环境科学  2024, Vol. 45 Issue (8): 4696-4708   PDF    
引用本文
许煜麟, 赵雅萍, 赵雨晴, 杨婉琳, 郑梦桃, 王誉晓, 刘爽, 何静, 苏高杰, 王珺, 韩新辉, 杨改河, 任成杰. 黄土高原退耕还林（草）前后土壤有机碳密度变化及其对气候变化和人类活动的响应[J]. 环境科学, 2024, 45(8): 4696-4708.
XU Yu-lin, ZHAO Ya-ping, ZHAO Yu-qing, YANG Wan-lin, ZHENG Meng-tao, WANG Yu-xiao, LIU Shuang, HE Jing, SU Gao-jie, WANG Jun, HAN Xin-hui, YANG Gai-he, REN Cheng-jie. Changes in Soil Organic Carbon Density and Its Response to Climate Change and Human Activities Before and After the Grain for Green Project on the Loess Plateau[J]. Environmental Science, 2024, 45(8): 4696-4708.
黄土高原退耕还林（草）前后土壤有机碳密度变化及其对气候变化和人类活动的响应
许煜麟, 赵雅萍, 赵雨晴, 杨婉琳, 郑梦桃, 王誉晓, 刘爽, 何静, 苏高杰, 王珺, 韩新辉, 杨改河, 任成杰     
西北农林科技大学农学院, 陕西省循环农业工程技术研究中心, 杨凌 712100
收稿日期: 2023-10-12; 修订日期: 2023-11-17
基金项目: 国家自然科学基金项目（42377345）
作者简介: 许煜麟（2000~）, 男, 硕士研究生, 主要研究方向为土壤碳循环, E-mail：3094280258@qq.com
通信作者: 任成杰, E-mail：Rencj1991@nwsuaf.edu.cn
摘要: 准确评估黄土高原地区退耕还林前后土壤有机碳储量（SOCS）的变化, 探究其时空分布及影响因素之间的关系, 对区域循环发展以及生态保护政策的制定具有重要的参考意义. 基于黄土高原退耕还林（草）前后（2001~2020年）的气候、人类活动及土壤表层（0~20 cm）和深层（0~100 cm）有机碳密度数据, 采用变化趋势分析、克里格差值、方差分解分析等方法, 从不同时空尺度上研究了土壤有机碳密度（SOCD）的变化特征及对气候和人为因素变化的相对响应. 结果表明：①退耕还林前后全区域表层SOCS增加了833.87万 t；深层SOCS增加了1 160.02万 t. ②各生物气候分区中, Ⅰ（半湿润森林区）、Ⅱ（半湿润半干旱林草区）和Ⅲ（半干旱典型草地区）全域平均SOCD呈显著增加, 而在Ⅳ（干旱半干旱荒漠草地区）和Ⅴ（干旱荒漠区）中降低. ③不同生态系统平均表层SOCS增量排序为：耕地 > 草地 > 林地 > 灌木 > 裸地及稀疏植被；深层土壤增量排序为：草地 > 耕地 > 林地 > 灌木 > 裸地及稀疏植被. ④气候因子始终是SOCD变化最重要的驱动因素；年均温和降水量与SOCD变化呈显著正相关. 研究结果可为区域生态管理和土地利用政策制定提供数据支撑, 以促进黄土高原地区生态环境高质量发展.
关键词: 黄土高原      土壤碳储量      土壤碳密度      气候      人类活动     
Changes in Soil Organic Carbon Density and Its Response to Climate Change and Human Activities Before and After the Grain for Green Project on the Loess Plateau
XU Yu-lin , ZHAO Ya-ping , ZHAO Yu-qing , YANG Wan-lin , ZHENG Meng-tao , WANG Yu-xiao , LIU Shuang , HE Jing , SU Gao-jie , WANG Jun , HAN Xin-hui , YANG Gai-he , REN Cheng-jie     
Shaanxi Engineering Research Center of Circular Agriculture, College of Agronomy, Northwest Agriculture and Forestry University, Yangling 712100, China
Abstract: Accurately assessing the changes in soil organic carbon storage (SOCS) before and after the Grain for Green Project (GFG) in the Loess Plateau (LP) and exploring the relationship between its spatial and temporal distribution and the influencing factors were important references for the development of regional recycling as well as the formulation of ecological protection policies. Based on the data of climate, human activities, and SOCD in the surface (0-20 cm) and deep (0-100 cm) soil before and after GFG in the LP from 2001 to 2020, we investigated the changes in SOCD at different spatial and temporal scales by using the methods of trend analysis, the kriging method, and variance partitioning analysis. The results showed that: ① Before and after the GFG, the surface SOCS of the whole region increased by 8 338.7×104 t; the deep SOCS increased by 1 160.02×104 t. ② In each bioclimatic subregion, the whole-region average SOCD of Ⅰ (Semi-Humid Forest Region), Ⅱ (Semi-Humid Semi-Arid Forest and Grassland Region), and Ⅲ (Semi-Arid Typical Grassland Region) showed a significant increasing trend, with a decreasing trend in Ⅳ (arid semi-arid desert grassland area) and Ⅴ (arid desert area). ③ The average surface SOCS increase in different ecosystems was ranked as follows: cropland > grassland > woodland > shrubs > bare land and sparse vegetation. The deep soil increase was ranked as follows: grassland > cropland > woodland > shrubs > bare land and sparse vegetation. ④ Climate factors were the most important driving factors for changes in SOCD; the annual average temperature and precipitation were significantly positively correlated with changes in SOCD. The results of the study could provide data support for regional ecological management and land use policy formulation to promote high quality development of the ecological environment in the LP.
Key words: Loess Plateau      soil carbon stock      soil carbon density      climate      human activities     

1850~2019年, 由于人类活动造成的碳排放使全球平均温度升高了约1.1℃, 这种变化已经对植被覆盖、土壤碳循环及生物多样性等造成了深刻的影响[1,2]. 土壤是陆地生态系统中最大的碳汇, 其含量超过植被与大气的总和, 预计显著的全球气候变化将会对土壤有机碳库造成巨大的正反馈[3~5]. IPCC报告指出土地利用变化是影响土壤有机碳库大小变化的重要因素, 土地利用方式的改变可能会导致土壤碳“源”、“汇”功能的转化[6]. 因此, 在气候变化的背景下, 准确地评估不同生物气候区气候、人类活动因素及土壤有机碳密度（soil organic carbon density, SOCD）变化的时空特征, 对区域可持续发展以及生态管理具有重要参考意义.

