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.
-
红树林生长于热带、亚热带低能海岸的潮间带,提供包括防风消浪、稳固海岸、促淤造陆、环境净化、生物多样性保育、物质循环等多种生态系统服务[1-2]。世界红树林面积曾达20万km2,在人口、环境、资源多重压力下,20世纪50年代以来以1%~2%的速度减少[3]。2013年我国现有红树林湿地约3.45万hm2(不含港澳台地区),其中有林地2.53万hm2[4],天然红树林面积不到20世纪50年代的一半以及曾经分布面积的十分之一[5]。
红树林是一种具有高生产力、高归还率的特殊生物海岸类型[6],是真正意义上的生态过渡带,除具有陆地与海洋生态系统的特征外,还具有独特生态特性。红树林受陆海生态系统的交互作用,林下土壤由于沉积或冲积作用形成,地下剖面不典型,很多学者将其称为沉积物。沉积物记载着环境历史,蕴含着沉积物物源、海平面变化、水动力条件、搬运距离等诸多环境信息,常被用于反演沉积环境[7-8]。粒度特征作为沉积环境的重要参数之一,在海洋沉积环境分析中应用广泛,常被用于分析物源特征[9]、沉积历史[10-11]、输运过程[12]、水动力条件[8, 13-14]及分选程度[15-16]等方面的研究。
随着人类对红树林生态系统服务功能认识的提升,红树林湿地保护和恢复工程不断开展,其中宜林地的选择对于红树林生态恢复至关重要[17-18]。沉积物作为红树林湿地的重要环境因素,在海洋、陆地以及人类活动的综合影响下,其物质来源丰富、粒度差异较大[19-20],对其粒度特征进行深入分析有助于不同区域红树林生态恢复和生态保护的工程实践。有学者从粒度分布[19-22]、粒径分形[23-25]、沉积环境[26-27]、输运特征[28]等方面,对我国红树林湿地的宜林潮滩类型、粒度与理化性质的关系、粒径分布的影响因素等方面进行了研究,研究更多从沉积物机械组成等特征开展,与其他海岸湿地类型的研究相比,红树林湿地沉积过程和空间梯度差异的研究相对缺乏。本研究选择我国典型红树林分布区,在不同空间梯度上进行沉积柱取样,通过粒度参数量化水平和垂直方向上的沉积物粒度分布特征,对了解研究区红树林湿地生境演变、群落演替和生物地貌过程具有一定的科学意义,也为我国红树林湿地保护和科学恢复提供数据支持。
1. 研究区概况与研究方法
1.1 研究区概况
高桥红树林地处广东湛江国家级红树林自然保护区,位于两广界河——洗米河在北部湾入口处的英罗湾内,此外高桥河、卖棹河、江背河等河流也流入湾内。英罗湾内红树林有林地约750 hm2,主要树种包括桐花树(Aegiceras corniculatum)、木榄(Bruguiera gymnorrhiza)、秋茄(Kandelia obvolata)、红海榄(Rhizophora stylosa)、白骨壤(Avicennia marina)、海漆(Excoecaria agallocha)和无瓣海桑(Sonneratia apetala)等,海岸带还分布有黄槿(Hibiscus tiliaceus)等半红树及伴生植物[29]。研究区属南亚热带季风型海洋性气候,年均气温23 ℃左右,极端最高气温38 ℃,极端最低温15 ℃。年均降水量1 700~1 800 mm,主要集中在5—9月。潮汐属于不正规日潮为主的混合潮型,大潮汛期为全日潮,月平均22 d,小潮为半日潮,月平均为8 d,平均潮差2.53 m,最大潮差6.25 m。海水平均温23.5 ℃。
1.2 材料与方法
1.2.1 取样
取样时间为2011年7月,在陆地—海洋方向上布设两条样线,其中A样线位于湾内,B样线位于湾口处(图 1),在每条样线上根据与海堤的距离设3个样点并基于GPS定位,分别代表内带(近陆侧)、中带和外带(近海侧)。采用自制重力采样器,材质为透明PVC管,内径4.0 cm,长度1.2 m,钻头为尼龙材质。每个样点随机采集3个沉积柱,在野外分别以10 cm间隔分样装入密封袋实验室风干备用。A样线位于研究区北部,A1、A2、A3样点分别距离北部海堤分别为300、900和1 700 m,其中A1、A2样点由桐花树和木榄群落组成,A3样点群落组成为白骨壤和桐花树。B样线位于研究区南部,B1、B2、B3样点分别距离北部海堤70、340和1 320 m,B1、B3样点以白骨壤纯林为主,B2样点以红海榄为主与白骨壤混交类型。
