2024, Vol. 45
2. 北京方圆大地规划设计咨询有限公司, 北京 100193;
3. 河北省国土整治中心, 石家庄 050031
, YAO Dong-heng1 , LIAO Yu-bo1 , CHEN Wen-guang1 , ZHAO Jing1,2 , ZHAO Zhen-ting1 , ZHAO Wei-quan3 , ZHANG Ying3 , KONG Xiang-bin1
2. Beijing Fangyuan Da Di Planning and Design Consulting Co., Ltd., Beijing 100193, China;
3. Hebei Provincial Land Consolidation and Rehabilitation Centre, Shijiazhuang 050031, China
土壤有机碳（soil organic carbon, SOC）是指土壤中含碳有机物质的总和[1]. 土壤碳库是陆地生态系统中最大且最活跃的碳库, 比大气碳库高出2倍, 比植物碳库高出3倍[2, 3], 其微小变化对大气二氧化碳浓度可产生巨大影响进而影响全球生态系统碳循环. 同时, SOC也是耕地质量和耕地生产能力的重要指标[4]. 随着我国农业发展和耕地管理的需要, 耕地SOC的空间分异研究日益引起人们的重视. 准确估计耕地SOC含量, 揭示耕地SOC空间分异特征, 对于耕地可持续利用和管理、调节全球气候变化都具有重要意义.
当前已有许多学者在国家、省域、县域和小流域尺度上开展了大量不同区域SOC空间分布及影响因素的研究[5~10]. 已有研究表明, 在区域尺度上耕地SOC含量受气候、地形、土壤理化性质和利用方式等自然因素和人为因素共同作用影响[11~15]. 如李艾雯等[16]基于空间分析方法和统计分析方法揭示了四川盆地耕地表层SOC含量的空间分布格局及其主控因素, 结果表明SOC含量与年均气温呈负相关关系, 与年均降雨量的相关系数较小, 与高程呈现正相关关系；Yu等[17]基于主成分分析和多元线性回归方法探究黄土高原0~500 cm剖面SOC垂直分布的主要影响因素, 结果表明土地利用方式和土壤质地显著影响了0~200 cm剖面深度的SOC, 随土层深度的增加, 土地利用方式对SOC的贡献度降低, 而黏土含量对SOC的贡献度增加. 另外, SOC空间分布与影响因素研究大多是以耕地土壤表层（0~20 cm）为主[18, 19], 针对我国暖温带粮食主产区SOC剖面的研究相对较少, 且数据较为陈旧, 多数是基于第二次土壤普查数据或是地方土种志[20~22]. 受资料获取和研究方法等因素的影响, 目前省域尺度耕地SOC影响因素定量研究仍存在不足. 根据最新的实地土壤调查样本数据, 更新省级尺度SOC水平和垂直空间分异特征, 揭示区域内自然因素与人为利用因素对耕地SOC影响机制, 具有一定的研究价值.
河北省地貌复杂多样, 地域耕地资源分布差异显著, 是全国粮食主产区. 长期以来, 由于高强度集约利用, 导致境内耕地质量退化风险严峻, 河北省成为全国实施耕地休养生息的重要区域[23]. 人为利用的影响, 加之气候、地貌等自然因素的作用必然会影响耕地SOC的变化. 鉴于此, 本文大规模调查河北省耕地土壤剖面, 分层采集0~120 cm土壤剖面的土壤样品, 研究河北省耕地SOC水平空间和垂直空间的变化特征, 分析气候、地形地貌、土壤理化性质和耕地利用方式对河北省耕地SOC的影响机制, 定量揭示影响耕地剖面SOC的因素及各因素的交互作用, 以期为提升区域耕地土壤质量、优化施肥管理和保护生态平衡等提供科学依据.
1 材料与方法 1.1 研究区概况本文以河北省为研究区域. 河北省位于东经113°27′~119°50′, 北纬36°05′~42°40′. 全省地貌有平原、高原和山地, 具有地貌类型多样性, 地势西北高东南低, 高程在0~2 841m. 河北省地处沿海地区, 属于温带季风气候. 河北省年平均温度在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. 土壤类型主要有栗褐土、棕壤、褐土、草甸土和潮土等, 主要种植作物为小麦、玉米、大豆和棉花, 是我国重要的粮食主产区[24]. 河北省既是地貌类型多样区, 又是全国粮食主产区, 受自然因素和人为因素影响均较为强烈, 以该区域的耕地土壤为研究对象具有重要理论与现实意义.
1.2 土壤样品的采集与测定本文所用的土壤样品数据是2020年10~11月于河北省野外采集的耕地土壤0~120 cm剖面, 土壤剖面采集综合考虑研究区的土壤类型、地形地貌、耕地利用类型进行样点布设, 确保样点的全面性、典型性和代表性, 共采集519个剖面. 剖面采样点覆盖了县域内各地形区中所有耕地利用类型, 包括水田、旱地和水浇地. 每个土壤剖面按20 cm划分一个土层, 每个剖面分6层, 在每个土层的典型部位采集剖面样品, 共获取耕地土壤样本2 961份. 采集土壤样本时, 利用GPS定位样点坐标, 按照土壤层次自下而上分层采集0~20 cm（A1）、20~40 cm（A2）、40~60 cm（A3）、60~80 cm（A4）、80~100 cm（A5）和100~120 cm（A6）共6层土壤. 采用Xi'an1980地理坐标系, 将样本点数据经过GIS样点修正, 生成土壤样点分布图（图 1）.
