生态学报  2019, Vol. 39 Issue (1): 345-354

文章信息

李龙, 秦富仓, 姜丽娜, 姚雪玲.
LI Long, QIN Fucang, JIANG Lina, YAO Xueling.
赤峰市敖汉旗土壤有机碳含量的垂直分布及其影响因素
Vertical distribution of soil organic carbon content and its influencing factors in Aaohan, Chifeng
生态学报. 2019, 39(1): 345-354
Acta Ecologica Sinica. 2019, 39(1): 345-354
http://dx.doi.org/10.5846/stxb201710081779

文章历史

收稿日期: 2017-10-08
网络出版日期: 2018-09-26
赤峰市敖汉旗土壤有机碳含量的垂直分布及其影响因素
李龙1 , 秦富仓1 , 姜丽娜2 , 姚雪玲3     
1. 内蒙古农业大学, 沙漠治理学院, 呼和浩特 010011;
2. 中国林业科学研究院林业新技术研究所, 北京 100091;
3. 中国林业科学研究院林业荒漠化研究所, 北京 100091
摘要: 选取内蒙古赤峰市敖汉旗为研究对象,运用广义相加模型-分析敖汉旗0-100 cm深度土壤有机碳含量的空间变异特征,分析影响土壤有机碳空间变异的主导因素。结果表明,0-100 cm深度土壤有机碳含量的变化范围为0.23-20.71 g/kg,且随着土壤深度的增加有机碳含量逐渐降低。广义相加模型可以较为准确地解释土壤有机碳含量与环境因素之间的关系。植被因素的变化是影响表层土壤有机碳含量最重要的因素;在深层土壤中,含水率的变化是影响有机碳含量的主要因素。影响土壤有机碳空间变异的主导因素随着土壤深度的变化也表现出较大的差异。
关键词: 土壤有机碳     土壤深度     广义相加模型(GAM)     半干旱区    
Vertical distribution of soil organic carbon content and its influencing factors in Aaohan, Chifeng
LI Long 1, QIN Fucang 1, JIANG Lina 2, YAO Xueling 3     
1. College of Desert Control Science and Engineering, Inner Mongolia Agricultural University, Hohhot 010011, China;
2. Research Institute of Forestry New Technology, Chinese Academy of Forestry, Beijing 100091, China;
3. Institute of Desertification studies, Chinese Academy of Forestry, Beijing 100091, China
Abstract: In this study, a soil survey was carried out in Aohan County in Chifeng, Inner Mongolia. A generalized additive model (GAM) was used to analyze the spatial variability of the soil organic content (SOC) in soil depths of 0-100 cm. The results showed that SOC varied from 0.23 to 20.71 g/kg in 0-100 cm soil depths, and decreased gradually with increasing soil depths. The GAM fitted the relationship between SOC and environmental factors well. With increasing soil depth, SOC also varied. Vegetation was the dominant factor affecting SOC in surface soil; soil moisture was the dominant factor affecting SOC in deeper soil. The dominant factors that influenced the variation of soil organic carbon also showed considerable differences with increasing soil depth.
Key Words: soil organic carbon     soil depth     Generalized Additive Model(GAM)     semi-arid zone    

在全球气候变化的大背景下, 土壤碳库作为陆地生态系统的最大碳库, 其碳储量及影响因素都是人们关注的焦点[1]。土壤碳库在维持陆地生态系统的碳平衡发挥着十分重要的作用, 土壤碳库的微小变动都将对整个陆地生态系统碳库产生巨大的影响[2]。土壤有机碳作为土壤碳库中重要组成部分之一, 其性质十分活跃, 是陆地生态系统碳平衡的重要参与者, 土壤有机碳具有明显的空间变异性, 受自然环境和人为活动的影响, 各种外界环境因素和土壤的内部属性都直接或间接地对土壤有机碳的空间分布格局产生着重要影响。陆地生态系统碳循环中, 海拔、坡度、坡向等地形因素通过改变局部地区的水热条件, 使得不同地区土壤有机碳的累积和分解速率受到显著影响, 从而使土壤有机碳空间分布格局随着地形的变化呈现出明显的差异分布[3];也有研究发现, 土壤自身的理化性质和地表植被分布特征是影响土壤有机碳空间变异的最直接驱动因素, 土壤自身组成和结构上的差异是决定着土壤有机碳的分布特征的最直接原因[4-5]。然而, 多种因素的综合作用下, 单一因素往往无法较为准确地揭示土壤有机碳变异的本质原因, 由于土壤有机碳空间分布特征同时受到多种因素的共同作用, 线性和非线性关系常常同时存在于土壤有机碳与其影响因子之间[6]。这也为准确衡量土壤有机碳的空间分布及其影响因素带来更大的难度。

