2018, Vol. 39
2. 成都土壤肥料测试中心, 成都 610041
, LI Qi-quan1
, WANG Chang-quan1 , ZHANG Hao1 , XIAO Yi1 , TANG Jia-ling1 , DAI Tian-fei2 , LI Yi-ding1
2. Chengdu Soil Fertilizer Test Center, Chengdu 610041, China
水稻土占全国耕地总面积的25%, 是我国重要的耕地土壤资源[1].由于水稻土具有较高的碳密度和较大的固碳潜力, 水稻土壤有机碳的剖面分布和储量估算受到广泛关注[2, 3].受成土过程和生态条件等因素综合影响, 土壤有机碳的剖面分布具有较高的空间异质性[4~6].这种空间异质性既是区域土壤资源优化利用的限制因子, 也是导致土壤有机碳三维空间模拟和储量估算存在不确定性的重要原因[7, 8].探究环境因素对水稻土壤有机碳剖面分布的影响, 对优化区域土壤资源利用、提高土壤有机碳三维空间分布模拟精度和有机碳储量估算均具有重要意义.
当前已有许多学者在县域、省域和国家尺度上对我国不同区域水稻土有机碳剖面分布及影响因素进行了大量研究[2, 9, 10].成土母质、土壤类型、地形和土地利用方式等自然和人为因素被认为是影响水稻土壤有机碳剖面分布的重要因素[11, 12].但是, 这些研究多是按照固定深度分层后利用相关性分析、方差分析或线性模型探究这些影响因素对不同土层土壤有机碳的影响作用[13~15].由于土壤有机碳在土壤剖面中是一个连续变化的三维时空变异体, 分层探究影响因素对土壤有机碳剖面分布的影响作用, 忽视了土壤有机碳在垂直方向上的空间变异性, 并不能充分揭示土壤有机碳的垂直变化与环境因素间的整体性与系统性.近年来, 许多学者利用土壤深度函数(如指数、对数、幂函数和样条函数等)拟合土壤有机碳剖面分布, 为分析土壤有机碳剖面整体变化与环境因子间关系提供了新的解决途径[8, 16~20].由于土壤有机碳总体上具有随土层深度增加而减少的特征, 指数递减函数能较好地描述土壤有机碳的剖面分布, 是常用的土壤有机碳剖面拟合函数[8, 19, 20].如Yang等[8]利用指数递减函数拟合了青藏高原东北部土壤有机碳剖面分布, 分析了环境因素与指数递减函数参数间的关系, 并在此基础上构建了土壤有机碳三维空间预测模型, 对这一区域1 m深土壤有机碳储量进行了估算. Kempen等[20]利用指数递减函数对荷兰东北部土壤有机质剖面分布进行了拟合, 分析了环境因素与指数递减函数参数间的关系, 并完成了这一区域土壤有机质的三维数字制图.
成都平原位于四川盆地西部, 是我国重要的农业经济区.人口密度大、土地利用程度高, 具有悠久的水稻种植历史, 是研究土壤有机碳剖面分布的典型区域.之前的学者已对这一区域土壤有机碳进行了许多研究, 但这些研究主要集中在耕层土壤、城乡交错带和室内模拟实验上[1, 21, 22], 而关于较大尺度上田间自然状态下土壤有机碳的剖面分布及影响因素的研究鲜见报道.本文以成都平原区的水稻土为研究对象, 结合指数递减函数在较大尺度上探究高强度土地利用背景下水稻土壤有机碳的剖面分布及影响因素, 以期为优化区域土壤资源利用提供依据, 并为更精确的土壤有机碳三维空间分布模拟和有机碳储量估算提供基础.
1 材料与方法 1.1 研究区概况研究区位于成都平原的核心区域, 地理坐标介于北纬30°22′~31°50′、东经103°27′~104°14′之间[图 1(a)].全区面积约为3 173 km2, 主要包括成都市10个区县的平原区[图 1(c)].区内地势总体平缓, 海拔在447~732 m之间, 由西北向东南降低[图 1(b)].河网密布, 主要有金马河、西河和斜江河三条岷江水系和沱江水系青白江流经境内[图 1(b)].该区属亚热带湿润季风气候区, 年平均气温在16℃左右, 年平均降水量为900~1 300 mm, 全年无霜期为278 d.成土母质以岷江冲积物为主, 包括灰色冲积物、灰棕冲积物和紫色冲积物, 西南部还分布着部分上更新统黄色黏土和中下更新统老冲积物[图 1(d)].由于长期的水耕熟化过程, 区内主要土壤类型为水稻土, 一共包含4个亚类[图 1(e)]和9个土属[图 1(f)].土地利用以耕地为主, 包括水稻-小麦和水稻-油菜轮作两种典型种植制度.随着该区域经济发展, 农业种植结构调整, 形成了以耕地为主、以园地(园林和果园)和农林混合用地为辅的多种农业用地方式.
