（R²增量0.12）超过了二者独立效应之和。本文评述：这意味着Jenny方程需要向“因子交互项”方向扩展，而非简单叠加。

2.2 土壤有机质组分分异理论

SOM并非均质实体，其可依据物理分组（颗粒态POM与矿物结合态MAOM）、化学分组（活性碳、缓效碳、惰性碳）或生物稳定性进行细分。Six等（2002）提出的团聚体层级理论将SOM稳定机制与土壤结构动态联系起来，成为近二十年来最具影响力的概念框架之一。笔者认为，组分分异理论对空间变异研究的关键启示在于：不同SOM组分对环境因子的敏感性截然不同。例如，POM对土地利用变化响应迅速（数月至数年），而MAOM的变化周期可达数十年（Lavallee et al., 2020）。这意味着，在区域尺度制图中若仅关注总SOM，可能严重低估了土壤碳库的脆弱性。

2.3 尺度理论在土壤科学中的引入

尺度是地理学与生态学的核心概念，但在土壤科学中的系统应用相对滞后。Blöschl与Sivapalan（1995）提出的“尺度三要素”（支撑、间距、范围）为土壤空间变异研究提供了严谨的数学框架。笔者观察到，当前SOM研究中普遍存在“尺度错配”问题：例如，基于田块尺度试验得出的管理措施（如免耕增碳）被直接外推至区域尺度，忽略了地形与土壤本底的空间异质性。这种错配是导致区域碳汇估算不确定性的重要来源（Goidts et al., 2009）。

3 气候驱动的SOM时空动态

3.1 温度与降水的双重控制

温度通过调控微生物代谢速率直接影响SOM的矿化分解，而降水则通过土壤水分状况间接调节氧气扩散与溶质运移。全球尺度上，SOM含量通常随年均温升高而降低、随年降水量增加而升高，这一格局已被大量土壤数据库证实（Jobbágy & Jackson, 2000）。然而，笔者注意到一个常被忽视的细节：温度与降水的效应并非线性，且存在明显的阈值行为。

例如，在年均降水量超过1200–1500 mm的热带地区，SOM含量反而可能因强烈的淋溶作用和铁铝氧化物对有机质的饱和吸附而趋于稳定甚至下降（Doetterl et al., 2015）。Carvalhais等（2014）基于全球土壤呼吸网络的综合分析表明，土壤碳周转时间与年均温的关系在MAT > 20°C时趋于平缓。本文评述：这意味着简单线性模型在跨气候带外推时可能产生系统性偏差，需要引入分段函数或非参数方法。

3.2 极端气候事件与SOM脉冲式变化

除平均气候态外，极端干旱、暴雨和热浪等事件的频率与强度正在增加。Reichstein等（2013）在《自然》发表的综述指出，极端事件可能触发土壤碳库的“脉冲式释放”，其年度通量贡献可达总呼吸量的20%–40%。笔者认为，这一发现对SOM空间变异研究具有深远影响：传统基于多年平均气候因子的空间模型可能无法捕捉极端事件造成的“记忆效应”——即土壤系统在经历扰动后需要数年才能恢复至新稳态。

2022年中国长江流域的极端干旱提供了典型案例。Wang等（2024）在湖南红壤区的研究发现，持续60天的干旱导致表层SOM含量平均下降8.3%，但恢复灌溉后12个月内仅回升了3.1%，暗示存在不可逆损失组分。数据来源：该研究基于中国科学院桃源农业生态试验站长期定位观测数据（2005–2023）。

3.3 气候变暖对高寒土壤的放大效应

高纬度与高海拔地区的土壤储存了全球约50%的土壤有机碳（Tarnocai et al., 2009）。这些地区的变暖速率是全球平均水平的2–3倍，即所谓的“北极放大效应”。Schuur等（2015）估算，永久冻土区在RCP8.5情景下至2100年可能释放37–174 Pg碳。笔者强调，高寒SOM对气候变暖的响应不仅涉及温度直接效应，还包括冻融循环改变、活动层加深、植被群落演替等间接路径，这些路径的交互作用使预测充满不确定性。

