土壤碳 MRV
- 研究
- 实验室
- 中试
- 量产
- 商业化
- 成熟
01概览与价值链
标记:[EC: 欧盟土壤监测法 & IPCC 土壤碳清单 | OECD: Agricultural Biotechnology | Regulator: Verra 自愿标准, USDA, MoA]
土壤碳 MRV(测量、报告与核证)是将泥土转化为可辩护碳数据的技术 层。Yard Stick 的便携式光谱探针利用可见-近红外(VisNIR)光谱在 田间直接量化土壤碳储量至 45 厘米深;Perennial 的数字土壤制图框架 将 SOC 储量变化建模为可扩展的替代方案;Boomitra 是首个获 Verra 批准 的大规模土壤有机碳测量方法,结合卫星数据与逾 100 万个经实验室分析 的地理标记土壤样本;SoilOptix 的伽马射线扫描仪提供高分辨率、非侵入 式土壤图。Rothamsted Research 以 180 年 Broadbalk 土壤有机质数据 支撑科学基础。本文是 carbon farming(IND-095,覆盖信用项目与市场)的 测量技术对应物。
土壤碳 MRV 的关键方向:
- 田间土壤碳光谱(In-Field Soil-Carbon Spectroscopy): 便携式 VisNIR 探针(Yard Stick),田间直接测量 SOC 储量至 45 厘米,替代缓慢的实验室分析。
- 遥感+机器学习土壤碳 MRV(Remote-Sensing Soil-Carbon MRV): 数字土壤制图(Perennial)与卫星+样本方法(Boomitra),规模化建模 SOC。
- 伽马射线土壤制图(Gamma-Ray Soil Mapping): 非侵入式伽马扫描仪(SoilOptix),产出高分辨率土壤图。
- 长期土壤碳科学(Long-Term Soil-Carbon Science): 百年 SOM 实验(Rothamsted Broadbalk),校准并验证模型。
行业价值链
[采样/传感] ──> [光谱/伽马/卫星数据] ──> [机器学习建模] ──> [SOC 储量估算]
│
(测量→经核证碳数据)
│
▼
[信用登记] <─── [MRV 核证] <─────┘价值链层级
| 层级 | 描述 | 关键投入/产出 |
|---|---|---|
| Soil Sampling/Sensing | 探针、扫描仪或下达卫星过境任务 | 输入: 田块、传感器/任务。输出: 原始测量。 |
| Spectral/Gamma/Remote Data | 捕获 VisNIR 光谱、伽马计数或卫星反射率 | 输入: 原始测量。输出: 光谱/伽马/反射率数据。 |
| ML Modeling | 由数据预测 SOC 浓度与储量 | 输入: 数据、模型。输出: SOC 预测。 |
| SOC Stock Estimate | 计算随时间与深度的 SOC 储量变化 | 输入: SOC 预测、容重。输出: 储量变化估算。 |
| MRV Verification | 按标准(Verra)核证估算 | 输入: 储量变化估算。输出: 经核证 SOC 吨数。 |
| Data Platform / Registry | 登记经核证数据以供信用签发 | 输入: 经核证吨数。输出: 登记记录。 |
行业横切技术:
- VisNIR 田间光谱(VisNIR In-Field Spectroscopy): 可见-近红外光谱,田间直接量化 SOC 储量至 45 厘米。
- 遥感+机器学习数字土壤制图(Remote-Sensing + ML Digital Soil Mapping): 卫星反射率加机器学习,廉价大面积建模 SOC。
- 伽马射线土壤扫描(Gamma-Ray Soil Scanning): 被动伽马传感器,产出非侵入式高分辨率土壤质地与养分图。
02美国
美国拥有土壤碳 MRV 初创集群,涵盖田间探针、遥感平台与伽马传感器。
Yard Stick probe, Perennial DSM, Boomitra Verra method, SoilOptix gamma
- Yard Stick PBC: 便携式光谱探针,利用 VisNIR 光谱在田间直接量化土壤碳储量至 45 厘米深,与 Soil Health Institute 联合发表 Geoderma 验证研究。
- Perennial: 用于 SOC 储量变化监测、报告与核证的数字土壤制图框架,作为生物地球化学模型与密集采样的可扩展替代方案。
- Boomitra: 首个获 Verra 批准的大规模土壤有机碳测量方法,结合卫星数据与逾 100 万个经实验室分析的地理标记土壤样本。
- SoilOptix(加拿大): 非侵入式伽马射线土壤扫描仪,提供高分辨率图(2025 年扩展至草坪),用于精准农业与 MRV 级土壤数据。