|
(a)研究区位置; (b) DEM和主要水系分布; (c)剖面采样空间分布; (d)母质; (e)亚类; (f)土属空间分布 图 1 研究区位置示意及相关信息 Fig. 1 Maps for the location of the study area and related information |
综合考虑研究区成土母质、土壤类型及土地利用方式等基础信息, 兼顾采样密度, 在室内进行采样点布设.在兼顾空间分布均匀性和样点代表性的基础上, 分别于2016年4月和2017年4月开展野外采样工作, 一共采集171个水稻土壤剖面[图 1(c)].参照成都市第二次土壤普查资料中的土壤发生层分类, 将采样点剖面划分0~20、20~40、40~60和60~100 cm共4个采样层次.其中, 0~20、20~40和40~60 cm各采集171个土壤样品, 60~100 cm采集164个土壤样品.样品采集过程中, 使用手持GPS记录每个剖面的经纬度坐标和海拔信息, 并详细记录每个点位的地名、成土母质、土壤类型以及耕作管理等环境信息.土壤样品带回实验室, 经自然风干后挑出动植物残体, 碾磨过100目筛待测.采用重铬酸钾氧化-外加热法测定土壤有机碳含量[23].测定过程中, 采用3次重复和国家标准物质(四川紫色土, 编号: GBW07414a)进行数据质量控制.
1.3 数据分析方法 1.3.1 土壤有机碳剖面拟合及精度验证方法本文采用指数递减函数分别对研究区171个土壤剖面有机碳分布进行拟合, 并获取指数递减函数参数, 用以分析参数的空间变异特征及其与环境因子间的关系, 进而识别影响土壤有机碳剖面分布的主控因素.指数递减函数方程如下:
|
(1) |
式中, x表示土层深度(cm); y表示一定深度土壤有机碳含量(g ·kg-1); C和k为深度函数的2类参数.参数C表示土壤深度为零时的土壤有机碳含量, 即地表土壤有机碳含量(g ·kg-1); k表示有机碳剖面变化的速率[8, 20].
采用平均误差(ME)、平均绝对误差(MAE)和均方根误差(RMSE)对研究区土壤有机碳剖面分布拟合结果精度进行评价[24]. ME、MAE和RMSE的计算公式如下:
|
(2) |
|
(3) |
|
(4) |
式中, n为验证点的个数; SOCobs(i)为第i个验证点的实测值(g ·kg-1); SOCpred(i)为第i个验证点的模拟值(g ·kg-1). ME、MAE和RMSE的值越小, 剖面分布函数的拟合精度越高.
1.3.2 地统计分析利用地统计学方法结合GIS技术分析指数递减函数参数的空间变异特征[25, 26].首先在GS+9.0中进行参数的半方差结构分析.分析过程中, 以决定校正系数R2最大、残差RSS最小确定最优理论插值模型.再根据半方差拟合模型和参数, 在ArcGIS 10.1中利用普通克里格法进行空间插值, 生成2类参数的空间分布趋势图.
1.3.3 统计分析常规数理统计、K-S检验及回归分析均在SPSS 19.0中完成.通过K-S检验确定指数递减函数参数C和k的数据正态性, 将不服从正态分布的数据进行数据转换, 以满足数据分析要求.利用一般线性模型的决定校正系数R2揭示各影响因素的影响程度, 以确定影响土壤有机碳剖面分布的主控因素.分析过程中, 所有显著性水平均设定为P < 0.05.由于成土母质、土壤类型、与河流距离分组、海拔分组及土地利用方式为定性的分类变量, 采用哑变量法对其进行赋值, 以构建回归模型[27].