黄土高原地区生态系统功能严重退化, 对气候变化和人为活动响应敏感, 是我国典型的生态脆弱地区[7]. 中国政府自20世纪90年代以来实施了一系列生态恢复和保护政策, 主要包括退耕还林（草）工程（Grain for Green Project, GFG）和三北防护林工程等[8]. 有研究表明环境保护政策已经将黄土高原约16 000 km2的农业用地转为了森林和草地, 使得地区植被覆盖率和土壤碳储量显著提高[9,10]. 之前的研究已通过野外实测数据、清查资料或数据建模等方法对黄土高原表层土壤碳储量进行了初步估算, 其结果仍具有高度的不确定性[11,12]. 大于30 cm的底层土壤储存了陆地生态系统中一半的有机碳, 表层与深层土壤中凋落物输入量、土壤温湿度、矿质含量以及微生物群落的差异显著, 忽视土地利用变化对深层土壤有机碳的影响将低估生态恢复工程的收益[13,14]. 另一方面, 关于黄土高原地区碳储量的研究主要集中在特定年份条件下或农田、森林和草地的单一生态系统类型, 较少综合涉及土壤有机碳储量（soil organic carbon storage, SOCS）的时空变化及分区估算[15~17]. 目前尚不清楚过去20年生态保护政策与气候变化对黄土高原土壤碳储量变化的贡献及各生态系统中的差异如何.

先前的研究主要通过比较气候和人为因素对黄土高原有机碳储量的影响来探究生态恢复和保护政策的作用[18~20]. 人口密度、夜间灯光指数和政策等许多因素都会影响人类活动, 并显著影响不同生态系统内的碳固存和碳排放速率[21,22]. 人类活动主要通过土地利用方式和管理措施的转变影响SOCS的变化. 例如, GFG明确禁止开发任何坡度 > 25°的土地, 并建议不要在坡度为15°~25°的土地上耕作, 以促进植被恢复及土壤有机碳固存[23]. 张佑铭等[24]基于CASA模型也评估了土地利用和海拔高度对黄土高原地区净初级生产力的影响, 结果表明将耕地转为林地的植被固碳收益最高, 而林地转化为草地或耕地不利于碳固定. 此外, 温度、降水量、太阳辐射等气候因子已被广泛认为可以通过改变植物凋落物的输入以及土壤呼吸, 从而影响SOCS的变化[25~27]. 张芳宁等[20]的研究表明, 气候变化和人类活动共同驱动了黄土高原地区植被归一化指数（normalized difference vegetation index, NDVI）的快速增加, 气候起促进作用的区域约占90%且存在较大的空间异质性. 然而, 很难单独判断人类活动、气候变化及其两者协同效应对土壤碳储量的贡献, 生态保护政策和/或气候变化是如何单独/共同驱动黄土高原地区土壤碳固存仍不清楚.

本文系统地研究了不同时空尺度下黄土高原地区气候、人类活动和SOCS的变化特征, 分析各气候区和生态系统下SOCS的空间分布格局, 在区域尺度上利用回归分析和方差分解分析探明SOCD变化的主要驱动因素, 并评估气候、人类活动和植被要素对SOCD变化的相对贡献, 以期为黄土高原地区资源管理和生态建设提供依据.

1 数据分析与方法 1.1 研究区域概况

黄土高原位于北纬33.72°~41.27°, 东经100.90°~114.55°, 高程200~3 000 m, 跨内蒙古自治区、陕西省、山西省、河南省、甘肃省、宁夏回族自治区和青海省7个省区, 面积约6.4×105 km2, 包括中国太行山以西, 日月山以东, 秦岭以北, 长城以南的广大地区. 黄土高原地势起伏较大, 总的地势是西南高, 东南低, 呈波状下降. 地貌类型较多, 处于海洋-内陆和平原-高原这两个过渡带上. 南部以夏绿阔叶植被为主, 中部以森林草原和温性草原植被为主, 北部以荒漠半荒漠植被为主, 草场主要分布在丘陵区和风沙区. 黄土高原地区林地（包括乔木和灌木）、草地和农田的面积分别为14.2万、34.3万和9.7万km2, 分别占整个黄土高原面积的22%、54%和15%.

参考之前的研究[28 ], 按降水量与植被类型的不同将黄土高原划分为了5个生物气候区. Ⅰ：半湿润森林区, 降水量为550~650 mm, Ⅱ：半湿润半干旱林草区, 降水量为450~550 mm, Ⅲ：半干旱典型草地区, 降水量为300~450 mm, Ⅳ：干旱半干旱荒漠草地区, 降水量为200~300 mm, Ⅴ：干旱荒漠区, 降水量为 < 200 mm.

1.2 数据来源

气候数据来源于国家科技基础条件平台-国家地球系统科学数据中心（http://www.geodata.cn）. 从网站中获取了中国区域1 km分辨率逐月降水量数据集和逐月平均气温数据集, 该数据集时间范围为2001~2020年, 其数据精度较高, 能够较好地呈现中国区域的气候特征. 降水量度量单位为毫米（mm）, 温度度量单位为摄氏度（℃）. 数据集包含的地理空间范围是中国主要陆地, 经裁剪、重采样和重投影等预处理得到2001~2020年黄土高原地区气候序列数据.

人口密度数据来源于全球人口数据库（www.worldpop.org）网站平台中国区域2001~2020年1 km分辨率人口密度数据集, 单位是每个像素的人数. 夜间灯光指数数据集来源于地球观测组织（https://www.ngdc.noaa.gov/）网站平台, 数据时间范围为2001~2020年.

黄土高原退耕还林（草）前后土地利用类型遥感监测数据集下载自中国科学院资源环境科学数据中心（https://www.resdc.cn/）, 空间分辨率为1 km. 数据集土地利用类型包括耕地、林地、草地、水域、建设用地和未利用土地这6个一级类型以及25个二级类型.

SOCD数据：本研究收集了1995~2000年采样测得的黄土高原地区碳数据并作为退耕还林前数据集；2015~2020年的碳数据作为退耕还林后数据集, 具体如图 1. 退耕还林前数据来源于两部分, 第一部分来源于资源环境科学中国土种志华北及西北卷土壤属性数据（https://www.resdc.cn/Default.aspx）, 数据来源于全国第二次土壤普查汇总成果《中国土种志》. 第二部分数据部分引用了徐丽等[29]发表的数据集, 该数据集包括文献数据以及实测数据两部分, 收集了森林（包括乔木林和灌木林）、草地和农田等多种生态系统类型的植被地上地下生物量碳密度以及0~100 cm SOCD数据. 退耕还林后数据来源于《中国土系志》和文献数据整合, 同时结合课题组相关实验测试数据. 对于文献数据, 主要选取2015之后发表在美国科学信息研究所数据库（http://apps.webofknowledge.com）和中国知网（http://www.cnki.net）上的期刊论文和学位论文中的有关土壤碳密度数据. 其中, 以“土壤有机碳（soil organic carbon）”、“生物量（biomass）”、“碳密度（carbon density）”和“碳储量（carbon storage）”作为关键词来检索文献. 文献数据筛选遵循以下标准：①土壤碳密度数据必须是样地实际监测数据, 不包括模型拟合和文献统计数据；②野外采样监测工作必须在2015年之后进行；经过筛选, 一共收集了164篇文献. 收集的数据覆盖了森林、草地、农田和灌丛等中国主要生态系统. 其中, 对于荒地、裸地和沙地等统一将其生态系统类型划为“其他”. 文献数据收集整理过程中, 对于缺乏经纬度信息的样点根据文献中的地理位置描述, 结合电子地图来确定.

