高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

铁尾矿废弃地不同复垦年限土壤质量评价

王安宁 刘歌畅 徐学华 李晓刚 李玉灵

引用本文:
Citation:

铁尾矿废弃地不同复垦年限土壤质量评价

    作者简介: 王安宁。主要研究方向:水土保持与植被恢复。Email:wanganning040027@163.com 地址:071000 河北省保定市河北农业大学林学院.
    通讯作者: 李玉灵,教授,博士生导师。主要研究方向:退化土地植被恢复理论与技术。Email:liyuling0425@126.com  地址:同上
  • 中图分类号: S157.10

Evaluation of soil quality in iron tailing ore wastelands of various reclamation periods

  • 摘要: 目的 研究不同复垦年限对铁尾矿废弃地土壤质量的影响,为揭示铁尾矿废弃地复垦土壤演替规律、生态治理提供依据。方法 本文以唐山迁安马兰庄镇不同复垦年限(1、3、5、7和15年)铁尾矿废弃地为研究对象,以裸尾矿为对照,综合考虑0 ~ 20 cm、20 ~ 40 cm、40 ~ 60 cm土层土壤理化性质和生物学性状,通过灰色关联度模型和相关关系分析法构建土壤质量评价最小数据集,并以隶属度函数计算指标隶属度,以主成分分析法确定指标权重,最后运用加权求和模型对铁尾矿区复垦土壤质量进行评价。结果 土壤质量评价适用的最小数据集(MDS)包括5项指标:真菌、磷酸酶、脲酶、非毛管孔隙度和全氮,磷酸酶和脲酶因子荷载量和灰色关联度均较大,是评价该区复垦土壤质量的关键性指标。基于最小数据集的土壤质量指数(MDS-SQI)与基于全体数据集的土壤质量指数(TDS-SQI)有极显著相关关系(R2 = 0.911),加权求和模型计算结果显示不同复垦年限土壤质量指数(SQI)大小顺序为复垦15年 > 7年 > 5年 > 3年 > 1年 > 裸尾矿。复垦1 ~ 15年间土壤质量综合值呈回归式抛物线增加,复垦1 ~ 7年内土壤质量提高缓慢,恢复7年后土壤质量迅速恢复,至第15年达到最大值。不同复垦年限土壤质量垂直剖面变异趋势基本表现为随土深的增加逐渐下降。结论 土地复垦可改善铁尾矿废弃地土壤质量。该结论为揭示铁尾矿废弃地复垦土壤演替规律、生态治理提供依据。
  • 图 1  不同复垦年限铁尾矿废弃地土壤最小数据集指标变化

    Figure 1.  Variations of soil minimum dataset indicators for iron tailing ore abandoned area in different reclamation years

    图 2  最小数据集土壤质量指数(MDS-SQI)与全体数据集土壤质量指数(TDS-SQI)相关性

    Figure 2.  Correlation between the minimum data set soil quality index (MDS-SQI) and the total data set soil quality index (TDS-SQI)

    图 3  不同数据集铁尾矿废弃地复垦土壤质量指数

    Figure 3.  Reclaimed soil quality index of iron tailing ore in different data sets

    图 4  不同复垦年限土壤质量综合指数剖面变化规律

    Figure 4.  Trend of profile of soil quality index for different years of reclamation

    图 5  不同复垦年限土壤质量指数聚类分析

    Figure 5.  Cluster analysis of soil quality index for different reclamation years

    表 1  样地特征

    Table 1.  Character of the sample plots

    复垦年限/a
    Periods of rehabilitation/year
    坡度
    Slope/(°)
    坡向
    Aspect
    植被平均高度
    Average height of vegetation/m
    植被平均覆盖度
    Average vegetation coverage/%
    1 35 东 East 1.6 60
    3 35 东 East 2.0 65
    5 40 东 East 3.6 70
    7 35 东 East 5.01 80
    15 40 东 East 5.5 90
    裸尾矿 Bare tailings (CK) 35 东East
    下载: 导出CSV

    表 2  各指标重要值

    Table 2.  Important value of each indicator

    指标
    Index
    土壤密度
    Bulk
    density
    (X1)
    田间持水量
    Field
    capacity
    (X2)
    毛管持水量
    Capillary
    water capacity
    (X3)
    饱和持水量
    Saturated
    water capacity
    (X4)
    总孔隙度
    Total porosity
    (X5)
    毛管孔隙度
    Capillary porosity
    (X6)
    非毛管孔隙度
    Non-capillary porosity
    (X7)
    有机质
    Organic
    matter
    (X8)
    全氮
    Total nitrogen
    (X9)
    全磷
    Total phosphorus
    (X10)
    全钾
    Total potassium
    (X11)
    重要值
    Important value
    0.658 0.649 0.678 0.674 0.650 0.736 0.703 0.755 0.700 0.746 0.720
    指标
    Index
    碱解氮
    Alkaline
    nitrogen
    (X12)
    速效磷
    Available
    phosphorus (X13)
    速效钾
    Available
    potassium
    (X14)
    细菌
    Bacteria
    (X15)
    真菌
    Fungus
    (X16)
    放线菌
    Actinomycetes
    (X17)
    蔗糖酶
    Sucrase
    (X18)
    过氧化氢酶
    Catalase
    (X19)
    脲酶
    Urease
    (X20)
    磷酸酶
    Phosphatase
    (X21)
    pH
    (X22)
    重要值
    Important value
    0.743 0.687 0.691 0.771 0.776 0.711 0.757 0.752 0.736 0.763 0.711
    下载: 导出CSV

    表 3  初选最小数据集指标相关系数矩阵

    Table 3.  Index correlation coefficient matrix for primary selected min. datasets

    项目 ItemX6X7X8X9X10X11X12X13X14X15X16X17X20X21X22
    X6 1
    X7 − 0.240 1
    X8 − 0.783** 0.193 1
    X9 − 0.345 0.442 0.295 1
    X10 − 0.342 − 0.506* 0.484* − 0.498* 1
    X11 − 0.330 − 0.362 0.499* − 0.518* 0.876** 1
    X12 − 0.429 − 0.269 0.606** − 0.270 0.799** 0.662** 1
    X13 − 0.625** 0.033 0.823** − 0.128 0.742** 0.794** 0.687** 1
    X14 − 0.685** − 0.012 0.858** − 0.113 0.760** 0.786** 0.761** 0.986** 1
    X15 − 0.563* − 0.397 0.675** − 0.230 0.877** 0.804** 0.616** 0.846** 0.853** 1
    X16 − 0.001 0.267 0.281 − 0.099 0.342 0.470* 0.120 0.553* 0.421 0.337 1
    X17 0.106 0.493* 0.138 0.112 − 0.016 0.095 0.007 0.337 0.211 − 0.019 0.824** 1
    X20 0.034 − 0.306 0.191 − 0.336 0.694** 0.512* 0.619** 0.513* 0.468* 0.503* 0.564* 0.524* 1
    X21 − 0.184 0.563* 0.454 0.121 0.130 0.256 0.33 0.592** 0.518* 0.133 0.711** 0.885** 0.486* 1
    X22 0.312 0.492* − 0.481* 0.318 − 0.888** − 0.790** − 0.566* − 0.758** − 0.728** − 0.930** − 0.506* − 0.168 − 0.725** − 0.191 1
    注:**表示极显著相关关系(P < 0.01),*表示显著相关关系(P < 0.05)。Notes: ** indicates extremely significant correlation (P < 0.01) and * indicates significant correlation (P < 0.05).
    下载: 导出CSV