|
图 1 研究区采样点及其相关环境因子空间分布示意 Fig. 1 Spatial distribution of sampling sites and their associated environmental factors in the study area |
土壤样品被带回实验室后, 风干并去除植物残留物和岩石等杂质. 采用重铬酸钾氧化-外加热法测定土壤有机质, 测定后通过换算因数转换为有机碳数据[25]. 采用电位法测定土壤pH, 采用比重计法测定土壤机械组成[26, 27]. 整理分析化验结果时, 采用3倍标准差法剔除结果中的异常值. 除土壤样本数据外, 本研究采用的辅助数据包括气候数据、土壤类型数据、土地利用遥感监测数据和数字高程模型数据. 气候数据、土壤类型数据、2020年中国耕地分布数据源于中国科学院资源环境科学与数据中心, 分辨率为1 km. 高程模型数据源于中国科学院计算机网络信息中心国际科学数据镜像网站, 分辨率为90 m.
1.3 统计分析利用经典统计学分析方法, 分别对6层耕地SOC数据进行数理统计分析. 首先采用直方图检验样本数据, 6个土层样本数据均不满足正态分布, 经过对数转换后均满足正态分布, 符合地统计分析的条件, 可用于数据分析. 其次对样本点数据进行极值、平均值、标准差及变异系数等参数的计算, 计算结果反映耕地SOC垂直方向上的变化强度、幅度、频率以及阈值范围, 变异系数的计算结果可以反映A1~A6层耕地SOC对外界环境的响应强度, 探究耕地SOC垂直方向的分布特征及演化规律. 积温、降雨量、地形、土壤类型、土壤质地、pH和耕地利用类型为多分类变量, 采用哑变量为其赋值. 单因素方差分析和皮尔逊相关分析主要用于揭示不同变量条件下的SOC含量差异, 分析结果用于环境因子对SOC影响机制的解释.
1.4 克里金插值利用地统计学方法分析SOC的空间分布特征. 通过GS+9.0地统计软件对6个土层深度的采样点数据进行计算和半变异函数理论模型的拟合, 求得最优半变异函数理论模型及重要参数. 其计算公式为：
|
(1) |
式中, γ（h）为半变异函数；h为样点空间间隔距离；N（h）为相距h的样点数目；Z（Xi）为位置Xi处的数值；Z（Xi+h）为位置Xi+h处的数值[28]. 块金系数的大小能说明变量间空间自相关性的强弱[29].
根据半变异函数模型和重要参数在ArcGIS 10.3软件中利用空间插值模块, 选取普通克里金插值法进行空间插值, 绘制河北省耕地SOC空间分布趋势. 普通克里金插值是以变异函数理论和结构分析为基础的空间插值方法, 其最大优点是能给出无偏估计, 能够充分考虑到土壤特性的空间变异[30]. 其计算公式为：
|
(2) |
式中, Z（X0）为未知样点的值；Z（Xi）为未知样点周围已知样点Xi的值；λi为第i个已知样本点对未知样点的权重；n为已知样本点的个数.
2 结果与分析 2.1 耕地SOC空间演变特征 2.1.1 描述性统计特征研究区耕地SOC含量统计特征见表 1. 从中可知, 研究区耕地ω（SOC）最小值出现在A6层耕地土壤, 为0.10 g·kg-1, 最大值出现在表层土壤, 为57.95 g·kg-1, 表层ω（SOC）平均值为9.57 g·kg-1；另外, 表层ω（SOC）变幅较大, 在1.50~57.95 g·kg-1之间, 数值显著高于下层土壤. 从土壤剖面来看, A1~A6层的ω（SOC）平均值分别为9.57、5.97、5.02、4.73、4.26和4.17 g·kg-1, SOC含量随着土层深度的增加而降低；其中, A1层耕地SOC含量均值显著高于A2~A6层土壤. A1~A6层的SOC变异系数分别为54.44%、62.48%、63.96%、82.66%、82.86%和83.45%, 均属于中等强度的空间变异性. 随着土层深度的增加, 变异系数逐渐增大, 表明空间变异性在逐渐增强, 其分布变得不均匀. 耕地SOC含量与剖面深度关系如图 2所示, 在已有散点图基础上, 利用相关分析确定SOC含量与土层深度在1%置信水平下存在显著负相关关系, 相关系数为-0.324. 由此可见随着土层深度的增加, 耕地SOC含量整体呈递减趋势.
|
表 1 研究区耕地SOC描述性统计特征1） Table 1 Descriptive statistical characterization of SOC for cultivated land in the study area |
|
图 2 不同土层深度SOC含量变化 Fig. 2 Variation in SOC content at different soil depths |
研究区耕地SOC最优半变异函数拟合模型和参数见表 2. 从中可知, A1层、A2层和A5层耕地SOC符合指数模型, A3和A4层耕地SOC符合球状模型, A6层耕地SOC符合高斯模型, 均适合使用普通克里金方法进行空间插值. 块金系数反映了耕地SOC的空间自相关程度, 变程揭示了其空间自相关范围. A1~A6各层SOC块金系数分别是63.33%、55.18%、52.79%、40.06%、36.93%和36.73%, 表明各层耕地SOC均具有中等程度的空间变异性, 其空间变异性受结构性因素和随机性因素共同影响, A1层具有更强的随机性, A6层具有更强的结构性. 其中, 结构性因素是指土壤类型、地形地貌等土壤形成过程中的自然因素, 而随机性因素是指如土地利用方式、种植制度等人为因素. A1~A6层耕地SOC变程分别是1.24、3.11、3.48、8.01、8.73和9.02 km, 表明各层变量在对应的区间中是连续的, 并且具有一定的空间自相关, 超过这个区间, 空间的自相关就会消失. 可以看出, 随土层深度增加, SOC块金系数减小, 变程增大. 这一结果表明, 接近地表, 随机性因素作用增强, 使得研究区耕地SOC空间自相关范围缩短.
