首页 > 分享 > Interaction mechanism of climate, vegetation and soil factors on soil organic carbon at different soil depths in Ningxia

Interaction mechanism of climate, vegetation and soil factors on soil organic carbon at different soil depths in Ningxia

花匠小妙招
2024-11-09 05:48

摘要: 基于宁夏全区121个土壤剖面样点，研究不同深度（0-30、30-80、80-120cm）土壤有机碳的空间分布特征，通过相关性、方差分解和构建结构方程模型，分析气候、植被和土壤因素对宁夏不同深度土壤有机碳的影响及其作用途径。结果表明：（1）宁夏不同深度土壤有机碳含量均呈现中间低南北高的空间分布趋势，0-120cm剖面土壤有机碳含量随着土壤深度的增加而降低，土壤有机碳含量均值为5.49g/kg，变异系数达90.71%，含量偏低且空间异质性强。（2）各土层土壤有机碳与年均气温、干燥度、碳酸钙、pH均呈现极显著的负相关性（P < 0.01），与年均降水量、相对湿度、植被净初级生产力、全氮、全磷、全钾、钙离子、阳离子交换量、粘粒含量均呈现极显著的正相关性（P < 0.01）。（3）各因素对不同土层土壤有机碳的作用方式和影响程度有差异。土壤全氮、全磷、碳酸钙、阳离子交换量均能直接影响土壤有机碳，年均气温和植被净初级生产力对土壤有机碳的直接影响效应不显著，主要通过土壤属性间接影响土壤有机碳含量。随着土层深度的增加，气候和植被因素作用明显减弱，土壤因素作用增强并成为主要影响因素。该结果有助于宁夏土壤有机碳含量预测与评估的指标筛选，为区域生态系统环境因素与土壤碳循环的关系提供理论依据。

GAO Lin1,2 , ZHANG Dengshan1 , LONG Huaiyu3 , CHEN Xiaoyuan2 , LIN Changhua2 , ZHOU Tao4

Abstract: Based on 121 soil profile sample points in Ningxia, the spatial distribution characteristics of soil organic carbon (SOC) and the effects of climate, vegetation and soil factors on soil organic carbon at different depths (0-30 cm, 30-80 cm, 80-120 cm) were studied through correlation, variance partitioning analysis and structural equation modeling. Results showed that: (1) The SOC content presented a spatial distribution trend of lower in the middle and higher in the north and south at different soil depths in Ningxia. In 0-120 cm section, the SOC content decreased with the increase of soil depth, with an average value of 5.49 g/kg and a coefficient of variation of 90.71% indicating low SOC content and strong spatial heterogeneity. (2) Soil organic carbon in all soil layers was negatively correlated with mean annual temperature, drought index, calcium carbonate, pH, and positively correlated with mean annual precipitation, relative humidity, net primary productivity of vegetation, total nitrogen, total phosphorus, total potassium, calcium ion, cation exchange capacity, and clay content. (4) The action mode and degree of each factor on SOC in different soil layers were different. Soil total nitrogen, total phosphorus, calcium carbonate, and cation exchange capacity could directly affect soil organic carbon. The direct effect of mean annual temperature and net primary productivity of vegetation on soil organic carbon was not significant, and the indirect effect on soil organic carbon was mainly through soil properties. With the increase of soil depth, the effects of climate and vegetation were weakened, while the effects of soil were strengthened and became the main influencing factors. The results are helpful for the index screening of prediction and assessment of soil organic carbon content in Ningxia, and provide a theoretical basis for the relationship between regional ecosystem environmental factors and soil carbon cycle.

Key Words: soil organic carbon environmental factors influencing mechanism Ningxia

土壤有机碳(Soil organic carbon, SOC)是陆地碳库的重要组成部分, 全球SOC储量约为1500Pg, 占到陆地生态系统碳库的80%, 是大气碳储量的2倍, 植被碳储量的2—4倍[1—2]。其在碳源与碳汇的功能调节、减缓温室气体等方面具有不可替代的作用[3], 探明SOC含量及其空间变化对实现我国“碳中和”目标具有重要意义。宁夏是我国“两屏三带”生态安全体系建设的关键区域, 地处我国西北半湿润区、半干旱区向干旱区的过渡带和典型的农牧交错区, 在这种特殊的气候、植被和土壤等环境因素和人为因素的综合影响和驱动下, 全区土壤有机碳呈现较强的空间异质性, 不利于全区SOC含量的预测和储量的估算, 因此, 准确地获取区域尺度内土壤有机碳含量及空间变异的主控因素, 对区域SOC含量和储量预测精度的提高及土壤的固碳机制和碳汇管理研究具有重要意义。

