黑河上游山地青海云杉林土壤有机碳特征及其影响因素

以黑河上游祁连山中段青海云杉林为研究对象,分析了不同林区云杉林表层(0~20 cm)土壤有机碳的分布特征及其与气候因子、植被特征和土壤特性的关系。结果表明：祁连山中段3个林区青海云杉林表层土壤有机碳含量为寺大隆林区[(9.38±0.72)%]>西水林区[(7.81±0.43)%]>大河口林区[(6.06±0.30)%],土壤有机碳含量平均值为(7.41±0.28)%,变异系数为37.9%。土壤有机碳含量与海拔、土壤含水量、土壤全氮呈显著正相关关系,而与土壤pH值呈显著负相关关系。经主成分分析表明,海拔和土壤pH值是影响土壤有机碳含量的第一主成分,土壤全氮是第二主成分,云杉林密度是第三主成分,累计解释率为72.47%。     

干旱区土壤有机碳含量与土壤理化性质相关分析

干旱区土壤碳库是全球碳库的重要组成部分,在全球碳循环中起着重要作用.本文根据干旱区土壤相关数据资料,分析土壤有机碳与土壤理化性质相关性,为干旱区碳循环提供理论依据.结果表明:土壤有机碳含量与土壤营养成分和交换性阳离子含量呈显著正相关,与土壤pH值和容重呈显著负相关.此外,干旱区土壤也存在相当比例的无机碳,土壤有机碳和无机碳含量呈显著负相关,二者间关系还需要结合母质、生物气候条件、人类活动影响进行进一步说明.     

伊犁山地不同海拔土壤有机碳的分布

以乌孙山北坡、科古琴山南坡为例,分析伊犁山地南北坡土壤有机碳的分布特征和影响因素。结果表明:①0-50 cm范围内,高寒草甸、草甸草原土壤有机碳含量较高,荒漠草原土壤有机碳含量最低。土壤有机碳含量均随土壤深度的增加而降低,高寒草甸随土壤深度的增加土壤有机碳下降幅度最大;②伊犁山地土壤腐殖化程度高,氮矿化能力强。大部分海拔的土壤碳氮比随土壤深度的增加而减少。河谷南坡碳氮比降低速率要大于河谷北坡。③土壤有机碳与全氮、全磷以及土壤含水率表现出良好的正相关性;与pH值表现出较好的负相关性,特别是20-50 cm处。植被类型分布和人类活动影响对土壤有机碳垂直变化影响显著。     

刈割+水淹治理互花米草技术对湿地土壤性状及其有机碳含量的影响

为了监测刈割+水淹+种植秋茄综合治理互花米草对土壤理化特征的影响,于治理前、治理1个月后、治理8个月后采集治理区和对照区(互花米草样地)土壤,测定土壤有机碳含量等理化指标。结果表明,整个治理过程中,互花米草治理区和对照区各土壤层pH值无显著性差异(P>0.05),治理过程未造成土壤pH值的变化;治理区表层土壤(0～10cm)土壤密度显著高于对照区,其他土层则无显著差异(P>0.05),治理过程导致表层土壤板结,土壤密度增大;此外,治理1个月后,治理区表层土壤(0～10cm)有机碳显著高于对照区(P<0.05),治理8个月后则显著低于对照区(P<0.05),治理措施导致土壤表层土壤有机碳含量先增加后降低。总之,刈割+水淹+种植秋茄综合治理互花米草对湿地表层土壤有机碳含量等产生一些影响。     

黑河中游湿地土壤有机碳分布特征及其影响因素

以黑河中游湿地为研究对象,分析木本、高草、低草3种湿地植被类型土壤有机碳的分布特征及影响因素,结果表明,土壤有机碳含量的大小依次为高草>低草>木本植被类型,0~20 cm的差异均达到显著水平(p<0.05)。低草植被类型有机碳的空间变异最大,木本植被居中,高草植被最小。高草、低草和木本植被0~40 cm土壤有机碳密度分别为7.33、5.44和4.25 kg/m2。高草、低草植被以表层土壤(0~10 cm)有机碳含量更高,分别占0~40 cm的32%,31%,木本植被以亚表层(10~20 cm)最高,占33%。土壤有机碳含量与土壤含水量、磷素呈显著正相关(p<0.05),与土壤质量、pH值呈显著负相关(p<0.05)。     