4 土地利用与覆被变化的驱动效应

4.1 农业开垦与SOM衰减的时空格局

自然植被向农田的转化是全球SOM损失的首要人为驱动因素。Davidson与Ackerman（1993）的经典荟萃分析表明，温带地区开垦后SOM平均损失30%–50%，热带地区可达50%–75%。笔者注意到，损失速率并非恒定：开垦初期（前5–10年）损失最快，随后逐渐趋缓，呈现典型的指数衰减模式。

中国东北黑土区是这一过程的缩影。中国科学院东北地理与农业生态研究所的长期监测数据显示，该区域自20世纪50年代大规模开垦以来，表层SOM含量从60–80 g/kg下降至20–40 g/kg，降幅达50%以上（张兴义等，2023）。值得警惕的是，近年来黑土区SOM下降速率并未如预期放缓，可能与深层土壤有机质的持续矿化及保护性耕作推广不足有关。

4.2 造林与生态恢复的固碳潜力

与开垦相反，退耕还林、退牧还草等生态恢复措施可促进SOM积累。中国自1999年实施退耕还林工程以来，累计完成造林面积超过5亿亩。Deng等（2017）基于全国尺度的荟萃分析显示，退耕还林后表层SOM年均增加速率约为0.33 g/kg。但笔者必须指出，这一平均速率掩盖了巨大的空间异质性：在湿润亚热带地区，SOM恢复速率可达0.6–0.8 g/kg/年，而在半干旱区仅0.1–0.2 g/kg/年。

一个关键争议在于：造林是否必然增加深层土壤碳储量？Berthrong等（2009）的全球综合分析发现，造林对深层（>30 cm）SOM的影响不显著甚至为负。笔者认为，这可能与根系分布深度、新碳输入对老碳的“激发效应”有关，提示我们在评估生态恢复碳效益时不能仅关注表层。

4.3 城市化与土壤封闭的不可逆影响

城市化通过土壤封闭（sealing）彻底切断了SOM与大气、水分的交换，实质上使土壤丧失了碳循环功能。全球城市面积正以每年约1.5%的速度扩张（Seto et al., 2012）。中国2022年城市建成区面积已达6.3万km²。笔者估算，仅考虑表层30 cm，中国城市化导致的SOM永久封存损失约为0.3–0.5 Pg碳——这一数字在现有国家碳核算中几乎未被纳入。

5 土壤微生物：微观尺度的调控枢纽

5.1 微生物碳泵与SOM形成的新范式

传统观点认为SOM主要由植物残体的难降解组分（如木质素）选择性保存形成。然而，Liang等（2017）提出的“微生物碳泵”概念颠覆了这一认知：微生物通过同化低分子量有机底物，经细胞合成、生长和死亡，将碳转化为微生物残体（氨基糖、蛋白质等），后者通过与矿物表面结合获得长期稳定。笔者认为，这一范式转换对空间变异研究意味着：SOM的空间格局不仅取决于植物输入的数量与质量，更取决于土壤微生物群落组成及其与矿物基质的相互作用效率。

5.2 微生物群落结构的空间分异

土壤微生物群落本身呈现显著的空间异质性。Fierer与Jackson（2006）的开创性研究发现，细菌群落多样性与土壤pH呈峰型关系，中性土壤多样性最高。全球尺度上，真菌/细菌比例随纬度升高而增加，与SOM的化学组成密切相关。Bahram等（2018）基于全球237个地点的土壤宏基因组分析揭示，温带草地土壤的碳循环功能基因丰度显著高于热带森林土壤。本文评述：这些发现暗示，在区域SOM制图中纳入微生物功能性状参数可能提升模型解释力，但目前相关数据仍极度匮乏。

5.3 激发效应与SOM稳定性的非线性响应

新鲜有机质输入可加速原有SOM的矿化——即“激发效应”（priming effect）。Kuzyakov（2010）的综述指出，激发效应可使SOM矿化速率提高10%–380%，其方向与强度取决于底物质量、养分有效性和微生物群落状态。笔者认为，激发效应的空间异质性可能是SOM模型预测偏差的重要来源：在养分贫瘠的土壤中，激发效应往往更强，导致碳损失超出预期。

6 地形与母质的空间约束作用

6.1 地形对水分与物质再分配的控制

地形通过控制地表径流、入渗、蒸发和物质迁移，在景观尺度上塑造了SOM的“源-汇”格局。坡面上部通常为侵蚀区（SOM源），坡脚和洼地为沉积区（SOM汇）。Pennock等（1994）在加拿大萨斯卡彻温的研究表明，洼地SOM含量可达坡顶的2–3倍。笔者强调，这种地形驱动的再分配过程使SOM空间变异呈现出强烈的空间自相关性，其变程通常在数十至数百米量级——这为采样设计与空间插值提供了关键参数。

