森林与环境学报  2021, Vol. 41 Issue (2): 148-156   PDF    
http://dx.doi.org/10.13324/j.cnki.jfcf.2021.02.005
0

文章信息

黄明芝, 蓝家程, 文柳茜, 黄启艳, 黄兴顺, 田燕玲
HUANG Mingzhi, LAN Jiacheng, WEN Liuxi, HUANG Qiyan, HUANG Xingshun, TIAN Yanling
喀斯特石漠化地区土壤质量对生态修复的响应
Response of soil quality to different ecological restoration models in a karst rocky desertification area
森林与环境学报,2021, 41(2): 148-156.
Journal of Forest and Environment,2021, 41(2): 148-156.
http://dx.doi.org/10.13324/j.cnki.jfcf.2021.02.005

文章历史

收稿日期: 2020-11-11
修回日期: 2021-01-01
喀斯特石漠化地区土壤质量对生态修复的响应
黄明芝1 , 蓝家程2,3 , 文柳茜1 , 黄启艳1 , 黄兴顺1 , 田燕玲1     
1. 贵州师范大学地理与环境科学学院, 贵州 贵阳 550025;
2. 贵州师范大学喀斯特研究院, 贵州 贵阳 550001;
3. 国家喀斯特石漠化防治工程技术研究中心, 贵州 贵阳 550001
摘要:为研究喀斯特石漠化地区土壤属性和土壤质量对不同生态修复模式的响应,选取贵州省贞丰县花江石漠化治理示范区为研究区,以耕地、次生林、花椒林土壤为研究对象,分析土壤物理、化学和生物属性对生态修复的响应。基于方差分析、相关分析、敏感性分析和主成分分析筛选土壤质量的关键评价指标,采用土壤质量综合指数法定量评价,评估生态修复对土壤质量的影响。结果表明:生态修复显著影响土壤属性,进而影响土壤质量。土壤质量评价指标最小数据集由土壤团聚体几何平均重量直径、易氧化有机碳、有机碳和细菌数量4个指标组成。平均重量直径和易氧化有机碳的权重最大(0.44),表明其对土壤质量综合指数的贡献最大,是土壤质量的主要限制因子。土壤质量综合指数由高至低为次生林(0.69)>花椒林(0.46)>耕地(0.25),次生林土壤质量综合指数显著大于花椒林,次生林和花椒林土壤质量综合指数显著大于耕地(P < 0.05)。两种生态修复措施均显著提高和改善了土壤质量。
关键词喀斯特石漠化地区    土壤质量评价    生态修复模式    主成分分析    
Response of soil quality to different ecological restoration models in a karst rocky desertification area
HUANG Mingzhi1 , LAN Jiacheng2,3 , WEN Liuxi1 , HUANG Qiyan1 , HUANG Xingshun1 , TIAN Yanling1     
1. School of Geography and Environmental Science, Guizhou Normal University, Guiyang, Guizhou 550025, China;
2. School of Karst Science, Guizhou Normal University, Guiyang, Guizhou 550001, China;
3. State Engineering Technology Institute for Karst Desertification Control, Guiyang, Guizhou 550001, China
Abstract: In this study, we aimed to assess the responses of soil properties and quality to different ecological restoration models in a karst rocky desertification area. We selected the following two ecological restoration models: the conversion of cultivated land to secondary forest and Zanthoxylum bungeanum forest and the use of cultivated land as a reference, in Huajiang rock desertification demonstration in Zhenfeng County in Guizhou Province. The physical, chemical, and biological properties of soil were measured in surface soil (0-10 cm) to evaluate the responses of soil to the two ecological restoration models. Key soil quality indicators were assessed based on variance, correlation, and sensitivity analyses and principal component analysis. The influences of the different ecological restoration models on soil quality were evaluated using an integrated soil quality index(SQI). The results indicated that ecological restoration had significant effects on soil properties, and thus, soil quality. Four indicators, namely, geometric mean mass diameter(MWD), easily oxidized organic carbon (EOC), organic matter(SOC), and soil bacterial quantity were selected in the minimum data set for the calculation of SQI. Among these indicators, MWD and EOC had the highest weighted values(0.44), indicating that they made the highest contribution to the final SQI, and were accordingly the main factors limiting soil quality. Furthermore, we detected significant differences in the SQIs among the cultivated land, secondary forest, and Z. bungeanum forest(P < 0.05), which increased in the order of cultivated land(0.25) < Z. bungeanum forest(0.46) < secondary forest(0.69). The findings of this study indicate that both ecological restoration models can substantially contribute to enhance the quality of soil in a karst rocky desertification area in southwest China, and may be used as a basis for improving the outcomes of ecological restoration programs in degraded karst regions.
Key words: karst rocky desertification area     soil quality assessment     ecological restoration model     principal component analysis    