与此同时, 目前关于土壤有机碳含量及其影响因素的研究多集中在对表层土壤的研究, 而深层土壤有机碳的研究往往受到取样难度较大的影响, 不同环境因子与深层土壤有机碳间的相互关系一直少有研究[7]。然而, 在深层土壤中有机碳的储量十分丰富, Jobbágy和Jackson[8]研究指出, 20 cm深度以下的土壤碳储量约占土壤碳库碳储量的59%, 深层土壤有机碳储量及其垂直分布特征是科学估算评价区域碳汇能力所不可忽略的因素。随着土壤深度的增加, 土壤有机碳含量的垂直分布表现出较为显著的差异, 不同深度上影响其垂直分布的主导因素也表现出较大的空间异质性[9]

因此, 以内蒙古赤峰市敖汉旗为研究区, 逐层分析0—100 cm土壤深度内有机碳的空间分布特征, 基于广义相加模型综合分析土壤、植被及地形因素对土壤有机碳含量的影响, 旨在探索影响土壤有机碳空间变异的主要驱动因素, 为研究区土地资源的合理利用提供参考。

1 材料与方法 1.1 研究区概况

研究区位于内蒙古赤峰市东南部的敖汉旗(41°42′—42°02′N、119°30′—120°54′E), 研究区地势呈现南高北低的特征, 且地形多变, 研究区面积约8300 km2, 海拔在300—1250 m之间;年降水量在310—460 mm之间, 降水自南向北递减;年蒸发量2000—2600 mm, 年平均气温为6℃, 冬季寒冷干燥, 夏季温热且降雨集中, 属于温带半干旱大陆性气候。敖汉旗地处欧亚干草原区, 地带性植被以疏林草原为主, 受区域水热条件和地形等因素的影响, 自然植被分布具有较明显的南北差异, 从南到北呈现出由森林和森林草原逐渐向干草原过渡的规律, 同时受生境条件的影响, 有沙生植被以及灌丛植被分布[9]。全旗主要分布有4个土类, 南部山地主要为棕壤和褐土, 中部黄土丘陵及黄土漫岗主要为栗钙土, 北部沙地主要为风沙土, 以流动、半流动、固定沙地和覆沙地为主;敖汉旗土地利用类型多样属于农牧交错地带, 是以农为主, 农牧林结合的经济类型区。

1.2 研究方法 1.2.1 样地选取

研究于2014年8月进行野外样品采集, 研究采用样线法进行取样, 沿研究区东北向西南方向布设6条样线, 相邻样线间隔15 km, 每条样线上等距离布设5 km×5 km的正方形采样区, 相邻两样区间隔13 km。采用人为选择典型样地法, 充分考虑每个样区内自然特征, 在样区内布设3—5个典型样地, 共选取182个样地(图 1, 表 1)。

图 1 采样点及土壤分布图 Fig. 1 The distribution of sampling sites and soil types

表 1 研究区年采样点属性分布表 Table 1 The distribution of sample properties in study area
坡度/(°)
Slope
样地数
Number of plots
海拔/m
Elevation
样地数
Number of plots
土壤类型
Soil types
样地数
Number of plots
土地利用类型
Land use types
样地数
Number of plots
<5 81 <500 32 风沙土 45 农地 89
5—10 37 500—700 43 栗钙土 64 林地 46
10—15 22 700—900 54 褐土 40 草地 47
15—20 21 900—1100 38 棕壤 33
20—25 12 >1100 15
>25 9

确定样地后, 于每块样地内按“S”形布设4个样点, 相邻两样点间隔3—5 m, 于样点处挖掘标准土壤剖面, 按照0—20, 20—40, 40—60, 60—80, 80—100 cm划分5层, 由下至上分层取样, 每层取3个重复, 按四分法去除多余土样及砾石、植物体等杂质, 装入无菌袋带回实验室晾晒、研磨、过筛待测[9]

研究采用重铬酸钾氧化法测定土壤有机碳含量, 土壤容重采用常规的环刀法测定, 土壤含水率采用烘箱105℃烘干至恒重法测定。土壤机械组成采用Mastersizer3000激光粒度分析仪测定, 按不同土壤粒径划分为粘粒(<0.002 mm)、粉粒(0.05—0.002 mm)和砂粒(2—0.05 mm)[10]