SOC空间分布及其影响因素研究在全球、区域层面开展了大量工作[4—5], 其空间变异性受到多种因素影响, 在区域尺度, 降水、温度等气候因素和植被因素是被认为影响SOC含量的主要环境因子[6]。已有多项研究表明, 气候因素对SOC的含量具有重要的影响, SOC与年均降水量以及年均气温有着密切的关系[7]。植被因素制约着土壤结构和元素的异质化过程, 进而影响着SOC的含量与分布[8], 尤其在国家实施“退耕还林(草)”及封山禁牧政策以来, 植被恢复在减少土壤侵蚀的同时也发挥着重要的固碳作用[9]。已有研究发现宁夏天然草地0—40cm土层的草甸草原和温性草原相对于草原化荒漠和荒漠草原更有利于SOC累积[10], 人工灌丛引入过程中加速了退化荒漠草地0—40cm土层SOC的累积与固定[11]。土壤有机碳输入的数量和质量与植被条件密切相关, 同时植被也受到气候条件控制, 并与气候相互作用影响土壤有机碳。除了气候和植被因素外, 越来越多的证据表明土壤元素、pH、阳离子和土壤质地等理化特征对SOC稳定性有着重要的影响。Sebastian等对横跨智利和南极半岛4000 km的南北样带研究发现年均气温和年均降水量与SOC含量存在显著的相关关系[12], 但在考虑了磷、钾、硅、铁和锰等土壤地球化学因素后, 年均气温与SOC的相关性变得不显著, 而年均降水量与SOC的相关系数也大幅下降。但移除了年均气温和年均降水量后, 土壤地球化学因素与SOC的相关性没有发生显著变化。Luo等对澳大利亚28个样地的90个试验的土壤分析发现气温和降水与SOC呈现负相关, 去除植被的影响后这种负相关关系更强, 但去除土壤因素影响, 这种负相关关系会变弱[13]。

综上, 气候、植被和土壤属性等因素都是影响SOC含量变化的驱动因素。而气候、植被和土壤因素彼此之间相互影响, 对SOC有着复杂交错的综合作用, 且主控因素可能随着区域尺度和土壤深度的不同而呈现出差异。区域SOC主控因素、影响贡献及作用机制, 一直是土壤碳研究的热点问题, 已有前人对宁夏草地、荒漠草原等不同用地类型和县域尺度的SOC含量和驱动机制进行研究, 但在宁夏全区尺度上, 不同土层深度SOC的主控因素以及气候、植被和土壤属性等对SOC综合作用机制和途径还需进行深入研究。因此, 本文基于宁夏全区121个土壤剖面点, 研究0—30、30—80、80—120cm土层SOC的含量及空间分布特征；通过相关性和方差分解分析研究SOC与气候、植被和土壤等环境因素的关系, 及其对SOC影响的相对重要性；构建结构方程模型从总效应、直接影响效应和间接影响效应方面研究各因素对SOC的影响机理和作用路径, 以期为宁夏SOC含量的预测筛选辅助环境变量, 为区域SOC储量的准确评估及我国土壤碳库贡献量提供基础数据参考。

1 材料与方法1.1 研究区概况

宁夏回族自治区位于北纬35°14′—39°23′N和东经104°17′—107°39′E, 全区面积6.64万km2, 是中国从半湿润区、半干旱区向干旱区的过渡带和典型的农牧交错区, 属于典型的温带大陆性气候, 年均气温在1—11 ℃之间, 降雨主要集中在夏季, 年均降水量大致为170—560 mm, 干燥度介于0.64—3.02之间。地貌类型包括黄土高原, 山地、丘陵、风蚀地貌和黄河冲积平原, 地势呈南高北低的分布特点, 海拔介于1092—2942 m。主要的植被类型是荒漠草原植被, 植被由草原化荒漠、荒漠草原和干草原向森林草原过渡, 天然草地占全区土地总面积的47.2%；林地占土地面积11.45%；耕地等占土地面积的21.77%。地带性土壤由灰漠土、灰钙土向黑垆土演变, 形成了自然条件的过渡性特征、复杂性、多样性和地域不平衡性。

1.2 样点设置、土壤采集与测定

2017年4月—2018年4月将第二次全国土壤普查形成的宁夏地区的土壤图、地形地貌图、土地利用图及地质图等, 利用GIS平台校正后叠加, 获得不同类型的叠加单元, 结合行政区划图和公路交通图, 考虑交通的便捷性、可达性和样点的分布均匀性等原则, 在研究区域共挖掘土壤剖面121个, 根据土壤发生学特征和地理因素的综合考虑, 按0—30, 30—80, 80—120cm由下至上分层取样, 每层从左至右混合取样, 按四分法去除多余土样后装入无菌袋带回实验室分析。GPS记录样点位置, 同时记录地形、母质和植被覆盖情况信息, 土壤剖面样点分布见图 1。

图 1 宁夏121个土壤剖面样点图Fig. 1 Distribution and sample plot of different land use types in Ningxia

将带回的土壤样品风干、磨碎, 过0.15mm筛测定全磷(Total phosphorus, TP)、全钾(Total potassium, TK)、碳酸钙(CaCO3), 过0.25mm筛测定土壤有机碳(Soil organic carbon, SOC)、全氮(Total nitrogen, TN), 过1mm筛测pH, 过2mm筛测定阳离子交换量(Cation exchange capacity, CEC)、钙离子(Ca2+)、砂粒(Sand)、粘粒(Clay)、粉粒(Silt)。其中, 土壤有机碳含量采用浓硫酸-重铬酸钾氧化法, 土壤全氮采用凯氏定氮法, 全磷采用钼锑抗比色法, 全钾采用原子吸收光度法, 阳离子交换量的测定采用氯化铵-乙醇交换法, 碳酸钙采用气量法, Ca2+采用EDTA滴定法、土壤颗粒组成(砂粒、粘粒、粉粒)的测定采用吸管法、pH测定采用pH计(水土比2.5 ∶ 1)[14—15]。

