下载:
-
温室气体排放加剧全球气候变暖[1]，导致系列环境问题频发，如水资源短缺[2]、区域干旱化加剧[3]等。氧化亚氮(N2O)是主要的温室气体之一，在百年尺度上，N2O造成全球变暖的潜力是二氧化碳(CO2)的265倍[4]。土壤是N2O的一个重要排放源[5]，据估计，大气中80%~90%的N2O来源于土壤[6]。土壤中由微生物介导的硝化和反硝化过程是N2O主要产生途径，其中，施肥土壤是N2O排放量最高的土壤。有研究表明：氮(N)、磷(P)肥的大量施用会增加土壤气态氮、氧化氮(NO)、N2O等的排放[7-9]。因此，合理施肥对缓解全球气候变化显得极为重要。土壤N2O的排放不仅仅与施N、P肥相关，还受土壤含水量的影响，土壤含水量是影响N2O的排放的一种潜在因素[10]。有研究表明：土壤含水量的增加会降低土壤N2O的排放[11-12]，也有研究表明：土壤含水量的增加会促进土壤N2O的排放[13-15]。聚丙烯酰胺是用强吸水性树脂制成的超高吸水保水能力的高分子聚合物。它可以吸收大量的水，然后形成水凝胶，且可以反复吸水。当土壤处于干旱时，它会缓慢的将水分释放，供土壤和植物利用[16-18]，大幅度提高了用水效率。而且聚丙烯酰胺还具有改善土壤结构、低成本、使用方便等诸多优点，对农林产品的生产经营具有一定的实际意义。油茶Camellia oleifera是中国南方最重要的食用油料树种，主要分布于秦岭淮河以南至华南北部，以江西和湖南为主产区。江西省油茶产区属于典型的红壤地区，受亚热带季风气候的影响，夏季水热不同期。在这一时期内，油茶树进行产果，氮磷的缺乏会影响油茶的油脂转化，缺水会导致油茶落果，这将会限制油茶林的高产[19]。因此，保水剂聚丙烯酰胺的施用对油茶林的产果量有着很大意义。近年来，已有不少研究表明施氮、磷肥可以促进温室气体排放[7-9]，聚丙烯酰胺可以增加土壤含水量，进而影响土壤N2O排放，那聚丙烯酰胺和氮、磷肥共同施用会如何影响油茶林土壤N2O排放？本研究通过添加不同肥料和不同用量聚丙烯酰胺，来探究聚丙烯酰胺和施肥对油茶土壤N2O排放的影响，为发展高效节水林业和缓解全球气候变化提供理论依据。
-
样地位于江西农业大学科技园(28°45′53″N，115°50′10″E)，属于亚热带湿润季风气候。年日照时间为1 723~1 820 h，日照率为40%，7−8月最高，2−3月最低；年平均气温约18 ℃，年降水量为1 600~1 700 mm，降水日主要集中在4−6月。土壤为典型红壤。
所用油茶苗是1年生实生苗，土壤采自未施肥油茶林。所施用的氮肥为硝酸铵(NH4NO3，分析纯)，磷肥为磷酸氢二钠(Na2HPO4，分析纯)。保水剂聚丙烯酰胺(分析纯)为阴离子型，平均分子量不小于1 000万。土壤基本理化性质：有机碳13.01 g·kg−1、全氮1.46 g·kg−1、速效磷1.07 mg·kg−1、铵态氮1.87 mg·kg−1、硝态氮1.68 mg·kg−1、pH 5.76。
-
盆栽试验于2018年4月17日至9月26日进行，盆栽容器为高18 cm，宽16 cm的圆形花盆，每盆土质量为1 500 g。试验共设置12个处理：C0+ck、C0+P、C0+N、C0+N+P、C1+ck、C1+P、C1+N、C1+N+P、C2+ck、C2+P、C2+N、C2+N+P。其中，C0、C1、C2分别为施用保水剂聚丙烯酰胺0、1.0、2.0 g·kg−1。每个处理3个重复，聚丙烯酰胺与土壤混施，氮磷肥加水混合均匀喷施。共施肥3次，分别为6月1日(0.050 g·kg−1 N，0.025 g·kg−1 P)、6月24日(0.040 g·kg−1 N，0.020 g·kg−1 P)和7月18日(0.040 g·kg−1 N，0.020 g·kg−1 P)，共施氮肥0.130 g·kg−1，磷肥0.065 g·kg−1。
-
采用静态暗箱法测定土壤N2O通量。静态箱体由箱体和底座2个部分组成，箱体是由有机玻璃制成的内径为18 cm，高为80 cm的圆柱体。箱体上侧的中心位置有1个小孔，用于放置温度计，用于记录箱体温度。箱体外部用锡箔纸进行包裹，保证在采气过程中内部是黑暗状态。底座由水进行密封，保证在抽气过程中箱内空间密闭。采样时把每盆油茶苗搬到底座上，再扣上箱体，用50 mL的医用注射器进行气体采集。采气过程中，注射器需反复抽拉10次，保证所采气体是混合均匀的[20]。气体采集时间自5月23日开始，7 d采集1次，每次施肥后的第1、3、6天进行气体采集，后逐渐延长采气时间。每次的气体采集时间为9:00−11:00，盖上箱体后的0、5、10、15 min分别抽取40 mL气体注入真空气袋。在气体采集过程中，用W.E.T Sensor Kit测定盆栽内土壤的温度和湿度。
N2O排放通量的测定：用气相色谱仪(安捷伦7890B)测定N2O质量浓度，并根据方程式计算N2O排放通量(L)：
$L=P\times V\times \dfrac{\Delta c}{\Delta t}\times \dfrac{1}{R\times T}\times M\times \dfrac{1}{S}$ 。其中：P代表标准大气压力(Pa)，V指箱内空间的体积(m3)，Δc/Δt代表单位时间内N2O质量浓度的变化量(μg·L−1)，R代表通用气体常数(m3·mol−1·K−1)，T代表采气时箱内温度(K)，M代表N2O的分子质量(g·mol−1)，S代表箱体的底面积(m2)。N2O累积排放量根据以下公式计算：
$$ E=\sum _{i=1}^{n}\frac{\left({L}_{i}+{L}_{i+1}\right)}{2}\times \left({t}_{i+1}-{t}_{i}\right)\times 24{\text{。}}$$ 其中：L代表N2O排放通量(μg·m−2·h−1)，i表示第i次进行气体采集，ti+1−ti代表2次采样的间隔天数，n代表气体采集的次数。
-
用Excel 2010对数据进行统计和处理，利用JMP 9.0软件进行单因素方差分析，利用Origin 2017软件绘图。
-
由图1和图2可见：随着时间的变化，不同处理土壤温度和N2O排放通量无明显差异。聚丙烯酰胺处理土壤含水量高于未添加聚丙烯酰胺，说明聚丙烯酰胺对土壤有很好的保水作用。
图 1 南昌市平均降水量、平均气温图和试验土壤含水量、土壤温度动态图
Figure 1. Dynamic diagram of mean rainfall and medial temperature in Nanchang, and dynamic diagram of soil water content and soil temperature
图 2 土壤N2O排放通量动态图
Figure 2. Dynamic diagram of soil N2O emission flux
-
由表1和图3可见：未施肥条件下，C1和C2处理土壤含水量较之C0，分别增加37.5%、53.2%(P＜0.05)；单施N条件下，土壤含水量从大到小依次为C2、C1、C0，与C0对比，C1和C2分别增加38.3%、61.4%(P＜0.05)；单施P条件下，C1和C2处理土壤含水量较之C0，分别增加51.4%、71.6%(P＜0.05)；施N+P条件下，C1和C2处理土壤含水量较之C0，分别增加65.4%、57.6%(P＜0.05)。总体上，C1、C2处理土壤含水量均显著高于C0，说明聚丙烯酰胺可以有效提高土壤保水性能。
表 1 不同处理对土壤N2O排放通量、土壤含水量和N2O累积排放量的影响
Table 1. Effects of different treatments on soil N2O emission flux, soil moisture content and cumulative N2O emission
