下载:
-
土壤有机碳对大气温室气体的贡献主要来源于土壤活性有机碳的分解[1-3]。土壤活性碳是土壤碳库中能直接参与土壤生物化学过程、易被土壤微生物分解利用、对植物养分供应有直接作用的有机碳，虽然只占土壤总有机碳的很小比例，但是由于其易分解和周转快，能快速地反映外界干扰和环境因素对土壤有机质造成的微小变化[4-5]。因此，土壤活性有机碳常作为响应土地利用变化、植被演替过程、环境变化和气候变化等的敏感指标[6]，对预测未来全球气候变化具有重要作用。微生物生物量碳(microbial biomass carbon，MBC)是活性有机碳库的一个重要组成部分，常用来表征土壤活性有机碳库的变化。土壤MBC的含量受土壤温度、pH、含水量、养分含量的共同影响，而这些因子通常随着季节变化而变化，因此土壤MBC的变化通常呈现一定的季节变化规律[7−9]。目前，关于土壤微生物生物量碳及其影响因素已开展了较多研究，主要集中在农田、森林、草地以及淡水湿地生态系统[10-13]，而对于滨海湿地生态系统的相关研究还比较缺乏。在滨海湿地生态系统中，土壤MBC通常会受气候、土壤和植被等因子的影响。植被演替是滨海湿地形成和演变的重要标志，伴随着植被演替进程，物种组成发生变化，有机质来源的地表凋落物和地下根系分泌物类型也发生相应的变化，从而影响土壤中MBC含量[14-15]。江苏滨海湿地位于北亚热带向南暖温带的过渡地带，湿地面积达100 万hm2，其中淤泥质海滩面积约41.56 万hm2，是中国淤泥质滨海湿地的重要组成部分。随着滩涂的逐渐淤积抬升，水分和含盐量则逐渐降低，江苏滨海湿地的环境条件呈现出了有序变化，植被呈明显的条带分布。植被分布由海向陆分布为光滩、大米草Spartina anglica、碱蓬Suaeda glauca、芦苇Phragmites australis和刺槐Robinia pseudoacacia群落。对江苏滨海湿地不同演替阶段土壤MBC的质量分数和季节动态进行研究，对揭示滨海湿地植被演替对土壤碳库动态的影响以及科学预测滨海湿地土壤有机碳在大气碳循环中的作用都具有重要的意义。
-
研究区位于江苏北部，黄海和东海交汇处，江苏大丰国家级麋鹿Elaphurus davidianus保护区内(33°05′N，120°44′E)。该区地处北亚热带向暖温带的过渡地带，受海洋和大陆性气候的影响，具有明显的过渡性、海洋性和季风性。四季分明，气温适中，雨量充沛，年均气温为14.1 ℃，年均降水量为1 047.5 mm，降水多集中在夏季。大丰国家级麋鹿保护区为典型的淤泥质滩涂湿地，原始植被类型简单，植被演替序列相对完整，由海向陆植被演替阶段依次为光滩、大米草群落、碱蓬群落、芦苇群落和刺槐群落。
-
以空间代替时间的方法，在研究区沿与海岸线垂直的方向，自海向陆随机设置3条约30 m宽的样带，样带之间的空间分隔距离在300~500 m。在样带上自海向陆分布有光滩、大米草、碱蓬、芦苇和刺槐群落共5个演替阶段；同时，在每个对应的演替阶段分别设置3个5 m×5 m的样方，每个样方间距离不小于50 m。在每个样方内随机选取3个点挖取土壤剖面，按0~10、10~25和25~40 cm共3个土层进行分层采样。采集的土壤样品用自封袋装好标记后，迅速带回实验室，剔除肉眼可见的根系、动物、植物残体和石砾等，并将土壤样品分成2份。一份鲜土于4 ℃下冷藏，用于测定土壤MBC及土壤含水量；另一份土样经风干处理后，磨细过筛，用于土壤理化性质分析。
-
土壤MBC测定：采用氯仿熏-硫酸钾浸提法[6]，熏蒸和未熏蒸的样品分别用0.5 mol·L−1的硫酸钾溶液浸提30 min，用岛津TOC-VCPH仪测定浸提液有机碳质量分数。土壤MBC质量分数wMBC
$= $ EC/0.45。其中：EC为熏蒸与未熏蒸土壤样品浸提液中有机碳质量分数的差值，mg·kg−1；0.45为MBC浸提系数。 -
采用LY/T 1210~1275−1999《森林土壤分析方法》[16]测定土样基本理化性质。重铬酸钾外加热法测定土壤总有机碳(SOC)；元素分析仪(ElementarVarioEL，德国)测定总氮(TN)；玻璃电极 (土水质量比为1.0∶2.5)测定土壤pH；烘干恒量法(105 ℃)测定土壤含水率；环刀法测定容重。
-
利用单因素和多因素方差分析方法分析植被演替、季节和土层因素对土壤MBC的影响；运用Pearson相关系数法分析MBC与土壤理化因子的相关性，数据分析软件为SPSS 20.0。
-
江苏滨海湿地不同演替阶段土壤MBC在0~40 cm土层的质量分数分别为：刺槐群落116.91~254.61 mg·kg−1，碱蓬群落168.12~276.19 mg·kg−1，芦苇群落219.45~290.76 mg·kg−1，大米草群落211.37~380.14 mg·kg−1，光滩117.00~326.18 mg·kg−1。平均质量分数从大到小依次为大米草、芦苇、光滩、碱蓬、刺槐群落，未表现出沿演替方向的变化趋势，其中碱蓬和刺槐群落显著低于其他3个演替阶段(图1)。0~10 cm土层，各演替阶段土壤MBC质量分数范围为157.66~380.14 mg·kg−1，在夏季、秋季和冬季从大到小均为大米草、芦苇、碱蓬、刺槐群落。其中，夏季大米草群落土壤MBC质量分数显著高于芦苇、碱蓬和刺槐群落；秋季，刺槐和碱蓬群落土壤MBC质量分数显著低于大米草群落和光滩；冬季，大米草和芦苇群落土壤MBC质量分数显著高于刺槐和碱蓬群落。10~25 cm土层，各演替阶段土壤MBC质量分数范围为140.73~357.12 mg·kg−1，土壤MBC质量分数在春季和夏季从大到小依次为芦苇、大米草、光滩、碱蓬、刺槐群落；秋季，刺槐和碱蓬群落土壤MBC质量分数均显著低于其他3个演替阶段。25~40 cm土层，各演替阶段土壤MBC质量分数范围为116.91~350.48 mg·kg−1；春季，刺槐林土壤MBC质量分数显著低于芦苇和大米草群落；秋季，刺槐群落显著低于其他演替阶段；冬季，刺槐和碱蓬群落土壤MBC质量分数显著低于大米草群落和光滩。
图 1 不同演替阶段土壤微生物生物量碳质量分数季节动态
Figure 1. Seasonal variations of soil MBC contents under different succession stages
-
从图1可以看出：不同演替阶段的土壤MBC质量分数在3个土层的季节变化趋势一致，均随季节先增加再下降，在秋季达到峰值；除芦苇群落外，各演替阶段土壤MBC质量分数均呈现出明显的季节变化规律。在0~10 cm土层，刺槐群落土壤MBC质量分数从大到小依次为秋季、夏季、春季、冬季；碱蓬群落土壤MBC质量分数在冬季显著低于夏季、秋季；大米草群落土壤MBC质量分数的季节变化表现为秋季最高，春季最低；光滩土壤MBC质量分数在春季、冬季显著低于夏季、秋季。10~25 cm土层，各演替阶段土壤MBC质量分数随季节的变化趋势与0~10 cm层一致，但是变化幅度不同；刺槐和碱蓬群落土壤MBC质量分数秋季较高，春季显著较低；大米草群落呈现出了明显的季节差异性，差异性从高到低依次为秋季、冬季、夏季、春季；光滩土壤MBC质量分数差异性表现为秋季和冬季显著高于春季和夏季。25~40 cm，各演替阶段土壤MBC质量分数的季节变化趋势与其他土层一致；刺槐群落土壤MBC质量分数的季节从高到低依次为秋季、冬季、夏季、春季；碱蓬群落土壤MBC质量分数在秋季最高，其他季节变化不明显；大米草群落和光滩土壤MBC质量分数在秋季和冬季显著高于春季和夏季。
-
利用多因素方差分析可得出：本研究中植被演替和季节对土壤MBC质量分数具有极显著影响(P＜0.01)，而土层深度对土壤MBC质量分数的影响较小且不显著(表1)。从3个影响因素间的交互作用看，季节分别与演替和土层的交互作用对土壤MBC质量分数均具有极显著影响(P＜0.01)。表1中分布值可表示不同因素对土壤MBC质量分数的影响效应大小。根据分布值数据可知，季节因素对土壤MBC质量分数的影响最大，影响效应占32.29%；其次是演替因素的影响，效应占26.23%；季节和土层的交互作用对土壤MBC质量分数的影响效应占7.05%；季节与演替的交互作用对土壤MBC的影响效应相对较弱，占5.86%。
表 1 植被演替、土层和季节对土壤MBC质量分数的影响
Table 1. Effects of vegetation succession, soil layer and season on soil MBC contents
影响因素 分布值/% P 植被演替 26.23 0.000 土层 0.91 0.087 季节 32.29 0.000 植被演替×土层 0.96 0.728 植被演替×季节 5.86 0.003 土层×季节 7.05 0.000 植被演替×土层×季节 4.84 0.348 -
滨海湿地土壤理化性质也是影响土壤MBC质量分数的主要因素，本研究中滨海湿地土壤基本理化性质见文献[17]。本研究分析了不同演替阶段土壤MBC质量分数与土壤理化性质间的相关性(表2)。结果显示：土壤MBC质量分数与土壤总有机碳和总氮之间呈显著(P＜0.05)的正相关关系；土壤pH与MBC质量分数之间呈负相关，且相关性达极显著水平(P＜0.01)；土壤MBC质量分数与土壤容重呈显著的负相关关系(P＜0.05)，而与土壤含水率表现出极显著的正相关关系(P＜0.01)。本研究中C/N与土壤MBC质量分数的相关性不显著(P＞0.05)。