2 结果与分析 2.1 土壤有机碳的剖面分布特征成都平原区0~100 cm水稻土壤有机碳含量的描述性统计结果显示(表 1), 土壤有机碳含量随土层深度增加而逐渐降低. 0~20、20~40、40~60和60~100 cm土壤有机碳含量均值分别为19.42、9.59、5.99和5.20 g ·kg-1, 各层土壤有机碳含量差异显著.土壤有机碳含量主要集中在0~40 cm土层, 其中0~20和20~40 cm土壤有机碳含量分别占整个剖面有机碳含量的48.31%和23.86%.从土壤有机碳的剖面变化来看, 与上一土层有机碳含量相比, 20~40、40~60和60~100 cm土层土壤有机碳含量分别下降了50.6%、37.5%和13.2%, 呈现出显著的下降趋势, 下降程度随土层深度增加而减缓.从变异系数来看, 各层土壤有机碳含量的变异系数在25.13%~38.20%, 均具有中等强度的空间变异性.
|
表 1 土壤有机碳剖面分布的描述性统计特征 Table 1 Descriptive characteristics of soil organic carbon in the soil profile |
2.2 土壤有机碳剖面分布函数拟合精度评价
表 2分析结果显示, 成都平原区水稻土有机碳剖面分布呈现出显著的递减趋势, 进一步采用指数递减函数分别对研究区171个水稻有机碳的剖面分布进行拟合.结果表明, 各剖面拟合函数R2的均值为0.849.进一步验证实测值与预测值之间的平均误差、平均绝对误差和均方根误差, 分别为-0.271、1.690和2.003 g ·kg-1.以上分析结果表明, 指数递减函数能较好拟合研究区土壤有机碳含量的剖面分布.
|
|
表 2 土壤有机碳剖面分布函数拟合误差分析 Table 2 Error in the soil organic carbon depth function |
2.3 土壤有机碳剖面分布函数参数统计特征
对拟合研究区土壤有机碳剖面分布的指数递减函数参数C和k进行统计分析(表 3), 结果显示参数C和k的变异系数分别为35.98%和36.31%, 均在10%~100%之间, 具有中等程度的空间变异性, 但参数k的变异程度要略高于C.数据正态性检验结果表明, 参数C和k均符合对数正态分布.将原始数据进行对数转换, 以满足后文数据分析要求.
|
|
表 3 指数递减函数参数的描述性统计特征1) Table 3 Descriptive characteristics of the parameters of the exponential decay function |
2.4 空间分析 2.4.1 空间结构特征
半方差分析显示(表 4和图 2), 拟合研究区土壤有机碳剖面分布的指数递减函数参数C和k分别符合球状模型和指数模型.从模型拟合参数来看, 参数C和k块金系数分别55.400%和47.671%, 均在25%~75%之间, 其空间变异主要受气候、成土母质、土壤类型和地形结构性因素和土地利用方式和耕作施肥等随机性因素共同影响[25, 26].这一结果也说明, 成都平原区水稻土壤有机碳剖面分布主要受结构性因素和随机性因素影响共同影响.可以看出, 相比于参数k, 参数C具有更大的块金系数, 表明与地表土壤有机碳含量有关的参数C的空间变异更倾向于受随机性因素影响.
|
|
表 4 指数递减函数参数半方差模型及拟合参数 Table 4 Semi-variance model and fitted parameters for the parameters of the exponential decay function |
|
图 2 指数递减函数参数半方差 Fig. 2 Semi-variance maps for the parameters of exponential decay function |
图 3反映了拟合研究区土壤有机碳剖面分布的指数递减函数参数的空间分布格局.从中可以看出, 参数C和k呈现出由中间逐渐向四周增加的空间分布趋势, 表现出一致的空间分布格局, 表明这2类参数具有空间相关性. 2类参数的高值区呈面状集中分布在研究区的西南部和东北部; 参数C的低值区呈面状分布在研究区中部的郫县, 而参数k的低值区则主要呈斑块状分布在中部区域.