处理 df F N2O排放通量 土壤含水量 N2O累积排放量 N 1 5.41* 13.72** 1.35 P 1 6.27* 5.05* 5.41* N+P 1 2.23 4.19 0.49 C 2 0.66 200.89** 2.75 N+C 2 0.13 1.34 0.18 P+C 2 2.45 3.78* 2.24 N+P+C 2 3.13* 4.17* 1.71 说明：N表示施氮处理，P表示施磷处理，C表示施加聚丙烯 酰胺处理；*P＜0.05，**P＜0.01 
图 3 不同聚丙烯酰胺添加和施肥对土壤含水量的影响
Figure 3. Effects of different polyacrylamide addition and fertilization on soil moisture content
-
由图4和图5可见：添加1.0 g·kg−1聚丙烯酰胺条件下，施N、P、N+P的土壤N2O排放通量较之未施肥土壤，分别增加56.0%、61.7%、40.7%(P＜0.05)；添加2.0 g·kg−1聚丙烯酰胺条件下，施P、N+P的土壤N2O排放通量较之未施肥土壤，分别增加38.7%、58.1%(P＜0.05)。C0+ck、C1+ck、C2+ck处理表明：添加聚丙烯酰胺的土壤N2O排放通量要低于未添加的，但不显著，可能是聚丙烯酰胺施用的量较小。相对于只添加聚丙烯酰胺的处理，施肥和添加聚丙烯酰胺的，土壤N2O排放通量增加，说明聚丙烯酰胺与N、P之间存在某种作用促进土壤N2O排放。施P显著提高土壤N2O累积排放量(P＜0.05)，相较于ck增加13.3%。
图 4 不同聚丙烯酰胺添加和施肥对土壤N2O排放通量的影响
Figure 4. Effects of different polyacrylamide addition and fertilization on soil N2O emission flux
图 5 施磷肥对N2O累积排放量的影响
Figure 5. Influence of phosphate fertilizer on N2O cumulative emission
-
施用聚丙烯酰胺显著提高了油茶土壤的含水量，原因可能是聚丙烯酰胺影响了土壤的孔隙状况，降低土壤入渗率，增加了土壤的持水能力[21]，而且聚丙烯酰胺是一种含有大量亲水基和疏水基的高分子化合物，它可以加强土壤对水分子的吸着能力，从而有效抑制土壤水分的蒸发，增加土壤含水量[22]。而土壤含水量和施肥共同影响土壤N2O排放通量。不同施肥处理的土壤含水量从大到小依次为C2+N、C1+N、C0+N和C2+P、C1+P、C0+P和C1+N+P、C2+N+P、C0+N+P，不同施肥处理土壤N2O排放通量最高的分别是C1+N、C1+P、C2+N+P，总体表现为施肥处理下的土壤N2O排放通量随着土壤含水量的增加呈现先增后减的趋势。因为土壤含水量控制着氧气进入土壤以及土壤中NO、N2O和氮气(N2)的排放[23]，在干燥的土壤中，气体的扩散率很高，所以大部分NO在被消耗之前就可以从土壤中扩散出去[24]。在湿润的土壤中，气体的扩散率较低，透气性较差，大部分NO在逸出土壤之前就被减少了，更多的被还原，氧化物N2O是主要的最终产物。当土壤的含水量更高且土壤大多为厌氧状态时，大部分的N2O在逸出土壤之前被反硝化作用进一步还原为N2[25]。本研究中，在C0处理下，施N、N+P处理并没有显著增加土壤N2O排放通量，造成这样的原因可能是低土壤含水量影响了土壤微生物活性，减少了无机氮的产生，抑制了土壤的硝化和反硝化作用[24]；施P处理的土壤N2O排放通量略低于ck，可能是磷肥的施用促进植物对氮的吸收利用。通过比较C0+ck、C1+ck、C2+ck，较高的土壤含水量抑制了土壤N2O排放通量，这可能是因为土壤处于厌氧环境，反硝化最终的主要产物是N2，而且较高的土壤含水量有利于提升养分的运输速率，加快了植物对无机氮的吸收，从而减少了土壤N2O的排放[26]。
-
磷是油茶品质和产量的关键限制因子，所以在经营油茶林的时候，磷肥的施用是不可少的。本研究发现施用磷肥促进了N2O累积排放量，这与以往的一些研究恰好相反。有研究[11, 27]发现：施用磷肥减少了N2O的排放，并认为这可能是土壤中的速效磷含量低，限制了植物对无机氮的吸收，而磷肥的施用增加了土壤速效磷含量，解除了植物的营养限制，减少了可用于生产N2O的无机氮含量，从而降低了土壤N2O的排放。但也有研究表明：施用磷肥促进了N2O的排放[28-30]，与本研究结果一致。一方面，因为土壤在缺磷的时候，微生物的活性受到抑制[31-33]，而施用磷肥解除了微生物的磷限制，从而微生物活性增强，由微生物介导的硝化和反硝化作用就会被加强，促进了土壤N2O的排放。另一方面，施用磷肥刺激了异养菌群的活性，增加了土壤中氧气的消耗，创造出一个厌氧环境，有利于反硝化作用[34]。而且施用磷肥也可能会通过诱导微生物对氮的需求来促进土壤有机质的分解，影响土壤总氮的矿化，增加硝化和反硝化作用的底物，从而促进土壤N2O的排放[35]。本研究所用土壤是典型红壤，存在较强的磷限制，这不仅限制了植物对养分的吸收，还限制了微生物的活性。施用磷肥解除了这些限制，促进了植物对无机氮的吸收，但也加强了微生物的硝化和反硝化作用。从本结果来看，可能是微生物介导气态氮释放过程的强度要大于植物对N的吸收强度，导致总体的土壤N2O排放的增加。
-
施用聚丙烯酰胺会显著提高油茶林土壤含水量，并随施用聚丙烯酰胺施用量的增加土壤含水量也不断升高。施用聚丙烯酰胺不会促进土壤N2O排放通量，但氮、磷肥和聚丙烯酰胺存在交互作用，施聚丙烯酰胺条件下，施用氮、磷肥会显著增加土壤N2O排放量。施用磷肥促进了油茶林土壤N2O排放，因此，油茶林要合理施肥，在磷肥能满足树木生长所需的前提下，减少磷肥施用，有利于缓解温室效应。
Effects of water-retaining agent on soil nitrous oxide emission in Camellia oleifera forest under nitrogen and phosphorus addition
-
摘要:
目的 化肥施用导致土壤氧化亚氮(N2O)排放增加，加剧了全球气候变化。在干旱和降水分配不均地区，土壤含水量是影响土壤N2O排放的关键因子，施用保水剂(如聚丙烯酰胺)可能影响土壤N2O排放。本研究目的是探究氮(N)与磷(P)肥添加下施用聚丙烯酰胺对土壤N2O排放的影响。 方法 以油茶Camellia oleifera林土壤为研究对象，设置不同处理，包括不同肥料添加[N、P、N+P、不施肥(ck)]，不同聚丙烯酰胺用量(C0：0 g·kg−1，C1：1.0 g·kg−1，C2：2.0 g·kg−1)以及两者交互处理，利用静态箱-气相色谱法测定油茶苗生长期内土壤N2O排放。 结果 ①施用聚丙烯酰胺显著提高了油茶林土壤含水量(P＜0.05)，且土壤含水量随保水剂施用量的增加而增加。与C0相比，C1和C2土壤的含水量分别增加47.1%和57.4%，但施用聚丙烯酰胺不会促进土壤N2O排放(F=2.75，P＞0.05)。②施磷肥显著提高土壤N2O累积排放量(P＜0.05)，相较于ck增加13.3%。③与只添加聚丙烯酰胺的土壤相比，1.0 g·kg−1聚丙烯酰胺分别与N、P、N+P肥混施处理的土壤N2O排放通量分别显著增加56.0%、61.7%、40.7% (P＜0.05)；2.0 g·kg−1聚丙烯酰胺与P、N+P肥混施处理的土壤N2O排放通量分别显著增加38.7%、58.1% (P＜0.05)。 结论 施用聚丙烯酰胺不仅能有效提高油茶土壤保水能力，而且还不会促进油茶土壤N2O排放，有利于发展高效节水林业和缓解全球气候变化。