表 2 土壤微生物生物量碳与土壤理化因子相关性
Table 2. Pearson correlation coefficients (r-value) between MBC and physic-chemical factors of soil
项目 土壤
有机碳总氮 C/N pH 容重 含水率 MBC 0.187* 0.173* 0.062 −0.225** −0.190* 0.461** 说明：*表示显著相关水平(P＜0.05)；**表示极显著相关水平 (P＜ 0.01) -
不同演替阶段由于植物群落不同，地表凋落物、地下根系分泌物以及土壤微生物种类也存在差异，从而影响土壤MBC的质量分数[18]。不同演替阶段土壤MBC质量分数在不同土层从高到低均依次为大米草群落、光滩或芦苇群落、碱蓬群落、刺槐群落。杨文英等[11]研究杭州湾滩涂湿地4种典型植被的活性有机碳质量分数发现：不同植被土壤MBC质量分数从高到低依次为光滩、海三棱藨草Scirpus mariqueter群落、互花米草Spartina alterniflora群落、芦苇群落；孔小琳等[19]研究胶州湾滨海湿地不同群落土壤微生物生物量碳变化得出从高到低依次为碱蓬群落、互花米草群落、芦苇群落、光滩，均与本研究的结果不一致。表明在不同区域环境下，由于土壤因子、气候因子以及凋落物等共同影响，土壤微生物有其独特的分布规律[20]。本研究中大米草群落的土壤MBC质量分数在不同土层均显著大于其他演替阶段。YANG等[21]研究了江苏盐城的互花米草、碱蓬、芦苇及光滩的土壤有机碳组分，同样发现互花米草土壤MBC质量分数较高。一方面，大米草作为一种入侵植物，具有较强的生产力和繁殖力，其大量的凋落物和地下根系分泌物促进了土壤有机碳输入，为土壤微生物提供了丰富的代谢底物，从而使土壤MBC的质量分数增加[22-24]，这与本研究中土壤MBC与土壤有机碳质量分数具有正相关关系的结论一致；另一方面大米草群落所处的演替阶段容易受潮汐作用和干湿交替的影响，土壤含水率能够刺激土壤微生物活性，从而增加土壤MBC质量分数[25]。张静等[12]研究表明：土壤含水率是影响土壤MBC质量分数的一个重要因素，在一定范围内，土壤含水率高可增强植物根系的活动能力，促进大量根系分泌物的产生，从而使土壤MBC质量分数增加，这与本研究中土壤含水率较高的大米草群落具有较高的土壤MBC质量分数相符合。可见，土壤有机质、土壤含水率、土壤pH等土壤理化因子都是影响不同演替阶段土壤MBC质量分数变化的关键因子。
-
不同演替阶段的土壤MBC质量分数在3个土层均在秋季和冬季达到显著性差异。表明土壤MBC的动态变化是一个复杂过程，即使气候条件相同，不同植被下土壤MBC的季节变化也有差异。本研究中，除芦苇群落外，其他演替阶段土壤MBC质量分数均具有明显的季节变化规律，说明季节因素对不同演替阶段土壤MBC质量分数具有显著的影响。不同演替阶段不同土层土壤MBC质量分数的季节变化幅度不一致，但是均在秋季达到最大峰值，这与田舒怡等[18]的研究结果一致。土壤MBC质量分数在秋季最高，可能是由于秋季大量凋落物、衰老根系及碳水化合物由地上向地下转移，为微生物提供更多的能量[24]；土壤MBC质量分数在植物开始生长的春季最低，可能是由于春季微生物活性以及凋落物分解速率较慢[26]。
-
植被演替、季节，以及植被演替和季节的交互作用均显著影响土壤MBC质量分数。植被演替对土壤MBC质量分数的影响主要是由于各演替阶段的植被组成不同，其凋落物质量和数量的差异会引起输入土壤的养分不同，进而影响土壤微生物活性；凋落物分解速率快，为土壤微生物提供的养分多，土壤微生物生物量则较大[27]。土壤MBC质量分数受季节与演替的交互影响，是由于季节变化通常会引起不同演替阶段植被生长节律和土壤微生物对养分吸收能力的改变，从而影响土壤MBC的质量分数[28]。本研究中土壤深度虽然对土壤MBC质量分数的影响不明显，但是土层与季节的交互作用却对土壤MBC质量分数存在显著影响，表明季节是影响土壤MBC的主导因子，且其影响在不同土层间存在差异。刘平等[26]研究渤海泥质海岸典型防护林土壤MBC季节动态，同样得到季节因素是影响土壤MBC质量分数变化的重要因素，且不同林分类型和不同土层，季节因素的影响作用存在差异。从植被演替、季节与土层及其之间的交互作用对土壤MBC质量分数的影响效应看，季节因素的影响效应所占比例最大，表明季节因素是影响滨海湿地土壤MBC质量分数最关键的因素。土壤MBC质量分数的季节动态是一个复杂的生物化学过程，可能受不同机制的驱动，季节变化通常能够引起地表凋落物、地下根系分泌物以及土壤有机质、温度、湿度、pH等理化因子的改变，从而综合影响土壤微生物活性，使土壤MBC质量分数表现出季节差异性[29]。本研究中土壤MBC质量分数随季节变化先增加后减少并在秋季达到最大值，这是由于冬季过渡到春季这段时间，温度上升缓慢，凋落物分解速率较慢，土壤中微生物可利用的有机质仍然较少，土壤MBC仍然较低[29]；夏季雨水充足，土壤温湿度适宜，植物进入生长季，微生物活性逐渐增加，使土壤MBC增加[30]；从夏季到秋季，虽然降雨量减少，土壤含水率下降，导致土壤微生物活性减弱，但是由于大量植物凋落物分解，为微生物提供了丰富的营养物质，使土壤中MBC继续增加[29]；从秋季到冬季，随着气温的降低，微生物活性收到抑制，土壤中MBC减少[30]。
-
土壤性质是影响土壤MBC质量分数和分布的直接因素[26]。相关性分析显示：土壤MBC质量分数与土壤总氮和土壤有机碳均呈显著正相关，这与ZHOU等[31]的研究结果一致，表明土壤有机质是影响土壤MBC的重要因素，有机质含量高，能够为土壤微生物提供进行自身合成和代谢所需的碳、氮物质来源以及能量来源[32]。刘平等[26]同样得到渤海泥质海岸土壤MBC质量分数与土壤总氮和土壤有机碳具有极显著正相关关系的结论。也有部分研究结果显示：土壤MBC与土壤有机碳、全氮质量分数间的相关性不显著[32-33]，研究结果的差异性可能是由于研究区空间尺度较大，受区域气候、土壤类型等因素的综合影响导致的[32]。本研究中土壤MBC质量分数与土壤pH、含水率成呈极显著相关，表明土壤pH和含水率都是影响滨海湿地土壤MBC质量分数的限制性因子[12]。土壤pH、含水率可直接影响土壤微生物活性，是调节土壤微生物活性的主要因子[34]。范志平等[35]研究辽东山地不同森林类型土壤有机碳季节动态及其驱动因子发现，土壤MBC质量分数与土壤pH呈显著线性正相关；张静等[12]和刘明慧等[24]研究发现：土壤含水率是土壤MBC等活性有机碳变化的主要驱动因子。
-
江苏滨海湿地土壤MBC质量分数在不同演替阶段的分布从高到低依次为大米草群落、芦苇群落、光滩、碱蓬群落、刺槐群落，其分布规律与演替方向不一致。不同演替阶段不同土层土壤MBC质量分数的季节动态均表现为随季节先增加再下降的趋势，且在秋季达到最大峰值。江苏滨海湿地土壤MBC质量分数在不同土层无显著差异，但是受季节和植被演替的影响较显著，其中季节因素的影响效应占较大比例。土壤理化因子是影响滨海湿地土壤MBC质量分数的直接因素，其中土壤有机碳、土壤总氮、土壤含水率与土壤MBC质量分数具有显著正相关关系，而土壤pH与土壤MBC呈显著负相关，表明滨海湿地土壤有机质、土壤含水率、土壤pH都是影响土壤MBC质量分数的限制性因子。
Characteristics and influencing factors of soil microbial biomass carbon content at different succession stages of coastal wetlands in Jiangsu Province
-
摘要:
目的 研究江苏滨海湿地土壤微生物生物量碳(MBC)质量分数在不同演替阶段的分布特征和季节动态，揭示其主要影响因素。 方法 选择江苏滨海湿地典型演替序列的不同阶段，光滩、大米草Spartina anglica群落、碱蓬Suaeda glauca群落、芦苇Phragmites australis群落和刺槐Robinia pseucdoacacia群落为研究对象，分析植被演替、土层和季节因素对土壤微生物生物量碳质量分数的影响，以及土壤微生物生物量碳质量分数与土壤理化性质的关系，探讨影响滨海湿地土壤微生物生物量碳质量分数的关键因素。 结果 土壤微生物生物量碳质量分数范围为116.91~326.18 mg·kg−1，不同演替阶段之间差异显著，但分布趋势与演替方向不一致，从高到低依次为大米草群落、芦苇群落、光滩、碱蓬群落、刺槐群落。在0~10 cm土层，大米草群落土壤微生物生物量碳质量分数在4个季节均显著大于其他演替阶段。不同演替阶段的土壤微生物生物量碳质量分数在3个土层均表现出随季节先增加再下降的季节变化趋势，在秋季达到峰值，而在春季或冬季则较低。滨海湿地土壤微生物生物量碳受季节和演替阶段影响较显著，其中季节因素的影响力比例最大，占32.29%。土壤微生物生物量碳质量分数与土壤总有机碳、总氮和土壤含水率之间呈显著正相关关系，而与土壤pH呈极显著的负相关关系。 结论 植被演替和季节是影响江苏滨海湿地土壤微生物生物量碳分布和动态特征的主要因素，其中季节因素的影响力最大，土壤有机质、含水率和pH是直接影响土壤微生物活性的关键性因子。图1表2参35 Abstract:Objective The objective is to explore distribution characteristics and seasonal variations of soil microbial biomass carbon (MBC) content at different succession stages of coastal wetlands in Jiangsu Province, and to reveal its main influencing factors. Method Five typical succession stages of coastal wetlands in Jiangsu were selected as the research objects, including coastal mudflats, Spartina auglica wetland, Suaeda glauca wetland, Phragmites australis wetland, and Robinia pseucdoacacia forest. The distribution characteristics of soil MBC at the different succession stages, the effects of vegetation succession, soil layer and season on MBC, the relationship between soil MBC and soil physical and chemical properties were analyzed. The key factors affecting soil MBC in coastal wetlands were discussed. Result Soil MBC content ranged from 116.91 to 326.18 mg·kg−1, with a significant difference between different succession stages, but the distribution trend was not consistent with the succession direction. The highest was Sp. auglica, followed by P. australis, coastal mudflats, Su. glauca, and R. pseucdoacacia. In 0−10 cm soil depth, soil MBC content in Sp. auglica wetland was significantly higher than that of other succession stages in four seasons. Soil MBC content at different succession stages first increased and then decreased with variation of seasons in the three soil layers, reaching its peak in autumn but lower in spring or winter. Soil MBC in coastal wetlands was significantly affected by seasons and succession stages, among which the seasonal factors had the largest impact, accounting for 32.29%. There existed a significant positive correlation between soil MBC content and total organic carbon, total nitrogen and soil moisture content, but a significant negative correlation with soil pH. Conclusion Vegetation succession and seasons are the main factors affecting the distribution and dynamic characteristics of soil MBC in coastal wetlands, among which seasonal factors have the greatest influence, and soil organic matter, moisture content and pH are the key factors that directly affect soil microbial activity. [Ch, 1 fig. 2 tab. 35 ref.] -
在城市化快速发展的背景下，城镇建设用地的扩张导致生态空间衰减、系统结构失衡、生态功能下降等问题凸显[1]，生态环境面临多重压力和干扰，引起的景观生态风险值得关注。绿色空间是城镇地域范围内对于改善区域生态环境、维持生态系统物质能量循环具有重要作用的生态空间，是由耕地、林地、草地、水域等不同土地单元镶嵌而成的复合生态系统[2−4]。当前，国内外学者对绿色空间的研究主要集中在绿色空间结构与功能[5]、景观格局动态演化[6−7]及生态环境效益[8−9]等方面。景观生态风险评价用于评估自然或人为因素干扰对生态系统及其组分产生不利影响的可能性及损失[10]，基于景观格局指数构建景观生态风险评价模型能够定量揭示生态环境健康程度及风险压力的时空分布特征[11]。现有研究主要集中于景观生态风险的静态分析，对时空动态分析视角下景观生态风险演变特征的分析相对薄弱，且研究尺度集中在城市[12−13]、城市群[14−15]、流域[16−17]等典型地区，对具有特殊地域特征的苏南水网地区的研究相对较少。
苏南水网地区位于经济发达、人口密集的长江三角洲，河流、湖荡众多，水系纵横交错，形成了独特的地域生态空间特征。随着城镇建设用地的迅速扩张，苏南水网地区绿色空间日趋破碎化，生态系统稳定性下降。本研究以苏南水网地区江苏省昆山市为研究对象，利用2000、2010、2020年土地利用数据，定量测度其绿色空间景观格局变化引起的景观生态风险，并探究景观生态风险时空演变特征，依据风险等级转移变化特征划定绿色空间管控分区，提出分区调控策略，为优化水网地区空间景观布局，保护地区生态安全，合理开发绿色空间资源提供理论依据，也为地区景观生态风险管理提供决策支持。
1. 研究区概况与数据来源
1.1 研究区概况
昆山市位于长江三角洲地区江苏省苏州市东部，31°06′~31°32′N，120°48′~121°09′E，全市下辖周庄镇、锦溪镇、淀山湖镇等10个镇，总面积为931 km2。根据《昆山市统计年鉴》，2000—2020年昆山市户籍总人数增加47.3万人，城镇化率由57.31%提升至78.95%，国内生产总值(GDP)增长4 075.96亿元，经济建设水平居于全国经济百强县首位。昆山市境内地势平坦，属北亚热带季风性湿润气候，四季分明，雨量充沛。境内河港纵横交错，湖荡星罗棋布，水域面积占16.4%，包含白莲湖、傀儡湖、明镜荡等湖荡，水网地区风貌特征明显。
1.2 数据来源及处理
采用2000、2010、2020年3期 Landsat TM/OLI 遥感影像，数据集来源于地理空间数据云平台(
http://www.gscloud.cn/ )，空间分辨率为30 m×30 m。利用ENVI 5.3软件对各期遥感影像数据进行校准、图像拼接裁剪等处理。参考中国科学院土地利用/土地覆盖分类系统及GB/T 21010—2017《土地利用现状分类》相关标准，结合苏南水网地区地域特点，将研究区划分为耕地、林地、草地、水域、建设用地和未利用地等6类土地利用类型，其中耕地、林地、草地和水域为绿色空间，建设用地和未利用地为非绿色空间。对解译后的土地利用类型数据进行精度验证，Kappa系数均＞0.85，符合解译精度要求。2. 研究方法
2.1 风险小区的划分
为了便于景观生态风险指数的空间化表达，本研究基于ArcGIS的渔网分析功能划分景观生态风险小区。依据研究区面积大小及数据精度，采用等间距采样的方法将研究区划分为1.5 km×1.5 km正方形格网，共划分景观生态风险样本小区489个(图1)，利用 Fragstats 4.2软件计算各个样本小区内的生态风险指数，作为每个风险小区中心点的景观生态风险值。