03中国
中国正建设国家级土壤碳监测基础设施,以支撑碳中和与土壤安全目标。
soil-carbon monitoring systems, national inventory, MoA framework
- 土壤监测系统: 行业分析预测 2026 年前中国土壤监测系统与土壤碳通量分析仪市场增长,受国家土壤碳清单需求驱动。
- 国家清单: 政府项目构建全国土壤碳监测网络,以支撑碳中和目标下的农业碳汇核算。
- 农业部框架: 农业农村部的土壤安全与碳中和项目构成中国土壤碳 MRV 设备与服务的市场路径。
04欧盟
欧洲提供土壤碳科学基础,并在新欧盟土壤监测法下形成测量需求。
Rothamsted Broadbalk science, EU Soil Monitoring Law
- Rothamsted Research(英国): Broadbalk 小麦实验(自 1843 年起)提供矿物肥 vs 有机肥下 180 年土壤有机质数据,校准长期土壤碳模型。
- 欧盟土壤监测法: 新框架使土壤状态指标(含土壤有机碳)在全欧可测量、可比较,为 MRV 技术创造直接监管需求。
- IPCC 整合: 欧盟与 IPCC 土壤碳清单指南定义了测量技术须服务的 MRV 方法。
05领先企业与研究机构
| 企业 / 机构 | 国家 | 关键产品 / 平台 | 技术特征 | 2026 状态 |
|---|---|---|---|---|
| Yard Stick | 🇺🇸 美国 | 便携式 VisNIR 土壤碳探针 | 田间 SOC 至 45 厘米,与 SHI 经 Geoderma 验证 | Operating |
| Perennial | 🇺🇸 美国 | 数字土壤制图 MRV | 可扩展 SOC 储量 DSM,生物地球化学模型替代 | Operating |
| Boomitra | 🇺🇸 美国 | 获 Verra 批准的 SOC 方法 | 卫星+>100 万样本,首个大规模 Verra 批准方法 | Operating |
| SoilOptix | 🇨🇦 加拿大 | 伽马射线土壤扫描仪 | 非侵入式伽马传感,高分辨率图(草坪 2025) | Commercial |
| Rothamsted Research | 🇬🇧 英国 | Broadbalk 长期 SOM 实验 | 180 年 SOM 数据(自 1843),模型校准 | Research |
06技术栈与创新
该技术栈将田间与遥感测量与机器学习建模及百年科学相结合。
- 田间土壤碳光谱(In-Field Soil-Carbon Spectroscopy):
- Yard Stick 的便携式 VisNIR 探针在田间直接量化土壤碳储量至 45 厘米,替代缓慢昂贵的实验室分析,并与 Soil Health Institute 联合在《Geoderma》验证。
- 遥感+机器学习土壤碳 MRV(Remote-Sensing & ML Soil-Carbon MRV):
- Perennial 的数字土壤制图框架将 SOC 储量变化建模为生物地球化学模型与密集采样的可扩展替代方案。
- Boomitra 的方法是首个获 Verra 批准的大规模 SOC 测量方法,融合卫星数据与逾 100 万个经实验室分析的地理标记样本。
- 伽马制图与长期科学(Gamma-Ray Mapping & Long-Term Science):
- SoilOptix 的被动伽马扫描仪提供非侵入式高分辨率土壤图,2025 年扩展至草坪。
- Rothamsted 的 Broadbalk 实验(自 1843 年起 180 年 SOM 数据)校准并验证 MRV 工具所依赖的长期土壤碳模型。
07价值链与生产流程
土壤碳 MRV 测量的工业流程(Verra / 欧盟土壤监测法 / IPCC)
┌───────────────────────────┐ ┌───────────────────────────┐
│ 1. 采样/传感 │ ───> │ 2. 光谱/伽马/遥感数据 │
└───────────────────────────┘ └───────────────────────────┘
│
▼
┌───────────────────────────┐ ┌───────────────────────────┐
│ 4. SOC 储量估算 │ <─── │ 3. 机器学习建模 │
└───────────────────────────┘ └───────────────────────────┘
│
▼
┌───────────────────────────┐ ┌───────────────────────────┐