中国西南喀斯特面积占中国国土面积的5.8%,由于脆弱的地质背景和受不合理的人类活动的影响,其生态系统高度脆弱和敏感[1]。过去的几十年,由于自然植被转为耕地,西南喀斯特地区土壤严重退化[2],石漠化和水土流失问题非常严重[3]。因此, 采取适当的生态修复措施对喀斯特地区土地退化、石漠化防治具有重要意义。土壤质量是维持土壤生产力和环境质量的保障,促进动植物生存、发展与人类健康的动力[4],能够在一定程度上反映出某地区土壤管理措施的变化和土壤退化恢复的能力[5]

植被恢复可以改变土壤物理、化学和生物属性。例如王建军等[6]通过对临夏县植被恢复区不同样地土壤理化性质的测定和分析,发现不同植被类型的土壤物理结构随年限不断改善。李青等[7]研究表明,不同植被恢复模式下混交林土壤有机质、总氮、速效氮、速效磷、速效钾等养分含量均优于纯林,灌木丛土壤有机质含量明显高于乔木,豆科植物土壤有机质含量明显高于灌木。王伟波等[8]以大别山低海拔区的5种森林土壤为研究对象,发现不同植被类型的土壤微生物碳、氮、磷含量的变化范围分别为249.0~780.1、59.27~190.1、30.95~107.1 mg·kg-1,在不同植被类型之间均显著差异。这些研究多关注一个或多个土壤属性,但土壤质量不应由单一的指标表示,应该由能够代表土壤物理、化学和生物性质的复杂指标来组成综合的土壤质量评价指标体系[9]。在众多土壤质量评价方法中,土壤质量综合指数(soil quality index,SQI)能全面综合地反映土壤属性[10],被广泛应用于不同土地利用方式[11]、退耕还林过程中的植被变化[24]、植被自然恢复的不同阶段[12]等对土壤质量影响的研究中。土壤含水量(water content,WC)、容重(bulk density,BD)、pH值及土壤有机碳(soil organic carbon,SOC)、全氮(total nitrogen,TN)、全磷、全钾、微生物量碳和氮含量等[4, 13]通常被用作土壤质量评价的指标,但很少有研究考虑土壤团聚体和易氧化有机碳(easily oxidized organic carbon,EOC)两个指标。土壤团聚体是土壤的重要组成部分,是土壤中各种物质和能量转化及代谢的场所,其数量和质量直接决定土壤质量和肥力[14]。土壤易氧化有机碳作为土壤有机质的重要组成部分,可以敏感地反映外部环境的变化[15],且土壤有机碳的早期变化可通过易氧化有机碳表现出来[16]。现有的研究多集中在黄土高原区域,有关喀斯特石漠化地区土壤质量对生态植被修复的响应研究较少。此外,综合考虑土壤物理、化学和生物指标,体现土壤质量评价的综合性,在指标选取上,以往的研究鲜有选择土壤团聚体和易氧化有机碳这两个反映土壤质量优劣的敏感指标。本文通过对喀斯特石漠化地区不同生态恢复模式下的土壤进行采样分析,探讨土壤属性对不同生态修复模式的响应,应用土壤质量综合指数,筛选土壤质量关键指标,评估生态修复对土壤质量的影响,以期为喀斯特石漠化地区的生态环境恢复提供理论依据。

