2025, Vol. 46
2. 宁波大学植物病毒学研究所，农产品质量安全危害因子与风险防控国家重点实验室，宁波 315211;
3. 宁波市农业技术推广总站，宁波 315000;
4. 浙江省城市环境过程与污染控制重点实验室，宁波（北仑）中科海西产业技术创新中心，宁波 315830;
5. 宁波市农业科学研究院，宁波 315101
, QIN Fang-jin3 , WANG Shuang2 , WANG Cong1
, ZHU Zhen-ke2 , LI Gang4 , JIN Shu-quan5 , GE Ti-da2
2. State Key Laboratory for Managing Biotic and Chemical Threats to the Quality and Safety of Agro-products, Institute of Plant Virology, Ningbo University, Ningbo 315211, China;
3. Ningbo General Station of Agricultural Technology Extension, Ningbo 315000, China;
4. Zhejiang Key Laboratory of Urban Environmental Processes and Pollution Control, CAS Haixi Industrial Technology Innovation Center in Beilun, Ningbo 315830, China;
5. Ningbo Academy of Agricultural Science, Ningbo 315101, China
粮食安全不仅是社会稳定的坚实基础，也是维护国家安全的重要保障[1]. 耕地是粮食生产的重要载体，其利用方式的变化将直接决定粮食生产能力，深刻影响国家粮食安全格局[2]. 近年来，受到农村农业结构调整[3]、劳动力转移[4]和种粮收益较低[5]等因素影响，我国耕地流转面积增加，部分地区的耕地非粮化现象突出[6]，全国耕地非粮化已达到27%以上[5]，这对粮食安全造成了一定的威胁. 2020年11月，国务院办公厅印发的《关于防止耕地非粮化稳定粮食生产的意见》明确指出要防止耕地非粮化、稳定粮食生产，牢牢守住国家粮食安全的生命线[7]；2023年12月通过的《粮食安全保障法》指出要严格控制耕地转为林地、草地、园地等其他农用地，禁止违规占用耕地绿化造林、挖湖造景[8]. 这一系列关于防止耕地非粮化和保护粮食安全的制度和政策的出台，引起了全社会对耕地非粮化的广泛关注.
耕地非粮化的概念目前尚未统一，广义上是指农业经营者受自然和经济因素驱动将耕地利用方式由粮食生产转变为其他农业经营形式[9]；狭义上是指把种植粮食的土地用来进行农业设施建设、经济作物种植、畜牧养殖、水产养殖或苗木种植等行为[10]. 有研究发现，过度非粮化会使得土壤出现耕作层剥离、酸化、盐渍化、表土重金属富集以及养分元素失衡等障碍问题[5]，同时还会影响土壤酶活性. 例如，种植苗木时常采用带土移栽措施，这可能会导致耕层土壤逐渐剥离，深层土壤板结[11]；长期种植果树的土壤翻耕扰动少，表层土壤粘粒淀积，导致果园土壤容重高且板结严重[12]；耕地长期种植药用植物后，土壤粘化现象明显，有效磷、有效铁、有效锰和有效锌等养分明显降低[13]；退耕还林可能会影响表层土壤中重金属含量和富集速度[14]. 以上土壤问题的出现对保障我国粮食安全构成了极大的挑战. 因此，了解土壤健康状况和明确主要障碍因子，对后续非粮化耕地生产力的恢复尤其重要，对粮食安全及非粮化耕地的可持续发展也具有重要意义.
土壤健康是指土壤作为一个重要的生命系统，在土地使用范围内维持动植物生产力、保持或提高水和空气质量、促进动植物健康等方面发挥可持续性作用的能力[15]. 土壤健康评价可以在一定程度上判断土壤的现状和变化情况[16]. 合适的评价指标、合理的权重分配、适当的综合评价方法是影响土壤健康评价结果的关键，因此土壤健康评价过程一般分为指标筛选、指标量化和指标整合这3个步骤，最终获得土壤健康综合评价结果[17]. 目前，指标筛选方法应用最广泛的是主成分分析法、相关性分析结合Norm值构建最小数据集（minimum data set，MDS）[18]. 关于土壤健康评价的方法很多，这些方法通常采用针对特定土壤功能的土壤质量指标进行土壤健康评价，使不同指标之间无法进行绝对值的比较，且单个指标对土壤退化的敏感性取决于退化方向、特定的退化因素和退化类型，导致个体的物理、化学和生物性质在最终的土壤质量指数分数中权重不同[19 ~ 21]. 而土壤质量指数面积法[21，22]是基于对影响土壤质量指数的所有土壤指标在雷达图上的面积进行比较而得出的，该方法区别于之前的土壤质量指标评价方法，可快速简单比较土壤各项指标和土壤整体的变化. 敏感性-抗性法[21，22]反映了土壤各指标对有机碳含量下降的敏感性，是一种比较特定情况下的土壤健康评价方法. 这两种方法克服了传统土壤健康评价方法的缺点，可应用于基础和应用研究、决策者评估土地利用和土壤退化程度.
宁波市现有粮食功能区面积约5.35万hm2（约80.2万亩），其中粮功区的非粮化面积高达1.45万hm2（约21.7万亩），加剧了宁波市粮食自给率逐年下滑的趋势. 非粮化耕地由于长期种植苗木、果树等多年生经济作物，耕作层已经遭到不同程度的破坏，并且存在土壤酸化和土壤肥力下降等问题. 土壤健康评价体系作为评估管理措施，能精准掌握土壤质量的现状和变化动态，进而实现对土地资源的可持续利用. 然而，目前针对宁波市非粮化耕地的土壤质量调查与土壤健康评价工作还缺乏统一的技术标准. 对于非粮化耕地，明确土壤质量现状和关键障碍因子是顺利开展非粮化耕地复耕的重要前提. 因此，本文以宁波市对照耕地和典型的非粮化土壤为研究对象，采用主成分分析、相关性分析结合Norm值构建MDS[18]，基于MDS利用土壤质量指数面积法[21，23]、敏感性-抗性法[21，24]和土壤多功能性[25]等方法明晰不同非粮化利用方式下耕地土壤主要障碍因子，构建土壤健康评价体系，以期为后续存在问题的耕地土壤恢复地力提供理论依据.