    表 4  各指标负荷量及权重

    Table 4.  Load and weight of each indicator

    指标 IndexPC 1PC 2
    负荷量 Load capacity权重 Weight负荷量 Load capacity权重 Weight
    X7 0.980 0.300 0.121 0.072
    X9 0.078 0.024 0.788 0.474
    X16 0.232 0.071 − 0.690 0.415
    X20 0.983 0.301 − 0.042 0.025
    X21 0.993 0.304 0.022 0.013
    各主成分特征根 Principal component characteristic root 2.974 1.114
    各主成分贡献率 Principal component contribution rate/% 59.476 22.279
    累积主成分贡献率 Cumulative principal component contribution rate/% 59.476 81.755
    下载: 导出CSV
  • [1] Fu W H, Wang Y, Yu Q Q. Effect of different improvement measures on the reclamation effect of iron tailings[J]. Northern Horticulture, 2012, 20(8): 158−163.
    [2] Yang X, Gao L. A study on re-vegetation in mining wasteland of Dexing Copper Mine, China[J]. Acta Ecologica Sinica, 2001, 21(11): 1932−1940.
    [3] 武强, 刘宏磊, 陈奇, 等. 矿山环境修复治理模式理论与实践[J]. 煤炭学报, 2017, 42(5):1085−1092.Wu Q, Liu H L, Chen Q, et al. Theoretical study of mine geo-environmental restoration model and its application[J]. Journal of China Coal Society, 2017, 42(5): 1085−1092.
    [4] 刘宏磊, 陈奇, 赵德康. 矿山环境修复治理模式探讨[J]. 煤炭工程, 2016, 48(增刊 2):91−95.Liu H L, Chen Q, Zhao D K. Analysis on restoration mode of mine geo-environment[J]. Coal Engineering, 2016, 48(Suppl. 2): 91−95.
    [5] 祝宇成, 王金满, 白中科, 等. 采煤塌陷对土壤理化性质影响的研究进展[J]. 土壤, 2016, 48(1):22−28.Zhu Y C, Wang J M, Bai Z K, et al. Recent research progresses of influences of coal mining[J]. Soils, 2016, 48(1): 22−28.
    [6] 王岩, 李玉灵, 石娟华, 等. 不同植被恢复模式对铁尾矿物种多样性及土壤理化性质的影响[J]. 水土保持学报, 2012, 26(3):112−117,183.Wang Y, Li Y L, Shi J H, et al. Effect of different vegetation restoration measures on the species diversity and soil properties of iron tailings[J]. Journal of Soil and Water Conservation, 2012, 26(3): 112−117,183.
    [7] 阎爱华, 李雯, 李玉灵. 不同自然定居植被对铁尾矿微生物数量、酶活性和生物多样性的影响[J]. 河北农业大学学报, 2014, 37(4):20−24.Yan A H, Li W, Li Y L. Effect of microbe number, enzyme activity and diversity of iron tailings in processes of natural inhabitation[J]. Journal of Hebei Agricultural University, 2014, 37(4): 20−24.
    [8] 贺龙, 李艳琴, 李彬春, 等. 矿区不同植被复垦模式对土壤细菌群落结构的影响[J]. 环境科学, 2017, 38(2):752−759.He L, Li Y Q, Li B C, et al. Effects of different vegetation types and reclamation years on soil bacterial community structure in reclaimed mine areas[J]. Environmental Science, 2017, 38(2): 752−759.
    [9] Finkenbein P, Kretschmer K, Kuka K, et al. Soil enzyme activities as bioindicators for substrate quality in revegetation of a subtropical coal mining dump[J]. Soil Biology & Biochemistry, 2013, 56: 87−89. doi: 10.1016/j.soilbio.2012.02.012
    [10] 何书金, 苏光全. 矿区废弃土地复垦潜力评价方法与应用实例[J]. 地理研究, 2000, 19(2):165−171. doi: 10.3321/j.issn:1000-0585.2000.02.008He S J, Su G Q. Evaluation method and its application to the potentiality of wasteland reclamationof China’s abandoned mining areas[J]. Geographical Research, 2000, 19(2): 165−171. doi: 10.3321/j.issn:1000-0585.2000.02.008
    [11] 李鹏飞, 张兴昌, 朱首军, 等. 植被恢复对黑岱沟矿区排土场土壤性质的影响[J]. 水土保持通报, 2015, 35(5):64−70.Li P F, Zhang X C, Zhu S J, et al. Effects of vegetation restoration on soil properties in Heidaigou Mine Dump[J]. Bulletin of Soil and Water Conservation, 2015, 35(5): 64−70.
    [12] 李新举, 胡振琪, 李晶, 等. 采煤塌陷地复垦土壤质量研究进展[J]. 农业工程学报, 2007, 23(6):276−280. doi: 10.3321/j.issn:1002-6819.2007.06.056Li X J, Hu Z Q, Li J, et al. Research progress of reclaimed soil quality in mining subsidence area[J]. Transactions of the Chinese Society Agricultural Engineering (Transactions of the CSAE), 2007, 23(6): 276−280. doi: 10.3321/j.issn:1002-6819.2007.06.056
    [13] 王金满, 杨睿璇, 白中科. 草原区露天煤矿排土场复垦土壤质量演替规律与模型[J]. 农业工程学报, 2012, 28(14):229−235. doi: 10.3969/j.issn.1002-6819.2012.14.035Wang J M, Yang R X, Bai Z K. Succession law and model of reclaimed soil quality of opencast coal mine dump in grassland[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(14): 229−235. doi: 10.3969/j.issn.1002-6819.2012.14.035
    [14] 杨劲松, 姚荣江. 苏北海涂围垦区土壤质量综合评价研究[J]. 中国生态农业学报, 2009, 17(3):410−415.Yang J S, Yao R J. Evaluation of soil quality in reclaimed coastal regions in North Jiangsu Province[J]. Chinese Journal of Eco-Agriculture, 2009, 17(3): 410−415.
    [15] Yang F, Zeng G M, Du C Y, et al. Spatial analyzing system for urban land-use management based on GIS and multi criteria assessment modeling[J]. Progress in Natural Science, 2008, 18: 1279−1284. doi: 10.1016/j.pnsc.2008.05.007
    [16] 张向茹, 马露莎, 陈亚南, 等. 黄土高原不同纬度下刺槐林土壤生态化学计量学特征研究[J]. 土壤学报, 2013, 50(4):818−825.Zhang X R, Ma L S, Chen Y N, et al. Ecological stoichiometry characteracteristics of Robinia pseudoacacia forest soil in different latitudes of Loess Plateau[J]. Acta Pedologica Sinica, 2013, 50(4): 818−825.
    [17] 邢肖毅 黄懿梅 安韶山, 等. 黄土丘陵区不同植被土壤氮素转化微生物生理群特征及差异[J]. 生态学报, 2013, 33(18):87−89.Xing X Y, Huang Y M, An S S, et al. Characteristics of physiological groups of soil nitrogen-transforming microbes in different vegetation types in the Loess Gully region, China[J]. Acta Ecologica Sinica, 2013, 33(18): 87−89.
    [18] 邢肖毅, 黄懿梅, 安韶山, 等. 黄土丘陵区不同植被土壤氮素转化微生物生理群特征及差异[J]. 生态学报, 2013, 33(18):5608−5614.Xing X Y, Huang Y M, An S S, et al. Characteristics of physiological groups of soil nitrogen-transforming microbes in different vegetation types in the loess gully region, China[J]. Acta Ecologica Sinica, 2013, 33(18): 5608−5614.
    [19] 贺祥, 林振山, 刘会玉, 等. 基于灰色关联模型对江苏省PM_(2.5)浓度影响因素的分析[J]. 地理学报, 2016, 71(7):1119−1129.He X, Lin Z S, Liu H Y, et al. Analysis of the driving factors of PM 2.5 in Jiangsu Province based on grey correlation model[J]. Acta Geographica Sinica, 2016, 71(7): 1119−1129.
