2026, Vol. 47
2. 华南农业大学公共管理学院，广州 510642
, YAO Dong-heng1 , ZHANG Ru-qian1 , LI Liang1 , XIE En-yi1 , ZHANG Wen-cai1 , ZHAO Zhen-ting1 , ZHAO Jing1 , KONG Xiang-bin2
2. School of Public Administration, South China Agricultural University, Guangzhou 510642, China
土壤有机碳（soil organic carbon，SOC）是地球陆地碳库的重要组成部分，其储量动态直接影响全球碳循环与气候变化[1]. 据估算，全球1 m深土壤碳储量约1 500 Pg，是大气碳库的2倍、植被碳库的3倍[2~4]. 土壤有机碳库的微小波动能够显著影响大气CO2浓度，进而加剧或缓解温室效应[5]. 尤其在农业生态系统中，耕地土壤既是“碳源”也是“碳汇”，其固碳能力与土壤肥力、作物生产力及环境可持续性密切相关[6]. 土壤有机碳密度（soil organic carbon density，SOCD）和土壤有机碳储量（soil organic carbon storage，SOCS）作为衡量SOC的重要指标，准确估算耕地SOCD、SOCS和土壤固碳潜力对实现粮食主产区农业可持续发展，精准实施农田碳管理具有重要意义[7，8].
当前国内外对于SOC变化的研究主要集中在表层土壤（0~20 cm）. 中国大部分地区表层SOC呈现增加趋势已成为共识，但对深层SOC变化的研究较少且结论不一[9~12]. 一方面，已有研究基于中国205个农田土壤剖面数据发现中国过去40 a的0~60 cm SOCS增加，但60~100 cm SOCS在逐渐下降，甚至亏损[13]. 另一方面，针对陕西省、安徽省等农区的SOC时空分布特征研究发现0~100 cm SOCS呈现增长趋势[14，15]. 区域典型土壤类型理化性质的异质性、深层土壤剖面数据的空间覆盖度不同，以及历史观测数据的精度差异是导致深层SOC变化趋势呈现多样化的关键原因. 此外，不同土壤类型的碳汇能力差异显著，区域主要土壤类型的SOC变化往往影响整个研究区的SOCS[16]. 已有研究表明，20 cm以下的土壤储存了70%以上的SOC，深层土壤碳库的稳定性与迁移机制对长期固碳潜力的评估至关重要[17]. 相较于表层土壤，深层土壤具有较丰富的矿物，从长期角度来看，深层SOC高的土壤，更有利于农业可持续发展[18，19]. 从SOC的影响因素研究来看，已有研究发现SOC受到气候、土壤理化性质、地形等自然因素以及归一化植被指数（normalized difference vegetation index，NDVI）和施肥等人为因素的影响，不同影响因素之间可能存在复合效应，共同影响SOC[20，21]. 因此，亟需探究河北省不同土壤深度与不同土壤类型下耕地SOCD、SOCS时空分布特征及SOC的影响因素.
在农田土壤固碳潜力测算中，结合研究区数据特征选取适宜的估算方法对结果的准确性至关重要，常用的土壤固碳潜力估算方法主要包括最大值法、饱和值法、历史数据比较法和加权法等[22，23]. 最大值法假设每个土壤采样点均可达到采样点中SOCD的最大水平，通过累加的方法得到总土壤固碳潜力值，该方法得到的结果是理想状态下的土壤固碳潜力；饱和值法基于SOC随时间演变趋于稳定的理论，通过确定稳定状态下SOCD的饱和水平，计算现有SOCD与稳定状态下SOCD之间的差值，得到该采样点可提升的潜力值，进而计算总土壤固碳潜力，该方法具有较高的准确性，但需要较为精准的土壤采样数据作为支撑；历史数据比较法以多年间SOCS最高的年份为基准，计算当前SOCS与基准年份SOCS的差值作为可提升的潜力值，该方法主要适用于大尺度长时间序列上的土壤固碳潜力估算；加权法基于SOC的影响因子体系，通过排除海拔、高程等难以改变的自然因素对SOC的影响，考虑有机肥施用、秸秆还田等可变因素对SOC提升的影响，得到SOC的潜力提升空间，进而求得土壤固碳潜力值，该方法同样具有较高的精确性，但对参数的数据需求量大且选取要求严格. 通过综合考虑不同土壤固碳潜力估算方法的原理，本研究通过对两期土壤剖面数据进行点位配对，运用饱和值法估算河北省耕地土壤固碳潜力.
中国粮食主产区主要分布于东部的温带至热带区域，不同区域之间气候和土壤性质差异明显，剖析不同区域SOC的积累有利于理解耕地质量状况，挖掘耕地生产潜力[24]. 河北省作为中国重要的粮食主产区，耕地SOCS的动态变化能够显著影响区域粮食安全与生态安全[25]. 该地区地形地貌复杂，耕地利用强度高，耕地资源空间分布差异显著，地区丰富的地理环境和气候条件造就了不同的土壤性质，使得河北省成为研究耕地SOCS和土壤固碳潜力的理想区域[26，27]. 基于此，本研究利用河北省第二次土壤普查数据和2020年实测耕地土壤剖面数据，将河北省0~120 cm全剖面土壤分为：表层土壤（0~20 cm）、中层土壤（20~70 cm）和深层土壤（70~120 cm），结合河北省主要土壤类型，探究河北省耕地SOC时空分布特征，基于地理探测器模型分析年均气温、年均降水、NDVI、pH和全氮与SOC的关系，运用饱和值法估算土壤固碳潜力，以期为提高区域土壤固碳潜力、粮食生产能力提供参考与借鉴.
1 材料与方法 1.1 研究区概况河北省位于中国北部（113°27′~ 119°50′E，36°05′~42°40′N），面积约1.89×105 km2，是中国重要的粮食生产基地. 河北省地属大陆性季风气候，位于温带到暖温带气候的过渡地带，省内地形多样，是中国唯一一个包含高原、山地、丘陵、平原、湖泊和滨海的省份. 全省年平均温度在11 ℃左右，年平均日照时长为2 400~3 000 h，年平均降雨量为300~800 mm，主要集中在夏季[28]. 河北省拥有20多种土壤类型，主要种植小麦、玉米、大豆和棉花等作物[29].
