Spatial distribution characteristics at small scale of soil organic carbon in topsoil of the west slope in Sejila Mountain, western China
-
摘要:目的 对小空间尺度上土壤有机碳（SOC）及其密度（SOCD）的空间分布进行研究，以期为大尺度下高寒土壤碳储量的精确估算提供理论支撑。方法 本研究以色季拉山西坡海拔4 200 ~ 4 400 m的苔草高寒草甸（CAM）、林芝杜鹃灌丛（RTS）和雪山杜鹃灌丛（RAS）为研究对象，采用10 m × 10 m规则格网采集表层（0 ~ 10 cm）土壤样品，借助GS+和ArcGIS软件以分析不同植被类型SOC和SOCD的空间结构性、分布格局及影响因素。结果 （1）研究区表层SOC平均值达100.97 g/kg，表现为RAS（146.45 g/kg） > CAM（95.60 g/kg） > RTS（60.43 g/kg），SOCD平均值达6.28 kg/m2，表现为CAM（7.34 kg/m2） > RAS（6.32 kg/m2） > RTS（4.80 kg/m2），均高于全国0 ~ 10 cm土壤水平（24.56 g/kg、1.21 kg/m2）。（2）除RAS外，该区域SOC、SOCD均具有强烈的空间自相关性，结构比为1.46% ~ 12.51%，表明结构性因素引起的空间变异为主。RAS的SOC、SOCD结构比达100%，空间依赖性较弱，随机因素引起的空间变异为主。SOC、SOCD空间自相关尺度在17.44 ~ 30.29 m之间，并且SOC > SOCD，CAM > RTS，这表明植被类型可能是影响表层SOC和SOCD空间变异及格局的主要因素。（3）克里格插值表明，CAM表层SOC、SOCD的高值斑块与高土壤含水率相对应，低值斑块与沟壑位置相对应，RTS的SOC、SOCD呈高低值斑块交错分布，与地面覆被物（灌丛、草本、裸地）的镶嵌性分布对应，表明土壤含水率、微地形、植被覆盖等是影响研究区表层SOC和SOCD空间分布的主要因素。（4）冗余分析表明，土壤含水率、土壤密度、pH、全氮是影响3种植被类型SOC、SOCD含量及空间异质性的关键要素，其次是机械组成、坡度，全磷的影响不明显。结论 色季拉山SOC含量比较丰富，小空间尺度下枯落物量、微地形、土壤性质（含水率、土壤密度等）的空间异质性显著影响SOC、SOCD的空间分布和预测。Abstract:Objective Analyzing the spatial distribution of soil organic carbon (SOC) and its density (SOCD) at small spatial scales aims to provide theoretical support for accurate estimation of carbon storage in alpine soils at large scales.Method Taking Carex alpine meadow (CAM), Rhododendron tanastylum shrub (RTS) and Rhododendron aganniphum shrub (RAS) lying in western slope of Sejila Mountain at altitudes of 4 200−4 400 meters as objects of research, and collecting soil samples at the depths of 0−10 cm with grid method, we analyzed spatial heterogeneity and influencing factors of SOC and SOCD.Result (1) The content of SOC was rich with an average up to 100.97 g/kg in the study area, and content of SOC declined in the following rank order: RAS (146.45 g/kg) > CAM (95.60 g/kg) > RTS (60.43 g/kg), while SOCD declined in the following rank order: CAM (7.34 kg/m2) > RAS (6.32 kg/m2) > RTS (4.80 kg/m2). (2) SOC fitted well spherical model while SOCD fitted well exponential model in CAM, as well as SOC and SOCD of RTS both matched spherical model. SOC and SOCD of CAM and RTS both had strong spatial autocorrelation with nugget/sill ratio in 1.46%−12.51% range, suggesting that spatial variability of SOC and SOCD was mainly caused by structural factors. In RAS, SOC and SOCD conformed to linear model, spatial variation was caused by random factors. This indicated that vegetation types may be the main factors affecting the spatial distribution of SOC in topsoil. Ranges of SOC and SOCD in CAM were 30.29 and 20.31 m, respectively, which was larger than RTS (17.68 and 17.44 m), indicating that spatial variability scales of SOC and SOCD in CAM were larger than RTS. At a sampling interval of 10 m, pure nugget effect appeared in SOC and SOCD of RAS, it may be that the spatial variability scale was less than 10 m, so a smaller scale research of SOC and SOCD in RAS was needed. (3) Kriging interpolation showed that the horizontal distribution of SOC and SOCD in CAM was affected by the moisture content with high value areas in the eastern and southern edges of the sample plot, in attention, it may also be related to the existence of slope and gully. The continuity of the horizontal distribution of SOC and SOCD in the RTS area was poor, and the degree of fragmentation was high, which may be related to the mosaic distribution of ground cover (shrub, herb, bare land). (4) Redundancy analysis showed that soil water content, soil density, and pH were the key factors affecting spatial heterogeneity of SOC and SOCD in 3 vegetation types, mechanical composition and slope were the second. However, the effect of total phosphorus was not apparent in this study.Conclusion SOC content of Sejila Mountain is relatively rich. The spatial heterogeneity of micro-topography, litter volume, and soil properties (water content, bulk density, etc.) at a small spatial scale significantly affect the spatial distribution and prediction of SOC and SOCD.
