2025, Vol. 46
2. 西北土地退化与生态恢复国家重点实验室培育基地, 银川 750021;
3. 宁夏大学地理科学与规划学院, 银川 750021
2. Breeding Base for State Key Laboratory of Land Degradation and Ecological Restoration in Northwestern China, Yinchuan 750021, China;
3. College of Geographical Sciences and Planning, Ningxia University, Yinchuan 750021, China
耕地是粮食生产的根本, 土壤是耕地的主体和核心部分, 也是农作物赖以生存的基础, 其质量好坏直接决定着粮食安全和农田生态系统的发展[1]. 盐碱化是目前土壤退化的主要过程之一, 已成为全球土壤损害、农业受害和生态迫害的重要诱因[2]. 准确评价耕地土壤的质量和退化状况, 能够为盐碱地的合理开发利用、障碍消减、地力提升提供理论依据.
土壤退化程度和质量的优劣可以通过土壤退化指数（soil degradation index, SDI）和土壤质量指数（soil quality index, SQI）来定量分析[3]. 近年来, 确定适当的SDI和土壤抗性指数（soil resistance index, SRI）评估土壤资源的退化和可持续利用状况日益受到关注. SDI可以提供关于土壤单项指标相对退化程度的信息, 原理简单且易于计算, 被广泛用来表征土壤退化程度[3~5], 以此做出管理决策[6]. SRI能为响应变量的抵抗力和恢复力提供相对定量度量[7], 能准确表征土壤性质对扰动或退化的响应, 确定土壤之间的稳定性差异[8].
土壤质量的确定方法包括土壤卡、实验试剂盒、SQI的动态模型和地质统计学等[9, 10], 其中SQI建立在将土壤物理、化学和生物等指标整合分析的基础上, 具有内容灵活、统计简易、与土地利用密切相关等特点, 是量化土壤质量最常用的方法之一, 但大量指标的冗余是SQI计算过程中的挑战[9]. 基于降维与模糊数学理论构建的最小数据集（minimum data set, MDS）可筛选出影响土壤质量指数的关键指标, 进而在精准评估的基础上简化评估过程[11]. 这些指标对土壤质量具有最强的敏感性, 同时它们应简单、经济、易于测定, 且具有良好的准确性等特征[12]. MDS确定后, 需要对拟定土壤质量指标的值进行明确定义. 通常用隶属函数（membership function, MF）、线性评分（linear scores, SL）、非线性评分（non-linear scores, SNL）或积分等方法标准化每个指标, 并将其集成到SQI中[9, 13]. MF是模糊数学的重要概念, 通过计算数据集中各指标的临界值来表示其状态[14]. SL法是基于指标对土壤质量变化的敏感性, 建立质量分数和测定数据之间的线性关系[10, 15]. 但也有学者指出质量分数和指标值之间并不存在线性关系, 因此又开发了SNL法来规范数据[16, 17]. 然而, 由于土壤系统的复杂性和土地利用等影响, 不同评价方法可能会出现矛盾结论[18]. 因此, 确定合适的指标标准化方法是特定区域土壤质量评价的重要前提[19].
土壤质量评价的目的是评判土壤质量的优劣, 明确影响土壤质量的障碍因素, 以便采取相应的措施来调控土壤质量[20]. 因此, 需要进一步对土壤质量进行病理诊断. 为简化问题的表达, 不少学者引入“因子贡献度”、“指标偏离度”和“障碍度”等指标[21, 22]. 障碍度模型是在质量综合评价模型的基础上, 对影响土壤质量的障碍因子进行筛选, 确定主要障碍因子[23]. 目前, 障碍模型在农业生产, 尤其是盐碱耕地的研究中应用较少.
黄河上游河套平原位于内蒙古和宁夏境内, 是两区重要的农业区和商品粮基地. 由于独特的地理位置和气候条件, 内蒙古河套地区和宁夏引黄灌区盐碱化耕地面积分别占其耕地总面积的45%和33.54%[24], 但典型盐碱耕地区域土壤退化程度、质量水平及各障碍因素的贡献率还不清楚. 因此, 利用16个土壤基本理化指标确定黄河上游5个典型区SDI、SRI和SQI的特征；基于TDS和MDS两种数据集, 通过MF、SL和SNL法计算SQI, 确定各研究区土壤质量等级. 研究结果可以评价河套平原盐碱耕地退化程度和土壤质量, 为提高黄河上游盐碱耕地地力、选择合理的改良措施提供理论依据.
1 材料与方法 1.1 研究区概况黄河上游河套平原（40°10′~41°20′N, 106°25′~112°00′E）位于宁夏和内蒙古境内, 是黄河沿岸的冲积平原, 属大陆性气候, 年降水量150~285 mm, 昼夜温差大, 地势由西南向东北倾斜. 本研究选择有代表性的盐碱耕地5处（图 1）. 各研究区具体情况如下：红寺堡位于宁夏的地理中心, 是全国最大的易地生态移民扬黄扶贫集中安置区, 土壤浅层以砂壤、粉质壤土为主, 深层多为黏土或重粉质壤土. 惠农位于宁夏引黄灌区下游, 是上游排水排盐的汇集区, 同时受黄河水顶托的影响, 排水受阻, 形成不同程度盐碱地. 西大滩位于宁夏石嘴山市平罗县南部, 碟形洼地, 主要土壤类型为淡灰钙土和龟裂碱土. 杭锦后旗位于内蒙古巴彦淖尔市中西部, 盐碱地面积占总耕地面积的56%, 土壤黏粒和粉粒含量高. 五原位于内蒙古西部, 盐碱地占全县耕地面积的53%, 是巴彦淖尔盐碱地占比最大、类型最全且最具代表性的地区.