1.2.2 测试分析
沉积物样品的粒度分析在湖泊与环境国家重点实验室完成处理和分析。粒度分析采用Mastersizer 2000型激光粒度分析仪(测量范围0.02~2 000 μm,各粒级组分平行分析误差小于5%),测定沉积物粒径的体积百分比。沉积物的密度基于采样器中单位体积样品的干质量进行计算。
1.2.3 数据处理
本研究选择平均粒径(MZ)、分选系数(σ1)、偏度(SK1)和峰度(KG)4个粒度参数,采用矩值法计算[13, 30-31]。粒级标准采用尤登-温德华氏等比制φ值粒径标准。参照国际制土壤粒度分级标准,即砂粒(Sand)>20 μm、粉粒(Silt)2~20 μm、黏粒(Clay)<2 μm进行分析。按照Udden-Wentworth粒级标准分为黏粒(Clay,缩写为C,下同)0.02~3.9 μm,细粉(fine silt, FSI)3.9~7.8 μm,中粉(medium silt, MSI)7.8~15.6 μm,粗粉(coarse silt, CSI)15.6~31.2 μm,极粗粉(very coarse silt, VCS)31.2~62.5 μm,极细砂(very fine sand, VFS)62.5~125 μm,细砂(fine sand, FS)125~250 μm,中砂(medium sand, MS)250~500 μm,粗砂(coarse sand, CS)500 μm~1 mm进行深入比较。频率分布曲线基于Mastersizer 2000软件生成,粒度分析结果用Sigmaplot 10.0软件作图,用SPSS 18.0进行相关性分析。
2. 结果与分析
2.1 粒径分布
研究区6个样点的沉积物质地以粉粒、砂粒组分为主(图 2),黏粒、粉粒和砂粒的体积含量分别为13%±4%、39%±12%和48%±16%,土壤密度为0.87~1.80 g/cm3。粒度的垂向分析(图 3)表明,A样线各样点的沉积柱随着深度增加,砂粒含量增加,黏粒、粉粒含量减少。B样线上B1、B3样点砂粒含量先减少后增加,在30 cm深度出现拐点。研究区6个样点各层次沉积物的粒度频率曲线呈单峰、双峰、多峰态(图 4),不同样点之间存在差异。在垂直方向上,除了A3、B3、B1样点各层次的粒度频率曲线具有较高的相似性之外,其他样点的垂向差异大,但总体表现出自表层向下波峰数增加、最大峰值右移的趋势,即随着深度增加,沉积物粒度体积含量的众数增多且对应的粒径增大。
图 3 沉积柱粒径组成累积面积图CS为粗砂,MS为中砂,FS为细砂,VFS为极细砂,VCS为极粗粉,CSI为粗粉,MSI为中粉,FSI为细粉,C为黏粒。下同。Figure 3. Cumulative area ratio of grain size composition in core sedimentsCS refers to coarse sand, MS refers to medium sand, FS refers to fine sand, VFS refers to very fine sand, VCS refers to very coarse silt, CSI refers to coarse silt, MSI refers to medium silt, FSI refers to fine silt, C refers to clay. The same as below.2.2 粒度参数空间特征
2.2.1 粒度参数水平特征