图 1 研究区退耕还林前和退耕还林后表层和深层土壤样点 Fig. 1 Surface and deep soil sample sites in the study area before and after GFG

1.3 数据计算与分析 1.3.1 土壤有机碳储量计算

数据提取中, 参照赵发珠[30 ]所使用方法, 对于没有直接给出SOCD记录但有土壤容重、土壤有机碳含量和土壤深度等基础参数信息, 通过以下计算公式获取SOCD：

(1)

式中, SOCD为土壤剖面有机碳密度（kg·m-2）；θ为表层 > 2 mm砾石含量（%）；ρ为土壤容重（g·cm-3）；0.58为Bemmelen换算系数；Q为土壤有机质含量（g·kg-1）；R为土层厚度（cm）. 其中, 对于文献中土壤实际深度 < 100 cm的样点, 利用其实际深度来计算0~100 cm的SOCD；而对于土壤实际深度 > 100 cm的样点, 则只取0~100 cm深度的SOCD. 对于只有有机质含量但无有机碳含量记录的样点, 利用换算系数0.58将有机质转换成有机碳含量[31]；对于缺乏容重信息的样点, 采用精度最高的土壤容重传递函数推算[32], 对于石砾含量缺失的样点, 则采用已知同类型土壤的均值代替, 采用以上处理后计算得到的SOCD.

SOCS是指一定区域范围内的土层中包含SOC的总量, 是SOCD和面积的乘积. 计算方法为：

(2)

式中, SOCS为土壤有机碳储量（t）；SOCD为土壤有机碳密度（kg·m-2）；S为土壤的面积（km2）.

1.3.2 碳密度差值分析

克里格插值方法是地统计学的重要内容之一, 同时也是地质统计学的最佳内插方法. 由于具有插值和估计的双重特点, 克里格插值方法已在许多领域得到了广泛应用, 并已成为空间统计学上的一个重要分支[33 ]. 本研究借助ArcGIS10.7软件, 并采用克里格插值方法对黄土高原SOCD数据进行插值, 以研究黄土高原区域的SOCD空间分布特征.

1.3.3 变化趋势分析

趋势分析法能够对区域内数据在时间尺度上进行逐像元分析, 获取在时间尺度上每个像元数据变化的斜率, 因此得到其空间分布[34 ]. 计算过程如下：

(3)

式中, n为年数, 在本文中为20；Slope为像元点数据变化的趋势斜率；Mi为某一像元点第i年数值（气温、降水、人口密度和夜间灯光指数）. 若Slope > 0, 表示此像元点数据值呈增加趋势；Slope < 0, 为减少趋势；Slope = 0, 表示没有变化. Slope绝对值越大, 表示变化趋势越明显.

1.3.4 Mann-Kendall检验

Theil-Sen Median方法又称为Sen斜率估计, 是一种稳健的非参数统计的趋势计算方法. 该方法计算效率高, 对于测量误差和利群数据不敏感, 适用于长时间序列数据的趋势分析[35 ]. 目前已被广泛应用于气象、水文和植被等研究中, 并取得了很好的效果. 其计算公式如下：

(4)

式中, Median（）为取中值, 若ρ > 0, 则表明数据为增长趋势, 反之为下降趋势.

Mann-Kendall（MK）检验是一种非参数的时间序列趋势性检验方法, 其不需要测量值服从正态分布, 不受缺失值和异常值的影响, 适用于长时间序列数据的趋势显著检验. 其过程如下：对于序列 ，先确定所有对偶值（）中Yi与Yj的大小关系（设为S）. 做如下假设：H0, 序列中的数据随机排列, 即无显著趋势；H1, 序列存在上升或下降趋势. 检验统计量S计算公式为：

(5)

为符号函数, 计算公式为：

(6)

使用检验统计量Z值进行趋势检验, Z值计算方法如下：

(7)

式中, 为方差；S为正态分布. 根据正态分布表, 本文选取|Z|>1.96时通过95%显著性检验. 本文给定显著性水平α = 0.05, 当Z的绝对值> 1.65、1.96和2.58时, 表示趋势分别通过了信度为90%、95%和99%的显著性检验. 趋势显著性的判断方法见表 1.

表 1 Mann-Kendall检验趋势类别 Table 1 Mann-Kendall test trend categories

1.3.5 数据分析

采用ArcGIS10.7软件处理黄土高原气温和降水及人类活动栅格数据集. 利用Excel 2010和SPSS 23.0软件对数据进行统计分析, 栅格数据趋势分析采用MATLAB R 2020b软件, 线性回归分析、相关性分析和方差分解分析使用R软件（4.0.1版本）. 研究运用方差分解分析法, 分析降水量、气温、人口密度、夜间灯光指数和植被归一化指数的3种类型变量对SOCD的解释能力, 并计算各变量组之间的组合效应与纯效应.

2 结果与分析 2.1 气候与人类活动变化的时空特征

在区域尺度上, 基于2001~2020年中国1 km分辨率逐月平均气温数据集, 计算得到黄土高原退耕还林（草）多年平均气温（Taverage）为8.56℃. 整体表现出东南部高、西北部低的空间分布特征, 空间差异最大值为19℃（图 2）. 明显观察到年均气温等级划分与生物气候区划分几乎重合. Taverage > 10℃的区域主要分布在Ⅰ区, Taverage在5~10℃的区域主要分布Ⅲ、Ⅳ和Ⅴ区. 各生物气候区Taverage的排序为：Ⅰ > Ⅱ > Ⅲ > Ⅴ > Ⅳ. 距平指的是某一系列数值中的某一个数值与平均值的差. 如图 2所示, 黄土高原区域年平气温年际变化趋于平缓, 在2005年和2012年气温距平变化由负距平转正, 气温迅速增加；距平变化显示2001~2020年黄土高原地区年均气温波动幅度大, 整体呈不显著上升趋势, 线性趋势率为0.011℃·a-1（P = 0.359）. 近20年来, 年均气温距平最大值出现在2006年, 比Taverage高出4.96%；年均气温距平最小值出现在2012年, 比Taverage低8.04%. 黄土高原有50.88%、6.95%和5.22%的区域Taverage呈不显著增加、微显著增加和显著增加趋势；生物气候区Ⅲ和Ⅴ有80.29%和83.61%的区域Taverage呈现增加趋势, 而生物气候区Ⅰ、Ⅱ、Ⅲ和Ⅳ有4.35%~7.40%的区域Taverage呈显著增加趋势（图 3）.