|
图 1 研究区在黄河上游河套平原的位置 Fig. 1 Location of the study areas in the Hetao Plain of the upper reaches of the Yellow River |
每个区域选择盐碱耕地约666.7 hm2, 包括非、轻、中、重度盐碱化土壤, 其中6.67 hm2核心区采样尺度为100 m ×100 m, 周边66.7 hm2采样尺度为200 m ×200 m, 其他区域采样尺度为500 m ×500 m. 用土钻采集0~20 cm和20~40 cm土壤样品, 每个样点按梅花形采集5点混合均匀作为该点该层土样. 容重样品用环刀采集. 共采集土样554个, 其中红寺堡106个, 惠农128个, 西大滩108个, 杭锦后旗102个, 五原110个.
1.2.2 土壤理化指标测定共测定土壤理化指标24项[25]：pH值采用电极法（水土比5∶1）；EC采用电导法（水土比5∶1）；容重（BD）采用环刀法；砂粒（sand）、粉粒（silt）和黏粒含量（clay）采用激光粒度仪；有机质（SOM）采用重铬酸钾外加热法；全氮（TN）采用凯氏定氮法；碱解氮（AN）采用碱解扩散法；速效磷（AP）采用Olsen法；速效钾（AK）和缓效钾（SAK）采用火焰光度法；阳离子交换量（CEC）采用铵交换法；CO32-和HCO3-采用双指示剂滴定法, Cl-采用AgNO3滴定法；SO42-采用EDTA滴定法；K+、Na+、Ca2+和Mg2+采用AAS法. 土壤含盐量（TS）采用八大离子加和计算法；钠吸附比（SAR）由Na+、Ca2+和Mg2+含量计算；碱化度（ESP）由Na+和CEC计算得到.
本文选用土壤pH、EC、TS、SAR、ESP、SOM、TN、AN、AP、AK、SAK、CEC、BD、clay、silt和sand共16个指标组成TDS进行土壤质量评价.
1.3 土壤退化指数和抗性指数将每个研究区含盐量和pH值最低的5个样点视为未退化土壤, 通过计算SDI来评估各区域土壤退化程度. 计算公式如下[3]：
|
(1) |
式中, SDI为单个土壤指标的相对变化（%, 即单个土壤特性的退化指数）, PC为各样点的土壤指标, PF为未退化耕地的土壤指标（即5个未退化耕地各项指标的平均值）. 根据具体土壤性质, 该等式用于受负面影响的土壤指标（即越多越好的指标, 包括有机质、养分、CEC）. 对于“越少越好型”指标（如EC、含盐量、pH、ESP）, 公式（1）的分子中使用表达式（PF-PC）. 对于“峰型指标”（如BD、clay、silt、sand）, 小于最佳范围下限值视为“越多越好型”指标, 大于最佳范围上限值视为“越少越好型”指标, 指标最佳范围见表 1. SDI可以是正值或负值, 负值表明土壤退化, SDI值越负, 土壤退化越严重[26].
|
表 1 土壤指标隶属函数曲线转折点取值1） Table 1 Values of turning points in membership function of soil indictors |
SRI计算方程如下：
|
(2) |
式中, SRI值范围从-1~1. SRI值越低, 土壤退化程度越严重, 恢复能力越弱.
1.4 土壤质量评价模型的建立 1.4.1 隶属函数评价法根据农业部提出的《耕地质量等级》（GB/T 33469-2016）[27]中隶属函数确定各评价指标的隶属度.
（1）戒上型函数
这类函数的指标数值越大, 对应的耕地质量水平越高, 但到某一临界值后, 对耕地质量的正贡献效果也趋于恒定, 如本研究中土壤有机质、养分和CEC等.
|
(3) |
式中, f（x）为指标的隶属度；x为样品的实测值；x1和x2分别为指标下、上限值.
（2）戒下型函数
这类函数的指标数值越大, 对应的耕地质量水平越低, 但到某一临界值后, 其对耕地质量的负贡献效果也趋于恒定, 如本研究中土壤含盐量.
|
(4) |
（3）峰型函数
这类指标的数值离一特定的范围距离越近（有最佳范围）, 对应的耕地质量水平越高, 如土壤容重、clay等.
|
(5) |
式中, x1和x4分别为指标下、上限值, x2和x3分别为最佳范围的下、上限值.
结合考虑河套平原土壤属性, 本研究各指标隶属函数曲线转折点取值如表 1所示.
1.4.2 线性评分法通过线性评价模型将每个指标转换为0~1之间无量纲分数[28].
|
(6) |
|
(7) |
式中, SL为线性评分（0~1）, x为指标实测值, L为指标最低值, H为指标最高值. 方程式（6）为“越多越好”型指标评分函数, 方程式（7）为“越少越好”型指
标评分函数. “峰型指标”与SDI中此类指标遵循原则相同.
