预测深层土壤中的区域有机碳
野外采样结合实验室分析是获取深层土壤有机碳(SOC)数据最常用的方法，已经被广泛应用了一个多世纪。这种方法提供了最准确的深度 SOC 浓度测量，但非常耗时费力，并且在大空间尺度上不实用。或者，开发数学函数来预测深层土壤中的 SOC，为区域评估提供了一种快速技术。描述 SOC 随土壤深度的垂直分布的深度分布函数已被用于估算各个区域和生态系统的深层 SOC 浓度。该方法需要从至少 100 cm 深度的多层采集 SOC 数据来获取函数的参数。此外，各种函数之间的拟合很少进行比较，导致在选择深度分布函数时具有较大的任意性，所选函数对实测数据的拟合优度较低。此外，这种方法的应用主要集中在站点规模。目前使用的方法的这些缺点限制了在区域或更大空间尺度上准确估计深层土壤 SOC。
王晶晶等。由测量的和国际土壤参考和信息中心 (ISRIC) 土壤信息系统数据库组成的区域 SOC 数据集。数据集用于比较目前使用的7种深度分布函数在拟合SOC垂直分布模式时的结果，以选择最佳深度分布函数。然后，该团队通过分析0-40 cm表土层的最佳深度分布函数参数与土壤性质的关系，开发了区域尺度的深层SOC预测方法。
该团队证明负指数函数可以有效地模拟不同区域土壤剖面SOC的垂直分布模式，负指数函数中的参数(即C e 和k )与表土(0-40 cm)中的SOC呈线性相关) 在区域范围内。结合负指数函数和从上述线性预测关系得出的参数，作者开发了一种快速预测区域尺度深层土壤(低至 500 厘米)SOC 浓度的方法。这种方法被证明在预测不同地区深层土壤中的 SOC 方面表现良好