1.2 数据来源与处理本研究使用的数据包括土壤数据、土地利用遥感监测数据、土壤类型数据、农业熟制区划数据、数字高程模型（digital elevation model，DEM）数据、气候数据和NDVI数据. 其中，土壤数据包括河北省第二次土壤普查数据和2020年实测耕地土壤剖面数据. 河北省第二次土壤普查数据来源于河北省土壤普查办公室编制的《河北土壤》[30]和《河北土种志》[31]记录的河北省238条典型耕地土壤剖面，河北省第二次土壤普查于1979年开始，到1988年完成省级汇总，本研究统一界定为1980年. 河北省2020年实测耕地土壤剖面数据来源于2020年10~11月河北省野外实地采样数据. 根据区域的地形地貌和土壤类型特征，共布设519个耕地土壤采样点，在土坑中将土壤自下而上均等分为6层，每层20 cm，共120 cm，同时记录每个采样点坐标、周围植被和作物生长状况等信息，每层采集土壤样品质量为5 kg，共采集了2 961个耕地土壤样品进行实验室化验和分析，主要包括风干、粗磨、细磨和分装4个步骤，土壤样品在空气中干燥，去除任何植物残留物、岩石和其他杂质，采用重铬酸钾氧化⁃外加热法测定土壤有机碳，采用电位法测定土壤pH，采用自动定氮仪测定土壤全氮[32~34]. 气候数据包括年均气温和年均降水数据. 土地利用遥感监测数据、土壤类型数据、农业熟制区划数据、DEM数据、气候数据和NDVI数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）.
为了更精确地探究1980~2020年河北省耕地SOC变化情况，根据两期土壤剖面数据，考虑两期采样点数据之间的土壤类型、农业熟制、高程、距离、地形地貌等因素，进行采样点配对，保证同一对数据土壤类型和农业熟制相同，样点在同一县（区）或邻近县（区），高程和地形地貌相似，最终得到140对配对样点，包括62对潮土、50对褐土、9对栗钙土、12对栗褐土和7对棕壤，共计5种河北省主要土壤类型. 本研究计算的耕地土壤面积为河北省1980~2020年未发生地类变化的耕地部分，为80 586 km2. 同时，依据两期土壤剖面数据，通过ArcGIS 10.8空间分析工具将配对的点位数据与河北省土壤类型图相关联，得到河北省土壤采样点位分布及配对流程图（图 1）.
|
采样点配对过程中，同等条件下优先匹配距离最近的两个采样点 图 1 河北省土壤采样点位分布及配对流程 Fig. 1 Distribution and matching process of soil sampling sites in Hebei Province |
土壤有机碳密度是指单位面积一定深度的土层中土壤有机碳的质量，已经成为评估土壤有机碳储量的核心指标[35，36]. 一般而言，土壤有机碳密度主要受土壤容重、砾石含量（粒径 > 2 mm）和土壤有机碳含量三者的共同作用. 已有研究表明，中国农耕土壤在长期耕作改良作用下，土体中大粒径砾石含量已经显著消减，具体到华北平原的河北省地域，其土体内超过2 mm的砾石含量可以忽略不计[37].
土壤有机碳密度计算公式如下[38]：
| (1) |
式中，SOCD为一定厚度土体的土壤有机碳密度，kg·m-2；SOCi为一定厚度土体的土壤有机碳含量，g·kg-1；BDi为一定土层厚度的土壤容重，g·cm-3；Hi为土层厚度，cm.
由于缺少土壤容重数据，本研究根据Song等[39]的研究计算土壤容重，计算公式如下：
| $ B D=1.3770 \times \mathrm{e}^{-0.004\;8 \times 50 \mathrm{C}} $ | (2) |
式中，BD为土壤容重，g·cm-3；SOC为土壤有机碳含量，g·kg-1.
1.3.2 土壤有机碳储量估算土壤有机碳储量是指一定面积土壤有机碳的积累量，能够有效反映土壤碳汇功能强度，是表征土壤固碳潜力的重要指标. 目前国内外主要利用森林类型法、土壤类型法、生命带类型法、经验参数法和二氧化碳通量法等方法来估算土壤有机碳储量[40~43]. 结合区域土壤情况，本研究基于土壤剖面分层累加与土壤类型法估算河北省耕地土壤有机碳储量，计算公式如下[38]：
| (3) |
式中，SOCS为土壤有机碳储量，kg；SOCDi为第i种土壤有机碳密度，kg·m-2；Si为第i种土壤面积，m2；n为土壤亚类数量或全剖面土壤分层数量.
1.3.3 基于地理探测器模型的影响因素分析地理探测器是用于探测地理现象在空间分异情况下与其影响因素关系的模型[44]. 耕地SOCS作为耕地SOC的重要表征指标，主要由耕地SOCD和耕地土壤面积组成，各因素主要作用于耕地SOCD，进而影响耕地SOCS. 基于此，本研究运用地理探测器中的因子探测器和交互探测器分析耕地SOCD的影响因素及其交互作用，相关计算公式如下[45]：
| (4) |
式中，q为因子的解释力，其值域范围为[0，1]，值越接近于1解释力越大；n为样本数量；σ2为变量Y的离散方差；h为变量Y或因子X的分区；L为分区数量.