1.4.3 非线性评分法土壤指标实测值通过非线性评价模型转换为0~1之间适当的分值.
|
(8) |
式中, SNL为介于0~1的土壤指标得分, a为最大得分, 这里取值为1, x为实测值, x0为对应指标的平均值, b为方程的斜率, “越多越好”类型指标被确定为-2.5, “越少越好”类型指标被确定为2.5[29]. “峰型指标”与SDI中此类指标遵循原则相同.
图 2为不同研究区16个土壤评价指标的隶属度、线性和非线性得分情况. 土壤EC、TS、SAR和ESP的隶属度值和SL高于SNL, 土壤AK、SAK、BD和sand的隶属度值高于SL和SNL；各指标SNL整体低于其隶属度和SL.
|
图 2 不同研究区各评价指标的隶属度、线性得分和非线性得分 Fig. 2 Membership degree, linear, and nonlinear scores of soil quality indicators of different study areas based on different methods |
选取表征土壤理化性质的16个指标建立TDS, 利用PCA结合norm值和Pearson相关分析构建MDS[30]. norm值是该指标在由成分组成的多维空间中矢量常模的长度, 长度越长表明指标在所有主成分的综合载荷越大, 解释综合信息的能力就越强. norm值计算公式如下[31]：
|
(9) |
式中, Nik为第i个指标在特征值≥1的前k个主成分上的综合载荷；μik为第i个指标在第k个主成分上的载荷；λk为第k个主成分的特征值.
1.5.2 土壤质量指数建立利用各土壤质量指标的权重和隶属度值（或得分）计算土壤质量指数SQI, 具体计算公式如下：
|
(10) |
式中, Si为第i个评价因子的隶属度值或标准得分, Wi为第i个评价因子的权重, n为各数据集中的参评指标数量. SQI取值范围在0~1, 值越大土壤质量越高. 将SQI按0~0.2、0.2~0.4、0.4~0.6、0.6~0.8和0.8~1.0依次划分为低、较低、中、较高和高质量等级[32].
1.5.3 土壤质量障碍因素诊断障碍度模型采用因子障碍度Oij进行诊断, 然后对障碍度进行排序, 从而确定各障碍因子的主要和次要关系. 本文参照Cui等[20]的计算方法：
|
(11) |
其中, Oij为第i研究区中第j个指标的障碍值, Oij越大, 指标对系统目标实现的阻力越大, Fij为因素的贡献程度, Wij为指标的权重. 将指标障碍度划分为无障碍（0）、轻度障碍（0~10%）、中度障碍（10%~20%）和重度障碍（≥20%）这4个等级[33].
1.6 数据处理应用SPSS 26.0对数据进行PCA分析, Excel进行线性拟合, R语言绘制理化指标相关性矩阵图.
2 结果与分析 2.1 土壤属性描述性统计分析各研究区土壤基本理化特征见表 2. 5个研究区均存在不同程度的盐碱化问题, 其中五原土壤pH平均值最高（大于9.0）, 红寺堡地区相对最低. 杭锦后旗EC最低, 红寺堡0~40 cm土壤EC普遍较低, 但有15个样点高于3 000 µS·cm-1, 因此其均值显著高于其他研究区, 该区域SOM、养分（AP除外）和砂粒含量显著低于其他研究区；惠农土壤SOM和养分水平普遍相对较高, 五原和杭锦后旗土壤BD最大. 与0~20 cm土壤相比, 20~40 cm土壤pH略有上升, SAR、TS、ESP、SOM和养分都普遍降低.
|
|
表 2 不同研究区土壤属性统计特征1） Table 2 Statistical characters of soil properties in different study areas |
2.2 不同研究区土壤SDI和SRI特征
从不同研究区各土壤指标的SDI来看[图 3（a）], 红寺堡土壤SDI的ESP值最低（-265.84）, 其次为五原SAR（-198.98）, 最大值为惠农AK（60.37）. 5个研究区的16个指标中, 只有少数指标的SDI值大于0（如杭锦后旗clay、红寺堡和西大滩CEC、大部分地区AK）, 其他指标SDI均为负值. 不同研究区中, 杭锦后旗土壤TS的SRI最低[-0.634 7, 图 3（b）], 惠农silt的SRI最高（0.878 8）. 5个研究区土壤SAR、ESP、EC和TS的SRI值均为负值, 除惠农AP外, 其他指标的SRI值均为正值. 因此, 与其他指标相比, 土壤EC、SAR、TS和ESP对土壤退化更敏感.
|
图 3 土壤理化指标的SDI、SRI、SDI与SRI均值及其相关性 Fig. 3 SDI and SRI values of soil physico-chemical indicators, average of indices, and the relationship between two indices |
所有研究区相同指标SDI的平均值结果表明, 土壤SAR的SDI值最低[图 3（c）], 其次为ESP和EC, 显著低于其他指标, 其他指标间SDI无明显差异, 除BD、silt、sand和AK外均为负值. 16个指标的SDI平均值为-34.58, 说明土壤质量整体上呈显著退化状态. 5个研究区所有指标中, TS的SRI最低[-0.485 8, 图 3（c）], 其次为SAR, silt的SRI最高（0.715 1）. 所有指标的SRI均值和SDI均值的变化趋势大体相同, 两种指标呈极显著相关关系[R2=0.838 4, P < 0.001, 图 3（d）], 表明这两个指数都可以用于评价河套平原土壤盐渍化导致的土壤质量退化程度, 但SDI值的变化区间更大, 表现更明显.