    [20] 胡丰青, 郝萌萌, 王济, 等. 土壤质量模糊综合评价权重确定方法探讨[J]. 环境科学与技术, 2013, 36(6L):355−360.Hu F Q, Hao M M, Wang J, et al. Discussing on determination to weights in fuzzy comprehensive evaluation of soil quality[J]. Environmental Science & Technology, 2013, 36(6L): 355−360.
    [21] 张凯旋, 商侃侃, 达良俊. 上海环城林带不同植物群落土壤质量综合评价[J]. 南京林业大学学报(自然科学版), 2015, 39(3):71−77.Zhang K X, Shang K K, Da L J. Soil quality comprehensive assessment of different plant communities in Shanghai green bel[J]. Journal of Nanjing Forestry University (Natural Sciences), 2015, 39(3): 71−77.
    [22] 王秀萍, 张国新, 鲁雪林, 等. 河北沿海区耕地土壤质量综合评价[J]. 中国农学通报, 2013, 29(30):136−142. doi: 10.3969/j.issn.1000-6850.2013.30.025Wang X P, Zhang G X, Lu X L, et al. Comprehensive evaluation of soil quality in coastal region of Hebei Province[J]. Chinese Agricultural Science Bulletin, 2013, 29(30): 136−142. doi: 10.3969/j.issn.1000-6850.2013.30.025
    [23] 贡璐, 张海峰, 吕光辉, 等. 塔里木河上游典型绿洲不同连作年限棉田土壤质量评价[J]. 生态学报, 2011, 31(14):4136−4143.Gong L, Zhang H F, Lü G H, et al. Soil quality assessment of continuous cropping cotton fields for different years in a typical oasis in the upper reaches of the Tarim River[J]. Acta Ecologica Sinica, 2011, 31(14): 4136−4143.
    [24] 邓绍欢, 曾令涛, 关强, 等. 基于最小数据集的南方地区冷浸田土壤质量评价[J]. 土壤学报, 2016, 53(5):1326−1333.Deng S H, Zeng L T, Guan Q, et al. Minimum dataset-based soil quality assessment of waterlogged paddy field in South China[J]. Acta Pedologica Sinica, 2016, 53(5): 1326−1333.
    [25] 孙海运, 李新举, 胡振琪, 等. 马家塔露天矿区复垦土壤质量变化[J]. 农业工程学报, 2008, 24(12):205−209. doi: 10.3321/j.issn:1002-6819.2008.12.043Sun H Y, Li X J, Hu Z Q, et al. Variance of reclamation soil quality in Majiata opencast mine region[J]. Transactions of the CSAE, 2008, 24(12): 205−209. doi: 10.3321/j.issn:1002-6819.2008.12.043
    [26] 贡璐, 张雪妮, 冉启洋. 基于最小数据集的塔里木河上游绿洲土壤质量评价[J]. 土壤学报, 2015, 52(3):682−689.Gong L, Zhang X N, Ran Q Y. Quality assessment of oasis soil in the upper reaches of Tarim River based on minimum data set[J]. Acta Pedologica Sinica, 2015, 52(3): 682−689.
    [27] Giacometti C, Cavani L, Baldoni G, et al. Microplate-scale fluorometric soil enzyme assays as tools to assess soil quality in a long-term agricultural field experiment[J]. Applied Soil Ecology, 2014, 75: 80−85. doi: 10.1016/j.apsoil.2013.10.009
    [28] Jordan G. Sustainable mineral resources management: from regional mineral resources exploration to spatial contamination risk assessment of mining[J]. Environmental Geology, 2009, 58(1): 153−169. doi: 10.1007/s00254-008-1502-y
    [29] Andruschkewitsch R, Koch H J, Ludwig B. Effect of long-term tillage treatments on the temporal dynamics of water-stable aggregates and on macro-aggregate turnover at three German sites[J]. Geoderma, 2014, 217: 57−64.
    [30] Adejuwon J O, Ekanade O. A comparison of soil properties under different landuse types in a part of the Nigerian Cocoa Belt[J]. Catena, 1988, 15(3): 319−331.
    [31] Berg G, Grube M, Schloter M, et al. Unraveling the plant microbiome: looking back and future perspectives[J]. Frontiers in Microbiology, 2014, 5: 1−6.
  • [1] 黄国胜马炜王雪军夏朝宗党永锋 . 基于一类清查数据的福建省立地质量评价技术. 北京林业大学学报, 2014, 11(3): 1-8. doi: 10.13332/j.cnki.jbfu.2014.03.001
    [2] 徐罗亢新刚郭韦韦张嘉伟陈日东廖庆文孔雷 . 天然云冷杉针阔混交林立地质量评价. 北京林业大学学报, 2016, 13(5): 11-12. doi: 10.13332/j.1000-1522.20140126
    [3] 陈瑜徐程扬李乐蔡丽丽 . 阔叶红松风景林单木景观质量评价与模型研究. 北京林业大学学报, 2014, 11(5): 87-93. doi: 10.13332/j.cnki.jbfu.2014.05.006
    [4] 李景文熊瑾饶良懿张秋英马文辉殷亚方王明枝詹亚光李景文侯亚南杨海龙刘震宋小双杨晓晖黄国胜李慧李全发符韵林杜华强李梅张一平
    王保平
    龙玲陆熙娴耿晓东李吉跃吕建雄尹立辉张克斌赵敏李俊清刘文耀李俊清李妮亚朱金兆王雪军陈晓阳秦瑶窦军霞朱金兆韩海荣王洁瑛范文义梁机李发东徐峰刘桂丰赵宪文康峰峰慈龙骏欧国强毕华兴唐黎明齐实倪春秦素玲李云刘雪梅陈素文孙玉军李黎沈有信于贵瑞李凤兰陈晓阳乔杰王玉成文瑞钧魏建祥朱国平任海青马钦彦韦广绥刘伦辉宋献方张桂芹王雪李伟蒋建平赵双菊黎昌琼李伟杨谦丁霞周海江李慧孙涛张万军宋清海刘莹孙志强孙晓敏李宗然
    , . 河北山区森林生态环境质量评价. 北京林业大学学报, 2005, 2(5): 75-80.
    [5] 张会儒雷相东张春雨赵秀海胡雪凡 . 森林质量评价及精准提升理论与技术研究. 北京林业大学学报, 2019, 41(5): 1-18. doi: 10.13332/j.1000-1522.20190219
    [6] 李春艳华德尊陈丹娃王萍任佳 . 人工神经网络在城市湿地生态环境质量评价中的应用. 北京林业大学学报, 2008, 5(增刊1): 282-286.
    [7] 沈剑波王应宽雷相东雷渊才汪求来叶金盛 . 基于BP神经网络的广东省针阔混交异龄林立地质量评价. 北京林业大学学报, 2019, 41(5): 38-47. doi: 10.13332/j.1000-1522.20190028
    [8] 向云西潘萍陈胜魁欧阳勋志宁金魁吴自荣纪仁展 . 天然马尾松林土壤碳氮磷特征及其与凋落物质量的关系. 北京林业大学学报, 2019, 41(11): 95-103. doi: 10.13332/j.1000-1522.20190029
    [9] 段文靖段文标陈立新沈海龙牟宇韩冬荟 . 不同质量浓度铵态氮浇灌下城市森林土壤淋滤液无机氮及土壤氮素变化. 北京林业大学学报, 2020, 42(1): 84-93. doi: 10.12171/j.1000-1522.20180193
    [10] 邹建美孙江戴伟姚志斌杨添刘娜丽 . 北京近郊耕作土壤重金属状况评价分析. 北京林业大学学报, 2013, 10(1): 132-138.
    [11] 莫可赵天忠蓝海洋李维 . 基于因子分析的小班尺度用材林森林质量评价——以福建将乐国有林场为例. 北京林业大学学报, 2015, 12(1): 48-61. doi: 10.13332/j.cnki.jbfu.2015.01.007
    [12] 陈爱民严思维林勇明邓浩俊杜锟孙凡王道杰吴承祯洪伟 . 泥石流频发区不同林龄新银合欢土壤抗蚀性评价. 北京林业大学学报, 2016, 13(9): 62-70. doi: 10.13332/j.1000-1522.20150530
    [13] 李萍王兵戴伟王丹邓宗付赵超 . 亚热带几种林分类型的土壤肥力评价研究. 北京林业大学学报, 2010, 7(3): 52-58.
    [14] 殷金岩姜林王海涛孟令军李珊珊高海英耿增超郭永利 . 西安市浐灞生态区绿地土壤肥力调查与评价. 北京林业大学学报, 2012, 9(4): 93-98.
    [15] 王云琦王玉杰刘楠 . 三峡库区典型林分土壤抗侵蚀性能及评价. 北京林业大学学报, 2010, 7(6): 54-60.
    [16] 彭密国庆喜 . 胜山阔叶红松林群落空间结构的最小面积研究. 北京林业大学学报, 2016, 13(12): 21-27. doi: 10.13332/j.1000-1522.20150519
    [17] 刘宇郭建斌邓秀秀刘泽彬 . 秦岭火地塘林区3种土地利用类型的土壤潜在水源涵养功能评价. 北京林业大学学报, 2016, 13(3): 73-80. doi: 10.13332/j.1000-1522.20150372
    [18] 张超彭道黎涂云燕党永峰智长贵 . 利用TM 影像和偏最小二乘回归方法估测三峡库区森林蓄积量. 北京林业大学学报, 2013, 10(3): 11-17.
    [19] 孙伟侯瑞霞唐小明 . 荒漠化和沙化监测数据动态分析技术. 北京林业大学学报, 2012, 9(5): 105-112.
    [20] 陈刚刘鹏举李志清唐小明 . 林业资源监管通用数据采集系统研究. 北京林业大学学报, 2012, 9(6): 92-97.
  • 加载中
图(5)表(4)
计量
  • 文章访问数:  1148
  • HTML全文浏览量:  108
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-07-25
  • 录用日期:  2018-12-04
  • 网络出版日期:  2020-01-06
  • 刊出日期:  2020-01-01