1.3.4 土壤固碳潜力估算土壤固碳潜力是指在一定的气候、地形、母质条件和土地利用方式下，土壤碳从现有状态达到一个新的稳定状态时的差值[46]. 本研究采用饱和值法估算河北省土壤固碳潜力，即饱和水平下的土壤有机碳储量与现状土壤有机碳储量之间的差值. 通过构建土壤碳变化量与初始碳含量的数理关系模型，以确定河北省土壤有机碳的饱和水平[47]. 当土壤有机碳密度变化量为0时，此时初始土壤有机碳密度即为土壤碳库达到饱和时的土壤有机碳密度，该饱和水平下的有机碳储量称为该土壤有机碳储量的饱和值，相关计算公式如下[48]：
| (5) |
| (6) |
| (7) |
式中，ΔSOCD为土壤有机碳密度变化量，kg·m-2；SOCD2020为2020年土壤有机碳密度，kg·m-2；SOCD1980为1980年土壤有机碳密度，kg·m-2；SOCDQ为土壤有机碳密度潜力值，kg·m-2；SOCDB为土壤饱和水平时土壤有机碳密度，kg·m-2；SOCDX为现状土壤有机碳密度，kg·m-2；SOCP为土壤固碳潜力，kg；S为区域土壤面积，m2.
2 结果与分析 2.1 河北省耕地土壤有机碳时间变化特征 2.1.1 耕地土壤有机碳全剖面及分层变化表 1为1980~2020年河北省全剖面及分层耕地SOCD和SOCS变化情况. 结果表明，40 a间河北省表层和深层耕地SOCD呈现明显增长趋势，全剖面及分层耕地土壤空间变异性减弱. 其中表层、中层、深层和全剖面耕地SOCD分别增加25.89%、10.65%、29.62%和20.17%，变异系数分别下降21.63%、14.83%、17.71%和14.06%. 从各层耕地SOCS占全剖面耕地SOCS的比例来看，河北省中层耕地SOCS占比最大，约占全剖面耕地SOCS的40%~45%，表层和深层耕地SOCS占比接近，均分别占全剖面耕地SOCS的30%左右. 从各层耕地SOCS增长趋势来看，40 a间表层、中层和深层耕地SOCS增加值分别占全剖面耕地SOCS增加值的35.24%、23.45%和41.31%. 上述分析表明，中层耕地SOCS对全剖面耕地SOCS贡献率大，40 a间表层和深层耕地SOCS增长速度更快.
|
表 1 1980~2020年河北省全剖面及分层耕地SOCD和SOCS变化1） Table 1 Changes in SOCD and SOCS of whole profile and stratified cultivated land in Hebei Province from 1980 to 2020 |
2.1.2 不同土壤类型耕地土壤有机碳变化
1980~2020年河北省不同土壤类型全剖面及分层耕地SOCD变化情况如图 2所示. 结果表明，40 a间河北省不同土壤类型耕地SOCD变化呈现差异化特征，不同土壤类型在表层和深层耕地SOCD变化幅度大. 具体来看，潮土在表层耕地SOCD增长最为显著，增加0.659 kg·m-2，占全剖面耕地SOCD增加的51.93%；褐土在深层耕地SOCD增长最为显著，增加0.786 kg·m-2，占全剖面耕地SOCD增加的44.56%；栗钙土耕地SOCD在各个分层变化较为稳定，且耕地SOCD在5种土壤类型中最高，全剖面耕地SOCD由12.098 kg·m-2增长至12.373 kg·m-2；栗褐土在5种土壤类型中耕地SOCD增长速度最快，全剖面耕地SOCD增加3.571 kg·m-2，增幅50.23%；棕壤在表层和中层耕地SOCD呈现下降趋势，全剖面耕地SOCD减少1.319 kg·m-2，降幅15.19%. 从变异系数变化来看，除栗褐土在深层、栗钙土在中层、深层和全剖面的耕地SOCD变异系数呈现上升趋势外，其余土壤类型在各个分层耕地SOCD变异系数均呈现下降趋势，表明河北省不同土壤类型空间变异性整体呈现降低趋势，在表层土壤中尤为明显.
|
图 2 1980~2020年河北省不同土壤类型全剖面及分层耕地SOCD变化 Fig. 2 Changes of SOCD in whole profile and stratified cultivated land with different soil types in Hebei Province from 1980 to 2020 |
1980~2020年河北省不同土壤类型分层耕地SOCS变化情况如图 3所示. 结果表明，河北省潮土、褐土、栗钙土和栗褐土的耕地SOCS呈现增长趋势，棕壤耕地SOCS呈现下降趋势，潮土和褐土耕地SOCS对耕地总SOCS贡献率大. 在5种土壤类型中，潮土和褐土的土壤面积之和占耕地土壤总面积的80.67%，1980年和2020年两种土壤全剖面耕地SOCS之和分别占两期全剖面耕地总SOCS的73.35%和75.65%，这主要与潮土和褐土的分布面积大相关. 栗钙土面积占研究区耕地土壤总面积的10.53%，40 a间栗钙土全剖面耕地SOCS占全剖面耕地总SOCS由17.32%下降至15.00%. 栗钙土耕地SOCD增长缓慢而潮土和褐土耕地SOCD增长显著是导致栗钙土耕地SOCD增加而SOCS贡献率下降的主要原因. 上述分析表明，SOCS变化与不同土壤类型SOCD变化和土壤面积直接相关，在土壤面积相对稳定的情况下，影响SOCS的主要因素为不同土壤类型SOCD的变化.
|
1. 1980年，2. 2020年 图 3 1980~2020年河北省不同土壤类型分层耕地SOCS变化 Fig. 3 Changes in SOCS of stratified cultivated land with different soil types in Hebei Province from 1980 to 2020 |
为了更直观地了解1980~2020年河北省全剖面及分层耕地SOCD空间变化特征，通过ArcGIS 10.8对两期土壤数据进行普通克里金插值及栅格差值运算处理，得到40a间河北省全剖面及分层耕地SOCD空间变化图（图 4）. 结果表明，河北省耕地SOCD变化呈现出一定的空间异质性，整体来看，全剖面耕地SOCD增加区域主要集中在冀中南地区的北部、南部和西部，耕地SOCD减少区域主要集中在张家口市和承德市的北部、冀中南地区东部的沧州市和唐山市的南部. 从各个分层耕地SOCD空间变化来看，表层耕地SOCD在冀中南地区呈现明显增加趋势，耕地SOCD下降区域主要位于张家口市和承德市的北部. 随着土壤深度下降，张家口市的西北部耕地SOCD下降区域在逐渐扩张，承德市的北部耕地SOCD下降区域在逐渐缩小，冀中南地区的东部耕地SOCD下降区域也在逐渐扩张，表明耕地SOCD在不同深度下空间变化特征呈现差异性.