2.3 土壤质量评价指标体系 2.3.1 建立最小数据集采用PCA确定土壤各指标权重, 避免人为主观影响. 选取特征值大于1.0的主成分, 入选的5个主成分累计贡献率为76.46%, 基本满足对信息提取的要求（表 3）. 在各主成分中, 通过norm值（最高norm值10%范围内）及各指标相关性判定是否入选MDS. 通过特征向量值选取的评价指标PC1为SOM、TN、silt、sand；PC2为EC、TS和SAR；PC3为clay；PC4为pH；PC5为AK, 共10个指标入选MDS.
|
|
表 3 主成分载荷矩阵及各因子norm值和权重1） Table 3 Principal component (PC) loading matrix, norms, and weights of soil quality indicators in the total data set |
由图 4各指标的相关性可知, PC1中SOM、TN、silt和sand均达极显著相关水平, 故保留norm值最大的TN；PC2中EC、TS和SAR相关性也均达极显著水平, 保留norm最大的EC；PC3、PC4和PC5都只有一个指标, 故均保留. 因此, 通过MDS构建, 从原来16个评价指标中筛选出5个, 最终进入MDS的指标为土壤TN、EC、clay、pH和AK. 指标筛选过滤率达68.75%, 极显著地简化了评价指标体系.
|
n = 554；*表示P < 0.05；**表示P < 0.01；***表示 P < 0.001；色柱表示相关系数的大小 图 4 土壤质量指标的相关性矩阵图 Fig. 4 Correlation matrix of soil quality indicators |
分别对TDS与MDS中各指标进行PCA分析, 得到各指标的公因子方差, 确定其权重（表 3）. 然后采用MF、SL和SNL分别对TDS和MDS计算SQI值. 此处列出基于全数据集-隶属函数法（TDS-MF）和最小数据集-非线性评分法（MDS-SNL）计算SQI的公式：
|
(12) |
|
(13) |
式（12）中各指标为根据式（3）~（5）计算出的相应隶属度值, 式（13）中各指标为根据式（8）计算出的相应得分.
从表 4不同评价方法计算出的SQI看出, 红寺堡SQI值最低, 其次为西大滩, 惠农SQI值最高, 五原SQI也较高. 从5个研究区整体SQI平均值来看, 不同方法得到的SQI值差异较大：SQI（MDS-SL） > SQI（TDS-MF） > SQI（MDS-MF） > SQI（TDS-SL） > SQI（TDS-SNL） > SQI（MDS-SNL）, 6种SQI值在不同研究区顺序不尽相同. 选用《耕地质量等级》推荐的隶属函数法计算的SQI（TDS-MF）为参考值, SQI（MDS-SL）平均值与参考值差异最小（高0.011 7）, SQI（MDS-SNL）平均值与参考值相差最大（低0.108 5）.
|
|
表 4 不同评价方法各研究区SQI特征值 Table 4 The SQI values of soil from different study areas based on different methods |
2.3.3 最小数据集合理性验证分析
MDS选择的合理性直接影响土壤质量评价的准确性. 5种SQI值与参考值SQI（TDS-MF）均存在良好的线性关系（图 5）, 说明采用这些方法都可以代表TDS-MF法来评价河套平原盐碱农田土壤质量. 其中, SQI（TDS-SNL）与SQI（TDS-MF）的线性R2达到0.715 6, 其次为SQI（MDS-MF）（0.658 7）, SQI（MDS-SL）线性R2最低.
|
图 5 不同评价方法下SQI之间的关系（n=554） Fig. 5 Relationship between soil quality index values based on different methods (n = 554) |
以SQI（TDS-MF）为参考值, 其他5种SQI与该指数都呈极显著相关（表 5）, 其中SQI（TDS-SNL）与其相关性最强；基于最小数据集的3种指数中, SQI（MDS-MF）与该指数相关性最强, SQI（MDS-SNL）次之. 因此, 在河套平原盐碱农田土壤质量评价中, 非线性评分法表现优于线性评分.
|
|
表 5 不同评价方法下SQI之间的关系1） Table 5 Correlation matrix of soil quality indices based on different methods |
2.3.4 不同研究区不同等级土壤质量占比情况
从各研究区土壤质量等级所占比例来看（图 6）, 红寺堡土壤质量等级最低, 其次为西大滩, 惠农土壤质量等级最高. 以TDS-MF计算出的土壤质量等级为例：红寺堡较高土壤质量等级约占14.29%, 中等和偏低等级占85.71%；惠农高质量等级占2.34%, 较高等级占67.97%, 中等级占29.69%；从5个研究区的平均值来看, 中、低质量等级占54.05%, 较高质量占45.48%. 不同评价方法所得到的土壤质量等级有不同程度的差异：TDS-MF、MDS-MF和TDS-SL计算出的质量等级相对一致, MDS-SL计算出的等级相对最高, 而MDS-SNL计算出的等级相对最低.
|
S1：TDS-MF, S2：MDS-MF, S3：TDS-SL, S4：TDS-SNL, S5：MDS-SL, S6：MDS-SNL；图例为土壤质量等级 图 6 基于不同评价方法的各研究区土壤质量等级所占比例 Fig. 6 Proportion of soil quality grades in different study areas based on different methods |
基于TDS-MF法计算出的障碍度介于10%~20%的中度障碍指标有TN、SOM、AN、pH和CEC（图 7）, 其他指标均为轻度障碍（小于10%）. 除红寺堡外其他地区的pH、除惠农外的SOM、除惠农和五原外的TN、所有研究区的AN、惠农的AP和silt等障碍度都大于10%, 5个研究区EC障碍度介于0.89~1.88, TS介于1.87~3.04, 因此, 本文所选研究区整体碱化障碍比盐化障碍重. 同时, 土壤有机质和养分含量低也是各研究区土壤质量处于中低等级的主要原因（如红寺堡和西大滩有机质及养分的障碍度之和分别达到62.22%和59.47%）.
