下载:
-
陆地生态系统碳循环是全球碳循环的重要部分，土壤是陆地生态系统最大的碳库。有研究表明：陆地生态系统中土壤有机碳储量比大气中高2~3倍[1]。土壤有机碳是土壤碳库的重要存在形式，也是维持陆地生态系统结构和功能的重要基础[2]。但是由于自然因素或者人为破坏造成的陆地生态系统退化已经严重影响了土壤碳库的稳定和固持能力，甚至成为仅次于化石燃料燃烧的人为二氧化碳排放源[3]。植被恢复普遍被认为是提升退化土壤有机碳固持能力的有效措施[4]，然而土壤碳库恢复往往滞后于植被，且不同植被恢复模式之间差异较大[5]。因此，研究不同植被恢复模式下土壤有机碳储量特征对正确认识退化区域土壤固碳潜力和可持续恢复具有指导意义。
在植被恢复过程中土壤有机碳的积累存在很大的不确定性，与造林前相比，植被恢复后土壤有机碳增加、减少或者无显著变化的报道均有存在[6]。这主要是由于造林打破了原生态系统土壤有机碳输入与输出的动态平衡，可能需要几十年的时间才能达到新的平衡，因此土壤有机碳主要取决于造林前储存碳的分解[7]。此外，人工造林与植被自然恢复作为退化生态系统非常重要的植被恢复模式，两者的土壤固碳能力大小也存在争议。WEI等[5]研究表明：人工造林的土壤固碳能力显著高于自然植被恢复，而JIN等[8]认为：自然植被恢复比人工造林更利于土壤固碳。这是因为2种植被恢复模式在经营管理、物种组成、微气候、根系周转及分泌物、凋落物等方面都存在很大差异[9]，从而导致土壤碳汇效应差异，因此，分析不同人工恢复模式与自然恢复模式下的土壤碳汇效应对探讨其在调节碳平衡中的作用和贡献具有重要意义。
水利部监测结果表明：南方红壤丘陵考察区共有水土流失面积13.12万km2，约占土地总面积的15%，已经成为仅次于黄土高原的第二大土壤侵蚀区[10]。目前，已有学者对南方红壤侵蚀区的土壤碳库特征做了初步研究，如李燕燕等[11]研究了红壤丘陵区不同植被恢复模式对土壤有机碳周转的影响，结果表明：马尾松Pinus massoniana林土壤有机碳来源于森林碳的比例高于木荷Schima superba林，但木荷林中土壤有机碳分解更慢；XIAO等[12]分析了赣南退化红壤区不同植被恢复年限土壤有机碳密度的动态变化特征，发现与裸地相比，经过4、14、24和34 a恢复，土壤有机碳固存能力分别为2.97、2.01、12.91和19.79 Mg·hm−2；辜翔等[13]采用时空代替法揭示了湘中红壤丘陵区植被恢复对土壤有机碳、碳密度的影响，结果表明：土壤有机碳随植被恢复的变化受到植被因子和土壤因子的共同影响。然而，红壤侵蚀区长期植被恢复后，不同植被恢复模式土壤有机碳质量分数、密度变化及其影响因素还缺乏较为系统的研究。此外，吕茂奎等[14]研究表明：红壤侵蚀地植被恢复 7~11 a，土壤非保护性有机碳质量分数显著增加，其分配比例也明显升高；恢复至 27 a后分配比例保持在较稳定水平，土壤有机碳的输入与微生物分解过程逐渐达到相对平衡状态。本研究以江西退化红壤森林植被恢复国家长期科研基地经过27 a人工植被恢复重建的6种林分为研究对象，以未加人工干扰的自然恢复地为对照，分析不同植被恢复模式土壤有机碳质量分数、密度的变化特征，探讨植物生物量及土壤性质变化对土壤有机碳储量的影响，为退化红壤区生态修复及碳库管理提供科学支撑。
-
江西退化红壤森林植被恢复国家长期科研基地是典型红壤侵蚀退化丘陵区，地处江西省泰和县石山乡，26°54′~ 26°55′N，114°48′~ 114°49′E，为典型的亚热带湿润季风气候，水热资源丰富，年平均气温为18.6 ℃，年降雨量为1 726.0 mm，年平均日照时数为1 756.4 h。研究区土壤母质为第四纪红土，表层石砾含量较多，属于典型的红壤低丘岗。由于长期的乱砍滥伐、过度放牧、割灌铲草，导致土壤侵蚀严重、土地贫瘠，仅有一些干旱和半干旱草(狗牙根属Cynodon)零星分布，土壤有机质质量分数极低(6.5 g·kg−1)[5]。1991年选用湿地松P. elliottii、马尾松、晚松P. serotina、火炬松P. taeda、枫香Liquidambar formosana、樟树Cinnamomum camphora、木荷、油桐Vernicia fordii等树种，在该区采取不同配置模式开展荒山造林植被恢复试验研究，共有84个小班连片分布。目前，试验区已郁闭成林。
-
在研究区内选取6种典型人工植被恢复类型(马尾松纯林、湿地松纯林、木荷纯林、湿地松-木荷混交林、马尾松补植木荷林和湿地松补植木荷林)，每种植被恢复类型设置5个20 m×20 m的标准样地。此外，在基地外选择3个未加人工干扰的自然恢复样地作为对照(表1)。于2018年7月在每个样地内沿对角线均匀挖取3个土壤剖面，共99个剖面。已有研究表明：红壤侵蚀地不同植被恢复措施对于40 cm以下土壤有机碳质量分数影响不大[15]。因此，本研究以40 cm为采样深度，按0~10、10~20、20~30、30~40 cm分层, 从下而上采集土壤样品, 同时用环刀法测定土壤容重、含水率。
表 1 7种植被恢复模式的基本情况
Table 1. General characteristics of seven vegetation restoration patterns
植被恢复模式 面积/hm2 优势种 恢复年限/a 胸径/cm 树高/m 马尾松纯林(PM) 17.16 马尾松 27 11.40±0.75 7.39±0.26 湿地松纯林(PE) 17.74 湿地松 27 17.32±2.05 8.98±0.74 木荷纯林(SS) 11.61 木荷 27 11.63±0.32 9.02±0.76 湿地松-木荷混交林(MES) 5.46 湿地松、木荷 27 13.64±0.47 9.33±0.63 马尾松补植木荷林(RMS) 19.07 马尾松、木荷 27 14.08±0.36 8.39±0.33 湿地松补植木荷林(RES) 14.81 湿地松、木荷 27 14.18±0.44 7.91±0.15 自然恢复样地(ck) 狗牙根、金樱子、狗尾草 27 说明：狗牙根Cynodon dactylon；金樱子Rosa laevigata；狗尾草Setaria viridis。马尾松补植木荷林初植为马尾松，2010年补植木荷；湿地松补植木荷林初植为湿地松，2006年补植木荷。胸径和树高数值为平均值±标准差。 对每个样地中胸径＞5 cm的林木进行每木检尺，记录胸径、树高等，其次在每个样地沿对角线均匀布置5个1 m×1 m样方，收集样方内的全部凋落物，称湿质量后，将约300 g带回实验室。野外采集的样品带回实验室处理后用于测定相关指标。有机碳采用重铬酸钾容量法-外加热法(H2SO4-K2Cr2O7)，土壤容重和孔隙度的测定采用环刀法，土壤含水率采用烘干法，pH采用电极法，全氮、全磷采用高氯酸-硫酸消煮法，全自动间断化学分析仪(Smart Chem 200 Alliance Corp.)上机测定[16]。
-
土壤有机碳密度及有机碳储量参考CHEN等[17]的计算方法。土壤有机碳密度(DSOC)计算公式如下：DSOCi= CiρiHi(1−F)/10。其中：DSOCi为第i层土壤有机碳密度 (Mg·hm−2)；Ci为第i层土壤有机碳质量分数(g·kg−1)；ρi为第i层土壤容重 (g·cm−3)，Hi为剖面深度(cm)；F为粒径＞2 mm的砾石质量百分比(%)；10−1为单位转换系数。乔木生物量按照目前中国执行的立木生物量模型及碳计量参数标准[18−20]进行估算。
样品数据录入后，采用SPSS 27.0对不同植被恢复类型和不同土层深度的有机碳质量分数和有机碳密度差异进行单因素方差分析(one-way ANOVA)，采用最小显著性差异(LSD) 法进行差异显著性检验(P＜0.05)；采用皮尔逊(Pearson)相关分析探究土壤有机碳密度的影响因素，使用Origin 2022和ArcGIS 10.8.1绘图。
-
由图1可以看出：在0~20 cm土层中，退化红壤区6种人工植被恢复模式的土壤有机碳相较自然恢复样地均有显著增加(P＜0.05)；在20~30 cm土层中，除了马尾松纯林和湿地松纯林外，其余4种人工植被恢复模式土壤有机碳质量分数均显著高于对照(P＜0.05)；在30~40 cm土层中，仅有木荷纯林和湿地松-木荷混交林的土壤有机碳质量分数显著高于对照(P＜0.05)。比较6种人工植被恢复模式发现，土壤有机碳在0~10 cm土层中木荷纯林显著高于湿地松纯林和马尾松纯林，湿地松-木荷混交林显著高于马尾松纯林(P＜0.05)；在10~20 cm土层中仅有木荷纯林显著高于湿地松纯林和马尾松纯林(P＜0.05)；在20~30和30~40 cm土层中6种人工植被恢复模式之间无显著差异。
图 1 不同植被恢复模式间土壤有机碳质量分数特征
Figure 1. Characteristics of soil organic carbon contents among different vegetation restoration patterns
-
从图2可以看出：所有植被恢复模式不同土层的土壤有机碳质量分数分布规律基本一致，均表现出较强的表聚效应，即0~10 cm表层土壤有机碳最多，且随着土壤深度的增加土壤有机碳呈现减少的趋势，但不同植被恢复模式土壤有机碳层间差异不同。其中木荷纯林的层间差异最大，0~10 cm土层土壤有机碳质量分数与30~40 cm土层相差33.26 g·kg−1，其次为湿地松-木荷混交林、湿地松补植木荷林、马尾松补植木荷林、湿地松纯林、马尾松纯林，对照不同土层之间的差异最小，仅相差4.90 g·kg−1。不同植被恢复模式0~20 cm土层土壤有机碳质量分数均占0~40 cm土层的60 %以上。
图 2 不同植被恢复模式间土壤有机碳质量分数垂直分布特征
Figure 2. Vertical distribution characteristics of soil organic carbon contents between different vegetation restoration patterns
-