-
有数据显示，全球陆地土壤碳含量为1 750 Pg，植被碳含量为550 Pg，总量约为大气碳含量的3倍[1]，即无论土壤作为“碳源”还是“碳汇”都将对气候变化产生巨大影响，故在全球气候变化和生态扰动背景下，陆地生态系统有机碳（SOC）分布与动态变化受到广大学者的广泛重视。尤其表层土壤，是SOC的集中分布层，其SOC含量更显著的受到微地形[2]、植被类型[3-4]、枯落物数量[5-6]、人为扰动[7]等因素的影响，使其在空间分布上具有更强的异质性，而成为研究者关注的一个焦点。
在不同空间尺度上，SOC分布的异质性为SOC储量的科学估算及关键影响因素的研究提出了挑战，故随着地统计分析工具的出现，广大学者采用地统计学的方法针对不同生态类型、空间尺度等条件下SOC的分布特征及空间变异性进行了研究，并表明地统计学是研究SOC空间分布的一种有效工具[8]。如Gao等[9]基于地统计方法研究得出中国北方丘陵地区SOC的空间异质性受随机性和结构性因素的共同控制。Göl等[10]研究发现球状模型可以很好地模拟黑海不同土地利用方式SOC的空间分布。SOC的空间分布还具有尺度效应[11]，然而在区域、县域等大、中尺度下的空间分布与预测往往简化了某些生态过程，可能增加碳研究的不确定性[12]，相比之下，小尺度下的空间预测反映的信息量更加丰富[13]，因此揭示小尺度SOC的空间分布格局及其影响因素对于精确估算SOC含量是必要的。
青藏高原属于典型的生态脆弱区和气候变化的敏感区，在全国乃至全球都具有重要的生态地位。近年来，随着交通不断便利，不少学者开展了青藏高原土壤碳循环研究，如王建林等[14]关于草地土壤化学计量特征的大尺度空间分布研究，从宏观上了揭示青藏高原的土壤养分状况。叶成龙等[15]人基于野外定点试验和室内试验的研究表明，氮输入将增加预测青藏高原高寒草甸地区土壤碳排放的不确定性。其他研究如吕韶利[16]、刘合满[17]等，研究结果为高寒地区土壤碳循环研究奠定了丰富的理论和技术参考。青藏高原地形、植被、气候等具有显著的差异，导致SOC含量具有高度的空间异质性，然而目前针对SOC的空间分布与模拟研究仍少见报道，尤其是在小尺度空间范围，这将阻碍我们对于青藏高原这一特殊生态系统土壤碳动态变化的认识。为科学阐明高寒地区典型植被类型表层SOC及SOCD的空间分布特征与影响因素，本研究以西藏东南部色季拉山西坡广泛分布的草甸和杜鹃灌丛土壤为研究对象，采用地统计分析方法，旨在阐明小尺度下不同植被类型SOC及SOCD的空间变异及格局，以期为高寒环境下土壤有机碳循环研究及土壤碳储量的准确估算提供理论支撑。
1. 研究区概况与研究方法
1.1 研究区概况
本研究以色季拉山西坡相邻分布的灌丛、草甸为研究样地，其海拔4 200 ~ 4 400 m，地理位置29°36′N、94°38′E。根据色季拉山道班阴坡林外（29°35′51″N，94°36′43″E，4 390 m）2005 — 2012年的观测数据，该区域年均气温约为0.64 ℃，年均相对湿度为77%，年降雨量为877 mm。土壤类型属于亚高山林灌草甸土、沼泽草甸土[18]。
本研究所选样区主要包含苔草高寒草甸（Carex alpine meadow，CAM）、林芝杜鹃灌丛（Rhododendron tanastylum shrub，RTS）、雪山杜鹃灌丛（Rhododendron aganniphum shrub，RAS）3种植被类型。苔草高寒草甸，地面以苔草为建群种，其中还分布有委陵菜（Potentilla chinensis）、老鹳草（Geranium wilfordii）、阜莱氏马先蒿（Pedicularis fletcherii）、西藏糙苏（Phlomis tibetica）、偃卧繁缕（Stellaria decumbens）、蒲公英（Taraxacu mmongolicum）等，地面凹凸不平，存在沟壑。林芝杜鹃灌丛是以林芝杜鹃（Rhododendron tanastylum）为优势种，红枝小檗（Berberis erythroclada）和雪层杜鹃（Rhododendron nivale）为亚优势种的灌草丛地，植被分布不均一。雪山杜鹃灌丛主要生长雪山杜鹃（Rhododendron aganniphum），并伴有高山柏（Sabina squamata）和急尖长苞冷杉（Abies georgei var. smithii）零星分布，地面有较厚的枯落物层（最厚可达10 cm）。样地概况如表1所示。
表 1 样地基本概况Table 1. Basic condition of sample plots植被类型
Vegetation
type海拔
Altitude/m植被盖度
Vegetation
coverage/%坡度
Slope/(°)全氮
Total nitrogen
(TN)/(g·kg−1)全磷
Total phosphorus
(TP)/(g·kg−1)pH 含水率
Water
content/%土壤密度
Soil density/
(g·cm−3)黏粒
Clay/%粉粒
Silt/%砂粒
Sand/%CAM 4242 95 16 6.54 1.12 5.59 55.37 0.81 3.82 62.76 33.42 RTS 4264 75 14 3.29 0.39 5.47 72.01 0.82 3.55 61.45 35.00 RAS 4387 > 95 25 5.48 0.37 4.30 72.62 0.46 3.19 62.07 34.75 注：CAM为苔草高寒草甸；RTS为林芝杜鹃灌丛；RAS为雪山杜鹃灌丛。黏粒粒径< 0.002 mm，粉粒粒径在0.002~0.05 mm之间，砂粒粒径在0.05~2 mm之间。下同。Notes: CAM is Carex alpine meadow; RTS is Rhododendron tanastylum shrub; RAS is Rhododendron aganniphum shrub. Clay particle size is less than 0.002 mm; silt particle size is between 0.002−0.05 mm; sand particle size is between 0.05−2 mm. The same below. 1.2 样品采集与处理
于2018年10月，在野外考察的基础上，选择坡度较缓，植被类型连续的区域作为研究区（图1），采用10 m × 10 m网格法采样。即在3种植被类型区采用测量绳分别划定一个50 m × 50 m的样地，然后按照10 m × 10 m网格设置采样点，共计36个采样点。分别采集0 ~ 10 cm层次土壤和原状土壤样品，共获得土壤样品和环刀土样各108个，详细记录每一采样点的地形（海拔、坡度、坡位、凸起、沟壑）、植被覆盖等信息。采集的样品去杂置于风干盘自然风干后，经研磨使其分别通过2.00、0.25 mm土壤筛，用以测定土壤碳、氮等理化性质。SOC采用重铬酸钾容量−外加热法测定，全氮（TN）采用半微量凯氏法测定，全磷（TP）采用钼锑抗比色法测定，土壤密度、机械组成分别采用环刀法和激光粒度分布仪（Bettersize2000，丹东百特仪器有限公司）测定，以上实验过程参照文献[19-20]进行。
1.3 土壤有机碳密度计算
SOCD的计算采用如下公式：
SOCD=CDE(1−G)/100 式中：
C 为有机碳含量（g/kg），D 为土壤密度（g/cm3），E 为土层厚度（cm），G 为直径 > 2 mm石砾百分含量（%），这里忽略G 后计算SOCD[21]。1.4 数据处理与分析
在SPSS 22.0中计算SOC及SOCD的最大值、最小值、平均值、标准差、变异系数（Coefficient of variation, CV），其中CV值在0 ~ 10%、10% ~ 100%和 > 100%之间时，分别属于弱、中等和强变异。对不同植被类型SOC、SOCD的差异显著性检验采用LSD法（P < 0.01）。在GS+ 9.0中建立半方差函数模型，模型拟合可以得到块金值（C0）、基台值（C0 + C）、变程（A0）3个评价空间变异程度的参数，其中块金值与基台值的比值（C0/（C0 + C））即结构比，反映了随机性因素引起的空间变异占系统总变异的比值，比值在 < 25%、25% ~ 75%、> 75%范围，分别表示强、中、弱的空间自相关性，随机性因素引起的空间变异逐渐增大[22]，变程反映了区域化变量存在空间自相关性的距离上限。基于半方差函数模型，在ArcGIS10.2中完成克里格插值。冗余分析采用Canoco 5.0进行，并采用Forward selection和Monte Carlo permutation test进行环境因子重要性排序和显著性检验。