格氏栲天然林土壤有机碳空间分布及其影响因素

采用GIS技术对格氏栲天然林土壤有机碳空间分布特征及其影响因素进行研究,结果表明:土壤有机碳含量(O)、土壤有机碳密度、土壤有机碳储量均属于中等变异,且随土层深度的增加而减少,表层富集现象明显.土壤有机碳含量在Ⅰ层(0 ～ 20 cm)为32.15 g/kg,分别是Ⅱ层(20～40 cm)、Ⅲ层(40 ～ 60 cm)的2.35、4.63倍,剖面均值为17.60 g/kg;土壤有机碳密度在Ⅰ～Ⅲ层分别为6.76 kg/m2、3.17 kg/m2、1.74 kg/m2,土壤剖面平均有机碳密度为11.67 kg/m2.引入泰森多边形替代土壤类型图,计算得格氏栲天然林土壤有机碳储量为1.49×104 t,Ⅰ层、Ⅱ层、Ⅲ层分别为8.66×103 t、4.01 × 103 t、2.20×103 t.土壤有机碳含量和土壤有机碳密度空间分布情况类似:在西南和东北各有一个高值区,以WS - EN为中线,西北和东南呈近似对称的条带状分布,且向两边表现出递减的趋势.相关分析和逐步回归分析表明,土壤有机碳含量与土壤理化性质相关性均达到极显著水平,与全氮(TN)、全磷(TP)、水解性氮(AN)、有效磷(AP)、速效钾(AK)显著正相关,与全钾(TK)、pH、土壤容重(B)显著负相关,满足O=38.19+72.42 TN+0.04AN+54.47 TP - 7.50pH - 7.04B.同时分析了地形、土壤理化性质、人为活动等对格氏栲天然林土壤有机碳含量的影响.研究结果可为提高土壤有机碳储量精度、评估格氏栲天然林生态效益及其在区域碳循环中的作用和功能提供参考依据.     

闽江河口湿地空心莲子草土壤碳库研究

以闽江河口区最大的洲滩湿地——鳝鱼滩湿地为研究区域,选取空心莲子草湿地土壤为研究对象,对研究区内18个土壤剖面以10cm为间隔分层取样,对其土壤有机碳含量、储量和垂直变化特征及其影响因子进行分析。研究结果表明,空心莲子草湿地土壤有机碳含量和储量最大值均出现在0～10cm土壤剖面,含量和储量分别为32.77g/kg和2817.96t/km2,并与其它土壤剖面的含量和储量存在显著差异,0～60cm土层平均有机碳含量为9.70g/kg,平均有机碳储量为1002.86t/km2,且各个土壤理化因子在表层0～10cm的含量均与其它土层存在显著差异。空心莲子草湿地土壤有机碳含量与影响因子相关性较显著,其中,土壤含水量和土壤盐度与土壤有机碳含量呈极显著正相关(r=0.990,p=0.000<0.01,n=6;r=0.922,p=0.004<0.01,n=6),土壤容重与土壤有机碳含量呈极显著负相关(r=-0.982,p=0.000<0.01,n=6),土壤灰分和土壤pH值与土壤有机碳含量呈显著负相关(r=-0.857,p=0.015<0.05,n=6;r=-0.838,p=0.019<0.05,n=6)。     

反硝化-分解模型在荒漠土壤CH4和N2O通量估计中的应用

甲烷(CH₄)和氧化亚氮(N₂O)等温室气体通量具有高度时空变化特点,通过野外站点直接测量耗时且费力。为弥补监测方面不足,解析变化环境下反硝化-分解模型(DNDC)模拟值和样地原位观测值之间的对应关系,探讨模型在温室气体预测方面的潜力具有意义。本文选择古尔班通古特沙漠,对氮沉降影响下荒漠土壤CH₄和N₂O通量进行了模拟估计,并与实测数据进行了对比分析。结果表明：DNDC模型可较好地模拟荒漠土壤N₂O通量的变化,模拟值与实测值显著相关(P<0.001);而模型对荒漠土壤CH₄吸收量的变化模拟效果不显著,但模拟的年累计吸收量与真实值较为符合。DNDC模型敏感性试验分析表明,随着年平均气温、土壤有机碳(SOC)含量和施氮量的增加,土壤N₂O排放量和CH₄的吸收量显著增加;年降水量对土壤N₂O和CH₄通量变化影响不显著;土壤容重与土壤N₂O排放量和C...     

开封市不同功能区城市土壤有机碳含量与密度分析

研究开封城市土壤有机碳,发现不同功能区类型间及城区与郊区间的有机碳特性存在差异:土壤表层有机碳含量为工业区>休闲区>交通区>文教区>行政/居民区;表层有机碳密度为休闲区>工业区>交通区>文教>行政/居民区;土壤剖面有机碳密度为文教区>交通区>工业区>休闲区>行政/居民区.城市土壤表层有机碳密度和剖面有机碳密度均沿城郊剖面线呈下降式梯度变化,城区分别是郊区的2.53和1.56倍.城市土壤有机碳积累主要在地表之下0～30 cm范围内.     