|
图 3 指数递减函数参数空间分布格局 Fig. 3 Spatial pattern maps for the parameters of the exponential decay function |
由表 5可知, 除海拔外, 其余各因素对参数C的空间变异均有显著或极显著影响, 但影响解释差异明显.土属可解释参数C 21.5%的空间变异, 其次是成土母质, 为16.4%.尽管海拔、与河流距离和土地利用方式可解释参数C 2.1%~6.0%的空间变异, 但解释能力远低于土属和成土母质, 说明土属和成土母质是影响参数C空间变异的主控因素.成土母质、土属、亚类及海拔对参数k的空间变异均有显著或极显著影响.土属和成土母质对参数k空间变异的解释能力相近, 约为亚类和海拔的4.5倍, 是影响参数k空间变异的主控因素.可以看出, 土壤类型分类级别中, 土属对两类参数空间变异的解释能力均显著高于亚类, 这一结果表明土属可作为探讨成都平原区土壤类型对土壤有机碳剖面分布影响作用的基本分类单元.
|
|
表 5 影响因素与指数递减函数参数间的回归分析 Table 5 Regression analysis between influencing factors and the parameters of the exponential decay function |
3 讨论 3.1 成都平原区水稻土壤有机碳的剖面分布
本研究结果显示, 成都平原区水稻土有机碳含量在土壤剖面上呈现出显著递减趋势, 这一结果与廖丹[1]和张宏玲等[21]在同一区域的研究结果类似, 也与刘飞等[2]在全国尺度上对水稻土有机碳剖面分布的研究结果保持一致. 0~20 cm土壤有机碳含量均值为19.42 g ·kg-1, 是我国表层水稻土有机碳含量的1.03倍[2], 是全国耕层土壤有机碳含量的1.36倍[28], 表明成都平原区水稻土具有较高的有机碳含量, 对区域乃至全国土壤有机碳储量估算均具有重要意义.与之类似, 郭晶晶[3]和奚小环等[29]通过对比我国典型区域不同土壤类型土壤有机碳储量指出, 成都平原水稻土有机碳密度较高, 具有较大的固碳潜力.本研究中, 0~20和20~40 cm土壤有机碳含量占整个土壤剖面的72.17%, 40 cm以上土壤尤其是表层土壤具有较大的固碳潜力, 是研究成都平原水稻土碳源/汇的关键部分.
3.2 环境因素对水稻土壤有机碳剖面分布的影响土壤性质空间分布格局由气候、成土母质、土壤类型及地形等结构性因素控制, 而不同区域内的土地利用方式、农业管理措施等随机性因素是影响其空间分布局部差异的重要因素[26].本文通过分析拟合土壤有机碳剖面分布的指数递减函数参数的空间结构特征以及参数与环境因素之间的关系, 进而揭示影响研究区水稻土有机碳剖面分布的主控因素.在指数递减函数中, 参数C与地层土壤有机碳含量有关; 参数k控制土壤有机碳剖面变化的速率, 反映了土壤有机碳在整个剖面中的变化情况.半方差结果揭示, 指数递减函数的2类参数的块金系数均在25%~75%之间, 表明研究区水稻土壤有机碳剖面分布主要受结构性因素和随机性因素共同影响.
在影响研究区土壤有机碳剖面分布的6种因素中, 有5种因素对指数递减函数参数C的空间变异有显著或极显著影响; 有4种因素对参数k的空间变异有显著或极显著影响.这一结果说明, 影响地表土壤有机碳含量的因素较影响土壤有机碳垂空间分布的因素更为复杂.张宏玲等[21]在成都市的郫县和新都区开展的研究指出, 在区域尺度上探究成都农田土壤有机碳空间变异及驱动力时应更加注重土壤特征类型的影响力(如颗粒组成、成土母质和亚类).与之类似, 本研究中, 成土母质和土属对2类参数空间变异的解释能力均远高于其余因素, 是影响研究区土壤有机碳剖面分布的主控因素.成都平原母质来源复杂, 不同成土母质发育而来的土壤在养分含量、土壤结构等土壤理化性质方面均存在较大差异[30], 从而导致了土壤有机碳剖面分布的差异, 使得成土母质成为控制研究区土壤有机碳剖面分布的主控因素.土属的划分在亚类的基础上附加考虑了成土母质和成土过程, 进而使得土属的解释能力均远大于亚类, 可作为探讨土壤类型对研究区土壤有机碳剖面分布作用的基本分类单元[31].相比之下, 与河流距离和土地利用方式仅对参数C有显著影响, 海拔仅对参数k有显著影响, 但影响程度均远低于成土母质和土属.土地利用方式主要通过有机物质(有机肥、地表枯落物和秸秆还田等)的输入来影响土壤有机碳含量; 与河流距离的远近不仅揭示了土壤成土过程和成土条件的差异, 还反映了研究区土地利用方式的差异.随着成都市经济发展、农业结构调整, 距离河流相对较远的区域农地利用方式发生变化, 出现了种植花卉苗木的园林用地、农林复合用地和果园等多种用地方式.张宏玲等[21]的研究发现, 轮作制度对成都典型轮作区0~20 cm土壤有机碳密度有显著影响, 对20~40 cm土壤有机碳密度无显著影响, 即土地利用主要影响这一区域表层土壤有机碳密度.因此, 与河流距离和土地利用方式主要通过影响研究区地表土壤有机碳含量进而对土壤有机碳剖面分布产生影响.海拔通过影响区域水热条件的分配进而影响土壤有机碳的输入和转化.研究区处于成都平原的核心区, 海拔高度在447~732 m之间, 但区内地势总体平缓, 同一区县内海拔高差并不明显, 从而削弱了海拔对与地表有机碳含量有关的参数C的影响作用, 是影响研究区水稻土壤有机碳剖面变化速率的重要因素.