2. 结果与分析
2.1 SOC及SOCD的分布特征
不同植被类型的SOC、SOCD差异显著（P < 0.01）（表2），SOC含量表现为RAS（146.45 g/kg） > CAM（95.60 g/kg） > RTS（60.43 g/kg），RAS分别较CAM和RTS的SOC含量高53.19%、142.35%，SOCD表现为CAM（7.34 kg/m2） > RAS（6.32 kg/m2） > RTS（4.80 kg/m2），CAM分别较RAS和RTS高22.31%、61.04%。该研究区SOC和SOCD均具有中等程度的空间变异。
表 2 SOC及SOCD的描述性统计特征Table 2. Descriptive statistics of SOC and SOCD指标
Item植被类型
Vegetation type样本量
Sample size平均值
Mean最大值
Max.最小值
Min.变异系数
CV/%P 分布类型
Distribution typeSOC/（g·kg−1） CAM 33 95.60 ± 44.31b 219.85 49.63 46.35 0.169 N RTS 36 60.43 ± 25.73a 148.31 24.01 42.58 0.359 N RAS 36 146.45 ± 49.67c 252.15 69.10 33.92 0.500 N SOCD/（kg·m−2） CAM 36 7.73 ± 2.39c 12.77 4.50 30.92 0.538 L RTS 36 4.80 ± 2.01a 8.92 1.90 41.88 0.943 N RAS 36 6.32 ± 1.98b 11.22 1.53 31.33 0.747 N 注：不同小写字母表示植被类型之间SOC或SOCD差异显著（P < 0.01）。N为正态分布；L为对数正态分布。Notes: different lowercase letters indicate significant differences in SOC or SOCD between vegetation types （P < 0.01）. N means normal distribution; L means lognormal distribution. 在K-S检验结果如表2所示，CAM的SOC在剔除3个异常值后符合正态分布，SOCD则符合对数正态分布，RTS及RAS的SOC和SOCD均符合正态分布。
2.2 SOC及SOCD的空间自相关性
本研究以最大间距的1/2（35.56 m）为样本变化范围，以最小间距（10 m）为步长，并以平均预测误差（ME）最接近于0，决定系数（R2）和均方根标准预测误差（RMSSE）最接近于1交叉验证模型精度，最优模型如图2所示。
在不考虑各向异性的前提下，除RAS外，CAM和RTS的SOC、SOCD均得到了较好的拟合（表3）。CAM、RTS的SOC最优拟合为球状模型（spherical model），R2分别达0.998、0.432，ME依次为3.268、0.506，RMSSE为0.920、1.057；RAS的SOC最佳拟合模型为线性模型（linear model），R2为0.091，拟合效果较差。3种植被类型SOCD的拟合效果均较好，CAM、RTS及RAS分别符合指数模型（exponential model）、球状模型和线性模型，R2达0.965、0.864和0.996，ME在−0.145 ~ 0.021之间，RMSSE在1.017 ~ 1.059之间。
表 3 不同植被类型SOC及SOCD半方差函数模型及交叉验证Table 3. Semivariogram and cross-validation of SOC and SOCD under different vegetation types指标
Item植被类型
Vegetation
type理论模型
Theoretical model块金值
Nugget
(C0)基台值
Sill
(C0 + C)结构比
Structure ratio
(C0/(C0 + C))/%变程
Range (A0)/
m决定系数
Determination
coefficient (R2)预测误差 Prediction error ME RMSSE SOC CAM 球状模型 Spherical model 25.00 1716.00 1.46 30.29 0.998 −3.268 0.920 RTS 球状模型 Spherical model 58.00 721.30 8.04 17.68 0.432 0.506 1.057 RAS 线性模型 Linear model 2338.32 2338.32 100.00 32.69 0.091 −1.009 1.068 SOCD CAM 指数模型 Exponential model 0.01 4.67 2.14 20.31 0.965 −0.145 1.042 RTS 球状模型 Spherical model 0.58 4.64 12.51 17.44 0.864 0.021 1.059 RAS 线性模型 Linear model 4.00 4.00 100.00 32.69 0.996 −0.065 1.017 从结构比来看，除RAS外，其他植被类型的SOC及SOCD均具有强烈的空间自相关性。CAM与RTS的SOC结构比分别为1.46%、8.04%，SOCD结构比分别为2.14%、12.51%，即CAM < RTS < 25%，结构性因素引起的空间变异大于75%，具有较强的空间依赖性。RAS的SOC及SOCD块金值等于基台值，结构比达100%，属于纯块金方差，空间自相关性较弱，随机性因素控制为主。
从变程来看，SOC、SOCD的空间变异尺度存在差异，反映出不同程度的空间连续性。3种植被类型SOC的变程表现为RAS（32.69 m） > CAM（30.29 m） > RTS（17.68 m），SOCD为RAS（32.69 m） > CAM（20.31 m） > RTS（17.44 m），即SOC、SOCD的空间连续性从RAS、CAM到RTS逐渐变差。除RNS外，CAM和RTS的空间变程均表现为SOC > SOCD，即SOC可能较SOCD具有更大的空间自相关距离，在考察SOC含量时的采样可以适当加大采样间距。
2.3 SOC及SOCD的空间分布
本研究RAS的SOC及SOCD空间上主要受随机因素控制，故不适合做空间插值[23]。CAM及RTS的SOC及SOCD的空间分布如图3所示。总体而言，SOC及SOCD呈斑状或条带状分布，并且同一植被类型的SOC与SOCD空间分布相似。其中CAM的SOC、SOCD高值区集中分布在样地南部和东部边缘，分别在90.29 ~ 219.85 g/kg、8.05 ~ 14.05 kg/m2之间，并且由北部、西部边缘向中部延伸分别形成两个低值分布带，值在49.63 ~ 90.29 g/kg、8.05 ~ 14.50 kg/m2之间。RTS的SOC、SOCD具有相似的高低值分布区，高值区SOC、SOCD分别为56.63 ~ 148.31 g/kg、5.31 ~ 13.09 kg/m2范围，低值区分别在24.01 ~ 56.63 g/kg和2.67 ~ 5.31 kg/m2范围，但与CAM相比，RTS的SOC及SOCD均未表现出明显的边缘效应，而呈高低值交错分布的特征，空间连续性较差。
![]()
图 3 SOC及SOCD的水平分布格局Figure 3. Horizontal distribution patterns of SOC and SOCD under different vegetation types2.4 SOC和SOCD与土壤因子的相关性分析
如图4所示，RDA排序图的典型轴1和轴2解释了SOC、SOCD与土壤性质总体变异的58.2%。土壤含水率、TN在SOC箭头连线上的投影长度最长，表明其与SOC呈较强的正相关性，土壤密度、pH在SOC箭头反向延长线上的投影较长，表明二者与SOC呈较强的负相关性，而土壤机械组成、坡度、TP与SOC的相关性不大。SOCD与SOC呈正相关性，但与土壤各性质的相关性不如SOC显著，主要与TP、TN的关系较为密切。
![]()