|
图 7 基于TDS-MF的不同研究区各土壤障碍度 Fig. 7 Degree of soil constraints based on TDS-MF in different study areas |
在选用的16个指标中, 红寺堡土壤EC的SDI低至-265.84, 原因一是由于土壤EC的变异性最强、范围最大, 二是在供试的554个土样中, EC高于3 000 µS·cm-1的样品有22个, 其中15个属于红寺堡, 导致该地区EC的SDI急剧下降. SDI和SRI结果表明, 土壤SAR、ESP和EC对土壤退化更敏感. Zahedifar[3]和Raiesi等[8]研究指出, 与其他指标相比, 土壤CLOM、SOC、CEC、Zn、N、MBN和MBC更易受管理和土地利用变化的影响, 与本研究的敏感指标不一致, 这是由于本文研究对象是盐碱化耕地, 最主要、最直观的就是盐碱化指标, 且SAR、ESP和EC变异性强, 采用SDI和SRI更能凸显由于盐碱障碍造成的土壤退化程度. 因此, SDI和SRI是评价土地利用变化后土壤质量变化趋势的有用参数[33].
评价指标的选择是土壤质量评价的核心, 直接关系到评价结果的客观性和准确性, 如果采用的指标过多, 且获取难度较大, 虽准确性高但实用性不强[34]. 基于MDS建立的土壤质量评价指标体系中入选频率较高的指标包括土壤BD、clay、pH、TN、silt、sand、SOM、孔隙度和TP等[35]. 本文选用与作物生长密切相关的16个土壤基本理化指标, 筛选后有5个入选MDS, 过滤率达68.75%, 显著简化了评价指标体系, 且最大程度消除了指标间因信息重叠对评价结果造成的影响. 该MDS包括体现土壤盐碱化的EC和pH, 养分指标AN和AK, 还有物理性质clay, 涵盖指标类型全, 能够较全面地反映土壤质量水平. 在评价指标标准化方面, Nabiollahi等[28]在对伊朗Kurdistan省、Yu等[36]对我国东北地区的研究中指出, SNL法在土壤质量指数计算结果接近实际情况, 比SL更能代表系统功能[37, 38]. 本研究表明, 黄河上游盐碱农田采用SNL方法计算出的SQI与TDS-SQI相关性更强, 说明SNL法也适用于我国西北地区. 在具体评价过程中, 不同方法各有优劣：MF法需要根据区域实际情况或经验确定隶属函数转折点阈值, 主观性较强, 如果能准确确定取值, 计算出的SQI值更能反映研究区土壤质量状况；SL和SNL法则是根据测定数据确定每个指标的最大值、最小值和平均值, 相对简单、客观, 但如果指标的变异性较强, 其得分容易失真. SQI（TDS-SNL）与SQI（TDS-MF）线性R2最大、相关性也最强. 因此, 在不能确定指标隶属函数转折点取值的情况下, 评分法也可以准确评价土壤质量, 非线性评分法结果更优, 但需要注意的是, 该方法计算出的SQI值偏低.
客观来讲, 在指标组成上, 本研究更多关注了土壤基本理化性质而忽略了土壤的垂直构造特征, 如耕层穿透阻力、土壤抗剪强度、障碍层厚度等[39], 这也是本研究后续土壤质量评价过程中应关注的指标. 坡度也是许多研究强调的重要指标[35], 但本研究除红寺堡外, 其他4个研究区均地势平坦, 坡度可以忽略, 故未选用. 此外, 本研究未引入粮食产量数据, 今后的研究需考虑将作物产量与土壤质量相结合, 实现点对点分析, 从而提升各区域土壤质量评价的准确度. 本研究的评价指标体系也没有涉及土壤生物与环境健康指标, 这是由于该区域生态系统较脆弱, 土壤生物量总体较低[40], 且该区域中低产田作物产量低, 目前土壤健康指标并不是主要的质量障碍因素[41]. 同时, 土壤生物学和环境健康指标测定条件高且操作复杂, 基于此提出的土壤质量评价方法虽然更准确但不易推广.
3.2 研究区土壤障碍度分析本研究土壤各指标障碍因素分析表明, 红寺堡虽然土壤含盐量较高, 但与低水平的SOM、TN、AN和CEC（障碍度都大于10%）相比, 盐碱并不是该地区中低产田最主要的障碍因素. 该结果与SDI、SRI结果不一致, 主要是它们的原理和计算公式不同导致. 因此, 不同的评价方法结论也不尽相同. 惠农SOM障碍度最低, 但pH、AP、silt和CEC障碍度均最高, 但这并不意味着这些条件都比其他研究区差, 是因为16个指标的总障碍度为100%, 这些指标在惠农本区域相对较差, 因此障碍度较高. 西大滩是典型的龟裂碱土, 其特点是ESP高、SOM和养分含量都较低, 因此ESP的障碍度高于其他地区, 因此, 除了提高SOM和养分含量, 西大滩降低ESP的需求也大于其他地区. 杭锦后旗与五原的土壤silt和sand障碍度差异较大, 其他指标障碍度相近. 因此, 提升土壤肥力、改善土壤质地、降低土壤盐碱化程度, 是河套平原粮食产量中、低产区构建合理耕层的主要目标[42].