1.3 气候及植被数据源

基于研究区99个气象站点的数据通过空间插值的方法获得了每个调查点的气象数据, 包括年均气温(Mean annual temperature, MAT)、年均降水量(Mean annual precipitation, MAP)、相对湿度(Relative humidity, RH)和干燥度(Drought index DI), 遥感变量中的植被指数基于美国地质勘探局(United States Geological Survey, https://www.usgs.gov/)下载的Landsat8 OLI影像提取得到, 影像空间分辨率均为30 m, 投影坐标系为WGS_1984。其中, 植被归一化指数(Normalized difference vegetation index, NDVI)通过近红外与红色波段的差与近红外与红色波段的和之比的公式计算获得, 在ENVI5.3中计算获取并导出为栅格形式。土壤调节植被指数(Soil adjusted vegetation index, SAVI)与NDVI相比, 增加了土壤调节系数L, 取值区间(0, 1)。植被净初级生产力(Net primary productivity of vegetation, NPP)是利用遥感与地理信息云服务平台PIE-Engine, 导入宁夏行政区并选择代码输出。植被覆盖度(Fraction vegetation coverage, VFC)是基于NDVI指数, 取累计百分比约为5%的值作为最小值, 95%的值作为最大值计算得出。将上述气候和植被环境变量形成的栅格数据集, 利用ArcGIS提取到与土壤有机碳实测样点空间匹配的训练数据集中。

1.4 数据分析与处理

应用GS+10.0软件对研究区121个样点0—30cm、30—80cm和80—120cm土层的SOC进行半变异函数曲线和结构参数模拟, 分别确定最优拟合模型(球状、球状和指数模型), 通过ArcGIS 10.4进行普通克里金插值生成研究区不同土层的SOC含量空间变异图。不同深度土层的SOC与各环境变量的关系采用Pearson相关分析并在R 4.1.1软件中制作热图。在相关分析的基础上, 选择显著相关的影响变量, 且考虑变量共线特征问题, 通过方差膨胀因子VIF进行检验, 剔除膨胀系数大于20的指标MAP、DI和Sand, 筛选后最终以SOC含量数据为响应变量, 将各影响环境变量划分为3个解释变量: 气候因素(MAT、RH)、植被因素(NPP)和土壤因素(TN、TP、TK、CaCO3、Ca2+、pH、CEC、Clay), 利用R 4.1.1软件vegan包的方差分解分析(VPA)得出气候、植被和土壤因素及其交互作用对不同深度土层SOC的影响解释度并在Origin8.0软件绘图。利用结构方程模型(SEM)构建变量间的关系, 通过计算各参数估计, 不断调整修正得到最优模型。同时结合各变量影响显著性, 经过反复修正, 选择MAT、NPP、TN、TP、CaCO3、CEC、Clay和SOC构成不同土层的结构方程模型, 并在Amos22.0软件中完成分析。采用拟合优度指数(GFI)、调整拟合优度指数(AGFI)、比较拟合指数(CFI)、规范拟合指数(NFI)和近似误差的均方根(RMSEA)指标进行模型评价, 不同土层的卡方自由度比值分别为1.54, 1.83和1.10, 介于1—3, 表明模型拟合效果良好。RMSEA值分别为0.05, 0.05, 0.04, 小于0.08, GFI、CFI、NFI值均大于0.9, 而AGFI均接近0.9, 说明模型构建良好, 模型结果可靠。

2 结果2.1 宁夏不同深度土层的土壤有机碳分布特征

宁夏0—120cm剖面SOC含量最大值为34.81 g/kg, 最小值为1.44g/kg, 均值为5.49g/kg, 变异系数达90.71%, 表明宁夏全区SOC含量变异程度较大。在剖面垂直方向上, SOC随着土壤深度的增加呈现下降的趋势, 不同层次的SOC含量均值差异显著(P < 0.05), 0—30cm土层SOC均值为7.14g/kg, 到30—80cm土层降至5.21g/kg, 在80—120cm土层其均值仅为3.39g/kg。从图 2可以看出, 不同土层的SOC分布格局相似, 均呈现中间低南北高的趋势。0—30cm土层SOC高值分布于石嘴山北部和固原南部, SOC低值集中于中卫市和吴忠市。30—80cm土层SOC高值区面积减少, 低值区面积增大, 80—120cm土层SOC北部高值区面积增大, 南部高值区由固原市向中卫市迁移扩大。

图 2 宁夏0—30cm、30—80cm、80—120cm土层SOC空间分布图Fig. 2 Spatial distribution of SOC in 0—30cm, 30—80cm and 80—120cm soil layers in Ningxia