从图3可以看出：不同植被恢复模式之间土壤有机碳密度存在显著差异(P＜0.05)，其中在0~10、10~20和20~30 cm土层中，6种人工植被恢复模式的土壤有机碳密度均显著大于对照，在30~40 cm土层中除了湿地松纯林外，其余5种人工植被恢复模式的土壤有机碳密度均显著大于对照(P＜0.05)。比较6种人工植被恢复模式发现，在0~10 cm土层中，木荷纯林的土壤有机碳密度显著大于湿地松纯林和马尾松纯林，湿地松-木荷混交林的土壤有机碳密度显著大于马尾松纯林(P＜0.05)；在10~20 cm土层，木荷纯林、湿地松-木荷混交林和马尾松补植木荷林的土壤有机碳密度显著大于马尾松纯林(P＜0.05)；在20~30和30~40 cm土层，木荷纯林的土壤有机碳密度显著大于马尾松补植木荷林、湿地松补植木荷林、马尾松纯林和湿地松纯林(P＜0.05)。总体而言，土壤有机碳密度变化呈现出随土壤剖面深度的增加而减少的趋势。
图 3 不同植被恢复模式土壤有机碳密度分布特征
Figure 3. Distribution characteristics of soil organic carbon density in different vegetation restoration patterns
-
从图4可以看出：土壤有机碳密度与土壤理化性状和植被因子之间均存在显著相关性。其中，土壤有机碳密度与土壤有机碳质量分数(r=0.932，P＜0.01)、土壤含水量(r=0.258，P＜0.01)、土壤孔隙度(r=0.533，P＜0.01)、土壤全氮质量分数(r=0.674，P＜0.01)、土壤全磷质量分数(r=0.268，P＜0.01)、凋落物现存量(r=0.254，P＜0.01)、凋落物碳质量分数(r=0.229，P＜0.05)、凋落物氮质量分数(r=0.322，P＜0.01)、凋落物磷质量分数(r=0.246，P＜0.05)、地上部分生物量(r=0.243，P＜0.01)和地下部分生物量(r=0.237，P＜0.01)呈显著或极显著正相关，与pH (r=−0.367)和土壤容重(r=−0.336)呈极显著负相关(P＜0.01)。土壤有机碳密度与土壤有机碳质量分数相关系数最大，与地下部分生物量的相关系数最小。总体上看，土壤理化性状和植被因子对土壤有机碳的影响与土壤有机碳密度基本一致。
图 4 土壤有机碳密度与土壤理化性状、植被因子间的皮尔逊相关分析
Figure 4. Pearson correlation analysis between SOCD and soil physicochemical properties and vegetation factors
-
表2为研究区经过27 a植被恢复与重建后不同植被恢复模式的土壤有机碳储量。从表2可以看出：0~40 cm土层土壤有机碳储量从高到低依次为木荷纯林、湿地松-木荷混交林、马尾松补植木荷林、湿地松补植木荷林、湿地松纯林、马尾松纯林，与对照相比，土壤有机碳储量分别增加了50.12、42.73、38.20、33.03、26.93和20.85 Mg·hm−2，最大提升了2.46倍，最小提升了1.02倍，说明人工植被恢复对促进土壤有机碳积累效果显著。
表 2 退化红壤区植被恢复土壤有机碳储量
Table 2. Soil organic carbon stocks in revegetated red soil areas with degradation
土层深度/cm 土壤有机碳储量/( Mg·hm−2) 马尾松纯林 湿地松纯林 木荷纯林 马尾松补植木荷林 湿地松补植木荷林 湿地松-木荷混交林 自然恢复样地 0~10 16.56 20.28 31.19 27.18 24.92 29.03 6.06 10~20 9.68 12.16 15.00 13.78 11.88 14.11 5.51 20~30 8.30 8.63 13.62 10.01 9.11 10.96 4.98 30~40 6.72 6.27 10.72 7.64 7.53 9.04 3.86 0~40 41.26 47.34 70.53 58.61 53.44 63.14 20.41 -
研究区经过27 a人工植被恢复后，土壤有机碳质量分数为17.57 g·kg−1，土壤有机碳储量为55.72 Mg·hm−2，与闽西[21]和赣南[12]红壤侵蚀区植被恢复24 a后0~40 cm土层土壤碳密度(分别为27.28和49.45 Mg·hm−2)相比，土壤有机碳储量较高。这主要是与植被恢复类型有关，土壤有机碳主要来源于植被凋落物及地下根系的分解和周转[22]。凋落物的分解速率及地下根系的分布和周转因植被类型不同而有所差异，因此植被类型在很大程度上影响着土壤碳库。土壤有机碳储量即使在同一地区或同一气候条件下, 也可能会因植被类型不同而产生较大的差异[23]。研究结果与湘中红壤侵蚀区植被恢复26 a后0~40 cm土层土壤有机碳相比，土壤有机碳质量分数高于湘中红壤侵蚀区(12.16 g·kg−1)[24]，土壤有机碳密度却低于湘中地区(71.40 Mg·hm−2)[13]。这一方面是因为辜翔等[13]的研究中没有去除粒径＞2 mm砾石，系统地高估了有机碳储量[25]；另一方面是因为在本研究区砾石较多，平均达到35.8%，因此本研究区土壤有机碳质量分数较高，土壤有碳储量却较低。植被恢复过程中，植被层的形成和发育会改变植被层生产力及土壤有机物质积累和分解，进而影响土壤碳质量分数和储量[2]。通常的恢复模式是使用具有高存活率的先锋物种在景观中定居，然后在环境条件允许的情况下逐渐引入当地的顶极物种。本研究区直接利用当地顶极物种[5]来恢复严重侵蚀退化土壤，并取得巨大成功，这对中国南方红壤侵蚀区大规模造林和再造林工程具有一定的参考意义。
-
本研究发现：对比自然恢复地，6种人工植被恢复模式0~40 cm土层土壤有机碳质量分数均有所增加，但随着土层深度的增加差异逐渐减小。这与刘苑秋等[26]对本研究区植被恢复早期(10 a)的研究结果不一致，其研究结果表明：0~40 cm土层内重建森林土壤的有机质质量分数低于对照区。这主要是因为：①自然恢复地虽然没有进行人工重建植被，但在不樵采、不放牧的保护措施下，一些阳性草本植物生长较快，地表植被盖度达90%[26]。在植被恢复初期(10 a)，地表植物凋落物量更多，凋落物及地下根系的分解与周转速率更快，土壤有机碳的固持和保护作用更强。②已有研究表明：在植被恢复早期，原先土壤碳的缓慢分解是中国南方红壤侵蚀区有机碳增加的重要原因[27]，而人工植被恢复模式对土壤有机碳的消耗远大于自然植被恢复模式，因此在植被恢复早期自然恢复地土壤有机碳质量分数高于人工重建植被。然而随着恢复年限的增加，人工植被恢复模式群落总生物量及各组分生物量增高，地表凋落物现存量逐渐增多，凋落物层质量明显改善，且被土壤微生物分解的速率更快，有机物输入量更大[28]；同时地表裸露面积减少, 地表径流侵蚀减弱，土壤环境质量逐渐改善和稳定，土壤团聚体物理保护的增强，减缓了土壤有机碳的损失，因此土壤有机碳质量分数逐渐高于自然恢复地。
研究还发现：6种人工植被恢复模式0~20 cm土层土壤有机碳质量分数也存在差异，其中木荷纯林的土壤有机碳质量分数显著高于马尾松纯林和湿地松纯林。一方面是湿地松纯林和马尾松纯林凋落物较少，且存在大量顽抗的化合物，导致其分解速率较低并且减慢了颗粒有机物向矿质土壤转化的速度。木荷纯林的凋落物产量大，分解速率较快[29]，导致木荷纯林表层土壤有机碳质量分数显著高于马尾松纯林和湿地松纯林。另一方面是由于木荷纯林的地下根系发达且向更大范围伸展，有效改善了土壤储水功能和孔隙度[30]。土壤水分得到改善后提高了植物生产力，减缓了有机碳矿化速率[31]。土壤孔隙度增大有利于土壤中水分和气体的运移与交换[32]，可以更好地固持有机碳中的颗粒物，引起颗粒有机碳的变化，促进有机碳的积累[33]。然而随着土层深度的增加，发育于同一母质的深层土壤，受植物凋落物、根系的影响程度减弱，使得不同植被恢复模式土壤有机碳质量分数之间的差异也随着土壤深度的增加而减弱[24]。6种人工植被恢复模式在20~40 cm土层土壤有机碳质量分数差异不显著，这也表明：植被恢复过程中土壤有机碳的积累需要一个过程，表层土壤碳库比深层恢复更快。单一的凋落物会降低微生物丰度与多样性，导致其分解残留率显著增高[34]，因此虽然阔叶林的凋落物量更多，但是混交林的土壤微生物活性更高，分解凋落物和地下根系的速率更快，导致湿地松-木荷混交林、马尾松补植木荷林和湿地松补植木荷林等3种恢复模式与木荷纯林的0~40 cm土层土壤有机碳质量分数均无显著差异。同一气候条件下, 相同厚度土层土壤有机碳密度的变化取决于土壤有机碳质量分数和土壤容重。受到土壤容重的影响，本研究中不同植被恢复模式土壤有机碳密度的变化规律与土壤有机碳存在些许差异，但总体变化趋势基本相同。此外，本研究区土壤有机碳质量分数分布呈现随土层深度增加而减少的特征，但不同植被恢复模式土壤有机碳的层间差异不同。这与众多研究结果一致[2, 12−13]。这是因为地表凋落物和植物根系分解所形成的土壤有机碳首先进入土壤表层，使得表层土壤有机碳明显高于深层土壤，且林分类型对凋落物产量和分解速率均有显著影响，进而造成土壤有机碳层间差异有所不同[35]。
植被恢复是一个漫长的过程。在这个过程中土壤有机碳质量分数与植被因子、土壤理化性状密切相关，但不同因子对土壤有机碳质量分数影响不尽相同。研究表明：土壤有机碳和氮、磷均存在正相关关系，这是因为土壤碳和氮之间有较强的交互作用，土壤氮的增加会促进植物向土壤中转移更多的有机碳[36]，同时有机质质量分数高的土壤中往往含有大量有机磷[32]，磷质量分数的提升可促进土壤有机质分解[37]。凋落物氮、磷能为微生物群落提供充足的养分和能源，从而提高微生物活性，促进凋落物的分解[38]，因此土壤有机碳与凋落物氮、磷也呈正相关。土壤有机碳质量分数与pH呈显著负相关。这与JIA等[39]的研究结果一致。这是由于较低的土壤pH通常会抑制微生物的活性和数量，从而减慢土壤有机碳的分解速率，有利于土壤有机碳的积累[40]。土壤有机碳密度与土壤有机碳质量分数一样，也与土壤理化性状、植被因子密切相关，且与土壤有机碳的变化规律基本一致。
-
研究区人工植被恢复模式下土壤有机碳质量分数为17.57 g·kg−1，土壤有机碳储量为55.72 Mg·hm−2，显著高于自然恢复地，说明人工植被恢复与重建取得了巨大成功，可以在当地继续推广。在不同人工植被恢复模式0~20 cm 土层的土壤有机碳质量分数之间存在显著差异，其中木荷纯林显著高于马尾松纯林和湿地松纯林，但与湿地松-木荷混交林、湿地松补植木荷林和马尾松补植木荷林均无显著差异，因此在研究区今后的建设中，可通过间伐补植阔叶树等方式对针叶纯林进行改造，进而增强土壤固碳能力。研究区7种植被恢复模式不同土层的土壤有机碳质量分数分布规律基本一致，均表现出较强的表聚效应，表明土壤有机碳主要储存在土壤表层。因此, 应该加强地表植被层的保护，减少人为活动的干扰，促进植物群落恢复，维持土壤碳库的稳定。土壤有机碳密度的变化规律与土壤有机碳质量分数基本一致，是植被因子和土壤理化性状共同作用的结果，在今后的研究中应该综合考虑。