|
|
表 2 研究区耕地SOC半方差模型和参数 Table 2 Semi-covariance model and parameters of SOC for cultivated land in the study area |
2.2 耕地SOC空间分布特征
通过普通克里金插值法进行空间插值, 绘制研究区耕地SOC空间分布, 见图 3. 从中可知, A1~A6这6层耕地SOC在空间分布上呈现趋同性, 大致形成了西北高东南低的空间分布格局. SOC高值区主要分布在张家口市、石家庄市和邯郸市, 低值区主要分布在衡水市、沧州市和廊坊市. A1层ω（SOC）在8 g·kg-1以上所占的面积较大, 约占全省耕地面积的66.90%, 主要分布在河北省西部和北部. A2层ω（SOC）为6~10 g·kg-1的面积较大, 占全省耕地面积的51.95%. A3~A6层SOC含量显著低于A1和A2层, ω（SOC）在3~8 g·kg-1, 低值面积随土层深度增加由东南向西北逐渐增加. 研究区耕地SOC空间特征与研究区地形变化具有较强的一致性, SOC含量呈现随海拔降低而不断减少的趋势, 证明其空间分布可能受地形因素影响较大.
|
图 3 研究区耕地SOC空间分布 Fig. 3 Spatial distribution of SOC in cultivated land in the study area |
气候对耕地SOC的积累与分解有着重要影响, 积温和降雨量是反映气候特征的重要因子, 因此依据积温和年均降雨量的分类标准, 对样本点数据进行分类统计和方差分析, 探究气候对耕地SOC的影响情况. 将积温分为≤1 600、1 600~3 400、3 400~4 500和4 500~8 000℃这4个级别. 相关分析结果如表 3所示, 6层SOC含量与积温在1%置信水平下均存在显著负相关关系. 不同积温条件下耕地SOC的方差分析如图 4所示. 可以看出, 在不同积温条件下6层SOC含量差异显著（P < 0.01）, ≤1 600℃ SOC显著高于其他积温梯度, 1 600~3 400、3 400~4 500和4 500~8 000℃这3个种类的SOC含量差异不显著. 随着积温的上升, 耕地SOC含量整体呈递减趋势.
|
|
表 3 各土壤层次SOC含量与积温的相关性分析1） Table 3 Correlation analysis between SOC content and cumulative temperature at each soil depth |
|
同一土层的不同小写字母表示SOC含量在不同积温条件下有所差异, 显著性水平为P < 0.01 图 4 不同积温条件下SOC含量剖面分布特征 Fig. 4 Characteristics of SOC content profile distribution under different cumulus conditions |
将降雨量分为200~400、400~600和600~800 mm这3个级别. 不同降雨量条件下SOC含量方差分析结果如图 5所示, 结果表明A1和A2层在不同降雨条件下SOC含量不存在显著差异, A3~A6层不同降雨条件下SOC含量存在显著差异（P < 0.01）.
|
同一土层的不同小写字母表示SOC含量在不同降雨量条件下有所差异, 显著性水平为P < 0.01 图 5 不同降雨量条件下SOC含量剖面分布特征 Fig. 5 Characteristics of SOC content profile distribution under different rainfall conditions |
综合考虑河北省地貌形态和海拔, 将海拔小于200 m归类为平原, 200~500 m归类为丘陵, 500~1 000 m归类为山地, 1 000 m以上归类为高原. 相关分析结果如表 4所示, 6层SOC含量与海拔在1%置信水平下均存在显著正相关关系, 由此可见随着海拔的上升, 耕地SOC含量整体呈上升趋势. 方差分析结果如图 6所示, 结果表明, 随着海拔升高, SOC含量上升.
|
|
表 4 各土壤层次SOC含量与海拔的相关性分析1） Table 4 Correlation analysis between SOC content and elevation at each soil depth |
|
同一土层的不同小写字母表示SOC含量在不同地形地貌条件下有所差异, 显著性水平为P < 0.05 图 6 不同地形地貌条件下SOC含量剖面分布特征 Fig. 6 Characteristics of SOC content profile distribution under different topographic and geomorphic conditions |
土壤理化性质对于耕地SOC分布与含量均有重要影响, 其中土壤质地和土壤pH值是重要的理化性质.