1.2.2 数据分析方法

广义相加模型是通过联结函数建立响因变量的数学期望与自变量的一个光滑函数的关系模型[11]。广义相加模型最主要的特征是其模型不需要建立自变量与因变量之间函数假设和具体函数关系, 其可以通过自变量和因变量之间的连接函数构建数学关系。模型能够根据不同的自变量与因变量间的函数关系, 拟合出不同的预测模型, 光滑函数曲线和线性模型能够同时存在于模型中[12]。其数学表达式为:

(1)

式中, g为链接函数, E(Y)为响应变量的数学期望值, α为常数截距项, Sp为解释变量关系的非参数函数, Xpi为预测变量[13]

本研究采用交叉验证法来检验模型拟合精度评价模型的预测能力, 交叉验证法通过比较实测值与估计值, 综合评价拟合误差, 选取平均偏差(MBE)、平均绝对误差(MAE)和均方根误差(RMSE)来评价模型的拟合精度。

(2)
(3)
(4)

式中, N代表观测值的数量, P代表预测值, O代表观测值。模型中MBE越接近于0, 表明模型的拟合残差处于稳定分布;MAE值和RMSE值越小分别表明模型在全部范围和局部范围内具有最准确的估计。

应用经典统计学方法对研究区土壤有机碳含量进行统计分析, 应用方差分析解释各环境因素对土壤有机碳影响的显著程度。研究中全部的数据分析均在R 3.0.1软件下完成[14]

2 结果与分析 2.1 土壤有机碳含量的描述性统计分析

对研究区182个样点的土壤有机碳含量实测数据进行统计分析(表 2), 在0—100 cm深度的土壤剖面内, 土壤有机碳含量的总体变化范围在0.23—20.71 g/kg之间;从垂直分布上看, 各土壤深度内有机碳的平均含量变化范围在4.47—7.49 g/kg之间, 随着土壤深度的递增有机碳含量逐渐降低, 表层土壤(0—20 cm)深度每下降20 cm, 土壤有机碳平均含量分别降低12.55%、13.74%、7.79%和14.20%。根据全国第二次土壤普查养分分级系统, 按照Ⅰ(> 40 g/kg)、Ⅱ(30—40 g/kg)、Ⅲ(20—30 g/kg)、Ⅳ(10—20 g/kg)、Ⅴ(6—10 g/kg)、Ⅵ(<6 g/kg)将土壤有机质含量划分为6个等级[15]。根据系数换算, 土壤有机质(SOM)=土壤有机碳(SOC)×1.724, 研究区土壤有机碳质含量总体处在一个较低的水平, 40 cm以上深度内有机碳含量处在Ⅳ级, 而40 cm以下的三层土壤有机碳含量均处在Ⅴ级。且又方差分析可知40 cm深度以上的土壤有机碳含量显著高于40 cm深度以下的其他3层土壤有机碳含量(P<0.05), 而当土壤深度达到80 cm以下时, 土壤有机碳含量的下降幅度最大为14.20%。究其原因, 土壤有机碳的最主要补给来自于地表枯落物和动植物残体, 表层土壤与外界的物质交换较深层土壤更为剧烈和频繁, 加之在物质和能力的向下传递过程中, 深层土壤在层层传递过程中有机质存留明显被削弱[16]。各深度土壤有机碳含量的变异系数在46.02%—54.59%之间, 根据Nielsen和Bouma[17]分级标准, 表明各层有机碳的离散程度并未表现出明显差异, 且处于中等分散水平。从土壤有机碳分布特征上看, 各层土壤有机碳含量整体均呈现正向右偏态分布特征, 其中0—20、40—60 cm和80—100 cm深度的土壤有机碳含量近似正态分布, 而20—40、60—80 cm土壤有机碳偏度值较大, 呈现右偏的分布特征。

表 2 不同土层深度内土壤有机碳含量 Table 2 The SOC content in different soil depths
土层深度/cm
Soil depth
土壤有机碳含量SOC content/(g/kg) 标准差
Stand. Dev.
变异系数/%
Coefficient
of variation
偏度
Skewness
峰度
Kurtosis
最小值
Minimum
平均值
Mean
最大值
Maximum
0—20 1.23 7.49a 19.95 3.80 50.73 0.17 2.09
20—40 0.53 6.55a 20.71 3.20 48.85 1.13 2.58
40—60 0.57 5.65b 13.83 2.60 46.02 0.30 3.33
60—80 0.28 5.21bc 13.89 2.71 52.02 1.73 3.51
80—100 0.23 4.47c 12.40 2.44 54.59 0.19 2.65
表中标有相同字母的数据之间在P<0.05水平下无显著差异