图 4 SOC及SOCD与土壤因子相关性的冗余分析排序图SOC. 土壤有机碳；SOCD. 土壤有机碳密度；TN. 全氮；TP. 全磷；Water content. 含水率；Soil density. 土壤密度；Slope. 坡度；Clay. 黏粒；Silt.粉粒；Sand. 砂粒。SOC, soil organic carbon.; SOCD, soil organic carbon density; TN, total nitrogen; TP, total phosphorus.Figure 4. Redundancy analysis on the correlation between SOC and SOCD with soil properties由表4可知，各土壤因子对SOC、SOCD的影响存在一定差异。各土壤因子对SOC、SOCD影响的重要性排序从大到小依次为含水率 > 土壤密度 > pH > TN > 黏粒 > 砂粒 > 粉粒 > 坡度 > TP，除TP对SOC、SOCD的影响未达显著水平外（P > 0.05），其他土壤因子对SOC、SOCD的影响均达极显著水平（P < 0.01），其中含水率、土壤密度和pH因子对SOC、SOCD空间变异的贡献率较高，分别为69.60%、65.70%、53.50%，其次是TN和黏粒，贡献为44.20%和30.10%。表明土壤含水率、土壤密度、pH是影响研究区SOC、SOCD空间分布的关键因素。
表 4 土壤因子解释量及显著性检验Table 4. Explanation rate and significance test of soil factors土壤因子
Soil
factor重要性排序
Importance
ranking因子解释量
Factor explanation
rate/%F P 含水率 Water content 1 69.60 98.40 0.002 土壤密度 Soil density 2 65.70 88.30 0.002 pH 3 53.50 62.10 0.002 全氮 TN 4 44.20 46.60 0.002 黏粒 Clay 5 30.10 27.80 0.002 砂粒 Silt 6 17.50 14.60 0.002 粉粒 Sand 7 15.80 13.00 0.002 坡度 Slope 8 12.50 10.00 0.004 全磷 TP 9 0.20 0.10 0.740 3. 讨 论
3.1 植被类型对SOC和SOCD的影响
本研究中植被类型显著影响了表层0 ~ 10 cm土壤有机碳含量（P < 0.01），与前人研究结果一致[24-25]。表层SOC含量为RAS > CAM > RTS，与植被覆盖度规律一致（表1），即RAS（> 95%） > CAM（95%） > RTS（75%）。这是因为自然生态系统植被枯落物是表层土壤有机碳的重要来源，并与植被覆盖度显著正相关。研究区SOC含量处于较高水平，均值达100.97 g/kg，显著高于全国0 ~ 10 cm土壤水平（24.56 g/kg）[26]。与相似生态类型区比较，CAM的SOC（95.60 g/kg）亦高于青海省河南县杂类草型草甸（74.99 g/kg）[27]和江西省武功山草甸（63.52 g/kg）[28]，两种灌丛SOC的平均含量（103.44 g/kg）亦显著高于燕山北部绣线菊（Spiraea salicifolia）灌丛（37.65 g/kg）和榛子（Corylus heterophylla）灌丛（64.74 g/kg）[29]。这可能与低温抑制酶活性、减缓土壤有机质的矿化分解有关[30]，该区域年均气温仅0.64 ℃，且降水丰富，年降雨达877 mm，有利于表层有机质的积累。SOCD与SOC的表现基本一致，CAM（7.73 kg/m2）、RTS（4.8 kg/m2）和RAS（6.32 kg/m2）的SOCD显著高于全国10 cm土壤厚度的SOCD（1.21 kg/m2）[31]，表明色季拉山高海拔区土壤有机碳储量较丰富，可能成为未来大气CO2浓度升高的潜在碳源。
3.2 SOC及SOCD的空间异质性
本研究小空间尺度上，植被类型影响了表层土壤有机碳的空间分布与变异特征。SOC和SOCD的空间变异半方差函数分析结果表明，拟合度以CAM最佳，其次为RTS，而RAS则较差。这可能是由于小空间尺度上RAS地表地形及植被、枯落物等基本立地条件较为破碎有关，故可能需要增加采样点或缩小采样间距[32]。结构比反映了引起变量空间异质性的主要影响因素，本研究中CAM、RTS的SOC、SOCD结构比均小于13%，由结构性因素引起的空间异质性占总空间异质性的87.49% ~ 98.54%，表明小尺度空间范围，在气候、土壤类型一致的前提下，地面枯落物量、微地形、土壤理化性质等结构性因素是表层SOC、SOCD空间变异的主要原因。而RAS的SOC、SOCD表现为以人为干扰等随机因素控制为主，考虑是采样间距大于其空间变异尺度引起的[33]。
变程反映的是变量的空间自相关范围，在变程内的变量才具有空间自相关性[23]。本研究中CAM和RTS的SOC、SOCD变程均大于取样距离（10 m），表明本研究在该小尺度下设置的采样间距是合理的，可以反映SOC、SOCD的空间异质性。对于RAS而言，10 m可能超出了其SOC、SOCD空间自相关的最大距离，而未表现出空间结构性，反映了SOC、SOCD的尺度效应。本研究中，SOC由空间自相关部分引起的变异占总变异的91.96% ~ 98.54%，表现在30.29 m以下的范围，与辽东山区次生林[34]土壤有机质由空间自相关引起的变异占总变异的65.40%，发生在46.77 m尺度以内相比，本研究SOC在较小尺度内存在较强的空间自相关性，表明色季拉山微生境比较复杂，SOC的空间破碎化严重。
3.3 SOC及SOCD水平分布格局的影响因素分析
SOC空间分布受多种因素的综合影响，其中土壤含水率、微地形是影响该研究区SOC空间分布格局的重要环境变量。CAM样地东、南边缘是SOC、SOCD高值的集中分布区，该边缘与嵩草沼泽化草甸接壤，土壤含水率较高（多数采样点超过100%），在低温通气不良的条件下，微生物活动受限，植物残体和根系不易分解，使土壤有机物质大量积累，符合冗余分析中SOC与土壤含水率极显著正相关的规律。在CAM的中部到北部边缘，存在一条东西方向的沟壑，在地面径流的作用下，导致土壤中可溶性有机碳向地势较低的东部边缘迁移，可能是CAM北部低值分布带形成的主要原因，与石峰[35]关于土壤无机氮的研究结果一致，表明在小尺度空间范围，微地形可能成为土壤养分空间分布的主要驱动因子[36-37]。在本研究中，坡度与SOC、SOCD的相关性较低（P > 0.05），这与Ritchie等[38]的研究结果相异，可能是水、热等条件的差异弱化了小尺度下坡度对SOC、SOCD的影响[39]。
研究区RTS样地为裸地、草本和灌丛镶嵌性分布，可能是其SOC、SOCD空间连续性较CAM差，破碎化程度高的原因。有研究表明土壤有机碳含量与灌丛凋落物生物量呈正相关性[40]，在本研究中，灌丛斑块地上凋落物数量明显高于灌丛间裸地、草地斑块，导致交错分布的不同斑块下表层SOC存在差异，从而表现出空间异质性，与何俊龄[41]的研究结果一致，其研究亦表明金露梅（Potentilla fruticosa）灌丛表层土壤养分含量显著高于灌丛间草地。本研究未对RAS的SOC、SOCD进行空间插值，但其纯块金效应的出现表明其SOC、SOCD的空间连续性可能较差，事实上RAS微地形较复杂，平均坡度达25°，且地面枯落物分布不均匀，厚度0 ~ 10 cm不等，因此有待更小尺度的研究。
土壤密度、pH、TN、机械组成亦是影响SOC及SOCD空间分布格局的重要因素。冗余分析结果表明，土壤密度、pH是影响研究区SOC、SOCD空间变异的关键因子，与SOC、SOCD呈极显著负相关，这一结果与卓志清等[42]、贡璐等[43]人的研究结果一致，SOC含量提高时有利于改善土壤结构，使土壤疏松多孔，降低土壤紧实度。同时在一定范围内，随着土壤酸性增强，微生物活动受限，从而导致碳的积累。土壤中TN大部分来源于土壤有机质，因此与SOC极显著正相关。本研究SOC、SOCD与土壤黏粒、粉粒呈负相关，与砂粒正相关，这是因为黏粒、粉粒含量的降低，有利于提高土壤透气性，从而加快微生物分解释放养分元素，与马文瑛等[44]、Igor等[45]的研究结果相似。
4. 结 论
（1）SOC、SOCD显著受植被类型的影响，本研究区SOC表现为RAS > CAM > RTS，SOCD为CAM > RAS > RTS。
（2）研究区CAM、RTS的SOC和SOCD主要受结构性因素的影响，具有较强的空间自相关性，二者空间自相关的最大距离在17.44 ~ 30.29 m之间，表明本研究采取的地统计采样间隔是合理的。RAS的SOC、SOCD具有纯块金效应，即随采样间隔变化，其方差均为一常量，说明本研究采取的10 m间隔采样超出了RAS 的SOC、SOCD的空间变异尺度。