1 材料与方法 1.1 研究区概况宁波市（120°55′E~122°16′E，28°51′N~30°33′N，图 1）位于浙江省东北部，辖6区（鄞州区、海曙区、江北区、北仑区、镇海区、奉化区）、两县级市（余姚市、慈溪市）和两县（宁海县、象山县），属于典型的亚热带季风气候，年平均气温为16.4℃，年平均降水量大约为1 460 mm. 全市海拔高度为0~976 m，地形西南高东北低，地貌主要为山地、丘陵、盆地和平地4种类型，陆地辖区总面积9 816 km2，海域辖区8 355.8 km2. 耕地土壤平原区以水稻土、盐碱土为主，山地丘陵区以红壤为主.
|
图 1 研究区位置和采样点示意 Fig. 1 Location of the study area and sampling sites |
以宁波市长期稳定种植水稻的农田或当地常规旱粮土壤作为对照（CK），以对照耕地改种果园（GY）和苗木（MM）等两种典型非粮化土壤作为研究对象，采样点分布情况见图 1. 按照S型均匀布点，用土钻采集5个0~20 cm的表层土样，混匀，总重量约2 kg. 同时每个采样点采集一个环刀样品，共采集了268个样品，其中对照耕地土壤样品89个，果园样品90个，苗木样品89个. 采集的样品先过2 mm筛去除细根和石子后，分装成3份装入无菌密封袋中，一部分用于微生物生物量碳、铵态氮和硝态氮的测定，一部分土壤用于酶活性的测定，分别放置于4℃和-20℃冰箱，剩余样品在室温（25℃）下自然风干，用于土壤物理性质、化学性质和土壤重金属元素的测定.
选取22项指标（15项土壤化学指标、6项土壤生物指标和1项土壤物理指标）作为耕地非粮化土壤健康评价指标的总数据集. 根据农化分析以及土壤微生物量测定方法等对土壤各指标测定[26，27]. 土壤容重（BD）采用环刀法测定. 土壤pH用pH计测定，电导率（EC）采用电位法测定，土壤全氮（TN）采用元素分析仪（Flash Smart，赛默飞世尔，意大利）测定，土壤有机碳（SOC）采用重铬酸钾外加热法测定. 速效磷（AP）釆用碳酸氢铵浸提-钼锑抗比色法、铵态氮（NH4+-N）、硝态氮（NO3--N）和可溶性有机碳（DOC）用硫酸钾浸提，流动分析仪（Auto Analyzer 3，Seal，德国）测定. 土壤有效铁（AFe）用三乙醇胺、二乙烯三胺五乙酸和二水合氯化钙浸提液提取，采用原子吸收光谱仪（ZEEnit700P，耶拿，德国）测定. 有效锰（AMn）、有效锌（AZn）、有效铜（ACu）、有效铅（APb）、有效镉（ACd）和有效砷（AAs）用三乙醇胺、二乙烯三胺五乙酸和二水合氯化钙浸提液提取，采用电感耦合等离子体质谱仪（NexION 1000G）测定. 土壤微生物生物量碳（MBC）采用氯仿熏蒸提取法测定，β-D葡萄糖苷酶（BG）、N-乙酰氨基-β-D葡萄糖苷酶（NAG）、β-D-吡喃木糖苷酶（XYL）、β-D-纤维二糖甘酶（CBH）和酸性磷酸酶（Phos）的活性采用96微孔酶标板荧光分析法测定[28].
1.3 最小数据集构建为减少数据之间的冗余，有效地反映研究区的土壤质量，本研究以宁波市非粮化耕地土壤22个指标建立土壤健康评价全数据集（total data set，TDS），再通过主成分分析、相关性分析和Norm值构建MDS. 具体如下：首先利用SPSS 27.0对所选的指标进行主成分分析，并选取特征值> 1的主成分（principal component，PC），将同一PC上载荷绝对值≥0.5的指标分为一组；若某一项评价指标同时在两个PC上的载荷的绝对值均≥0.5，则将其与指数相关性较低的分为一组；若评价指标在各PC上载荷的绝对值均 < 0.5，则将其与载荷的绝对值最高的分为一组[29，30]；其次分别计算各指标的Norm值，选出每组中Norm最大值90%以上的指标，并对所选指标进行相关性分析，若相关系数较高（R≥0.6），则选择Norm值最高的指标进入MDS，若相关系数较低（R < 0.6），则二者都进入MDS[17]. Norm值越大，解释综合信息的能力越强[28]，Norm值计算公式如下：
|
(1) |
式中，Nik为第i个变量在特征值> 1的前k个主成分上的综合载荷；uik为第i个变量在第k个主成分上的载荷，λk为第k个主成分的特征值.
1.4 土壤健康评价方法 1.4.1 指标标准化为统一各指标单位，对其进行标准化，将不同单位的指标转换成0~1的无纲量值. 主要采用线性函数法[30，31]，根据已有调查和研究区实际情况[29，32]，将所有指标进行标准化. 土壤pH在农田土壤中最适宜植物生长的范围为6.5~7之间，故将此范围内的pH标准化为1，小于6.5的用公式（2）计算，大于7的用公式（3）计算；BD在1.2 g·cm-3的标准化为1，小于1.2 g·cm-3的用公式（2）计算，大于1.2 g·cm-3的用公式（3）计算；ACd、AAs、APb和EC用公式（3）计算；NO3--N、NH4+-N、DOC、SOC、AP、TN、AFe、AMn、ACu、AZn、BG、CBH、XYL、NAG、Phos和MBC用公式（2）计算. 公式（2）和公式（3）分别对应“越多越好”和“越少越好”的线性评分，公式如下：
|
(2) |
|
(3) |
式中，Sij为标准化参数，代表第i个样点第j个指标的标准化值，X、H和L分别为土壤中某一指标的实际值、最大值和最小值.