图5表1参35 Abstract:Objective The application of chemical fertilizer accelerates soil nitrous oxide (N2O) emission and intensifies global climate change. Soil moisture content is a key factor affecting soil N2O emission in arid and uneven rainfall distribution areas, so the application of water retaining agent (such as polyacrylamide) affects soil N2O emission. The purpose of this study is to explore the effect of polyacrylamid on soil N2O emission under the application of N and P fertilizer. Method Taking Camellia oleifera forest soil as the research object, different treatments were set, including different fertilizer additions (N, P, N+P, ck), different polyacrylamide dosage (C0: 0 g·kg−1, C1: 1.0 g·kg−1, C2: 2.0 g·kg−1) and their interaction. The soil N2O emission during the growth of C. oleifera seedlings was determined by static chamber gas chromatography. Result (1) The application of polyacrylamide significantly increased the soil moisture content of C. oleifera (P＜0.05), which increased with the increase of the application amount. Compared with C0, the soil moisture content of C1 and C2 increased by 47.1% and 57.4% respectively, but the application of polyacrylamide did not promote soil N2O emission (F=2.75, P＞0.05). (2) The application of P fertilizer significantly increased the cumulative soil N2O emission (P＜0.05), which increased by 13.3% compared with ck. (3) Compared with the soil supplemented only with polyacrylamide, the N2O emission fluxes of soil treated with 1.0 g·kg−1 polyacrylamide and N, P, N+P fertilizer increased significantly by 56.0%, 61.7%, and 40.7%, respectively (P＜0.05). The N2O emission fluxes of soil treated with 2.0 g·kg−1 polyacrylamide and P, N+P fertilizer increased significantly by 38.7% and 58.1%, respectively. Conclusion The application of polyacrylamide in C.oleifera soil can effectively improve soil water holding capacity, but will not promote soil N2O emission, which is conducive to the development of efficient water-saving forestry and the mitigation of global climate change. [Ch, 5 fig. 1 tab. 35 ref.] -
中国城镇化进程以中国区域经济发展为主线，其本质是空间层面上要素的流动与资源的配置[1]。近年来，长江三角洲地区城镇化水平明显提高，城市人口急剧增长，客观上导致了城市空间无序扩张、土地利用混乱、生态空间啃食严重等问题的出现。在此背景下，认识城市化进程下绿地空间的动态演变规律，系统研究人类活动对绿地空间的作用，构建合理的绿地空间格局和数量结构，对城市可持续发展和健康人居环境建设具有重要意义。
市域绿地指城市行政管辖范围内，以自然和人工植被为主要存在形态的城市用地，具有维护区域生态环境、提供郊野游憩空间、城镇隔离等重要作用。目前针对市域绿地的研究主要包括3个方面：①市域绿地的界定与规划编制问题探讨[2−3]。②市域绿地面积与空间结构演变分析。相关研究主要基于地理信息系统数据库以及遥感影像技术，运用土地动态度、景观格局指数、归纳演绎等方法，围绕典型区域展开实证研究[4−6]。③绿地演变影响机制研究。目前相关研究主要从定性和定量2个方面探究绿地面积和空间结构产生演变的影响因素[7−8]。研究多是围绕着南京绿色空间(包括林地、草地和耕地)的演变[9−10]展开，聚焦于南京市域绿地研究较少[11−12]，这不利于进一步构建生态安全格局；在研究尺度方面，近年来多聚焦于南京都市圈[13−14]或是南京部分城区[15]；针对南京市域绿地格局演变影响因素的研究较少，且多受数据限制，研究方法多以定性或简单回归为主[16−17]。
2000—2020年，在城市化建设与生态环境建设叠加作用的背景下，南京市域绿地的演变具有复杂性，探究市域绿地面积演变及其影响因素，有利于进一步协调城市经济发展与可持续发展之间的关系。鉴于此，本研究将基于南京市2000—2020年共5期的绿地地理信息数据，分析其动态格局演变过程，探寻演变影响因子及作用机制，以期为南京市域绿地优化与区域可持续发展提供依据与支持，也为其他经济发达地区市域绿地空间构建与管理提供借鉴。
1. 研究区概况
南京市地处长江三角洲西端(31°14′~32°37′N，118°22′~119°14′E)，市域总面积为6 586.02 km2。气候类型为北亚热带湿润气候，四季分明，雨水充沛。位于宁镇扬丘陵地区，低山缓岗(图1)。栖霞山、牛首山、幕府山、狮子山、清凉山、鸡笼山环峙城区。市域内江河湖泊遍布，长江穿城而过，主要河流有秦淮河、滁河等，玄武湖、石臼湖、金牛湖等湖泊星罗棋布，造就以山、水、城、林为大格局的奇致景观。
2. 数据来源与研究方法
2.1 数据来源
本研究所用遥感影像数据来源自美国地质勘探局[USGS，
https://earthexplorer.usgs.gov/ (Earth Explorer)]，采用2000、2005、2010、2015、2020年5个时间节点的Landsat TM/OIL遥感影像，影像分辨率为30 m×30 m，云量皆小于5%。使用中国科学院资源环境科学数据中心(https://www.resdc.cn/ )提供的2015年中国地市行政边界数据对遥感影像进行裁剪。对通过ENVI 5.3预处理后的数据进行目视解译，参照国际地圈生物圈计划(IGBP)的土地利用及覆盖变化(LUCC)分类系统，结合南京实际和研究目的，将土地利用类型分为河流、湖泊、建设用地、林地、草地、耕地和裸地7类(图2)，最终通过总体分类精度以及混淆矩阵对分类准确度验证(表1)。