1 材料与方法 1.1 研究区概况

花江石漠化治理示范区位于贵州省黔西南贞丰县北盘江镇(25°39′01″~25°40′06″N, 105°38′23″~105°39′36″E)。研究区属典型的亚热带干热河谷气候,年平均气温18.4 ℃,年平均降水量约1 100 mm,但时空分布不均,5—10月降水量占全年总降水量的83%。研究区海拔500~1 200 m,相对高差700 m,喀斯特地貌极为发育,土壤以石灰土为主,不合理的人为活动使得地表植被覆盖率低,水土流失严重,石漠化强度发育,生态环境十分脆弱[17]

1.2 样地调查与土壤样品采集

2018年11月,在研究区内共设置3个采样地点,每个采样地点设置包括耕地、花椒(Zanthoxylum bungeanum Maxim)林和次生林的1组样地。每组样地中的次生林和花椒林均与坡耕地相邻,3个采样地点之间的距离为500~1 500 m,各采样点中不同土地类型之间的距离小于100 m,因此,每种土地利用类型的土壤类型、坡度、地形等基本一致。次生林为坡耕地退耕15~20 a,主要树种有香椿(Toona sinensis Roem)、栾树(Koelreuteria paniculata Laxm)、毛桐[Mallotus barbatus(Wall.) Muell.-Arg.]、浆果楝[Cipadessa baccifera (Roth.) Miq.]、粗糠柴(Mallotus philippensis)、八角枫[Alangium chinense (Lour.) Harms]等。花椒林为坡耕地退耕后连续种植15~20 a的纯林,为当地主要的生态修复经济林,种植密度为1 100~1 300株·hm-2,其经营、管理较为粗放,施肥以复合肥为主,有时结合农家肥施用,除草剂和农药使用较多[18],每年的7—9月采摘花椒,近年来为了改善花椒树的结构和采光条件,对花椒树进行修剪。耕地为坡耕地,主要种植玉米(Zea mays L.),种植历史50 a以上,化肥、农家肥和复合肥混合施用,但每年的施肥量不同,每年9月收获玉米,且收割玉米秸秆。

在3个采样地点的各组样地中,次生林样地设置3个10 m×10 m的样方,花椒林和耕地样地分别设置3个5 m×5 m的样方,在每个样方以5点混合采样方法采集0~10 cm的土样,共27个土样。用小铲采集0~10 cm土层的土壤样品2 kg左右,装于密封塑料袋中混合均匀,带回实验室自然风干后,除去杂质,用于土壤理化性质测定。使用多个环刀采集原状土壤约1 kg,装入塑料盒带回实验室后,沿土壤自然结构面剖成<10 mm大小的土壤颗粒,自然风干后用于团聚体分析。使用灭菌手套采集25 g土壤装于灭菌离心管后,放入野外便携冰箱中,当天带回实验室并置于4 ℃环境下冷藏保存,用于土壤细菌数量测定。土壤容重和含水量采用环刀法进行取样。

1.3 土壤测定与指标计算 1.3.1 土壤测定

土壤容重、质地(砂粒、粉粒、黏粒)、含水量和pH值参照文献[19]测定。土壤团聚体测定参照文献[20]:取土样100 g,置于2.000、0.250和0.053 mm组成的套筛上,上下均匀震荡(30次·min-1),震荡2 min后,将残留在不同孔径筛子上的土壤用蒸馏水冲洗到铝盒中,直至水清澈为止,然后将铝盒中的土样于60 ℃的烘箱中烘干至恒重并称重,获得不同粒径的团聚体。土壤有机碳和

全氮含量使用元素分析仪-稳定同位素质谱仪(Vario ISOPOTE Cube-Isoprime, Elementar公司,德国)测定。土壤易氧化有机碳采用333 mmol·L-1高锰酸钾氧化法测定[16]。土壤细菌数量采用Real-time PCR法检测(ABI7300型荧光定量PCR仪,Applied Biosystems,美国),测试工作由美吉公司(上海)完成。