图 2 2001~2020研究区年各生物气候区年均降水量和年均气温空间分布及距平序列变化 Fig. 2 Spatial distribution of mean annual precipitation and mean annual temperature and changes in the distance series of bioclimatic zones in the study sites from 2001 to 2020

（a）年均降水量, （b）年均气温 图 3 各生物气候区年均降水量和年均气温变化趋势 Fig. 3 Trends in mean annual precipitation and mean annual temperature in bioclimatic zones

黄土高原区域多年平均降水量（Yaverage）为380.14 mm, 呈现出由东南向西北方向逐级递减的格局, 也表现出东南部高、西北部低的空间分布特征, 空间差异最大值为640 mm（图 2）. Yaverage > 500 mm的区域主要分布在Ⅰ区, 各生物气候区Yaverage排序为：Ⅰ > Ⅱ > Ⅲ > Ⅳ > Ⅴ. 从降水距平变化来看, 在2001~2020年年均降水量持续增加, 在2011年降水量距平变化由负距平转为正距平, 降水量迅速增加. 2001~2020年黄土高原地区Yaverage波动幅度较大, 但其整体上升趋势不显著, 线性趋势率为2.12 mm·a-1（P = 0.135）. Yaverage距平最大值出现在2003年, 其年Yaverage比多年平均Yaverage高出26.29%；Yaverage距平最小值出现在2005年, 其年Yaverage比多年平均Yaverage低15.45%. 黄土高原有79.95%、15.19%和4.66%的区域Yaverage呈不显著增加、微显著增加和显著增加趋势；生态区Ⅴ有99.80%的区域Yaverage呈现不显著增加趋势, 而生物气候区Ⅰ、Ⅱ、Ⅲ和Ⅳ有9.13%~29.57%的区域Yaverage显著增加（图 3）.

2001~2020年, 黄土高原年均人口密度呈现出东南多西北少的分布格局, 整个地区20年年均人口总量约为1.11亿人（图 4）. 黄土高原全域人口密度空间分布不均衡, 空间差异最大值与最小值为25 368.60人·km-2和3.90人·km-2. 此外, 黄土高原平均夜间灯光指数空间分布格局差异较大, 陕西省西安市碑林区年均夜间灯光指数最大为51.67, 陕西省延安市黄龙县年均夜间灯光指数最小为0.012, 且市级行政单位的区县年均夜间灯光指数较高.

图 4 人口密度和夜间灯光指数的空间分布及变化趋势 Fig. 4 Spatial distribution and trends of population density and night light index

2.2 土壤有机碳的空间变化特征 2.2.1 不同生物气候区的SOCD

黄土高原退耕还林（草）前后不同生物气候区SOCD差异较大. 黄土高原退耕还林（草）前后表层及深层SOCD空间分布较不均衡, 但整体上呈现自东南向西北减少的趋势, 各生物气候区SOCD平均值排序为：Ⅰ > Ⅱ > Ⅲ > Ⅳ、Ⅴ（图 5）. 黄土高原退耕还林前表层SOCD变化范围为0.033 2~2.253 6 Mg·hm-2, SOCD平均值为0.201 5 Mg·hm-2, 生物气候区Ⅰ最高, 平均值为0.304 6 Mg·hm-2, 生物气候区Ⅲ和Ⅴ最低分别为0.151 8和0.153 5 Mg·hm-2. 退耕还林后表层SOCD变化范围为0.010 8~0.996 8 Mg·hm-2, 平均碳密度为0.302 4 Mg·hm-2, 由东南部生物气候区Ⅰ向西北部生物气候区Ⅴ逐级递减, 生物气候区Ⅰ平均值为0.506 6 Mg·hm-2, 生物气候区Ⅴ仅为0.058 2 Mg·hm-2.

图 5 各生物气候区退耕还林前后表层与深层SOCD的空间分布 Fig. 5 Spatial distribution of surface and deep SOCD before and after GFG in each bioclimatic zone

黄土高原退耕还林（草）前后深层SOCD空间分布格局与表层相似, 整体上也表现出东南高、西北低的空间分布特征（图 5）. 黄土高原退耕还林前深层SOCD变化范围为0.005 6~1.892 9 Mg·hm-2, 平均碳密度为0.527 3 Mg·hm-2, 生物气候区Ⅰ最高, 平均值为0.809 0 Mg·hm-2, 生物气候区Ⅲ最低分别为0.379 0 Mg·hm-2. 退耕还林后深层SOCD变化范围为0.069 6~2.951 2 Mg·hm-2, 平均碳密度为0.668 4 Mg·hm-2, 由东南部向西北部逐渐降低, 生物气候区Ⅰ平均值最高为0.940 8 Mg·hm-2, 生物气候区Ⅰ最低为0.427 0 Mg·hm-2.

2.2.2 不同植被类型的SOCS

黄土高原区域退耕还林前表层SOCS为1 797.21万 t, 其中草地、耕地、灌木、森林和裸地这5个生态系统表层SOCS分别为718.11万、644.73万、148.92万、210.59万和74.86万 t, 占比分别为39.96%、35.87%、8.29%、11.72%和4.17%（表 2）. 草地生态系统中5个生物气候区SOCS的平均值分别为143.21万、191.38万、159.36万、169.87万和54.29万 t, 各生物气候区之间排序为：Ⅱ > Ⅳ > Ⅲ > Ⅰ > Ⅴ（图 6）. 耕地生态系统中5个生物气候区SOCS的平均值分别为259.83万、173.10万、135.66万、52.16万和23.98万 t, 呈现从东南区域向西北区域递减的趋势, 表现为：Ⅰ > Ⅱ > Ⅲ > Ⅳ > Ⅴ. 灌木生态系统中5个生物气候区SOCS分别为45.86万、59.93万、15.89万、23.14万和4.10万 t, 呈现从东南区域向西北区域递减的趋势, 分布格局表现为：Ⅱ > Ⅰ > Ⅲ > Ⅳ > Ⅴ. 森林生态系统中5个生物气候区SOCS的平均值分别为125.06万、50.08万、20.17万、11.06万和4.22万 t, 分布格局与耕地相同表现为：Ⅰ > Ⅱ > Ⅲ > Ⅳ > Ⅴ.

表 2 SOCS黄土高原不同生物气候区及生态系统 Table 2 SOCS in different bioclimatic zones and ecosystems of the Loess Plateau

图 6 各生态系统退耕还林前后表层和深层SOCD Fig. 6 Surface and deep SOCD before and after GFG in each ecosystem

黄土高原区域退耕还林前总深层SOCS为4 630.11万 t, 草地、耕地、灌木、森林和裸地这5个生态系统表层SOCS分别为1 819.83万、1 696.58万、351.65万、536.73万和225.32万 t, 占比分别为39.30%、36.64、7.59%、11.59%和4.87%（表 2）. 草地生态系统中5个生物气候区SOCS分别为360.98万、462.91万、386.83万、458.00万和151.11万 t, 生物气候区Ⅱ的SOCS最高, 处于黄土高原西北部的Ⅴ区SOCS最低, 各生物气候区之间：Ⅱ > Ⅳ > Ⅲ > Ⅰ > Ⅴ（图 6）. 耕地生态系统中5个生物气候区SOCS分别为710.91万、440.23万、334.28万、127.96万和83.20万 t, 呈现从东南区域向西北区域递减的趋势, 表现为：Ⅰ > Ⅱ > Ⅲ > Ⅳ > Ⅴ. 灌木生态系统中5个生物气候区SOCS分别为119.9万、137.77万、42.52万、46.91万和4.55万 t, 分布格局表现为：Ⅱ > Ⅰ > Ⅳ > Ⅲ > Ⅴ. 森林生态系统中5个生物气候区SOCS分别为325.33万、125.81万、52.68万、24.93 t和7.98万 t, 分布格局与耕地相同表现为：Ⅰ > Ⅱ > Ⅲ > Ⅳ > Ⅴ.