2.2 宁夏不同深度土层土壤有机碳与各因素的相关性

从图 3中可以看出, 各土层SOC与各气候指标均呈现显著的相关性, 且随着深度的增加, 相关性呈现不同程度的减弱。在0—120cm深度, SOC与MAT呈现极显著的负相关性, 0—80cm土层中, MAP、RH和SOC呈现极显著的正相关, K与SOC呈现极显著的负相关, 植被指标中, 各土层SOC与SAVI、NDVI和VFC未成显著相关性, 与NPP呈极显著的正相关性, 且随着土层深度的增加相关性减弱。土壤指标中, SOC与TN、TP、TK、Ca2+、CEC、粘粒呈现极显著的正相关, 与CaCO3、pH、砂粒呈现极显著的负相关。在0—120cm深度中, SOC与TN、Ca2+相关性随深度增加而逐渐增强, SOC与TP、CaCO3的相关性随深度增加呈现先增强后减弱的趋势, SOC与CEC的相关性随深度增加逐渐减弱。在不同深度土层中, SOC与气候、植被和土壤指标的相关性存在差异, SOC与气候、植被指标的相关性随深度的增加减少, 与土壤指标的相关性随深度的增加而增加。

图 3 宁夏0—30cm、30—80cm、80—120cm土层SOC与各环境变量的相关性Fig. 3 Correlation between SOC and environmental variables in 0—30cm, 30—80cm and 80—120cm soil layers SOC: 土壤有机碳 soil organic carbon；NPP: 植被净初级生产力 net primary productivity of vegetation；SAVI: 土壤调节植被指数 soil adjusted vegetation index；NDVI: 植被归一化指数 normalized difference vegetation index；VFC: 植被覆盖度 fraction vegetation coverage；MAT: 年均气温 mean annual temperature；MAP: 年均降水量 mean annual precipitation；RH: 相对湿度 relative humidity；DI: 干燥度 drought index；TN: 全氮 total nitrogen；TP: 全磷 total phosphorus；TK: 全钾 total potassium；CaCO3: 碳酸钙；Ca2+: 钙离子；CEC: 阳离子交换量 cation exchange capacity；sand: 砂粒；clay: 粘粒；silt: 粉粒; ×表示不相关, 否则极显著相关(P < 0.01)

方差分解分析结果也可以看出各指标对不同深度土层SOC的解释度随深度的增加呈现变化, 0—30cm土层中, 气候、植被和土壤因素解释变化度依次为3.11%、2.06%和63%, 多因素交互效应气候×植被×土壤、植被×土壤、气候×土壤从大到小为11.70%, 5.92%和3.99%。30—80cm土层中, 土壤因素对SOC的解释变化度增加到73.09%, 气候和植被因素的解释度分别降低至1.03%和1.27%, 多因素交互效应气候×植被×土壤、植被×土壤和气候×土壤分别下降至12.20%, 4.70%和1.65%。80—120cm土层中, 土壤对SOC的解释变化度增加至85.99%, 植被因素的解释度仅为0.75%, 气候因素的影响解释为0, 多因素交互效应气候×植被×土壤、植被×土壤和气候×土壤分别下降至5.38%, 2.95%和1.46%。总体来看, 随着土壤深度的增加, 土壤因素对SOC变化的解释度逐渐增加, 气候、植被因素和多因素交互作用的解释贡献度均呈不同程度下降, 说明表层和深层的SOC主要控制因素不同。对于表层土壤, 土壤因素、气候和植被因素均对SOC含量的变化起到影响作用。但对深层土壤, SOC含量的变化主要受到土壤因素的影响。

图 4 气候、植被和土壤因素对不同深度土层SOC变化的解释度Fig. 4 Percentages of variation in SOC at different soil depths explained by by climate, vegetation and soil factors SOC为土壤有机碳；C×V×S为气候、植被和土壤因素的交互效应；C×S为气候和土壤因素的交互效应；V×S为植被和土壤因素的交互效应

2.3 气候、植被和土壤因素对宁夏不同土层深度的土壤有机碳的影响

路径分析发现各因素对不同土层SOC的作用方式和影响程度有差异。从图 5中可以看出, 0—30cm土层中MAT、NPP和土壤因素(Clay、CEC、CaCO3、TN)共解释了SOC含量变化的87%(R2=0.87), 总效应由大到小依次为: TN＞MAT＞Clay＞CaCO3＞NPP＞CEC；TN、CEC和CaCO3均能直接影响SOC, TN对SOC的直接影响效应最大(效应值0.79), CEC对SOC的直接影响较小(效应值0.14)；间接影响由大到小依次为: MAT＞Clay＞CaCO3＞NPP, MAT和NPP对SOC的直接影响效应不显著, MAT主要通过NPP和TN对SOC产生较强的间接负影响(效应值-0.604), NPP通过土壤Clay、CEC、TN和CaCO3对SOC产生较强的间接正影响(效应值0.327)；CaCO3既可以直接影响SOC, 又可以通过TN和CEC间接影响SOC, 总效应值-0.379。30—80cm土层中, MAT、NPP和土壤因素(TP、CaCO3、TN)共解释了SOC含量变化的94%(R2=0.94), 总效应由大到小依次为: TN＞TP＞NPP＞CaCO3＞MAT；TN和CaCO3均能直接影响SOC, MAT和NPP对SOC的直接影响效应不显著, 均主要通过土壤属性对SOC产生间接影响, 与0—30cm土层相比, TN直接影响效应增强了0.08, MAT的间接影响效应减弱了0.283, NPP的间接影响效应增强了0.192, CaCO3的总效应增强了0.034。80—120cm土层, MAT、NPP和土壤因素(TP、CEC、TN)可以解释96%的SOC的空间变化, 总效应由大到小依次为: TN＞CEC＞MAT＞TP＞NPP, 与前两层土壤相比, TN的直接影响效应增强至0.99, MAT的间接影响效应降低至0.306, NPP的间接影响效应降低至0.14, CEC的总效应增强至0.604。