Characteristics and influencing factors of soil carbon stocks in different vegetation restoration models in red soil erosion areas
-
摘要:
目的 探讨江西红壤侵蚀区植被恢复过程中不同植被恢复模式的土壤碳储量特征，为揭示植被恢复对土壤碳汇的影响机制和江西红壤侵蚀区生态修复及碳库管理提供科学支撑。 方法 以经过27 a植被恢复与重建后的6种人工植被恢复模式(马尾松Pinus massoniana纯林、湿地松P. elliottii纯林、木荷Schima superba纯林、湿地松-木荷混交林、马尾松补植木荷林、湿地松补植木荷林)为研究对象，以未加人工干扰的自然恢复地为对照，比较不同植被恢复模式土壤有机碳质量分数、储量的变化特征，并分析其影响因素。 结果 ①相较于对照，在0~20 cm土层中，6种人工植被恢复模式土壤有机碳质量分数均有显著增加(P＜0.05)；在20~30 cm土层中，除了马尾松纯林和湿地松纯林外，其余4种人工植被恢复模式土壤有机碳质量分数均显著高于对照(P＜0.05)；在30~40 cm土层中，仅有木荷纯林和湿地松-木荷混交林的土壤有机碳质量分数显著高于对照(P＜0.05)。②研究区7种植被恢复模式的土壤有机碳质量分数均表现出较强的表聚效应，但不同植被恢复模式土层间差异不同，其中木荷纯林最大，0~10 cm土层土壤有机碳质量分数与30~40 cm土层相差33.26 g·kg−1，对照最小，仅相差4.90 g·kg−1。③土壤有机碳密度变化规律与质量分数变化规律基本一致，均是植被因子与土壤理化性状共同作用的结果。植被因子中凋落物氮质量分数与土壤有机碳密度的相关系数最大(r=0.322，P＜0.01)，土壤理化性状中土壤有机碳质量分数与土壤有机碳密度的相关系数最大(r=0.932，P＜0.01)。④土壤有机碳储量从高到低依次表现为木荷纯林、湿地松-木荷混交林、马尾松补植木荷林、湿地松补植木荷林、湿地松纯林、马尾松纯林，与对照相比，分别增加了50.12、42.73、38.20、33.03、26.93和20.85 Mg·hm−2，最大提升了2.46倍，最小提升了1.02倍。 结论 人工植被恢复与重建在红壤侵蚀区效果显著，在研究区今后的建设中可继续推广，以促进植物群落恢复，提高和维持土壤碳库的稳定。图4表2参40 Abstract:Objective This study is to explore the soil carbon stock characteristics of different vegetation restoration models in the process of vegetation restoration in red soil erosion areas of Jiangxi Province, so as to provide scientific support for revealing the impact mechanism of vegetation restoration on soil carbon sinks and ecological restoration and carbon pool management in red soil erosion areas of Jiangxi Province. Method The research objects included 6 types of forest stands after 27 years of vegetation restoration and reconstruction: Pinus massoniana pure forest (PM), P. elliottii pure forest (PE), Schima superba pure forest (SS), P. elliottii and S. superba mixed forest (MES), replanting S. superba with P. massoniana (RMS), and replanting S. superba with P. elliottii (RES). Natural restoration sites without artificial disturbance (ck) were used as controls to compare the changes in soil organic carbon (SOC) content and storage under different vegetation restoration models, and analyze their influencing factors. Result (1) Compared with ck, SOC mass fraction increased significantly (P＜0.05) in the 0−20 cm soil layer in all 6 artificial vegetation restoration models. In the 20−30 cm soil layer, except for PM and PE, SOC mass fraction of the other 4 vegetation restoration models was significantly higher than that of ck (P＜0.05). In the 30−40 cm soil layer, only SS and MES had significantly higher SOC mass fractions than ck (P＜0.05). (2) SOC mass fractions of the 7 vegetation restoration models in the study area showed a strong surface aggregation effect, but the differences between soil layers of different vegetation restoration models were different, among which SS had the largest SOC mass fraction, with a difference of 33.26 g·kg−1 between 0−10 cm soil layer and 30−40 cm layer, and ck had the smallest difference, with only 4.90 g·kg−1. (3) The change rules of SOC density and SOC content were basically the same, both of which were the result of the joint action of vegetation factors and soil physicochemical properties. The correlation coefficient between litter nitrogen mass fraction (r=0.322, P＜0.01) and SOC density was the largest among vegetation factors, and the correlation coefficient between SOC mass fractions (r=0.932, P＜0.01) and SOC density was the largest among soil physicochemical traits. (4) From high to low, SOC storage increased by 50.12 Mg·hm−2 in SS, 42.73 Mg·hm−2 in MES, 38.20 Mg·hm−2 in RMS, 33.03 Mg·hm−2 in RES, 26.93 Mg·hm−2 in PE, and 20.85 Mg·hm−2 in PM, respectively, compared with ck, with a maximum enhancement of 2.46 times and a minimum enhancement of 1.02 times. Conclusion Artificial vegetation restoration and reconstruction have significant effects in red soil erosion areas and can be further promoted in future construction in the research area to promote plant community restoration and enhance and maintain the stability of soil carbon pool. [Ch, 4 fig. 2 tab. 40 ref.] -