2.2.3 退耕还林（草）前后SOCS的空间差值变化

如表 2所示, 黄土高原退耕还林（草）后表层SOCS增加了833.87万 t, 其中生物气候区Ⅰ、Ⅱ和Ⅲ的SOCS呈正增长趋势, 增长量为Ⅱ（448.1万 t） > Ⅰ（350.92万 t） > Ⅲ（105.85万 t）. 草地、灌木和森林生态系统SOCS空间分布格局一致均为Ⅱ区SOCS增长量最大, 分别为190.04万、58.17万和66.51万 t；生物气候区Ⅳ和Ⅴ中各生态系统类型中SOCS呈减少趋势, 其中Ⅴ区草地生态系统中的SOCDS减少最多（-70.38万 t）.

黄土高原退耕还林（草）后深层SOCS增加了1 160.02万 t, 其中生物气候区Ⅰ、Ⅱ和Ⅲ的SOCS均实现正增长, 增长量为Ⅱ（697.58 t） > Ⅲ（285.42万 t） > Ⅰ（199万 t）. 与表层土壤相似, 草地、耕地和森林生态系统深层SOCS空间分布格局一致均为Ⅱ区SOCS增长量最大, 分别为313.98万、170.1万和110.56万 t. 灌木生态系统Ⅰ、Ⅱ和Ⅲ区SOCS分别增长了30.19万、101.94万和3.28万 t, 裸地与稀疏植被生态系统Ⅲ区（30.52万 t）增长最多. 而在生物气候区Ⅳ与Ⅴ范围内, 除裸地与稀疏植被生态系统以外的其他生态系统退耕还林后SOCS都有不同程度的下降, Ⅳ区SOCS（-19.16万 t）下降量最多, 其中灌木生态系统SOCS（-17.09万 t）下降量最多；而裸地与稀疏植被生态系统Ⅳ区（20.60万 t）和Ⅴ区（9.25万 t）却有不同程度的增长.

2.3 土壤有机碳影响因素分析

气候因素及人类活动与SOCD的相关关系如图 7所示, 相比于退耕还林前, 退耕还林后表层土SOCS与气温、降水量正相关的趋势更显著（P < 0.01）. 与表层土不同, 退耕还林前后气候及人类活动与深层SOCD的大小均显著相关性（P < 0.01）, SOCD都随气温和降水量的增加而增加. 退耕还林前随人口密度和夜间灯光指数的增加SOCD逐渐增大（P < 0.05）, 而退耕还林后人类活动与SOCD解耦（P ≥ 0.05）.

图 7 退耕还林前后表层、深层SOCD与气候因素和人类活动的回归分析 Fig. 7 Regression analysis of surface and deep SOCD with climatic factors and human activities before and after GFG

将退耕还林后SOCD作为被解释变量, 以年均降水量、年均温度、人口密度、夜间灯光指数和归一化植被指数这5个因子为解释变量, 进行方差分解分析与单因子排序（图 8）. 其中, 年均降水量和年均温度作为气候要素；人口密度和夜间灯光指数作为人类活动要素；NDVI作为植被要素. 结果表明表层土壤环境变量对SOCD变异的总体解释能力为81.66%. 对于被解释的部分, 气候要素的解释能力最好（53.58%）, 其次为植被要素（19.93%）, 而人类活动要素对SOCD变异的解释能力为12.29%；气候要素、植被要素与人类活动要素对SOCD的综合影响为2.03%. 深层土壤的环境变量总体解释度约为81.28%, 其中气候要素对SOCD的独立影响也是最高（32.21%）, 其次为气候要素与植被要素的耦合效应, 共同解释了19.20%的影响效果, 各因子组的解释能力依次为气候要素（32.21%） > 植被要素（11.51%） > 人类活动要素（12.35%）. 深层土影响因子的重要性排序与表层土相同, 依次为：年均降水量 > 年均温度 > NDVI > 夜间灯光指数 > 人口密度.

图 8 表层和深层土壤不同驱动因子对SOCD的贡献率 Fig. 8 Contribution rates of different drivers of surface and deep soil to SOCD

3 讨论

在全球气候变化以及退耕还林（草）等政策的共同作用下, 黄土高原的气候不断改变[36,37]. 本研究发现, 黄土高原地区近20年年均气温和降水量呈线性增加趋势（P > 0.05）, 其中全域有45.88%以上像元的年均温表现增加；有高达99.82%像元的年均降水量呈现增加趋势. 这与之前的研究结果相似, 表明研究所选用的数据及分析具有可靠性[36]. IPCC报告也指出北半球部分区域正在经历气温上升, 气候变暖影响海陆热力差异, 进一步改变了区域的降水空间格局[6]. 人类活动因素（人口密度和夜间灯光指数）在过去20年间也呈上升趋势. 人类活动因素的增加可以通过土地绿化、制定有效的生态管理政策等方式促进土壤有机碳固存[38], 也可以由砍伐森林、建筑用地扩张等增加土壤碳排放, 两者之间的权衡决定了SOCS变化[26].

造林通常被认为是增加生态系统碳固存的有效方法, 大规模造林使得中国植被覆盖率显著提高, 生态系统服务功能改善, 尤其是黄土高原地区[39,40]. 本研究表明, 退耕还林还草使全区域表层SOCD增加了0.100 9 Mg·hm-2；深层SOCD增加了0.141 1 Mg·hm-2. 具体而言Ⅰ、Ⅱ和Ⅲ区各生态系统有机碳储量显著提升, 而Ⅳ、Ⅴ区呈下降趋势. 这可能是由于：黄土高原属于干旱半干旱区对气候变化尤其敏感. 水分是限制植物生长的重要因素, 更适宜的温度与充足的降水有利于植物的生长, 使更多外源有机物输入土壤从而促进土壤有机碳的累积[15,22,41]. 朱谧远等[42]和李钊等[43]的研究也表明, 增加降水量能通过降低土壤容重、增加土壤孔隙度, 以改善土壤的持水性从而提高土壤有机质含量. 此外, 退耕还林（草）工程没有促进Ⅳ、Ⅴ区的土壤有机碳累积, 甚至整体表现出下降趋势. 气候干旱、降水稀少、过度放牧导致的草地退化可能是该区域SOCS下降的主要原因[21]. 总的来说, 需要针对不同的生物气候区采取有针对性的生态保护措施以促进土壤有机碳固存.

