基于SSA优化CatBoost的甘南草地土壤有机碳含量估算

来源：环境科学杂志2025年第1期北京时间：

作者：马子茗,张美玲,刘星宇

单位：甘肃农业大学理学院, 数量生物学研究中心, 兰州 730070,甘肃农业大学理学院, 数量生物学研究中心, 兰州 730070,甘肃农业大学理学院, 数量生物学研究中心, 兰州 730070

摘要：估算甘南藏族自治州草地土壤有机碳（SOC）含量并研究其空间分布特征,明确SOC主要影响因素,对草地质量提升与管理优化、气候调节和生态系统功能维持具有重要意义. 以甘肃省甘南藏族自治州草地为研究对象,通过整合土壤属性、气象因子、高程和植被指数等数据构建多特征因子数据,通过皮尔逊相关性分析筛选出24个显著特征因子,根据SHAP值得到归一化贡献程度. 运用机器学习模型划分8∶2的训练集和测试集,采用十折交叉验证,实验5次得到结果并根据MAE、RMSE和R2等评估模型,采用麻雀搜索算法（SSA）和鲸鱼优化算法（WOA）优化参数并估算SOC含量. 结果表明,基于模型估算的甘南藏族自治州草地表层SOC储量空间分布呈现出从西到东逐渐降低,西北高,东南低的走势,西北部的平均温度相对较低,有机碳含量较高；年平均气温、增强植被指数（EVI）和数字高程模型（DEM）对甘南草地SOC含量的贡献明显,是影响SOC空间分布的主要因素；在随机森林、决策树、梯度提升回归、CatBoost、XGBoost和LightGBM中,CatBoost模型在测试集上的表现最佳；根据SSA和WOA收敛速率曲线,发现SSA收敛更快,更新参数更有效；优化后的SSA-CatBoost模型在预测SOC含量方面表现最佳. SOC空间分布对区域内的生态系统和碳循环有着重要影响,甘南地区西北部草地在土壤肥力和碳储存方面具有更大的潜力,有助于制定更有效的土壤管理和生态保护策略,减缓气候变暖的进程,进一步推动全球生态系统的可持续发展.

关键词：土壤有机碳（SOC）,机器学习,Catboost模型,优化算法,甘南草地,