土壤和土地利用方式的差异显著影响着研究区土壤有机碳含量的空间分布, 受土地利用方式的影响, 土壤有机碳含量从高到低表现为:林地>农地>草地。其中, 40 cm以上深度的土壤范围内, 林地内有机碳含量明显高于农地和草地有机碳含量(P<0.05), 其含量约为农地和草地有机碳含量的1.3倍。当土壤深度达到60 cm, 农地和林地有机碳含量呈现较为显著的降低, 这就导致了在40—60 cm土壤深度时, 各土地利用类型下有机碳含量的差异并不显著。当土壤深度大于60 cm时, 农地与草地有机碳含量出现显著的降低(P<0.05)。敖汉旗不同土壤类型下有机碳含量同样呈现出显著的差异, 不同土壤类型下土壤有机碳含量有高到低均表现为:棕壤>褐土>栗钙土>风沙土, 其中, 60 cm以下土壤深度范围内, 棕壤土有机碳含量明显高于其他各土壤, 而风沙土有机碳含量显著低于其他3种土壤有机他含量(P<0.05)。特别是在表层(0—20 cm)棕壤土有机碳含量约为栗钙土与褐土有机碳含量的1.5倍, 是风沙土的3倍。

2.2 广义相加模型的构建

采用广义相加模型拟合不同土壤深度上海拔、坡度、土壤容重、土壤含水率、NDVI以及土壤粘粒含量共6种影响因素与土壤有机碳含量函数关系, 其数学表达式为:

表 4所示, 不同土层上的各拟合模型均在P<0.001水平下显著, 决定系数R2在0.54—0.81之间, 表明所拟合的模型具有较高的精度, 且对上层土壤的拟合明显优于下层。从模型的解释率反映出, 拟合模型能够较好地解释各层土壤中有机碳含量的变异情况;0—20 cm深度的土壤有机碳含量解释率最高, 为82.0%, 20 cm以下的各层土壤中, 模型对土壤有机碳含量的解释率分别为79.2%、74.5%、67.1%和57.2%。

表 3 不同土壤与土地利用类型下土壤有机碳含量的分布特征 Table 3 Distribution patterns of SOC content in different land use and soil types
土层深度/cm
Soil depth
土地利用方式Land use types 土壤类型Soil types
林地
Forest land
农地
Farm land
草地
Grassland
棕壤
Brown earth
褐土
Cinnamon soil
栗钙土
Chestnut soil
风沙土
Aeolian sandy soil
0—20 8.84a 6.98b 6.53b 12.84a 8.25b 7.59b 4.88c
20—40 8.05a 6.64b 5.99b 8.54a 7.39b 7.11b 4.7c
40—60 5.72a 5.42a 5.31a 7.04a 5.95b 5.86b 4.67c
60—80 5.43a 4.61b 3.92c 6.96a 5.66b 5.16b 4.57b
80—100 4.71a 3.74b 2.77c 5.8a 5.41a 4.31b 4.14b
表中同一土壤深度下, 不同土地利用方式、土壤类型中标有相同字母的数据之间在P<0.05水平下无显著差异

表 4 不同土壤深度的模型拟合参数 Table 4 The model parameters in different soil depths
土壤深度/cm
Soil depth
估计值
Estimated value
t P 解释率
Interpretation rate
R2(adj)
0—20 6.9650 35.70 <0.001 82.0% 0.811
20—40 6.3946 29.08 <0.001 79.2% 0.774
40—60 5.7897 25.92 <0.001 74.5% 0.724
60—80 4.9034 19.03 <0.001 67.1% 0.619
80—100 4.8717 21.15 <0.001 57.2% 0.543

从交叉验证对模型的检验结果分析(表 5), 验证结果表明模型拟合的平均偏差为0, 表明各模型拟合的残差具有较为稳定的分布分布;同时模型拟合的标准误差在0.1867—0.2576之间, 均方根误差在1.112—2.152之间, 平均绝对误差在1.024—1.987之间, 各误差值均处在一个较低的范围, 表明应用广义相加模型可以较为准确地反映土壤有机碳含量与各影响因子间的相互关系, 模型具有较高的拟合精度。