4 结论(1) 成都平原区水稻土壤有机碳含量表现出显著的剖面递减趋势, 0~40 cm土壤有机碳含量占整个剖面的质量分数为72.17%, 具有较高的有机碳含量和较大的固碳潜力.
(2) 水稻土剖面分布主要受结构性因素和随机性因素共同影响.拟合水稻土壤有机碳剖面分布的指数递减函数的2类参数具有一致的空间分布格局, 表现出空间相关性.相比于控制土壤有机碳剖面变化速率的参数k, 与地表土壤有机碳含量有关的参数C更倾向于受随机性因素影响.
(3) 成土母质和土属是影响研究区土壤有机碳剖面分布的主控因素, 但海拔、与河流距离和土地利用的作用不容忽视.在拟合成都平原水稻土有机碳剖面分布、构建三维空间预测模型和估算土壤有机碳储量时, 可重点考虑成土母质和土属的影响作用.
| [1] |
廖丹, 于东升, 赵永存, 等. 成都典型区水稻土有机碳组分构成及其影响因素研究[J]. 土壤学报, 2015, 52(3): 517-527. Liao D, Yu D S, Zhao Y C, et al. Composition of organic carbon in paddy soil in typical area of Chengdu and its influencing factors[J]. Acta Pedologica Sinica, 2015, 52(3): 517-527. |
| [2] |
刘飞, 杨柯, 李括, 等. 我国四种典型土类有机碳剖面分布特征[J]. 地学前缘, 2011, 18(6): 20-26. Liu F, Yang K, Li K, et al. Profile distribution of organic carbon of four typical soils in China[J]. Earth Science Frontiers, 2011, 18(6): 20-26. |
| [3] |
郭晶晶, 夏学齐, 杨忠芳, 等. 长江流域典型区域土壤碳库变化及其影响因素[J]. 地学前缘, 2015, 22(6): 241-250. Guo J J, Xia X Q, Yang Z F, et al. Changes of soil carbon pool in typical areas of Changjiang drainage basin and its influencing factors[J]. Earth Science Frontiers, 2015, 22(6): 241-250. |
| [4] |
兰志龙, 赵英, 张建国, 等. 陕北黄土丘陵区不同土地利用方式下土壤碳剖面分布特征[J]. 环境科学, 2018, 39(1): 339-347. Lan Z L, Zhao Y, Zhang J G, et al. Profiled distribution of soil organic and inorganic carbon under different land use types in the Loess Plateau of northern Shaanxi[J]. Environmental Science, 2018, 39(1): 339-347. |
| [5] |
郭洋, 李香兰, 王秀君, 等. 干旱半干旱区农田土壤碳垂直剖面分布特征研究[J]. 土壤学报, 2016, 53(6): 1433-1443. Guo Y, Li X L, Wang X J, et al. Profile distribution of soil inorganic and organic carbon in farmland in arid and semi-arid areas of China[J]. Acta Pedologica Sinica, 2016, 53(6): 1433-1443. DOI:10.11766/trxb201603140654 |
| [6] |
夏品华, 喻理飞, 寇永珍, 等. 贵州高原草海湿地土壤有机碳分布特征及其与酶活性的关系[J]. 环境科学学报, 2017, 37(4): 1479-1485. Xia P H, Yu L F, Kou Y Z, et al. Distribution characteristics of soil organic carbon and its relationship with enzyme activity in the Caohai wetland of the Guizhou Plateau[J]. Acta Scientiae Circumstantiae, 2017, 37(4): 1479-1485. |
| [7] | Chen C, Hu K L, Li H, et al. Three-dimensional mapping of soil organic carbon by combining Kriging method with profile depth function[J]. PLoS One, 2015, 10(6): e0129038. DOI:10.1371/journal.pone.0129038 |
| [8] | Yang R M, Zhang G L, Yang F, et al. Precise estimation of soil organic carbon stocks in the northeast Tibetan Plateau[J]. Scientific Reports, 2016, 6: 21842. DOI:10.1038/srep21842 |
| [9] |
王玉竹, 肖和艾, 周萍, 等. 江汉平原农田土壤有机碳分布与变化特点:以潜江市为例[J]. 环境科学, 2015, 36(9): 3422-3428. Wang Y Z, Xiao H A, Zhou P, et al. Distribution and dynamics of cropland soil organic carbon in Jianghan plain:a case study of Qianjiang city[J]. Environmental Science, 2015, 36(9): 3422-3428. |
