发布时间：2020-03-19所属分类：农业论文浏览：1次
摘 要： 摘要：掌握土壤质量因子空间分异特征及其对土地利用方式变化的响应关系对于优化土地利用方式以及改善和提高土壤质量具有重要意义。通过对川中紫色土区典型小流域276样点土壤样品进行调查和分析，结合主成分分析(PCA)和典范对应分析(CCA)等方法，研究了川中紫
摘要：掌握土壤质量因子空间分异特征及其对土地利用方式变化的响应关系对于优化土地利用方式以及改善和提高土壤质量具有重要意义。通过对川中紫色土区典型小流域276样点土壤样品进行调查和分析，结合主成分分析(PCA)和典范对应分析(CCA)等方法，研究了川中紫色土区土壤质量主要敏感因子空间分异特征及其对土地利用方式变化的响应关系。结果显示，(1)紫色土区不同土地利用方式土壤总氮(STN)质量分数均值介于0.90-1.30g∙kg−1;土壤总磷(STP)质量分数均值介于0.48-0.78g∙kg−1;土壤有机质(SOM)质量分数均值介于9.90-19.73g∙kg−1。(2)主成分分析和典范对应分析表明，土壤质量敏感因子主成分与土地利用方式密切相关，且主成分与土地利用方式相关性排序表现为：第一主成分(铵态氮与物理性质)，水田>水旱轮作田>旱地>林地>果园;第二主成分(STN和SOM)，水田>水旱轮作田>林地>果园>旱地;第三主成分(STP和硝态氮)，水旱轮作田>旱地>水田>林地>果园。(3)土壤质量主要敏感因子的变化能较好地响应土地利用方式变化，且土壤质量敏感因子与土地利用方式的CCA排序结果说明，不同的土地利用方式与土壤质量敏感因子间存在着不同的相关关系。土地利用方式的变化是紫色土区土壤质量敏感因子改变的重要驱动力，这将为区域土地资源合理利用、土地利用结构优化以及提高紫色土区土壤生产力和生态功能，特别是减轻区域水土流失状况提供依据。
关键词：紫色土;土壤质量敏感因子;土地利用方式;响应关系
土壤质量状况作为土壤肥力、环境质量和健康质量的综合量度，是土壤维持生产力、环境净化能力以及保障动植物健康能力的集中体现(王华等，2017)，也直接关系到农作物生产及粮食安全(王琪琪等，2016)，可见土壤质量的维护和提高是全球生物圈可持续发展的重要因素之一(李灵等，2011)。在自然和人为因素的作用下，土壤质量因子具有高度的时空变异性，其变异程度与区域气候状况、成土母质、土壤类型、土地利用、水土流失状况以及人为干扰强度密切相关(Al-kaisietal.，2005)。其中，土地利用是人类干预土壤质量最直接、最重要的活动(李灵等，2011)，通过影响土壤有机物输入(郭焱培等，2017;Yuetal.，2014)、冠层结构(Finzietal.，1998)、土壤水分和养分迁移(Sakin，2014;Sixetal.，2014)，进而改变土壤养分循环强度、总量和路径，最终影响土壤性质和质量状况(胡尧等，2018)。合理的土壤地利用方式可改善土壤结构，提高土壤质量、改善土壤环境和生产力，而不合理的土地利用方式则会导致土壤质量下降，加速水土流失和土壤退化等(Laletal.，1999;傅伯杰等，2014)。因此，开展区域土壤质量因子与土地利用方式的响应关系研究，可定量评估区域土地利用方式变化对土壤质量因子的影响，也为区域土地利用结构优化、维护及土壤质量状况改善提供科学依据。
目前，有关土壤质量因子研究，对象多集中在林地、草地、灌丛、湿地、耕地等，研究内容多集中在土壤质量因子的空间变异特征、影响因素以及土壤质量综合评价等方面(杨文焕等，2018;王艳芳等，2018;王玉红等，2017;杨建宇等，2018)。研究方法多采用野外调查、模型模拟、遥感技术、GIS空间分析技术与地统计学分析等(Kumhálováetal.，2011;邓欧平等，2013;李启权等，2013)。如江叶枫等(2018)利用地统计学方法对余干县耕地土壤质量因子的时空变异特征及其影响因素进行分析;Gelawetal.(2014)与Wangetal.(2016)认为土壤养分含量与储量状况的空间变异与土地利用类型密切相关。