表 5 不同土层上模型的交叉检验 Table 5 The cross-validation test of model in different soil depths
土壤深度/cm
Soil depth
平均偏差
Average deviation
标准误差
Standard deviation
平均绝对误差
Mean absolute deviation
均方根误差
Root mean square error
0—20 0 0.1867 1.024 1.232
20—40 0 0.2559 1.098 1.112
40—60 0 0.2637 1.432 1.561
60—80 0 0.2576 1.912 2.133
80—100 0 0.2403 1.987 2.152
2.3 不同土层有机碳含量的广义相加模型

0—20 cm深度的模型拟合结果如图 2所示, 除土壤含水率外, 土壤容重、坡度、海拔、粘粒含量、NDVI均与土壤有机碳呈非线性函数关系, 土壤容重与NDVI对土壤有机碳含量存在显著影响, 分别在P<0.05和P<0.001水平下与土壤有机碳含量呈现显著相关关系。当NDVI<0.2时, NDVI与土壤有机碳含量并未表现出明显的相关性, 当NDVI>0.2后, NDVI与土壤有机碳含量表现为明显的正相关关系。土壤容重与土壤有机碳含量表现为二次函数关系, 土壤有机碳含量与土壤容重整体表现为负相关关系, 当土壤容重为1.68 kg/cm3时, 土壤有机碳含量随着容重的增加有所回升。

图 2 0—20 cm深度土壤有机碳含量的广义相加模型 Fig. 2 The GAM model for SOC content in 0—20 cm soil depth

20—40 cm深度的模型拟合结果如图 3所示, 土壤含水率、坡度与土壤有机碳含量呈非线性函数关系, NDVI、土壤粘粒、土壤容重、海拔均与土壤有机碳呈现线性函数关系。海拔和NDVI均在P<0.001水平下显著影响着土壤有机碳含量, 并表现出极明显的正相关关系;土壤容重和土壤含水率分别在P<0.05和P<0.1水平下对土壤有机碳含量有着显著的影响, 二者总体均表现为负相关关系。

图 3 20—40 cm深度土壤有机碳含量的广义相加模型 Fig. 3 The GAM model for SOC content in 20—40 cm soil depth

40—60 cm深度的模型拟合结果如图 4所示, NDVI、土壤含水率、海拔与土壤有机碳呈线性相关关系;土壤容重、土壤粘粒、坡度均与土壤有机碳呈非线性函数关系。坡度与海拔均在P<0.1水平下显著影响着土壤有机碳含量。其中, 土壤有机碳含量与海拔表现出明显的正相关关系;坡度与土壤有机碳含量间的关系呈现多次函数关系, 当坡度低于12°时, 土壤有机碳含量整体随着坡度的增加而升高, 当坡度大于12°时, 有机碳含量急速下降, 并在坡度>17°后, 土壤有机碳含量出现小幅度的回升。

图 4 40—60 cm深度土壤有机碳含量的广义相加模型 Fig. 4 The GAM model for SOC content in 40—60 cm soil depth

60—80 cm深度的模型拟合结果如图 5所示, 土壤有机碳含量在P<0.05水平下与土壤含水率呈现的正相关性, 土壤有机碳含量随着土壤含水率的升高而显著升高。在该深度的土壤深度内, 其他环境因素对土壤有机碳含量的影响并未表现出显著的统计学意义。

图 5 60—80 cm深度土壤有机碳含量的广义相加模型 Fig. 5 The GAM model for SOC content in 60—80 cm soil depth

80—100 cm深度的模型拟合结果如图 6所示, 土壤含水率和海拔分别在P<0.001水平和P<0.1水平下显著影响着土壤有机碳含量。其中, 土壤含水率对土壤有机碳的影响更为显著(P<0.001)的线性正相关性;当海拔高度<600 m时, 土壤有机碳含量与海拔呈现正相关关系, 而当海拔继续升高时, 土壤有机碳含量与海拔的相关关系减弱。其他环境因素对土壤有机碳含量的影响并未表现出显著的统计学意义。

图 6 80—100 cm深度土壤有机碳含量的广义相加模型 Fig. 6 The GAM model for SOC content in 80—100 cm soil depth
3 讨论

研究认为影响土壤有机碳空间变异的主导因素随着土壤深度的变化也相应发生着改变, 不同深度的土层中影响土壤有机碳含量的主要因素也存在较大差异[18-19]。有研究表明不同深度的土壤对于外界环境温度和养分的敏感程度存在着较大差异[20];Liu等[21]同样研究发现表层土壤对于气候变化的敏感程度要远远高于深层土壤。在县域尺度的研究中, 气候和温度在研究区内相对均一, 在该尺度上的植被、地形以及土壤水分等因素的差异就形成了影响土壤有机碳的关键因素。

