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

色季拉山西坡表层土壤有机碳的小尺度空间分布特征

连玉珍 曹丽花 刘合满 杨红

连玉珍, 曹丽花, 刘合满, 杨红. 色季拉山西坡表层土壤有机碳的小尺度空间分布特征[J]. 北京林业大学学报, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
引用本文: 连玉珍, 曹丽花, 刘合满, 杨红. 色季拉山西坡表层土壤有机碳的小尺度空间分布特征[J]. 北京林业大学学报, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
Lian Yuzhen, Cao Lihua, Liu Heman, Yang Hong. Spatial distribution characteristics at small scale of soil organic carbon in topsoil of the west slope in Sejila Mountain, western China[J]. Journal of Beijing Forestry University, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
Citation: Lian Yuzhen, Cao Lihua, Liu Heman, Yang Hong. Spatial distribution characteristics at small scale of soil organic carbon in topsoil of the west slope in Sejila Mountain, western China[J]. Journal of Beijing Forestry University, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481

色季拉山西坡表层土壤有机碳的小尺度空间分布特征

doi: 10.12171/j.1000-1522.20190481
基金项目: 国家自然科学基金项目(41561052、41461055),西藏农牧学院研究生创新计划项目(YJS2018-13)
详细信息
    作者简介:

    连玉珍。主要研究方向:高原(高山)土壤有机碳循环。Email:15738775940@163.com 地址:464000 河南省信阳市平桥区羊山二十四大街信阳农林学院新校区

    通讯作者:

    刘合满,博士,副教授。主要研究方向:高原土壤物质循环与环境效应。Email:hmliu@cau.edu.cn 地址:同上

  • 中图分类号: S714.2; S718.51+6

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。
  • 图  1  采样区概况

    Figure  1.  Overview of sampling site

    图  2  SOC及SOCD半方差函数图

    Figure  2.  Semivariogram map of SOC and SOCD

    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/%
    CAM424295166.541.125.5955.370.813.8262.7633.42
    RTS426475143.290.395.4772.010.823.5561.4535.00
    RAS4387 > 95255.480.374.3072.620.463.1962.0734.75
    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 type
    SOC/(g·kg−1CAM3395.60 ± 44.31b219.8549.6346.350.169N
    RTS3660.43 ± 25.73a148.3124.0142.580.359N
    RAS36146.45 ± 49.67c252.1569.1033.920.500N
    SOCD/(kg·m−2CAM367.73 ± 2.39c12.774.5030.920.538L
    RTS364.80 ± 2.01a8.921.9041.880.943N
    RAS366.32 ± 1.98b11.221.5331.330.747N
    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
    MERMSSE
    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/%
    FP
    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.
  • [1] 孙永磊, 卢泽洋, 周金星, 庞丹波, 刘玉国, 关颖慧.  喀斯特断陷盆地典型林地土壤酶活性及理化性质研究 . 北京林业大学学报, 2020, 42(2): 40-48. doi: 10.12171/j.1000-1522.20180328
    [2] 张参参, 吴小刚, 刘斌, 施雪文, 陈伏生, 裘利洪, 卜文圣.  江西九连山不同海拔梯度土壤有机碳的变异规律 . 北京林业大学学报, 2019, 41(2): 19-28. doi: 10.13332/j.1000-1522.20180383
    [3] 张颖, 丁昱菲.  我国森林灾害的空间分布分析 . 北京林业大学学报, 2019, 41(3): 68-79. doi: 10.13332/j.1000-1522.20180254
    [4] 哈文秀, 周金星, 庞丹波, 关颖慧, 崔明.  岩溶区不同恢复方式下土壤有机碳组分及酶活性研究 . 北京林业大学学报, 2019, 41(2): 1-11. doi: 10.13332/j.1000-1522.20180184
    [5] 胡海清, 罗斯生, 罗碧珍, 魏书精, 王振师, 吴泽鹏.  林火干扰对广东省杉木林土壤有机碳及其组分的影响 . 北京林业大学学报, 2019, 41(12): 108-118. doi: 10.12171/j.1000-1522.20190179
    [6] 陈平, 赵博, 杨璐, 赵秀海, 张春雨, 闫子超.  接种蚯蚓和添加凋落物对油松人工林土壤养分和微生物量及活性的影响 . 北京林业大学学报, 2018, 40(6): 63-71. doi: 10.13332/j.1000-1522.20180101
    [7] 薛鸥, 魏天兴, 刘飞, 李英勇.  公路边坡植物群落多样性与土壤因子耦合关系 . 北京林业大学学报, 2016, 38(1): 91-100. doi: 10.13332/j.1000--1522.20150235
    [8] 周鑫, 姜航, 孙金兵, 崔晓阳.  地形因子和物理保护对张广才岭次生林土壤有机碳密度的影响 . 北京林业大学学报, 2016, 38(4): 94-106. doi: 10.13332/j.1000-1522.20150417
    [9] 汪金松, 赵秀海, 张春雨, 李化山, 王娜, 赵博.  模拟氮沉降对油松林土壤有机碳和全氮的影响 . 北京林业大学学报, 2016, 38(10): 88-94. doi: 10.13332/j.1000-1522.20140294
    [10] 郭鑫, 吴鹏, 韩威, 李巧燕, 杨蕾, 安海龙, 王襄平.  演替和气候对阔叶红松林土壤有机碳密度的影响 . 北京林业大学学报, 2016, 38(7): 55-63. doi: 10.13332/j.1000-1522.20160060
    [11] 张鑫, 耿玉清, 徐明, 刘丽香, 林茂.  鄱阳湖湖滨湿地土壤酶活性及影响因素 . 北京林业大学学报, 2014, 36(1): 34-40.
    [12] 黄小辉, 冯大兰, 朱恒星, 耿养会, 陈道静.  三峡库区马尾松林土壤有机碳的组成及含量 . 北京林业大学学报, 2014, 36(2): 38-43.
    [13] 田松岩, 刘延坤, 沃晓棠, 李云红, 陈瑶.  小兴安岭3 种原始红松林的土壤有机碳研究 . 北京林业大学学报, 2014, 36(5): 33-38. doi: 10.13332/j.cnki.jbfu.2014.05.015
    [14] 高瑞贺, 王壮, 石娟, 骆有庆.  松材线虫病伐除迹地内昆虫群落特征 及寄生性昆虫环境梯度分布 . 北京林业大学学报, 2013, 35(5): 84-90.
    [15] 满秀玲, 刘斌, 李奕.  小兴安岭草本泥炭沼泽土壤有机碳、氮和磷分布特征 . 北京林业大学学报, 2010, 32(6): 48-53.
    [16] 耿玉清, 余新晓, 岳永杰, 李金海, 张国桢, 刘松.  北京山地针叶林与阔叶林土壤活性有机碳库的研究 . 北京林业大学学报, 2009, 31(5): 19-24.
    [17] 王海燕, 雷相东, 张会儒, 杨平, .  近天然落叶松云冷杉林土壤有机碳研究 . 北京林业大学学报, 2009, 31(3): 11-16.
    [18] 毛磊, 王冬梅, 杨晓晖, 喻泓, .  樟子松幼树在不同林分结构中的空间分布及其更新分析 . 北京林业大学学报, 2008, 30(6): 71-77.
    [19] 涂成龙, 刘丛强, 武永锋, 王毅.  应用δ13C值探讨林地土壤有机碳的分异 . 北京林业大学学报, 2008, 30(5): 1-6.
    [20] 王兰珍, 韦艳葵, 吴丽娟, 耿玉清, 李国雷, 王旭, 刘鹏举, 方升佐, 任强, 段文霞, 李雪华, 汪杭军1, 李生宇, 薛康, 党文杰, 周传艳, 赵铁珍, 刘剑锋, 张冬梅, 王立海, HUALi_zhong, 李义良, 朱小龙, 崔同林, 余新晓, 周亮, 周宇飞, 宋永明, 刘勇, 方陆明, 高岚, 杨娅, 雷加强, JIANGXi_dian, 周国逸, 韩士杰, 李振基, 苏晓华, 尹光彩, 何茜, 李建章, 朱波, 黎明, 阎秀峰, 刘勇, 杨慧敏, 玲, HEXiu_bin, 喻理飞, 沈熙环, 孙向阳, 宗文君, 鹿振友, 周国逸, 徐扬, 唐小明, 虞木奎, 李吉跃, 王春林, 徐新文, 赖志华, 张冰玉, 王清文, 王新杰, 刘锐, 程云清, 柯水发, 3, 国庆, 王伟宏, 陈实, 周晓梅, , 温亚利, 茹广欣, 郭蓓, 陈培金, 宋爱琴, 李丙文, 张志毅, 孙阁, 陈峻崎, 齐涛, 李晓兰, 李俊清, 长山, 张可栋, 周玉平, 刘志明, 王建林, 蒋德明, 王晓静, 王旭, 唐旭利, 姚永刚, 宋湛谦, 陈放, 赵双荣, 王春林, 关少华, 闫俊华, 杨伟伟, 郑凌峰.  人工柳杉林生物量及其土壤碳动态分析 . 北京林业大学学报, 2007, 29(2): 55-59.
  • 加载中
图(4) / 表 (4)
计量
  • 文章访问数:  63
  • HTML全文浏览量:  18
  • PDF下载量:  18
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-30
  • 修回日期:  2020-04-22
  • 网络出版日期:  2020-09-17
  • 刊出日期:  2020-09-30