根据国际制土壤质地分类标准[31], 以采样剖面土壤砂粒（< 0.002 mm）、粉粒（0.002~0.02 mm）和黏粒（0.02~2 mm）的占比, 将河北省耕地土壤质地分为砂土、壤土、黏壤土和黏土, 研究6层土壤剖面不同土壤质地的SOC含量差异. 图 7为不同土壤质地下耕地SOC含量方差分析结果, 表明SOC含量在不同质地间差异显著（P < 0.05）, 由小到大的土壤质地依次为砂土、壤土、黏壤土和黏土, 整体表现为质地越黏重SOC含量越大的趋势.
|
同一土层的不同小写字母表示SOC含量在不同土壤质地下有所差异, 显著性水平为P < 0.05 图 7 不同土壤质地下SOC含量剖面分布特征 Fig. 7 Characteristics of SOC content profile distribution under different soil textures |
土壤pH值是影响SOC含量的常见因素. 将土壤pH划分为≤6.5、6.5~7.5、7.5~8.5和 > 8.5这4个级别. 不同pH条件下SOC含量剖面分布特征如图 8所示. 结果表明, 6层SOC含量均值随着pH值升高呈下降的趋势.
|
图 8 不同pH条件下SOC含量剖面分布特征 Fig. 8 Characteristics of SOC content profile distribution under different pH conditions |
不同的耕地利用方式通过影响地表植被覆盖和施肥耕作等人为活动影响SOC含量. 不同耕地利用方式下耕地SOC的方差分析如图 9所示. 可以看出, 6层土层深度中SOC含量均值从大到小均是水田、水浇地、旱地. A1和A2不同利用方式下的耕地SOC含量均值具有显著性差异, A3~A6这4层SOC含量均值则趋于接近, 没有显著差异.
|
同一土层的不同小写字母表示SOC含量在不同耕地利用方式下有所差异, 显著性水平为P < 0.05 图 9 不同耕地利用方式下SOC含量剖面分布特征 Fig. 9 Characteristics of SOC content profile distribution under different cultivated land utilization states |
通过回归分析方法, 比较各方程的调整判定系数, 确定各因子对SOC变异影响的大小, 结果如表 5所示. 土壤质地对SOC含量变异的独立解释能力最大, 能解释剖面SOC含量变异的22.8%~42.3%. 积温和地形地貌对SOC含量变异的独立解释能力也较大, 分别能解释10%~30.6%和18.1%~29.1%. 值得注意的是, 耕地利用方式对SOC含量变异的解释仅在A1和A2层显著, 能解释SOC含量变异的12.5%和13.2%, 降雨量对SOC含量变异的解释在A4~A6层显著, 能解释SOC含量变异的10.1%~12.4%. 说明人为利用在很大程度上影响耕地表层SOC含量, 而底层SOC含量主要受结构性因素影响.
|
|
表 5 各因素对剖面SOC含量分布影响的回归分析1） Table 5 Regression analysis of the effects of factors on the distribution of SOC content in the soil profile |
通过逐步回归分析判定各因子对SOC含量变异的综合解释能力并筛选主控因子. 表 6为各因子对SOC含量逐步回归分析结果, R§2为除该变量外的其它变量对SOC进行逐步回归的判定系数, 其值越大, 说明该变量对SOC变异的解释越弱；ΔR2为在其它变量的基础上增加该变量时, 回归方程决定系数的增量, ΔR2越大, 说明该变量在回归方程中越重要；R偏2为偏决定系数, 是指新加入回归方程的变量所能解释的部分占缺少该变量时回归方程未能解释的部分的比例, 其值越大说明新加入的变量越重要；Radj2为调整决定系数, 指回归方程中的所有自变量对因变量变异性的综合解释能力. 耕地表层SOC含量影响主控因子为土壤质地、地形地貌、耕地利用方式和pH, 4个因子综合解释能力达46.1%；其中土壤质地对SOC含量影响最大, 其ΔR2最大, 为0.228, 说明在分析中加入土壤质地时, 能够使回归方程对SOC变异的解释能力增加22.8%, 其次是地形地貌；积温、土壤类型和降雨量对SOC含量的影响较小, 在回归方程中加入这3个因子时, 仅能使方程的解释能力增加不足1%. A2层耕地SOC主控影响因子为土壤质地、地形地貌和耕地利用方式, 3个因子综合解释能力达45.2%. A3~A6层耕地SOC主控影响因子均为土壤质地、地形地貌和积温, 3个因子综合解释能力达41.4%~50.4%. 逐步回归分析结果表明, 随着土壤深度增加, SOC受到地表人为利用造成的影响减弱, 结构性因素逐渐成为其主要的影响因素.
|
|
表 6 剖面SOC含量主控因素分析 Table 6 Analysis of the main controlling factors of SOC content in soil profiles |
3 讨论 3.1 河北省耕地SOC空间演变特征成因
本研究结果显示, A1层耕地SOC平均值显著高于A2~A6层土壤, A1层ω（SOC）平均值为9.57 g·kg-1, 该值略低于全国农用地平均水平（12.99 g·kg-1）[32]. 耕地SOC呈现显著的剖面递减趋势, 这与李珊等[33]对SOC剖面分布的认识相一致. 造成这一现象的原因主要是表层植物凋零覆盖物的大量积累为土壤微生物提供了充足的底物, 显著提高微生物的活性, 而活性较高的微生物群落将植物源残体转移到土壤中[34, 35]. 随着土层深度的增加, 变异系数逐渐增大. 表层土壤变异系数最小, 可能是由于人为因素削弱了自然因素的影响, 即相似的耕作方式和施肥水平等人为因素削弱了地形、降雨量、成土母质和土壤类型等自然因素的影响[36]. 从水平空间分布来看, 河北省耕地SOC空间分布呈现西北高东南低的态势, 这与曹祥会等[37]根据140个土壤剖面中0~20 cm表层土壤样本进行回归克里金插值获得全省土地SOC含量的研究结果基本一致. 相较于顾成军等[38]利用河北省全国第二次土壤普查数据计算的耕地表层平均SOC含量, 本研究结果显示2020年河北省SOC有所增加, 表明近40年来河北省SOC含量呈现上升态势, 这与张秀芝等[39]对比全国第二次土壤普查和2005年SOC数据得到河北省呈现“碳汇”效应并认为未来河北省仍具有较大的固碳潜力这一研究结果相吻合.