已有研究表明，土壤生态过程与植被类型、景观类型、群落结构之间存在显著的相关关系(朱新玉，2015;童笑笑等，2018)，且土壤质量因子与自然景观过程具有较好的耦合关系，土壤生态过程的改变是景观过程演变的重要动力，同时景观格局变化进一步影响土壤生态要素的改变(张华兵，2013a)。张华兵(2013b)研究发现自然条件下湿地土壤的理化性质与地表植被之间存在密切关系，而且水分和盐度是湿地植被群落演替的关键控制因子。上述研究多从宏观方面分析了不同区域不同对象的土壤质量因子空间变异特征与影响因素，以及自然条件下植被类型、景观类型、群落结构等与土壤质量因子(特别是湿地生态系统)的耦合关系，缺少土壤质量因子与土地利用方式变化之间响应关系研究，特别是紫色土区土壤质量因子与土地利用方式之间的响应关系鲜见报道，难以揭示该区域土地利用方式变化对土壤质量的影响，也无法指导区域土地利用结构优化、土壤质量维护和提高以及水土流失控制等方面的研究。
相关期刊推荐：《生态环境学报》是经国家新闻出版总署批准的正式学术期刊，向国内外公开发行。该刊是环境科学类的综合学术期刊，主要刊登国内外环境科学和环境工程、生态学和生态工程具有明显创新性和重要意义的原创性研究论文，以及对重大的科学前沿问题有独到见解和理论建树的综述和观点类文章。适合从事生态学、环境科学、资源保护、土壤学、大气科学、水科学、地理学、地质学、地球科学、农业科学、林学、医学、社会科学、经济科学等领域的科技人员、学者、教师、学生、各级管理者和环境爱好者阅读。
紫色土区是长江上游最重要的土地资源之一，20世纪50年代起毁林、开荒对天然林破坏严重。地势较低处的林地、灌丛等多被开垦为坡耕地和水田，随着灌溉设施逐渐完善，地势低洼地带的坡耕地又逐渐改造成水旱轮作田;地势较高的区域，70-80年代人工恢复种植柏木(Cupressusfunebri)林。现今该区域土地利用类型以人工林、坡耕地、水旱轮作田以及水田等为主。由于人类不合理的干扰活动，该区域土地利用方式变化显著，自然植被破坏严重，加之区域地形地貌复杂多变，土地利用方式多样化、碎片化特征显著，土地利用不合理导致土地退化、水土流失、水环境恶化等成为困扰该区的主要环境问题。为此，针对紫色土区开展了很多土壤理化性质及空间变异、生物特性、水土流失风险等方面的研究，但紫色土区复杂的土地利用方式变化与土壤质量因子之间的响应关系还不清楚。本研究从地学角度出发，采用主成分分析与典范对应分析等方法，结合GIS技术，建立紫色土区流域尺度的土壤质量主要敏感因子与土地利用方式的响应关系，探讨该区域土地利用方式变化对土壤质量因子的影响，旨在为紫色土区土地利用结构优化，土壤生产力和生态功能的维护和提高提供参考。
1研究区域与方法
1.1研究区域
本研究选择四川省盐亭县林山乡的万安小流域为研究对象(图1)，该区属于中亚热带季风气候，年均气温17.3℃，多年平均降水量为826mm。土壤类型以石灰性紫色土和水稻土为主，成土速度快，土层较薄，水土流失十分严重。研究区海拔介于380-680m，总面积为12.10km2，其中林地占44.5%，果园占0.2%，旱地占38.3%，水旱轮作田与水田共占12.0%，居民点占3.3%，道路和坑塘等其他用地占1.7%(图1)。流域土地利用类型分布与地形密切相关，其中，水旱轮作田与水田主要分布于流域低洼处，旱地主要集中于丘陵中部，而林地主要分布于丘陵中上部，果园零星分布于居民点周边(均为家庭小面积果园，并无特殊人工管理)。林地为上世纪70-80年代人工恢复的柏木林(Cupressusfunebri)，林下灌木主要有黄荆(Vitexnegundo)、马桑(Coriariasinica)、刺梨(Rosaroxburghii)等，草本多为禾本科(Gramineae)、莎草科(Cyperaceae)、菊科(Compositae)、唇形科(Labiatae)和豆科(Leguminosae)等植物。水旱轮作田和旱地5-9月分别种植水稻(OryzasativaL.)和玉米(ZeamaysL.)，10月至次年4月分别种植油菜(BrassicacampestrisL.)和小麦(TriticumaestivumL.)。研究区大多农户分别于5月底和10月底对作物进行一次性集中施肥，少数农户会在作物种植后45d左右对其进行追肥，氮肥、磷肥和钾肥年施用量大约分别为330kg∙hm−2N、180kg∙hm−2P2O5和72kg∙hm−2K2O。