1.4.2 土壤质量指数面积法土壤质量指数面积法是比较雷达图面积与所有土壤参数对土壤质量指数的贡献[21，22]，利用雷达图及其面积的对比反映了不同非粮化利用方式下的土壤质量，如公式（4）所示，其中n为用于SQI和π（3.14）的参数个数.
|
(4) |
土壤指标的敏感性和抗性分别反映了各个指标对特定参考阈值变化的强弱程度. 以SOC作为参考指标[22]，若该指标的变化快于SOC，则认为该指标敏感；若该指标的变化慢于SOC，则认为该指标具有抗性.
1.5 土壤多功能性的计算选取与土壤碳、氮、磷循环相关的SOC、DOC、BG、CBH、XYL、TN、NH4+-N、NO3--N、NAG、AP和Phos等指标，标准化后通过平均值法计算土壤多功能性[33]，计算如下：
|
(5) |
式中，MFa为土壤多功能性；F为土壤功能参数的个数；fi表示功能i的测定值；g为标准化函数.
1.6 数据统计与分析运用软件Microsoft Excel 2010进行数据整理；通过R4.3.0软件绘制不同非粮化土地利用类型间土壤理化指标、生物指标、土壤质量指数和土壤多功能性的箱型图，土壤质量全数据集（SQI-TDS）和土壤质量最小数据集（SQI-MDS）的回归分析图，Pearson相关性分析图，雷达图，随机森林模型. 在数据分析之前，对数据进行正态性和方差齐性检验，若不符合条件则对数据进行对数或是开方等形式的转化. 采用单因素方差分析对不同利用方式下土壤物理、化学和生物学指标进行差异显著性检验，多重比较采用Tukey法. 采用IBM SPSS Statistics27.0软件对数据进行主成分分析；利用Origin2022绘制敏感性-抗性分析图和最小数据集和全数据集的折线图；利用ArcGis10.8软件绘制采样点分布图.
2 结果与分析 2.1 非粮化耕地利用类型土壤理化性质分析不同非粮化耕地利用类型下土壤物理和化学性质不同（图 2）. 与对照耕地土壤相比，果园和苗木的土壤BD增加，且与对照耕地之间差异显著（P < 0.05），说明非粮化种植使得土壤变紧实，BD偏大. 果园土壤的pH和EC增加，苗木的土壤pH和EC均降低. 果园和苗木土壤的NO3--N含量增加，NH4+-N含量降低，果园土壤的DOC含量降低. 果园和苗木土壤的SOC和AP含量均降低，与对照耕地土壤之间差异显著（P < 0.05），其中果园土壤SOC和AP含量最低，说明果园对SOC和AP含量的影响较大. 非粮化种植下土壤AFe、AMn、ACu这3种营养元素均降低，果园AFe含量最低，苗木土壤AMn和ACu含量最低，且均与对照耕地之间存在显著差异（P < 0.05），果园土壤AZn含量最高，苗木土壤AZn最低，但均与对照耕地土壤间无显著差异. 非粮化种植下土壤ACd和APb含量均降低，其中苗木土壤ACd含量最低，与对照耕地土壤之间差异显著（P < 0.05），果园的土壤APb和AAs最低. 总之，与对照耕地土壤相比，果园和苗木两种非粮化种植方式下，土壤BD显著增加（P < 0.05），土壤SOC、AP和ACu含量显著降低（P < 0.05）.
|
不同小写字母表示不同处理间差异显著（P < 0.05） 图 2 种植粮食作物耕地和非粮化耕地土壤理化指标特征变化 Fig. 2 Changes of soil physical and chemical indexes of cultivated and non-grain cultivated land |
对照耕地土壤相比，两种非粮化种植方式下，土壤胞外酶（BG、XYL、NAG、Phos）活性和MBC均显著降低（P < 0.05，图 3），说明果园和苗木这两种非粮化种植方式对耕地土壤微生物活性产生了较大的影响. 除了种植果树土壤中CBH活性显著高于种植苗木土壤外（P < 0.05），其他土壤胞外酶活性和MBC含量在这两种不同非粮化利用方式土壤之间没有显著差异.
|
不同小写字母表示不同处理间差异显著（P < 0.05） 图 3 种植粮食作物耕地和非粮化耕地土壤生物指标特征变化 Fig. 3 Changes of soil biological indexes of cultivated and non-grain cultivated land |
将22个土壤健康评价指标进行主成分分析得到特征值大于1的PC有6个，累计方差解释率为61.09%，表明在本次分析选取的PC可解释参评的大部分指标. 由表 1可知，AAs在PC1和PC2中的载荷均 > 0.5，所以将其归入与其相关性较低的PC1中；CBH在主成分PC1和PC4中的载荷均 > 0.5，所以将其归入与其相关性较低的PC4中，因此在6个PC中载荷的绝对值> 0.5且Norm值在最高值10%范围内的指标包括SOC、BG、NAG、Phos、NH4+-N、TN、AFe、EC、CBH、AMn和DOC. 通过相关性分析（表 2）选出相关系数 > 0.6的指标比较其Norm值，去除Norm值较小的指标，并将反映土壤紧实度的物理指标BD选入[34，35]，最终确定BD、EC、DOC、SOC、NH4+-N、TN、AFe、AMn和Phos这9个指标构建最小数据集，使最小数据集包括土壤物理、化学和生物这三大类，能更全面地评价非粮化耕地土壤健康.