3.2 河北省耕地SOC影响因素分析对于影响因素而言, 本研究中气候、地形、土壤理化性质和耕地利用方式等6个因子对河北省耕地SOC剖面分布均有不同程度的影响. 在气候方面, 本研究结果表明, 随着积温的上升, 耕地SOC含量整体呈递减趋势, 这与已有的研究结果一致[40]. 一方面是因为温度影响土壤微生物和生物酶的活性, 进而影响土壤呼吸和SOC矿化等活动；另一方面随着温度降低, 减缓了SOC的分解速率, 使得SOC积累起来[41]. 此外, 结果显示随着降雨量降低, 呈现SOC含量上升的趋势, 这与平原区的相关研究存在较大的差异[42]. 这是由于灌溉措施显著降低了降雨对SOC含量的影响, 使其受气温的影响大于降雨. 因为灌溉措施可以保证土壤水分的充足, 从而使有机质的分解和微生物的生长繁殖得以持续进行, 不会因为降雨不足而受到影响. 因此, 在灌溉措施下, 土壤水分得到保证, 气温成为了主要的影响因素, 而降雨量对SOC含量的影响则相对较小.
在地形方面, 本研究结果表明, 随着海拔升高, SOC含量上升. 由于气候、土壤水热和化学特性均会随海拔高度的变化而变化, 从而影响SOC的输入、分解和转化. 一方面, 随着海拔升高, 温度降低, 生物分解作用降低, 有机质分解速度下降, 因此海拔较高的地区通常SOC含量较高, 这与Wu等[43]的研究结果类似. 另一方面, 高海拔地区地形复杂, 地势陡峭, 交通不便, 人为利用强度下降, 在一定程度上也影响微生物分解速度和植被覆盖度, 从而影响到SOC的积累和分解过程, 使得土壤中的SOC能最大限度保留下来.
在土壤理化性质方面, 本研究结果表明, 6层土层深度中SOC含量由小到大的土壤质地依次为砂土、壤土、黏壤土和黏土, 整体表现为质地越黏重SOC含量越大的趋势, 这与Yang等[44]的研究结果相类似. 由于砂土的孔隙较大, 通透性较好, 氧气和微生物容易进入其中, 加速有机物质的分解和释放, 使得SOC不易积累. 黏土保水保肥性较好, 同时土壤中的有机物质与土壤颗粒之间结合较强, 有机物质难以被风和水冲刷带走, 易于SOC的积累. 壤土和黏壤土的孔隙度介于砂土和黏土之间, 具有较好的保水保肥性, 因此其SOC含量处于中间水平. 此外, 6层SOC含量均值随着pH降低呈下降的趋势. 土壤pH下降会导致SOC的溶解性降低, 增加土壤中毒性阳离子的数量和活性, 进而抑制土壤微生物活动, 影响SOC的矿化作用；而碱性环境下将促进土壤微生物对SOC的分解转化, 加速SOC的矿化过程[45].
耕地利用方式作为人为利用的影响之一. 本研究结果表明, 耕地利用方式主要影响表层耕地SOC含量, 水田的SOC含量大于旱地的SOC含量, 这与前人的研究结果一致[46]. 6层土层深度中SOC含量从大到小均是水田、水浇地、旱地. 这是由于水田长期处于淹水状态, 导致有机质分解速度下降[47]. A1和A2不同利用方式下的耕地SOC含量均值具有显著性差异, A3~A6这4层SOC含量均值则趋于接近, 没有显著差异. 这是因为表层的耕地SOC易受人为耕作与施肥的直接影响, 以提高粮食产量为目的的耕地利用方式增加了耕地表层SOC含量. 一方面, 为了追求粮食产量施用化肥和有机肥, 使得表层SOC含量升高；另一方面, 当粮食作物产量提高, 作物根系分泌物和腐殖质增加, 使得耕地表层SOC含量增加. A2层则主要是受作物根系的分泌物和腐殖质影响, SOC也出现了差异. 同时, 不同耕地利用方式的SOC含量差异随着土层深度增加而减少. 结合逐步回归分析的结果, 证明随着土层深度增加, 人为利用对SOC的影响减弱, 土壤质地、积温和地形地貌等自然因素逐渐成为其主导影响因素.