1.3.2 指标计算

>0.250 mm水稳性团聚体含量(>0.250 mm water stable aggregate content,R0.250)、平均重量直径(mean weight diameter,MWD)和分形维数(fractal dimension,D)计算公式[21]如下:

$ {R_{0.250}} = \frac{{{M_{r > 0.250}}}}{{{M_{\rm{T}}}}} \times 100\% $ (1)
$ {D_{{\rm{MW}}}} = \sum\limits_{i = 1}^n {\overline {{x_i}} {\omega _i}} $ (2)
$ D = 3 - \frac{{1{\rm{g}}\left( {{W_{\delta < {{\overline x }_i}}}/{w_0}} \right)}}{{1{\rm{g}}\left( {\overline {{x_i}} /\overline {{x_{\max }}} } \right)}} $ (3)

式中:R0.250为>0.250 mm水稳性团聚体含量(%);Mr>0.250为>0.250 mm的团聚体质量(g);MT为团聚体总质量(g);DMW为平均重量直径(mm);xi为土壤各粒径团聚体的平均直径(mm);ωi为土壤各粒径团聚体的质量百分比(%);D为分形维数;xmax为最大粒径团聚体的平均直径(mm);Wδxi为土粒直径小于xi累积的质量(g);w0为全部粒径团聚体质量之和(g)。

1.4 土壤质量评价方法

土壤质量综合指数计算参照文献[22-23]的方法进行。

1.4.1 确立最小数据集

先对土壤属性指标进行单因素方差分析,检验不同的生态修复模式是否对土壤属性有显著影响,剔除差异不显著(P>0.05)的指标, 再通过主成分分析计算土壤指标在每个主成分上的载荷值,并选择最具代表性(特征值≥1)的主成分。结合敏感性差异分析,每个主成分中载荷值高且敏感性高的土壤属性进入最小数据集, 若多个土壤指标的载荷值都较高,则结合相关性分析和敏感性差异分析,土壤指标间相关性弱则都被选择,相关性强则选择载荷值最高的土壤属性指标进入最小数据集。

1.4.2 最小数据集指标评分

最小数据集的土壤属性指标确定后,利用非线性评分函数将土壤属性标准化,转换为0~1的得分,计算如下:

$ S = a/\left[ {1 + {{\left( {x/{x_0}} \right)}^b}} \right] $ (4)

式中:S为土壤指标的得分;a定义为1(最大值);x为土壤变量;x0为每个土壤变量的平均值;b为斜率值-2.5和2.5,分别表示土壤属性“越多越好”和“越少越好”。

对土壤属性进行加权,根据主成分分析的结果,用土壤指标所在主成分的方差贡献率与被选取主成分的累积方差贡献率计算比值,得出该主成分中因子的权重值(W);若同一主成分中选取多个指标,为使总体权重之和为1,则将土壤指标的权重值除以各土壤指标总权重值之和,作为土壤质量综合指数计算公式系数。

1.4.3 计算土壤质量综合指数

通过公式(5)计算土壤质量综合得分,判断不同生态修复模式下土壤质量的优劣情况,土壤质量综合指数值越高,说明土壤质量越好。

$ {I_{{\rm{SQ}}}} = \sum\limits_{n - 1}^n {{S_i}{W_i}} $ (5)

式中:ISQ为土壤质量综合指数;W为主成分分析选择的指标的加权值;S为得分;n为最小数据集中指标的个数。

1.5 数据统计与分析方法

运用Excel 2016软件进行数据的初步处理及后续的图表制作;采用SPSS 20.0软件对数据进行统计分析,采用Pearson相关系数分析土壤指标间的相关矩阵,使用单因素方差分析(one-way analysis of variance,ANOVA)和最小显著性差异多重比较,对不同生态修复模式与耕地土壤属性和土壤土壤质量综合指数进行差异性检验,显著性水平为P<0.05;主成分分析法用于确定各主成分贡献率和主成分因子得分,计算土壤质量综合指数。