图 5 不同土层土壤有机碳影响因素的路径分析Fig. 5 Pathway analysis of influencing factors of soil organic carbon in different soil layers

表 1 宁夏不同土层SOC影响因素的直接效应、间接效应和总效应Table 1 Direct, indirect and total effects on SOC in different soil layers

影响因素
Influence factor 0—30cm 30—80cm 80—120cm 直接效应
Direct effect 间接效应
Indirec teffect 总效应
Total effect 直接效应
Direct effect 间接效应
Indirec teffect 总效应
Total effect 直接效应
Direct effect 间接效应
Indirec teffect 总效应
Total effect 年均气温
MAT — MAT→NPP→Clay→CEC→SOC
-0.031
MAT→NPP→Clay→TN→SOC
-0.178
MAT→TN→SOC
-0.395 -0.604 — MAT→NPP→TP→TN→SOC
-0.157
MAT→NPP→TN→SOC
-0.134
MAT→NPP→TP→SOC
-0.030 -0.321 — MAT→NPP→TP→TN→SOC
-0.088
MAT→TP→SOC
-0.218 -0.306 植被净初级生产力
NPP — NPP→Clay→CEC→SOC
0.049
NPP→Clay→TN→SOC
0.278 0.327 — NPP→TP→TN→SOC
0.253
NPP→TN→SOC
0.217
NPP→TP→SOC
0.049 0.519 — NPP→TP→TN→SOC
0.140 0.140 粘粒
Clay — Clay→CEC→SOC
0.068
Clay→TN→SOC
0.387 0.455 — — — — — — 碳酸钙
CaCO3 -0.100 CaCO3→TN→SOC
-0.260
CaCO3→CEC→SOC
-0.019 -0.379 -0.100 CaCO3→TN→SOC
-0.313 -0.413 — — — 阳离子交换量
CEC 0.140 — 0.140 — — — — CEC→TN→SOC
0.604 0.604 全氮TN 0.790 — 0.790 0.870 — 0.870 0.990 — 0.990 全磷TP — — — 0.090 TP→TN→SOC
0.461 0.551 — TP→TN→SOC
0.287 0.287MAT: 年均气温 mean annual temperature；NPP: 植被净初级生产力 net primary productivity of vegetation；clay: 粘粒；CaCO3: 碳酸钙；CEC: 阳离子交换量 cation exchange capacity；TN: 全氮 total nitrogen；TP: 全磷 total phosphorus

3 讨论3.1 宁夏地区不同深度土层SOC的含量特征

在区域SOC含量及其影响因素研究中, 环境因子对SOC含量及其影响的研究多关注表层土壤, 然而深层(如30cm以下的土层)土壤能储存50%以上土壤碳含量[16], 揭示环境因子对深层SOC含量的影响机制对于土壤碳库的估算具有重要作用。前人在研究不同深度SOC含量时, 多以等间距深度(如20cm)[17]或递增间距深度(如10、20、30、50cm)划分土层[18], 也有以土壤发生层次(A层、B层、C层)划分土层[19], 本研究中从土壤形成和发育角度, 其能反映出土壤发生演变规律和环境条件之间的关系, 结合实地情况挖掘剖面, 121个土壤剖面深度介于30—150cm之间, 基于土壤发生学层次(A层、B层、C层)划分土层, 同时考虑土层深度量化和研究的方便, 统一土壤层次为0—30、30—80、80—120cm并进行取样研究。

有研究表明0—80cm土层中新疆、青海、甘肃和内蒙等西部地区SOC含量均值为9.70g/kg[20], 新疆、甘肃、内蒙进而黑龙江等北部地区SOC含量均值为13.81 g/kg, 全国SOC含量均值17.80g/kg[21]；北方自然生态系统和全国表层SOC含量均值分别为24.37g/kg和22.28g/kg[22—23], 而本研究中, 0—80cm和0—30cm土层SOC含量均值分别仅为6.18g/kg和7.14g/kg, 说明宁夏地区SOC含量整体偏低。这可能是由于宁夏气候条件干燥, 虽景观类型多样, 但仅南部林地SOC含量高, 北部耕地作物收获后植物体内的碳等不能重新归还土壤, 加之在翻耕条件下, 土壤有机质易于分解[24—25]。中部草地植被多以稀疏草灌植被为主, 而天然草地受人为管护较少, 加之局部地区不合理放牧, 缺乏科学的管理而影响了草地SOC的累积。而荒漠草地以荒漠草原植被和极稀疏干旱草原植被为主, 其初级生产力远低于其他土地, SOC含量最低。此外, SOC还受到气候、地形和人为管理的影响[26], 0—120cm剖面的有机碳平均含量范围在1.44—34.81g/kg之间, 变异系数高达90.71%, 说明在多种因素的影响下宁夏全区SOC空间异质性较强。