铁尾矿废弃地不同复垦年限土壤质量评价

    通讯作者: 李玉灵, liyuling0425@126.com
    作者简介: 王安宁。主要研究方向:水土保持与植被恢复。Email:wanganning040027@163.com 地址:071000 河北省保定市河北农业大学林学院
  • 河北省林木种质资源与森林保护重点实验室,河北农业大学林学院,河北 保定 071000

摘要: 目的研究不同复垦年限对铁尾矿废弃地土壤质量的影响,为揭示铁尾矿废弃地复垦土壤演替规律、生态治理提供依据。方法本文以唐山迁安马兰庄镇不同复垦年限(1、3、5、7和15年)铁尾矿废弃地为研究对象,以裸尾矿为对照,综合考虑0 ~ 20 cm、20 ~ 40 cm、40 ~ 60 cm土层土壤理化性质和生物学性状,通过灰色关联度模型和相关关系分析法构建土壤质量评价最小数据集,并以隶属度函数计算指标隶属度,以主成分分析法确定指标权重,最后运用加权求和模型对铁尾矿区复垦土壤质量进行评价。结果土壤质量评价适用的最小数据集(MDS)包括5项指标:真菌、磷酸酶、脲酶、非毛管孔隙度和全氮,磷酸酶和脲酶因子荷载量和灰色关联度均较大,是评价该区复垦土壤质量的关键性指标。基于最小数据集的土壤质量指数(MDS-SQI)与基于全体数据集的土壤质量指数(TDS-SQI)有极显著相关关系(R2 = 0.911),加权求和模型计算结果显示不同复垦年限土壤质量指数(SQI)大小顺序为复垦15年 > 7年 > 5年 > 3年 > 1年 > 裸尾矿。复垦1 ~ 15年间土壤质量综合值呈回归式抛物线增加,复垦1 ~ 7年内土壤质量提高缓慢,恢复7年后土壤质量迅速恢复,至第15年达到最大值。不同复垦年限土壤质量垂直剖面变异趋势基本表现为随土深的增加逐渐下降。结论土地复垦可改善铁尾矿废弃地土壤质量。该结论为揭示铁尾矿废弃地复垦土壤演替规律、生态治理提供依据。