从障碍类型看, 研究区低质量土壤主要存在肥力限制型障碍, 主要表现为SOM和含氮量障碍度高. 相较于低质量研究区, 中质量土壤质地型、盐碱型和养分限制型障碍共存, 主要表现为silt、pH、AN、AP障碍度相对都较高, 但彼此差异相对较小. 本研究土壤盐碱化指标与其他理化指标的相关性表明, 土壤EC、TS与SOM关系不显著, 但SAR与SOM极显著负相关, EC、TS、SAR与TN、SAK都呈极显著负相关关系, 说明土壤盐化最直接的后果是导致肥力限制型障碍（如红寺堡） [43]. 土壤pH与SOM、AN、AP、CEC均呈极显著负相关关系, 但与AK、SAK、BD及sand极显著正相关, 因此五原和杭锦后旗土壤除了肥力限制型障碍（但钾含量较丰富）外, 质地型障碍（BD和silt障碍度高）也较为突出[44]. 需要注意的是, 研究区土壤pH、EC对SOM、养分及质地的影响并不一致, 但反映碱化程度的ESP与SOM及养分等指标的关系和EC、TS及SAR对这些指标的影响却一致, 这也说明土壤是一个复杂的生态系统, 指标间的关系也是错综复杂的. 从5个研究区平均障碍度来看, 不同类型盐碱耕地土壤肥力都普遍低下, 碱胁迫重于盐胁迫, 土壤质地较差, 再加上引黄灌区的自然条件和水文地质条件导致水盐运动活跃, 土壤盐碱化风险仍较高, 因而研究区肥料施用应以有机肥为主, 同时应加强该区域的排水出路以降低地下水位, 并针对砂粒或黏粒含量高等不良质地增施有机物料[15].
4 结论（1）与其他指标相比, 土壤EC、SAR、TS和ESP对SDI和SRI更敏感. SAR的SDI最低, 其次为ESP和EC, 其他指标间SDI无明显差异. 5个研究区土壤质量整体呈显著退化状态. SRI和SDI平均值呈极显著相关关系, 2种指数都可用于评价河套平原土壤盐碱化导致的土壤退化程度.
（2）MDS包括土壤TN、EC、clay、pH和AK共5项指标, 可以解释全数据集16项初选指标76.46%的信息, 能够对河套平原盐碱土壤质量进行评价.
（3）6种评价方法计算的SQI平均值从大到小的顺序为：SQI（MDS-SL） > SQI（TDS-MF） > SQI（MDS-MF） > SQI（TDS-SL） > SQI（TDS-SNL） > SQI（MDS-SNL）. 各方法SQI都极显著相关, 其中SQI（TDS-SNL）与SQI（TDS-MF）相关系数最大. 评分法中, SNL表现优于SL, 但其SQI值偏小.
（4）整个地区土壤质量以中、低等级为主；惠农较高质量土壤占比最大, 其次为五原；红寺堡土壤等级最低（中、低等级土壤占85.71%）. 各研究区都主要面临土壤有机质和养分限制型障碍（尤其是红寺堡）, 惠农、五原和杭锦后旗还存在质地障碍, 西大滩存在碱胁迫.
| [1] |
白雪源, 张杰, 崔振岭, 等. 中低产田评价指标与主要方法研究进展[J]. 土壤学报, 2023, 60(4): 913-924. Bai X Y, Zhang J, Cui Z L, et al. Advances in the indicator and assessment approaches of medium-low yield fields[J]. Acta Pedologica Sinica, 2023, 60(4): 913-924. |
| [2] |
王忠静, 于蘇越, 许兴. 基于文献计量学的土壤盐渍化研究动态定量综述[J]. 清华大学学报(自然科学版), 2024, 64(2): 303-317. Wang Z J, Yu S Y, Xu X. Quantitative review of soil salinization research dynamics based on bibliometric analysis[J]. Journal of Tsinghua University (Science and Technology), 2024, 64(2): 303-317. |
| [3] | Zahedifar M. Assessing alteration of soil quality, degradation, and resistance indices under different land uses through network and factor analysis[J]. CATENA, 2023, 222. DOI:10.1016/j.catena.2022.106807 |
| [4] | Adejuwon J O, Ekanade O. A comparison of soil properties under different landuse types in a part of the Nigerian cocoa belt[J]. CATENA, 1988, 15(3-4): 319-331. DOI:10.1016/0341-8162(88)90054-9 |
| [5] | Zhang M C, Sparrow S D, Van Veldhuizen B, et al. Soil quality under different land uses in a subarctic environment in Alaska[J]. Journal of Land Use Science, 2012, 7(1): 109-121. DOI:10.1080/1747423X.2010.537788 |
| [6] | Moebius-Clune B N, Van Es H M, Idowu O J, et al. Long-term soil quality degradation along a cultivation chronosequence in western Kenya[J]. Agriculture, Ecosystems & Environment, 2011, 141(1-2): 86-99. |
| [7] | Orwin K H, Wardle D A. New indices for quantifying the resistance and resilience of soil biota to exogenous disturbances[J]. Soil Biology and Biochemistry, 2004, 36(11): 1907-1912. DOI:10.1016/j.soilbio.2004.04.036 |
| [8] | Raiesi F, Beheshti A. Evaluating forest soil quality after deforestation and loss of ecosystem services using network analysis and factor analysis techniques[J]. CATENA, 2022, 208. DOI:10.1016/j.catena.2021.105778 |
| [9] | Rezaee L, Moosavi A A, Davatgar N, et al. Soil quality indices of paddy soils in Guilan province of northern Iran: spatial variability and their influential parameters[J]. Ecological Indicators, 2020, 117. DOI:10.1016/j.ecolind.2020.106566 |
| [10] | Andrews S S, Karlen D L, Mitchell J P. A comparison of soil quality indexing methods for vegetable production systems in northern California[J]. Agriculture, Ecosystems & Environment, 2002, 90(1): 25-45. |
| [11] |
桑亚转, 尤杨, 李多才, 等. 放牧对祁连山高寒典型草原土壤质量的影响[J]. 生态学报, 2023, 43(15): 6364-6377. Sang Y Z, You Y, Li D C, et al. Effect of grazing on soil quality of typical alpine steppe in Qilian Mountains[J]. Acta Ecologica Sinica, 2023, 43(15): 6364-6377. |