2.2 景观生态风险评价模型
景观格局指数是反映景观结构组成和空间配置特征的定量指标[18]。基于景观格局指数的生态风险评价方法能够有效评估生态系统受到外部干扰的强弱和内部抵抗力的大小[19]。根据相关研究成果[20−21]，依据景观格局与生态风险之间的关联，选取景观干扰度指数($ {E}_{i} $)、景观脆弱度指数($ {V}_{i} $)和景观损失度指数($ {R}_{i} $)来构建景观生态风险评价模型。
各景观格局指数计算方法及生态学含义详见表1。
表 1 景观格局指数及计算方法Table 1 Landscape pattern index and their calculation methods指数名称 计算方法 生态学含义 土地利用生态风险指数
(IERk)${I_{{\text{ER}}k}} = \displaystyle \sum \limits_{i = 1}^N \dfrac{{{A_{ki}}}}{{{A_k}}} \times {R_i} $ Aki为第k个风险小区内土地利用类型i的面积；Ak为第k个风险小区的面积；Ri为第i类景观的景观损失度指数 景观损失度指数(Ri) Ri=Ei×Vi Ei为景观干扰度指数，Vi为景观脆弱度指数 景观干扰度指数($ {E}_{i} $) $ {E}_{i}={aC}_{i}+{bN}_{i}+{cD}_{i} $ 表示不同类型景观生态系统所受外界干扰的程度，主要与人类的开发活动有关。其中：$ a、b、c $分别为$ {C}_{i} $、$ {N}_{i}{\mathrm{、}D}_{i} $的权重，且$ a+b+c= $1，参考前人研究[11, 22]，将$ a、b、c $分别赋值为0.5、0.3和0.2 景观破碎度指数($ {C}_{i} $) $ {C}_{i}=\dfrac{{n}_{i}}{{A}_{i}} $ 表示景观被分割的破碎化程度，值越大表明景观破碎程度越高 景观分离度指数($ {N}_{i} $) $ {N}_{i}=\dfrac{A}{2{A}_{i}}\sqrt{\dfrac{{n}_{i}}{A}} $ 表示某一景观类型中不同斑块间的分离程度，值越大表明景观空间分布越离散，景观结构稳定性越低。$ {n}_{i} $为景观类型$ i $的斑块个数；$ {A}_{i} $为景观类型$ i $的面积；$ A $为景观总面积 景观优势度指数($ {D}_{i} $) $ {D}_{i}=\dfrac{\left(\dfrac{{n}_{i}}{N}+\dfrac{{q}_{i}}{Q}\right)}{4}+\dfrac{{A}_{i}}{2A} $ 表示斑块在景观中的地位，值越大代表斑块对景观格局演变影响越大。$ {q}_{i} $为景观类型$ i $斑块出现的样方数；$ Q $为样方总数；$ N $为斑块总数 景观脆弱度指数($ {V}_{i} $) $ {V}_{i}={I}_{{\mathrm{LS}}}\times \left(1-{I}_{{\mathrm{LA}}}\right) $ 表示不同景观类型抵抗外界干扰的敏感程度。其中：ILS为景观敏感度指数，可通过景观干扰度指数和景观易损度指数相乘而得，景观易损度指数根据前人研究成果[23−24]，结合研究区实际情况赋以权重：未利用地为6，水域为5，耕地为4，草地为3，林地为2，建设用地为1；ILA为景观适应度指数，由斑块丰富密度指数、香农多样性指数、香农均匀度指数相乘而得。3种指数均由Fragstats软件计算而得 3. 结果与分析
3.1 昆山市绿色空间演变特征分析
3.1.1 绿色空间面积组成对比分析
通过ArcGIS软件对遥感影像图进行分类处理，得到昆山市2000、2010和2020年3个时期土地利用类型图(图2)，并统计得到各土地利用类型面积与占比(表2)。从分析结果来看：2000—2020年昆山市各绿色空间类型面积发生了较大变化，其中耕地面积下降明显，减少20 203.11 hm2，占比下降21.70%；水域面积在2000—2010年小幅增加，占比上升2.24%，2010—2020年水域面积明显下降，减少了
5905.17 hm2，占比下降6.34%；林地面积共减少72.90 hm2，而草地面积则增加了143.64 hm2，两者在绿色空间中占比很小。总体而言，研究期间昆山市绿色空间总面积明显减少，反映了建设用地扩张不断侵占市域内的绿色空间，以耕地面积的缩减最为突出。
图 2 2000—2020年昆山市土地利用类型示意图Figure 2 Land use type map of Kunshan City from 2000 to 2020表 2 2000—2020年昆山市各用地类型面积变化Table 2 Changes in the area of various land types in Kunshan City from 2000 to 2020土地利用类型 2000年 2010年 2020年 面积/hm2 百分比/% 面积/hm2 百分比/% 面积/hm2 百分比/% 绿色空间 耕地 68 884.11 73.98 51 240.51 55.03 48 681.00 52.28 林地 122.85 0.13 112.59 0.12 49.95 0.05 草地 36.36 0.04 78.66 0.08 180.00 0.19 水域 15 156.36 16.28 17 247.87 18.52 11342.70 12.18 合计 84 199.68 90.43 68 679.63 73.75 60253.65 64.70 非绿色空间 建设用地 8 833.95 9.49 24 386.49 26.19 32828.04 35.26 未利用地 81.36 0.09 48.96 0.05 33.39 0.05 合计 8 915.31 9.58 24 435.45 26.24 32861.43 35.31 3.1.2 绿色空间面积转移矩阵分析
为了进一步揭示昆山市绿色空间用地类型的时空演变规律，本研究采用土地利用转移矩阵对昆山市各用地类型之间的转移方向和转换数量进行分析，结果如表3所示。2000—2020年昆山市各绿色空间类型转移存在明显差异：耕地净转出量最大，总量达33 918.84 hm2，主要流向建设用地，转出面积达26 327.86 hm2，转出贡献率为77.62%，反映出建设用地侵占耕地现象普遍；水域面积整体呈现先小幅增加后逐渐减少的趋势，其中2000—2010年水域面积小幅增加了2 091.51 hm2，主要由耕地转入，2010—2020年，水域面积持续减少，主要向耕地和建设用地转出，转出总面积为7 150.64 hm2。总体来看，2000—2020年昆山市绿色空间类型转移以耕地和水域的转出为主，均主要转向建设用地。这反映出昆山市在经济社会快速发展下人为开发建设活动对绿色空间侵占现象较为明显，耕地和水域等绿色空间面临较大生态压力。
表 3 2000—2020年昆山市地类转移矩阵Table 3 Land class transfer matrix in Kunshan City from 2000 to 2020时间段 土地利用类型 绿色空间/hm2 非绿色空间/hm2 转出合
计/hm2面积变化
合计/ hm2耕地 林地 草地 水域 建设用地 未利用地 2000—2010 绿色空间 耕地 46 613.56 41.62 71.57 6 168.10 15 825.59 6.48 68 726.91 −17 577.88 林地 46.23 41.28 0.07 29.54 5.62 0.00 122.74 −10.60 草地 14.15 0.00 0.16 15.64 6.29 0.11 36.36 42.30 水域 3 464.97 28.70 5.97 10 742.95 853.90 2.02 15 098.51 2 033.98 非绿色空间 建设用地 975.40 0.53 0.90 174.01 7 672.25 0.20 8 823.28 15 544.60 未利用地 34.72 0.00 0.00 2.25 4.23 40.15 81.36 −32.40 转入合计 51 149.03 112.14 78.66 17 132.48 24 367.89 48.96 92 889.16 − 时间段 土地利用类型 绿色空间/hm2 非绿色空间/hm2 转出合
计/ hm2面积变化
合计/ hm2耕地 林地 草地 水域 建设用地 未利用地 2010—2020 绿色空间 耕地 39 356.15 8.54 127.00 1 161.04 10 502.27 6.64 51 161.64 −2 650.12 林地 65.13 25.78 0.13 17.69 3.57 0.00 112.30 −62.47 草地 2.17 0.00 1.46 0.00 74.73 0.30 78.66 101.34 水域 6 482.98 14.97 37.18 9 906.54 667.66 6.89 17 116.24 −5 812.93 非绿色空间 建设用地 2 592.59 0.53 14.22 217.65 21 538.87 1.19 24 365.05 8 439.75 未利用地 12.50 0.00 0.00 0.38 17.71 18.37 48.96 −15.57 转入合计 48 511.52 49.82 180.00 11 303.31 32 804.80 33.39 92 882.85 − 说明：−表示无此项。 3.2 昆山市绿色空间景观生态风险时空演变分析