水平方向上,各样点粒度参数存在差异(P < 0.05)(表 1)。沉积物的平均粒径在4.12~7.67φ之间,平均值为(5.77±0.89)φ。A样线沿着陆—海方向上样点平均粒径的均值逐渐减小,即质地变粗,与表层沉积物的表现一致。而B样线陆—海方向上的变化趋势性不明显,但B2样点的粒度更细,其平均粒径与其他样点差异显著,外带样点表层沉积物较内带细。各样点分选系数介于1.71~3.00,均值为2.45±0.32,属于较差→差级别,A3和B1样柱差异不显著,而与其他样点的差异显著;A样线表层样点的分选性由陆向海变差,B样线表层样点以B2分选性最好。
表 1 样柱粒度参数均值(标准差)Table 1. Average(SE) of grain size parameters in the core sediments样点
Sample
point粒度频率曲线形态
Curve form of grain size distribution平均粒径
Average grain size
(MZ)分选系数
Sorting
coefficient(σ1)偏度
Skewness
(SK1)峰度
Kurtosis
(KG)A1 单峰、双峰Single peak, double peak
多峰Multiple peak6.34φ(1.05φ)ab 2.29(0.44) b 0.08(0.11)cd 1.05(0.10) a A2 单峰、双峰Single peak, double peak
多峰Multiple peak5.86φ(0.56φ)b 2.39(0.15) b 0.10(0.09)cd 0.97(0.09) a A3 双峰Double peak 5.11φ(0.51φ) c 2.70(0.15) a 0.37(0.14)a 0.78(0.10) b B1 双峰Double peak 5.10φ(0.58φ) bc 2.74(0.18) a 0.21(0.18)bc 0.81(0.07) b B2 双峰、多峰Double peak, multiple peak 6.83φ(0.79φ) a 2.22(0.39) b 0.01(0.08)d 1.05(0.13) a B3 双峰Double peak 5.60φ(0.57φ) bc 2.38(0.19) b 0.29(0.16)ab 0.85(0.06) b 注:不同字母间表示差异显著(P < 0.05)。φ为尤登-温德华氏等比例粒级。下同。Notes: different letters indicate significant difference from each other at P < 0.05 level. φ is Udden-Wentworth (U-W) equal proportional size fraction. The same as below. 各样点偏度参数为-0.12~0.59,均值0.19±0.18,属于负偏→很正偏的区间变化。其中A3、B3样点偏高,而A1、A2、B2样点偏度系数较低;A样线表层样点偏度以A3最大,A2最小且呈负偏态,B样线由陆向海表层样点偏度增加。峰度参数范围0.70~1.28,均值0.91±0.14,属于平坦→尖锐的变化,差异显著性检验将样点分为两组,即A1、A2、B2峰度值显著高于A3、B1、B3样点,两组内的差异均不显著;各样点表层沉积物粒度频率曲线近对称,A样线表层样点的峰值由陆向海渐小,B样线各样点呈平坦峰态,以B2点的峰度值最大。
2.2.2 粒度参数垂向特征
沉积柱粒度参数的垂向变化反映沉积环境的历史。各样点沉积柱的粒度参数自表层向下呈平均粒径减小、分选性变差、偏态值增加、峰态增加的趋势,但各样柱之间存在差异(图 5)。平均粒径分析表明,A样线0~50 cm深度内,自内带向外平均粒径减小,其中A1、A2样点在0~50 cm深度内粒径减小,50 cm以下相对稳定,A3样点0~50 cm深度垂向变幅小,50 cm以下迅速减小;B样线各样点层次水平变化与表层一致,表现为B2>B3>B1,垂向上随着深度增加呈先升后降变化。各样柱分选性均属于较差到差的变化,其中A样线各样柱0~40 cm分选系数值随深度增大,各层次自内带向外带分选性变差,40 cm以下各样点分选系数减小;B样线0~20 cm深度以B2样点的分选最好、B1最差,20 cm以下深度B3的分选程度最好,B2样点与A样线各样点相似,自表层向下分选性变差,而B1、B3样点自表层向下分选系数变小。