图 2 2000—2020年南京市土地利用分类示意图Figure 2 Land use classification map in Nanjing from 2000 to 2020表 1 2000—2020年南京市土地利用分类图精度验证统计表Table 1 Accuracy verification statistics of Nanjing land use classification map from 2000 to 2020年份 总体分类精度/% Kappa系数 2000 93.3 0.88 2005 93.3 0.89 2010 92.0 0.85 2015 89.0 0.83 2020 91.3 0.87 将南京市域绿地演变的影响因子分为自然因素和社会经济要素两大类。首先，对自然因素的考虑缘于其在大尺度空间上和较长时间范围内对绿地格局变化的影响。其次，政府在城市化进程当中会通过改变用地性质来指引社会未来发展方向，故社会经济因素的变化会在较小尺度空间上和短时间范围内引起绿地格局的变化[18]。影响机制研究中涉及的数据主要来源于相应年份的《江苏省统计年鉴》和《南京市统计年鉴》。此外，年份久远的个别缺失数据根据当年各区县统计数据进行计算补充。考虑到数据的可获取性以及可定量化，具体影响因子选取如表2所示。
表 2 南京市域绿地演变的影响因子Table 2 Influencing factors on the evolution of Nanjing’s urban green space分类 编号 影响因子 单位 自然因素 1 年降水量 mm 2 年平均气温 ℃ 3 全年日照时长 h 4 总水资源量 亿m3 社会经济要素 5 地区生产总值 亿元 6 人均国内生产总值(GDP) 万元·人−1 7 第一产业产值比例 % 8 第二产业产值比例 % 9 第三产业产值比例 % 10 农林牧渔业总产值 亿元 11 建成区绿化面积 hm2 12 常住人口数量 万人 说明：自然因素数据来源于《南京市统计年鉴(2001—2021)》《江苏省统计年鉴(2001—2021)》，社会经济要素数据来源于《江苏省统计年鉴(2001)》《南京市统计年鉴(2006—2021)》 2.2 研究方法
2.2.1 动态度计算
使用动态度表达研究范围内某种类型的绿地数量在一定时间段内的变化速率。其计算公式为：
$$ I_{\mathrm{R}}=\frac{{S}_{\mathrm{b}}-{S}_{\mathrm{a}}}{{S}_{\mathrm{a}}} \times \frac{1}{{T}} \times 100 \% 。$$ 其中：IR表示研究区在该时间段内单一绿地类型的变化速率，即动态度；Sa为该类绿地在研究时间段起点的面积；Sb为该类绿地在研究时间段终点的面积；T为时间间隔年份。
综合土地动态度反映研究区内绿地总数量在一定时段内的变化速率。其计算公式为：
$$ {R}=\left(\frac{\displaystyle \sum_{{i}=1}^{n}{\Delta S}_{{i-j}}}{2 \displaystyle \sum_{{i}=1}^{{n}} {S}_{{i}}}\right) \times \frac{1}{{T}} \times 100 \% 。$$ 其中：R表示研究区在该时间段内所有绿地类型的变化速率即绿地综合动态度；j为某种绿地类型，Si为研究起始时间第i类绿地的面积；
$ \Delta S_{i-j}$ 为研究时段内第i类绿地转化为第j类绿地的面积绝对值；T为时间间隔年份。2.2.2 景观格局指数分析
景观格局指数是能够高度浓缩景观格局信息，反映其结构组成和空间配置某些方面特征的简单定量指标，景观格局指数分析方法能够揭示市域绿地格局的时空演变特征[19−22]。为了全面系统地对南京市域绿地景观格局结构、特点、动态进行描述，采用斑块数量(NP)、边缘密度(ED)、景观形状指数(LSI)、连接度指数(CONHESION)以及香农多样性指标(SHDI)表明绿地景观格局的水平。基于Fragstats 4.2软件计算各个景观指数，计算方法见参考文献[23]。
2.2.3 偏最小二乘回归模型(PLSR)
PLSR作为一种多元统计回归模型，具有广泛适用性，近年来被大量运用到土地覆被变化的影响机制研究当中[18, 24]。PLSR模型具有以下优点：首先，它可以同时实现主成分分析、相关分析和线性回归分析；其次，它能够排除自变量或因变量指标之间的多重共线性问题，同时适用于样本容量较小的情况。
在PLSR模型中，交叉有效性(Q2)表示模型的预测能力，当Q2＞0.097时，模型具有较强的预测能力。解释能力(
$R_{\rm{Y}}^2 $ )表示模型的稳健性，当$R_{\rm{Y}}^2 $ ＞0.5时，模型具有较好的稳健性。变量投影重要性(VIP)表示各个解释变量的相对重要性，当VIP＜0.5时，变量对于绿地格局演变不重要；当0.5＜VIP＜1.0时，变量对绿地格局演变比较重要；当VIP＞1.0时，变量对绿地格局演变具有较为明显的解释能力，VIP越大，自变量对因变量的解释性越强[25]。回归系数(RC)表示各解释变量与绿地格局演变的正负相关性，当RC＞0时，变量与绿地格局演变呈正相关；当RC＜0时，变量与绿地格局演变呈负相关。使用SIMCA-P软件进行回归模型的构建以及绿地演变影响机制研究。3. 结果与分析
3.1 南京市域绿地演变分析
南京市土地利用类型总体上呈现以耕地、建设用地为主，河流、湖泊、林地、草地及裸地为辅的格局。2000—2020年，研究区域内水域及裸地变化较小，建设用地占比持续大幅度增加，耕地面积不断缩减转移，市域绿地面积变化起伏较为明显(图3)。
图 3 2000—2020年南京市域土地利用面积变化对比图Figure 3 Comparison of land use area changes in Nanjing City area from 2000 to 20202000—2020年，南京市域绿地面积总体呈先减后增的状态。其中，作为市域绿地组成部分的林地与草地在面积上呈现出的变化趋势具有一定的差异性(表3)。2000—2005年，林地和草地的面积均呈减少状态，分别减少了72.47和86.77 km2，两者的变化动态度分别为−2.10%·a−1和−11.46%·a−1，最终市域绿地面积整体减少了159.24 km2，整体面积的变化动态度为−3.78%·a−1。2005年之后，林地面积一直呈现正增长的状态，但与持续下降的草地面积进行综合计算后发现：研究期间市域绿地面积仅增加了11.96 km2，变化动态度为0.07%·a−1。
表 3 不同时期南京市域绿地规模变化Table 3 Changes of green space scale in Nanjing during different periods土地类型 2000—2005年 2005—2010年 2010—2015年 2015—2020年 2000—2020年 变化量/
km2动态度/
(%·a−1)变化量/
km2动态度/
(%·a−1)变化量/
km2动态度/
(%·a−1)变化量/
km2动态度/
(%·a−1)变化量/
km2动态度/
(%·a−1)林地 −72.47 −2.10 72.78 2.35 12.10 0.35 104.73 2.97 117.14 0.85 草地 −86.77 −11.46 −6.94 −2.15 −1.48 −0.51 −9.99 −3.55 −105.18 −3.47 市域绿地 −159.24 −3.78 62.84 1.93 10.62 0.28 94.74 2.49 11.96 0.07 说明：正值表示该类用地面积呈正向增长；负值表示该类用地面积呈负向减少 3.2 南京市域绿地景观格局分析
根据斑块数量指数可知：在2000—2020年南京市域绿地斑块趋于破碎化。结合边缘密度指数和景观形状指数的变化可以看出：绿地景观形状复杂度逐步升高。在景观系统中，土地利用越丰富，破碎化程度越高，其不定性的信息含量也越大，香农多样性指数也就越高。2000—2005年香农多样性指数明显下降，说明这5 a间，市域绿地各斑块类型减少且并呈不均衡化趋势分布，绿地破碎化有一定的缓和。2005—2020年，香农多样性指数稳步上升，说明后期南京市域内部土地利用类型更加丰富，景观破碎度也随之升高。另外，2000—2005年，连接度指数稍有提高，但2005年之后，由于景观破碎度升高，其连接度也持续降低(表4)。