English Abstract

  • 铁尾矿是选矿后的废弃物,是养分缺失、生物生境丧失的特殊环境[1-2],是将矿石磨细选取有用组分后所排放的固体废料[3],铁尾矿不仅占用大量耕地,还是矿业开发造成环境污染的重要来源[4]。迄今为止,中国废弃铁尾矿占地面积已经达到28 800 km2,并以每年467 km2的速度增长,这造成地表土壤养分贫瘠、结构疏松、通气透水性差、水土流失频繁发生等一系列问题[5]。铁矿区开采后土壤结构和生物群落等两大环境要素迅速退化,而其退化的基础性因子是土壤质量。复垦是指对废弃地进行整地、覆土等工程处理,使之可以重新利用。而在土地复垦过程中,土壤质量势必产生变化,因此,复垦后土壤质量状况是评价土地复垦成功与否的重要标志。

    自1986年起,全国各地围绕矿区土壤退化现象开展了大量的土地复垦活动。大量研究表明对铁尾矿废弃地土地复垦后进行植被恢复可以较好地改良尾矿基质。目前对铁尾矿区土壤质量的某个组成部分如生物活性或理化性质做了较为成熟的研究,如王岩等[6]对尾矿废弃地几种恢复模式土壤理化性质的改良作用进行分析,阎爱华等[7]研究了铁尾矿不同自然恢复树种土壤生物活性特征,贺龙等[8]对植被复垦下矿区土壤细菌群落结构特征进行研究。但对复垦土壤的综合质量研究不足,土壤质量是一个综合性因子,单一指标不能全面评价土壤质量状况,土壤质量状况除了与土质、植被等自然因素有关外,还受到人类活动的影响,如耕种、施肥等,这些活动可以改变土壤透气性和土壤养分含量,极大影响土壤质量水平,因此,找到一个统一的评价土壤质量的指标十分困难[9],将单一指标综合起来进行土壤质量综合效益评价尚需深入研究。何书金等[10]对矿区土地复垦后的生产潜力进行评价,李鹏飞等[11]研究了黑岱沟煤矿区排土场复垦土壤综合质量状况。目前的研究大多集中在复垦后一个时间点上的土壤质量状况,其动态变化研究较少。李新举等[12]研究了露天煤矿区进行土地复垦后土壤质量变化规律。王金满等[13]对露天煤矿排土场复垦土壤质量演变规律及模型进行研究。对铁尾矿废弃地复垦土壤质量动态变化研究较少。土壤质量最小数据集是土壤质量评价的重要环节。由于土壤质量因子众多,包括土壤理化性质指标和生物学指标等,各土壤质量评价指标间相互作用,关系复杂,综合考虑全部指标集对土壤质量综合评价不现实,为更方便判断土壤质量状况,许多学者提出了众多较为成熟的构建最小数据集(minimum dataset,MDS)的数学方法,包括主观筛选法、专家打分法、客观筛选等[14],而通过灰色关联度和相关性客观筛选法构建最小数据集可以更方便计算土壤质量指数,在土壤质量评价中应用广泛。因此,本文通过基于最小数据集的加权求和模型对唐山铁尾矿废弃地土地复垦土壤质量进行综合评价,比较不同复垦年限尾矿基质质量的改良效果差异,为揭示铁尾矿废弃地复垦土壤演替规律、生态治理提供依据。

    • 研究区位于河北省东部唐山地区迁安市马兰庄镇(39°51′~ 40°15′N、118°26′~ 118°55′E)。该区域属暖温带半湿润季风性气候,年均气温11.5 ℃,极端最低温近− 28 ℃,极端最高温达40 ℃。年均降水量712 mm。土壤母质为岩石风化的产物。土壤养分含量低,土壤结构疏松,极不利于植物生长。

    • 采样地点为唐山首钢马兰庄铁矿有限责任公司所辖尾矿区,该研究区于1997年开始进行土地复垦(将尾矿库削坡整地后覆土1 ~ 1.5 m,栽植树种为紫穗槐Amorpha fruticosa)。2012年8月,依据试验地与周围环境一致性原则,通过“时空替代法”选择复垦1、3、5、7、15 年共5个年限的铁尾矿废弃地为研究对象,另选裸尾矿(2012年形成)为对照。每一复垦年限各设置3个间距小于50 m的样地,各样地面积20 m × 20 m。各样地地理位置、坡度、坡长、坡向、海拔等地形因子等均大致相同。各样地基本概况见表1

      图  1  不同复垦年限铁尾矿废弃地土壤最小数据集指标变化

      Figure 1.  Variations of soil minimum dataset indicators for iron tailing ore abandoned area in different reclamation years

      表 1  样地特征

      Table 1.  Character of the sample plots

      复垦年限/a
      Periods of rehabilitation/year
      坡度
      Slope/(°)
      坡向
      Aspect
      植被平均高度
      Average height of vegetation/m
      植被平均覆盖度
      Average vegetation coverage/%
      1 35 东 East 1.6 60
      3 35 东 East 2.0 65
      5 40 东 East 3.6 70
      7 35 东 East 5.01 80
      15 40 东 East 5.5 90
      裸尾矿 Bare tailings (CK) 35 东East
    • 在各样地的中坡位采用多点取样法分0 ~ 20 cm、20 ~ 40 cm、40 ~ 60 cm共3个层次采集土壤样品。将各样地内采集的各土层土样四分法混合均匀后弃除土中肉眼可见杂质,一部分存于自封袋中运回,进行化学性质的测定,其中酸度计法测土壤酸碱度,重铬酸钾稀释热法测土壤有机碳的含量,凯氏定氮法测土壤全氮含量,浓硫酸−钼蓝比色法测土壤全磷含量,碱解扩散法测土壤水解氮含量、火焰光度法测土壤有效钾含量,0.5 mol/L NaHCO3测土壤速效磷含量[15]。另一部分测定土壤微生物活性的土壤样品放置在4 ℃的冰箱中储存,采用稀释平板培养法测土壤中细菌、真菌、放线菌数量,容量法测定过氧化氢酶活性,用NH4+释放法测定脲酶活性测定,比色法测蔗糖酶活性,磷酸苯二钠比色法测磷酸酶[16]。同时,在各样区内用环刀重复取0 ~ 20 cm表层土样3次,测土壤密度和孔隙度[17],根据孔隙度和土层厚度计算土壤持水能力。

    • 采用主观筛选与客观筛选相结合的方法构建土壤质量评价指标体系,先通过主观筛选法选择初始指标,根据前人研究结果[15-16]、经验和试验地具体状况选择土壤物理化学性质(土壤密度、田间持水量、毛管持水量、饱和持水量、总孔隙度、毛管孔隙度、非毛管孔隙度、有机质、全氮、全磷、全钾、碱解氮、速效磷、速效钾、pH)、土壤生物活性(细菌、真菌、放线菌、蔗糖酶、过氧化氢酶、脲酶、磷酸酶)共22个指标作为该地土壤质量指标体系。而后从众多指标中通过灰色关联度模型和相关性筛选法构建土壤质量评价最小指标数据集体系。包括指标无量纲化、通过参考数列和比较序列计算数列绝对差、关联系数、关联度。计算分为4个步骤[18]。具体过程如下:

      ①指标无量纲化:

      ${G_i}_j = \frac{{{x_{ij}} - {{\bar x}_i}}}{{{S_i}}}$

      (1)

      正向指标直接按照上式进行指标标准化,逆向指标需转化为正向指标再按上式进行无量纲化:

      ${x_{ij}}' = \frac{1}{{{x_{ij}}}}$

      (2)

      式中:xij为第j个样地第i个指标标准化值;xij为第j个样地第i个指标初始值;${{\bar x}_i} $Si为第i个指标均值及标准差。

      ②绝对差数列计算:以其中某一指标数列Gi为参考数列,计算比较数列与参考数列的绝对差。

      $\Delta {G_{ij}} = |{G_j}(k) - {G_i}(k)|\left( {{{k}} = 1,2,3, \cdots, {{n}}} \right)$

      (3)

      ③指标关联系数计算:

      ${\xi _{ji}} = \frac{{\Delta {G_{ij}}_{{\rm{min}}} + \lambda \Delta {G_{ij}}_{{\rm{max}}}}}{{|{G_j}(k) - {G_i}(k)| + \lambda \Delta {G_{{\rm{max}}}}}}$

      (4)

      ④计算关联度:

      ${r_i}_j = \frac{1}{n}\sum {{\xi _{ji}}k} $

      (5)

      ⑤依次经过② ~ ④步骤,改变参考数列计算两指标数列G之间的关联度,构成关联度矩阵R,矩阵中各横行关联度均值即为各指标占总体的重要值。将各指标重要值排序,选择重要值较大的指标作为重要指标。

      ⑥将各重要指标进行相关性分析,剔除几个有极显著相关性指标中重要值较小的指标,保留重要值最大的指标作为最终保留指标,构成最小数据集土壤质量指标体系。

    • 本文通过模糊评价法中的加权求和模型分别计算基于原始数据集(TDS)和最小数据集(MDS)的土壤质量综合指数(SQI),对铁尾矿废弃地复垦土壤质量进行综合评价。

      计算土壤质量综合指数(SQI)包括3个步骤:实测指标数值标准化、主成分分析法提取主成分并计算权重、加权求和。首先采用连续性质的隶属度函数计算指标隶属度,而后利用主成分分析因子负荷量计算各因子作用的大小,确定它们的权重。最后通过加权综合法和加乘法则合成土壤质量综合评价指数[19]

      ①单一指标隶属度值:

      升型函数优化方法:

      ${\rm{SQI}}({x_i}) = ({y_{ij}} - {y_{i{\rm{min}}}})/({y_{i{\rm{max}}}} - {y_{i{\rm{min}}}})$

      (6)

      降型函数优化方法:

      ${\rm{SQI}}({x_i}) = ({y_{i{\rm{max}}}} - {y_{ij}})/({y_{i{\rm{max}}}} - {y_{i{\rm{min}}}})$

      (7)

      ②主成分分析法提取的各主成分权重系数:

      ${w_i} = \frac{{{C_i}}}{C}$

      (8)

      式中:Ci表示公因子方差,C表示公因子方差和。

      ③综合土壤质量综合指数:

      ${\rm{SQI}} = \sum\limits_{i = 1}^n {{w_i }} \times {\rm{SQI}}({x_i})$

      (9)
    • 采用Excel 2003进行数据整理。使用SPSS 19.0 对数据进行相关统计分析:相关数据的正态分布性用Kolmogorov-Smirnov法检验,差异性用One-Way ANOVA和LSD多重比较法进行检验($\partial = 0.05, \; \partial =$$ 0.01$),Pearson相关分析判定不同变量间相关关系,通过分层聚类分析对不同植被恢复模式下土壤质量评价结果归类定级。绘图采用Sigmaplot 12.5完成。

    • 根据前人的研究可以发现,评价土壤质量的指标有很多,研究对象不同,导致土壤质量衡量指标也不尽相同,如重金属污染复垦区土壤质量主要评价指标包括耕层厚度和结构、土壤质地和土壤中有毒重金属物质含量[20]。城市绿地的土壤质量评价体系为容重、有机质、酸碱度和氮素[21],河北沿海耕作区土壤质量主要指标则为地下水矿化度、全盐量、有机质和地下水位高度[22]。本文通过灰色关联度模型和相关系数分析确定唐山马兰庄铁尾矿废弃地复垦土壤质量评价最小数据集。

      将22个土壤质量原始指标依次进行无量纲化、构建绝对差数列、计算关联系数和关联度、构建关联矩阵,最后对矩阵中每行数据求均值,得到各指标与整体的重要值。指标重要值越大,代表该指标在土壤质量评价中越重要。表2为各指标与其他指标的关联度和占整体的重要值。依据指标数量最少性原则,初步选择由大至小依次为真菌、细菌、磷酸酶、蔗糖酶、有机质、过氧化氢酶、全磷、碱解氮、脲酶、毛管孔隙度、全钾、放线菌、pH、非毛管孔隙度、全氮作为铁尾矿废弃地复垦土壤质量评价最小数据集体系。

      表 2  各指标重要值

      Table 2.  Important value of each indicator

      指标
      Index
      土壤密度
      Bulk
      density
      (X1)
      田间持水量
      Field
      capacity
      (X2)
      毛管持水量
      Capillary
      water capacity
      (X3)
      饱和持水量
      Saturated
      water capacity
      (X4)
      总孔隙度
      Total porosity
      (X5)
      毛管孔隙度
      Capillary porosity
      (X6)
      非毛管孔隙度
      Non-capillary porosity
      (X7)
      有机质
      Organic
      matter
      (X8)
      全氮
      Total nitrogen
      (X9)
      全磷
      Total phosphorus
      (X10)
      全钾
      Total potassium
      (X11)
      重要值
      Important value
      0.658 0.649 0.678 0.674 0.650 0.736 0.703 0.755 0.700 0.746 0.720
      指标
      Index
      碱解氮
      Alkaline
      nitrogen
      (X12)
      速效磷
      Available
      phosphorus (X13)
      速效钾
      Available
      potassium
      (X14)
      细菌
      Bacteria
      (X15)
      真菌
      Fungus
      (X16)
      放线菌
      Actinomycetes
      (X17)
      蔗糖酶
      Sucrase
      (X18)
      过氧化氢酶
      Catalase
      (X19)
      脲酶
      Urease
      (X20)
      磷酸酶
      Phosphatase
      (X21)
      pH
      (X22)
      重要值
      Important value
      0.743 0.687 0.691 0.771 0.776 0.711 0.757 0.752 0.736 0.763 0.711

      对15个初选指标进行相关性分析(表3)。真菌分别与毛管孔隙度、有机质、全磷、全钾、碱解氮、细菌、放线菌和pH有极显著相关关系(P < 0.01),而真菌的重要值最大(0.776),真菌入选最小数据集,剔除毛管孔隙度、有机质、全磷、全钾、碱解氮、细菌、放线菌和pH指标。磷酸酶与蔗糖酶和过氧化氢酶极显著正相关(r2 > 0.8),且其重要值最大(0.733),保留磷酸酶,剔除蔗糖酶和过氧化氢酶。非毛管孔隙度、全氮、脲酶与其他指标相关度未达极显著水平,所以入选最小数据集。