| [12] | Vasu D, Tiwari G, Sahoo S, et al. A minimum data set of soil morphological properties for quantifying soil quality in coastal agroecosystems[J]. CATENA, 2021, 198. DOI:10.1016/j.catena.2020.105042 |
| [13] | Mozaffari H, Moosavi A A, Cornelis W. Vis-NIR-spectroscopy- and loss-on-ignition-based functions to estimate organic matter content of calcareous soils[J]. Archives of Agronomy and Soil Science, 2023, 69(6): 962-980. |
| [14] | Qi Y B, Darilek J L, Huang B, et al. Evaluating soil quality indices in an agricultural region of Jiangsu Province, China[J]. Geoderma, 2009, 149(3-4): 325-334. |
| [15] | Zhang J H, Ding Q D, Wang Y J, et al. Soil quality assessment and constraint diagnosis of salinized farmland in the Yellow River irrigation area in northwestern China[J]. Geoderma Regional, 2023, 34. DOI:10.1016/j.geodrs.2023.e00684 |
| [16] | Bi C J, Chen Z L, Wang J, et al. Quantitative assessment of soil health under different planting patterns and soil types[J]. Pedosphere, 2013, 23(4): 194-204. |
| [17] | Bunemann E K, Bongiorno G, Bai Z G, et al. Soil quality-a critical review[J]. Soil Biology & Biochemistry, 2018, 120: 105-125. |
| [18] | Deng Y L, Wang Z C, Lu S, et al. Soil quality assessment via the factor analysis of karst rocky desertification areas in Hunan, China[J]. Soil Use and Management, 2022, 38(1): 248-261. |
| [19] | Raiesi F. A minimum data set and soil quality index to quantify the effect of land use conversion on soil quality and degradation in native rangelands of upland arid and semiarid regions[J]. Ecological Indicators, 2017, 75: 307-320. |
| [20] | Cui X F, Cai T, Deng W, et al. Indicators for evaluating high‑quality agricultural development: empirical study from Yangtze River Economic Belt, China[J]. Social Indicators Research, 2022, 164(3): 1101-1127. |
| [21] |
彭补拙, 安旭东, 陈浮, 等. 长江三角洲土地资源可持续利用研究[J]. 自然资源学报, 2001, 16(4): 305-312. Peng B Z, An X D, Chen F, et al. A study on sustainable land use in the Yangtze River Delta[J]. Journal of Natural Resources, 2001, 16(4): 305-312. |
| [22] |
江娜, 史东梅, 曾小英, 等. 土壤侵蚀对紫色土坡耕地耕层障碍因素的影响[J]. 土壤学报, 2022, 59(1): 105-117. Jiang N, Shi D M, Zeng X Y, et al. Influence of soil erosion on the obstacle factors of cultivated layer in purple sloping farmland[J]. Acta Pedologica Sinica, 2022, 59(1): 105-117. |
| [23] |
王琪琪, 濮励杰, 朱明, 等. 沿海滩涂围垦区土壤质量演变研究——以江苏省如东县为例[J]. 地理科学, 2016, 36(2): 256-264. Wang Q Q, Pu L J, Zhu M, et al. Soil quality evolution in coastal reclamation zones: a case study of Rudong County of Jiangsu Province[J]. Scientia Geographica Sinica, 2016, 36(2): 256-264. |
| [24] |
白小龙, 张恩, 武晋民, 等. 不同改良物料对盐碱土壤真菌群落结构的影响[J]. 环境科学, 2024, 45(6): 3562-3570. Bai X L, Zhang E, Wu J M, et al. Effects of different modified materials on soil fungal community structure in saline-alkali soil[J]. Environmental Science, 2024, 45(6): 3562-3570. |
| [25] | 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000, (第三版). |
| [26] | Zhao Q H, Liu S L, Deng L, et al. Soil degradation associated with water-level fluctuations in the Manwan Reservoir, Lancang River Basin[J]. CATENA, 2014, 113: 226-235. DOI:10.1016/j.catena.2013.08.007 |
| [27] | GB/T 33469-2016, 耕地质量等级[S]. |
| [28] | Nabiollahi K, Golmohamadi F, Taghizadeh-Mehrjardi R, et al. Assessing the effects of slope gradient and land use change on soil quality degradation through digital mapping of soil quality indices and soil loss rate[J]. Geoderma, 2018, 318: 16-28. DOI:10.1016/j.geoderma.2017.12.024 |
| [29] | Zhang C, Xue S, Liu G B, et al. A comparison of soil qualities of different revegetation types in the Loess Plateau, China[J]. Plant and Soil, 2011, 347(1-2): 163-178. |
