珠三角核心区农田耕层土壤有机碳库储量时空变化特征及其影响因素识别

土壤有机碳库动态变化对区域乃至全球碳平衡具有显著影响,快速城市化地区社会经济迅速发展中土地利用/覆被变化剧烈,其农田耕层土壤有机碳库变化问题倍受关注。选择珠三角核心区为研究区域,基于1980与2015年农田耕层土壤有机碳含量数据,以乡镇为单元分析农田耕层土壤有机碳库储量的时空变化特征,并通过地理探测器定量识别其影响因素的主导因素。结果表明：1）珠三角核心区农田耕层土壤有机碳库储量1980―2015年间损失巨大,损失量达67.16%,同时其空间变化具有典型的城镇集群指向特征,即距离城镇集群越近,损失程度越大;2）珠三角核心区农田耕层土壤有机碳库储量的时空异质性变化受到气候变化、地形状况、水文环境、社会经济发展、土地利用变化和农田景观变化等多种因素的影响,且其影响力存在较大差异,各因素贡献力（q统计量）介于0.004~0.256之间;3）珠三角核心区农田耕层土壤有机碳库时空变化主导影响因素的贡献力表现为农田景观变化＞二三产增长胁迫＞水网密度＞土地结构变化。     

中国农田耕层土壤有机碳变化特征及控制因素

通过收集我国1980~2006年以来966个样点农田耕层土壤有机碳的实测数据,以及各样点的气温和降水数据,分析中国农田土壤有机碳变化特征,对变化的原因和发展趋势进行了探讨,对比分析了气温与降水对水稻土与旱作土固碳能力的差异,以及气温和降水对不同区域土壤有机碳的影响。结果表明:总体上我国实测点耕作表层土壤有机碳呈上升趋势,79%增幅样本主要集中在年增幅为0~3%的区间。农田土壤有机碳的含量受制于气温与降水,及水热条件的组合。20年来,全国农田土壤耕层有机碳含量的分布格局没变。农田土壤有机碳的变化,主要受人类活动的影响。土地利用方式对土壤固碳差异明显,水稻土有机碳水平明显高于旱地,水田耕层有机碳含量为旱地耕层有机碳含量的175~176%。     

基于地形高程的云南省降雨量空间插值方法研究

以云南省1961-2010年多年平均降雨量和云南省数字高程模型为基础数据源,通过对降雨数据的分析,将数字高程模型作为影响降雨强度的主要因素,引入到降雨量空间预测的多元地理统计中,并利用协同克里格算法构建降雨强度与地形高程之间的数学关系模型,对云南省年平均降雨数据进行空间插值模拟。插值结果与距离权重法、一阶局部多项式法、二阶局部多项式法、样条函数法、普通克里格法等其他5种空间数据插值方法进行对比与分析,并通过分析各个交叉检验统计量来验证评估数据的误差,从而选取出最优的空间插值方法。结果显示,普通克里格法和协同克里格法对降雨量空间插值的效果和精度高于反距离法、局部多项式法和样条函数法,而协同克里格法由于考虑了地形高程对降雨量的影响,具有更好的插值效果,因而更适合山地降雨数据的空间插值。     

基于环境相关法的土壤属性空间分布特征研究——以黄土丘陵沟壑区小流域为例

在横山县朱家沟小流域采集111个样点,分析土壤属性与地形因子相互关系,进行空间预测分析。结果表明:土壤密度与复合地形指数CTI显著正相关,土壤有机质与复合地形指数CTI、汇流动力指数SPI、沉积物运移指数STI显著负相关,全磷只与坡度β显著负相关。多元线性逐步回归模型对于土壤密度和有机质拟合较好,而对于全磷,预测结果较差;回归-克里格预测有效地减小了残差,消除了平滑效应,预测极差更宽,对于局部的变异及地形、土地利用的关系体现更为细化,提高了预测精度。     