      表 3  初选最小数据集指标相关系数矩阵

      Table 3.  Index correlation coefficient matrix for primary selected min. datasets

      项目 ItemX6X7X8X9X10X11X12X13X14X15X16X17X20X21X22
      X6 1
      X7 − 0.240 1
      X8 − 0.783** 0.193 1
      X9 − 0.345 0.442 0.295 1
      X10 − 0.342 − 0.506* 0.484* − 0.498* 1
      X11 − 0.330 − 0.362 0.499* − 0.518* 0.876** 1
      X12 − 0.429 − 0.269 0.606** − 0.270 0.799** 0.662** 1
      X13 − 0.625** 0.033 0.823** − 0.128 0.742** 0.794** 0.687** 1
      X14 − 0.685** − 0.012 0.858** − 0.113 0.760** 0.786** 0.761** 0.986** 1
      X15 − 0.563* − 0.397 0.675** − 0.230 0.877** 0.804** 0.616** 0.846** 0.853** 1
      X16 − 0.001 0.267 0.281 − 0.099 0.342 0.470* 0.120 0.553* 0.421 0.337 1
      X17 0.106 0.493* 0.138 0.112 − 0.016 0.095 0.007 0.337 0.211 − 0.019 0.824** 1
      X20 0.034 − 0.306 0.191 − 0.336 0.694** 0.512* 0.619** 0.513* 0.468* 0.503* 0.564* 0.524* 1
      X21 − 0.184 0.563* 0.454 0.121 0.130 0.256 0.33 0.592** 0.518* 0.133 0.711** 0.885** 0.486* 1
      X22 0.312 0.492* − 0.481* 0.318 − 0.888** − 0.790** − 0.566* − 0.758** − 0.728** − 0.930** − 0.506* − 0.168 − 0.725** − 0.191 1
      注:**表示极显著相关关系(P < 0.01),*表示显著相关关系(P < 0.05)。Notes: ** indicates extremely significant correlation (P < 0.01) and * indicates significant correlation (P < 0.05).

      综上可知,本文通过关联度模型和相关性分析筛选出真菌、磷酸酶、脲酶、非毛管孔隙度和全氮共5个指标构成铁尾矿废弃地土地复垦土壤质量评价最小数据集。其中真菌重要值最大且与各土壤理化性质、生物活性指标均有显著相关关系,并可促进土壤养分转化,改良土壤物理性质,是土壤微生物数量的主要标志,也是土壤质量状况的重要影响因子。磷酸酶是酶活性中重要值最大的,脲酶与其他酶活性相关性较弱,所以磷酸酶和脲酶可代表土壤酶活性;土壤理化性质因子中非毛管孔隙度和全氮重要值较小,但与其他指标相关度低,入选最小数据集,即相对土壤持蓄水能力而言,土壤通气性是反映该研究区土壤物理性质的代表性因子,全氮是土壤化学性质的代表性指标。

    • 马兰庄铁尾矿废弃地复垦土壤最小数据集指标演替规律见图1。在铁尾矿废弃地土地复垦过程中土壤真菌数量变化范围为0.33 × 104~ 0.81 × 104个/g,随复垦年限的增加呈波动式变化规律,但始终多于裸尾矿(0.12 × 104个/g),最大值出现在复垦7 年的地块上(0.81 × 104个/g),最小值在复垦15 年的地块上(0.33 × 104个/g)。酶活性水平上,脲酶活性变化范围为8.12 ~ 15.30 μg/g,在复垦过程中变化趋势与真菌相似,复垦初期(1年)脲酶活性最小,复垦3年时土壤中脲酶活性达到最高,为15.30 μg/g。磷酸酶活性的变化范围为6.72 ~ 8.50 μg/g,复垦1 ~ 7年磷酸酶活性无显著变化趋势,复垦15年时磷酸酶活性达到最大值8.50 μg/g。非毛管孔隙度的变化范围为5.21% ~ 16.26%,随复垦年限的增加呈波动式变化,但变化趋势与真菌、脲酶相反。复垦第1年土壤非毛管孔隙度值最大(16.26%),复垦3年时非毛管孔隙度仅5.21%,小于裸尾矿(6.18%)。全氮含量变化范围为0.01 ~ 0.11 g/kg,复垦1年和15年时全氮含量最高,复垦3年、5年、7年时全氮含量较低,显著小于裸尾矿。

      图  2  最小数据集土壤质量指数(MDS-SQI)与全体数据集土壤质量指数(TDS-SQI)相关性

      Figure 2.  Correlation between the minimum data set soil quality index (MDS-SQI) and the total data set soil quality index (TDS-SQI)

    • 根据主成分分析的因子负荷矩阵可知铁尾矿废弃地各工程恢复模式土壤质量最小数据集指标均属上升隶属度函数,对土壤质量产生正效应,基于此,按照公式(1) ~ (2)进行指标归一化处理,计算各指标隶属度值。利用主成分分析中的因子负荷量(公式11)计算各指标权重系数(表4)。

      表 4  各指标负荷量及权重

      Table 4.  Load and weight of each indicator

      指标 IndexPC 1PC 2
      负荷量 Load capacity权重 Weight负荷量 Load capacity权重 Weight
      X7 0.980 0.300 0.121 0.072
      X9 0.078 0.024 0.788 0.474
      X16 0.232 0.071 − 0.690 0.415
      X20 0.983 0.301 − 0.042 0.025
      X21 0.993 0.304 0.022 0.013
      各主成分特征根 Principal component characteristic root 2.974 1.114
      各主成分贡献率 Principal component contribution rate/% 59.476 22.279
      累积主成分贡献率 Cumulative principal component contribution rate/% 59.476 81.755

      由表5知,前2个主成分累积成分贡献率为81.755%,符合主成分分析要求,因此,可用前2个主成分作为因子荷载量计算各指标权重。第1主成分占总变异的59.476%,对土壤质量的影响最大,5大指标中磷酸酶和脲酶占第1主成分比重最大,因子荷载量为0.993和0.983,其次为非毛管孔隙度(0.980),真菌(0.232)和全氮最小(− 0.078),这说明土壤中酶活性是尾矿废弃地土壤质量的主要限制因子。第2主成分占总变异的22.279%,全氮和真菌为其主要荷载因子,因子荷载量分别为0.788和− 0.690。综合2大主成分提取的指标荷载量和灰色关联度来看,影响尾矿废弃地土壤质量的关键性因子整体表现为酶活性 > 物理性质 > 微生物数量 > 化学性质。