不同生态系统类型中根际分泌物以及凋落物输入的数量、质量不同, 将显著影响土壤有机碳的形成和转化[44]. 黄土高原退耕还林（草）前后各生态系统SOCS存在显著差异, 本研究发现对于表层土壤来说耕地SOCS的增量最大；而深层土壤中草地生态系统的SOCS增加最多. 这可能归因于以下原因：首先, 考虑到更深层的土壤时, 草地生态系统中更多的生物量被分配在根系中, 这能够刺激微生物的生长和土壤有机碳的形成[45]. 第二, 草地生态系统中的微生物可以优先利用来自根系的小分子, 相比于地上碳输入更有效地形成持久性的矿物结合有机碳以促进土壤碳累积[46]. 值得注意的是, 退耕还林后耕地生态系统中累积了更多的碳, 在生态适宜的气候区耕地面积的减少并没有降低其SOCS. 这可以由更合理的农业管理措施及生态保护政策解释, 如2010年以来延安等地区实施的“治沟造地工程”通过盐碱地改造、荒沟闲置土地开发利用等措施, 提高了耕地面积及耕地质量；少免耕、合理施肥和秸秆还田等农艺技术的推广及高标准农田的建设也促进了耕地土壤碳固存[47,48].

分析黄土高原退耕还林（草）前后SOCD变化的驱动因素, 发现SOCD变化与气候因素和人类活动的关系存在差异性. 表层SOCD仅在退耕还林后与气候因子呈显著正相关, 而深层SOCD与气候和退耕还林前的人为因素呈显著正相关, 这种差异表明之后关于黄土高原有机碳储量的研究应当考虑各驱动因素在不同时间尺度上的作用[7]. 同时, 方差分解分析的结果表明气候始终是黄土高原SOCD变化的主要因素. 气候因子对SOCD增加的主导效应表明, 降水增加、气候变暖可能是过去20年生态工程反馈的结果. 人类活动的增强也促进了土壤碳累积, 之前的研究发现人口规模的增加和城镇化会增加环境保护意识以促进土壤碳固存[38,49]. 另一方面, 黄土高原SOCD的增加受国家政策和制度的影响很大, 但上述因素难以量化, 这可能是本研究中人类活动因素解释率较低的原因[50].

4 结论

（1）黄土高原地区退耕还林（草）工程生态收益显著, 全域表层SOCS增加了833.87万 t；深层SOCS增加了1 160.02万 t.

（2）在空间尺度上, 黄土高原地区表层和深层SOCD均呈东南高、西北低的趋势；退耕还林还（草）工程使全域SOCD显著提升, 更温暖湿润的Ⅰ、Ⅱ和Ⅲ区是增加的主要区域.

（3）在气候、人类活动和植被要素中, 气候要素是影响黄土高原SOCD变化的主要驱动因子.