山核桃Carya cathayensis为落叶乔木，是含油率极高的胡桃科Juglandaceae高档干果，其果实为世界四大名优坚果之一[1-2]。因其口味独特、营养价值高而受到人们的广泛喜爱。浙江省杭州市临安区是中国山核桃主产区之一，种植历史悠久[3]。近几十年来，临安山核桃产业迅猛发展，现有种植面积已达5.3万 hm2，已成为当地林农重要的经济来源[4]。山核桃在临安广泛种植，但由于各镇林地有着不同的土壤特征，导致经济效益存在较大差异，即使在同一乡镇，产量大小年份的情况也依然存在[5]。这些问题在一定程度上限制了山核桃产业的发展。国内对于山核桃生长规律、规范施肥、产量提升等方面多有研究。杨慧思等[6]发现：山核桃产地土壤中大量及微量元素的空间分布特征与变异规律有着对应关系；张红桔等[7]揭示了山核桃产区主要养分因子和产量的关系以及空间分布特征；丁立忠等[8]研究结果指出：近10 a临安7 个山核桃主产镇的林地土壤有机碳含量总体呈升高趋势，而土壤碱解氮、有效磷和速效钾含量下降明显，养分现状不容乐观。但是有关水解酶活性与土壤肥力的关系，以及在山核桃产区空间上的分布特点还没有详细的报道和深入研究。水解酶与土壤中营养物质循环、能量转化以及环境质量等密切相关，并参与了土壤环境中重要的生物化学过程[9]。水解酶活性的空间分布特点可以灵敏地反映不同区域土壤中物质循环的速率，这种速率极大程度影响着林地土壤生态系统的功能。同时，水解酶活性能表征土壤养分转化的潜力，度量土壤污染程度和生产力，是人们评价土壤质量和土壤健康的重要经验指标之一[10]，因此，对土壤水解酶活性空间分布特点的研究十分重要。
本研究分析山核桃林土壤水解酶活性的空间分布特点，并通过地统计方法揭示土壤养分与水解酶的空间异质性及其影响因子，为林农掌握土壤肥力特性及养分转化潜力，合理经营山核桃林提供理论依据和技术支撑，对山核桃产业可持续发展具有重要的指导意义。
1. 材料与方法
1.1 研究区概况与样品采集
研究区位于浙江省杭州市临安区(31°14′N，119°42′E)，是中国山核桃的核心产区，属亚热带季风气候，年平均气温为16.0 ℃，极端最高和最低气温分别为41.7和−13.3 ℃。山核桃产区土壤以红壤土类分布最广，多发育于泥岩、页岩、砂岩、凝灰岩、花岗岩、流纹岩以及第四世纪红土[11]。山核桃是该地重要的经济树种，主要分布在海拔50~1100 m的丘陵和山地。林农一般在每年5月上旬和9月上旬将氮肥、复合肥与微肥配合施用。
样地按1 km×1 km网格在全市范围内布设，与临安区森林资源分布图相叠加，有山核桃分布的网格点即为山核桃林样地。根据均匀分布原则，2019年7—8月在山核桃分布较集中的岛石、龙岗、清凉峰、昌化、河桥、湍口、太阳等7个镇，共选取259个样地。在选定的区域内，采集0~20 cm的5个样点土壤样品后，混合，并在样地中心以全球定位系统(GPS)定位，记录经纬度。土壤样品带回实验室，去除石块、植物残体等异物，用木棒碾碎后过2 mm筛。将土壤样品分成2份，一份置于4 ℃冰箱保存，尽快测定土壤酶活性；另一份摊开后在室内自然风干，用于测定土壤养分指标和pH。
1.2 样品测定方法
测定涉及与土壤碳、氮、磷循环的α-葡萄糖苷酶(AG)、β-葡萄糖苷酶(BG)、纤维二糖水解酶(CBH)、木糖苷酶(XYL)、亮氨酸氨基肽酶(LAP)、N-乙酰-β-氨基葡萄糖苷酶(NAG)、酸性磷酸酶(PHOS)等7种土壤水解酶。土壤酶活性测定参照SAIYA-CORK等[12]的荧光微孔板检测技术。具体操作为：称取2 g鲜土于离心管中，加入30 mL提前配置好的pH为5.0的醋酸铵缓冲液，在25 ℃ 180 r·min−1摇床上震荡30 min，再用70 mL醋酸铵缓冲液冲洗至烧杯中，用磁力搅拌器搅拌1 min，用排枪取200 μL土壤悬液于96孔板中，并立即加入50 μL反应底物，放入25 ℃培养箱中避光培养3 h，取出后迅速加入15 μL 0.5 mol·L−1的氢氧化钠结束反应，用多功能酶标仪检测吸光值并计算土壤酶活性。土壤养分指标和pH参照鲁如坤[13]方法测定：土壤pH采用土水比(质量比)为1.0∶2.5的悬浊液，微电极法测定；土壤有机质采用浓硫酸-重铬酸钾外加热法测定；土壤碱解氮采用碱解扩散法测定；土壤有效磷采用盐酸-氟化铵(HCl-NH4F)浸提，钼锑抗比色法测定；土壤速效钾采用醋酸铵浸提，火焰光度计测定。
1.3 数据处理
1.3.1 空间自相关水平
水解酶活性的空间分布特征采用地统计分析方法。半方差变异函数是研究区域化变量模型，其公式为:
$$ y=\frac{1}{2 N} \sum_{i=1}^{N}[Z(x_i)-Z(x_i+h)]^{2} 。 $$ 其中：y表示间隔距离为h点的半方差值，h为空间间隔点的距离，即步长；N为样点观测数值成对的数目；Z(xi+h)和Z(xi)为样点测定值[14]。常用的半方差变异函数模型有球状(Spherical)、高斯(Gaussian)、指数(Exponential)[15]模型。模型中，C0代表块金值，C+C0代表基台值，当块基比C0/(C+C0)＜25%时，表明变量具有强烈的空间自相关，即主要受到结构性变异的影响；当C0/(C+C0)为25%~75%时，变量属于中等程度空间自相关；当C0/(C+C0)＞75%的，变量空间自相关程度较弱，即主要受随机因素影响[16-17]。
采用全局莫兰指数(Ig)来体现研究区域土壤水解酶的空间自相关水平。使用GeoDa软件对样点构建空间权重矩阵，可以根据局部莫兰指数(IL)绘制局部空间自相关聚类图[18]，采用Canoco 5.0对酶活性高、低聚集样点间总体差异采用999次的蒙特卡罗排列检验（Monte Carlo permutation test，999 permutations，full model），然后找出土壤酶活性关系密切的环境因子进行冗余分析(RDA)。
$$ {I_{\rm{g}}} = {\frac{{N\displaystyle \sum\limits_{i = 1}^N {{W_{ij}}({Z_i} - \overline Z )({Z_j} - \overline Z )} }}{{\displaystyle \sum\limits_{i = 1}^N {\displaystyle \sum\limits_{j = 1}^N {{W_{ij}}{{({Z_i} - \overline Z )}^2}} } }}_{}} ; $$ $$ {I_{\rm{L}}} = \frac{{{Z_i} - \overline Z }}{{{\sigma ^2}}}\sum\limits_{i = 1}^N {[{W_{ij}}({Z_i} - \overline Z )]} 。 $$ 其中：
$\overline Z$ 为变量Z的平均值；Zi、Zj分别是变量Z在空间i、j处的数值(i≠j)；σ2是变量Z的方差；Wij是Zi与Zj之间的空间权重函数，在选定尺度内时赋予权重值为1，超过尺度时权重值为0。当Ig＞0，表示目标样点与邻近样点有空间结构上的相似性，存在空间集聚区；当Ig＜0，表示空间区域异常[19]。1.3.2 土壤肥力分值
用SPSS 22.0对土壤水解酶活性与土壤性质数据进行描述性统计分析，计算变异系数，Pearson相关性分析设置显著水平为0.05。在Excel 2007中进行数据的对数转化。采用因子分析中的主成分分析法(PCA)和系统聚类分析，对山核桃林地土壤肥力情况进行评价[20]。通过因子分析确定参评土壤指标主成分特征值和特征向量，选取特征值较高的关键主成分，计算各主成分得分，再利用得分公式求出各样点土壤肥力分值(IIF)[21]，采用类平均法对分值进行系统聚类。肥力分值计算采用肥力指数和法。公式为：
$$ I_{\rm{IF}} = \frac{{{x_1}}}{{\displaystyle \sum\limits_{i = 1}^m {{x_i}} }}{F_1} + \frac{{{x_2}}}{{\displaystyle \sum\limits_{i = 1}^m {{x_i}} }}{F_2} + \frac{{{x_3}}}{{\displaystyle \sum\limits_{i = 1}^m {{x_i}} }}{F_3}+ \cdots + \frac{{{x_n}}}{{\displaystyle \sum\limits_{i = 1}^m {{x_i}} }}{F_n} 。 $$ 可简化为：IIF=λ1F1+λ2F2+λ3F3
$+\cdots+ $ λnFn。其中：Fi表示单个主成分得分；λi表示对应主成分解释的总变异。2. 结果与讨论
2.1 土壤性质描述性统计分析
土壤pH平均为5.76，最小为4.50，说明山核桃林地土壤主要为酸性土壤，且酸化较为严重。土壤有机质为5.41~98.08 g·kg−1，平均为37.39 g·kg−1；土壤有效磷为0.52~22.43 mg·g−1；土壤速效钾为22.06~466.07 mg·g−1；土壤碱解氮为28.62~192.53 mg·g−1。研究区域土壤变异系数从大到小依次为有效磷、速效钾、有机质、碱解氮、pH。土壤酶活性变异系数从大到小依次为CBH、XYL、AG、NAG、LAP、BG、PHOS，其中CBH、XYL为高度变异，AG、NAG、LAP、BG、PHOS为中等变异(表1)。根据ZHANG等[22]对变异系数的划分，当变异系数＜10%时为弱变异，在10%~90%时为中等变异，＞90%时则为高度变异。研究区域有效磷质量分数变异系数＞90%，具有明显的变异性，为高度变异。这可能是由于山核桃产区地势起伏较大，在雨水冲刷后有效磷极易流失，且林农施用磷肥量不均匀，土壤利用率较低，常年累积造成。土壤pH变异系数为10.28%，变异较小，与张红桔等[7]研究结果基本一致，说明山核桃林地土壤总体pH比较接近。
表 1 土壤性质描述性统计分析Table 1 Descriptive statistics of soil properties项目 有机质/
(g·kg−1)有效磷/
(mg·kg−1)速效钾/
(mg·kg−1)碱解氮/
(mg·kg−1)pH AG/
(mol·g−1·h−1)最小值 5.41 0.52 22.06 28.62 4.50 0.12 最大值 98.08 22.43 466.07 192.53 7.48 1.67 平均值 37.39 4.23 113.77 132.40 5.76 0.35 标准差 15.38 3.90 72.58 43.47 0.59 0.30 变异系数/% 41.15 92.20 63.80 32.83 10.28 88.12 项目 BG/
(mol·g−1·h−1)CBH/
(mol·g−1·h−1)XYL/
(mol·g−1·h−1)LAP/
(mol·g−1·h−1)NAG/
(mol·g−1·h−1)PHOS/