| [30] | Masto R E, Chhonkar P K, Singh D, et al. Alternative soil quality indices for evaluating the effect of intensive cropping, fertilisation and manuring for 31 years in the semi-arid soils of India[J]. Environmental Monitoring and Assessment, 2008, 136(1): 419-435. |
| [31] | Guo L L, Sun Z G, Ouyang Z, et al. A comparison of soil quality evaluation methods for Fluvisol along the lower Yellow River[J]. CATENA, 2017, 152: 135-143. |
| [32] |
朱鸣鸣, 徐镀涵, 陈光燕, 等. 基于最小数据集的喀斯特不同利用方式下土壤质量评价[J]. 草地学报, 2021, 29(10): 2323-2331. Zhu M M, Xu D H, Chen G Y, et al. Assessment on soil quality under different land use patterns in Karst area based on minimum data set[J]. Acta Agrestia Sinica, 2021, 29(10): 2323-2331. |
| [33] | Cambardella C A, Moorman T B, Andrews S S, et al. Watershed-scale assessment of soil quality in the loess hills of southwest Iowa[J]. Soil and Tillage Research, 2004, 78(2): 237-247. |
| [34] |
梅楠, 谷岩, 李德忠, 等. 基于最小数据集的吉林省黑土耕层土壤质量评价[J]. 农业工程学报, 2021, 37(12): 91-98. Mei N, Gu Y, Li D Z, et al. Soil quality evaluation in topsoil layer of black soil in Jilin Province based on minimum data set[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(12): 91-98. |
| [35] |
李鹏飞, 张兴昌, 郝明德, 等. 基于最小数据集的黄土高原矿区复垦土壤质量评价[J]. 农业工程学报, 2019, 35(16): 265-273. Li P F, Zhang X C, Hao M D, et al. Soil quality evaluation for reclamation of mining area on Loess Plateau based on minimum data set[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(16): 265-273. |
| [36] | Yu P J, Han D L, Liu S W, et al. Soil quality assessment under different land uses in an alpine grassland[J]. CATENA, 2018, 171: 280-287. |
| [37] |
王军, 顿耀龙, 郭义强, 等. 松嫩平原西部土地整理对盐渍化土壤的改良效果[J]. 农业工程学报, 2014, 30(18): 266-275. Wang J, Dun Y L, Guo Y Q, et al. Effects of land consolidation on improvement of salinity soil in Western Songnen Plain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(18): 266-275. |
| [38] | Raiesi F, Kabiri V. Identification of soil quality indicators for assessing the effect of different tillage practices through a soil quality index in a semi-arid environment[J]. Ecological Indicators, 2016, 71: 198-207. |
| [39] |
卓志清, 李勇, 勾宇轩, 等. 基于最小数据集的东北旱作区耕层质量评价与障碍诊断[J]. 农业机械学报, 2021, 52(9): 321-330. Zhuo Z Q, Li Y, Gou Y X, et al. Quality evaluation and obstacle diagnosis of plough horizon based on minimum data set in dry farming region of Northeast China[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(9): 321-330. |
| [40] |
刘秉儒, 张文文, 李学斌. 贺兰山不同林分凋落物微生物群落特征与影响因素[J]. 生态学报, 2021, 41(20): 8145-8158. Liu B R, Zhang W W, Li X B. Microbial community characteristics and influencing factors of litter in different forest stands in Helan mountains[J]. Acta Ecologica Sinica, 2021, 41(20): 8145-8158. |
| [41] |
张俊华, 陈睿华, 刘吉利, 等. 宁夏养牛场粪污和周边土壤中抗生素及抗生素抗性基因分布特征[J]. 环境科学, 2021, 42(6): 2981-2991. Zhang J H, Chen R H, Liu J L, et al. Distribution characteristics of antibiotics and antibiotic resistance genes in manure and surrounding soil of cattle farms in Ningxia[J]. Environmental Science, 2021, 42(6): 2981-2991. |
| [42] |
杨劲松, 姚荣江, 王相平, 等. 中国盐渍土研究: 历程、现状与展望[J]. 土壤学报, 2022, 59(1): 10-27. Yang J S, Yao R J, Wang X P, et al. Research on salt-affected soils in China: history, status quo and prospect[J]. Acta Pedologica Sinica, 2022, 59(1): 10-27. |
| [43] | Seo B S, Jeong Y J, Baek N R, et al. Soil texture affects the conversion factor of electrical conductivity from 1∶5 soil-water to saturated paste extracts[J]. Pedosphere, 2022, 32(6): 905-915. |
| [44] |
陈贺婷. 碱化土壤障碍因子消减途径与地力提升技术研究[D]. 银川: 宁夏大学, 2023. Chen H T. Study on the way of reducing obstacle factors of alkalized soli and the technology improving soil fertility[D]. Yinchuan: Ningxia University, 2023. |