|
图 4 1980~2020年河北省全剖面及分层耕地SOCD变化 Fig. 4 Changes of SOCD in whole profile and stratified cultivated land in Hebei Province from 1980 to 2020 |
从耕地SOCD变化情况来看，在0~120 cm全剖面土壤，显著减少区域（ΔSOCD < -3 kg·m-2）占总面积的5.40%，平稳变化区域占总面积的79.92%（-3 kg·m-2 < ΔSOCD < 3 kg·m-2），显著增加区域（ΔSOCD > 3 kg·m-2）占总面积的14.68%. 从各个分层变化来看，表层、中层和深层土壤显著减少区域（ΔSOCD < -1 kg·m-2）分别占总面积的6.05%、7.93%和9.93%，平稳变化区域（-1 kg·m-2 < ΔSOCD < 1 kg·m-2）分别占80.67%、78.71%和66.35%，显著增加区域（ΔSOCD > 1 kg·m-2）分别占总面积的13.28%、13.36%和23.72%. 可以发现，随着土壤深度下降，显著减少区域和显著增加区域逐渐扩张，平稳变化区域逐渐缩小，且显著增加区域比显著减少区域扩张速度更快，也表明河北省深层SOC有较大的增长空间.
2.3 河北省耕地土壤有机碳影响因素分析以1980~2020年全剖面及分层耕地SOCD变化量为因变量，通过五分位数法对影响因子进行分类，将其离散化后导入地理探测器模型，得到各影响因子的解释力q值及交互作用解释力，如图 5所示.
|
1.年均气温，2.年均降水，3.NDVI，4.pH，5.全氮；***表示因子对耕地SOCD的解释度在P < 0.001水平上显著 图 5 耕地SOCD影响因素因子探测 Fig. 5 Detection results of influencing factors of SOCD in cultivated land |
因子探测器结果表明，在0~120 cm全剖面土壤，各影响因子的解释力排名为：全氮 > pH > 年均降水 > 年均气温 > NDVI. 其中全氮和pH的解释力较强，分别为0.434和0.247，其他3个影响因子的解释力在0.100以下. 从各个分层来看，全氮均为解释力最强的影响因子，其他4个影响因子在不同分层的解释力具有差异性. 在0~20 cm表层土壤，年均气温和年均降水对耕地SOCD变化量的解释程度较中层土壤和深层土壤更高. 在20~70 cm中层土壤，NDVI对耕地SOCD变化量的解释程度较表层土壤和深层土壤更高. 在70~120 cm深层土壤，pH对耕地SOCD变化量的解释程度较表层土壤和中层土壤有所降低. 交互探测器结果表明，任意两个影响因子的交互作用对耕地SOCD变化量的解释力均比单因子的解释力强，呈现非线性增强或双因子增强的特征. 这一结果表明耕地SOCD变化是多种因素综合作用的结果，因子之间的交互作用能够在一定程度上增强其对耕地SOCD的影响.
2.4 河北省耕地土壤固碳潜力通过饱和值法，得到河北省分层耕地SOCD变化量与1980年初始耕地SOCD的关系，如图 6所示. 结果表明，河北省分层耕地SOCD变化量与1980年初始耕地SOCD在0.001水平上显著相关，河北省分层耕地SOCD的饱和水平从大到小顺序为：中层土壤（3.666 kg·m-2） > 深层土壤（2.815 kg·m-2） > 表层土壤（2.554 kg·m-2）.
|
图 6 河北省分层耕地SOCD变化量与1980年初始耕地SOCD的关系 Fig. 6 Relationship between the SOCD variation of stratified cultivated land and its initial SOCD in 1980 in Hebei Province |
通过河北省耕地SOCD的饱和水平及土壤面积计算出全剖面及分层耕地土壤固碳潜力，如表 2所示. 河北省全剖面耕地土壤固碳潜力为148.762 Tg，表明40 a间河北省全剖面耕地土壤需要吸收148.762 Tg碳才能达到平衡状态. 从各个分层耕地土壤固碳潜力来看，河北省深层耕地土壤固碳潜力最高，为63.905 Tg，占全剖面耕地土壤固碳潜力的42.96%，其次是表层土壤，为46.740 Tg，占全剖面耕地土壤固碳潜力的31.42%，中层土壤最低，为38.117 Tg，占全剖面耕地土壤固碳潜力的25.62%.
|
|
表 2 河北省分层耕地土壤固碳潜力1） Table 2 Soil carbon sequestration potential of stratified cultivated land in Hebei Province |
3 讨论 3.1 河北省耕地土壤有机碳时空分布特征及固碳潜力
本研究基于河北省1980年和2020年两期耕地土壤剖面数据对河北省耕地SOC时空分布特征进行分析，得出张家口市和承德市的北部耕地SOCD呈现明显下降趋势，大部分冀中南地区耕地SOCD呈现增长趋势，这与王国成等[49]和张婧婷等[50]分别对华北平原0~30 cm和0~20 cm SOC变化趋势研究得出华北平原大部分农田SOC呈现增加趋势，仅河北省北部、山东省中部和东部部分地区农田SOC减少的结论相吻合. 同时，冀中南地区分布着潮土和褐土两种河北省主要土壤类型，由于潮土和褐土耕地SOC增加，导致该地区耕地SOCD显著增加.