│ 5. MRV 核证 │ ───> │ 6. 数据平台/登记 │
└───────────────────────────┘ └───────────────────────────┘阶段 1:采样/传感
便携式探针(Yard Stick)、伽马扫描仪(SoilOptix)或卫星过境任务(Perennial、Boomitra)采集田间原始土壤测量;产出原始测量数据。
阶段 2:光谱/伽马/遥感数据
捕获并地理标记 VisNIR 光谱、伽马计数或卫星反射率;产出结构化光谱/伽马/反射率数据。
阶段 3:机器学习建模
机器学习模型(Perennial 的 DSM、Boomitra 的 >100 万样本模型)由数据预测 SOC 浓度;产出 SOC 预测层。
阶段 4:SOC 储量估算
计算随时间与深度的 SOC 储量变化(Yard Stick 至 45 厘米),并作容重校正;产出以吨计的储量变化估算。
阶段 5:MRV 核证
估算按标准(Boomitra 的 Verra 批准方法)与欧盟土壤监测法土壤状态指标核证;产出经核证 SOC 吨数。
阶段 6:数据平台/登记
经核证 SOC 数据登记至数据平台或信用登记(支持 carbon farming,IND-095 的信用签发);产出供信用签发的登记记录。
| 供应商 | 价格 | 交期 | 认证 | 风险 | 置信度 |
|---|---|---|---|---|---|
| Yard Stick (VisNIR handheld soil-carbon probe) | service / per-ha | operating | 中 | HIGH | |
| Perennial (digital soil mapping MRV) | subscription | operating | 中 | HIGH | |
| Boomitra (Verra-approved SOC method) | service / per-ha | operating | 中 | HIGH | |
| SoilOptix (gamma-ray soil scanner) | service / per-ha | commercial | Commercial | 中 | HIGH |
| Rothamsted Research (Broadbalk soil-carbon science) | n/a (research) | research | Research | 高 | HIGH |
AI笔记:soil-carbon-mrv (CN)
关键方向:
- 田间土壤碳光谱——便携式 VisNIR 探针(Yard Stick),田间直接测量 SOC 储量至 45 厘米。
- 遥感+机器学习土壤碳 MRV——数字土壤制图(Perennial)与卫星+样本方法(Boomitra)。
- 伽马射线土壤制图——非侵入式伽马扫描仪(SoilOptix)。
- 长期土壤碳科学——百年 SOM 实验(Rothamsted Broadbalk,自 1843)。
监管:
- Verra 批准大规模土壤碳测量方法(Boomitra 为首个获 Verra 批准)。
- 欧盟:欧盟土壤监测法使土壤有机碳在全欧可测量、可比较。
- IPCC 土壤碳清单指南定义测量技术须服务的 MRV 方法。
未列入表格的公司:关联文章 carbon-farming(IND-095 — Truterra、Agreena、Soil Capital、CIBO、Soil Health Institute)中的碳农业信用项目与市场;其他 MRV 技术玩家——Cloud Agronomics、CarbonSpect、LaserAg。值得注意的是,Yard Stick 与 Soil Health Institute(IND-095)联合发表《Geoderma》验证研究,连接两文的科学基础。
加工技术说明:与 IND-095 的差异在于测量与技术层——生成 SOC 储量数据的传感器、探针、遥感平台、机器学习模型与百年科学——而非向农户付款并销售信用的信用项目与市场;Yard Stick 的 45 厘米 VisNIR 探针、Perennial 的数字土壤制图、Boomitra 获 Verra 批准的卫星+百万样本方法、SoilOptix 的伽马扫描仪与 Rothamsted 180 年 Broadbalk 数据,是每个可辩护土壤碳信用背后的数据完整性引擎。
相关性:土壤碳 MRV 是碳农业信用的数据完整性骨干(无测量即无可辩护信用),也是欧盟土壤监测法可测量土壤状态要求的基础。本目录中最尖锐的 MECE 边界是与 carbon farming(IND-095):本文涵盖测量与 MRV 技术,IND-095 涵盖信用项目、市场与实践采纳;二者互补,闭合土壤碳循环。