| [10] |
石玲, 戴万宏. 安徽省几种主要土壤有机碳含量及其组分研究[J]. 水土保持通报, 2010, 30(2): 145-149. Shi L, Dai W H. Soil organic carbon and its fraction in Anhui Province[J]. Bulletin of Soil and Water Conservation, 2010, 30(2): 145-149. |
| [11] |
顾成军, 史学正, 于东升, 等. 省域土壤有机碳空间分布的主控因子—土壤类型与土地利用比较[J]. 土壤学报, 2013, 50(3): 425-432. Gu C J, Shi X Z, Yu D S, et al. Main factor controlling SOC spatial distribution at the province scale as affected by soil type and land use[J]. Acta Pedologica Sinica, 2013, 50(3): 425-432. |
| [12] |
汤洁, 张雯辉, 李昭阳, 等. 吉林前郭水田土壤有机碳垂向分布规律和储量研究[J]. 环境科学, 2013, 34(7): 2788-2792. Tang J, Zhang W H, Li Z Y, et al. Research on vertical distribution pattern and reserve of organic carbon in paddy field soil of Qianguo, Jilin[J]. Environmental Science, 2013, 34(7): 2788-2792. |
| [13] | Teng M J, Zeng L X, Xiao W F, et al. Spatial variability of soil organic carbon in Three Gorges Reservoir area, China[J]. Science of the Total Environment, 2017, 599-600: 1308-1316. DOI:10.1016/j.scitotenv.2017.05.085 |
| [14] | Wang T, Kang F F, Cheng X Q, et al. Spatial variability of organic carbon and total nitrogen in the soils of a subalpine forested catchment at Mt. Taiyue, China[J]. CATENA, 2017, 155: 41-52. DOI:10.1016/j.catena.2017.03.004 |
| [15] |
马渝欣, 李徐生, 李德成, 等. 皖北平原蒙城县农田土壤有机碳空间变异及影响因素[J]. 土壤学报, 2014, 51(5): 1153-1159. Ma Y X, Li X S, Li D C, et al. Spatial variation of soil organic carbon content in farmland and its influencing factors in Mengcheng County, northern Anhui Plain[J]. Acta Pedologica Sinica, 2014, 51(5): 1153-1159. |
| [16] | Liu F, Zhang G L, Sun Y J, et al. Mapping the three-dimensional distribution of soil organic matter across a subtropical hilly landscape[J]. Soil Science Society of America Journal, 2013, 77(4): 1241-1253. DOI:10.2136/sssaj2012.0317 |
| [17] | Liu F, Rossiter D G, Song X D, et al. A similarity-based method for three-dimensional prediction of soil organic matter concentration[J]. Geoderm, 2016, 263: 254-263. DOI:10.1016/j.geoderma.2015.05.013 |
| [18] | Taghizadeh-Mehrjardi R, Nabiollahi K, Kerry R. Digital mapping of soil organic carbon at multiple depths using different data mining techniques in Baneh region, Iran[J]. Geoderma, 2016, 266: 98-110. DOI:10.1016/j.geoderma.2015.12.003 |
| [19] | Minasny B, McBratney A B, Mendonca-Santos M L, et al. Prediction and digital mapping of soil carbon storage in the Lower Namoi Valley[J]. Australian Journal of Soil Research, 2006, 44(3): 233-244. DOI:10.1071/SR05136 |
| [20] | Kempen B, Brus D J, Stoorvogel J J. Three-dimensional mapping of soil organic matter content using soil type-specific depth functions[J]. Geoderma, 2011, 162(1-2): 107-123. DOI:10.1016/j.geoderma.2011.01.010 |