本研究估算河北省全剖面及分层耕地SOCS，得出表层耕地SOCS增加41.179 Tg，增长率为25.89%，全剖面耕地SOCS增加116.849 Tg，增长率为20.17%，这与栾文楼等[51]对1979和2004年河北平原0~20 cm和0~180 cm SOCS进行测算，发现SOCS分别增加42.393 Tg和233.377 Tg，增长率分别为32.01%和31.39%的结论基本一致. 从土壤类型来看，本研究中潮土和褐土耕地SOCS增加、棕壤耕地SOCS减少的结果也与栾文楼等[51]对不同土壤类型碳储量估算的研究结果相吻合.
本研究通过饱和值法估算河北省分层耕地土壤固碳潜力，得出表层耕地土壤固碳潜力为46.740 Tg，全剖面耕地土壤固碳潜力为148.762 Tg，整体表现为“碳汇”区. 这与张秀芝等[52]利用河北省第二次土壤普查和2005年SOC数据通过最大值法估算得到河北平原0~20 cm SOCS增加潜力为188.600 Tg，整体呈现“碳汇”效应这一研究结果基本吻合. 其中，造成两次研究表层土壤固碳潜力有差距的原因是最大值法估算得到的固碳潜力是一个理论值，每种土壤类型的耕作方式、自然环境等属性各不相同，不可能均达到该种土壤类型有机碳含量的最高值，故该方法下得到的土壤固碳潜力值比本研究通过饱和值法估算得到的土壤固碳潜力高[53].
3.2 耕地土壤有机碳影响因素作用机制分析本研究基于地理探测器模型发现年均气温、年均降水、NDVI、pH和全氮对耕地SOCD变化均存在不同程度的影响. 从影响因子的解释力程度来看，全氮对于耕地SOCD变化的影响最为显著，这与已有研究发现全氮与SOC呈现极显著正相关的结论相一致，主要原因是土壤中碳元素和氮元素存在较强的耦合关系，氮元素可以通过影响土壤微生物活动和SOC的矿化速率进而加快SOC的积累[8，54]. 土壤pH通过影响土壤微生物和酶的活性进而作用于SOC的变化，酸性土壤会降低其活性进而影响SOC的溶解，中性或弱碱性土壤会增强其活性进而加快SOC的分解[55]. 年均气温和年均降水通过影响植被状况、土壤pH、土壤含水量等方面间接影响SOC的变化[14]. NDVI作为表征植被覆盖的重要指标，通过植被在生长过程中地上部分的凋落物和地下部分的分泌物，增加对SOC的输入[56]. 本研究结果表明，影响因子之间的交互作用在一定程度上能够增强其对SOC的影响，未来在提高SOC、制定土壤改良和管理方案时，要进一步考虑影响因子交互作用产生的复合效应.
3.3 未来研究展望本研究基于最新的河北省耕地土壤剖面实测数据，系统阐明了40 a间河北省耕地SOC时空分布特征、影响因素及其固碳潜力，一定程度上揭示了河北省最新全剖面及分层SOC的变化规律. 本研究根据已有文献计算河北省耕地土壤容重，进而估算河北省耕地SOCS，估算结果可能会和实际结果有一定误差. 此外，不同层次SOCS变化之间可能存在关联性，后续研究可以进一步考虑表层与深层SOCS之间的相互作用机制，以便为提高区域土壤固碳潜力和粮食生产能力提供更准确的参考意见.
4 结论（1）河北省全剖面及分层耕地SOCD呈现增长趋势，空间异质性显著，不同土壤类型之间差异明显. 1980~2020年，河北省表层、中层和深层耕地SOCD平均值分别增加0.511、0.340和0.599 kg·m-2. 在空间分布上，冀中南地区的北部、南部和西部耕地SOCD呈现增加趋势，唐山市的南部、张家口市和承德市的北部耕地SOCD呈现减少趋势. 从各个土壤类型来看，全剖面土壤中潮土、褐土、栗钙土和栗褐土耕地SOCD增加，棕壤耕地SOCD减少. 影响因素方面，年均气温、年均降水、NDVI、pH和全氮在不同分层的解释力呈现差异性，任意两个影响因子的交互作用对耕地SOCD变化量的解释力均比单因子的解释力强，呈现非线性增强或双因子增强的特征.
（2）中层耕地SOCS占比高，表层和深层耕地SOCS呈现明显增长趋势，潮土和褐土是耕地SOCS主要贡献的土壤类型. 1980~2020年，中层耕地SOCS约占全剖面耕地SOCS的40%~45%，40 a间表层和深层SOCS增加值分别占全剖面耕地SOCS增加值的35.24%和41.31%. 潮土和褐土两种土壤全剖面耕地SOCS之和分别占两期全剖面耕地总SOCS的73.35%和75.65%.
（3）河北省耕地整体表现为“碳汇”区，全剖面耕地土壤固碳潜力为148.762 Tg，表层、中层和深层耕地土壤固碳潜力分别为46.740、38.117和63.905 Tg，占比分别为31.42%、25.62%和42.96%. 未来应着重提升表层和深层SOC，考虑影响因子之间产生的复合效应，进一步提高河北省耕地SOCS、土壤固碳能力与粮食生产能力.