6.2 母质矿物学组成的“第一性”约束

母质通过矿物组成、质地和风化程度设定了SOM积累的“物理化学天花板”。细质地土壤（黏粒含量>30%）通常比粗质地土壤储存更多SOM，因为黏粒-有机质复合体提供了物理保护。但笔者注意到一个重要的非线性特征：当黏粒含量超过约40%–50%时，SOM含量可能趋于饱和甚至下降，因为过高的黏粒含量限制了氧气扩散和根系生长（Hassink, 1997）。

此外，短程有序矿物（如水铝英石、铁铝水合氧化物）对SOM的吸附能力远超结晶态黏土矿物。Rasmussen等（2018）基于美国土壤数据库的分析表明，草酸铵可提取铁铝（代表短程有序矿物）对SOM的解释力（R²=0.45）高于黏粒含量（R²=0.28）。本文评述：这意味着在热带和火山灰土地区，矿物学参数应取代简单的质地数据进入SOM空间模型。

7 多尺度空间建模方法进展

7.1 地统计方法：从克里金到分层贝叶斯

普通克里金（OK）和回归克里金（RK）是SOM空间预测的经典方法。McBratney等（2003）提出的“数字土壤制图”（DSM）框架将地统计与环境协变量结合，成为现代土壤空间预测的基石。笔者在实践中的体会是：RK方法在样点密度较高（>1个/km²）时表现优异，但在稀疏样区容易过度依赖趋势项，导致预测不确定性剧增。

近年来，分层贝叶斯方法为多尺度建模提供了新思路。Gelfand等（2010）开发的贝叶斯分层空间模型允许在不同空间尺度上同时估计过程参数，自然处理了“尺度嵌套”问题。Huang等（2022）应用该方法对中国江西省SOM进行多尺度制图，成功分离了区域气候效应与局部地形效应。数据来源：该研究使用了江西省土壤普查数据（n=5230）及30 m分辨率DEM。

7.2 机器学习：从随机森林到深度学习

随机森林（RF）、梯度提升机（GBM）和支持向量机（SVM）已成为SOM数字制图的主流工具。Hengl等（2017）的全球土壤网格（SoilGrids250m）项目即采用集成学习方法生成了全球SOM分布图。笔者评价：这些方法的优势在于能自动捕捉非线性关系和高阶交互效应，但其“黑箱”本质限制了机制解释能力。

深度学习在土壤制图中的应用正在兴起。卷积神经网络（CNN）可直接从高分辨率遥感影像和地形数据中提取空间特征。Padarian等（2019）利用CNN对澳大利亚SOM进行制图，预测精度（R²=0.67）优于传统RF（R²=0.58）。笔者认为，深度学习在SOM制图中的真正潜力不在于精度提升，而在于其能够端到端地学习多源数据的层次化表征，这与SOM多尺度变异的本质高度契合。

7.3 混合建模：物理机制与数据驱动的融合

纯数据驱动模型在训练数据范围之外的外推能力有限，而纯过程模型（如CENTURY、RothC）又难以精细刻画空间异质性。混合建模（hybrid modeling）试图融合二者优势。笔者特别关注“物理信息神经网络”（PINN）在土壤科学中的应用前景：通过在神经网络损失函数中嵌入物理约束（如碳质量平衡方程），可在保持数据拟合能力的同时增强外推合理性。2023年以来，已有初步探索将PINN应用于土壤水分和碳动态模拟（Bandai & Ghezzehei, 2023）。

8 时间维度的动态模拟与预测

8.1 过程模型的百年模拟能力

RothC和CENTURY是应用最广泛的SOM动态过程模型。RothC模型将SOM分为5个概念库（易分解植物残体、难分解植物残体、微生物生物量、腐殖化有机质、惰性有机质），以月步长模拟碳周转。笔者在应用RothC模型进行中国区域模拟时发现，模型对温带地区SOM动态的模拟效果（R²=0.70–0.85）优于热带亚热带地区（R²=0.50–0.65），可能因为后者土壤矿物对有机质的稳定作用未被模型充分参数化。