表 4 市域绿地景观格局指数统计Table 4 Pattern index statistics of urban green space landscape年份 斑块数
量/个边缘密度/
(m·hm−2)景观形
状指数连接度
指数香农多样
性指数2000 2 130 9.012 21.525 99.987 0.385 2005 2 993 8.456 19.984 99.987 0.334 2010 6 635 9.618 22.298 99.986 0.355 2015 5 393 9.160 21.369 99.986 0.358 2020 7 690 11.642 26.405 99.986 0.386 3.3 南京市域绿地演变影响机制分析
3.3.1 市域绿地规模演变的影响因素分析
以8项社会经济指标和4项自然影响因素为自变量，以南京市域绿地面积为因变量构建回归模型，对影响市域绿地规模演变的主要因素进行主成分提取。以Q2＞0.097和
$R_{\rm{Y}}^2 $ ＞0.5作为PLSR模型主成分提取的终止条件，市域绿地的总体面积最终以$R_{\rm{Y}}^2 $ =0.808和Q2=0.534在第2主成分处达到模型终止条件。南京市域绿地规模变化的重要解释变量如表5和图4所示。表 5 市域绿地规模与各影响因素的偏最小二乘回归结果Table 5 Results of partial least squares regression of urban green space scale and each influencing factor影响因子 变量投影重要性(VIP) 回归系数(RC) 年降水量 0.80 0.17 年平均气温 1.16 0.35 全年日照时长 0.89 −0.23 总水资源量 1.02 −0.18 地区生产总值 0.75 0.10 人均GDP 0.74 0.08 第一产业产值比例 1.79 0.44 第二产业产值比例 0.83 −0.20 第三产业产值比例 0.77 0.02 农林牧渔业总产值 0.74 0.03 建成区绿化面积 1.24 −0.23 常住人口数量 0.71 0.003 
图 4 各影响因素对南京市域绿地面积的PLSR分析Figure 4 PLSR analysis of each influencing factor on the green space area of Nanjing通过市域绿地面积与各影响因素的PLSR结果分析可知：社会经济指标的变化与自然环境的演变在不同程度上影响着市域绿地面积的演变，其中主要因素(VIP＞1)为年平均气温、总水资源量、第一产业产值比例以及建成区绿化面积。由回归系数可知：与市域绿地面积演变呈正相关(RC＞0)的因素为年平均气温、年降水量、地区生产总值、人均GDP、第一产业产值比例、第三产业产值比例、农林牧渔业总产值以及常住人口数量。除此之外，其余因素均与市域绿地面积变化呈负相关。
其中，第一产业产值比例为市域绿地面积演变最相关的因子，且为正相关，说明以种植业、林业等自然物为生产对象的第一产业规模与城市绿地规模密不可分。同时，这也体现出产业关系转变在城市绿地格局演变中的重要地位。另外，建成区绿化面积指标作为市域绿地面积演变的次相关因子，反而呈现负相关关系，说明相关城市规划政策的制定仍旧只聚焦于城市建成区内的绿地修复，而在城市扩张区域初始发展阶段并不注重绿化建设，体现出城市生态发展地域间的不平衡问题。除此之外，通过对自然条件相关性的评估可以看出，适宜的温度环境以及水资源环境对植物生长有长期性的影响，因此也是城市绿地发展的重要先决条件。
3.3.2 市域绿地格局演变的影响因素分析
将景观格局指数作为因变量，将社会经济指标以及自然影响因素作为自变量进行PLSR分析。以Q2＞0.097和
$R_{\rm{Y}}^2 $ ＞0.5作为PLSR模型主成分提取的终止条件，南京市域绿地总体斑块数量、边缘密度、景观形状指数、连接度指数在第1主成分处已满足模型终止条件，$R_{\rm{Y}}^2 $ 分别为0.781、0.731、0.687、0.891，Q2分别为0.729、0.457、0.380、0.829；香农多样性指数以$R_{\rm{Y}}^2 $ =0.796及Q2=0.525在第2主成分处达到了模型终止条件(表6和图5)。表 6 市域绿地景观格局指数与各影响因素的偏最小二乘回归结果Table 6 Results of partial least squares regression of urban green space landscape pattern index with each influencing factor影响因子 斑块数量 边缘密度 景观形状指数 连接度指数 香农多样性指数 VIP RC VIP RC VIP RC VIP RC VIP RC 年降水量 0.99 0.08 1.21 0.10 1.23 0.09 1.06 −0.09 0.80 0.17 年平均气温 0.49 0.04 1.06 0.08 1.12 0.09 0.79 −0.07 1.14 0.35 全年日照时长 0.96 −0.08 1.22 −0.10 1.25 −0.10 1.07 0.09 0.88 −0.23 总水资源量 1.02 0.08 0.64 0.05 0.59 0.05 0.89 −0.08 1.01 −0.18 地区生产总值 1.04 0.08 1.09 0.09 1.10 0.08 1.10 −0.09 0.75 0.10 人均GDP 1.03 0.08 1.05 0.08 1.05 0.08 1.10 −0.09 0.74 0.08 第一产业产值比例 0.96 −0.08 0.53 −0.04 0.45 −0.03 0.61 0.05 1.80 0.45 第二产业产值比例 0.97 −0.08 1.09 −0.09 1.11 −0.09 1.13 0.10 0.83 −0.20 第三产业产值比例 1.07 0.09 1.03 0.08 1.01 0.08 1.08 −0.09 0.78 0.01 农林牧渔业总产值 1.04 0.08 0.98 0.08 0.96 0.07 1.08 −0.09 0.75 0.03 建成区绿化面积 1.08 0.09 0.82 0.06 0.78 0.06 0.89 −0.08 1.25 −0.23 常住人口数量 1.20 0.10 1.03 0.08 1.01 0.08 1.06 −0.09 0.71 0.00 说明：VIP为变量投影重要性；RC为回归系数 
图 5 各影响因素对南京市域绿地景观格局指数的PLSR分析Figure 5 PLSR analysis of each influencing factor on the landscape pattern index of Nanjing’s urban green space通过南京市域绿地景观格局指数与各影响因素的PLSR结果分析可知：影响南京市域内绿地斑块数量演变的主要影响因子(VIP＞1)为总水资源量、地区生产总值、人均GDP、第三产业产值比例、农林牧渔业总产值、建成区绿化面积以及常住人口数量。大部分的社会经济指标均对绿地斑块数量有重要影响，且除了第一产业产值比例以及第二产业产值比例外，其余因子均与绿地斑块数量呈正相关。其中，常住人口数量具有最大相关性，缘于城市人口增加后必然对于生活环境产生要求，市域内的绿地配置也一定会随人民需求及人口流动产生斑块转移。另外，自然环境条件下的总水资源量有较明显相关性，全年日照时长呈负相关性，可以看出城市的旱涝环境以及日照条件对植物生长存在一定影响，从而导致绿地斑块数量的变化。