2 结果与分析 2.1 不同生态修复模式下的土壤属性 2.1.1 不同生态修复模式下的土壤物理属性

表 1可知,土壤容重在两种生态修复模式和耕地之间差异不显著,自然退耕的次生林最小,耕地最大,说明耕地的土壤孔隙度较差。土壤含水量表现为次生林最高,花椒林次之,耕地最低,且次生林显著高于花椒林和耕地。生态修复显著增加了>2.000 mm团聚体含量,显著减少了0.053~0.250 mm团聚体含量; >2.000 mm团聚体含量为次生林>花椒林>耕地; 0.250~2.000 mm和0.053~0.250 mm团聚体含量均为耕地最多,次生林的最少;<0.053 mm团聚体含量为次生林和花椒林的较耕地的分别显著减少了84.96%和59.05%,次生林和花椒林之间没有显著差异。次生林的土壤团聚体平均重量直径较花椒林的显著增加了56.00%,较耕地的显著增加了165.00%;花椒林的土壤团聚体平均重量直径较耕地的显著增加了69.00%。次生林的>0.250 mm水稳性团聚体含量为95.32%,与花椒林的差异不大,较耕地的增加了32.00%。土壤团聚体分形维数值则表现为耕地>花椒林>次生林。黏粒、粉粒和砂粒在生态修复模式和耕地间的差异均不显著。

表 1 不同生态修复模式下土壤的物理属性 Table 1 Physical properties of soil under different ecological restoration models
修复模式
Restoration models
容重BD
/(g·cm-3)
含水量WC/% 团聚体含量Soil aggregate proportion/%
>2.000 mm 0.250~2.000 mm 0.053~0.250 mm <0.053 mm
次生林Secondary forest 1.17±0.02a 31.85±1.46a 56.14±3.06a 39.18±2.77a 2.33±0.38a 2.35±0.47a
花椒林Z.bungeanum forest 1.19±0.02a 26.18±1.58b 29.69±4.11b 57.08±3.14b 6.84±1.08b 6.40±0.76a
耕地Cultivated land 1.22±0.03a 24.88±2.35b 12.40±3.34c 59.59±1.17b 12.37±2.40c 15.63±2.31b
修复模式
Restoration model
平均重量直径
MWD/mm
分形维数
Fractal dimension
>0.250 mm水稳性
团聚体含量R0.250/%
土壤颗粒组成Composition of soil particles/%
黏粒Clay 粉粒Silt 砂粒Sand
次生林Secondary forest 3.81±0.15a 2.23±0.02a 95.32±0.46a 31.47±1.04a 51.78±1.27a 16.76±1.15a
花椒林Z.bungeanum forest 2.44±0.21b 2.42±0.02b 86.77±1.50b 28.87±1.43a 53.11±2.03a 18.02±1.84a
耕地Cultivated land 1.44±0.20c 2.54±0.03c 72.00±4.06c 31.18±0.87a 52.22±0.85a 16.60±0.94a
  注:表中同列数据后不同字母表示不同生态修复模式下显著差异(P<0.05);相同字母表示无显著差异(P>0.05).Note: different letters in the same row indicate significant differences between the different restoration models(P<0.05), and the same letter indicates no significant difference(P>0.05).
2.1.2 不同生态修复模式下的土壤化学和生物属性

pH值以花椒林的最高,其次是耕地,次生林最低;其余各个土壤化学和生物属性均表现为次生林>花椒林>耕地(图 1)。次生林土壤的易氧化有机碳含量为7.12 g·kg-1,较花椒林的显著增加了59.00%,较耕地的显著增加了119.00%;花椒林土壤的易氧化有机碳含量较耕地的显著增加了38.58%。有机碳含量为次生林的最多,其次为花椒林,耕地最少。次生林土壤的全氮含量较花椒林的显著增加了17.03%,较耕地显著增加了46.02%;花椒林土壤的全氮含量较耕地的显著增加了24.80%。土壤细菌数量表现为次生林的最多,较花椒林的显著增加了25.00%,较耕地的显著增加了58.00%,花椒林和耕地土壤的细菌数量无显著差异。