      根据公式(9)将各指标隶属度和权重依据加权法则合成,得到基于最小数据集的土壤质量综合指数(MDS-SQI)。将基于最小数据集的土壤质量指数(MDS-SQI)与基于原始数据集土壤质量指数(TDS-SQI)进行回归分析,验证基于最小数据集的土壤质量综合值的准确性。如图2所示,MDS-SQI与TDS-SQI满足线性回归关系(P < 0.01),相关系数为0.911。这说明最小数据集体系可代替原始数据集,通过最小数据集指标体系进行铁尾矿废弃地复垦土壤质量评价结果准确。上述分析表明最小数据集体系可代替原始数据集,通过最小数据集指标体系进行铁尾矿废弃地复垦土壤质量评价结果准确。这与贡璐等[23]、邓绍欢等[24]等研究结果相同。

      图  3  不同数据集铁尾矿废弃地复垦土壤质量指数

      Figure 3.  Reclaimed soil quality index of iron tailing ore in different data sets

      图3,不同复垦年限土壤质量指数均为基于原始数据集的土壤质量指数(TDS-SQI) > 基于最小数据集的土壤质量指数(MDS-SQI),且不同复垦年限基于最小数据集的土壤质量指数(MDS-SQI)大小顺序与基于原始数据集的土壤质量指数(TDS-SQI)一致,为15年 > 7年 > 5年 > 3年 > 1年 > 裸尾矿。土地复垦过程中土壤质量值明显高于裸尾矿,说明土地复垦对尾矿废弃地土壤综合质量有较大的影响,对铁尾矿废弃地进行复垦可改良裸尾矿基质,提高土壤质量。这与孙海运等[25]、王金满等[13]等研究结果相同。与裸尾矿相比,复垦第1年时土壤质量明显改善,随复垦年限的增加土壤质量值呈回归式抛物线增加趋势,即复垦初期(1年)的土壤质量最差,在复垦1 ~ 7年内增长速度缓慢,恢复1年、3年、5年和7年间土壤质量指数差异不显著(P > 0.05),恢复7年后,土壤质量增长速度迅速增加,在复垦第15年,土壤质量综合值最大,极显著大于其他恢复年限的地块(P < 0.01)。

      图  4  不同复垦年限土壤质量综合指数剖面变化规律

      Figure 4.  Trend of profile of soil quality index for different years of reclamation

      不同复垦年限土壤质量在垂直剖面上的变化规律分为2类(图4),复垦1年、3年、5年和15年一致,土壤质量随土层深度的增加逐渐降低,表层土壤质量高于深层。复垦7年土壤质量值的变异情况与其他复垦年限地块不同,随土深的增加土壤质量指数降低,深层土壤质量值最大,上层显著低于下层。经过实地调查发现,复垦7年的地块地表人为活动较为频繁,这可能是复垦7年表层土壤质量劣于下层的原因。

      图  5  不同复垦年限土壤质量指数聚类分析

      Figure 5.  Cluster analysis of soil quality index for different reclamation years

    • 为进一步了解铁尾矿废弃地不同复垦年限土壤质量改良效果的差异,将土壤质量指数和经过Z-score标准化的土壤质量单一指标进行聚类分析,选择2为水平距离阈值,结合不同复垦年限土壤质量指数大小顺序,土壤质量综合指数可划分为3个等级(图5):复垦15年为1类,等级为“强”;复垦1年、3年、5年、7年以及距离最近,可归为一类,等级为“中”;裸尾矿等级为“差”。以上分类结果有助于深入了解铁尾矿区土地复垦过程中土壤质量演变趋势。研究结果显示随复垦年限的增加,土壤质量值逐渐增加。这与上文研究结果相同。

    • 土壤质量是通过理化性质和生物因子来评估的。贡璐等[26]、Giacometti等[27]等均认为土壤酶活性通过直接参与反应和间接催化作用在土壤所有的生化中扮演重要角色,土壤微生物参与土壤物质和能量循环,是衡量土壤质量、肥力和生产力的重要指标[28]。本研究首次将土壤微生物和土壤酶活性指标考虑到该研究区土壤质量评价中,通过灰色关联度模型和相关关系法剔除冗余参评因子,构建最小数据集体系(MDS),包括真菌、磷酸酶、脲酶、非毛管孔隙度和全氮,磷酸酶和脲酶因子荷载量和灰色关联度均较大,是评价该区复垦土壤质量的关键性指标。所以相对土壤理化性质而言,土壤酶活性对尾矿废弃地土壤质量变化反应灵敏,是土壤质量的敏感性指标,在一定时间断面内定量研究尾矿废弃地植被恢复对土壤质量状况改良状况时,对土壤酶活性评价更为合理。土壤理化性质、酶活性、微生物活性及植被恢复技术措施等密切相关,仅靠数学方法剔除参评因子可以减少数据冗余,但容易丢失参评因子中包含的土壤质量信息。实验数据还需要进一步的积累,在利用多年观测数据深入分析土壤各类因子之间的相互关系的基础上,结合数学方法筛选和确定最小评价集,更加科学的展开干旱区各类生态系统土壤质量评价,是未来工作的重点。

      塔里木河绿洲土壤质量随复垦年限增加先提高后降低[23];内蒙古煤矿排土场土地复垦2 ~ 14年间土壤质量呈逐渐增加趋势[13]。而该研究区复垦1 ~ 15年土壤质量综合值呈回归式抛物线变化趋势,即复垦初期土壤质量指数增长速度慢,随着复垦时间的增长,土壤质量的恢复速度迅速加快。种植1 ~ 7年,紫穗槐进入生长初期,地上部分生物量迅速增加,会分解部分积累的土壤养分,导致土壤质量恢复速度缓慢[29],另外,根系快速生长的同时,会吸收土壤中的水分和无机盐,间接改变了土壤理化性质和微生物的生活环境,造成土壤养分部分损失,从而抑制土壤质量的恢复速度[30]。连续栽植16年,紫穗槐纯林生长达到最高峰,土壤养分积累最多,土壤质量迅速提高,随着种植年限的延长,大量的凋落物进入土壤,经微生物作用形成较多的腐殖质,使土壤有机质含量增加,进而提高土壤质量[31]

    • 通过唐山首钢马兰庄铁矿有限责任公司所辖尾矿区土壤性状调查,应用灰色关联度模型和相关性分析,筛选出5个指标作为复垦土壤质量评价最小指标集,包括真菌、脲酶、磷酸酶、非毛管孔隙度和全氮,其中脲酶和磷酸酶是评价该区土壤质量的关键性因子。复垦后铁尾矿废弃地土壤质量综合值大于裸尾矿,铁尾矿废弃地土壤质量随着恢复年限的增加而增加。恢复时间在1 ~ 15年间土壤质量综合值呈回归式抛物线变化趋势,复垦1 ~ 7年内土壤质量恢复速度较慢,随着复垦时间的增长,土壤质量的恢复速度迅速增加,至复垦第15年,土壤质量值大于其他复垦年限地块和裸尾矿。不同植被类型下土壤质量垂直剖面上的变异趋势基本一样,随着土层深度的增加,土壤质量逐渐下降,表层土壤质量最高,下层明显低于表层。

参考文献 (31)

目录

    /

    返回文章
    返回