影响绿地边缘密度和景观形状指数的主要影响因子(VIP＞1)为年平均气温、年降水量、全年日照时长、地区生产总值、人均GDP、第二产业产值比例、第三产业产值比例以及常驻人口数量。由回归系数可知：全年日照时长、第一产业产值比例以及第二产业产值比例等3个影响因子与边缘密度和景观形状指数演变呈负相关(RC＜0)。值得一提的是，该2项指标均与自然因素有明显相关性，推测为自然环境对植被生长产生影响所致。根据卫星图像识别提取，俯视视角下的树冠形状也是影响市域绿地边缘密度和景观形状指数的重要因素。社会经济指标中的地区生产总值和第二产业产值比例为最相关因子，这说明人类的经济建设活动，尤其是工业生产活动，在带来城市飞速发展的同时，所导致的市域绿地边界的啃食是不可忽视的问题。
影响南京市域绿地连接度水平变化的主要影响因子(VIP＞1)为年降水量、全年日照时长、地区生产总值、人均GDP、第二产业产值比例、第三产业产值比例、农林牧渔业总产值以及常住人口数量。由回归系数可知：全年日照时长、第一产业产值比例以及第二产业产值比例与南京市域绿地连接度变化呈正相关(RC＞0)。大部分社会经济指标因子均与绿地连接度水平有显著相关性，且多呈负相关，说明人类发展活动所带来的城市建设会降低绿地连接性，使绿地更趋破碎化，这将启发规划者在城市当中找到重要生态源点，通过城市添绿工程打通生态廊道，提高市域绿地连通性。
影响南京市域绿地香农多样性指数产生演变的主要影响因子(VIP＞1)为年平均气温、总水资源量、第一产业产值比例以及建成区绿化面积。由回归系数可知：除了全年日照时长、总水资源量、第二产业产值比例以及建成区绿化面积4项影响因子与南京市域绿地香农多样性指数变化呈负相关(RC＜0)外，其余8项影响因子均与其演变呈正相关。
4. 结论与讨论
南京市域绿地空间格局受到社会经济因素的影响，产业结构转型、人口流动、交通道路拓展以及城镇空间扩展削弱了市域绿地斑块的整体性。因此，在发展过程中应加强“见缝插针”式的小微绿地建设，加强生态修复治理。同时，亟需重视建成区外围的绿带、绿廊、绿网的构建，整合市域各类绿地的破碎斑块并构成有机网络体系，提升市域绿地的生态效益。
本研究在数据处理阶段采用了IGBP的LUCC分类系统，与《国土空间调查、规划、用途管制用地用海分类指南(试行)》[26]中的土地分类标准相比较，该分类体系中一级类型为耕地、林地、草地、水域、城乡工矿居民用地、未利用土地共6类，其中林地又包含有林地、灌木林、疏林地及其他林地(指未成林造林地、迹地、苗圃及各类园地)，使用LUCC分类体系可以很好地识别出以林地为主的城乡绿色空间状态[27]。国土空间视角下，城镇化发展与生态空间的矛盾是南京城乡建设的主要矛盾之一[28]。本研究所采用的Landsat数据精度为30 m，能够较好地识别市域绿地的变化情况，但是，随着郊区、非建成区的建设行为管控和土地的精细化管理要求不断提高[3, 29]，今后还需要针对城市外围生态敏感区域提高数据提取精度，对市域绿地的景观连通性与格局优化进行进一步探讨，为城乡生态系统修复、尤其是非建成区生态问题的识别与诊断提出参考性意见。
-
图 1 南昌市平均降水量、平均气温图和试验土壤含水量、土壤温度动态图
Figure 1 Dynamic diagram of mean rainfall and medial temperature in Nanchang, and dynamic diagram of soil water content and soil temperature
图 3 不同聚丙烯酰胺添加和施肥对土壤含水量的影响
Figure 3 Effects of different polyacrylamide addition and fertilization on soil moisture content
图 4 不同聚丙烯酰胺添加和施肥对土壤N2O排放通量的影响
Figure 4 Effects of different polyacrylamide addition and fertilization on soil N2O emission flux
图 5 施磷肥对N2O累积排放量的影响
Figure 5 Influence of phosphate fertilizer on N2O cumulative emission
表 1 不同处理对土壤N2O排放通量、土壤含水量和N2O累积排放量的影响
Table 1. Effects of different treatments on soil N2O emission flux, soil moisture content and cumulative N2O emission
处理 df F N2O排放通量 土壤含水量 N2O累积排放量 N 1 5.41* 13.72** 1.35 P 1 6.27* 5.05* 5.41* N+P 1 2.23 4.19 0.49 C 2 0.66 200.89** 2.75 N+C 2 0.13 1.34 0.18 P+C 2 2.45 3.78* 2.24 N+P+C 2 3.13* 4.17* 1.71 说明：N表示施氮处理，P表示施磷处理，C表示施加聚丙烯 酰胺处理；*P＜0.05，**P＜0.01 
下载: 导出CSV
-
[1] AGLIARDI E, ALEXOPOULOS T, CECH C. On the relationship between GHGS and global temperature anomalies: multi-level rolling analysis and copula calibration [J]. Environ Resour Econ, 2019, 72(1): 109 − 133. [2] 金银雪. 全球变暖下的水资源危机[J]. 生态经济, 2020, 36(6): 5 − 8. JIN Yinxue. Water crisis under global warming [J]. Ecol Econ, 2020, 36(6): 5 − 8. [3] HUANG Jianping, YU Haipeng, GUAN Xiaodan, et al. Accelerated dryland expansion under climate change [J]. Nat Climate Change, 2016, 6(2): 166 − 171. [4] JEFFERSON M. IPCC fifth assessment synthesis report: “Climate change 2014: Longer report”? Critical analysis [J]. Technol Forecasting Soc Change, 2015, 92: 362 − 363. [5] 张玉铭, 胡春胜, 张佳宝, 等. 农田土壤主要温室气体(CO2、CH4、N2O)的源/汇强度及其温室效应研究进展[J]. 中国生态农业学报, 2011, 19(4): 966 − 975. ZHANG Yuming, HU Chunsheng, ZHANG Jiabao, et al. Research advances on source/sink intensities and greenhouse effect of CO2, CH4 and N2O in agricultural soils [J]. Chin J Eco-Agric, 2011, 19(4): 966 − 975. [6] FOWLER D, COYLE M, SKIBA U, et al. The global nitrogen cycle in the twenty-first century [J]. Philosophical Transac Royal Soc B Biol Sci, 2013, 368(1621): 20130164. doi: 10.1098/rstb.2013.0165. [7] LIU Shuwei, LIN Feng, WU Shuang, et al. A meta-analysis of fertilizer-induced soil NO and combined NO+N2O emissions [J]. Glob Change Biol, 2017, 23(6): 2520 − 2532. [8] 王颖. 