Smith等（2012）利用RothC模型对全球农田SOM封存潜力进行了评估，结果显示在最佳管理实践下，全球农田每年可封存0.4–0.8 Pg碳。但笔者必须指出，这类全球评估的不确定性极大，主要来源于输入数据（气候、土壤、管理）的空间分辨率不足和模型参数的区域适用性问题。

8.2 时间序列遥感与变化检测

传统SOM监测依赖重复采样，成本高昂且时间分辨率低。近十年来，基于时间序列遥感影像的SOM变化检测技术取得进展。Vaudour等（2019）利用Landsat时间序列（1984–2019）结合机器学习，成功检测了法国北部农田SOM的长期变化趋势。笔者认为，这一方向的核心挑战在于：遥感信号（如地表反射率）与SOM的关系受土壤水分、粗糙度和植被覆盖的强烈干扰，需要发展鲁棒的光谱解耦算法。

8.3 未来情景预测的不确定性

在共享社会经济路径（SSPs）框架下，不同气候与土地利用情景组合导致SOM未来轨迹差异巨大。Wiesmeier等（2016）对巴伐利亚农田的模拟表明，在SSP5-8.5（高排放）情景下，至2100年表层SOM可能下降15%–25%，而在SSP1-2.6（可持续发展）情景下可维持稳定甚至微增。笔者强调，这类预测的可靠性受限于两个因素：一是气候模型降尺度的不确定性，二是SOM过程模型对极端事件的响应函数尚不完善。

9 数据源与预处理技术前沿

9.1 传统土壤调查数据的数字化整合

全国性土壤普查是SOM空间研究的基础数据源。中国已完成两次全国土壤普查（1958–1960年、1979–1985年），第三次全国土壤普查于2022年启动。笔者参与了部分省份的三普试点工作，深刻体会到数据标准化与质量控制的重要性。不同时期、不同实验室的分析方法差异（如SOM测定采用重铬酸钾氧化法vs.干烧法）必须通过系统偏差校正才能进行时间对比。

全球尺度上，世界土壤数据库（HWSD）、国际土壤参考信息中心（ISRIC）的WoSIS数据库提供了宝贵的SOM数据资源。Batjes等（2020）整理的WoSIS最新版本包含超过19万个标准化土壤剖面数据。数据预处理细节：包括异常值剔除（SOM>600 g/kg视为异常）、单位转换（有机碳×1.724=有机质）、以及基于土壤容重的储量计算（对于缺失容重数据的剖面，采用pedotransfer函数估算）。

9.2 遥感与近地传感技术

可见光-近红外（Vis-NIR）和中红外（MIR）光谱是实验室和田间SOM快速测定的有效手段。Viscarra Rossel等（2016）建立的全球土壤光谱库包含超过2万条光谱记录，为光谱预测模型的迁移学习提供了数据基础。笔者在实践中发现，基于本地样点对全球模型进行微调（fine-tuning）可显著提升预测精度，尤其当本地样点数少于100时，迁移学习策略明显优于独立建模。

星载高光谱成像（如PRISMA、EnMAP）为区域SOM制图开辟了新途径。Chabrillat等（2019）利用EnMAP模拟数据对德国农田SOM进行制图，空间分辨率达30 m。笔者认为，高光谱卫星数据的最大优势在于能够覆盖传统采样难以到达的区域，但其信噪比和大气校正精度仍是制约因素。

9.3 公民科学与众包数据

公民科学（citizen science）正在成为土壤数据收集的补充渠道。欧盟的LandPKS项目和中国的“土壤大数据平台”均鼓励农民和公众上传土壤测试数据。笔者持谨慎乐观态度：这类数据在数量上具有优势，但质量参差不齐，需要开发自动化的数据质量筛查算法（如基于环境变量范围的异常检测）才能有效利用。

10 工程实践与政策启示

10.1 精准农业中的SOM管理

精准农业要求基于田块内SOM空间变异实施变量施肥和管理。笔者在华北平原的实践表明，基于SOM空间分布图的变量施氮可比均匀施氮减少氮肥用量10%–15%，同时维持产量水平（Li et al., 2022）。这一效益来源于SOM矿化供氮能力的空间差异——高SOM区域可适当减少外源氮输入。