（3）在水平方向，CAM的SOC、SOCD主要受含水率、微地形影响，而在样地的东部、南部边缘存在高值区，在北部存在东西向的低值分布带。RTS的SOC、SOCD呈高低值交错分布，破碎化程度高，可能与地面覆被物的镶嵌性分布有关。
（4）冗余分析表明，土壤含水率、土壤密度、pH、TN是影响表层SOC、SOCD空间变异的关键要素。
-
![]()
图 3 SOC及SOCD的水平分布格局
Figure 3. Horizontal distribution patterns of SOC and SOCD under different vegetation types
![]()
图 4 SOC及SOCD与土壤因子相关性的冗余分析排序图
SOC. 土壤有机碳；SOCD. 土壤有机碳密度；TN. 全氮；TP. 全磷；Water content. 含水率；Soil density. 土壤密度；Slope. 坡度；Clay. 黏粒；Silt.粉粒；Sand. 砂粒。SOC, soil organic carbon.; SOCD, soil organic carbon density; TN, total nitrogen; TP, total phosphorus.
Figure 4. Redundancy analysis on the correlation between SOC and SOCD with soil properties
表 1 样地基本概况
Table 1 Basic condition of sample plots
植被类型
Vegetation
type海拔
Altitude/m植被盖度
Vegetation
coverage/%坡度
Slope/(°)全氮
Total nitrogen
(TN)/(g·kg−1)全磷
Total phosphorus
(TP)/(g·kg−1)pH 含水率
Water
content/%土壤密度
Soil density/
(g·cm−3)黏粒
Clay/%粉粒
Silt/%砂粒
Sand/%CAM 4242 95 16 6.54 1.12 5.59 55.37 0.81 3.82 62.76 33.42 RTS 4264 75 14 3.29 0.39 5.47 72.01 0.82 3.55 61.45 35.00 RAS 4387 > 95 25 5.48 0.37 4.30 72.62 0.46 3.19 62.07 34.75 注：CAM为苔草高寒草甸；RTS为林芝杜鹃灌丛；RAS为雪山杜鹃灌丛。黏粒粒径< 0.002 mm，粉粒粒径在0.002~0.05 mm之间，砂粒粒径在0.05~2 mm之间。下同。Notes: CAM is Carex alpine meadow; RTS is Rhododendron tanastylum shrub; RAS is Rhododendron aganniphum shrub. Clay particle size is less than 0.002 mm; silt particle size is between 0.002−0.05 mm; sand particle size is between 0.05−2 mm. The same below. 
下载: 导出CSV
表 2 SOC及SOCD的描述性统计特征
Table 2 Descriptive statistics of SOC and SOCD
指标
Item植被类型
Vegetation type样本量
Sample size平均值
Mean最大值
Max.最小值
Min.变异系数
CV/%P 分布类型
Distribution typeSOC/（g·kg−1） CAM 33 95.60 ± 44.31b 219.85 49.63 46.35 0.169 N RTS 36 60.43 ± 25.73a 148.31 24.01 42.58 0.359 N RAS 36 146.45 ± 49.67c 252.15 69.10 33.92 0.500 N SOCD/（kg·m−2） CAM 36 7.73 ± 2.39c 12.77 4.50 30.92 0.538 L RTS 36 4.80 ± 2.01a 8.92 1.90 41.88 0.943 N RAS 36 6.32 ± 1.98b 11.22 1.53 31.33 0.747 N 注：不同小写字母表示植被类型之间SOC或SOCD差异显著（P < 0.01）。N为正态分布；L为对数正态分布。Notes: different lowercase letters indicate significant differences in SOC or SOCD between vegetation types （P < 0.01）. N means normal distribution; L means lognormal distribution.
下载: 导出CSV
表 3 不同植被类型SOC及SOCD半方差函数模型及交叉验证
Table 3 Semivariogram and cross-validation of SOC and SOCD under different vegetation types
指标
Item植被类型
Vegetation
type理论模型
Theoretical model块金值
Nugget
(C0)基台值
Sill
(C0 + C)结构比
Structure ratio
(C0/(C0 + C))/%变程
Range (A0)/
m决定系数
Determination
coefficient (R2)预测误差 Prediction error ME RMSSE SOC CAM 球状模型 Spherical model 25.00 1716.00 1.46 30.29 0.998 −3.268 0.920 RTS 球状模型 Spherical model 58.00 721.30 8.04 17.68 0.432 0.506 1.057 RAS 线性模型 Linear model 2338.32 2338.32 100.00 32.69 0.091 −1.009 1.068 SOCD CAM 指数模型 Exponential model 0.01 4.67 2.14 20.31 0.965 −0.145 1.042 RTS 球状模型 Spherical model 0.58 4.64 12.51 17.44 0.864 0.021 1.059 RAS 线性模型 Linear model 4.00 4.00 100.00 32.69 0.996 −0.065 1.017
下载: 导出CSV
表 4 土壤因子解释量及显著性检验
Table 4 Explanation rate and significance test of soil factors
土壤因子
Soil
factor重要性排序
Importance
ranking因子解释量
Factor explanation
rate/%F P 含水率 Water content 1 69.60 98.40 0.002 土壤密度 Soil density 2 65.70 88.30 0.002 pH 3 53.50 62.10 0.002 全氮 TN 4 44.20 46.60 0.002 黏粒 Clay 5 30.10 27.80 0.002 砂粒 Silt 6 17.50 14.60 0.002 粉粒 Sand 7 15.80 13.00 0.002 坡度 Slope 8 12.50 10.00 0.004 全磷 TP 9 0.20 0.10 0.740
下载: 导出CSV
-
[1] 张永强, 唐艳鸿, 姜杰. 青藏高原草地生态系统土壤有机碳动态特征[J]. 中国科学(D辑:地球科学), 2006, 36(12):66−73. Zhang Y Q, Tang Y H, Jiang J. Dynamic characteristics of soil organic carbon in grassland ecosystem on the Qinghai-Tibet Plateau[J]. Science Sinica (Terrae), 2006, 36(12): 66−73.