长期施肥对旱地农田温室气体N2O排放的影响[D]. 杨凌: 西北农林科技大学, 2017. WANG Ying. Effect of Long-term Fertilization on Greenhouse Gas N2O Emission in Rain-fed Farmland[D]. Yangling: Northwest A&F University, 2017. [9] 曹登超, 高霄鹏, 李磊, 等. 氮磷添加对昆仑山北坡高山草地N2O排放的影响[J]. 植物生态学报, 2019, 43(2): 165 − 173. CAO Dengchao, GAO Xiaopeng, LI Lei, et al. Effects of nitrogen and phosphorus additions on nitrous oxide emissions from alpine grassland in the northern slope of Kunlun Mountains [J]. Chin J Plant Ecol, 2019, 43(2): 165 − 173. [10] 赵苗苗, 邵蕊, 杨吉林, 等. 基于DNDC模型的稻田温室气体排放通量模拟[J]. 生态学杂志, 2019, 38(4): 1057 − 1066. ZHAO Miaomiao, SHAO Rui, YANG Jilin, et al. Simulation of greenhouse gas fluxes in rice fields based on DNDC model [J]. Chin J Ecol, 2019, 38(4): 1057 − 1066. [11] 程功, 刘廷玺, 王冠丽, 等. 科尔沁沙丘-草甸梯级生态系统CO2, CH4和N2O通量特征[J]. 水土保持研究, 2019, 26(4): 96 − 104. CHENG Gong, LIU Tanxi, WANG Guanli, et al. Characteristics of CO2, CH4 and N2O fluxes in Horqin dune-meadow cascade ecosystem [J]. Res Soil Water Conserv, 2019, 26(4): 96 − 104. [12] 武岩. 施肥措施对河套灌区农田氮素损失及平衡的影响[D]. 呼和浩特: 内蒙古农业大学, 2018. WU Yan. Effects of Fertilization on Farmland Nitrogen Loss and Balance in Hetao Irrigated Area[D]. Huhhot: Inner Mongolia Agricultural University, 2018. [13] 朱文煜. 艾比湖湿地季节性冻融土壤温室气体排放规律研究[J]. 北京师范大学学报(自然科学版), 2020, 56(1): 1 − 8. ZHU Wenyu. Greenhouse gas emission from seasonal frozen-thawed soil in Ebinur Lake wetland [J]. J Beijing Norm Univ Nat Sci, 2020, 56(1): 1 − 8. [14] 缪平贵, 于显枫, 张绪成, 等. 立式深旋耕作对马铃薯农田土壤温室气体排放的影响[J]. 作物杂志, 2020(3): 109 − 116. MIAO Pinggui, YU Xianfeng, ZHANG Xucheng, et al. Effects of vertical deep rotary tillage on soil greenhouse gas emissions from potato farmland [J]. Crops, 2020(3): 109 − 116. [15] 李水秀. 模拟降雨量改变对松嫩草地N2O通量的影响[D]. 长春: 东北师范大学, 2019. LI Shuixiu. Effects of Simulated Precipitation Changes on N2O Flux in Songnen Meadow Steppe[D]. Changchun: Northeast Normal University, 2019. [16] OMIDIAN H, ROCCA J G, PARK K. Advances in superporous hydrogels [J]. J Controlled Release, 2005, 102(1): 3 − 12. [17] 邹新禧. 超强吸水剂[M]. 北京: 化学工业出版社, 2002: 473 − 635. [18] 闫永利, 于健, 魏占民, 等. 土壤特性对保水剂吸水性能的影响[J]. 农业工程学报, 2007, 23(7): 76 − 79. YAN Yongli, YU Jian, WEI Zhanmin, et al. Effects of soil properties on water absorption of super absorbent polymers [J]. Transac Chin Soc Agric Eng, 2007, 23(7): 76 − 79. [19] LIU Caixia, CHEN Longsheng, TANG Wei, et al. Predicting potential distribution and evaluating suitable soil condition of oil tea Camellia in China [J]. Forests, 2018, 9(8): 487. doi: 10.3390/f9080487. [20] 王书丽, 郭晓敏, 黄立君, 等. 不同施肥和保水措施对油茶土壤N2O排放的影响[J]. 农业环境科学学报, 2020, 39(9): 1 − 12. WANG Shuli, GUO Xiaomin, HUANG Lijun, et al. Effects of different fertilization and water retention measures on N2O emission from Camellia oleifera soil [J]. JAgro-Environ Sci, 2020, 39(9): 1 − 12. [21] 陈渠昌, 雷廷武, 李瑞平. PAM对坡地降雨径流入渗和水力侵蚀的影响研究[J]. 水利学报, 2006, 37(11): 1290 − 1296. CHEN Quchang, LEI Tingwu, LI Ruiping. The impacts of PAM on runoff infiltration and water erosion from slope lands [J]. J Hydraulic Eng, 2006, 37(11): 1290 − 1296. [22] 李娜, 耿玉清, 赵新宇, 等. 生物炭和PAM混施影响煤矸石基质水分的入渗和蒸发[J]. 水土保持学报, 2020, 34(2): 290 − 295. LI Na, GENG Yuqin, ZHAO Xinyu, et al. Mixed application of biochar and PAM influences water infiltration and evaporation of coal gangue matrix [J]. J Soil Water Conserv, 2020, 34(2): 290 − 295. [23] 魏达, 旭日, 王迎红, 等. 