各样柱偏态属于负偏→很正偏的区间变化。A样线表层样点偏度以A3最大,A2最小且呈负偏态,A1、A2样点各层次频率曲线为近对称到正偏,A3各层为很正偏;B样线由陆向海表层样点偏度增加,B样线B2样点为负偏到近对称。A1、A2样柱自表层向下呈现近对称→正偏变化,A3样柱则呈很正偏→正偏→很正偏变化。B样线上个一样点的偏度变化规律相对一致,自表层向下先减小后增加,拐点处在20~30 cm处,除B2样柱为近对称外,B1自表层向下呈近对称→很正偏变化,B3呈正偏→近对称→很正偏的变化。各样柱峰态分析表明,A1样柱自表层向下峰度值先增加后减小,呈中等→尖锐→中等变化,A2呈中等→平坦→中等变化,A3样柱呈平坦→中等变化,B1、B3样柱波动小,呈平坦→中等较小变化,B2样点呈中等→尖锐→中等变化,在30 cm深度处A1、A2、B3样柱峰值同时出现变化。
2.3 粒度与粒度参数间的关系
粒度参数之间的相关性分析(表 2、图 6)表明,平均粒径与峰度正相关,而与分选系数和偏度负相关,分选系数与峰度负相关,偏度与峰度负相关。对沉积物各粒径等级进行细分,各粒级沉积物体积含量与粒度参数相关性分析结果表明:平均粒径与粒径0.02~31.2 μm的细颗粒物含量正相关,与粒径31.2~125 μm的粗颗粒物含量负相关;分选系数与粒径0.02~31.2 μm的细颗粒物含量负相关,与粒径31.2~125 μm的粗颗粒物含量正相关。偏度与粒径0.02~31.2 μm的细颗粒含量负相关,与粒径62.5~250 μm的较粗颗粒含量正相关。峰度与粒径0.02~15.6 μm的细颗粒物含量正相关,与粒径62.5~250 μm的较粗颗粒含量负相关。
表 2 沉积物各粒径含量与粒度参数相关性分析Table 2. Correlation analysis between grain size parameters and the volume content of different grain size sediment项目
ItemFSI MSI CSI VCS VFS FS MS CS MZ σ1 SK1 KG C 0.965** 0.869** 0.310* -0.542** -0.846** -0.652** -0.389* -0.336* 0.948** -0.655** -0.665** 0.353* FSI 0.961** 0.466** -0.506** -0.910** -0.732** -0.393** -0.292 0.971** -0.742** -0.711** 0.489** MSI 0.648** -0.368* -0.902** -0.812** -0.433** -0.251 0.951** -0.770** -0.744** 0.598** CSI 0.353* -0.555** -0.824** -0.359* -0.108 0.569** -0.452** -0.702** 0.530** VCS 0.505** -0.17 -0.22 0.004 -0.320* 0.184 0.117 -0.18 VFS 0.700** 0.088 0.058 -0.850** 0.528** 0.822** -0.597** FS 0.539** 0.095 -0.822** 0.601** 0.786** -0.554** MS 0.256 -0.518** 0.555** 0.215 -0.09 CS -0.386* 0.514** -0.02 0.29 MZ -0.768** -0.736** 0.460** σ1 0.238 -0.388* SK1 -0.491** 注:**表示在0.01水平上显著相关, *表示在0.05水平上显著相关。Notes:** means correlation is significant at P < 0.01 level, * means correlation is significant at P < 0.05 level. 3. 讨论与结论