(mol·g−1·h−1)最小值 4.58 0.04 0.17 0.10 0.15 18.31 最大值 192.62 63.06 62.91 32.95 93.60 1042.63 平均值 47.06 8.14 7.44 4.44 17.75 160.43 标准差 31.50 8.09 6.91 3.62 15.27 89.10 变异系数/% 66.95 99.48 92.98 81.54 86.07 55.54 2.2 土壤水解酶活性与土壤肥力指标及pH相关性分析
土壤有机质和碱解氮与7种水解酶均呈极显著正相关(P＜0.01)；有效磷与BG 、NAG呈极显著正相关，与CBH呈显著正相关(P＜0.05)；pH与CBH呈极显著正相关(P＜0.01)，与BG呈显著正相关(P＜0.05)，与PHOS、XYL呈极显著负相关(P＜0.01)；速效钾与7种水解酶均没有表现出明显的相关性(表2)。土壤酶主要来源于土壤微生物、土壤动物和植物根系的分泌，土壤养分质量分数可以直接影响土壤动植物长势、微生物的活性与分布，整合了土壤理化条件的信息[23]，因此土壤水解酶活性与土壤养分因子密切相关，水解酶活性也通常被作为土壤质量的生物活性指标[24]。对土壤水解酶活性与土壤肥力指标及pH的相关性分析发现：土壤有机质和碱解氮与7种酶存在极显著正相关(P＜0.01)。土壤有机质是评价土壤肥力的重要指标，土壤有机质的形成与分解都与酶的作用有关[25]。水解酶可以吸附在土壤有机质上，以酶-腐殖质复合物的形式从土壤中提取出来，并仍可保留有活性。土壤碱解氮主要集中在土壤表层，其含量受人为施肥的影响较大[26]。山核桃林农为提高产量大量撒施氮肥。氮素供应的增加可以使植物细胞原生质合成加快，细胞数量增多，有了更多的水解酶产出渠道。此外，土壤微生物也会通过分泌多种水解酶固定氮素[27]。PHOS与有效磷质量分数和pH之间存在显著正相关和极显著负相关。由于PHOS会参加土壤磷的矿化作用过程，使土壤有机态磷转化为植物可吸收的无机态磷，有效磷质量分数增加。pH是控制土壤中磷有效性和PHOS活性的关键因子，在山核桃林地土壤酸化的环境下，pH小幅降低可能有利于植物对有效磷的吸收，PHOS参与矿化作用的活性增强[28]。
表 2 土壤水解酶与养分因子及pH相关性分析表Table 2 Correlation coefficients of soil hydrolase activities and soil nutrient factors and pH水解酶 有机质 有效磷 速效钾 碱解氮 pH AG 0.355** 0.061 0.060 0.419** 0.102 BG 0.406** 0.172** 0.066 0.354** 0.147* CBH 0.356** 0.158* 0.060 0.275** 0.196** XYL 0.302** 0.088 −0.090 0.278** −0.283** LAP 0.170** 0.042 −0.015 0.230** −0.028 NAG 0.431** 0.267** 0.114 0.357** 0.109 PHOS 0.272** 0.123* 0.007 0.346** −0.286** 说明：*P＜0.05, **P＜0.01 2.3 不同土壤水解酶活性空间变异特征及聚集效应
7种土壤水解酶活性在山核桃林地表现出不同的空间异质性(表3)。在GS+ 9.0中进行方差变异函数拟合，分别选用最优模型。不同水解酶拟合模型的差异，表示相应的酶在土壤中的空间变化规律不同。本研究中，AG、BG、CBH、LAP、NAG、XYL活性具有中等空间自相关性，活性均呈现斑块状分布；不同水解酶活性区域分布呈现差异性，块基比分别为55%、42%、56%、49%、66%、47%、78%，说明它们的变异情况主要受到人为因素和结构性因素共同影响。PHOS块基比为78%，具有较弱的空间自相关，其活性空间分布主要受随机因素如施肥方式和耕作强度的影响[29]。本研究中, 虽然各酶活性的空间自相关性存在差异，但变程均大于最小采样距离，因此，本研究所选择的采样距离能够反映土壤水解酶活性在研究区域最小尺度下的空间变异特征。从土壤水解酶活性的空间分布情况来看(图1)：活性较高的区域位于临安区西北方向的岛石镇。该镇有中国“山核桃第一镇”的美称，这可能与当地特色生态化经营方式有关，如：林下种植茶Camellia sinensis、黑麦草Lolium perenne、油菜Brassica napus等适生植物，丰富林下土壤生态结构的同时起到涵养水肥、改良酸性土质的作用；林间饲养家禽吃掉害虫、消灭虫卵，产生的鸡粪也可作为有机肥为山核桃树生长提供养分。这些特色经营方式都为植物根系发育、土壤微生物的快速新陈代谢提供了有利的条件，从而提高了相关水解酶参与复杂生化反应的活性。
表 3 土壤水解酶活性半方差函数理论模型及其相关参数Table 3 Theoretical model of semi-variance function of soil hydrolase activities and its related parameters水解酶 函数模型 块金值(C0) 基台值(C+C0) 块基比[C0/(C+C0)] 变程 决定系数 AG 球状模型 0.050 0.090 0.55 9.63 0.46 BG 指数模型 136.800 324.400 0.42 8.76 0.65 CBH 指数模型 0.140 0.250 0.56 1.60 0.43 XYL 高斯模型 0.080 0.170 0.47 2.12 0.37 LAP 高斯模型 10.970 21.960 0.49 11.20 0.73 NAG 高斯模型 197.150 294.260 0.66 27.30 0.45 PHOS 球状模型 0.032 0.041 0.78 14.60 0.54 根据全局莫兰指数，AG、BG、CBH、XYL、LAP、NAG、PHOS等7种水解酶活性在空间分布上都存在相关性(Ig＞0)，且存在高低值聚集区域。在本研究中，7种水解酶活性在高低值聚类上呈现出了相似的特点，岛石镇为水解酶活性高值聚集(high-high)区域，部分水解酶(如AG)在太阳镇北部也有高值聚集的现象；低值聚集(low-low)区域多位于清凉峰以及河桥、龙岗、昌化三镇交界处附近(图2)。在冗余分析结果中，高低值聚集区域样点的水解酶活性在第1轴有明显的分离，第1轴和第2轴分别有82.92%和14.42%的贡献度(图3)。结果显示：碱解氮、有机质、pH与水解酶活性有极显著正相关(P＜0.01)。水解酶活性高低值聚类结果和土壤肥力分值高低值聚类情况相似，说明土壤水解酶活性大小和周围可利用的营养物质关系十分密切。由于山核桃林地土壤常年受到不同程度的人为经营干扰，造成这种现象的原因多为当地经营方式的不同，如氮肥、有机肥的投入是增加土壤肥力较为直接的方式，因此各区域出现高低值聚集的现象可以一定程度反映当地肥力水平以及施肥情况。岛石镇高值聚集，一方面可能是由于岛石镇山核桃林氮肥、有机肥常年投入量高于清凉峰等区域，同时岛石镇明确规定当地所有山核桃林地禁用除草剂，防止除草剂的不合理使用破坏产区生态平衡，影响山核桃产量。另一方面，岛石镇相对其他镇海拔较高，大部分产区山高树茂，年降水量充沛，林下、林间生态系统的结构与功能较为完整，因此土壤微生物活动旺盛，作物根系发达，从而成为水解酶活性的高值聚集区。而清凉峰以及河桥、龙岗、昌化交界处的冒尖山、石柱山、云台山、鸡哺山等区域地势极为陡峭，当地山核桃林水土流失现象严重，养分较为贫乏，相对其他区域处于较低的水平，水解酶活性受到影响，产生低值聚集。杭瑞高速经过清凉峰镇与龙岗镇南部，该区域交通便利，人类活动造成了一定程度的干扰。当地存在铅锌矿、钨钼矿以及铜矿等正在开发的金属矿[30]。采矿活动产生的粉尘、废水和尾矿渣可能会对土壤水解酶活性和分布造成一定影响[31]。
图 3 高低聚类点冗余分析结果Figure 3 Redundancy analysis of high-high and low-low clustering points2.4 土壤肥力状况
据浙江省地方标准，山核桃林地土壤样地中碱解氮、有效磷、速效钾、有机质位于丰富等级的样地分别占64%、56%、23%、45%，绝大部分样点各养分指标等级处于中等以上(表4)，能够满足山核桃的生长发育需求，但是由于各区域土壤中养分比例以及酸碱度的不同，综合肥力状况也有所差异。在主成分分析结果中，IIF均值为91.67，变幅为35.29~277.05，变异系数为42.73%。第1主成分解释了48.39%的总变异，第2主成分解释了26.50%的总变异，第3主成分解释了17.12%的总变异(表5)。采用类平均法对土壤肥力分值(IIF)进行系统聚类，将259个样本分为4类，即第Ⅰ类IIF≥146.83，第Ⅱ类87.11≤IIF＜146.83，第Ⅲ类59.72≤IIF＜87.11，第Ⅳ类IIF＜59.72，分别对应土壤肥力高、较高、中、低4个等级。结果显示：IIF变异系数为42.73%，属于中等变异，但其中有174个样本处于中低水平，肥力相对较差。从采样区域土壤肥力分值所占比例来看，山核桃林地有58.7%的样地土壤肥力低于平均水平，有32.7%的样地土壤肥力为Ⅰ和Ⅱ等级，大部分样地土壤肥力处于Ⅲ、Ⅳ等级，说明大部分山核桃林地土壤肥力还有提高的空间。从使用IIF绘制的空间分布图来看，岛石镇山核桃林地土壤肥力在所有山核桃产区中最高，该区域的土壤管理方法值得借鉴。沈一凡等[32]研究了近10 a山核桃林地主要分布区域的土壤养分变化情况，发现林地土壤酸化的现象一直在加重，肥力也有不断下降的趋势。这是由于大多数山核桃林农缺乏相关技术指导和对立地环境的认知，长期施用以氮素为主的化学肥料造成的。而且从20世纪80年代开始，山核桃林地不断扩张，但大多数新兴产区酸化严重，土壤宜肥、宜种性较差。针对这一现象，还需要增施有机肥，并施用一定量的石灰，逐渐改善各地土壤酸化的情况，规范林地生草管理和生态化采收技术，以稳步提升山核桃林地的土壤肥力。