参考文献
[1] 吕一河, 张立伟, 王江磊. 生态系统及其服务保护评估: 指标与方法[J]. 应用生态学报, 2013, 24(5): 1237-1243.
Lü Y H, Zhang L W, Wang J L. Assessment of ecosystem and its services conservation: indicators and methods[J]. Chinese Journal of Applied Ecology, 2013, 24(5): 1237-1243.
[2] Zhang Q F, Qin W K, Feng J G, et al. Whole-soil-profile warming does not change microbial carbon use efficiency in surface and deep soils[J]. Proceedings of the National Academy of Sciences of the United States of America, 2023, 120(32). DOI:10.1073/pnas.2302190120
[3] 王兴, 钟泽坤, 王佳懿, 等. 黄土高原撂荒草地土壤碳库对两年增温增雨的响应[J]. 土壤学报, 2023, 60(2): 523-534.
Wang X, Zhong Z K, Wang J Y, et al. Responses of soil carbon pool of abandoned grassland on the Loess Plateau to two-years warming and increased precipitation[J]. Acta Pedologica Sinica, 2023, 60(2): 523-534.
[4] Song J, Wan S Q, Piao S L, et al. A meta-analysis of 1, 119 manipulative experiments on terrestrial carbon-cycling responses to global change[J]. Nature Ecology & Evolution, 2019, 3(9): 1309-1320.
[5] Lehmann J, Kleber M. The contentious nature of soil organic matter[J]. Nature, 2015, 528(7580): 60-68. DOI:10.1038/nature16069
[6] 匡舒雅, 周泽宇, 梁媚聪, 等. IPCC第六次评估报告第二工作组报告解读[J]. 环境保护, 2022, 50(9): 71-75.
Kuang S Y, Zhou Z Y, Liang M C, et al. Interpretation of the main conclusions of IPCC AR6 working group Ⅱ report[J]. Environmental Protection, 2022, 50(9): 71-75.
[7] Naeem S, Zhang Y Q, Zhang X Z, et al. Both climate and socioeconomic drivers contribute to vegetation greening of the Loess Plateau[J]. Science Bulletin, 2021, 66(12): 1160-1163. DOI:10.1016/j.scib.2021.03.007
[8] Xu H, Yue C, Zhang Y, et al. Forestation at the right time with the right species can generate persistent carbon benefits in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2023, 120(41). DOI:10.1073/pnas.2304988120
[9] Hong S B, Ding J Z, Kan F, et al. Asymmetry of carbon sequestrations by plant and soil after forestation regulated by soil nitrogen[J]. Nature Communications, 2023, 14(1). DOI:10.1038/s41467-023-38911-w
[10] Feng X M, Fu B J, Piao S, et al. Revegetation in China's Loess Plateau is approaching sustainable water resource limits[J]. Nature Climate Change, 2016, 6(11): 1019-1022. DOI:10.1038/nclimate3092
[11] 许小明, 张晓萍, 何亮, 等. 黄土丘陵区不同恢复植被类型的固碳特征[J]. 环境科学, 2022, 43(11): 5263-5273.
Xu X M, Zhang X P, He L, et al. Carbon sequestration characteristics of different restored vegetation types in Loess Hilly Region[J]. Environmental Science, 2022, 43(11): 5263-5273.
[12] 林枫, 王丽芳, 文琦. 黄土高原土壤有机碳固存对植被恢复的动态响应及其碳汇价值[J]. 水土保持研究, 2021, 28(3): 53-58.
Lin F, Wang L F, Wen Q. Dynamic responses of sequestration of soil organic carbon to vegetation restoration and the values of carbon sink in the Loess Plateau[J]. Research of Soil and Water Conservation, 2021, 28(3): 53-58.
[13] Rui Y C, Jackson R D, Cotrufo M F, et al. Persistent soil carbon enhanced in Mollisols by well-managed grasslands but not annual grain or dairy forage cropping systems[J]. Proceedings of the National Academy of Sciences of the United States of America, 2022, 119(7). DOI:10.1073/pnas.2118931119
[14] Chen L Y, Fang K, Wei B, et al. Soil carbon persistence governed by plant input and mineral protection at regional and global scales[J]. Ecology Letters, 2021, 24(5): 1018-1028. DOI:10.1111/ele.13723
[15] 刘铮, 杨金贵, 马理辉, 等. 黄土高原草地净初级生产力时空趋势及其驱动因素[J]. 应用生态学报, 2021, 32(1): 113-122.
Liu Z, Yang J G, Ma L H, et al. Spatial-temporal trend of grassland net primary production and their driving factors in the Loess Plateau, China[J]. Chinese Journal of Applied Ecology, 2021, 32(1): 113-122.
[16] 李妙宇, 上官周平, 邓蕾. 黄土高原地区生态系统碳储量空间分布及其影响因素[J]. 生态学报, 2021, 41(17): 6786-6799.
Li M Y, Shangguan Z P, Deng L. Spatial distribution of carbon storages in the terrestrial ecosystems and its influencing factors on the Loess Plateau[J]. Acta Ecologica Sinica, 2021, 41(17): 6786-6799.
[17] 崔写, 董燕, 张露尹, 等. 基于SSP-RCP情景的黄土高原土地变化模拟及草原碳储量[J]. 环境科学, 2024, 45(5): 2817-2827.
Cui X, Dong Y, Zhang L Y, et al. Land change simulation and grassland carbon storage in the Loess Plateau based on SSP-RCP scenarios[J]. Environmental Science, 2024, 45(5): 2817-2827.
[18] 徐勇, 黄雯婷, 窦世卿, 等. 2000~2020年西南地区植被NDVI对气候变化和人类活动响应特征[J]. 环境科学, 2022, 43(6): 3230-3240.
Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in Southwest China from 2000 to 2020[J]. Environmental Science, 2022, 43(6): 3230-3240.
[19] 张乐艺, 李霞, 冯京辉, 等. 2000-2018年黄河流域NDVI时空变化及其对气候和人类活动的双重响应[J]. 水土保持通报, 2021, 41(5): 276-286.
Zhang L Y, Li X, Feng J H, et al. Spatial-temporal changes of NDVI in Yellow River Basin and its dual response to climate change and human activities during 2000-2018[J]. Bulletin of Soil and Water Conservation, 2021, 41(5): 276-286.
[20] 张芳宁, 杨亮洁, 杨永春. 1981-2016年黄土高原植被NDVI变化及对气候和人类活动的响应[J]. 水土保持研究, 2023, 30(2): 230-237.
Zhang F N, Yang L J, Yang Y C. Change of vegetation NDVI and its response to climatic and human activities in the Loess Plateau during 1981-2016[J]. Research of Soil and Water Conservation, 2023, 30(2): 230-237.
[21] 周怡婷, 严俊霞, 刘菊, 等. 2000~2021年黄土高原生态分区NEP时空变化及其驱动因子[J]. 环境科学, 2024, 45(5): 2806-2816.
Zhou Y T, Yan J X, Liu J, et al. Spatio-temporal variation of NEP in ecological zoning on the Loess Plateau and its driving factors from 2000 to 2021[J]. Environmental Science, 2024, 45(5): 2806-2816.
[22] 黄玥, 卫伟. 2000—2019年黄土高原NDVI时空变化特征及其归因分析[J]. 环境生态学, 2022, 4(5): 32-38.
Huang Y, Wei W. Spatiotemporal analysis and driving factors analysis of NDVI in the Loess Plateau from 2000 to 2019[J]. Environmental Ecology, 2022, 4(5): 32-38.
[23] Zheng K, Wei J Z, Pei J Y, et al. Impacts of climate change and human activities on grassland vegetation variation in the Chinese Loess Plateau[J]. Science of the Total Environment, 2019, 660: 236-244. DOI:10.1016/j.scitotenv.2019.01.022
[24] 张佑铭, 郎梦凡, 刘梦云, 等. 土地利用转变与海拔高度协同作用黄土高原植被固碳变化特征[J]. 生态学报, 2022, 42(10): 3897-3908.
Zhang Y M, Lang M F, Liu M Y, et al. Vegetation carbon sequestration in the Loess Plateau under the synergistic effects of land cover change and elevations[J]. Acta Ecologica Sinica, 2022, 42(10): 3897-3908.
[25] Zhang Z L, Kaye J P, Bradley B A, et al. Cover crop functional types differentially alter the content and composition of soil organic carbon in particulate and mineral-associated fractions[J]. Global Change Biology, 2022, 28(19): 5831-5848. DOI:10.1111/gcb.16296
[26] Fan X Y, Gao P, Tian B Q, et al. Spatio-temporal patterns of NDVI and its influencing factors based on the ESTARFM in the Loess Plateau of China[J]. Remote Sensing, 2023, 15(10). DOI:10.3390/rs15102553