|
表 1 不同土地利用类型主成分分析结果及Norm值 Table 1 Principal component analysis results and Norm values of different land use types |
|
|
表 2 土壤健康评价初选指标相关系数矩阵1） Table 2 Correlation coefficients for the main indicators used to evaluate soil health |
最小数据集评价指标体系的合理性直接影响着土壤健康评体系的准确性，因此合理验证最小数据集尤为重要[29，35]. 本研究通过土壤质量面积法[公式（4）]分别对最小数据集和全数据集中各指标进行计算，得到了全数据集土壤质量指数（SQI-TDS）和最小数据集土壤质量指数（SQI-MDS）. 通过线性回归分析结果可知[图 4（a）]，SQI-TDS与SQI-MDS之间呈显著的正相关关系（R=0.72，P < 0.01），高于同类研究（R2=0.319，R=0.545）[36，37]且SQI-TDS与SQI-MDS的变化趋势一致[图 4（b）]，说明所建立的宁波市非粮化耕地土壤健康评价体系的MDS能够较好反映TDS信息，具有较好代表性.
|
（a）直线表示SQI-TDS与SQI-MDS的拟合关系，阴影部分表示95%的置信区间；（b）每一个样品的总数据集和最小数据集的土壤质量指数变化趋势 图 4 基于总数据集和最小数据集的土壤质量指数变化特征 Fig. 4 Variation characteristics of soil quality index based on TDS and MDS |
通过雷达图发现[图 5（a）]，对照耕地土壤EC、SOC、TN、AFe、AMn和Phos的含量高于非粮化利用方式的耕地；种植果树耕地的BD高于其他类型的耕地，EC、SOC和AFe的含量低于其他类型的耕地；种植苗木耕地的DOC、TN、AMn和Phos的含量低于其他类型的耕地. 雷达图面积指示土壤质量指数（SQI）[图 5（b）]显示，种植果树、苗木的耕地的SQI显著低于对照耕地土壤（P < 0.05），具体表现为：对照耕地土壤（0.51） > 果园（0.44） > 苗木（0.42），其中对照耕地SQI最高，种植苗木的SQI最低，这说明耕地非粮化的转变显著影响了土壤的质量. 通过敏感性-抗性分析可知[图 5（c）]，土壤NH4+-N、DOC、TN、AFe、AMn和Phos为敏感指标，即变化速度比SOC快；土壤BD和EC表现出抗性，即变化速度比SOC慢. 随机森林模型显示[图 5（d）]，土壤敏感性指标（AFe、AMn、Phos、DOC、TN、NH4+-N）、主要指标（SOC）和抗性指标（BD、EC）显著影响SQI（P < 0.01）.
|
不同小写字母表示不同处理间差异显著（P < 0.05）；*表示P < 0.05；**表示P < 0.01，下同 图 5 土壤健康评价 Fig. 5 Soil health evaluation |
通过土壤多功能性分析可知（图 6），土壤多功能性指数（SMF）与SQI变化趋势一致，种植果树、苗木的耕地SMF显著低于对照耕地土壤（P < 0.05），两种非粮化利用方式下，苗木的SMF最低，说明耕地非粮化种植方式显著影响土壤多功能性. 随机森林模型显示[图 6（b）]，TN和SOC对土壤多功能性的贡献最大，其次是参与土壤CNP循环的胞外酶活性.
|
图 6 土壤多功能性 Fig. 6 Soil multifunctionality analysis |
相关性分析可知（图 7），SQI与SMF显著正相关（P < 0.001）. SQI和SMF与敏感性指标NH4+-N、DOC、TN、AFe、AMn和Phos之间均显著正相关（P < 0.001），与抗性指标BD和EC显著负相关（P < 0.001）. SQI与敏感性指标AFe、Phos、AMn和抗性指标EC的相关性最高（P < 0.001），其次是敏感性指标TN和DOC（P < 0.001），最后是抗性指标BD（P < 0.001）. SMF与敏感性指标Phos、SOC和抗性指标BD的相关性最高（P < 0.001），其次是敏感性指标DOC、TN、AFe和AMn（P < 0.001），最后是抗性指标EC（P < 0.01）. 而抗性指标BD与DOC、SOC、TN、AFe和Phos之间显著负相关（P < 0.05）；抗性指标EC与SOC、AFe和Phos之间显著负相关（P < 0.01）；敏感性指标DOC与SOC和Phos两两互为显著正相关（P < 0.001）. TN与胞外酶（NAG和Phos）之间显著正相关（P < 0.05），SOC与土壤胞外酶（BG、CBH、NAG、XYL和Phos）之间显著正相关（P < 0.001）.
|
*表示P < 0.05，**表示P < 0.01，***表示P < 0.001；红色表示负相关（R < 0），蓝色表示正相关（R > 0），白色表示相关性不显著；不同深浅表示相关性大小，颜色越深表示相关性越大 图 7 SQI、SMF与土壤指标的相关性热图 Fig. 7 Correlation heat map of SQI and SMF with soil indexes |
土地利用方式在一定程度上决定着土壤质量变化的程度和方向，深刻影响着土壤理化和生物性质[38]. 不同的耕地非粮化利用方式会对耕地质量产生不同程度的影响. 本研究表明，耕地非粮化在一定程度上影响了土壤物理性质，耕地转化为果园后土壤BD显著增加，这可能是由于果农大量施用化肥导致土壤紧实，或是果农为省时省力直接使用除草剂去除果园地面生长的杂草，耕地表面的松土次数大大减少，从而导致了果园土壤BD增加，影响了土壤的通气性和透水性[39]. 耕地改种果园后土壤pH和EC增加，这可能与果农不合理地灌溉和施肥管理导致土壤盐分和碱性物质积累、养分不平衡有关[40]. 根据前期的调查发现耕地非粮化利用后，长期单一种植果树，消耗土壤大部分养分及微量元素，引起土壤NH4+-N、AP、AFe、AMn和ACu含量下降[41]. 苗木种植常采用带土移栽措施，导致耕层土壤逐渐剥离，深层土壤板结从而使得土壤BD增加[11]. 在种植苗木之前，大部分耕地是水田，因此苗木种植改变了原来的淹水环境，能与酸起缓冲作用的物质减少，土壤pH降低. 土壤酸化会引起土壤中重金属富集，土壤中ACd和APb的含量增加[42]. 表层土壤被带走的同时土壤表层的养分也被带走，导致土壤NH4+-N、AP、AFe、AMn和ACu含量降低，且苗木种植增加了土壤的通气性，加速了土壤有机质的分解，导致土壤养分减少[43]. 果园和苗木种植后土壤与胞外酶活性和MBC含量显著降低. 果树和苗木的生长或移栽消耗了土壤中大量的碳、氮、磷元素，土壤酸化，加之农药化肥的施用，土壤微生物数量减少，土壤MBC含量降低，土壤中酶活性受到抑制，进而导致土壤中胞外酶活性降低，严重阻碍了土壤的可持续发展，为此针对存在的具体问题提出可行的耕地非粮化治理措施尤其重要.