3.2.1 绿色空间景观格局指数时序变化
运用Fragstats软件计算得到昆山市2000、2010、2020年各绿色空间类型景观格局指数。统计结果表明：2000—2020年昆山市绿色空间景观格局发生了较大变化(表4)。①研究期间耕地破碎度和分离度指数显著上升，表明建设用地快速扩张，促使耕地空间分布趋于离散，破碎化程度加剧，景观优势度不断降低，受外界干扰程度增加。景观损失度逐年上升。②水域破碎度指数先下降后上升，总体呈上升趋势，景观优势度降低，且水域周边城镇较为密集，易受人为活动干扰，使景观脆弱程度不断增加，损失度上升。③林地破碎度、干扰度、脆弱度指数均先下降后上升，总体呈下降趋势，表明林地斑块分布逐渐聚集，景观结构稳定性提升。④草地破碎度指数先上升后下降，表明草地斑块在空间上趋于集聚与整合，抗外界干扰能力提高，景观脆弱度与损失度有所降低。
表 4 2000—2020年昆山市绿色空间景观格局指数变化Table 4 Change of green space landscape pattern index in Kunshan City from 2000 to 2020土地利用类型 年份 斑块数量 斑块面积/hm2 破碎度 分离度 优势度 干扰度 脆弱度 损失度 耕地 2000 1378 68 884.11 0.020 0.973 0.647 0.431 0.082 0.035 2010 4401 51 240.51 0.086 0.987 0.602 0.459 0.087 0.040 2020 4667 48 681.00 0.096 0.992 0.597 0.465 0.088 0.041 林地 2000 494 122.85 4.021 1.000 0.092 2.329 0.222 0.516 2010 355 112.59 3.153 1.000 0.076 1.892 0.180 0.340 2020 172 49.95 3.443 1.000 0.046 2.031 0.193 0.392 草地 2000 56 36.36 1.540 1.000 0.025 1.075 0.153 0.165 2010 195 78.66 2.479 1.000 0.017 1.551 0.221 0.343 2020 123 180.00 0.683 1.000 0.047 0.651 0.093 0.060 水域 2000 4128 15 156.36 0.272 1.000 0.417 0.520 0.124 0.064 2010 3566 17 247.87 0.207 1.000 0.399 0.483 0.115 0.056 2020 3770 11 342.70 0.332 1.000 0.365 0.539 0.128 0.069 3.2.2 绿色空间景观生态风险时空分布格局
基于景观生态风险评价指标计算结果，在ArcGIS 10.2中利用克里金插值法对昆山市生态风险值进行空间插值，得到昆山市绿色空间景观生态风险空间分布图，使用自然断点法将景观生态风险值(IERk)划分为5个等级：低生态风险(0＜IERk≤0.026)、较低生态风险(0.026＜IERk≤0.031)、中生态风险(0.031＜IERk≤0.037)、较高生态风险(0.037＜IERk≤0.041)和高生态风险(IERk＞0.041)，结果如图3，并统计得到不同景观生态风险等级的面积及占比(表5)。
图 3 2000—2020年昆山市绿色空间景观生态风险空间分布示意图Figure 3 Spatial distribution of ecological risks in green space landscape of Kunshan City from 2000 to 2020表 5 2000—2020年昆山市绿色空间景观生态风险等级面积及比例Table 5 Area and proportion of landscape ecological risk level of green space in Kunshan City from 2000 to 2020年份 低风险区 较低风险区 中等风险区 较高风险区 高风险区 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 2000 1 116.90 25.66 1 830.87 42.06 918.09 21.09 345.15 7.93 141.48 3.25 2010 642.78 19.94 1 210.41 37.55 745.56 23.13 409.32 12.70 215.82 6.69 2020 452.70 15.93 961.02 33.81 692.64 24.37 455.58 16.03 280.26 9.86 2000—2020年昆山市绿色空间景观生态风险整体呈上升趋势，呈现“南北高，中间低”的空间分布特征。高、较高风险区面积明显上升，面积占比分别增加8.10%、6.61%，主要分布于淀山湖、白莲湖等湖荡密集地区，且不断向湖荡周围辐射扩张。该区域绿色空间类型以水域为主，由于围网养殖等人为活动对水域干扰程度加大，景观损失度逐年增加，使区域风险等级不断升高。中风险区面积小幅上升，面积占比增加3.28%，集中分布于渡头村、双洋潭等地区，并逐步沿较高风险区外围向四周扩散，区域内耕地、水域交错分布，受人为活动干扰较大，生态稳定性下降。较低、低风险区面积明显缩减，占比分别减少8.25%和9.73%，主要分布于研究区中部白渔潭村、荣家厍及北部范潭村、横泾等地区，且分布逐渐变得零散破碎，人为开发建设活动频繁，绿色空间不断减少，抗干扰能力减弱，景观生态风险值有增强趋势。
3.2.3 绿色空间景观生态风险等级空间变化
借助景观生态风险等级变化分布(图4)分析2000—2020年期间研究区各风险等级的变化情况。①风险等级升高区域的面积为21 503.12 hm2，占绿色空间总面积的36.69%，其中较低风险区域上升为中风险的区域面积最大，为6 413.09 hm2，其次为中风险区域上升为较高风险区域。主要分布在白莲湖、明镜荡、汪洋荡等地区，区域内湖荡、耕地镶嵌分布，城镇建设用地的扩张使生态斑块破碎化程度加剧，生态结构和功能受到损害，生态系统稳定性和恢复力下降。②风险等级基本不变区域的面积为31 026.25 hm2，占绿色空间总面积的52.61%，其中较低风险区域面积最大，为13 102.74 hm2。主要分布在白渔潭村、荣家厍、范潭村片区等。该区域生态环境相对较好，生态系统结构和整体格局较为完整，对外界干扰具备一定的抵御能力，可维持基本的生态功能。③风险等级降低区域的面积为5 241.88 hm2，占绿色空间总面积的10.70%，其中中风险区域下降为较低风险区域面积最大，为2 925.90 hm2，其次为较低风险区域下降为低风险区域。在空间上集中在大渔新村、朱家湾村、黄家埭等地区。区域内具有较好的生态基底，生态斑块间连续性较强且受经济建设活动干扰较小，生态系统稳定性提高，能够提供较好的生态服务效益。
图 4 2000—2020年昆山市绿色空间景观生态风险等级变化示意图Figure 4 Change of landscape ecological risk level of green space in Kunshan City from 2000 to 20203.3 基于景观生态风险评价的昆山市绿色空间分区调控策略
基于2000—2020年昆山市绿色空间景观生态风险等级变化特征，将风险等级升高、不变和降低的区域分别划定为重点修复区、协调缓冲区和优化利用区。依据《苏州市“十四五”生态环境保护规划》《昆山市生态环境保护“十四五”规划》《昆山市国土空间总体规划(2021—2035)》等规划政策，结合调控分区的景观生态风险水平，提出有针对性的空间分区调控策略。
3.3.1 重点修复区实施生态保育，降低绿色空间生态风险
重点修复区为景观生态风险等级升高的区域，主要表现为较低风险向中风险、中风险向较高风险转移。片区内绿色空间破碎度增加，生态系统稳定性下降，景观生态风险水平不断上升。应加强生态保育与生态修复，对淀山湖、白莲湖等主要核心水域开展生态治理与修复工程，提升水域生态涵养功能；系统梳理、串通河网水系，在河网沿线严格管控开发强度大的建设活动；对破碎的绿色空间斑块进行整合，特别是南部长白荡、明镜荡等水域密集地区，着力提升水网景观的连通性和抗干扰能力，维护绿色空间的完整性与稳定性。
3.3.2 协调缓冲区加强缓冲区建设，筑牢绿色空间生态安全屏障