NDVI和土壤容重在0—20 cm深度与土壤有机碳含量呈现出最显著的相关性。NDVI作为植被生长状态的重要表征指标, 反映了在表层土壤中植被生长与土壤有机碳含量积极的正相关关系, 特别是表层土壤枯落物的积累, 是土壤吸收有机质的重要来源[22], 而从空间分布格局上看, 植被的地带性分布与表层土壤有机碳含量的空间分布也有着十分紧密的联系[23], 地表植被覆盖和枯落物的积累形成对表层土壤的有效保护, 极大程度地降低了侵蚀对表层土壤的破坏, 特别是在0—20 cm深度的土壤中得到了更明显的体现。就土壤容重而言, 大量研究表明土壤容重和土壤有机碳含量呈现显著的负相关关系[24-25]。Qu等[26]研究指出, 土壤孔隙作为土壤水分和空气运输的通道, 其直接影响着土壤微生物的活动和植被根系的分布, 由于, 表层土壤容重远低于深层土壤, 其土壤疏松、孔隙丰富, 这就为表层土壤的物质交换提供了便利条件和畅通的环境, 因此土壤有机碳的累积、分解以及转化等过程能够在表层土壤中更加自如地进行。由此可见, 表层土壤最直接地参与外界的物质能量交换, 而且其自身同时具备畅通的传递通道, 表层土壤的这一自然属性为土壤有机碳的累积和分解创造了十分良好的基础;这也是在NDVI与土壤容重的综合作用的结果, 二者共同反映了表层土壤与外界环境之间的相互联系, 工作形成影响表层土壤有机碳累积的主导因素。而在强烈的压实作用影响下, 深层土壤通气性差, 相对封闭的环境使得深层土壤感受外界的影响相对滞后, 植被对土壤有机碳的补给在土壤层层传递过程中造成较大的消耗, 这就导致了植被与土壤容重对土壤有机碳的影响深层土壤中相对较弱。除此之外, 在表层土壤的大空隙、多植被覆盖的环境下, 土壤微生物的数量和种类都远高于深层土壤, 对动植物残体的分解速率较快, 更容易形成腐殖质补充土壤有机质含量[27]。表层土壤中充足的物质条件加上良好的通气环境为微生物的活动提供有利保障。而在相对封闭的深层土壤中, 土壤紧实程度高, 主要由异氧微生物为主, 内部的环境不适于有机质的合成。

当土壤深度达在20—60 cm范围内, 海拔和坡度影响土壤有机碳含量的相对重要性开始逐渐提升。Yeakley等[28]的研究指出地形因素(海拔、坡度)是控制土壤水分梯度的关键因子, 其主要通过影响土壤侵蚀强度和局部水热条件等因素改变着有机碳的积累和分解速率。在本研究区0—100 cm的各土壤深度内海拔与土壤有机碳总体成单调递增变化趋势, 并形成了相对稳定影响, 一方面海拔的升高影响日照强度、降雨和气温等因素, 高海拔地区的降雨量偏高, 有利于植物生物量的累积, 同时高海拔的低温环境又能抑制土壤微生物对有机碳的分解, 这些都促进了土壤有机碳含量的增加;另一方面, 在研究区内海拔的分布与土壤和植被的分布形成了明显的垂直地带性, 敖汉旗内海拔呈现南高北低的分布特征, 而随着海拔的变化, 土壤和植被的空间分布差异也十分明显, 研究区的土壤类型由南到北依次为棕壤、褐土、栗钙土、风沙土的分布特征, 植被由南到北呈现森林、旱生草本、沙地植被的特征, 同时, 年降雨量也表现为从南到北递减的分布规律, 这些环境要素均与海拔的南高北低的分布特征存在着较为统一的规律, 因此在各种综合作用下, 土壤有机碳含量也呈现出南高北低的分布特征。就研究区坡度而言, 呈现北部相对平缓, 中南山区较为陡峭总体特征。从植被与土壤的分布来看, 研究区北部为风沙土区, 植被盖度极低, 恶劣的自然条件对土壤有机碳的积累形成阻碍;而研究区南部, 土壤类型主要是棕壤土, 植被茂密, 有机碳在这一地区十分丰富。因此, 即便研究区南部的陡坡分布较多, 土壤和植被等多因素的综合作用下, 坡度与土壤有机碳的含量呈现出不稳定的多次函数关系。