3.2 不同非粮化利用方式下的土壤最小数据集构建土壤健康评价中可供选择的指标很多，虽然选择更全面的指标能够更真实地反映土壤质量，但会显著增加数据获取的成本，研究者同时对这一些指标进行测定也很困难，为此选择合适的指标尤其重要. 前人研究表明，通过主成分分析、相关性分析以及Norm值来构建的最小数据集能通过较少的指标了解土壤健康状况[9]. 本研究通过主成分分析法、Norm值以及相关性分析筛选所有指标，最终选出BD、EC、DOC、SOC、NH4+-N、TN、AFe、AMn和Phos这9个指标构建了最小数据集，利用土壤质量指数面积法计算全数据集和最小数据集的SQI，通过线性回归分析发现二者间存在显著的正相关关系且二者之间趋势一致，说明最小数据集可以代替全数据集对宁波市非粮化耕地土壤进行评价. 研究表明，耕地土壤健康评价中最小数据集指标的构成不尽相同，这可能与评价研究区域、耕地土壤发挥的功能以及所测指标有关. 如梅楠等[34]在吉林省黑土耕层土壤质量评价中构建的最小数据集包括BD、有机质、AP和pH等；县域耕地中最小数据集由有机质、全钾、AP、pH、综合污染指数、耕层质地、BD和阳离子交换量构建[35]；宁都县不同整地方式下果园土壤质量评价最小数据集由TN、饱和含水率、过氧化氢酶和脲酶构成[44]；Askari等[45]选取土壤SOC、碳氮比和BD作为最小数据集对土壤健康进行评价. 通过对比发现土壤BD使用频率较高，生物指标选取较少. 张江周等[19]也发现土壤BD在国际上使用频率超过30%，生物指标使用频率较低. 且生物指标对土壤环境变化敏感，增加生物指标对土壤健康评价而言是十分必要的[20]. 土壤BD是反映土壤紧实程度的主要指标，土壤SOC、DOC和TN能较好地反映土壤碳、氮元素的养分水平，土壤AFe和AMn能较好地反映土壤营养元素水平，土壤胞外酶（Phos）能反映与土壤磷循环相关的酶活性，为此由BD、EC、DOC、SOC、NH4+-N、TN、AFe、AMn和Phos这9个指标构建的最小数据集包含了土壤物理、化学和生物这三大类，能更全面和客观地评价宁波市非粮化耕地的土壤健康状况.
3.3 不同非粮化利用方式下的土壤健康评价土壤健康评价的结果与土地利用方式、土壤性质密切相关[45]. 有研究表明，土壤质量指数面积法和敏感性-抗性法为评价土地利用方式提供了简单、统一的方法，可以有效地用于耕地土壤健康评价[21]. 基于最小数据集，采用雷达图面积法的SQI量化不同土地利用方式对土壤质量的影响，并将土壤质量简单可视化[46]，且SQI和SMF的趋势一致[图 5（b）和图 6（a）]. 与对照耕地土壤比较，两种非粮化利用方式下，SQI和SMF均显著降低（P < 0.05）. 这与果园和苗木的种植管理和施肥方式密切相关. 耕地由于长期精耕细作，土壤养分和SOC积累较明显[43，47]，土壤质量较好. 改为果园后，耕作次数大大减少，显著影响了土壤中各种养分元素的转变，导致土壤结构变差，碳汇作用和土壤生态功能减弱[41]，进而导致土壤肥力和土壤质量降低. 改种苗木后，由于苗木移栽带走大量表层优质土壤，犁底层厚度变薄，土壤养分流失严重[44，47]，土壤质量降低. 前期调查也发现，研究区果园土壤多为砂土，灌溉主要采取沟渠引水，土壤保水保肥效果较差，土壤养分的流失较严重，苗木种植的地块植被稀疏，这也是非粮化耕地土壤质量低于对照耕地的原因.
土壤各指标的敏感性和抗性分别反映其对SOC变化的响应强弱[21]. SOC由于其对农业用途和大多数形式的土壤退化敏感，且对土壤质量和肥力密切相关被用作参考指标[21]. 因为SOC可改善土壤结构，增强土壤保水能力，减少侵蚀，并增强土壤养分保持能力，其可以通过微生物分解，释放植物所必需的养分[25]. 通过敏感性-抗性分析有利于识别对耕地非粮化更敏感和更具抗性的土壤指标. 为了量化土壤指标对非粮化耕地的敏感性和抗性，通过雷达图间接反映了非粮化利用耕地土壤敏感指标（NH4+-N、DOC、TN、AFe、AMn和Phos）、抗性指标（BD、EC）和主要指标（SOC）的变化[22]. 由相关性分析可知，敏感指标与SQI均呈显著正相关关系（P < 0.001），抗性指标与SQI呈显著负相关关系（P < 0.001），其中敏感指标解释了土壤质量的最大变化，因为敏感指标对土地利用变化后土壤质量的改变有快速反应，而抗性指标则相反，这表明敏感指标的微小变化可能对土壤产生较大的影响[24]. 因此，通过敏感性指标和抗性指标的变化可以了解耕地非粮化对土壤质量的影响.