| [1] |
罗梅, 郭龙, 张海涛, 等. 基于环境变量的中国土壤有机碳空间分布特征[J]. 土壤学报, 2020, 57(1): 48-59. Luo M, Guo L, Zhang H T, et al. Characterization of spatial distribution of soil organic carbon in China based on environmental variables[J]. Acta Pedologica Sinica, 2020, 57(1): 48-59. |
| [2] | Scharlemann J P, Tanner E V, Hiederer R, et al. Global soil carbon: understanding and managing the largest terrestrial carbon pool[J]. Carbon Management, 2014, 5(1): 81-91. DOI:10.4155/cmt.13.77 |
| [3] | Lal R. Soil carbon sequestration impacts on global climate change and food security[J]. Science, 2004, 304(5677): 1623-1627. DOI:10.1126/science.1097396 |
| [4] | Eswaran H, Van Den Berg E, Reich P. Organic carbon in soils of the world[J]. Soil Science Society of America Journal, 1993, 57(1): 192-194. DOI:10.2136/sssaj1993.03615995005700010034x |
| [5] | Wang M M, Guo X W, Zhang S, et al. Global soil profiles indicate depth-dependent soil carbon losses under a warmer climate[J]. Nature Communications, 2022, 13(1). DOI:10.1038/s41467-022-33278-w |
| [6] | Yu Y Y, Guo Z T, Wu H B, et al. Spatial changes in soil organic carbon density and storage of cultivated soils in China from 1980 to 2000[J]. Global Biogeochemical Cycles, 2009, 23(2). DOI:10.1029/2008GB003428 |
| [7] |
王磊, 高阳, 沈振. 气候变化背景下农田土壤碳储量评估方法研究进展[J]. 农业工程学报, 2024, 40(16): 1-11. Wang L, Gao Y, Shen Z. Research progress on the assessment methods for agricultural soil carbon storage under climate change[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(16): 1-11. |
| [8] |
李成, 王让会, 李兆哲, 等. 中国典型农田土壤有机碳密度的空间分异及影响因素[J]. 环境科学, 2021, 42(5): 2432-2439. Li C, Wang R H, Li Z Z, et al. Spatial differentiation of soil organic carbon density and influencing factors in typical croplands of China[J]. Environmental Science, 2021, 42(5): 2432-2439. DOI:10.13227/j.hjkx.202010029 |
| [9] |
孔祥斌, 胡莹洁, 李月, 等. 北京市耕地表层土壤有机碳分布及其影响因素[J]. 资源科学, 2019, 41(12): 2307-2315. Kong X B, Hu Y J, Li Y, et al. Distribution and influencing factors of soil organic carbon of cultivated land topsoil in Beijing[J]. Resources Science, 2019, 41(12): 2307-2315. |
| [10] | Huang Y Z, Xin Z B, Ran L S, et al. Topsoil carbon sequestration of vegetation restoration on the Loess Plateau[J]. Ecological Engineering, 2022, 177. DOI:10.1016/j.ecoleng.2022.106570 |
| [11] | Dupla X, Gondret K, Sauzet O, et al. Changes in topsoil organic carbon content in the Swiss leman region cropland from 1993 to present. Insights from large scale on-farm study[J]. Geoderma, 2021, 400. DOI:10.1016/j.geoderma.2021.115125 |
| [12] |
黄耀, 孙文娟. 近20年来中国大陆农田表土有机碳含量的变化趋势[J]. 科学通报, 2006, 51(15): 1785-1803. Huang Y, Sun W J. Changes in topsoil organic carbon of croplands in mainland China over the last two decades[J]. Chinese Science Bulletin, 2006, 51(7): 750-763. |
| [13] | Zhou Z H, Wang C K, Li Y E, et al. Carbon gain in upper but loss in deeper cropland soils across China over the last four decades[J]. Proceedings of the National Academy of Sciences of the United States of America, 2024, 122(1). DOI:10.1073/pnas.2422371122 |
| [14] |
冯晓琳, 闫雨阳, 张欣然, 等. 近30a陕西土壤有机碳的时空变化特征及影响因素[J]. 环境科学, 2024, 45(10): 5994-6001. Feng X L, Yan Y Y, Zhang X R, et al. Temporal and spatial variations of soil organic carbon and the influencing factors in Shaanxi Province in recent 30 years[J]. Environmental Science, 2024, 45(10): 5994-6001. DOI:10.13227/j.hjkx.202311169 |
| [15] |
赵明松, 李德成, 王世航. 近30年安徽省耕地土壤有机碳变化及影响因素[J]. 土壤学报, 2018, 55(3): 595-605. Zhao M S, Li D C, Wang S H. Variation of soil organic carbon in farmland of Anhui and its influencing factors in the 30 years from 1980 to 2010[J]. Acta Pedologica Sinica, 2018, 55(3): 595-605. |
| [16] |
龙军, 张黎明, 毛艳玲, 等. 福建省不同耕地土壤和土地利用类型对"碳源/汇"的贡献差异研究[J]. 土壤学报, 2013, 50(4): 664-674. Long J, Zhang L M, Mao Y L, et al. Study on the difference of contributions made by various cropland soil and land use types to carbon source/sink in Fujian Province, China[J]. Acta Pedologica Sinica, 2013, 50(4): 664-674. |
| [17] | Hicks Pries C E, Ryals R, Zhu B, et al. The deep soil organic carbon response to global change[J]. Annual Review of Ecology, Evolution, and Systematics, 2023, 54: 375-401. DOI:10.1146/annurev-ecolsys-102320-085332 |
| [18] | Ling J, Dungait J A J, Delgado-Baquerizo M, et al. Soil organic carbon thresholds control fertilizer effects on carbon accrual in croplands worldwide[J]. Nature Communications, 2025, 16(1). DOI:10.1038/s41467-025-57981-6 |
| [19] |