协调缓冲区为景观生态风险等级基本不变的区域，片区内绿色空间生态稳定性较强，能够抵御一定程度的外界干扰，景观生态风险维持在稳定水平。这些区域可作为生态缓冲地，提升绿色空间抗风险能力。通过强化河流水系、滨水绿带等生态廊道结构连通性[25]，串联湖荡、农田大型生态斑块，构建水陆联动的网络化生态空间格局；加强傀儡湖、阳澄湖等生境敏感区的缓冲区建设，构建区域生态安全屏障，维护生态保护网络边界，增强区域景观生态风险缓冲能力。
3.3.3 优化利用区优化生态建设，发挥绿色空间生态效益
优化利用区为景观生态风险等级降低的区域，主要表现为中风险向较低风险、较低风险向低风险转换。片区内绿色空间生态系统结构较为完整，对外界干扰具有较强的适应能力，景观生态风险水平有所下降。应依托片区内良好的生态优势，适度优化建设，提升水网空间活力，维护生态系统的稳定性。首先明确生态保护红线边界，保护绿色空间健康稳定发展；其次对绿色空间进行分级分类管控，加强对城市生态森林公园、夏驾河湿地公园等核心生态资源的保护与管理，定期监测与评估生态用地的环境状况；同时在生态保护基础上优化建设，结合黄家埭等地区独特的水网空间优势开展科普教育、休闲游憩等服务，提升绿色空间的生态效益。
4. 讨论与结论
4.1 讨论
本研究表明：绿色空间用地类型转变与景观生态风险具有关联性。研究期间昆山市南部水域及周边地区由于城镇用地扩张，耕地、水域等绿色空间面积持续减少，生态系统结构稳定性下降，景观生态风险等级呈上升趋势。这与于淑会等[26]、陈斌等[27]的研究结论一致。水网地区以纵横交错的河流、湖荡为主体，水域面积较大，易受外界城镇建设用地扩张的干扰而破碎化，景观脆弱度高。本研究结果表明：水域范围内的景观生态风险指数普遍较高。这与何钊全等[28]对延安市的研究存在一定差异。延安市地处黄土丘陵区，林地和耕地是优势景观类型，受经济发展和建设用地扩张影响较大，林地、耕地破碎化程度加剧，抗干扰能力下降，景观损失度增加，使林地与耕地的景观生态风险值较高。
本研究在快速城镇化背景下，基于景观生态风险评价，加强绿色空间分区规划调控，对提升区域生态安全水平，优化国土空间结构，促进区域可持续发展具有一定理论指导意义。但研究仍存在一定局限性：①研究侧重从景观空间结构变化视角来评价绿色空间景观生态风险状况，对社会、经济等层面影响因素研究不足，还需进一步完善景观生态风险影响因素和驱动机制研究。②生态过程具有复杂性和抽象性，其具体演变过程很难做到定量表述。需要对生态风险展开多尺度分析，深入探讨景观格局生态风险和生态过程的耦合关系，为区域风险管理提供更加科学的依据。
4.2 结论
①2000—2020年昆山市绿色空间总面积持续减少，其中耕地面积缩减最多；水域面积先小幅增加后持续减少，总体呈减少趋势；林地、草地面积占比较小，维持相对平稳。研究区用地类型转换主要表现为耕地和水域转向建设用地。②2000—2020年昆山市绿色空间景观格局变化特征明显，耕地空间分布在建设用地扩张影响下趋于分散，破碎化程度加大，损失度增加；水域破碎度指数先下降后上升，总体破碎度呈增大趋势，景观受外界干扰增加；林地破碎度、干扰度和脆弱度呈下降趋势，斑块分布呈集聚态势；草地破碎度指数先上升后下降，总体破碎度呈下降趋势，空间分布趋于集聚，景观损失度降低。③2000—2020年昆山市绿色空间景观生态风险等级总体呈上升趋势，其中高风险区、较高风险区面积显著扩大，占比分别增加8.10%、6.61%，空间分布上主要集中在南部淀山湖、白莲湖等水域密集地区，并有进一步向外围蔓延发展的趋势；较低风险区、低风险区面积缩减明显，占比分别下降8.25%和9.73%；景观生态风险以低风险等级向更高一级转变为主，绿色空间受人工建设干扰生态风险不断增强。④依据景观生态风险等级变化特征将研究区划分为重点修复区、协调缓冲区和优化利用区。
-
图 1 不同演替阶段土壤微生物生物量碳质量分数季节动态
Figure 1 Seasonal variations of soil MBC contents under different succession stages
表 1 植被演替、土层和季节对土壤MBC质量分数的影响
Table 1. Effects of vegetation succession, soil layer and season on soil MBC contents
影响因素 分布值/% P 植被演替 26.23 0.000 土层 0.91 0.087 季节 32.29 0.000 植被演替×土层 0.96 0.728 植被演替×季节 5.86 0.003 土层×季节 7.05 0.000 植被演替×土层×季节 4.84 0.348 
下载: 导出CSV
表 2 土壤微生物生物量碳与土壤理化因子相关性
Table 2. Pearson correlation coefficients (r-value) between MBC and physic-chemical factors of soil
项目 土壤
有机碳总氮 C/N pH 容重 含水率 MBC 0.187* 0.173* 0.062 −0.225** −0.190* 0.461** 说明：*表示显著相关水平(P＜0.05)；**表示极显著相关水平 (P＜ 0.01)
下载: 导出CSV
-
[1] D’ANDRILLI J, COOPER W T, FOREMAN C M, et al. An ultrahigh-resolution mass spectrometry index to estimate natural organic matter lability [J]. Mass Spectrom, 2015, 29(24): 2385 − 2400. [2] HU Yufu, JIANG Shuanglong, YUAN Shu, et al. Changes in soil organic carbon and its active fractions in different desertification stages of alpine-cold grassland in the eastern Qinghai-Tibet Plateau [J]. Environ Earth Sci, 2017, 76(1): 348. [3] LU Xin, HU Haiqing, SUN Long. Effect of fire disturbance on active organic carbon of Larix gmelinii forest soil in Northeastern China [J]. J For Res, 2017, 28(4): 1 − 12. [4] ZHANG Shuai, XU Mingxiang, ZHANG Yengya, et al. Effects of land use change on soil active organic carbon in deep soils in Hilly Loess Plateau region of northwest China [J]. Environ Sci, 2015, 36: 661 − 668. [5] KABIRI V, RAIESI F, GHAZAVI M A. Tillage effects on soil microbial biomass, SOM mineralization and enzyme activity in a semi-arid Calcixerepts [J]. Agric Ecosyst Environ, 2016, 232: 73 − 84. [6] XIAO Ye, HUANG Zhigang, LU Xianguo. Changes of soil labile organic carbon fractions and their relation to soil microbial characteristics in four typical wetlands of Sanjiang Plain, northeast China [J]. Ecol Eng, 2015, 82: 381 − 389. [7] 李红琴, 徐海燕, 马小亮, 等. 马衔山多年冻土与季节冻土区土壤微生物量及酶活性的季节动态[J]. 冰川冻土, 2017, 39(2): 421 − 428. LI Hongqin, XU Haiyan, MA Xiaoliang, et al. The seasonal dynamics of soil microbial biomass and enzyme activities in permafrost area and seasonally frozen ground area of the Maxian Mountain [J]. J Glaciol Geocryol, 2017, 39(2): 421 − 428. [8] 周世兴, 邹秤, 肖永翔, 等. 模拟氮沉降对华西雨屏区天然常绿阔叶林土壤微生物生物量碳和氮的影响[J]. 