本研究发现土壤质量受土壤多功能性的显著影响，土壤质量指数与土壤多功能性指数呈显著正相关（P < 0.001）. 由随机森林模型[图 6（b）]可知，TN、SOC和土壤氮、磷循环相关的酶（NAG、Phos）活性在其中起到重要作用. 土壤酶活性可以反映土壤理化性状的变化，与土壤养分物质循环状况密切相关，是表征土壤质量的重要指标[48]，土壤微生物在土壤碳、氮、磷循环中发挥着重要的作用[49]. 两种非粮化利用方式下，土壤SOC和胞外酶活性显著低于对照耕地土壤（P < 0.05），这说明耕地利用方式的转变显著影响了土壤质量. 本研究中土壤养分与土壤氮、磷循环相关的酶（NAG和Phos）活性有显著的正相关性（P < 0.05），这与郭志明等[50]的研究结果一致，是因为土壤养分可以为土壤胞外酶的生产提供能量[48，51]，而耕地非粮化后土壤SOC和TN等养分含量的降低限制了土壤微生物的生长，影响了土壤肥力的提升. 这表明非粮化耕地土壤中微生物活性相对较低，如果长期种植单一的非粮化作物，土壤养分可能会失衡，从而可能降低非粮化耕地土壤的质量，阻碍宁波市耕地土壤的可持续发展.
4 结论采用主成分分析、相关性分析结合Norm值构建宁波市非粮化耕地土壤健康评价的最小数据集包括：BD、EC、DOC、SOC、NH4+-N、TN、AFe、AMn和Phos这9个指标. 基于全数据集和最小数据集计算的土壤质量指数间呈显著的正相关关系，这说明最小数据集可以代替全数据集对宁波市非粮化土壤进行评价. 非粮化利用方式下耕地土壤理化和生物性质变化程度较大. 利用土壤质量指数面积法和敏感性-抗性法，结合土壤多功能性评价宁波市非粮化耕地土壤健康状况发现，非粮化利用方式下SQI和SMF均显著低于对照耕地土壤，敏感性指标（AFe、AMn、Phos和DOC）解释了SQI的90.85%，高于抗性指标（BD和EC），其解释了SQI的47.52%；土壤TN、SOC和胞外酶（NAG、Phos）解释了SMF的75.75%. 因此后续可针对这一些障碍因子对宁波市非粮化耕地土壤地力的恢复采取措施，以便更好实现宁波市非粮化耕地土壤的可持续发展.
| [1] |
陈秧分, 王介勇, 张凤荣, 等. 全球化与粮食安全新格局[J]. 自然资源学报, 2021, 36(6): 1362-1380. Chen Y F, Wang J Y, Zhang F R, et al. New patterns of globalization and food security[J]. Journal of Natural Resources, 2021, 36(6): 1362-1380. |
| [2] |
唐莹, 孙玉晶. 粮食安全视角下东北地区耕地利用功能转型特征研究[J]. 农业现代化研究, 2024, 45(2): 210-220. Tang Y, Sun Y J. Study on the functional transformation characteristics of farmland utilization in Northeast China from the perspective of grain security[J]. Research of Agricultural Modernization, 2024, 45(2): 210-220. |
| [3] | D'Amour C B, Reitsma F, Baiocchi G, et al. Future urban land expansion and implications for global croplands[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(34): 8939-8944. |
| [4] |
孟菲, 谭永忠, 陈航, 等. 中国耕地"非粮化"的时空格局演变及其影响因素[J]. 中国土地科学, 2022, 36(1): 97-106. Meng F, Tan Y Z, Chen H, et al. Spatial-temporal evolution patterns and influencing factors of "non-grain" utilization of cultivated land in China[J]. China Land Science, 2022, 36(1): 97-106. |
| [5] | 孔祥斌. 耕地"非粮化"问题、成因及对策[J]. 中国土地, 2020(11): 17-19. |
| [6] | Zhao X F, Zheng Y Q, Huang X J, et al. The effect of urbanization and farmland transfer on the spatial patterns of non-grain farmland in China[J]. Sustainability, 2017, 9(8). DOI:10.3390/su9081438 |
| [7] | 国务院办公厅. 国务院办公厅关于防止耕地"非粮化"稳定粮食生产的意见[J]. 中华人民共和国国务院公报, 2020(33): 22-24. |
| [8] | 中华人民共和国粮食安全保障法[J]. 中国粮食经济, 2024, (1): 22-29. |
| [9] |
曹宇, 李国煜, 王嘉怡, 等. 耕地非粮化的系统认知与研究框架: 从粮食安全到多维安全[J]. 中国土地科学, 2022, 36(3): 1-12. Cao Y, Li G Y, Wang J Y, et al. Systematic review and research framework of "Non-grain" utilization of cultivated land: from a perspective of food security to multi-dimensional security[J]. China Land Science, 2022, 36(3): 1-12. |
| [10] | 朱道林. 耕地"非粮化"的经济机制与治理路径[J]. 中国土地, 2021(7): 9-11. |
| [11] | Li L Z, Wu H F, van Gestel C A M, et al. Soil acidification increases metal extractability and bioavailability in old orchard soils of Northeast Jiaodong Peninsula in China[J]. Environmental Pollution, 2014, 188: 144-152. DOI:10.1016/j.envpol.2014.02.003 |
| [12] |
魏彬萌, 王益权. 渭北果园土壤物理退化特征及其机理研究[J]. 植物营养与肥料学报, 2015, 21(3): 694-701. Wei B M, Wang Y Q. Physical degradation characteristics and mechanism of orchard soil in Weibei Region[J]. Journal of Plant Nutrition and Fertilizer, 2015, 21(3): 694-701. |
| [13] |
张新秦, 周涛, 肖承鸿, 等. 种植年限对白及表型性状及土壤理化性质的影响研究[J]. 中药材, 2020, 43(11): 2619-2623. Zhang X Q, Zhou T, Xiao C H, et al. Effects of planting years on phenotypic traits and soil physicochemical properties of Bletilla striata [J]. Journal of Chinese Medicinal Materials, 2020, 43(11): 2619-2623. |
| [14] |
刘永林, 刘属灵, 吴梅, 等. 西南典型"退耕还林"区土地利用/覆被变化对土壤中硒及重金属含量的影响[J]. 环境科学, 2022, 43(6): 3262-3268. Liu Y L, Liu S L, Wu M, et al. Effect of land use/land cover change on the concentration of Se and heavy metals in soils from a "Return Cropland to Forest" area, Southwest China[J]. Environmental Science, 2022, 43(6): 3262-3268. |
| [15] | Karlen D L, Mausbach M J, Doran J W, et al. Soil quality: a concept, definition, and framework for evaluation (a guest editorial)[J]. Soil Science Society of America Journal, 1997, 61(1): 4-10. DOI:10.2136/sssaj1997.03615995006100010001x |