1.2研究方法
1.2.1样品采集与分析
结合万安小流域土地利用图，依据土地利用类型变化确定林地、果园、旱地、水旱轮作田、水田共计276个采样点，其中小流域3个典型支沟小流域(亚流域)按照大约10m的间距布置样点，其他区域按照土地利用方式的变化随机布置样点(图1)。为减少人为施肥对研究结果的干扰，提高土壤样品的代表性，故在冬季作物收获季(4月)采集土壤样品。由于紫色土区土层较浅，特别是林地土壤深度大多在10-20cm之间，为保持不同土地利用类型土壤样品采集深度一致，采样过程中按照“蛇形”法采集各样点0-15cm的表层土壤，装入自封袋中制成混合样品带回实验室，并分成2份。1份拣出土样中石块、动植物残体等杂物，风干、碾磨，过0.149mm筛后，装入自封袋备用，用于测定土壤有机质、全氮、全磷等指标;一份鲜样冷冻保存，用于测定土壤铵态氮、硝态氮等指标，测定前解冻并过2mm筛。此外，利用4.8cm直径的环刀采集样品，并装于铝盒中带回实验室于105℃烘箱中干燥48h并称重，获得土壤容重(SBD)和含水量(WC)数据。
土壤质量通常定义为土壤生产力，特别是指土壤维持自然植物生长的能力，土壤质量因子包括物理因子(如土壤容重、孔隙度、含水量、温度等)、化学因子(有机质、pH值、全N、全P、速效N、速效P等)和生物因子等(土壤动物与微生物等)(刘世梁等，2006)。鉴于本研究以小流域多种土地利用类型为研究对象，土壤样品较多，故根据现有土壤质量评价相关研究成果，选择土壤容重、含水量、有机质、全氮、全磷、硝态氮、铵态氮等能反映土壤质量状况的主要敏感因子和活跃因子作为研究指标(赵娜等，2014;Ngo-Mbogbaetal.，2015;胡尧等，2018;罗梦娇等，2018)。其中，土壤有机质(SOM)采用重铬酸钾氧化-容量法测定;土壤全氮(STN)采用VarioMAXCN凯氏定氮仪(Elementar，Germany)测定;土壤全磷(STP)采用钼锑抗比色法测定;铵态氮(AN)采用靛酚蓝比色法测定;硝态氮(NN)采用AA3流动分析仪(BRAN+LUEBBE，Germany)测定。具体测定方法和步骤参照《土壤农业化学分析方法》(鲁如坤，2000)。
1.2.2土壤质量敏感因子描述性统计分析
运用SPSS13.0分析土壤质量敏感因子数据的均值、标准差和变异系数，并采用单因素方差分析检验不同土地利用方式条件下土壤质量敏感因子的差异性。
1.2.3土壤质量敏感因子地统计学分析
采用地统计分析方法分析土壤质量因子的空间变异特征。首先，运用GS+7.0对采样点的土壤质量因子数据进行半方差分析，利用不同的半方差模型进行拟合，选取最合适的拟合模型。然后，运用ArcGIS10.0的GeostatisticalAnalyst模块，选择OrdinaryKriging空间插值法生成土壤质量敏感因子空间分布图。
1.2.4土壤质量敏感因子与土地利用方式相关关系分析
由于土壤质量因子变量较多，传统线性相关分析受到限制，本研究采用能够结合多个土壤质量因子的主成分分析法(PCA)和典范对应分析法(CCA)分析流域土壤质量因子与土地利用方式变化之间的响应关系。但在土壤质量因子与土地利用方式之间关系的分析过程中，由于土地利用方式属于定性变量，需要进行合理赋值方能进行定量分析，故在定量分析时，将旱地、水旱轮作田、水田、林地、果园5种土地利用方式分别设置成5个虚拟变量，并进行0和1哑变量赋值，将土地利用方式由定性变量转化为能进行CCA分析的定量变量。