注:误差条对应标准误差;不同小写字母表示不同生态修复模式在相同深度下差异显著(P<0.05). Note: the error bars represent standard errors, and different lowercase letters indicate significant differences between the ecological restoration models at the same depth (P < 0.05). 图 1 不同生态修复模式下土壤的化学和生物属性 Fig. 1 Chemical and biological properties of soil under different ecological restoration models
2.2 土壤质量评价指标的筛选

根据单因素方差分析(表 2),土壤容重及表示土壤质地的黏粒、粉粒和砂粒含量这4项指标F值偏小且差异不显著(P>0.05),所以未被选择进行后续分析,选取了含水量、平均重量直径等13个土壤物理、化学和生物指标来计算土壤质量综合指数。13个土壤指标主成分分析的结果表明,前两个主成分的特征值均大于1(表 3),累积方差贡献率达到了79.762%,大致能够解释总体数据。第一主成分方差贡献率达到了65.980%,其中高度加权的因子有>2.000 mm团聚体含量、<0.053 mm团聚体含量、>0.250 mm水稳性团聚体含量、平均重量直径、分形维数和易氧化有机碳。

表 2 单因素方差分析的土壤属性F值与显著性 Table 2 F values for soil properties and the significance of ANOVA
土壤属性
Soil properties
指标
Indicators
F P
土壤物理属性 容重BD 1.083 0.355
Soil physical properties 含水量WC 4.057 0.030
平均重量直径MWD 38.878 0.000
分形维数Fractal dimension 46.560 0.000
>0.25mm水稳性团聚体含量R0.250 22.057 0.000
各粒级团聚体含量 >2.000 mm 38.922 0.000
Content of aggregates in each grain level 0.250~2.000 mm 19.717 0.000
0.053~0.250 mm 10.719 0.000
<0.053 mm 22.698 0.000
土壤颗粒组成 黏粒Clay 1.562 0.230
Soil particle composition 粉粒Silt 0.215 0.808
砂粒Sand 0.326 0.725
土壤生物和化学属性 易氧化有机碳EOC 21.581 0.000
Soil biological and chemical properties 总氮TN 11.292 0.000
有机碳SOC 11.749 0.000
pH值pH value 7.914 0.002
细菌数量Bacterial quantity 7.062 0.004
表 3 土壤属性的主成分分析 Table 3 Principal component analysis of soil properties
指标Indicators 因子1Factor 1 因子2Factor 2
>2.000 mm团聚体含量>2.000 mm soil aggregate proportion 0.953 -0.230
0.250~2.000 mm团聚体含量0.250-2.000 mm soil aggregate proportion -0.757 0.329
0.053~0.250 mm团聚体含量0.053-0.250 mm soil aggregate proportion -0.831 0.026
<0.053 mm团聚体含量<0.053 mm soil aggregate proportion -0.859 0.115
>0.250 mm水稳性团聚体含量R0.25 0.909 -0.079
平均重量直径MWD 0.959 -0.216
分形维数Fractal dimension -0.968 0.174
含水量WC 0.597 -0.327
易氧化有机碳EOC 0.850 0.299
有机碳SOC 0.729 0.635
总氮TN 0.728 0.620
pH值pH value -0.654 0.470
细菌数量Bacterial quantity 0.645 0.573
特征值Eigenvalues 8.577 1.792
方差贡献率Variance contribution rate/% 65.980 13.782
累积贡献率Cumulative contribution rate/% 65.980 79.762

通过敏感性分析(表 4)可知,分形维数的变异系数只有6%,属于低敏感性指标,且>2.000 mm团聚体、<0.053 mm团聚体、>0.250 mm水稳性团聚体含量、平均重量直径和分形维数之间的相关系数都很高(表 5),所以载荷值仅次于分形维数的平均重量直径进入最小数据集。由于易氧化有机碳是唯一高度加权的化学指标,且变异系数为42%属于中度敏感性,因此也进入最小数据集。第二主成分中载荷值较高的有机碳、全氮和细菌数量,代表化学和生物属性,有机碳和全氮的相关系数高达0.981,因此载荷值较高的有机碳进入最小数据集。细菌数量作为唯一的生物指标,也被选取出来。最后进入最小数据集的指标有平均重量直径、易氧化有机碳、有机碳和细菌数量。