祁连山青海云杉林动态监测样地土壤pH和养分的空间异质性

为了探讨青海云杉林对土壤pH和养分的影响,选择祁连山青海云杉林动态监测样地(340 m×300 m)为试验样地采集土样,利用经典统计学和地统计学方法对其空间异质性进行了研究。结果表明:(1)pH、水解氮和全磷为弱变异性,有机碳、全氮、速效磷、全钾和速效钾为中等变异性,它们的大小依次为速效钾 >有机碳 >速效磷 >全氮 >全钾 >水解氮 >全磷 >pH。(2)半方差最优模型拟合分析表明,pH、全氮、水解氮、全磷、速效磷和速效钾均符合球状模型,有机碳和全钾均符合指数模型;pH、有机碳、全氮、水解氮、全磷、速效磷、全钾和速效钾的变程依次为108.8 m、88.5 m、112.8 m、131.9 m、143.3 m、73.3 m、73.3 m和134.7 m。从空间结构特征看,pH具有中等强度的空间自相关,而养分表现出强烈的空间自相关。(3)pH和养分均呈斑块状分布,有机碳和氮素具有相似的空间分布格局,全磷和速效钾分布变化较为明显,速效磷和全钾分布变化较为平缓。上述研究结果可为祁连山青海云杉林土壤pH和养分的取样设计和空间分布图制作等提供参考,也可为青海云杉林的土壤环境恢复与重建提供科学依据。     

闽江河口秋茄湿地土壤腐殖质组成及剖面分布特征

以闽江河口秋茄湿地土壤为研究对象,研究了土壤腐殖质组成和剖面分布特征,并探讨了土壤腐殖质组成与土壤理化因子的关系。结果表明,秋茄湿地土壤腐殖质的组成中,胡敏酸占有机碳变化范围为6%～18%,富里酸占有机碳变化范围为15%～34%,闽江河口秋茄湿地土壤为富里酸型土壤。土壤胡敏酸和胡敏素含量随深度增加而波动降低;富里酸表层的含量最低,中间层最高。表层的HA/FA最高,中间层最低。土壤理化性质中,pH值、有机碳含量、粘粒含量、氮含量与土壤腐殖质分布有显著线性相关关系。     

土地利用方式对土壤有机碳和团聚体组分特征的影响

以广东省内第四纪红色黏土、玄武岩和花岗岩母质发育的土壤为研究对象,采集不同土地利用方式（水田、旱地、林地、果园/草地）下表层（0~15 cm）和亚表层（15~30 cm）土壤,研究土壤有机碳及其组分（腐殖质碳、易氧化有机碳）、土壤团聚体及其稳定性,分析土壤有机碳及其组分与土壤团聚体及其稳定性之间的相互关系。结果表明：土地利用类型、成土母质等影响土壤有机碳及其组分。3种母质发育的土壤中,各腐殖质组分占有机碳的比例是胡敏酸碳（HAC）＜富里酸碳（FAC）＜胡敏素碳（HMC）,第四纪红色黏土母质发育土壤腐殖酸碳（HAC＋FAC）以草地最高、水田最低;玄武岩、花岗岩母质发育土壤腐殖酸碳以果园最高。土壤中易氧化有机碳所占比例均高于惰性态,第四纪红色黏土母质发育土壤易氧化有机碳占有机碳比例以草地最高、旱地最低;玄武岩、花岗岩为果园最高、林地最低。3种母质发育土壤团聚体（湿筛）主要以＜0.25 mm微团聚体为主,表层土壤＞0.25 mm团聚体所占比例、团聚体平均重量直径（MWD）、团聚体破坏率（PAD）大于亚表层。土壤有机碳各组分均随着有机碳质量分数的增加而增加,＞0.25 mm团聚体质量分数和团聚体MWD随着土壤有机碳及其组分质量分数的增加而增大;PAD随着土壤易氧化碳组分质量分数增加而降低,易氧化有机碳组分有利于土壤中形成较大的团聚体,并增加团聚体水稳性。     

华东地区农田土壤有机碳时空格局动态模拟研究

基于已建成的农田土壤有机碳模型与GIS空间数据库的耦合,对华东6省(市)1980—2000年农田土壤有机碳时空变化进行模拟。结果表明:20年来该区土壤有机碳总体呈增加趋势,其中增加、持平和减少的面积分别占89.3%9、.5%和1.2%。1980—1985年土壤有机碳增加迅速,1985—1991年增加速率最快,其后趋缓。20年来农田土壤有机碳储量累计增加166 Tg,范围为140~193 Tg。其中安徽和江苏SOC储量增加量约占总增量的59.3%,上海、福建、江西和浙江占40.7%。     