3.3 未来研究展望本研究在区域SOC空间模拟方面取得了一定的研究进展, 同时在研究中发现影响SOC含量的因素颇多, 因此将来有必要在以下3个方面进行探讨. 首先, 本研究仅选取6个影响因子分析其对耕地SOC的影响, 现有研究表明植被覆盖、坡度和人为利用投入如施用无机肥等因素对SOC含量影响较为强烈, 未来仍需定量刻画不同条件下SOC含量及垂直分布特征差异及其形成机制. 其次, 土壤碳库处在动态变化之中, 通过收集研究区域耕地SOC的时间尺度数据, 深入明确其在时间上变化规律, 进而模拟未来SOC储量和分布情况. 另外还可以进一步探究不同方法对研究结果的影响, 并选取最优插值模型进行耕地SOC的分布模拟研究.
4 结论（1）经典统计学分析表明, 研究区6层耕地土壤中A1（0~20 cm）的ω（SOC）平均值最高, 为9.57 g·kg-1, A6（100~120 cm）的ω（SOC）平均值最低, 为4.17 g·kg-1, 耕地SOC整体呈现随土层深度增加而减少的趋势. 6层耕地SOC变异系数均属于中等变异强度, 变异系数随土层深度的增加而增加.
（2）半变异函数分析表明, 随土层深度增加, SOC块金系数减小, 变程增大. 表明随着土层深度增加, 结构性因素的主导作用增强, 随机性因素的作用削弱, 同时研究区耕地SOC空间自相关范围随土层深度的增加而增大.
（3）普通克里金插值分析表明, 研究区A1~A6耕地SOC在空间上均呈现西北高东南低的分布格局, 其中张家口市、石家庄市和邯郸市耕地SOC含量最高, 衡水市、沧州市和廊坊市SOC含量最低.
（4）逐步回归分析表明, 积温、地形地貌和土壤质地是影响SOC空间分布的重要因素. 对于A1和A2层而言, 土壤质地、地形地貌和土地利用方式能解释超过40%的SOC含量变异, 对于A3~A6层而言, 土壤质地、地形地貌和积温能解释深层土壤41.4%~50.4%的SOC含量变异.
| [1] | Batjes N H. Total carbon and nitrogen in the soils of the world[J]. European Journal of Soil Science, 1996, 47(2): 151-163. DOI:10.1111/j.1365-2389.1996.tb01386.x |
| [2] | Kaiser C, Meyer H, Biasi C, et al. Conservation of soil organic matter through cryoturbation in arctic soils in Siberia[J]. Journal of Geophysical Research: Biogeosciences, 2007, 112(G2). DOI:10.1029/2006jg000258 |
| [3] | Morais T G, Domingos T, Teixeira R F M. A spatially explicit life cycle assessment midpoint indicator for soil quality in the European Union using soil organic carbon[J]. The International Journal of Life Cycle Assessment, 2016, 21(8): 1076-1091. DOI:10.1007/s11367-016-1077-x |
| [4] |
张维理, Kolbe H, 张认连. 土壤有机碳作用及转化机制研究进展[J]. 中国农业科学, 2020, 53(2): 317-331. Zhang W L, Kolbe H, Zhang R L. Research progress of SOC functions and transformation mechanisms[J]. Scientia Agricultura Sinica, 2020, 53(2): 317-331. |
| [5] |
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. |
| [6] |
王绍强, 周成虎, 李克让, 等. 中国土壤有机碳库及空间分布特征分析[J]. 地理学报, 2000, 55(5): 533-544. Wang S Q, Zhou C H, Li K Ret al. Analysis on spatial distribution characteristics of soil organic carbon reservoir in China[J]. Acta Geographica Sinica, 2000, 55(5): 533-544. |
| [7] |
孙文义, 郭胜利. 黄土丘陵沟壑区小流域土壤有机碳空间分布及其影响因素[J]. 生态学报, 2011, 31(6): 1604-1616. Sun W Y, Guo S L. The spatial distribution of soil organic carbon and it's influencing factors in hilly region of the Loess Plateau[J]. Acta Ecologica Sinica, 2011, 31(6): 1604-1616. |
| [8] |
李海萍, 杜佳琪, 唐浩竣. 基于随机森林的县域土壤有机碳密度及储量估算[J]. 中国土壤与肥料, 2021(3): 1-8. Li H P, Du J Q, Tang H J. Estimation of soil organic carbon density and reserves based on random forest model in county level[J]. Soil and Fertilizer Sciences in China, 2021(3): 1-8. |
| [9] |
丁亚鹏, 张俊华, 刘玉寒, 等. 基于GWR模型的伊河流域土壤有机碳空间分布特征及影响因素分析[J]. 生态学报, 2021, 41(12): 4876-4885. Ding Y P, Zhang J H, Liu Y H, et al. Spatial distribution characteristics and influencing factors of soil organic carbon in Yihe River Basin based on GWR model[J]. Acta Ecologica Sinica, 2021, 41(12): 4876-4885. |
| [10] |
陈中星, 张楠, 张黎明, 等. 福建省土壤有机碳储量估算的尺度效应研究[J]. 土壤学报, 2018, 55(3): 606-619. Chen Z X, Zhang N, Zhang L M, et al. Scale effects of estimation of soil organic carbon storage in Fujian Province, China[J]. Acta Pedologica Sinica, 2018, 55(3): 606-619. |
| [11] | Yang S H, Dong Y, Song X D, et al. Vertical distribution and influencing factors of deep soil organic carbon in a typical subtropical agricultural watershed[J]. Agriculture, Ecosystems & Environment, 2022, 339. DOI:10.1016/j.agee.2022.108141 |
| [12] | Liu D W, Wang Z M, Zhang B, et al. Spatial distribution of soil organic carbon and analysis of related factors in croplands of the black soil region, Northeast China[J]. Agriculture, Ecosystems & Environment, 2006, 113(1-4): 73-81. |