[2] 项文化, 方晰. 亚热带次生林群落结构与土壤特征[M]. 北京: 科学出版社, 2018: 151. Xiang W H, Fang X. Community structure and soil characteristics of secondary forest in subtropical[J]. Beijing: Science Press, 2018:151.
[3] 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): 654. doi: 10.1007/s12665-017-6982-1
[4] 吕贻忠, 李保国, 崔燕. 不同植被群落下土壤有机质和速效磷的小尺度空间变异[J]. 中国农业科学, 2006, 39(8):1581−1587. Lü Y Z, Li B G, Cui Y. Micro-scale spatial variance of soil nutients under different plant communites[J]. Scientia Agricultura Sinica, 2006, 39(8): 1581−1587.
[5] Berg B, Mcclaugherty C, Santo A V D, et al. Humus buildup in boreal forests: effects of litter fall and its N concentration[J]. Canadian Journal of Forest Research, 2001, 31(6): 988−998. doi: 10.1139/x01-031
[6] 向云西, 潘萍, 陈胜魁, 等. 天然马尾松林土壤碳氮磷特征及其与凋落物质量的关系[J]. 北京林业大学学报, 2019, 41(11):95−103. Xiang Y X, Pan P, Chen S K, et al. Characteristics of soil C, N, P and their relationship with litter quality in natural Pinus massoniana forest[J]. Journal of Beijing Forestry University, 2019, 41(11): 95−103.
[7] 孙文义, 郭胜利, 宋小燕. 地形和土地利用对黄土丘陵沟壑区表层土壤有机碳空间分布影响[J]. 自然资源学报, 2010, 25(3):443−453. Sun W Y, Guo S L, Song X Y. Effects of topographies and land use on spatial distribution of surface soil organic carbon in hilly region of the Loess Plateau[J]. Journal of Natural Resources, 2010, 25(3): 443−453.
[8] Yu D S, Zhang Z Q, Yang H, et al. Effect of soil sampling density on detected spatial variability of soil organic carbon in a red soil region of China[J]. Pedosphere, 2011, 21(2): 207−211. doi: 10.1016/S1002-0160(11)60119-7
[9] Gao P, Wang B, Geng G P, et al. Spatial distribution of soil organic carbon and total nitrogen based on GIS and geostatistics in a small watershed in a hilly area of northern China[J/OL]. 2013, 8(12): e83592(2013−10−31)[2018−11−24]. https://doi.org/10.1371/journal.pone.0083592.
[10] Göl C, Bulut S, Bolat F. Comparison of different interpolation methods for spatial distribution of soil organic carbon and some soil properties in the Black Sea backward region of Turkey[J]. Journal of African Earth Sciences, 2017, 134: 85−91. doi: 10.1016/j.jafrearsci.2017.06.014
[11] 吕一河, 傅伯杰. 生态学中的尺度及尺度转换方法[J]. 生态学报, 2001, 21(12):2096−2105. Lü Y H, Fu B J. Ecological scale and scaling[J]. Acta Ecologica Sinica, 2001, 21(12): 2096−2105.
[12] Stevens F, Bogaert P, Van Oost K, et al. Regional-scale characterization of the geomorphic control of the spatial distribution of soil organic carbon in cropland[J]. European Journal of Soil Science, 2014, 65(4): 539−552. doi: 10.1111/ejss.12153
[13] 张志霞, 许明祥, 师晨迪, 等. 黄土丘陵区不同地貌单元土壤有机碳空间变异的尺度效应[J]. 自然资源学报, 2014, 29(7):1173−1184. Zhang Z X, Xu M X, Shi C D, et al. Scale effect of spatial variability of soil organic carbon in different geomorphic units in the loess hilly region[J]. Journal of Natural Resources, 2014, 29(7): 1173−1184.
[14] 王建林, 钟志明, 王忠红, 等. 青藏高原高寒草原生态系统土壤氮磷比的分布特征[J]. 应用生态学报, 2013, 24(12):3399−3406. Wang J L, Zhong Z M, Wang Z H, et al. Soil N/P ratio distribution characteristics of alpine grassland ecosystem in Qinghai Tibet Plateau[J]. Chinese Journal of Applied Ecology, 2013, 24(12): 3399−3406.
[15] 叶成龙, 张浩, 周小龙, 等. 氮添加对高寒草甸土壤微生物呼吸及其温度敏感性的影响[J]. 生态学报, 2018, 38(7):2279−2287. Ye C L, Zhang H, Zhou X L, et al. Effects of nitrogen additions on soil microbial respiration and its temperature sensitivity in a Tibetan alpine meadow[J]. Acta Ecologica Sinica, 2018, 38(7): 2279−2287.
[16] 吕韶利. 青藏高原高寒草地土壤有机碳、全氮的空间异质性及其影响因素的研究[D]. 兰州: 兰州大学, 2018. Lü S L. Study on spatial heterogeneity of soil organic carbon and total nitrogen in alpine grassland of Qinghai-Tibet Plateau and its influencing factors[D]. Lanzhou: Lanzhou University, 2018.
[17] 刘合满. 西藏东南部色季拉山土壤有机碳含量与呼吸作用特征[D]. 北京: 中国农业大学, 2017. Liu H M. Characterizing of soil organic carbon contents and respiration at Sejila Mountain in southeastern Tibet[D]. Beijing: China Agricultural University, 2017.
[18] 方江平. 西藏色季拉山土壤的性状与垂直分布[J]. 山地学报, 1997, 15(4):228−233. Fang J P. Characteristics and vertical distribution of soil in Sejila Mountain, Tibet[J]. Mountain Research, 1997, 15(4): 228−233.
[19] 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000. Bao S D. Soil agrochemical analysis[M]. Beijing: China Agricultural Press, 2000.
[20] 国家林业局. 森林土壤分析方法: LY/T 1210~1275−1999[S]. 北京: 中国标准出版社, 1999. State Forestry Adninistration. Forest soil analysis methods: LY/T 1210−1275−1999[S]. Beijing: Standards Press of China, 1999.
[21] 刘玲, 王海燕, 戴伟, 等. 长白山低山区森林土壤有机碳及养分空间异质性[J]. 应用生态学报, 2014, 25(9):2460−2468. Liu L, Wang H Y, Dai W, et al. Spatial heterogeneity of soil organic carbon and nutrients in low mountain area of Changbai Mountains[J]. Chinese Journal of Applied Ecology, 2014, 25(9): 2460−2468.
[22] Robertson G P. GS+: geostatistics for the environmental sciences[M]. Plainwell: Gamma Design Software, LLC, 2008.