安徽省土壤有机碳空间差异及影响因素

区域土壤碳储量和碳固定潜力及影响因素分析是全球变化中碳循环研究的重要前沿问题。本文采用第二次土壤普查资料,研究了安徽省不同类型土壤的有机碳密度和碳库,分析了影响土壤有机碳分布的自然和人为因素。结果表明,安徽土壤有机碳库为0.71Pg,表层土壤有机碳库为0.28Pg;土壤平均有机碳密度达117.54 t/hm²,碳密度的空间分布为:皖南山区>皖西大别山区>沿长江平原>江淮丘陵区>淮北平原区;气候和植被控制着表层土壤有机碳的省域分布,降水与土壤有机碳含量呈正相关。地形和母质影响土壤亚类间有机碳的差异;土壤总氮与土壤有机碳呈极显著相关,平原区土壤粘粒含量与表层土壤有机碳固定有较大关系。     

我国东部土壤有机碳的密度及转化的控制因素

根据第二次土壤普查资料，计算了我国东部土壤的有机密度和储量，并通过田间和室内试验的结果，分析了影响农田土壤中有机碳转化的因素。结果表明，我国东北地区土壤有机碳密度变幅为2．5－73．3kg C/m^2，平均值为10．5kg C/m^2，而在东南热带亚热带地区，剖面土壤有机碳密度变幅为3．9－16．7kg C/m^2，平均值为9．52％kg C/m^2。随着木质素含量和土壤粘粒含量的增加，植物物质的分速率下降，而土壤温度，pH和游离碳酸钙含量的增加促进了 植物物质的分解；淹水的水田中植物物质的分解速率通常低于旱地；土壤性质和有机物组成对植物物质分解的影响可以掩盖气候条件的影响，而土壤游离碳酸钙可以掩盖土壤质地的影响。     

湘东丘陵区4种林地深层土壤溶解性有机碳的数量和光谱特征

选取湘东丘陵4种典型母质发育的林地土壤,挖掘土壤剖面并分层采集土壤样品至母质层/母岩,研究深层土壤有机碳（SOC）和溶解性有机碳（DOC）的数量和分布规律,采用紫外-可见光谱技术分析深层土壤DOC的宏观化学结构特征。结果表明,土壤DOC含量（2.33~185.26 mg·kg^-1）在板岩红壤和酸性紫色土剖面上某些深层土层出现升高现象。DOC/SOC除第四纪红土红壤在浅层表土最高（1.5%）外,其他3种土壤均在60~80 cm深层土层达到最高峰值（1.0%~2.5%）。SOC数量是控制不同母质土壤DOC数量的重要因素。但光谱分析显示,随着土壤剖面的加深,DOC的宏观化学组成、结构趋于复杂,化学稳定性升高。尽管一些深层土层中DOC/SOC升高,但其DOC化学结构更为复杂,评价深层土壤SOC和DOC稳定性还应考虑其化学结构特性。     

区域尺度土壤固碳量估算方法评述

增加陆地生态系统碳汇已成为一项重要的减排手段,被纳入有关国际气候变化协定。区域尺度土壤固碳量估算成为当前研究的热点与难点。本文综述了目前国内外常用的区域土壤固碳量估算方法,并依据估算精度与方法差异将这些方法总结为四类:简易模型、清查法、经验模型和基于GIS的机理模型。同时对这四类方法的特点和适用性进行了评述,建议根据研究地区及目的不同选择合适的方法。此后,通过分析土壤固碳机理、数据收集、尺度推移、情景分析和土壤有机质机理模型发展等与区域土壤固碳量估算密切相关的各方面中存在的不足,提出今后区域尺度土壤固碳量估算方法将向耦合土壤有机质机理模型、土壤可溶性碳模型、土地利用模型和区域水文模型的基于GIS平台的区域综合模型方向发展。     

Desertification status mapping in Muttuma Watershed by using Random Forest Model

Potential of the Random Forest Model on mapping of different desertification processes was studied in Muttuma watershed of mid-Murrumbidgee river region of New South Wales,Australia.Desertification vulnerability index was developed using climate,terrain,vegetation,soil and land quality indices to identify environmentally sensitive areas for desertification.Random Forest Model(RFM)was used to predict the different desertification processes such as soil erosion,salinization and waterlogging in the watershed and the information needed to train classification algorithms was obtained from satellite imagery interpretation and ground truth data.Climatic factors(evaporation,rainfall,temperature),terrain factors(aspect,slope,slope length,steepness,and wetness index),soil properties(pH,organic carbon,clay and sand content)and vulnerability indices were used as an explanatory variable.Classification accuracy and kappa index were calculated for training and testing datasets.We recorded an overall accuracy rate of 87.7%and 72.1%for training and testing sites,respectively.We found larger discrepancies between overall accuracy rate and kappa index for testing datasets(72.2%and 27.5%,respectively)suggesting that all the classes are not predicted well.The prediction of soil erosion and no desertification process was good and poor for salinization and water-logging process.Overall,the results observed give a new idea of using the knowledge of desertification process in training areas that can be used to predict the desertification processes at unvisited areas.