| [13] | Zhao B H, Li Z B, Li P, et al. Spatial distribution of soil organic carbon and its influencing factors under the condition of ecological construction in a hilly-gully watershed of the Loess Plateau, China[J]. Geoderma, 2017, 296: 10-17. DOI:10.1016/j.geoderma.2017.02.010 |
| [14] |
安申群, 贡璐, 李杨梅, 等. 塔里木盆地北缘绿洲4种土地利用方式土壤有机碳组分分布特征及其与土壤环境因子的关系[J]. 环境科学, 2018, 39(7): 3382-3390. An S Q, Gong L, Li Y M, et al. Soil organic carbon components and their correlation with soil physicochemical factors in four different land use types of the Northern Tarim Basin[J]. Environmental Science, 2018, 39(7): 3382-3390. |
| [15] |
常琳溪, 梁新然, 王磊, 等. 中国稻田土壤有机碳汇特征与影响因素的研究进展[J]. 土壤, 2023, 55(3): 487-493. Chang L X, Liang X R, Wang L, et al. Characteristics and influencing factors of soil organic carbon sink in paddy fields in China: a review[J]. Soils, 2023, 55(3): 487-493. |
| [16] |
李艾雯, 冉敏, 宋靓颖, 等. 四川盆地耕地表层土壤有机碳含量空间分布特征及其影响因素[J]. 长江流域资源与环境, 2023, 32(5): 1102-1112. Li A W, Ran M, Song L Y, et al. Spatial distribution characteristics and influencing factors of cropland topsoil organic carbon content in the Sichuan Basin[J]. Resources and Environment in the Yangtze Basin, 2023, 32(5): 1102-1112. |
| [17] | Yu H Y, Zha T, Zhang X X, et al. Vertical distribution and influencing factors of soil organic carbon in the Loess Plateau, China[J]. Science of the Total Environment, 2019, 693. DOI:10.1016/j.scitotenv.2019.133632 |
| [18] |
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. |
| [19] |
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. DOI:10.18402/resci.2019.12.14 |
| [20] |
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. |
| [21] |
韩天富, 都江雪, 曲潇琳, 等. 1988―2019年中国农田表土有机碳库密度变化及其主要影响因素[J]. 植物营养与肥料学报, 2022, 28(7): 1145-1157. Han T F, Du J X, Qu X L, et al. Factors affecting change in topsoil organic carbon pool density in Chinese farmlands from 1988 to 2019[J]. Journal of Plant Nutrition and Fertilizers, 2022, 28(7): 1145-1157. |
| [22] |
赵明松, 张甘霖, 李德成, 等. 江苏省土壤有机质变异及其主要影响因素[J]. 生态学报, 2013, 33(16): 5058-5066. Zhao M S, Zhang G L, Li D C, et al. Variability of soil organic matter and its main factors in Jiangsu Province[J]. Acta Ecologica Sinica, 2013, 33(16): 5058-5066. |
| [23] |
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. |
| [24] |
韩迪, 李蓬勃, 徐东瑞. 河北省土壤有机质时空变化分析[J]. 土壤通报, 2016, 47(1): 65-72. Han D, Li P B, Xu D R. Temporal-spatial changes of soil organic matter in Hebei Province[J]. Chinese Journal of Soil Science, 2016, 47(1): 65-72. |
| [25] | NY/T 1121.6-2006, 土壤检测第6部分: 土壤有机质的测定[S]. |
| [26] | NY/T 1377-2007, 土壤中pH值的测定[S]. |
| [27] | NY/T 1121.3-2006, 土壤检测第3部分: 土壤机械组成的测定[S]. |
| [28] |
葛剑平, 郭海燕, 仲莉娜. 地统计学在生态学中的应用(Ⅰ)──基本理论和方法[J]. 东北林业大学学报, 1995, 23(2): 88-94. Ge J P, Guo H Y, Zhong L N. Geostatistics in ecology (Ⅰ)-basic theory and methods[J]. Journal of Northeast Forestry University, 1995, 23(2): 88-94. |
| [29] | Cambardella C A, Moorman T B, Novak J M, et al. Field-scale variability of soil properties in central Iowa soils[J]. Soil Science Society of America Journal, 1994, 58(5): 1501-1511. DOI:10.2136/sssaj1994.03615995005800050033x |
| [30] |
连纲, 郭旭东, 傅伯杰, 等. 基于环境相关法和地统计学的土壤属性空间分布预测[J]. 农业工程学报, 2009, 25(7): 237-242. Lian G, Guo X D, Fu B J, et al. Prediction of the spatial distribution of soil properties based on environmental correlation and geostatistics[J]. Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(7): 237-242. DOI:10.3969/j.issn.1002-6819.2009.07.043 |
| [31] |
吴克宁, 赵瑞. 土壤质地分类及其在我国应用探讨[J]. 土壤学报, 2019, 56(1): 227-241. Wu K N, Zhao R. Soil texture classification and its application in China[J]. Acta Pedologica Sinica, 2019, 56(1): 227-241. |
| [32] |
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. |
| [33] |
李珊, 李启权, 王昌全, 等. 成都平原区水稻土有机碳剖面分布特征及影响因素[J]. 环境科学, 2018, 39(7): 3365-3372. Li S, Li Q Q, Wang C Q, et al. Profile distribution of paddy soil organic carbon and its influencing factors in Chengdu Plain[J]. Environmental Science, 2018, 39(7): 3365-3372. |