表 4 山核桃土壤肥力指标丰缺等级及各等级占比Table 4 Level of soil fertility indexs and the proportion of each level项目 碱解氮 有效磷 速效钾 有机质 质量分数/(mg·kg−1) 占比/% 质量分数/(mg·kg−1) 占比/% 质量分数/(mg·kg−1) 占比/% 质量分数/(g·kg−1) 占比/% 缺乏 ＜80 6 ＜5 12 ＜80 34 ＜10 7 中等 80~120 30 5~10 32 80~110 43 10~40 48 丰富 ＞120 64 ＞10 56 ＞110 23 ＞40 45 说明：土壤肥力指标丰缺等级参考浙江省地方标准 DB33/T 2205—2019《山核桃分区施肥技术规范》 表 5 主成分贡献率与各因子得分Table 5 Principal component contribution rates and each factor score因子 主成分得分 第1主成分(48.39%) 第2主成分(26.50%) 第3主成分(17.12%) 有机质 0.144 0.268 0.225 有效磷 0.071 0.451 0.116 速效钾 0.027 0.481 0.046 碱解氮 0.061 0.040 0.652 AG 0.160 −0.058 0.039 BG 0.205 0.017 −0.299 CB 0.182 0.064 −0.393 XYL 0.177 −0.240 0.042 LAP 0.122 −0.238 0.345 NAG 0.179 0.111 −0.130 PHOS 0.184 −0.219 0.100 3. 结论
研究区山核桃林土壤水解酶活性均具有较好的空间变异结构和空间分布格局，结构性变异占总变异的比例较小。研究区山核桃林土壤受到人为因素的干扰较多，人为施肥与经营强度是影响其空间格局形成的最直接因素。土壤水解酶活性空间分布和养分分布联系密切，在养分质量分数较高的区域有高值聚集的现象，低值聚集区域多位于清凉峰等区域。特色的生态经营方式可以使土壤水解酶活性处于相对较高的水平，从而提高山核桃的宜种性。
研究区山核桃林土壤酸化较为普遍，平均pH为5.76，严重限制了山核桃的生长。岛石镇、太阳镇北部土壤肥力得分较高。从总体来看，大部分区域土壤各肥力指标等级处于中等以上，但有过半土壤综合肥力未达到平均水平。产区内部各镇土壤肥力也有着明显差异，大部分区域土壤肥力还有待提高；土壤水解酶活性变异系数较高，且与有机质、碱解氮、pH、有效磷等肥力因子有较强的相关性。
-
图 1 不同植被恢复模式间土壤有机碳质量分数特征
Figure 1 Characteristics of soil organic carbon contents among different vegetation restoration patterns
图 2 不同植被恢复模式间土壤有机碳质量分数垂直分布特征
Figure 2 Vertical distribution characteristics of soil organic carbon contents between different vegetation restoration patterns
图 3 不同植被恢复模式土壤有机碳密度分布特征
Figure 3 Distribution characteristics of soil organic carbon density in different vegetation restoration patterns
图 4 土壤有机碳密度与土壤理化性状、植被因子间的皮尔逊相关分析
Figure 4 Pearson correlation analysis between SOCD and soil physicochemical properties and vegetation factors
表 1 7种植被恢复模式的基本情况
Table 1. General characteristics of seven vegetation restoration patterns
植被恢复模式 面积/hm2 优势种 恢复年限/a 胸径/cm 树高/m 马尾松纯林(PM) 17.16 马尾松 27 11.40±0.75 7.39±0.26 湿地松纯林(PE) 17.74 湿地松 27 17.32±2.05 8.98±0.74 木荷纯林(SS) 11.61 木荷 27 11.63±0.32 9.02±0.76 湿地松-木荷混交林(MES) 5.46 湿地松、木荷 27 13.64±0.47 9.33±0.63 马尾松补植木荷林(RMS) 19.07 马尾松、木荷 27 14.08±0.36 8.39±0.33 湿地松补植木荷林(RES) 14.81 湿地松、木荷 27 14.18±0.44 7.91±0.15 自然恢复样地(ck) 狗牙根、金樱子、狗尾草 27 说明：狗牙根Cynodon dactylon；金樱子Rosa laevigata；狗尾草Setaria viridis。马尾松补植木荷林初植为马尾松，2010年补植木荷；湿地松补植木荷林初植为湿地松，2006年补植木荷。胸径和树高数值为平均值±标准差。 
下载: 导出CSV
表 2 退化红壤区植被恢复土壤有机碳储量
Table 2. Soil organic carbon stocks in revegetated red soil areas with degradation
土层深度/cm 土壤有机碳储量/( Mg·hm−2) 马尾松纯林 湿地松纯林 木荷纯林 马尾松补植木荷林 湿地松补植木荷林 湿地松-木荷混交林 自然恢复样地 0~10 16.56 20.28 31.19 27.18 24.92 29.03 6.06 10~20 9.68 12.16 15.00 13.78 11.88 14.11 5.51 20~30 8.30 8.63 13.62 10.01 9.11 10.96 4.98 30~40 6.72 6.27 10.72 7.64 7.53 9.04 3.86 0~40 41.26 47.34 70.53 58.61 53.44 63.14 20.41
下载: 导出CSV
-
[1] STOCKMANN U, ADAMS M A, CRAWFORD J W, et al. The knowns, known unknowns and unknowns of sequestration of soil organic carbon [J]. Agriculture,Ecosystems &Environment, 2013, 164: 80 − 99. [2] SOUCÉMARIANADIN L N, CÉCILLON L, GUENET B, et al. Environmental factors controlling soil organic carbon stability in French forest soils [J]. Plant and Soil, 2018, 426(1/2): 267 − 286. [3] van der WERF G R, MORTON D C, DEFRIES R S, et al. CO2 emissions from forest loss [J]. Nature Geoscience, 2009, 2(11): 737 − 738. [4] BASTIN J F, FINEGOLD Y, GARCIA C, et al. The global tree restoration potential [J]. Science, 2019, 365(6448): 76 − 79. [5] WEI Xiaohua, LI Qinlin, LIU Yuanqiu, et al. Restoring ecosystem carbon sequestration through afforestation: a sub-tropic restoration case study [J]. Forest Ecology and Management, 2013, 300: 60 − 67. [6] HONG Songbai, YIN Guodong, PIAO Shilong, et al. Divergent responses of soil organic carbon to afforestation [J]. Nature Sustainability, 2020, 3(9): 694 − 700. [7] DAVIDSON E A, JANSSENS I A. Temperature sensitivity of soil carbon decomposition and feedbacks to climate change [J]. Nature, 2006, 440(7081): 165 − 173. [8] JIN Zhao, DONG Yunshe, WANG Yunqiang, et al. Natural vegetation restoration is more beneficial to soil surface organic and inorganic carbon sequestration than tree plantation on the Loess Plateau of China [J]. Science of the Total Environment, 2014, 485: 615 − 623. [9] SOLLY E F, SCHÖNING I, BOCH S, et al. Factors controlling decomposition rates of fine root litter in temperate forests and grasslands [J]. Plant and Soil, 2014, 382(1): 203 − 218. [10] 李鹏, 刘晓君, 刘苑秋, 等. 退化红壤区不同植被恢复模式的土壤养分空间分布特征[J]. 中南林业科技大学学报, 2023, 43(8): 113 − 124. LI Peng, LIU Xiaojun, LIU Yuanqiu, et al. Spatial distribution characteristics of soil nutrients after vegetation restoration in degraded red soil regions [J]. Journal of Central South University of Forestry &Technology, 2023, 43(8): 113 − 124. [11] 李燕燕, 刘亮英, 吴春生, 等. 