3.2 宁夏地区不同深度土层SOC的含量的影响因素

研究表明不同深度土层SOC与NPP、MAT、MAP、RH、DI、TN、TP、TK、pH、CaCO3、Ca2+、CEC、Clay均呈显著的相关性(P < 0.01), 说明SOC与上述的气候因素、植被因素和土壤因素存在密切的关系, 但SOC含量并非受到单一环境因素的影响, 而是受到气候、土壤、植被等环境因子的综合作用, 且各因素对SOC含量的影响贡献性在不同深度土层存在差异, 方差分解结果显示土壤单因素对各土层SOC含量的影响贡献最高, 这主要因为土壤中各组分之间相互作用, SOC与其他土壤理化性质指标关系密切[27]。除了土壤单因素, 气候和植被单因素均对0—30cm土层SOC含量产生影响, 表层土壤直接与外界环境接触, 直接影响土壤水热条件进而影响SOC的含量, 表层SOC更容易受气候因素的调控；而植物碳输入是SOC的主要来源, 植被根系或枝条死亡残体通过腐殖化过程形成土壤有机质进而增加SOC。在30—80cm土层, 气候和植被单因素的影响作用下降, 而80—120cm深层土壤中气候和植被单因素的影响作用消失, 这可能是由于植物输入的碳主要集中于80cm以上, 输入深层的碳较少。Schiedung等研究表明表层SOC输入受到土壤、植被、凋落物和气候等综合影响, 而深层SOC主要受土壤类型及其性质的驱动[28]。不同土层SOC均受到气候×植被×土壤、植被×土壤和气候×土壤多因素交互作用影响, 影响贡献随着土层深度的增加而减小, 土壤单因素影响贡献增加, 说明气候和植被可能通过土壤因素间接影响着SOC含量, 结构方程模型分析更加证实这一可能。随着土壤深度的增加, SOC受气候和植被单因素的影响作用逐渐减小, 土壤因素作用逐渐趋于主控因素, 气候和植被通过土壤间接对SOC产生影响。

3.3 气候、植被和土壤因素对宁夏SOC的影响机理

气候因素可以直接影响土壤水热条件等过程直接影响SOC, 也可以通过影响植物生产力间接影响SOC, 还可以通过影响土壤风化进而引起地球化学因素的变化来间接影响SOC[29]。植被是SOC的主要来源之一, 初级生产量的输入与分解可直接影响SOC含量, 也可以通过土壤属性间接影响SOC含量[30]。在结构方程模型中, MAT和NPP对SOC含量没有直接影响, MAT只能通过植被生产力与土壤属性间接影响SOC含量, NPP通过土壤理化性质间接影响SOC含量, 且随着土壤深度的增加影响作用减弱。这可能是由于在短期尺度上和大尺度区域气候因素对SOC的作用更直接更明显, 但在数十年到数百年更长的时间尺度上和相对小尺度区域, 气候的影响效应减弱, 其主要通过影响风化作用进而通过土壤地球化学因素影响SOC；此外, 研究区天然草地占全区土地总面积的47.2%, 植被类型以荒漠草原植被为主, 因此植被对SOC含量差异影响不显著, 直接影响不明显。土壤的物理和化学因素在土壤有机碳分解和固存方面起到重要影响。研究发现, 结合土壤深度后, SOC受到土壤物理化学因素的影响更强。TN对SOC的直接影响效应最大, 土壤碳和氮元素之间存在着相互转化的关系, 土壤中有机质越高, SOC含量越高, 土壤氮元素主要来自于有机质的分解过程, SOC和氮元素含量之间存在密切的耦合关系。Were等在南非地区土壤有机碳储量预测的研究中得出土壤属性中的TN在所有模型的变量贡献率中占绝对主导地位[31]。此外, 粘粒引起CEC和TN分异间接对SOC产生正影响。粘粒具有较高的比表面积, 其可以提升有机质吸附到矿物表面进而形成团聚体促进有机质的保存和稳定[32]。在降水较低的情况下, 且土壤pH偏碱性时, CEC和钙是SOC非常重要的影响因素, CEC对土壤固液界面的离子交换和扩散过程有重要的作用和影响[33], Solly等研究表明土壤pH大于5.5时, CEC与SOC的相关性更强[34]。Ca2+、CaCO3与SOC呈现出显著相关性, 且随着深度增加相关性增强, 在考虑了土壤深度以后, 钙在pH>6.5时也是重要的影响因素之一, 主要可能因为钙可以与土壤中的有机物相互作用形成高度缩合而结构稳定的腐殖酸钙[35], 此外, 随着pH的增加, 阳离子桥键的作用逐渐增大, Ca2+等多价金属含量可以充当粘土矿物与腐殖物质之间的键桥, 在土壤有机无机复合体形成过程中起着重要的作用, 这种阳离子桥键是有机质稳定的重要机制[36]。后续在此研究基础上, 还将继续综合利用实测数据和空间数据对宁夏SOC含量空间变化规律及其主控因素进行研究, 筛选环境辅助变量对宁夏SOC含量进行空间预测, 提升土壤有机碳空间变异性的解释能力, 进一步认识和揭示宁夏土壤有机碳的空间分布特征及其驱动机制。