色季拉山西坡表层土壤有机碳的小尺度空间分布特征

doi: 10.12171/j.1000-1522.20190481
    基金项目:  国家自然科学基金项目(41561052、41461055),西藏农牧学院研究生创新计划项目(YJS2018-13)
    作者简介:

    连玉珍。主要研究方向:高原(高山)土壤有机碳循环。Email:15738775940@163.com 地址:464000 河南省信阳市平桥区羊山二十四大街信阳农林学院新校区

    通讯作者: 刘合满,博士,副教授。主要研究方向:高原土壤物质循环与环境效应。Email:hmliu@cau.edu.cn 地址:同上
  • 中图分类号: S714.2; S718.51+6

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。

English Abstract

连玉珍, 曹丽花, 刘合满, 杨红. 色季拉山西坡表层土壤有机碳的小尺度空间分布特征[J]. 北京林业大学学报, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
引用本文: 连玉珍, 曹丽花, 刘合满, 杨红. 色季拉山西坡表层土壤有机碳的小尺度空间分布特征[J]. 北京林业大学学报, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
Lian Yuzhen, Cao Lihua, Liu Heman, Yang Hong. Spatial distribution characteristics at small scale of soil organic carbon in topsoil of the west slope in Sejila Mountain, western China[J]. Journal of Beijing Forestry University, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
Citation: Lian Yuzhen, Cao Lihua, Liu Heman, Yang Hong. Spatial distribution characteristics at small scale of soil organic carbon in topsoil of the west slope in Sejila Mountain, western China[J]. Journal of Beijing Forestry University, 2020, 42(9): 70-79. doi: 10.12171/j.1000-1522.20190481
  • 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。

    • 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/%
      CAM424295166.541.125.5955.370.813.8262.7633.42
      RTS426475143.290.395.4772.010.823.5561.4535.00
      RAS4387 > 95255.480.374.3072.620.463.1962.0734.75
      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.
    • 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。

      图  1  采样区概况

      Figure 1.  Overview of sampling site

    • SOCD的计算采用如下公式:

      $${\rm{SOCD}} = CDE\left( {1 - G} \right)/100$$

      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]

    • 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。

    • 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 type
      SOC/(g·kg−1CAM3395.60 ± 44.31b219.8549.6346.350.169N
      RTS3660.43 ± 25.73a148.3124.0142.580.359N
      RAS36146.45 ± 49.67c252.1569.1033.920.500N
      SOCD/(kg·m−2CAM367.73 ± 2.39c12.774.5030.920.538L
      RTS364.80 ± 2.01a8.921.9041.880.943N
      RAS366.32 ± 1.98b11.221.5331.330.747N
      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.

      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。

    • 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。

      图  2  SOC及SOCD半方差函数图

      Figure 2.  Semivariogram map of SOC and SOCD

      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
      MERMSSE
      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。

    • 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 types

    • 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

      Figure 4.  Redundancy analysis on the correlation between SOC and SOCD with soil properties

      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/%
      FP
      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
    • 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。

    • 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。

    • 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。

    • (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。

参考文献 (45)

目录

    /

    返回文章
    返回