土壤含水率受到土壤深度的明显影响, 表层土壤由于长期受到降雨、蒸发、侵蚀等因素的影响, 表层土壤水分含量吸收和蒸散都十分强烈且频繁。这也直接导致了表层的土壤水分和有机碳含量之间很难建立起相对稳定的关系。牛海等[29]发现土壤表层(0—10 cm)受到土壤侵蚀等外界干扰最明显, 由于破面水分冲刷的影响, 土壤养分与水分含量的变化波动较大, 因此表层土壤被定义为土壤水分养分的活跃层;次活跃层(20—60 cm)和相对稳定层(100 cm)中土壤水分和土壤养分的相关性较为稳定, 深层土壤环境相对封闭, 所以土壤深度到达60 cm以下时, 土壤水分和土壤有机碳更容易建立起稳定的关系。深层土壤内水分是保障植物根系垂直延展的重要因素, 与植物根系在土壤中的延展长度密切相关。匡文浓等[30]研究也明确提出土壤有机碳垂直分布格局主要受到群落优势种根系分布的影响, 尤其在根系发达的荒漠植被上表现的更加明显。王凯等[31]研究也表明植物根际土有机碳含量明显高于非根际土, 根系是深层土壤有机碳含量的主要来自, 而深层土壤中土壤水分含量与植物根系的反馈作用的是影响土壤有机碳累积的关键因子。

4 结论

研究区土壤有机碳含量的变化范围在0.23—20.71 g/kg之间, 且随着土壤深度的增加有机碳含量逐渐降低。受土地利用方式和土壤类型的影响, 各土壤深度土壤有机碳含量有高到低分别表现为:林地>农地>草地, 棕壤>褐土>栗钙土>风沙土的分布特征。影响土壤有机碳空间变异的主导因素随着土壤深度的变化而存在明显差异。0—20 cm深度的土壤中, 植被因素和土壤容重的变化是影响土壤有机碳含量最重要的因素;随着土壤深度地增加, 在中层土壤中(20—60 cm), 地形因素(坡度和海拔)对土壤有机碳含量的累积的影响逐渐增强;在60—100 cm深度的土壤中, 土壤含水率的变化是影响土壤有机碳含量最重要的因素。