[23] 秦倩倩, 王海燕, 李翔, 等. 东北天然针阔混交林凋落物磷素空间异质性及其影响因素[J]. 生态学报, 2019, 39(12):4519−4529. Qin Q Q, Wang H Y, Li X, et al. Spatial heterogeneity and factors affecting phosphorus in the litter of a natural Picea jezoensis var. microsperma (Lindl.) W. C.Cheng & L. K. Fu and Abies nephrolepis (Trautv.) Maxim. mixed forest in northeastern China[J]. Acta Ecologica Sinica, 2019, 39(12): 4519−4529.
[24] 朱猛, 冯起, 张梦旭, 等. 祁连山中段草地土壤有机碳分布特征及其影响因素[J]. 草地学报, 2018, 26(6):1322−1329. Zhu M, Feng Q, Zhang M X, et al. Patterns and influencing factors of soil organic carbon in grasslands of the middle Qilian Mountains[J]. Acta Agrestia Sinica, 2018, 26(6): 1322−1329.
[25] 孟国欣, 查同刚, 张晓霞, 等. 植被类型和地形对黄土区退耕地土壤有机碳垂直分布的影响[J]. 生态学杂志, 2017, 36(9):2447−2454. Meng G X, Zha T G, Zhang X X, et al. Effect of vegetation type and terrain on vertical distribution of soil organic carbon on abandoned farmlands in the Loess Plateau[J]. Chinese Journal of Ecology, 2017, 36(9): 2447−2454.
[26] Tian H Q, Chen G S, Zhang C, et al. Pattern and variation of C:N:P ratios in China’s soils: a synthesis of observational data[J]. Biogeochemistry, 2010, 98(3): 139−151.
[27] 王金贵, 李希来, 李宗仁, 等. 青海超净区高寒草甸土壤有机碳及养分分布特征[J]. 生态环境学报, 2018, 27(2):232−238. Wang J G, Li X L, Li Z R, et al. Distribution characteristics of soil organic carbon and nutrients in alpine meadow soils in a super clean area, Qinghai Province[J]. Ecology and Environmental Sciences, 2018, 27(2): 232−238.
[28] 刘倩, 王书丽, 邓邦良, 等. 武功山山地草甸不同海拔凋落物-土壤碳、氮、磷含量及其生态化学计量特征[J]. 应用生态学报, 2018, 29(5):1535−1541. Liu Q, Wang S L, Deng B L, et al. Carbon, nitrogen and phosphorus contents and their ecological stoichiometry in litters and soils on meadow of Wugong Mountain, Jiangxi, China at different altitudes[J]. Chinese Journal of Applied Ecology, 2018, 29(5): 1535−1541.
[29] 张兴锐, 许中旗, 纪晓林, 等. 燕山北部山地典型植物群落土壤有机碳贮量及其分布特征[J]. 水土保持学报, 2010, 24(1):186−190. Zhang X R, Xu Z Q, Ji X L, et al. Soil organic carbon storage and its distribution characteristics of typical plant communities in northern Yanshan Mountains[J]. Journal of Soil and Water Conservation, 2010, 24(1): 186−190.
[30] 刘霜, 张心昱, 杨洋, 等. 温度对温带和亚热带森林土壤有机碳矿化速率及酶动力学参数的影响[J]. 应用生态学报, 2018, 29(2):433−440. Liu S, Zhang X Y, Yang Y, et al. Effects of temperature on soil organic carbon mineralization rate and enzyme kinetic para-meters in temperate and subtropical forests[J]. Chinese Journal of Applied Ecology, 2018, 29(2): 433−440.
[31] Li Y. Can the spatial prediction of soil organic matter contents at various sampling scales be improved by using regression Kriging with auxiliary information[J]. Geoderma, 2010, 159: 72−77.
[32] 曹生奎, 曹广超, 陈克龙, 等. 青海湖高寒湿地土壤有机碳空间分布分析[J]. 青海师范大学学报(自然科学版), 2012(1):12−20. Cao S K, Cao G C, Chen K L, et al. Spatial distribution of soil organic carbon in alpine wetland of Qinghai Lake[J]. Journal of Qinghai Normal University (Natural Science Edition), 2012(1): 12−20.
[33] 史舟, 李艳. 地统计学在土壤学中的应用[M]. 北京: 中国农业出版社, 2006. Shi Z, Li Y. Application of geostatistics in soil science[M]. Beijing: China Agricultural Press, 2006.
[34] 张淑媛, 秦胜金, 宗国, 等. 辽东山区次生林土壤主要化学性质空间异质性[J]. 生态学杂志, 2018, 37(7):2076−2082. Zhang S Y, Qin S J, Zong G, et al. The spatial heterogeneity of main chemical properties of soil in secondary forests in montane region of eastern Liaoning Province in China[J]. Chinese Journal of Ecology, 2018, 37(7): 2076−2082.
[35] 石峰. 二龙山油松林土壤养分含量的小尺度空间异质性研究[J]. 山西农业科学, 2018, 37(7):2076−2082. Shi F. Study on small scale spatial heterogeneity of soil nutrient content in Pinus tabuliformis forest in Erlong Mountain[J]. Journal of Shanxi Agricultural Sciences, 2018, 37(7): 2076−2082.
[36] 杨鹏, 赵锦梅, 雷隆举, 等. 微地形对高寒草地土壤有机碳及氮含量的影响[J]. 水土保持通报, 2018, 38(3):94−98. Yang P, Zhao J M, Lei L J, et al. Effects of micro-topography on soil organic carbon and nitrogen content in alpine grassland[J]. Bulletin of Soil and Water Servation, 2018, 38(3): 94−98.
[37] 袁振, 魏松坡, 贾黎明, 等. 河北平山片麻岩山区微地形表层土壤养分异质性分析[J]. 水土保持研究, 2017, 24(6):84−90. Yuan Z, Wei S P, Jia L M, et al. Differentiation characteristics of topsoil nutrients of the micro-topography in gneiss mountainous area of Pingshan, Hebei Province[J]. Research of Soil and Water Conservaton, 2017, 24(6): 84−90.
[38] Ritchie J C, McCarty G W, Venteris E R, et al. Soil and soil organic carbon redistribution on the landscape[J]. Geomorpholosry, 2007, 89(1−2): 163−171.
[39] 刘金福, 苏松锦, 何中声, 等. 格氏栲天然林土壤有机碳空间分布及其影响因素[J]. 山地学报, 2011, 29(6):641−648. Liu J F, Su S J, He Z S, et al. Spatial distribution and influencing factors of soil organic carbon in mid-subtropical Castanopsis kawakamii natural forest[J]. Mountain Research, 2011, 29(6): 641−648.
[40] 陈路红, 苏凯文, 郑伟, 等. 云南2种主要灌丛土壤有机碳分布特征及其影响因子研究[J]. 西南林业大学学报, 2017, 37(5):106−113. Chen L H, Su K W, Zheng W, et al. Distribution characteristics and influencing factors of soil organic carbon in two dominant shrub soil in Yunnan Province[J]. Journal of Southwest Forestry University, 2017, 37(5): 106−113.