楚梦玮, 侯巍楹, 净婷菲, 等. 云南省深层土壤有机碳的估算及其影响因素分析[J]. 云南农业大学学报(自然科学), 2021, 36(3): 516-523. Chu M W, Hou W Y, Jing T F, et al. Estimation of deep soil organic carbon in Yunnan Province and its influencing factors[J]. Journal of Yunnan Agricultural University (Natural Science), 2021, 36(3): 516-523. |
| [20] |
孔晨晨, 颜芳, 王维瑞, 等. 不同景观综合体土壤有机碳空间分异特征及驱动因素分析[J]. 环境科学, 2025, 46(3): 1679-1689. Kong C C, Yan F, Wang W R, et al. Spatial differentiation characteristics and driving factors of soil organic carbon in various landscape complexes[J]. Environmental Science, 2025, 46(3): 1679-1689. DOI:10.13227/j.hjkx.202403253 |
| [21] |
衣鹏慧, 吴会峰, 胡保安, 等. 黄土高原地区退耕还林后土壤有机碳储量变化特征及影响因素[J]. 生态学报, 2023, 43(24): 10054-10064. Yi P H, Wu H F, Hu B A, et al. Variation characteristics and influencing factors of soil organic carbon storage after returning farmland to forest on the Loess Plateau[J]. Acta Ecologica Sinica, 2023, 43(24): 10054-10064. |
| [22] |
周萌, 梁志鹏, 邹天祥, 等. 红层区耕地土壤有机碳储量估算与固碳潜力分析[J]. 中山大学学报(自然科学版)(中英文), 2024, 63(3): 12-20. Zhou M, Liang Z P, Zou T X, et al. Estimation of organic carbon storage and carbon sequestration potential of cultivated soil in red beds area[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2024, 63(3): 12-20. |
| [23] |
师晨迪, 曹婷婷, 刘洋洋. 土壤固碳潜力估算方法研究进展[J]. 湖北农业科学, 2019, 58(S1): 4-6. Shi C D, Cao T T, Liu Y Y. A review of estimation methods of soil carbon sequestration potential[J]. Hubei Agricultural Sciences, 2019, 58(S1): 4-6. |
| [24] | Ma C, Xia Y H, Rui Y C, et al. Shifts in organic carbon protection mechanism in agricultural soils across climatic gradients[J]. Agriculture, 2024, 375. DOI:10.1016/j.agee.2024.109184 |
| [25] |
孔祥斌. 休养生息制度背景下的中国耕地保护转型目标框架与路径[J]. 湖南师范大学社会科学学报, 2021, 50(3): 1-12. Kong X B. Transition objectives, contents and ways of cultivated land protection in China under the background of rehabilitation system[J]. Journal of Social Science of Hunan Normal University, 2021, 50(3): 1-12. |
| [26] |
武子豪, 郝晋珉, 陈航, 等. 河北省耕地多功能评价与关键权衡协同分析[J]. 农业工程学报, 2024, 40(14): 199-209. Wu Z H, Hao J M, Chen H, et al. Multifunctional evaluation and key trade-offs and synergy relationships of cultivated land in Hebei Province of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(14): 199-209. |
| [27] | Cao X H, Long H Y, Lei Q L, et al. Spatio-temporal variations in organic carbon density and carbon sequestration potential in the topsoil of Hebei Province, China[J]. Journal of Integrative Agriculture, 2016, 15(11): 2627-2638. DOI:10.1016/S2095-3119(15)61239-4 |
| [28] |
谢恩怡, 姚东恒, 廖宇波, 等. 粮食主产区耕地土壤有机碳空间分异特征及其影响因素: 以河北省为例[J]. 环境科学, 2024, 45(10): 6002-6011. Xie E Y, Yao D H, Liao Y B, et al. Spatial differentiation characteristics of soil organic carbon and its influencing factors in cultivated land in major grain-producing areas: a case study of Hebei Province[J]. Environmental Science, 2024, 45(10): 6002-6011. DOI:10.13227/j.hjkx.202309140 |
| [29] | Yao D H, Xie E Y, Zhang R Q, et al. Spatial variations of organic matter concentration in cultivated land topsoil in North China based on updated soil databases[J]. Soil and Tillage Research, 2025, 248. DOI:10.1016/j.still.2024.106445 |
| [30] | 河北省土壤普查办公室, 河北省土壤普查成果汇总编委会. 河北土壤[M]. 石家庄: 河北科学技术出版社, 1990. |
| [31] | 丁鼎治. 河北土种志[M]. 石家庄: 河北科学技术出版社, 1992. |
| [32] | NY/T 1121.6-2006, 土壤检测第6部分: 土壤有机质的测定[S]. |
| [33] | NY/T 1377-2007, 土壤中pH值的测定[S]. |
| [34] | NY/T 1121.24-2012, 土壤检测第24部分: 土壤全氮的测定自动定氮仪法[S]. |
| [35] |
孙维侠, 史学正, 于东升, 等. 基于1:100万土壤空间数据库的有机碳储量估算研究——以中国东北三省为例[J]. 地理科学, 2004, 24(5): 568-572. Sun W X, Shi X Z, Yu D S, et al. Estimation of soil organic carbon storage based on 1:1M soil database of China—a case in northeast China[J]. Scientia Geographica Sinica, 2004, 24(5): 568-572. |
| [36] |
杨金艳, 王传宽. 东北东部森林生态系统土壤碳贮量和碳通量[J]. 生态学报, 2005, 25(11): 2875-2882. Yang J Y, Wang C K. Soil carbon storage and flux of temperate forest ecosystems in northeastern China[J]. Acta Ecologica Sinica, 2005, 25(11): 2875-2882. |
| [37] |
许泉, 芮雯奕, 何航, 等. 不同利用方式下中国农田土壤有机碳密度特征及区域差异[J]. 中国农业科学, 2006, 39(12): 2505-2510. Xu Q, Rui W Y, He H, et al. Characteristics and regional differences of soil organic carbon density in farmland under different land use patterns in China[J]. Scientia Agricultura Sinica, 2006, 39(12): 2505-2510. |
| [38] |
张立, 金晶泽, 姜侠, 等. 1986—2019年黑龙江省松嫩平原表层土壤有机碳变化及固碳潜力估算[J]. 现代地质, 2021, 35(4): 914-922. Zhang L, Jin J Z, Jiang X, et al. Variations of organic carbon and evaluation of carbon sequestration potential in surface soil in Songnen Plain of Heilongjiang Province from 1986 to 2019[J]. Geoscience, 2021, 35(4): 914-922. |