| [34] |
马南方, 高晓东, 赵西宁, 等. 黄土丘陵区退耕小流域土壤有机碳分布特征及地形植被对其的影响[J]. 生态学报, 2022, 42(14): 5838-5846. Ma N F, Gao X D, Zhao X N, et al. Distribution characteristics of soil organic carbon and the effect of topographic and vegetation on small watershed of returned farmland in the Loess hilly region[J]. Acta Ecologica Sinica, 2022, 42(14): 5838-5846. |
| [35] | Gul S, Whalen J K, Thomas B W, et al. Physico-chemical properties and microbial responses in biochar-amended soils: mechanisms and future directions[J]. Agriculture, Ecosystems & Environment, 2015, 206: 46-59. |
| [36] |
张欣, 李梦佳, 刘洪斌, 等. 丘陵区耕地土壤剖面有机质含量分布特征及其影响因素分析[J]. 长江流域资源与环境, 2020, 29(12): 2696-2708. Zhang X, Li M J, Liu H B, et al. Distribution characteristics and influence factors of organic matter content in cultivated soil in different horizons in hilly areas[J]. Resources and Environment in the Yangtze Basin, 2020, 29(12): 2696-2708. |
| [37] |
曹祥会, 龙怀玉, 周脚根, 等. 河北省表层土壤有机碳和全氮空间变异特征性及影响因子分析[J]. 植物营养与肥料学报, 2016, 22(4): 937-948. Cao X H, Long H Y, Zhou J G, et al. Analysis of spatial variability and influencing factors of topsoil organic carbon and total nitrogen in Hebei Province[J]. Journal of Plant Nutrition and Fertilizers, 2016, 22(4): 937-948. |
| [38] |
顾成军, 史学正, 于东升. 结合土地利用与克里格插值的区域土壤有机碳空间表征方法[J]. 水土保持研究, 2014, 21(2): 39-42, 46. Gu C J, Shi X Z, Yu D S. Indicating method on spatial distribution of regional soil organic carbon by combining land use and Kriging[J]. Research of Soil and Water Conservation, 2014, 21(2): 39-42, 46. |
| [39] |
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. |
| [40] | Jenkinson D S, Adams D E, Wild A. Model estimates of CO2 emissions from soil in response to global warming[J]. Nature, 1991, 351(6324): 304-306. DOI:10.1038/351304a0 |
| [41] |
张彦军, 郭胜利. 环境因子对土壤微生物呼吸及其温度敏感性变化特征的影响[J]. 环境科学, 2019, 40(3): 1446-1456. Zhang Y J, Guo S L. Effect of environmental factors on variation characteristics of soil microbial respiration and its temperature sensitivity[J]. Environmental Science, 2019, 40(3): 1446-1456. |
| [42] |
程金, 黄文卿, 张世昌, 等. 福建省表层土壤有机碳密度空间分布及影响因素分析[J]. 农业资源与环境学报, 2023, 40(4): 805-816. Cheng J, Huang W Q, Zhang S C, et al. Spatial distribution and influencing factors of topsoil organic carbon density in Fujian Province, China[J]. Journal of Agricultural Resources and Environment, 2023, 40(4): 805-816. |
| [43] | Wu L Z, Li L, Yao Y F, et al. Spatial distribution of soil organic carbon and its influencing factors at different soil depths in a semiarid region of China[J]. Environmental Earth Sciences, 2017, 76(19). DOI:10.1007/s12665-017-6982-1 |
| [44] | Yang P P, Shu Q, Liu Q, et al. Distribution and factors influencing organic and inorganic carbon in surface sediments of tidal flats in northern Jiangsu, China[J]. Ecological Indicators, 2021, 126. DOI:10.1016/j.ecolind.2021.107633 |
| [45] |
戴万宏, 黄耀, 武丽, 等. 中国地带性土壤有机质含量与酸碱度的关系[J]. 土壤学报, 2009, 46(5): 851-860. Dai W H, Huang Y, Wu L, et al. Relationships between soil organic matter content (SOM) and pH in topsoil of zonal soils in China[J]. Acta Pedologica Sinica, 2009, 46(5): 851-860. DOI:10.3321/j.issn:0564-3929.2009.05.013 |
| [46] |
汤洁, 张雯辉, 李昭阳, 等. 吉林前郭水田土壤有机碳垂向分布规律和储量研究[J]. 环境科学, 2013, 34(7): 2788-2792. Tang J, Zhang W H, Li S Y, et al. Research on vertical distribution pattern and reserve of organic carbon in paddy field soil of Qianguo, Jilin[J]. Environmental Science, 2013, 34(7): 2788-2792. |
| [47] |
王玉竹, 肖和艾, 周萍, 等. 江汉平原农田土壤有机碳分布与变化特点: 以潜江市为例[J]. 环境科学, 2015, 36(9): 3422-3428. Wang Y Z, Xiao H A, Zhou P, et al. Distribution and dynamics of cropland soil organic carbon in Jianghan Plain: a case study of Qianjiang City[J]. Environmental Science, 2015, 36(9): 3422-3428. |