表 4 不同生态修复模式下土壤质量指标敏感性分析 Table 4 Sensitivity analysis of soil quality indicators using different ecological restoration models
指标
Indicators
团聚体style="class: table_top_border"含量Soil aggregate proportion/% >0.250 class=" table_top_border" mm
水稳性团
聚体含量
R0.250
/%
平均重
量直径
MWD/mm
分形
维数
Fractal
dimension
含水量
WC/%
易氧化
有机碳
含量
EOC
content
/(g·kg-1)
有机碳
含量
SOC
content
/(g·kg-1)
总氮
含量
TN
content
/(g·kg-1)
pH值
pH
value
细菌
数量
Bacterial
quantity
/(cfu·g-1)
>2.000 mm 0.250~2.000 mm 0.053~0.250 mm <0.053 mm
最大值Maximum value 76.67 68.86 24.49 24.87 97.81 4.84 2.62 38.56 9.88 43.52 4.96 8.50 9.73×108
最小值Minimum value 76.67 21.15 0.71 0.50 55.67 0.7 2.08 10.41 2.03 18.98 2.21 7.00 2.51×108
极差Extreme 76.09 47.71 23.77 24.38 42.15 4.14 0.54 28.15 7.84 24.54 28.14 1.50 7.22×108
均值Mean 32.75 51.95 7.18 8.12 84.70 2.56 2.40 27.63 4.95 27.59 3.14 7.70 5.74×108
标准差Standard deviation 20.97 11.75 6.09 7.00 12.20 1.14 0.15 6.14 2.06 6.59 0.07 0.44 1.77×108
变异系数Coefficient of variation/% 64 23 85 86 14 44 6 22 42 24 22 6 31
相对极差Relative extreme 2.32 0.92 3.31 3 0.5 1.62 0.23 1.02 1.58 0.89 1.02 0.19 1.26
表 5 土壤属性间相关性分析 Table 5 Correlation matrix for measured soil properties across the investigated layers and sites
土壤属性
Soil properties
团聚体含量Soil aggregate proportion >0.250 mm
水稳性团
聚体含量
R0.250
平均重
量直径
MWD
分形
维数
Fractal
dimension
含水量
WC
易氧化
有机碳
EOC
有机碳
SOC
总氮
TN
pH值
pH
value
细菌
数量
Bacterial
quantity
>2.000 mm 0.250-
2.000 mm
0.053-
0.250 mm
<0.053 mm
>2.000 mm团聚体含量>2.000 mm soil aggregate proportion 1.000
0.250~2.000 mm团聚体含量0.250~2.000 mm soil aggregate proportion -0.870 1.000
0.053~0.250 mm团聚体含量0.053~0.250 mm soil aggregate proportion -0.798 0.467 1.000
<0.053 mm团聚体含量<0.053 mm soil aggregate proportion -0.840 0.522 0.734 1.000
>0.250 mm水稳性团聚体含量R0.250 0.880 -0.533 -0.921 -0.941 1.000
平均重量直径MWD 0.999 -0.843 -0.820 -0.862 0.904 1.000
分形维数Fractal dimension -0.972 0.804 0.784 0.881 -0.897 -0.976 1.000
含水量WC 0.561 -0.527 -0.374 -0.469 0.456 0.556 -0.591 1.000
易氧化有机碳EOC 0.725 -0.630 -0.623 -0.572 0.640 0.724 -0.772 0.453 1.000
有机碳SOC 0.537 -0.379 -0.537 -0.506 0.558 0.546 -0.574 0.307 0.849 1.000
总氮TN 0.538 -0.374 -0.556 -0.499 0.564 0.547 -0.564 0.321 0.832 0.981 1.000
pH值pH value -0.659 0.614 0.492 0.514 -0.541 -0.654 0.673 -0.591 -0.508 -0.234 -0.250 1.000
细菌数量Bacterial quantity 0.484 -0.308 -0.469 -0.524 0.535 0.496 -0.555 0.199 0.638 0.756 0.733 -0.162 1.000
2.3 不同生态修复模式的土壤质量综合评价