近40年甘肃省耕层土壤有机碳时空分异及影响因素

区域耕层土壤有机碳（Soil Organic Carbon, SOC）调查是明确全球土壤碳储量和认识土壤碳循环的重要任务。利用甘肃省1980s、2000s、2020s等3个时期的耕层土壤调查数据,通过计算耕层土壤有机碳密度（Soil Organic Carbon Density,SOCD）,估算了甘肃省耕层有机碳储量。结果显示：（1）1980s、2000s、2020s甘肃省耕层SOC储量分别为97.68、109.14、123.13 Tg,近40年固碳总量约为25.45 Tg,固碳速率为0.012±0.01 kg·m^-2·a^-1,说明当前的农田管理措施有利于研究区耕地土壤长期固碳;40年间河西绿洲灌区、黄土高原区和陇南山地区耕层SOC储量呈增加趋势,甘南高原呈下降趋势。（2）从不同土壤类型来看,黄棕壤固碳速率最大,栗钙土最小。（3）近40年间甘肃省耕层SOC储量总体呈递增趋势,化肥、有机肥施用量以及秸秆还田量的持续增加,提高了作物归还量,进而增加了耕层有机物质含量,最终促进了耕层SOC的累积。     

基于多光谱和地理加权回归模型的石嘴山城市 土壤有机碳空间分布研究

城市土壤有机碳（SOC）分布受城市建设、工业发展等人为因素的影响表现出明显的空间差 异。为揭示石嘴山市 SOC 受城市化、工业化等人类活动的影响，分别利用普通克里格法（OK）、多元 线性回归克里格法（RK）、遥感反演方法（RS）和遥感-地理加权回归克里格法（RGWRK）预测石嘴 山市 SOC 空间分布。结果表明：石嘴山市 SOC 含量在 1.31 ~ 66.92 g·kg^{- 1} 之间变化，其平均值为 17.61 g·kg^-1。石嘴山市不同功能区 SOC 含量存在显著差异（p < 0.05），具体表现为工业区>医疗区> 商业区>道路>住宅区>公园>农田>科教区；SOC 含量变异系数为 66.27%，呈中等程度变异；其最佳 拟合模型为高斯模型，C₀（/ C₀+C）为 0.02，属于强空间自相关。SOC 与遥感影像波段 DN 值的差值 （B1-B7、B3-B7、B4-B7）和地形因子（高程、坡度、起伏度）之间存在着极显著的相关性（p < 0.01）； 通过对 4 种方法的结果进行对比可知以各波段 DN 值差值与地形因子为输入量，利用 RGWRK 预测 的 SOC 精度最高，相比 OK 精度提高了 10.05%，相比 RK 精度提高了 8.79%，相比 RS 精度提高了 8.92%；研究区 SOC 含量呈北高南低的趋势，工业区 SOC 含量是郊区农田 SOC 含量的 1.92 倍，表明 城区 SOC 含量有富集的趋势。     

土壤厚度的空间插值方法比较——以青海三江源地区为例

利用青海三江源地区533个土壤剖面中的厚度数据, 在GIS技术的支持下, 采用确定性内插(反距离加权、全局多项式、局部多项式和径向基函数)和地统计内插(普通克里格、简单克里格、泛克里格和协同克里格)两类共八种插值方法对研究区土壤厚度的空间分布进行了预测, 并综合比较了各种插值方法的预测误差、统计特征值和插值结果分布图。结果表明:(1)在地统计内插方法中, 普通克里格方法(一阶)插值效果比普通克里格方法(二阶)要好;在普通克里格方法(一阶)的半方差函数模型中, 球状模型的插值效果优于指数模型和高斯模型;普通克里格方法在四种地统计内插方法中预测误差最小、预测结果准确性最好。(2)确定性内插方法中, 反距离加权(指数为1)法的误差较小, 并且对区域与局部趋势的反映效果最好。(3)从预测误差大小和对区域总体及局部趋势的综合反映效果来看, 有异向性的球状模型普通克里格(一阶)插值方法预测结果最能准确反映青海三江源地区土壤厚度的空间分布。     

霍山县县域范围内不同空间尺度下农田土壤有机碳变异分析

基于安徽省霍山县第二次土壤普查数据,提取2005～2008年耕地监测数据资料建成土壤有机碳含量数据库,对耕地监测的有机碳数据按县域内不同空间尺度进行了统计分析。结果表明:20年来该县农田表土有机碳含量明显提高,显示农田土壤的有机碳库积累。县域范围内耕地土壤有机碳含量的不同尺度的变异系数介于4.53%～14.91%。村民组(自然村)单元内变异性最高,有机碳含量乡镇间变异性低于行政村间变异性。因此,从县级尺度的农田土壤碳计量来说,以乡镇尺度采样研究比村级尺度可靠性要高。影响县域内农田土壤有机碳含量与变异的动力因子主要是农业利用和农田基本建设,茶、桑和水稻利用下农田土壤有机碳含量明显较高。     