[27] 吴巧丽, 张鑫阳, 蒋捷. 基于MODIS和CLCD数据的黄土高原土地利用变化检测及其对植被碳吸收模拟的影响[J]. 地理与地理信息科学, 2023, 39(5): 30-38.
Wu Q L, Zhang X Y, Jiang J. Land-use and land-cover change (LUCC) detection based on MODIS and CLCD data and its impact on the simulation of vegetation gross carbon assimilation in the Loess Plateau[J]. Geography and Geo-information Science, 2023, 39(5): 30-38.
[28] Feng X M, Fu B J, Lu N, et al. How ecological restoration alters ecosystem services: an analysis of carbon sequestration in China's Loess Plateau[J]. Scientific reports, 2013, 3.
[29] 徐丽, 何念鹏, 于贵瑞. 2010s中国陆地生态系统碳密度数据集[J]. 中国科学数据, 2019, 4(1): 86-92.
Xu L, He N P, Yu G R. A dataset of carbon density in Chinese terrestrial ecosystems (2010s)[J]. China Scientific Data, 2019, 4(1): 86-92.
[30] 赵发珠. 黄土丘陵区退耕植被土壤C、N、P化学计量学特征与土壤有机碳库及组分的响应机制[D]. 杨凌: 西北农林科技大学, 2015.
Zhao F Z. Regulating mechanism of carbon sequestration by C: N: P stoichiometry in soil under conversion of cropland to forest in loess hilly region[D]. Yangling: Northwest A & F University, 2015.
[31] Xie Z B, Zhu J G, Liu G, et al. Soil organic carbon stocks in China and changes from 1980s to 2000s[J]. Global Change Biology, 2007, 13(9): 1989-2007. DOI:10.1111/j.1365-2486.2007.01409.x
[32] Xu L, He N P, Yu G R, et al. Differences in pedotransfer functions of bulk density lead to high uncertainty in soil organic carbon estimation at regional scales: evidence from Chinese terrestrial ecosystems[J]. Journal of Geophysical Research: Biogeosciences, 2015, 120(8): 1567-1575. DOI:10.1002/2015JG002929
[33] 李俊晓, 李朝奎, 殷智慧. 基于ArcGIS的克里金插值方法及其应用[J]. 测绘通报, 2013(9): 87-90, 97.
Li J X, Li C K, Yin Z H. ArcGIS based Kriging interpolation method and its application[J]. Bulletin of Surveying and Mapping, 2013(9): 87-90, 97.
[34] Zhang T, Peng J, Liang W, et al. Spatial-temporal patterns of water use efficiency and climate controls in China's Loess Plateau during 2000-2010[J]. Science of the total environment, 2016, 565: 105-122. DOI:10.1016/j.scitotenv.2016.04.126
[35] 张建云, 刘九夫, 金君良, 等. 青藏高原水资源演变与趋势分析[J]. 中国科学院院刊, 2019, 34(11): 1264-1273.
Zhang J Y, Liu J F, Jin J L, et al. Evolution and trend of water resources in Qinghai-Tibet Plateau[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(11): 1264-1273.
[36] 安彬, 肖薇薇, 朱妮, 等. 近60a黄土高原地区降水集中度与集中期时空变化特征[J]. 干旱区研究, 2022, 39(5): 1333-1344.
An B, Xiao W W, Zhu N, et al. Temporal and spatial variations of precipitation concentration degree and precipitation concentration period on the Loess Plateau from 1960 to 2019[J]. Arid Zone Research, 2022, 39(5): 1333-1344.
[37] 刘盼, 赵西宁, 高晓东, 等. 黄土高原极端气温变化特征及其与平均气温的相关性[J]. 应用生态学报, 2022, 33(7): 1975-1982.
Liu P, Zhao X N, Gao X D, et al. Characteristics of extreme temperature variation in the Loess Plateau and its correlation with average temperature[J]. Chinese Journal of Applied Ecology, 2022, 33(7): 1975-1982.
[38] Wang N F, Chen X P, Zhang Z L, et al. Spatiotemporal dynamics and driving factors of county-level carbon storage in the Loess Plateau: a case study in Qingcheng County, China[J]. Ecological Indicators, 2022, 144.
[39] Lyu M K, Xie J S, Giardina C P, et al. Understory ferns alter soil carbon chemistry and increase carbon storage during reforestation with native pine on previously degraded sites[J]. Soil Biology and Biochemistry, 2019, 132: 80-92. DOI:10.1016/j.soilbio.2019.02.004
[40] 巩晨. 黄土高原不同造林模式生态功能特征及权衡/协同效应[D]. 杨凌: 中国科学院教育部水土保持与生态环境研究中心, 2022.
Gong F. Characteristics and trade-off/synergy effects of ecological functions under different afforestation patterns on China's Loess Plateau[D]. Yangling: Research Center of Soil and Water Conservation and Ecological Environment, Chinese Academy of Sciences and Ministry of Education, 2022.
[41] 刘峰, 赵鹏程, 张昀, 等. 从微生物角度揭示气候变暖对土壤有机碳转化影响的研究综述[J]. 土壤通报, 2022, 53(6): 1492-1498.
Liu F, Zhao P C, Zhang Y, et al. Effects of climate warming on soil organic carbon storage from the viewpoint of soil microorganism[J]. Chinese Journal of Soil Science, 2022, 53(6): 1492-1498.
[42] 朱谧远, 岩晓莹, 郭天崎, 等. 黄土高塬沟壑区陡坡地典型植被不同恢复年限土壤物理性质比较研究——以陕西长武王东沟为例[J]. 矿物岩石地球化学通报, 2022, 41(5): 1033-1040.
Zhu M Y, Yan X Y, Guo T Y, et al. A comparative study on soil physical properties of steep slopes in the Gully Region of the Loess Plateau with different restoration years of typical vegetation—A case study of Wangdonggou in Changwu, Shannxi Province[J]. Bulletin of Mineralogy, Petrology and Geochemistry, 2022, 41(5): 1033-1040.
[43] 李钊, 张美玲, 张锐祺, 等. 未来气候情景下甘南草地土壤有机碳密度的时空预测与分析[J]. 环境科学, 2023, 45(5): 3308-3317.
Li Z, Zhang M L, Zhang R Q, et al. Spatiotemporal simulation and prediction of soil organic carbon density in Gannan grassland under future climate scenarios[J]. Environmental Science, 2023, 45(5): 3308-3317.
[44] Castañeda-Gómez L, Lajtha K, Bowden R, et al. Soil organic matter molecular composition with long-term detrital alterations is controlled by site-specific forest properties[J]. Global Change Biology, 2023, 29(1): 243-259.
[45] He P, Zhang Y T, Shen Q R, et al. Microbial carbon use efficiency in different ecosystems: a meta-analysis based on a biogeochemical equilibrium model[J]. Global Change Biology, 2023, 29(17): 4758-4774.
[46] Sokol N W, Bradford M A. Microbial formation of stable soil carbon is more efficient from belowground than aboveground input[J]. Nature Geoscience, 2019, 12(1): 46-53.
[47] 毛盛林, 上官周平. 近20年黄土高原土地利用/植被覆盖变化特征及其成因[J]. 水土保持研究, 2022, 29(5): 213-219.
Mao S L, Shangguan Z P. Characteristics and causes of land use/vegetation coverage of the Loess Plateau in the past 20 years[J]. Research of Soil and Water Conservation, 2022, 29(5): 213-219.
[48] 王晶. 陕北黄土高原治沟造地工程生态环境效应研究[D]. 西安: 西安理工大学, 2023.
Wang J. The ecological environment effect of gully control and land consolidation project in Loess Plateau of northern Shaanxi[D]. Xi'an: Xi'an University of Technology, 2023.
[49] 燕丹妮, 武心悦, 王博恒, 等. 1982—2015年黄土高原植被变化特征及归因分析[J]. 生态学报, 2023, 43(23): 9794-9804.
Yan D N, Wu X Y, Wang B H, et al. Characteristics and driving forces of changes in vegetation coverage on the Loess Plateau, 1982-2015[J]. Acta Ecologica Sinica, 2023, 43(23): 9794-9804.
[50] 张良侠, 樊江文, 张海燕, 等. 黄土高原地区生态脆弱性时空变化及其驱动因子分析[J]. 环境科学, 2022, 43(9): 4902-4910.
Zhang L X, Fan J W, Zhang H Y, et al. Spatial-temporal variations and their driving forces of the ecological vulnerability in the Loess Plateau[J]. Environmental Science, 2022, 43(9): 4902-4910.
黄土高原退耕还林（草）前后土壤有机碳密度变化及其对气候变化和人类活动的响应
许煜麟, 赵雅萍, 赵雨晴, 杨婉琳, 郑梦桃, 王誉晓, 刘爽, 何静, 苏高杰, 王珺, 韩新辉, 杨改河, 任成杰