| [21] |
张宏玲, 于东升, 王宁, 等. 成都典型区轮作与土壤特征类型对有机碳密度影响力比较研究[J]. 土壤, 2014, 46(3): 419-425. Zhang H L, Yu D S, Wang N, et al. Comparative study of crop rotation systems and soil characteristic types influence on organic carbon density of the typical area in Chengdu[J]. Soils, 2014, 46(3): 419-425. |
| [22] | Liu X L, Li T, Zhang S R, et al. The role of land use, construction and road on terrestrial carbon stocks in a newly urbanized area of western Chengdu, China[J]. Landscape and Urban Planning, 2016, 147: 88-95. DOI:10.1016/j.landurbplan.2015.12.001 |
| [23] |
鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000. Lu R K. Methods for agricultural chemical analysis of soil[M]. Beijing: China Agriculture Science and Technology Press, 2000. |
| [24] |
李启权, 王昌全, 岳天祥, 等. 基于定性和定量辅助变量的土壤有机质空间分布预测—以四川三台县为例[J]. 地理科学进展, 2014, 33(2): 259-269. Li Q Q, Wang C Q, Yue T X, et al. Prediction of distribution of soil organic matter based on qualitative and quantitative auxiliary variables:a case study in Santai County in Sichuan Province[J]. Progress in Geography, 2014, 33(2): 259-269. DOI:10.11820/dlkxjz.2014.02.012 |
| [25] |
李珊, 李启权, 张浩, 等. 泸州植烟土壤有效态微量元素含量空间变异及其影响因素[J]. 土壤, 2016, 48(6): 1215-1222. Li S, Li Q Q, Zhang H, et al. Spatial variability of soil available microelement contents and their influencing factors in Luzhou's tobacco planting area, southwestern Sichuan[J]. Soils, 2016, 48(6): 1215-1222. |
| [26] | Abegaz A, Winowiecki L A, Vågen T G, et al. Spatial and temporal dynamics of soil organic carbon in landscapes of the upper Blue Nile Basin of the Ethiopian Highlands[J]. Agriculture, Ecosystems & Environment, 2016, 218: 190-208. |
| [27] |
李丽霞, 郜艳晖, 张瑛. 哑变量在统计分析中的应用[J]. 数理医药学杂志, 2006, 19(1): 51-53. Li L X, Gao Y H, Zhang Y. The application of dummy variable in statistics analysis[J]. Journal of Mathematical Medicine, 2006, 19(1): 51-53. |
| [28] |
杨帆, 徐洋, 崔勇, 等. 近30年中国农田耕层土壤有机质含量变化[J]. 土壤学报, 2017, 54(5): 1047-1056. Yang F, Xu Y, Cui Y, et al. Variation of soil organic matter content in croplands of China over the last three decades[J]. Acta Pedologica Sinica, 2017, 54(5): 1047-1056. |
| [29] |
奚小环, 杨忠芳, 廖启林, 等. 中国典型地区土壤碳储量研究[J]. 第四纪研究, 2010, 30(3): 573-583. Xi X H, Yang Z F, Liao Q L, et al. Soil organic carbon storage in typical regions of China[J]. Quaternary Sciences, 2010, 30(3): 573-583. |
| [30] | 成都市土壤普查成果资料汇编委员会. 成都土壤[M]. 成都: 成都市农牧局, 1993. |
| [31] |
罗由林, 李启权, 王昌全, 等. 四川省仁寿县土壤有机碳空间分布特征及其主控因素[J]. 中国生态农业学报, 2015, 23(1): 34-42. Luo Y L, Li Q Q, Wang C Q, et al. Spatial variability of soil organic carbon and related controlling factors in Renshou County, Sichuan Province[J]. Chinese Journal of Eco-Agriculture, 2015, 23(1): 34-42. |