福建省土壤砷含量空间变异性

基于地统计方法分析了省域范围表层土壤(0~20 cm)砷元素的空间变异性。结果表明:研究区土壤砷含量平均值为6.95 mg·kg~(-1),变异系数141.0%,为强变异性。土壤砷最优理论半变异函数拟合模型为指数模型,其块金效应值83.77%,变量空间相关性较弱。通过各向异性分析表明地质背景、地形可能影响着土壤砷的空间分布。克里格插值图直观地反映出研究区内土壤砷的空间变异特征,调查分析得出,母质母岩、土壤类型、地形等自然因素影响着研究区土壤砷的分布,同时,人类的矿山开采和农业生产活动等对土壤砷的分布也具有重要的影响。     

基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例

准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要。以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局。结果表明,研究区土壤有机质在4.20~47.60 g kg^-1之间,平均为17.97 g kg^-1;变异系数为36.89%,属中等程度变异。土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱。不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异。除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子。融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著。同时,该方法对极值有较好的预测能力。研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法。     

新垦沙地农田土壤有机碳时空变异特征

针对河西走廊临泽绿洲边缘区域的新垦沙地农田,采用传统统计学和地统计学相结合的方法研究田块尺度的土壤有机碳时空变异特征。结果表明：（1）在本研究的空间尺度内,土壤有机碳含量在2.66～6.90 g·kg-1范围之间变化,平均值为4.45 g·kg-1,变异系数为24.5%;其空间分布呈明显的斑块状,最佳的变异函数理论模型为指数模型,其块金值和基台值分别为0.13和1.28,偏基台值和基台值的比值及变程分别为0.90及18.24 m;土壤有机碳空间分布与全氮、碱解氮、速效磷、速效钾含量及电导率显著正相关（p＜0.01）,与pH值显著负相关（p＜0.05）。（2）在本研究的监测时间尺度内（2004-2010年）,土壤有机碳年平均值在3.81～4.71 g·kg-1幅度内变化,变异系数为6.8%,无明显的变化趋势;土壤有机碳含量年际间变化与播种量显著正相关,与作物产量显著负相关,而与施氮量、灌溉量和地上部生物量相关不显著。综上所述,新垦沙地农田土壤有机碳含量较区域水平低,其田块尺度的空间异质性是由成土母质、地形等区域因素作用的结果,而对农田管理影响下的新垦沙地农田土壤有机碳含量演变规律的研究需建立在更长时间尺度的土壤监测数据基础上。     

甘肃河西山地土壤有机碳储量及分布特征

山地土壤具有强异质性和较高的碳密度，研究山地土壤有机碳的储量、空间分布特征和影响因素，对理解未来气候变化情景下该区土壤碳-大气反馈具有重要意义。河西山地地形复杂，水热梯度明显，是研究土壤有机碳空间格局的理想区域。利用河西山地126个土壤剖面数据，分析了0~100 cm土壤有机碳的储量、空间分布特征及其与环境因素的关系。结果表明：河西山地0~100 cm土壤有机碳密度均值15.04±7.24 kg·m^-2，区域土壤有机碳储量1.37±0.66 Pg，其中50%储存在高寒草甸和亚高山灌丛草甸。研究区土壤有机碳密度从高到低依次为亚高山灌丛草甸（41.15±18.47 kg·m^-2）、山地草甸草原（40.26±9.59 kg·m^-2）、山地森林（34.57±14.52 kg·m^-2）、高寒草甸（29.19±14.58 kg·m^-2）、山地草原（19.28±11.33 kg·m^-2）、荒漠草原（9.83±4.14 kg·m^-2）、高寒草原（8.59±2.47 kg·m^-2）、高寒荒漠（5.89±3.18 kg·m^-2）、草原化荒漠（5.16±3.06 kg·m^-2）、温带荒漠（5.00±3.35 kg·m^-2）。土壤有机碳的空间分布与地形和气候因子显著相关。土壤有机碳密度随着海拔的升高呈现出先增加后减少的趋势，阴坡土壤有机碳密度显著高于阳坡和半阴坡。土壤有机碳密度随年平均降水量增多而增多，随年平均温度的升高呈现出先增加后减少的趋势。     