4 结论

(1) 宁夏全区不同土层SOC均呈现中间低南北高的空间分布趋势, SOC含量随着土壤深度的增加而下降, 含量偏低且空间异质性强。

(2) 各土层SOC与MAT、DI、CaCO3、pH均呈现极显著的负相关性(P < 0.01), 与MAP、RH、NPP、TN、TP、TK、Ca2+、CEC、Clay均呈现极显著的正相关性(P < 0.01)。随着土层深度的增加, SOC与MAT、MAP、RH、DI、NPP和CEC的相关性强度减弱；与TN、TP、Ca2+、CaCO3、pH的相关性强度增加。土壤因素、气候和植被因素均对表层SOC含量的变化起到影响作用, 深层SOC主要受到土壤因素的影响。

(3) 各因素对不同土层SOC的作用方式和影响程度有差异。土壤因素TN、CaCO3、CEC、TP均能直接影响SOC, MAT和NPP对SOC的直接影响效应不显著, 主要通过土壤属性间接影响SOC。随着土层深度的增加, 0—30cm土层MAT、NPP、TN、CaCO3、Clay为主要的影响因素, 到30—80cm土层, MAT影响作用减弱, NPP、TN、CaCO3影响作用增强, TP影响作用显现, Clay影响作用消失；80—120cm土层中, MAT和NPP作用明显减弱, TN和CEC作用增强并成为主要影响因素。

参考文献

[1]

闫蒙, 王旭洋, 周立业, 李玉强. 科尔沁沙地沙漠化过程中土壤有机碳含量变化特征及影响因素. 中国沙漠, 2022, 42(5): 221-231.

[2]

Weissert L F, Salmond J A, Schwendenmann L. Variability of soil organic carbon stocks and soil CO2 efflux across urban land use and soil cover types. Geoderma, 2016, 271: 80-90. DOI:10.1016/j.geoderma.2016.02.014

[3]

马南方, 高晓东, 赵西宁, 赵连豪, 刘华清, 杨孟豪. 黄土丘陵区退耕小流域土壤有机碳分布特征及地形植被对其的影响. 生态学报, 2022, 42(14): 5838-5846.

[4]

Batjes N H. Total carbon and nitrogen in the soils of the world. European Journal of Soil Science, 1996, 47: 151-163. DOI:10.1111/j.1365-2389.1996.tb01386.x

[5]

Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458(7241): 1009-1013. DOI:10.1038/nature07944

[6]

丁金梅, 王维珍, 米文宝, 侯凯元, 张喜旺, 赵亚楠, 文琦. 宁夏草地土壤有机碳空间特征及其影响因素. 生态学报, 2023, 43(5): 1913-1922.

[7]

李龙, 秦富仓, 姜丽娜, 姚雪玲, 王晓军. 土地利用方式和地形对半干旱区土壤有机碳含量的影响. 土壤, 2019, 51(2): 406-412.

[8]

Guan J H, Deng L, Zhang J G, He Q Y, Shi W Y, Li G Q, Du S. Soil organic carbon density and its driving factors in forest ecosystems across a northwestern Province in China. Geoderma, 2019, 352: 1-12. DOI:10.1016/j.geoderma.2019.05.035

[9]

展秀丽, 许艺馨, 王红, 高滢, 韩磊. 宁夏东部风沙区固定沙丘土壤性质小尺度空间变异特征. 应用生态学报, 2021, 32(9): 3195-3203.

[10]

季波, 时龙, 徐金鹏, 何建龙, 王占军, 吴旭东, 蒋齐. 宁夏典型天然草地土壤团聚体稳定性及其有机碳分布特征. 生态学报, 2021, 41(19): 7669-7678.

[11]

赵亚楠, 杜艳艳, 马彦平, 赵延兵, 周玉蓉, 王红梅. 宁夏东部荒漠草原灌丛引入过程中土壤有机碳变化及其空间格局预测应用. 生态学报, 2019, 30(06): 1927-1935.

[12]

Sebastian D, Antoine S, Johan S, Roel M, Kristof V O, Manuel C P, Angélica C K, Cristina M, Mathieu B. Soil carbon storage controlled by interactions between geochemistry and climate. Nature Geoscience, 2015, 8(10): 780-783. DOI:10.1038/ngeo2516

[13]

Luo Z K, Feng W T, Luo Y Q, Baldock J, Wang E L. Soil organic carbon dynamics jointly controlled by climate, carbon inputs, soil properties and soil carbon fractions. Global Change Biology, 2017, 23(10): 4430-4439. DOI:10.1111/gcb.13767

[14]

张甘霖, 龚子同. 土壤调查实验室分析方法. 北京: 科学出版社, 2012: 47-49.

[15]

胡慧蓉, 田昆. 土壤学实验指导教程. 北京: 中国林业出版社, 2012: 68-80.

[16]

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): 143-158.

[17]

朱玉荷, 肖虹, 王冰, 吴颖, 白永飞, 陈迪马. 蒙古高原草地不同深度土壤碳氮磷化学计量特征对气候因子的响应. 植物生态学报, 2022, 46(3): 340-349.