青藏高原纳木错高寒草原温室气体通量及与环境因子关系研究[J]. 草地学报, 2011, 19(3): 412 − 419. WEI Da, XU Ri, WANG Yinghong, et al. CH4, N2O and CO2 fluxes and correlation with environmental factors of alpine steppe grassland in Nam Co Region of Tibetan Plateau [J]. Acta Agrestia Sin, 2011, 19(3): 412 − 419. [24] 王冠钦, 李飞, 彭云峰, 等. 土壤含水量调控高寒草原生态系统N2O排放对增温的响应[J]. 植物生态学报, 2018, 42(1): 105 − 115. WANG Guanqin, LI Fei, PENG Yunfeng, et al. Response of soil N2O emission to experimental warming regulated by soil moisture in an alpine steppe [J]. Chin J Plant Ecol, 2018, 42(1): 105 − 115. [25] DAVIDSON E A, KELLER M, ERICKSON H E, et al. Testing a conceptual model of soil emissions of nitrous and nitric oxides [J]. BioScience, 2000, 50(8): 667 − 680. [26] 董艳芳, 黄景, 李伏生, 等. 不同灌溉模式和施氮处理下稻田CH4和N2O排放[J]. 植物营养与肥料学报, 2017, 23(3): 578 − 588. DONG Yanfang, HUANG Jing, LI Fusheng, et al. Emissions of CH4 and N2O under different irrigation methods and nitrogen treatments [J]. J Plant Nutr Fert, 2017, 23(3): 578 − 588. [27] MORI T, OHTA S, ISHIZUKA S, et al. Phosphorus application reduces N2O emissions from tropical leguminous plantation soil when phosphorus uptake is occurring [J]. Biol Fert Soils, 2014, 50(1): 45 − 51. [28] MEHNAZ K R, DIJKSTRA F A. Denitrification and associated N2O emissions are limited by phosphorus availability in a grassland soil [J]. Geoderma, 2016, 284: 34 − 41. [29] MORI T, WACHRINRAT C, STAPORN D, et al. Effects of phosphorus addition on nitrogen cycle and fluxes of N2O and CH4 in tropical tree plantation soils in Thailand [J]. Agric Nat Resour, 2017, 51(2): 91 − 95. [30] MORI T, OHTA S, ISHIZUKA S, et al. Effects of phosphorus addition with and without ammonium, nitrate, or glucose on N2O and NO emissions from soil sampled under Acacia mangium plantation and incubated at 100% of the water-filled pore space [J]. Biol Fert Soils, 2013, 49(1): 13 − 21. [31] CAMENZIND T, HÄTTENSCHWILER S, TRESEDER K K, et al. Nutrient limitation of soil microbial processes in tropical forests [J]. Ecol Monographs, 2018, 88(1): 4 − 21. [32] CLEVELAND C C, TOWNSEND A R, SCHMIDT S K. Phosphorus limitation of microbial processes in moist tropical forests: evidence from short-term laboratory incubations and field studies [J]. Ecosystems, 2002, 5(7): 680 − 691. [33] VITOUSEK P M, WALKER L R, WHITEAKER L D, et al. Nutrient limitations to plant growth during primary succession in Hawaii Volcanoes National Park [J]. Biogeochemistry, 1993, 23(3): 197 − 215. [34] KLEMEDTSSON L, SVENSSON B H, ROSSWALL T. Relationships between soil moisture content and nitrous oxide production during nitrification and denitrification [J]. Biol Fert Soils, 1988, 6(2): 106 − 111. [35] BAKKEN L R, BERGAUST L, LIU B, et al. Regulation of denitrification at the cellular level: a clue to the understanding of N2O emissions from soils [J]. Philosophical Transac Royal Soc B Biol Sci, 2012, 367(1593): 1226 − 1234. 期刊类型引用(4)
1. 叶欣，管海棠，谢春实，秦涛. 矿业资源型城市发展演变过程及驱动机制研究. 黑龙江科技大学学报. 2025(01): 20-25 . 
百度学术2. 徐慧婷，谢军飞，李新宇，李嘉乐，戴子云，段敏杰. 2005—2020年北京城市绿地景观格局时空变化及应急避险功能. 生态学杂志. 2024(08): 2247-2256 . 百度学术3. 张锡梅，姜兴丞，朱紫钰，季骋，缪丽娟. 1990—2020年南京市城市绿色空间演变特征研究. 江苏林业科技. 2024(05): 48-56 . 百度学术4. 闫俊霞，杨硕华，张建峰，王子帅. 景观视域下邯郸临洺关镇城镇绿地格局演变分析. 南方农业. 2024(23): 191-195 . 百度学术其他类型引用(6)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210411
点击查看大图
计量
- 文章访问数: 721
- HTML全文浏览量: 148
- PDF下载量: 72
- 被引次数: 10