[41] 何俊龄. 金露梅对青藏高原高寒草甸植被特征和土壤性质的影响[D]. 兰州: 兰州大学, 2017. He J L. Effects of potentilla fruticosa on vegetation characteristics and soil properties of alpine meadow on the Tibetan Plateau[D]. Lanzhou: Lanzhou University, 2017.
[42] 卓志清, 李勇, 兴安, 等. 东北旱作区土壤碳氮磷生态化学计量特征及其影响因素[J]. 农业机械学报, 2019, 50(10):259−268, 336. Zhuo Z Q, Li Y, Xing A, et al. Characteristic of ecological stoichiometry of soil C, N and P and its influencing factors in dry farming region of northeast China[J]. Transactions of The Chinese Society of Agricultural Machinery, 2019, 50(10): 259−268, 336.
[43] 贡璐, 朱美玲, 刘曾媛, 等. 塔里木盆地南缘典型绿洲土壤有机碳、无机碳与环境因子的相关性[J]. 环境科学, 2016, 37(4):1516−1522. Gong L, Zhu M L, Liu Z Y, et al. Correlation among soil organic carbon, soil inorganic carbon and the environmental factors in a typical oasis in the southern edge of the Tarim Basin[J]. Environmental Science, 2016, 37(4): 1516−1522.
[44] 马文瑛, 赵传燕, 王超, 等. 祁连山天老池小流域土壤有机碳空间异质性及其影响因素[J]. 土壤, 2014, 46(3):426−432. Ma W Y, Zhao C Y, Wang C, et al. Spatial variability of soil organic carbon and its relationship with environmental factors in Tianlaochi Catchment in Qilian Mountains, Northwest China[J]. Soils, 2014, 46(3): 426−432.
[45] Igor B, Paulo P, Radica C, et al. Spatial distribution of soil organic carbon and total nitrogen stocks In a karst polje located in Bosnia and Herzegovina[J/OL]. Environmental Earth Sciences, 2018, 77(17): 612 (2018−09−03) [2019−02−16]. https://doi.org/10.1007/s12665-018-7801-z.
-
期刊类型引用(21)
1. 张蔓蔓，郑聪慧，徐振华，李新利，杜克久，田芸，孟李冰，柳明妹，聂佳佳，邢争. 2种红果臭椿表型特征及色素组分相关性. 东北林业大学学报. 2025(01): 23-34+42 . 
百度学术
2. 刘玉军，秦波，李媚，黄耀恒，刘芳，黄欣，刘莉. 黑紫色叶紫薇品种‘赤红’叶片转录组测序及注释分析. 湖南农业科学. 2024(01): 1-6 . 百度学术
3. 胡平. 光照条件对不同类型绿地南天竹叶色变化的影响. 安徽林业科技. 2024(02): 24-28 . 百度学术
4. Lu Feng，Ping Shen，Xiufeng Chi，Yang Zhou，Jieru Liu，Tangren Cheng，Jia Wang，Qixiang Zhang，Ming Cai，Huitang Pan. The anthocyanin formation of purple leaf is associated with the activation of LfiHY5 and LfiMYB75 in crape myrtle. Horticultural Plant Journal. 2024(05): 1230-1246 . 必应学术
5. 崔祺，吴昀，李东泽，吴凡，韩蕊莲，黄均华，胡绍庆. 彩叶桂叶片发育过程中叶色表型与色素成分变化. 南京林业大学学报(自然科学版). 2023(02): 79-86 . 百度学术
6. 李茂娟，崔强，徐毓泽，张海霞，廖祯妮，何才生. 紫叶紫薇高接换冠技术研究. 中国农学通报. 2023(25): 21-26 . 百度学术
7. 刘雄盛，尹国平，肖玉菲，蒋燚，王仁杰，黄荣林，姜英，王勇. 枫香叶片变色期全长转录组测序及分析. 广西植物. 2023(09): 1710-1720 . 百度学术
8. 郑聪慧，徐振华，王玉忠，张蔓蔓，杜克久，李向军，刘春鹏. 四种臭椿不同叶位叶片色素组成及分布变化. 中国农学通报. 2023(32): 56-65 . 百度学术
9. 尹国平，刘雄盛，蒋燚，王勇，杨继生，肖玉菲，黄荣林，姜英. 枫香变红过程中叶片组织结构、光合特性及色素含量变化研究. 广西植物. 2022(07): 1213-1221 . 百度学术
10. 邵雯雯，何钢，乔中全，曾慧杰，蔡能，石炳霖. 6个紫薇品种叶片色彩变化及其与色素含量的相关性. 西北林学院学报. 2022(05): 104-110+123 . 百度学术
11. 张阳，钱多，马喆. 彩叶树种叶色影响因素及光合特性研究进展. 安徽农业科学. 2022(20): 12-17 . 百度学术
12. 王永涛，杨宁，李贵学，于林倩，姜锡川. 彩叶植物SPAD值及其荧光参数的异质性. 绿色科技. 2022(23): 92-97 . 百度学术
13. 马赞留. 彩叶紫薇育种及繁育技术研究进展. 农业开发与装备. 2022(12): 238-240 . 百度学术
14. 吴焦焦，田秋玲，谭星，乐佳兴，张文，高岚，李林珂，王一诺，刘芸. 氮磷钾肥配施对黄栌生长和叶片呈色的影响. 林业科学. 2021(11): 179-189 . 百度学术
15. 卢玉生，官凤英，彭超，尹子旭，张美曼，詹美春，晏颖杰. 竹笋截梢对绿竹生长及叶绿素荧光特性的影响. 浙江农林大学学报. 2020(01): 51-59 . 百度学术
16. 陈露，李家明，周相助，许茹，林义章，钟凤林. 外施苹果酸对紫色小白菜花青苷合成关键基因的影响. 农业生物技术学报. 2020(03): 407-419 . 百度学术
17. 肖杰，薛欢，苑景淇，于忠亮，李成宏，王梅芳，周梅妹，杜凤国. 3个紫薇品种幼苗光响应特性. 北华大学学报(自然科学版). 2020(03): 311-319 . 百度学术
18. 崔舜，邱国金，吴茜，戴静，徐炅，夏爱华. 彩叶紫薇新品种红火球与仑山1号的叶色及生理变化特性. 贵州农业科学. 2020(09): 16-21 . 百度学术
19. 肖杰，薛欢，苑景淇，于忠亮，李成宏，王梅芳，周梅妹，杜凤国. 3个紫薇品种实生苗和扦插苗光合特性比较及光合效率评价. 西部林业科学. 2020(06): 85-93 . 百度学术
20. 吕运舟，董筱昀，杨小鑫，孙海楠，何开跃，黄利斌. 黄山栾树新品种‘金焰彩栾’叶片呈色的生理特性及影响因子分析. 植物资源与环境学报. 2020(06): 51-56 . 百度学术
21. 宋鹏，丁彦芬，卓启苗，李涵，王亚楠，徐子涵，蔡慧. 3种卫矛属植物叶片秋冬季转色期生理生化特征研究. 西北植物学报. 2019(04): 669-676 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 1474
- HTML全文浏览量: 561
- PDF下载量: 61
- 被引次数: 31