应用生态学报, 2017, 28(1): 12 − 18. ZHOU Shixing, ZOU Cheng, XIAO Yongxiang, et al. Effects of simulated nitrogen deposition on soil microbial biomass carbon and nitrogen in natural ever- green broad-leaved forest in the rainy area of west China [J]. Chin J Appl Ecol, 2017, 28(1): 12 − 18. [9] 杨帆, 杨万勤, 吴福忠, 等. 萘对川西亚高山森林土壤呼吸、可溶性有机质和微生物生物量的影响[J]. 应用生态学报, 2018, 29(3): 757 − 764. YANG Fan, YANG Wangqin, WU Fuzhong, et al. Effects of naphthalene on soil respiration, dissolved organic matter and microbial biomass in the subalpine forest of western Sichuan, China [J]. Chin J Appl Ecol, 2018, 29(3): 757 − 764. [10] 蒋永梅, 姚拓, 田永亮, 等. 不同管理措施对高寒草甸土壤微生物量季节性变化的影响[J]. 草原与草坪, 2016, 36(5): 105 − 110. JIANG Yongmei, YAO Tuo, TIAN Yongliang, et al. Effect of different management patterns on seasonal dynamics of soil microbial biomass in the alpine meadow [J]. Grassland Turf, 2016, 36(5): 105 − 110. [11] 杨文英, 邵学新, 梁威, 等. 杭州湾湿地土壤酶活性分布特征及其与活性有机碳组分的关系[J]. 湿地科学与管理, 2011, 7(2): 54 − 58. YANG Wenying, SHAO Xuexin, LIANG Wei, et al. Vertical dynamics of soil enzyme activities and its relationship with active organic carbon fractions in Hangzhou bay wetland [J]. Wetland Sci Manage, 2011, 7(2): 54 − 58. [12] 张静, 马玲, 丁新华, 等. 扎龙湿地不同生境土壤微生物生物量碳氮的季节变化[J]. 生态学报, 2014, 34(13): 3712 − 3719. ZHANG Jing, MA Ling, DING Xinhua, et al. Seasonal dynamics of soil microbial biomass C and N in different habitats in Zhalong Wetland [J]. Acta Ecol Sin, 2014, 34(13): 3712 − 3719. [13] 石思博, 王旭东, 叶正钱, 等. 菌渣化肥配施对稻田土壤微生物量碳氮和可溶性碳氮的影响[J]. 生态学报, 2018, 38(23): 8612 − 8620. SHI Sibo, WANG Xudong, YE Zhengqian, et al. Effects of the combination of fungal residue and chemical fertilizer on soil microbial biomass carbon and nitrogen and dissolved organic carbon and nitrogen in paddy soil [J]. Acta Ecol Sin, 2018, 38(23): 8612 − 8620. [14] XIONG Xiong, GRUNWALD S, MYERS D B, et al. Interaction effects of climate and land use/land cover change on soil organic carbon sequestration [J]. Sci Total Environ, 2014, 493: 974 − 982. [15] HUANG Wei, McDOEELL W H, ZOU Xiaoming, et al. Qualitative differences in headwater stream dissolved organic matter and riparian water-extractable soil organic matter under four different vegetation types along an altitudinal gradient in the Wuyi Mountains of China [J]. Appl Geochem, 2015, 52: 67 − 75. [16] 国家林业局. 森林土壤分析方法: LY/T 1210~1275−1999[S]. 北京: 中国标准出版社, 1999: 1 − 108. [17] 王磊, 何冬梅, 刘华, 等. 江苏滨海湿地不同植被演替阶段土壤有机碳分布特征[J]. 安徽农业大学学报, 2017, 44(6): 1064 − 1069. WANG Lei, HE Dongmei, LIU Hua, et al. Distribution of soil organic carbon under different vegetation successions in the coastal wetland of Jiangsu [J]. J Anhui Agric Univ, 2017, 44(6): 1064 − 1069. [18] 田舒怡, 满秀玲. 大兴安岭北部森林土壤微生物量碳和水溶性有机碳特征研究[J]. 土壤通报, 2016, 47(4): 838 − 845. TIAN Shuyi, MAN Xiuling. Characteristics of soil microbial biomass carbon and dissolved organic carbon in northern forest region of Daxing’an montains [J]. Chin J Soil Sci, 2016, 47(4): 838 − 845. [19] 孙小琳, 孔范龙, 李悦, 等. 胶州湾滨海湿地枯落物分解对土壤活性有机碳含量及其三维荧光特性的影响[J]. 应用生态学报, 2019, 30(2): 563 − 572. KONG Xiaolin, KONG Fanlong, LI Yue, et al. Effects of litter decomposition on contents and three-dimensional fluorescence spectroscopy characteristics of soil labile organic carbon in coastal wetlands of Jiaozhou Bay, China [J]. Chin J Appl Ecol, 2019, 30(2): 563 − 572. [20] 管海英, 王权, 赵鑫, 等. 2种典型荒漠植被区土壤微生物量碳的季节变化及影响因素分析[J]. 干旱区地理, 2015, 38(1): 67 − 75. GUAN Haiying, WANG Quan, ZHAO Xin, et al. Seasonal patterns of soil microbial biomass C and impacting factors in two typical arid desert vegetation regions [J]. Arid Land Geogr, 2015, 38(1): 67 − 75. [21] YANG Wen, ZHAO Hui, CHEN Xinglong, et al. Consequences of short-term C4 plan Spartina alerniflora invasions for soil organic carbon dynamics in a coastal wetland of eastern China [J]. Ecol Eng, 2013, 61(12): 50 − 57. [22] 张祥霖, 石盛莉, 潘根兴, 等. 互花米草入侵下福建漳江口红树林湿地土壤生态化学变化[J]. 