亚热带红壤区不同植被恢复类型土壤有机碳δ13C特征[J]. 核农学报, 2020, 34(11): 2561 − 2568. LI Yanyan, LIU Liangying, WU Chunsheng, et al. δ13C characteristic of soil organic carbon under different vegetation restoration in subtropical red soil region [J]. Journal of Nuclear Agricultural Sciences, 2020, 34(11): 2561 − 2568. [12] XIAO Shengsheng, ZHANG Jie, DUAN Jian, et al. Soil organic carbon sequestration and active carbon component changes following different vegetation restoration ages on severely eroded red soils in subtropical China [J/OL]. Forests, 2020, 11(12): 1304[2023-06-10]. doi: 10.3390/f11121304. [13] 辜翔, 张仕吉, 刘兆丹, 等. 中亚热带植被恢复对土壤有机碳含量、碳密度的影响[J]. 植物生态学报, 2018, 42(5): 595 − 608. GU Xiang, ZHANG Shiji, LIU Zhaodan, et al. Effects of vegetation restoration on soil organic carbon concentration and density in the mid-subtropical region of China [J]. Chinese Journal of Plant Ecology, 2018, 42(5): 595 − 608. [14] 吕茂奎, 谢锦升, 周艳翔, 等. 红壤侵蚀地马尾松人工林恢复过程中土壤非保护性有机碳的变化[J]. 应用生态学报, 2014, 25(1): 37 − 44. LÜ Maokui, XIE Jinsheng, ZHOU Yanxiang, et al. Dynamics of unprotected soil organic carbon with the restoration process of Pinus massoniana plantation in red soil erosion area [J]. Chinese Journal of Applied Ecology, 2014, 25(1): 37 − 44. [15] 刘政, 许文斌, 田地, 等. 南方红壤严重侵蚀地不同恢复年限马尾松人工林生态系统碳储量特征[J]. 水土保持通报, 2019, 39(1): 37 − 42. LIU Zheng, XU Wenbin, TIAN Di, et al. Characteristics of ecosystem carbon stocks in Pinus massoniana plantations with different restoration age on severely eroded red soils in southern China [J]. Bulletin of Soil and Water Conservation, 2019, 39(1): 37 − 42. [16] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2008: 30 − 109. BAO Shidan. Soil Agrochemical Analysis [M]. 3rd ed. Beijing: China Agricultural Press, 2008: 30 − 109. [17] CHEN Yuanqi, YU Shiqin, LIU Suqing, et al. Reforestation makes a minor contribution to soil carbon accumulation in the short term: evidence from four subtropical plantations [J]. Forest Ecology and Management, 2017, 384: 400 − 405. [18] 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——马尾松: LY/T 2263—2014 [S]. 北京: 中国标准出版社, 2014. National Technical Committee on Forest Resources Standardization. Tree Biomass Models and Related Parameters to Carbon Accounting for Pinus massoniana: LY/T 2263−2014 [S]. Beijing: Standards Press of China, 2014. [19] 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——湿地松: LY/T 2261—2014 [S]. 北京: 中国标准出版社, 2014. National Technical Committee on Forest Resources Standardization. Tree Biomass Models and Related Parameters to Carbon Accounting for Pinus elliottii: LY/T 2261−2014 [S]. Beijing: Standards Press of China, 2014. [20] 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——木荷: LY/T 2660—2016 [S]. 北京: 中国标准出版社, 2016. National Technical Committee on Forest Resources Standardization. Tree Biomass Models and Related Parameters to Carbon Accounting for Schima superba: LY/T 2660−2016 [S]. Beijing: Standards Press of China, 2016. [21] 谢锦升, 杨玉盛, 解明曙, 等. 植被恢复对侵蚀退化红壤碳吸存的影响[J]. 水土保持学报, 2006, 20(6): 95 − 98, 123. XIE Jinsheng, YANG Yusheng, XIE Mingshu, et al. Effects of vegetation restoration on carbon sequestration in degraded red soil [J]. Journal of Soil and Water Conservation, 2006, 20(6): 95 − 98, 123. [22] LAGANIÈRE J, ANGERS D A, PARÉ D. Carbon accumulation in agricultural soils after afforestation: a meta-analysis [J]. Global Change Biology, 2010, 16(1): 439 − 453. [23] ZHAO Yonggang, LIU Xiaofang, WANG Zilong, et al. Soil organic carbon fractions and sequestration across a 150-yr secondary forest chronosequence on the Loess Plateau, China [J]. Catena, 2015, 133: 303 − 308. [24] 王振鹏, 陈金磊, 李尚益, 等. 湘中丘陵区不同恢复阶段森林生态系统的碳储量特征[J]. 林业科学, 2020, 56(5): 19 − 28. WANG Zhenpeng, CHEN Jinlei, LI Shangyi, et al. Characteristics of forest ecosystem carbon stocks at different vegetation restoration stages in hilly area of central Hunan Province, China [J]. Scientia Silvae Sinicae, 2020, 56(5): 19 − 28. [25] POEPLAU C, VOS C, DON A. Soil organic carbon stocks are systematically overestimated by misuse of the parameters bulk density and rock fragment content [J]. Soil, 2017, 3(1): 61 − 66. [26] 刘苑秋, 杜天真, 郭晓敏, 等. 退化第四纪红黏土重建森林模式及其土壤恢复研究[J]. 