Spatial variation and driving mechanism of soil organic carbon components in the alluvial/sedimentary zone of the Yellow River

Alluviation and sedimentation of the Yellow River are important factors influencing the surface soil structure and organic carbon content in its lower reaches. Selecting Kaifeng and Zhoukou as typical cases of the Yellow River flooding area, the field survey, soil sample collection, laboratory experiment and Geographic Information System(GIS) spatial analysis methods were applied to study the spatial distribution characteristics and change mechanism of organic carbon components at different soil depths. The results revealed that the soil total organic carbon(TOC), active organic carbon(AOC) and nonactive organic carbon(NOC) contents ranged from 0.05–30.03 g/kg, 0.01–8.86 g/kg and 0.02–23.36 g/kg, respectively. The TOC, AOC and NOC contents in the surface soil layer were obviously higher than those in the lower soil layer, and the sequence of the content and change range within a single layer was TOCNOCAOC. Geostatistical analysis indicated that the TOC, AOC and NOC contents were commonly influenced by structural and random factors, and the influence magnitudes of these two factors were similar. The overall spatial trends of TOC, AOC and NOC remained relatively consistent from the 0–20 cm layer to the 20–100 cm layer, and the transition between high-and low-value areas was obvious, while the spatial variance was high. The AOC and NOC contents and spatial distribution better reflected TOC spatial variation and carbon accumulation areas. The distribution and depth of the sediment, agricultural land-use type, cropping system, fertilization method, tillage process and cultivation history were the main factors impacting the spatial variation in the soil organic carbon(SOC) components. Therefore, increasing the organic matter content, straw return, applying organic manure, adding exogenous particulate matter and conservation tillage are effective measures to improve the soil quality and attain sustainable agricultural development in the alluvial/sedimentary zone of the Yellow River.     

Three-dimensional modelling of soil organic carbon density and carbon sequestration potential estimation in a dryland farming region of China

Soil organic carbon density(SOCD) and soil organic carbon sequestration potential(SOCP) play an important role in carbon cycle and mitigation of greenhouse gas emissions. However, the majority of studies focused on a two-dimensional scale, especially lacking of field measured data. We employed the interpolation method with gradient plane nodal function(GPNF) and Shepard(SPD) across a range of parameters to simulate SOCD with a 40 cm soil layer depth in a dryland farming region(DFR) of China. The SOCP was estimated using a carbon saturation model. Results demonstrated the GPNF method was proved to be more effective in simulating the spatial distribution of SOCD at the vertical magnification multiple and search point values of 3.0×10~6 and 25, respectively. The soil organic carbon storage(SOCS) of 40 cm and 20 cm soil layers were estimated as 22.28×10~(11) kg and 13.12×10~(11) kg simulated by GPNF method in DFR. The SOCP was estimated as 0.95×10~(11) kg considered as a carbon sink at the 20–40 cm soil layer. Furthermore, the SOCP was estimated as –2.49×10~(11) kg considered as a carbon source at the 0–20 cm soil layer. This research has important values for the scientific use of soil resources and the mitigation of greenhouse gas emissions.     

滨海滩涂土壤有机碳演变驱动因子框架

通过归纳、总结前人大量的研究成果,从土壤有机碳演变的尺度约束框架、滩涂土壤有机碳的核心控制因子以及演变的驱动因素3个方面进行总结。结果表明：①目前形成的监测技术约束下的碳库研究体系,其研究的结果忽视了机理性认识的未来需要,这对于应对未来气候变化条件下的滩涂湿地碳库变化风险稍显不足; ② 滩涂土壤有机碳演变的核心控制因子有泥沙、地貌与埋藏速率、植被与农业活动。滩涂围垦后的农业活动类型与方式是滩涂开发后影响土壤有机碳演变的核心要素,远远高于自然滩涂中的自然主导因子; ③ 不同因素在不同时空尺度上会对滩涂有机碳演变起到重要影响,其中,土地利用/覆被对于有机碳的影响机制是需要重点关注的核心命题; ④ 小尺度、长时间尺度有机碳循环机制的研究需要加强,同时,综合考量要素的时空尺度特性及其技术手段的提升,更加注重过程研究对于指导未来滩涂土壤有机碳研究更具有现实意义。     