| [16] | Ditzler C A, Tugel A J. Soil quality field tools: experiences of USDA-NRCS soil quality institute[J]. Agronomy Journal, 2002, 94(1): 33-38. |
| [17] | Rinot O, Levy G J, Steinberger Y, et al. Soil health assessment: a critical review of current methodologies and a proposed new approach[J]. Science of the Total Environment, 2019, 648: 1484-1491. DOI:10.1016/j.scitotenv.2018.08.259 |
| [18] | 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 |
| [19] |
张江周, 李奕赞, 李颖, 等. 土壤健康指标体系与评价方法研究进展[J]. 土壤学报, 2022, 59(3): 603-616. Zhang J Z, Li Y Z, Li Y, et al. Advances in the indicator system and evaluation approaches of soil health[J]. Acta Pedologica Sinica, 2022, 59(3): 603-616. |
| [20] |
李鑫, 张文菊, 邬磊, 等. 土壤质量评价指标体系的构建及评价方法[J]. 中国农业科学, 2021, 54(14): 3043-3056. Li X, Zhang W J, Wu L, et al. Advance in indicator screening and methodologies of soil quality evaluation[J]. Scientia Agricultura Sinica, 2021, 54(14): 3043-3056. DOI:10.3864/j.issn.0578-1752.2021.14.010 |
| [21] | Kuzyakov Y, Gunina A, Zamanian K, et al. New approaches for evaluation of soil health, sensitivity and resistance to degradation[J]. Frontiers of Agricultural Science and Engineering, 2020, 7(3): 282-288. DOI:10.15302/J-FASE-2020338 |
| [22] | Wei L, Li Y H, Zhu Z K, et al. Soil health evaluation approaches along a reclamation consequence in Hangzhou Bay, China[J]. Agriculture, Ecosystems & Environment, 2022, 337. DOI:10.1016/j.agee.2022.108045 |
| [23] | 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. |
| [24] | Guillaume T, Maranguit D, Murtilaksono K, et al. Sensitivity and resistance of soil fertility indicators to land-use changes: new concept and examples from conversion of Indonesian rainforest to plantations[J]. Ecological Indicators, 2016, 67: 49-57. DOI:10.1016/j.ecolind.2016.02.039 |
| [25] | Zheng X Q, Wei L, Lv W G, et al. Long-term bioorganic and organic fertilization improved soil quality and multifunctionality under continuous cropping in watermelon[J]. Agriculture, Ecosystems & Environment, 2024, 359. DOI:10.1016/j.agee.2023.108721 |
| [26] | 鲍士旦. 土壤农化分析[M]. ((第三版)). 北京: 中国农业出版社, 2000. |
| [27] | 吴金水, 林启美, 黄巧云, 等. 土壤微生物生物量测定方法及其应用[M]. 北京: 气象出版社, 2006. |
| [28] | Razavi B S, Blagodatskaya E, Kuzyakov Y. Temperature selects for static soil enzyme systems to maintain high catalytic efficiency[J]. Soil Biology and Biochemistry, 2016, 97: 15-22. DOI:10.1016/j.soilbio.2016.02.018 |
| [29] |
解雪峰, 濮励杰, 朱明, 等. 基于MDS与TOPSIS模型的滨海滩涂围垦区土壤质量评价[J]. 环境科学, 2019, 40(12): 5484-5492. Xie X F, Pu L J, Zhu M, et al. Assessment of soil quality in coastal tidal flat reclamation areas based on MDS-TOPSIS model[J]. Environmental Science, 2019, 40(12): 5484-5492. |
| [30] | Gong L, Ran Q Y, He G X, et al. A soil quality assessment under different land use types in Keriya River Basin, southern Xinjiang, China[J]. Soil and Tillage Research, 2015, 146: 223-229. DOI:10.1016/j.still.2014.11.001 |
| [31] | 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 |
| [32] |
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. |
| [33] | Byrnes J E K, Gamfeldt L, Isbell F, et al. Investigating the relationship between biodiversity and ecosystem multifunctionality: challenges and solutions[J]. Methods in Ecology and Evolution, 2014, 5(2): 111-124. DOI:10.1111/2041-210X.12143 |
| [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. DOI:10.11975/j.issn.1002-6819.2021.12.011 |
| [35] |
钱凤魁, 项子璇, 王贺兴, 等. 基于最小数据集与LESA体系的县域耕地质量评价[J]. 农业工程学报, 2023, 39(8): 239-248. Qian F K, Xiang Z X, Wang H X, et al. Evaluating cultivated land quality in county territory using the minimum data set, land evaluation and site assessment (LESA)[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(8): 239-248. |
| [36] |
张恒, 张艳玲, 许亚东, 等. 基于最小数据集的植烟土壤质量评价及障碍因子诊断[J]. 烟草科技, 2024, 57(2): 45-53. Zhang H, Zhang Y L, Xu Y D, et al. Quality assessment and obstacle factor diagnosis of tobacco planting soil based on minimum data set[J]. Tobacco Science & Technology, 2024, 57(2): 45-53. |
| [37] |