| [39] | Song G H, Li L Q, Pan G X, et al. Topsoil organic carbon storage of China and its loss by cultivation[J]. Biogeochemistry, 2005, 74(1): 47-62. DOI:10.1007/s10533-004-2222-3 |
| [40] | Post W M, Emanuel W R, Zinke P J, et al. Soil carbon pools and world life zones[J]. Nature, 1982, 298(5870): 156-159. DOI:10.1038/298156a0 |
| [41] | Schlesinger W H. Evidence from chronosequence studies for a low carbon-storage potential of soils[J]. Nature, 1990, 348(6298): 232-234. DOI:10.1038/348232a0 |
| [42] |
陈曦. 广西土壤有机碳储量估算及与全国部分省区的比较研究[J]. 地理科学, 2014, 34(10): 1247-1253. Chen X. Estimation of soil organic carbon reserves in Guangxi and comparion study with some provinces in China[J]. Scientia Geographica Sinica, 2014, 34(10): 1247-1253. |
| [43] |
谢立军, 白中科, 杨博宇, 等. 碳中和背景下国内外陆地生态系统碳汇评估方法研究进展[J]. 地学前缘, 2023, 30(2): 447-462. Xie L J, Bai Z K, Yang B Y, et al. Carbon sequestration assessment methods at home and abroad for terrestrial ecosystems: research progress in achieving carbon neutrality[J]. Earth Science Frontiers, 2023, 30(2): 447-462. |
| [44] |
林晨宇, 宋羽, 叶玲兰. 福建省生态系统服务价值时空演变及驱动因素[J]. 自然保护地, 2024, 4(2): 81-94. Lin C Y, Song Y, Ye L L. Spatiotemporal evolution and its driving factors of ecosystem service value in Fujian Province[J]. Natural Protected Areas, 2024, 4(2): 81-94. |
| [45] |
陈孟耀, 刘啸歌, 黄达沧, 等. 基于地理探测器模型的福建省耕地土壤有机碳影响因素研究[J]. 福建农业学报, 2024, 39(6): 738-751. Chen M Y, Liu X G, Huang D C, et al. Factors affecting soil organic carbon on farmland in Fujian analyzed by geodetector model[J]. Fujian Journal of Agricultural Sciences, 2024, 39(6): 738-751. |
| [46] | West T O, Post W M. Soil organic carbon sequestration rates by tillage and crop rotation[J]. Soil Science Society of America Journal, 2002, 66(6): 1930-1946. DOI:10.2136/sssaj2002.1930 |
| [47] |
覃章才, 黄耀. 基于模型的农田土壤固碳潜力估算[J]. 中国科学: 生命科学, 2010, 40(7): 658-676. Qin Z C, Huang Y. Quantification of soil organic carbon sequestration potential in cropland: a model approach[J]. Science China Life Sciences, 2010, 40(7): 658-676. |
| [48] |
姜蓝齐, 臧淑英, 张丽娟, 等. 松嫩平原农田土壤有机碳变化及固碳潜力估算[J]. 生态学报, 2017, 37(21): 7068-7081. Jiang L Q, Zang S Y, Zhang L J, et al. Temporal and spatial variations of organic carbon and evaluation of carbon sequestration potential in the agricultural topsoil of the Songnen Plain[J]. Acta Ecologica Sinica, 2017, 37(21): 7068-7081. |
| [49] |
王国成, 许晶晶, 李婷婷, 等. 1980~2010年华北平原农田土壤有机碳的时空变化[J]. 气候与环境研究, 2015, 20(5): 491-499. Wang G C, Xu J J, Li T T, et al. Spatiotemporal changes in agricultural soil organic carbon across the North China Plain during 1980-2010[J]. Climatic and Environmental Research, 2015, 20(5): 491-499. |
| [50] |
张婧婷, 石浩, 田汉勤, 等. 1981—2019年华北平原农田土壤有机碳储量的时空变化及影响机制[J]. 生态学报, 2022, 42(23): 9560-9576. Zhang J T, Shi H, Tian H Q, et al. Spatial-temporal changes in and influencing mechanisms for cropland soil organic carbon storage in the North China plain from 1981 to 2019[J]. Acta Ecologica Sinica, 2022, 42(23): 9560-9576. |
| [51] |
栾文楼, 宋泽峰, 李随民, 等. 河北平原土壤有机碳含量的变化[J]. 地质学报, 2011, 85(9): 1528-1535. Luan W L, Song Z F, Li S M, et al. Changes of soil organic carbon content in Hebei Plain[J]. Acta Geologica Sinica, 2011, 85(9): 1528-1535. |
| [52] |
张秀芝, 赵相雷, 李宏亮, 等. 河北平原土壤有机碳储量及固碳机制研究[J]. 地学前缘, 2011, 18(6): 41-55. Zhang X Z, Zhao X L, Li H L, et al. Research on organic carbon storage and sequestration mechanism of soils in the Hebei Plain[J]. Earth Science Frontiers, 2011, 18(6): 41-55. |
| [53] |
师晨迪, 许明祥, 邱宇洁. 几种不同方法估算农田表层土壤固碳潜力: 以甘肃庄浪县为例[J]. 环境科学, 2016, 37(3): 1098-1105. Shi C D, Xu M X, Qiu Y J. Estimation of topsoil carbon sequestration potential of cropland through different methods: a case study in Zhuanglang County, Gansu Province[J]. Environmental Science, 2016, 37(3): 1098-1105. DOI:10.13227/j.hjkx.2016.03.040 |
| [54] |
申楷慧, 魏识广, 李林, 等. 漓江流域喀斯特森林土壤有机碳空间分布格局及其驱动因子[J]. 环境科学, 2024, 45(1): 323-334. Shen K H, Wei S G, Li L, et al. Spatial distribution patterns of soil organic carbon in Karst forests of the Lijiang River Basin and its driving factors[J]. Environmental Science, 2024, 45(1): 323-334. DOI:10.13227/j.hjkx.202211142 |
| [55] | Zhang X M, Guo J H, Vogt R D, et al. Soil acidification as an additional driver to organic carbon accumulation in major Chinese croplands[J]. Geoderma, 2020, 366. DOI:10.1016/j.geoderma.2020.114234 |
| [56] | Gong L, Liu G H, Wang M, et al. Effects of vegetation restoration on soil organic carbon in China: a meta-analysis[J]. Chinese Geographical Science, 2017, 27(2): 188-200. DOI:10.1007/s11769-017-0858-x |