地球科学进展, 2008, 23(9): 974 − 981. ZHANG Xianglin, SHI Shengli, PAN Genxing, et al. Changes in ecochemical properties of a mangrove wetland under spartina invasion from Zhangjiangkou, Fujian, China [J]. Adv Earth Sci, 2008, 23(9): 974 − 981. [23] 周义贵, 郝凯婕, 李贤伟, 等. 川西亚高山不同土地利用类型对土壤微生物量碳动态特征的影响[J]. 自然资源学报, 2014, 29(11): 1944 − 1956. ZHOU Yigui, HAO Kaijie, LI Xianwei, et al. Effect of different land use patterns on seasonal dynamic of soil microbial biomass carbon in the subalpine forest of western Sichuan, China [J]. J Nat Resour, 2014, 29(11): 1944 − 1956. [24] 刘明慧, 孙雪, 于文杰, 等. 长白山不同海拔原始红松林土壤活性有机碳含量的生长季动态[J]. 南京林业大学学报(自然科学版), 2018, 42(2): 67 − 74. LIU Minghui, SUN Xue, YU Wenjie, et al. Seasonal dynamics of soil active organic carbon content in the original Pinus koraiensis forest in Changbai Mountains, China [J]. J Nanjing For Univ Nat Sci Ed, 2018, 42(2): 67 − 74. [25] 韩广轩. 潮汐作用和干湿交替对盐沼湿地碳交换的影响机制研究进展[J]. 生态学报, 2017, 37(24): 8170 − 8178. HAN Guangxuan. Effect of tidal action and drying-wetting cycles on carbon exchange in a salt marsh: progress and prospects [J]. Acta Ecol Sin, 2017, 37(24): 8170 − 8178. [26] 刘平, 邱月, 王玉涛, 等. 渤海泥质海岸典型防护林土壤微生物量季节动态变化[J]. 生态学报, 2019, 39(1): 363 − 370. LIU Ping, QIU Yue, WANG Yutao, et al. Seasonal dynamics of soil microbial biomass in typical shelterbelts on the Bohai muddy coast [J]. Acta Ecol Sin, 2019, 39(1): 363 − 370. [27] 涂志华, 尉永键, 范志平, 等. 太子河源流域不同类型水源涵养林土壤微生物生物量碳、氮的季节动态[J]. 生态学杂志, 2018, 37(7): 2139 − 2147. TU Zhihua, WEI Yongjian, FAN Zhiping, et al. Seasonal variations of soil microbial biomass C and N in different types of water conservation forest in the headstream of Taizi River watershed [J]. Chin J Ecol, 2018, 37(7): 2139 − 2147. [28] 刘纯, 刘延坤, 金光泽. 小兴安岭6种森林类型土壤微生物量的季节变化特征[J]. 生态学报, 2014, 34(2): 451 − 459. LIU Chun, LIU Yankun, JIN Guangze. Seasonal dynamics of soil microbial biomass in six forest types in Xiaoxing’an Mountains, China [J]. Acta Ecol Sin, 2014, 34(2): 451 − 459. [29] 杨凯, 朱教君, 张金鑫, 等. 不同林龄落叶松人工林土壤微生物生物量碳氮的季节变化[J]. 生态学报, 2009, 29(10): 5500 − 5507. YANG Kai, ZHU Jiaojun, ZHANG Jinxin, et al. Seasonal dynamics of soil microbial biomass C and N in two larch plantation forests with different ages in northeastern China [J]. Acta Ecol Sin, 2009, 29(10): 5500 − 5507. [30] 张剑, 汪思龙, 王清奎, 等. 不同森林植被下土壤活性有机碳含量及其季节变化[J]. 中国生态农业学报, 2009, 17(1): 41 − 47. ZHANG Jian, WANG Silong, WANG Qingkui, et al. Content and seasonal change in soil labile organic carbon under different forest covers [J]. Chin J Eco-Agric, 2009, 17(1): 41 − 47. [31] ZHOU Zhenghu WANG C K. Reviews and syntheses: Soil resources and climate jointly drive variations in microbial biomass carbon and nitrogen in China’s forest ecosystems [J]. Biogeosci Discuss, 2015, 12(14): 6751 − 6760. [32] 王薪琪, 韩轶, 王传宽. 帽儿山不同林龄落叶阔叶林土壤微生物生物量及其季节动态[J]. 植物生态学报, 2017, 41(6): 597 − 609. WANG Xinqi, HAN Yi, WANG Chuankuan. Soil microbial biomass and its seasonality in deciduous broadleaved forests with different stand ages in the Mao’ershan region, northeast China [J]. Chin J Plant Ecol, 2017, 41(6): 597 − 609. [33] SONG Piao, REN Haibao, JIA Qi, et al. Effects of historical logging on soil microbial communities in a subtropical forest in southern China [J]. Plant Soil, 2015, 397: 115 − 126. [34] 张雨洁, 王斌, 李正才, 等. 施肥措施对古香榧林地土壤活性有机碳和养分的影响[J]. 林业科学研究, 2019, 32(2): 87 − 93. ZHANG Yujie, WANG Bin, LI Zhengcai, et al. Effects of fertilization measures on soil labile organic carbon and nutrient of old Torreya grandis [J]. For Res, 2019, 32(2): 87 − 93. [35] 范志平, 王琼, 李法云. 辽东山地不同森林类型土壤有机碳季节动态及其驱动因子[J]. 生态学杂志, 2018, 37(11): 3220 − 3230. FAN Zhiping, WANG Qiong, LI Fayun. Seasonal dynamics of soil organic carbon in different forest types and its driving factors in mountainous region of eastern Liaoning [J]. Chin J Ecol, 2018, 37(11): 3220 − 3230. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20190565
点击查看大图
计量
- 文章访问数: 1720
- HTML全文浏览量: 502
- PDF下载量: 362
- 被引次数: 0