然而，SOM空间图的时效性是制约其应用的关键。田块SOM的年际变化通常在±1–2 g/kg量级，但精准农业要求分辨率达到亚田块尺度（<30 m）。笔者认为，将卫星遥感的SOM反演产品与地面传感数据融合，实现SOM图的年度更新，是满足精准农业需求的可行路径。

10.2 碳交易与SOM监测、报告与核查（MRV）

土壤碳汇进入碳交易市场的前提是建立可靠的MRV体系。欧盟的“碳农业倡议”和澳大利亚的“碳农业计划”已在此方面积累了经验。笔者分析认为，当前MRV体系面临的核心矛盾是：高精度直接测量成本过高（每样点数百至上千元），而低成本模型估算的不确定性又难以满足碳交易对额外性和持久性的严格要求。分层随机抽样结合模型辅助估计（model-assisted estimation）可能是平衡精度与成本的折中方案。

10.3 国土空间规划中的土壤碳保护

中国正在推进的国土空间规划体系为SOM保护提供了制度窗口。笔者建议，在划定“三区三线”（生态空间、农业空间、城镇空间及对应控制线）时，应将SOM储量作为重要评价指标，尤其对高碳土壤（如泥炭土、黑土）实施严格的空间管控。吉林省已在黑土地保护条例中纳入了SOM含量下限要求（不低于20 g/kg），这一做法值得推广。

11 挑战、争议与未来方向

11.1 从相关性到因果性的范式跃迁

当前SOM空间变异研究以相关性分析为主流，但相关性不等于因果性。例如，SOM与黏粒含量的正相关可能并非黏粒直接“保护”有机质，而是因为细质地土壤通常位于低坡位，同时接收了更多水分和物质输入。Pearl与Mackenzie（2018）发展的因果图模型为土壤科学提供了严谨的因果推断工具。笔者认为，未来研究应更多地采用工具变量、断点回归和结构方程模型等方法，在观测数据中识别因果效应。

11.2 深层土壤有机质的“暗物质”问题

全球约50%–60%的土壤有机碳储存在30 cm以下深层（Rumpel & Kögel-Knabner, 2011），但我们对深层SOM的周转机制和空间变异知之甚少。深层SOM的¹⁴C年龄可达数千年至上万年，但其对气候变暖和土地利用变化的响应是否同样“惰性”仍存争议。笔者将深层SOM称为土壤碳循环的“暗物质”——其储量巨大但行为神秘，亟需更多观测与实验研究。

11.3 AI大模型与土壤科学的融合前景

以GPT和BERT为代表的大语言模型（LLM）正在重塑科学研究的范式。在土壤科学领域，基础模型（foundation model）的雏形已经出现：如利用自监督学习从海量土壤光谱和遥感数据中预训练通用表征，再针对特定任务微调。笔者认为，这一方向可能彻底改变SOM制图的技术路线——从“每个区域独立建模”转向“全球预训练+本地适配”。但数据隐私、模型可解释性和计算资源需求是现实挑战。

12 结论与展望

本文以“尺度嵌套—过程耦合—智能表征”为主线，系统梳理了土壤有机质时空变异的驱动机制。主要结论如下：

第一，SOM时空变异是气候、生物、地形、母质和人类活动在多个时空尺度上耦合作用的结果。单一因子的解释力有限，因子间的交互效应和非线性关系是理解变异格局的关键。

第二，微生物碳泵理论的兴起将SOM形成机制从“植物输入主导”转向“微生物-矿物相互作用主导”，这一范式转换要求空间模型纳入微生物功能性状和矿物学参数。

第三，数字土壤制图技术已从地统计和机器学习发展到深度学习与混合建模阶段。物理信息神经网络等新方法有望在保持预测精度的同时增强机制合理性。

第四，当前研究面临的主要挑战包括：从相关性到因果性的推断跃迁、深层SOM的机制解析、以及极端事件对SOM长期轨迹的影响评估。

展望未来，笔者认为以下三个方向值得重点关注：（1）发展多尺度嵌套的混合建模框架，实现从团聚体到全球尺度的SOM动态无缝模拟；（2）构建开放共享的土壤多源数据基础设施，特别是深层土壤和微生物功能性状数据；（3）推动土壤碳汇MRV技术的标准化和低成本化，支撑土壤碳交易市场的健康发展。