在进行土地利用方式与土壤质量因子关系排序时(CCA排序分析)，首先采用主成分分析法建立新的主成分变量作为土壤质量因子解释变量，土地利用方式作为响应变量，运用典范对应分析法分析它们之间的关系和空间分布规律。本研究运用Excel2010进行描述性统计分析，SPSS19.0软件进行主成分分析、方差分析和LSD(P<0.05)多重比较分析;运用CanocoforWindows5进行CCA排序分析和作图，具体方法参照文献(Lepšetal.，2003)。
2结果与分析
2.1流域土壤质量敏感因子空间分异特征
由表1可知，水田的STN、AN、SOM和WC的质量分数分别为(1.30±0.22)g∙kg−1、(10.07±6.31)mg∙kg−1、(19.73±3.45)g∙kg−1和40.82%±4.86%，均普遍高于其他土地利用类型(P<0.05);水旱轮作田和旱地的NN质量分数分别为(41.22±21.69)、(24.22±10.61)mg∙kg−1，亦显著高于林地(12.58±8.40)mg∙kg−1、水田(11.21±13.42)mg∙kg−1和果园(6.24±2.80)mg∙kg−1(P<0.05);水田(0.78±0.11)g∙kg−1、水旱轮作田(0.71±0.13)g∙kg−1、旱地(0.71±0.14)g∙kg−1土壤STP含量明显高于林地(0.48±0.15)g∙kg−1和果园(0.51±0.11)g∙kg−1;林地和果园SBD显著高于其他土地利用类型(P<0.05)，在土地利用方式上表现为果园>林地>水旱田>旱地>水田。其中，由于长期处于淹水环境同时受人为耕作熟化的影响(张文菊等，2005)，水田表层土壤容重最小，仅为1.00g∙cm−2。总体上，水田、水旱轮作田以及旱地等土壤养分水平相对较高，林地和果园相对较低。
本研究采用Kriging空间插值法对土壤质量主要敏感因子进行空间插值，以便更直观地显示土壤质量敏感因子的空间变化趋势。如图2所示，STN和SOM的空间变异规律相似，流域低洼处和中上部含量较高，而流域中部区域含量相对较低;土壤STP和NN的高值区主要集中在流域低洼处和中部区域;AN和WC的高值区主要位于流域低洼处;而SBD的高值区和低值区都集中在流域低洼处，这与水旱轮作田和水田都集中在低洼处有关。
2.2土壤质量敏感因子主成分分析
采用SPSS软件中的Zscore方法对土壤质量敏感因子数据进行标准化处理，然后进行主成分分析，在特征值大于1的情况下抽取3个主成分(表2)。前3个主成分的方差贡献率分别为36.455%(P1)、30.202%(P2)和18.691%(P3)，累积贡献率为85.347%，且公因子方差均超过了0.6，说明抽取的3个新的公因子对土壤质量因子的变量解释程度超过了85%。以x1-x7分别表示各土壤质量因子指标，根据因子主成分分析得分系数，可得到如下
2.3基于CCA的土壤质量敏感因子与土地利用方式的响应关系
主成分与土地利用方式的CCA排序结果显示，土地利用方式解释了总变量的85.35%，蒙特卡洛检验P=0.002(MonteCarlotest499，F=72.334)，表明排序轴在统计学上是具有显著性的。由于主成分与土地利用方式CCA排序图(图3)和土壤质量敏感因子与采样点CCA排序图(图4)具有高度的一致性，说明主成分能够很好地反映土壤质量敏感因子与土地利用方式之间的响应关系。主成分与土地利用方式之间对应分析特征值总和为4，第一主轴特征值为0.853，占总特征值的比例为31.33%，第二主轴特征值为0.750，占总特征值的28.75%。第一、第二主轴能够累积解释主成分与土地利用方式关系总变异的60.08%。在主成分与土地利用方式CCA排序图上，对主成分射线延长，将土地利用方式点投影于射线上，沿着主成分箭头方向因子变量值增大，也反映了主成分与土地利用方式之间相关性增强。图3表明，主成分P1(代表AN、WC、SBD)与水田的相关性最大，其次依次为水旱轮作田、旱地、林地和果园。代表STN和SOM的主成分P2与水田的相关性最强，与旱地的相关性最弱。代表STP和NN的主成分P3与水旱轮作田的相关性最强，其次依次是旱地、水田、果园和林地。
SCISSCIAHCI