3.1 粒径分布的影响因素
生物与环境之间的相互作用影响地形地貌过程,同时也被地形地貌过程所影响[32-33]。红树林湿地的生物地貌过程反映陆海系统之间的相互作用,是海岸带生态系统对全球变化和人类活动的响应和反馈。红树林属于热带海岸生物地貌类型,除了具有高生产力、高归还率外,其通过阻滞水流、降低流速来捕捉细颗粒物质促进淤积过程[34-35],构成红树林生物地貌功能的物质基础[6, 36]。除了水动力、地形因素外,红树林树体大小、形状、根系特点、分布格局以及其他生物过程都对沉积有影响,长有支柱根等复杂根系的红树林有更强的捕沙促淤能力[6, 34]。研究区内带和外带样点的沉积物粒度差别大,各样点质地均呈现由陆向海逐渐粗化、自底层向上呈细化的趋势。红树林生态演替是红树林群落与沉积物相互作用的反映[23, 36-37],和很多河口三角洲红树林向海扩展[38]相似,该区域近几十年来红树林不断向海洋/湾口方向呈自然扩展趋势[29]。研究区红树林处于海湾内,B样线靠近湾口,受水动力条件的影响大,A3、B3样点在高程更低的红树林外带,细颗粒更容易被带走,百年时间尺度上的沉积速率更高[39],更多受潮汐和风浪作用的直接影响,沉积柱垂直方向上的粒径频率分布曲线变化小,说明近百年来沉积的历史环境差异小,而内带样点的沉积受潮汐、潮沟分布和红树林群落组成等多重因素的影响,沉积柱垂直方向上粒径频率分布曲线变化差异大。
红树林沉积物是原位沉积、外来沉积、水动力条件及红树林生态系统共同作用的结果[19]。沉积物来源、水动力及其作用下的搬运方式影响粒度组成[40]。研究区属不正规全日潮为主的混合潮型,是华南海岸最大潮差海区,沉积物来源包括河流、海域的颗粒物沉降、搬运以及原地枯枝落叶的分解沉积。沉积物粒度除了受潮流影响外,风浪尤其暴风浪也影响其粒度特征,细颗粒组分主要来自水体中悬浮物质沉降、凋落物降解,而粗颗粒则来自潮流和风浪影响下的物质推移。研究区所在区域的风暴潮频发,自1949年至2010年影响北部湾北部的热带风暴平均每年为4.77个,2013年连续受到4个强台风侵袭[41], 可能影响颗粒物的垂向沉积[27],此外在红树林湿地存在多种化学反应和生物作用[35, 43],沉积物中的溶解态/颗粒态物质的转换对粒度组成的影响需要进一步评估。
频率分布曲线直观显示各粒级沉积物含量及相对贡献,指示搬运方式或来源[40, 42]。一般情况下,单峰态表明沉积物来源或水动力条件单一,双峰、多峰态表明受两种及以上作用共同参与。水动力条件包括潮流、风浪、浪流共同作用等情形,研究区各样点沉积物的频率分布曲线呈现单峰、双峰、多峰等多种类型,说明在沉积过程中有多种作用参与,可能与研究区不正规日潮为主的混合潮型有关,我国其他地区红树林沉积物频率分布曲线也多呈多峰分布[19, 21]。A3、B3、B1样点沉积物频率分布曲线的垂向变化小,说明沉积环境相对稳定,影响沉积物粒度的因素相似,A3、B3处在红树林的外缘,更多受潮流水动力条件的影响,B1样点为白骨壤纯林,其沉积环境相对一致。A1、A2、B2样点的频率分布曲线和粒度特征的垂向变化一定程度上反映了红树林生态演替和促淤造陆过程,随着不断沉积或高程增加,潮汐淹没的频率降低、淹没时间缩短,沉积环境趋于稳定,沉积物更多表现为就近运输,呈现曲线峰数减少、曲线众数区间减小,表层粒度逐渐细化。
3.2 粒度参数影响因素
粒度参数之间的相关性可以指示区域沉积环境及沉积动力要素的差异[13]。研究区沉积物平均粒径与峰度正相关,而与分选系数和偏度负相关,分选系数与峰度负相关,偏度与峰度负相关。研究区靠近陆地的红树林发育程度好,沉积环境相对稳定,随着沉积增加和红树林发育,林内水动力作用变弱,利于悬浮颗粒物沉降,平均粒径增加(粒度变细),分选程度逐渐变差,与洛阳江河口的研究相似[26]。分析表明,沉积物的粒级组成影响其粒度参数,平均粒径和峰度参数与黏粒、粉粒含量正相关而与砂粒负相关,分选系数和偏度与黏粒、粉粒含量显著负相关。
