【摘要】土壤是陆地生态系统最大的碳库，在提升生态系统服务功能和调节气候变化等方面发挥关键作用。对复杂多变环境下土壤有机碳（SOC）含量的精确预测将有助于正确评估区域土壤质量和碳汇功能。本研究以亚热带丘陵区一个典型小流域为研究对象，以地形、气候和植被三类环境变量为驱动因子，分析支持向量机回归（SVR）、随机森林（RF）、极端梯度提升算法（XGBoost）和轻量级梯度提升机（LightGBM）四种不同的机器学习算法在土壤（0～20 cm）SOC含量预测中的精度差异，并筛选影响SOC分布的主要环境影响因素。结果表明，RF模型、XGBoost模型和LightGBM模型均能较好预测SOC含量，以RF模型的表现相对最佳（R~2=0.540），其预测精度优于XGBoost(R2=0.528)和LightGBM模型（R~2=0.504）。而SVR模型的预测精度（R~2=0.427）低于模型预测精度的最低可接受值0.50，并不适用于亚热带丘陵地貌SOC含量的预测。相关分析表明，在亚热带丘陵地貌区，地形（主要为海拔）对几种模型预测的贡献最大，是预测SOC的重要环境变量。基于四种模型预测的SOC数字制图显示，SOC空间分布趋势总体相似，均表现为北部区域、西南和东南边缘区域SOC含量较高，而中部区域SOC含量普遍偏低。