王斌, 李云, 李瑞鹏, 等. 基于最小数据集的集约化葡萄园土壤健康评价[J]. 农业工程学报, 2024, 40(8): 71-79. Wang B, Li Y, Li R P, et al. Soil health evaluation in the intensive vineyard based on minimum data set[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(8): 71-79. |
| [38] |
张静, 高云华, 张池, 等. 不同土地利用方式下赤红壤生物学性状及其与土壤肥力的关系[J]. 应用生态学报, 2013, 24(12): 3423-3430. Zhang J, Gao Y H, Zhang C, et al. Biological properties of lateritic red soil and their relationships with soil fertility in southern China under different land use types[J]. Chinese Journal of Applied Ecology, 2013, 24(12): 3423-3430. |
| [39] |
张玉梅, 龙胜碧, 吴平成, 等. 锦屏县果园耕地耕层土壤障碍因子分析及对策[J]. 耕作与栽培, 2018(2): 51-52, 17. Zhang Y M, Long S B, Wu P C, et al. Analysis and countermeasures of soil barrier factors of cultivated land in orchard in Jinping[J]. Tillage and Cultivation, 2018(2): 51-52, 17. |
| [40] |
王晨晨, 孙向阳, 李素艳, 等. 不同利用方式土地的土壤盐碱化特征差异[J]. 土壤通报, 2023, 54(5): 1167-1175. Wang C C, Sun X Y, Li S Y, et al. Soil salinization characteristics in different land use soils[J]. Chinese Journal of Soil Science, 2023, 54(5): 1167-1175. |
| [41] |
杨东伟, 章明奎, 刘千千, 等. 土壤理化性质和微生物活性对水田改果园的动态响应[J]. 水土保持通报, 2019, 39(2): 48-55. Yang D W, Zhang M K, Liu Q Q, et al. Response of soil physicochemical properties and microbial activity on land-use conversion from paddy field to orchard farm[J]. Bulletin of Soil and Water Conservation, 2019, 39(2): 48-55. |
| [42] |
赵学强, 潘贤章, 马海艺, 等. 中国酸性土壤利用的科学问题与策略[J]. 土壤学报, 2023, 60(5): 1248-1263. Zhao X Q, Pan X Z, Ma H Y, et al. Scientific issues and strategies of acid soil use in China[J]. Acta Pedologica Sinica, 2023, 60(5): 1248-1263. |
| [43] |
周成云, 郑铭洁, 章明奎, 等. 水田长期改建苗圃后土壤性状的变化研究[J]. 浙江农业科学, 2021, 62(6): 1071-1075. Zhou C Y, Zheng M J, Zhang M K, et al. Changes of soil properties after nursery plantation-induced soil propertychanges in paddy field[J]. Journal of Zhejiang Agricultural Sciences, 2021, 62(6): 1071-1075. |
| [44] |
李雨晨, 熊翱宇, 平原, 等. 基于最小数据集的宁都县不同整地方式下果园土壤质量评价[J]. 水土保持学报, 2023, 37(4): 342-350. Li Y C, Xiong A Y, Ping Y, et al. Soil quality assessment of orchards under different land preparation measures in Ningdu county based on minimum data set[J]. Journal of Soil and Water Conservation, 2023, 37(4): 342-350. |
| [45] | Askari M S, Holden N M. Indices for quantitative evaluation of soil quality under grassland management[J]. Geoderma, 2014, 230-231: 131-142. DOI:10.1016/j.geoderma.2014.04.019 |
| [46] | Andrews S S, Carroll C R. Designing a soil quality assessment tool for sustainable agroecosystem management[J]. Ecological Applications, 2001, 11(6): 1573-1585. DOI:10.1890/1051-0761(2001)011[1573:DASQAT]2.0.CO;2 |
| [47] |
方利平, 章明奎. 利用方式改变对水稻土发生学特性的影响[J]. 土壤通报, 2006, 37(4): 815-816. Fang L P, Zhang M K. Effects of land use on genetic properties of paddy soils[J]. Chinese Journal of Soil Science, 2006, 37(4): 815-816. DOI:10.3321/j.issn:0564-3945.2006.04.043 |
| [48] |
万红云, 陈林, 庞丹波, 等. 贺兰山不同海拔土壤酶活性及其化学计量特征[J]. 应用生态学报, 2021, 32(9): 3045-3052. Wan H Y, Chen L, Pang D B, et al. Soil enzyme activities and their stoichiometry at different altitudes in Helan Mountains, Northwest China[J]. Chinese Journal of Applied Ecology, 2021, 32(9): 3045-3052. |
| [49] |
张永慧, 李贝贝, 张紫妍, 等. 不同土地利用方式对哈尼梯田土壤肥力的影响[J]. 中国土壤与肥料, 2021(6): 25-34. Zhang Y H, Li B B, Zhang Z Y, et al. Effects of different land use on soil fertility in Hani terraces[J]. Soil and Fertilizer Sciences in China, 2021(6): 25-34. |
| [50] |
郭志明, 张心昱, 李丹丹, 等. 温带森林不同海拔土壤有机碳及相关胞外酶活性特征[J]. 应用生态学报, 2017, 28(9): 2888-2896. Guo Z M, Zhang X Y, Li D D, et al. Characteristics of soil organic carbon and related exo-enzyme activities at different altitudes in temperate forests[J]. Chinese Journal of Applied Ecology, 2017, 28(9): 2888-2896. |
| [51] |
王玲, 赵广亮, 周红娟, 等. 华北地区油松人工林林分密度对土壤化学性质和酶活性的影响[J]. 中南林业科技大学学报, 2020, 40(12): 9-16, 33. Wang L, Zhao G L, Zhou H J, et al. Effects of stand density on soil chemical properties and enzyme activity of Pinus tabulaeformis in North China[J]. Journal of Central South University of Forestry & Technology, 2020, 40(12): 9-16, 33. |