[18]

王艳丽, 字洪标, 程瑞希, 唐立涛, 所尔阿芝, 罗雪萍, 李洁, 王长庭. 青海省森林土壤有机碳氮储量及其垂直分布特征. 生态学报, 2019, 39(11): 4096-4105.

[19]

罗薇, 张会化, 陈俊坚, 柳勇, 李定强. 广东省土壤有机碳储量及分布特征. 生态环境学报, 2018, 27(9): 1593-1601.

[20]

张杰, 李敏, 敖子强, 邓觅, 杨春燕, 吴永明. 中国西部干旱区土壤有机碳储量估算. 干旱区资源与环境, 2018, 32(9): 132-137.

[21]

王绍强, 周成虎, 李克让, 朱松丽, 黄方红. 中国土壤有机碳库及空间分布特征分析. 地理学报, 2000, 55(5): 533-544.

[22]

陈心桐, 徐天乐, 李雪静, 赵爱花, 冯海艳, 陈保冬. 中国北方自然生态系统土壤有机碳含量及其影响因素. 生态学杂志, 2019, 38(4): 1133-1140.

[23]

罗梅, 郭龙, 张海涛, 汪善勤, 梁攀. 基于环境变量的中国土壤有机碳空间分布特征. 土壤学报, 2020, 57(1): 48-59.

[24]

王宝荣, 杨佳佳, 安韶山, 张海鑫, 白雪娟. 黄土丘陵区植被与地形特征对土壤和土壤微生物生物量生态化学计量特征的影响. 应用生态学报, 2018, 29(1): 247-259.

[25]

Dorji T, Odeh I, Field D. Vertical distribution of soil organic carbon density in relation to land use/cover, altitude and slope aspect in the eastern Himalayas. Land, 2014, 3(4): 1232-1250. DOI:10.3390/land3041232

[26]

Zhang K, Su Y Z, Yang R. Variation of soil organic carbon, nitrogen, and phosphorus stoichiometry and biogeographic factors across the desert ecosystem of Hexi Corridor, northwestern China. Journal of Soils and Sediments, 2019, 19(1): 49-57. DOI:10.1007/s11368-018-2007-2

[27]

Wu X D, Fang H B, Zhao Y H, Smoak J M, Li W P, Shi W, Sheng Y, Zhao L, Ding Y J. A conceptual model of the controlling factors of soil organic carbon and nitrogen densities in a permafrost-affected region on the eastern Qinghai-Tibetan Plateau. Journal of Geophysical Research: Biogeosciences, 2017, 122(7): 1705-1717. DOI:10.1002/2016JG003641

[28]

Schiedung M, Tregurtha C S, Beare M H, Thomas S M, Don A. Deep soil flipping increases carbon stocks of New Zealand grasslands. Global Change Biology, 2019, 25(7): 2296-2309. DOI:10.1111/gcb.14588

[29]

Benbi D K. Soil carbon management for climate change mitigation and sustainable agriculture. Agricultural Research Journal, 2022, 59(5): 810-815. DOI:10.5958/2395-146X.2022.00115.6

[30]

王志婷, 刘廷玺, 童新, 段利民, 郝丽娜, 李东方, 王冠丽. 不同处理方式对沙丘-草甸草地植被和土壤特征的影响. 中国草地学报, 2022, 44(7): 43-52.

[31]

Were K, Bui D T, Dick Ø B, Singh B R. A comparative assessment of support vector regression, artificial neural networks, and random forests for predicting and mapping soil organic carbon stocks across an Afromontane landscape. Ecological Indicators, 2015, 52: 394-403. DOI:10.1016/j.ecolind.2014.12.028

[32]

Rasmussen C, Heckman K, Wieder W R, Keiluweit M, Lawrence C R, Berhe A A, Blankinship J C, Crow S E, Druhan J L, Hicks Pries C E, Marin-Spiotta E, Plante A F, Schädel C, Schimel J P, Sierra C A, Thompson A, Wagai R. Beyond clay: towards an improved set of variables for predicting soil organic matter content. Biogeochemistry, 2018, 137(3): 297-306. DOI:10.1007/s10533-018-0424-3

[33]

Rakhsh F, Golchin A, Beheshti Al Agha A, Alamdari P. Effects of exchangeable cations, mineralogy and clay content on the mineralization of plant residue carbon. Geoderma, 2017, 307: 150-158. DOI:10.1016/j.geoderma.2017.07.010

[34]

Solly E F, Weber V, Zimmermann S, Walthert L, Hagedorn F, Schmidt M W I. A critical evaluation of the relationship between the effective cation exchange capacity and soil organic carbon content in Swiss forest soils. Frontiers in Forests and Global Change, 2020, 3: 98. DOI:10.3389/ffgc.2020.00098

[35]

陈飞. 喀斯特区域土壤有机碳的空间分布特征及其影响因素[D]. 贵阳: 贵州大学, 2022.

[36]

Bailey V L, Bond-Lamberty B, DeAngelis K, Grandy A S, Hawkes C V, Heckman K, Lajtha K, Phillips R P, Sulman B N, Todd-Brown K E O, Wallenstein M D. Soil carbon cycling proxies: understanding their critical role in predicting climate change feedbacks. Global Change Biology, 2018, 24(3): 895-905. DOI:10.1111/gcb.13926