水土保持学报, 2004, 18(6): 34 − 37. LIU Yuanqiu, DU Tianzhen, GUO Xiaomin, et al. Study on rehabilitating forest model and soil restoration on Quaternary red soil [J]. Journal of Soil and Water Conservation, 2004, 18(6): 34 − 37. [27] DOU Xiaolin, DENG Qi, LI Ming, et al. Reforestation of Pinus massoniana alters soil organic carbon and nitrogen dynamics in eroded soil in south China [J]. Ecological Engineering, 2013, 52: 154 − 160. [28] 王志齐, 杜兰兰, 赵慢, 等. 黄土区不同退耕方式下土壤碳氮的差异及其影响因素[J]. 应用生态学报, 2016, 27(3): 716 − 722. WANG Zhiqi, DU Lanlan, ZHAO Man, et al. Differences in soil organic carbon and total nitrogen and their impact factors under different restoration patterns in the Loess Plateau [J]. Chinese Journal of Applied Ecology, 2016, 27(3): 716 − 722. [29] WANG Bing, XUE Sha, LIU Guobin, et al. Changes in soil nutrient and enzyme activities under different vegetations in the Loess Plateau area, northwest China [J]. Catena, 2012, 92: 186 − 195. [30] 袁星明, 朱宁华, 郭耆, 等. 南亚热带不同人工林对土壤理化性质的影响及土壤质量评价[J]. 林业科学研究, 2022, 35(3): 112 − 122. YUAN Xingming, ZHU Ninghua, GUO Shi, et al. Effects of different plantations on soil physical and chemical properties and soil quality evaluation in south subtropical zone [J]. Forest Research, 2022, 35(3): 112 − 122. [31] WANG Dong, LIU Yu, WU Gaolin, et al. Effect of rest-grazing management on soil water and carbon storage in an arid grassland (China) [J]. Journal of Hydrology, 2015, 527: 754 − 760. [32] 许婷婷, 董智, 郭建英, 等. 放牧对内蒙古典型草原植物群落特征与土壤有机碳的影响[J]. 草地学报, 2022, 30(9): 2273 − 2279. XU Tingting, DONG Zhi, GUO Jianying, et al. Effects of grazing on plant community and soil organic carbon in the typical steppe of Inner Mongolia, China [J]. Acta Agrestia Sinica, 2022, 30(9): 2273 − 2279. [33] 陈美玲, 赵友朋, 张金池, 等. 凤阳山典型林分土壤有机碳特征[J]. 东北林业大学学报, 2022, 50(10): 69 − 75. CHEN Meiling, ZHAO Youpeng, ZHANG Jinchi, et al. Soil organic carbon characteristics of different forest types in Fengyang Mountain [J]. Journal of Northeast Forestry University, 2022, 50(10): 69 − 75. [34] 王小平, 杨雪, 杨楠, 等. 凋落物多样性及组成对凋落物分解和土壤微生物群落的影响[J]. 生态学报, 2019, 39(17): 6264 − 6272. WANG Xiaoping, YANG Xue, YANG Nan, et al. Effects of litter diversity and composition on litter decomposition characteristics and soil microbial community [J]. Acta Ecologica Sinica, 2019, 39(17): 6264 − 6272. [35] 邓翠, 吕茂奎, 曾敏, 等. 红壤侵蚀区植被恢复过程中土壤有机碳组分变化[J]. 水土保持学报, 2017, 31(4): 178 − 183. DENG Cui, LÜ Maokui, ZENG Min, et al. Dynamies of soil organic carbon fractions with the restoration process of Pinus massoniana plantation in eroded red soil region [J]. Journal of Soil and Water Conservation, 2017, 31(4): 178 − 183. [36] HOPKINS D W, SPARROW A D, ELBERLING B, et al. Carbon, nitrogen and temperature controls on microbial activity in soils from an Antarctic dry valley [J]. Soil Biology and Biochemistry, 2006, 38(10): 3130 − 3140. [37] FISK M, SANTANGELO S, MINICK K. Carbon mineralization is promoted by phosphorus and reduced by nitrogen addition in the organic horizon of northern hardwood forests [J]. Soil Biology and Biochemistry, 2015, 81: 212 − 218. [38] 尤龙辉, 叶功富, 陈增鸿, 等. 滨海沙地主要优势树种的凋落物分解及其与初始养分含量的关系[J]. 福建农林大学学报(自然科学版), 2014, 43(6): 585 − 591. YOU Longhui, YE Gongfu, CHEN Zenghong, et al. Litter decomposition and initial nutrient content of major dominant tree species on coastal sandy areas [J]. Journal of Fujian Agriculture and Forestry University (Natural Science Edition), 2014, 43(6): 585 − 591. [39] JIA Guomei, CAO Jing, WANG Chunyan, et al. Microbial biomass and nutrients in soil at the different stages of secondary forest succession in Ziwulin, northwest China [J]. Forest Ecology and Management, 2005, 217(1): 117 − 125. [40] CHEN Shutao, HUANG Yao, ZOU Jianwen, et al. Mean residence time of global topsoil organic carbon depends on temperature, precipitation and soil nitrogen [J]. Global and Planetary Change, 2013, 100: 99 − 108. 期刊类型引用(7)
1. 戴梦婷，杨士杰，张艳梅，秦华，彭丽媛. 6株不同来源外生菌根真菌的生物量、养分吸收能力及酶活性. 福建农林大学学报(自然科学版). 2025(01): 135-144 . 
百度学术2. 饶盈，王江铭，朱先富，夏国华. 不同海拔的大别山山核桃林地土壤性质和叶片营养元素分析. 安徽农业大学学报. 2024(01): 96-101 . 百度学术3. 徐雅雯，吴文丰，王其竹，王代全，徐朝煜，陈万胜，徐永杰. 基于地统计分析的核桃园土壤养分空间特征研究. 果树学报. 2024(05): 968-979 . 百度学术4. 张艳梅，郑梦杰，杨士杰，吴权杰，黄坚钦，彭丽媛，秦华. 山核桃根际解磷及水解复杂有机物细菌的分离. 微生物学报. 2024(10): 3809-3824 . 百度学术5. 潘昱伶，璩向宁，李琴，王磊，王筱平，谭鹏，崔庚，安雨，佟守正. 黄河宁夏段典型滩涂湿地土壤理化因子空间分布特征及其对微地形的响应. 生态环境学报. 2023(04): 668-677 . 百度学术6. 姚熠涵，代英超，王卫国，朱先富，陈涛梅，周鑫洋，夏国华. 大别山山核桃林地土壤养分特征及肥力评价. 林业科学研究. 2023(05): 180-188 . 百度学术7. 刘丽丽，任涛. 核桃嫁接繁殖苗木技术. 中国林副特产. 2022(06): 55-56 . 百度学术其他类型引用(2)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20230408
点击查看大图
计量
- 文章访问数: 597
- HTML全文浏览量: 77
- PDF下载量: 54
- 被引次数: 9