黑土坡耕地土壤有机质空间变异及其与土壤侵蚀的关系——以黑龙江省鹤山农场为例

选取黑龙江省鹤山农场面积为0.91 km²的典型黑土区的坡耕地作为研究样地。按横纵100 m间隔共采集101个样点,运用地理信息系统和地统计学相结合的方法研究分析0~15 cm土层有机质空间变异及其与土壤侵蚀的关系。结果表明：位于典型黑土区样地的有机质含量集中在3%~5%范围内,均值为4.13%,高于黑龙江省的有机质平均水平。有机质含量空间变异明显,且主要受土壤侵蚀的影响：高侵蚀区对应低有机质区,中度侵蚀区对应中等有机质区,沉积区对应高有机质区。顺坡种植平均坡度2.2°时,每侵蚀1 000 t/km²土壤,有机质含量降低0.8%。土壤有机质空间变异可采用球状模型表达,自相关明显,进一步表明土壤侵蚀导致的再分布。对比分析确定200 m采样间距能够能准确表达该区表层有机质含量的空间特征,为精准施肥提供了采样依据。     

乌鲁木齐市米东区农田土壤重金属含量的空间分布特征

利用地理信息系统（GIS）及地统计学方法,对乌鲁木齐米东区农田土壤中重金属（Hg、Cu、Zn、Pb、Ni、Cd及Cr）的含量进行空间变异性分析。结果表明：除Cu、Zn、Pb和Hg超过土壤背景值外,7种重金属的平均含量均未超过国家环境质量二级标准（GB15618-1995）;7种重金属均具有较好的空间变异结构,可以用指数模型、球状模型和高斯模型拟合,且具有不同程度的块金效应;Cd、Cr具有强烈的空间自相关性,Pb、Ni、Cu、Zn和Hg属中等强度空间相关, 说明其含量受外源污染的影响较大;采用普通克里格插值法得出7种重金属的空间分布图,除Cd空间分布规律不明显外,其它6种重金属均存在显著的空间分布规律。     

青海省土壤有机碳估算及其不确定性分析

土壤有机碳对区域碳平衡起着关键性的作用,量化其空间格局及动态变化是准确评估生态系统碳汇潜力的基础。然而,不同土壤有机碳估算方法和不同样本得出的结果存在非常大的差异和不确定性,尤其是地形复杂、对气候变化敏感的青藏高原地区。为定量评估不同方法估算的土壤有机碳密度空间分布格局在青藏高原地区的差异,论文以青海省为研究区,收集整理了青海省806个土壤有机碳密度采样点数据,基于气候、植被、地形和土壤等多种解释变量,采用逐步回归、反距离权重插值、普通克里格插值和随机森林模型4种不同的方法,对青海省表层(0~30 cm)土壤有机碳密度空间分布及其影响因素进行了探究。结果表明,归一化植被指数、光合有效辐射、总氮、年均温、海拔、年降水量和净初级生产力是土壤有机碳密度估算的重要变量;尽管4种方法所估算的青海省土壤有机碳密度的均值较为接近,处于5.14~5.62 kg C·m^-2之间,但其变化范围存在较大差异,分别为0.17~23.25、0.34~46.61、0.56~35.08和0.62~24.85 kg C·m^-2;4种方法模拟结果的均方根误差分别为3.93、3.37、3.48和3.19 kg C·m^-2,平均标准差分别为0.12、0.51、0.61和0.27 kg C·m^-2,其中随机森林模型的结果较为稳定且精度较高,也更能准确反映青海省土壤有机碳的空间分布格局。比较发现,现有的土壤有机碳产品(SoilGrids250m 2.0和HWSD v1.2)在反映青海省土壤有机碳的分布方面还存在较大差异,相对而言,SoilGrids250m 2.0产品的土壤有机碳和随机森林模拟结果比较接近。     

华东地区农田土壤有机碳动态模拟研究——模型的验证与灵敏度分析

以建成的农田土壤有机碳动态模拟模型为基础,增加土壤pH值影响函数,利用3组土壤pH值迥异的长期定位试验数据对模型进行验证。这些定位试验在地理位置、气象条件、农作方式和土壤性质等方面都具有较大差异。结果表明:修正后的模型可以较好地模拟不同pH值条件下土壤有机碳的变化趋势,模拟值和观测值间的线性相关系数(r2)为0.96(n=137);模型输入参数的敏感程度为温度>外源有机碳>土壤pH值>难分解组分初值>降水>土壤粘粒。