参考文献
[1] Post W M, Emanuel W R, Zinke P J, Stangenberger A G. Soil carbon pools and world life zones. Nature, 1982, 298(5870): 156–159. DOI:10.1038/298156a0
[2] Bohn H L. Estimate of organic carbon in world soils:Ⅱ. Soil Science Society of America Journal, 1982, 46(5): 1118–1119. DOI:10.2136/sssaj1982.03615995004600050050x
[3] 孙文义, 郭胜利. 黄土丘陵沟壑区小流域土壤有机碳空间分布及其影响因素. 生态学报, 2011, 31(6): 1604–1616.
[4] Ruiz-Colmenero M, Bienes R, Eldridge D J, Marques M J. Vegetation cover reduces erosion and enhances soil organic carbon in a vineyard in the central Spain. CATENA, 2013, 104: 153–160. DOI:10.1016/j.catena.2012.11.007
[5] 李忠佩, 林心雄, 程励励. 施肥条件下瘠薄红壤的物理肥力恢复特征. 土壤, 2003, 35(2): 112–117. DOI:10.3321/j.issn:0253-9829.2003.02.006
[6] 王玮, 邬建国, 韩兴国. 内蒙古典型草原土壤固碳潜力及其不确定性的估算. 应用生态学报, 2012, 23(1): 29–37.
[7] 王征, 刘国彬, 许明祥. 黄土丘陵区植被恢复对深层土壤有机碳的影响. 生态学报, 2010, 30(14): 3947–3952.
[8] Jobbágy E G, Jackson R B. The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecological Applications, 2000, 10(2): 423–436. DOI:10.1890/1051-0761(2000)010[0423:TVDOSO]2.0.CO;2
[9] 李龙. 赤峰市敖汉旗土壤有机碳时空变异研究. 内蒙古农业大学, 2017.
[10] 张保刚, 梁慧春. 草地土壤机械组成研究综述. 辽宁农业科学, 2009(6): 38–41. DOI:10.3969/j.issn.1002-1728.2009.06.011
[11] Hastie T J, Tibshirani R J. Generalized Additive Models. London: Chapman & Hall, 1990.
[12] Barry S C, Welsh A H. Generalized additive modelling and zero inflated count data. Ecological Modelling, 2002, 157(2/3): 179–188.
[13] Chen Q X, Ibrahim J G. Semiparametric models for missing covariate and response data in regression models. Biometrics, 2006, 62(1): 177–184. DOI:10.1111/j.1541-0420.2005.00438.x
[14] Gamma Design Software. GS+ User's guide Version 7. GeoStatistics for the Environmental Sciences. Plainwell, Michigan: Gamma Design Software, LLC, 2004: 160–160.
[15] 全国土壤普查办公室. 中国土壤普查数据. 北京: 中国农业出版社, 1997.
[16] 梁启鹏, 余新晓, 庞卓, 王琛, 吕锡芝. 不同林分土壤有机碳密度研究. 生态环境学报, 2010, 19(4): 889–893. DOI:10.3969/j.issn.1674-5906.2010.04.026
[17] Nielsen D R, Bouma J. Soil Satial Variability. Pudoc: Wageningen, 1985.
[18] Rumpel C, Kögel-Knabner I. Deep soil organic matter-a key but poorly understood component of terrestrial C cycle. Plant and Soil, 2011, 338(1/2): 143–158.
[19] Salomé C, Nunan N, Pouteau V, Lerch T Z, Chenu C. Carbon dynamics in topsoil and in subsoil may be controlled by different regulatory mechanisms. Global Change Biology, 2010, 16(1): 416–426.
[20] Fierer N, Allen A S, Schimel J P, Holden P A. Controls on microbial CO2 production:a comparison of surface and subsurface soil horizons. Global Change Biology, 2003, 9(9): 1322–1332. DOI:10.1046/j.1365-2486.2003.00663.x
[21] Liu Z P, Shao M A, Wang Y Q. Effect of environmental factors on regional soil organic carbon stocks across the Loess Plateau region, China. Agriculture, Ecosystems & Environment, 2011, 142(3/4): 184–194.
[22] Chaplot V, Bouahom B, Valentin C. Soil organic carbon stocks in Laos:spatial variations and controlling factors. Global Change Biology, 2010, 16(4): 1380–1393.
[23] Scott N A, Tate K R, Giltrap D J, Smith C T, Wlide H R, Newsome P J F, Davis M R. Monitoring land-use change effects on soil carbon in New Zealand:quantifying baseline soil carbon stocks. Environmental Pollution, 2002, 116(S1): S167–S186.
[24] Prietzel J, Christophel D. Organic carbon stocks in forest soils of the German Alps. Geoderma, 2014, 221-222: 28–39. DOI:10.1016/j.geoderma.2014.01.021
[25] 祖元刚, 李冉, 王文杰, 苏冬雪, 王莹, 邱岭. 我国东北土壤有机碳、无机碳含量与土壤理化性质的相关性. 生态学报, 2011, 31(18): 5207–5216.
[26] 渠开跃, 冯慧敏, 代力民, 周莉. 辽东山区不同林型土壤有机碳剖面分布特征及碳储量研究. 土壤通报, 2009, 40(6): 1316–1320.
[27] 付美云, 杨宁, 杨满元, 林仲桂. 衡阳紫色土丘陵坡地不同恢复阶段土壤微生物与养分的耦合关系. 生态环境学报, 2015, 24(1): 41–48.
[28] Yeakley J A, Swank W T, Swift L W, Hornberger G M, Shugart H H. Soil moisture gradients and controls on a southern Appalachian hillslope from drought through recharge. Hydrology and Earth System Sciences, 1998, 2(1): 41–49. DOI:10.5194/hess-2-41-1998
[29] 牛海, 李和平, 赵萌莉, 韩雄, 董晓红. 毛乌素沙地不同水分梯度根系垂直分布与土壤水分关系的研究. 干旱区资源与环境, 2008, 22(2): 157–163. DOI:10.3969/j.issn.1003-7578.2008.02.030
[30] 匡文浓, 钱建强, 马群, 刘志民. 五种荒漠灌木群落土壤有机碳垂直分布及其与根系分布的关系. 生态学杂志, 2016, 35(2): 275–281.
[31] 王凯, 宋立宁, 张成龙, 唐达, 吴祥云. 科尔沁沙地典型林分土壤有机碳储量与根际效应的关系. 水土保持学报, 2013, 27(6): 221–225. DOI:10.3969/j.issn.1009-2242.2013.06.043