平均粒径和分选系数与沉积物来源关系密切,平均粒径代表粒度分布的集中趋势,分选系数表示颗粒均匀度和分选程度,与水动力条件关系密切,反映搬运介质的平均动能。一般情况下,细颗粒主要来自较弱水动力条件下水体中悬浮物质的沉降,粗颗粒则来自更低潮滩向高潮滩的跃移搬运[40],也有研究表明,地形等因素影响沉积物的粒度特征[44]。从平均粒径看,A样线自内带向外带方向上质地呈粗化趋势,而B样线上内带比外带样点的质地更粗,有红海榄分布的中带B2样点沉积物质地最细,群落类型和沉积物粒度特征间的关系有待于进一步验证。研究区6个沉积柱各层次的分选性为较差到差的程度。在水平方向上,A样线表层沉积物由内带向外带分选性变差,B样线表层沉积以中带分选性最好,内带最差;两条样线垂直方向上存在层次变化,A1、A2、B2样点自表层向下分选变差,B1、B3样点自表层向下、A3样点自40 cm以下分选性变好外,看似与总体上细颗粒越多分选性越好相矛盾,但拐点以下的变幅较小,3个样点的频率分布曲线具有相似性,粒径含量的众数偏大即含砂量高。
偏度与峰态反映沉积环境,其中偏度表示频率曲线对称的参数,反映粒度分布的不对称程度,峰度用来衡量粒度频率曲线尖锐程度,对沉积环境的反映更敏感。一般情况下,河成沉积物因悬浮物被大量带向下游,沉积物以粗粒为主,故多属正偏态;海滩沉积物由于潮汐、波浪高能量作用,多数呈近对称或微弱负偏态。本研究中各样点粒度频率曲线从负偏到很正偏的变化,垂直方向上随着粒度组分变化而出现层次变化,沉积过程有多种作用参与。频率分布曲线可以分为两组,A3、B1、B3样点呈中等的正偏态,垂向各层次的曲线相似,沉积环境相对稳定,而A1、A2、B2样点的垂向上频率曲线相对平坦,但受沉积过程的影响峰值变化大。
4. 结论
研究区红树林湿地沉积物机械组成以粉粒和砂粒组分为主,呈现自底层向上逐渐细化的趋势,沉积物粒度特征受粒级组成的影响,空间异质性显著。红树林通过改变水动力条件影响海岸的沉积过程,百年时间尺度上红树林外带的沉积环境相对一致,而内带沉积过程因受水动力条件和植被类型的共同影响而相对复杂,沉积物的形成过程中有多种作用共同参与。
-
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. 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. 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 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 -
[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(5)
1. 周治刚,岳文,李辉权,林阳阳. 树种类型和潮滩高程对广东湛江高桥红树林碳储量的影响. 热带海洋学报. 2024(02): 108-120 . 百度学术
2. 傅开哲,龙军桥,陈泽恒,丁伟品,黄赞慧. 陵水、新盈红树林和海草湿地表层沉积物重金属分布及污染特征. 广西科学. 2023(02): 277-290 . 百度学术
3. 潘超,郭玉清,陈芳. 高桥红树林湿地冬季海洋线虫群落结构. 集美大学学报(自然科学版). 2022(01): 17-23 . 百度学术
4. 陈瑶瑶,张雅松,娄铎,于晨曦,管东生. 广东英罗湾不同潮位红树林-滩涂系统碳密度差异. 生态环境学报. 2019(06): 1134-1140 . 百度学术
5. 赵泽阳,赵志忠,付博,邢瑶丽. 海南岛北部地区红树林湿地土壤有机碳分布规律及影响因素. 广东农业科学. 2018(12): 49-55 . 百度学术
其他类型引用(5)