利用非线性评分函数(表 6), 将土壤属性转换成0~1的分数,平均重量直径、易氧化有机碳、有机碳和细菌数量对土壤质量有积极的影响,以“越多越好”的函数表示。平均重量直径、易氧化有机碳、有机碳和细菌数量的标准化权重分别是0.41、0.41、0.09和0.09,最终基于权重和归一化方程的土壤质量综合指数计算如下:

$ {I_{{\rm{SQ}}}} - 0.41{S_{{\rm{MWD}}}} + 0.41{S_{{\rm{EOC}}}} + 0.09{S_{{\rm{SOC}}}} + 0.09{S_{细菌数量}} $

通过计算得到土壤质量综合指数得分依次为:次生林(0.69)>花椒林(0.46)>耕地(0.25)。次生林的土壤质量综合指数显著大于花椒林,次生林和花椒林的土壤质量综合指数显著大于耕地(P<0.05)。

表 6 评分曲线的归一化方程 Table 6 Summary of the average and range values and normalized equations of the scoring functions
参数
Parameters
均值(x0)
Average
斜率(b)
Slope
归一化方程
Normalization equation
权重
Weighting value
平均重量直径MWD 2.56 mm -2.5 S=1/[1+(x/2.56)-2.5] 0.41
易氧化有机碳EOC 4.95 g·kg-1 -2.5 S=1/[1+(x/4.95)-2.5] 0.41
有机碳SOC 27.59 g·kg-1 -2.5 S=1/[1+(x/27.59)-2.5] 0.09
细菌数量Bacterial quantity 574 090 762 cfu·g-1 -2.5 S=1/[1+(x/574 090 762)-2.5] 0.09
3 讨论与结论 3.1 生态修复对土壤属性的影响 3.1.1 生态修复对土壤物理属性的影响

人为干预程度低的次生林,林下植被群落丰富且根系发达,使得土壤的容重和含水量均优于花椒林和耕地的[24-25]。不同土地利用方式对喀斯特地区土壤的颗粒组成影响大[26]。土壤的平均重量直径是衡量土壤团聚体稳定性的重要指标[1227],值越大,土壤团聚度越高,土壤稳定性越强。本研究结果表明,自然退耕次生林和人工种植花椒林与耕地相比,均显著增加了>2.000 mm团聚体含量等大团聚体的指标,显著减少了0.053~0.250 mm团聚体含量等小团聚体的指标。在翻耕过程中耕地的土壤颗粒不断碎化,加之自然界的流水侵蚀作用,使得大团聚体少;次生林和花椒林的人为干扰活动少,随地表植被的恢复,土壤有机质等物质对土壤颗粒的胶结作用增强,大团聚体变多[28]。石漠化地区的碳酸盐岩成土慢、土层薄,且山多坡陡,人为耕作使得土壤结构不稳定[29],平均重量直径值低;生态修复后地表植被丰富,根系和微生物等的作用使得土壤团聚度高,平均重量直径值变大。郭曼[12]的研究也表明,平均重量直径值越大,土壤结构越稳定,利于土壤环境的稳定与物质循环,土壤质量好。

3.1.2 生态修复对土壤化学和生物属性的影响

不同土地利用方式对土壤的有机碳、易氧化有机碳、全氮含量和pH值产生影响[30]。本研究结果表明,次生林和花椒林土壤的pH值均低于耕地的,土壤的易氧化有机碳、有机碳和全氮养分含量均表现为次生林>花椒林>耕地,表明生态修复后土壤有很好的培肥作用。土壤pH值降低甚至接近中性为土壤养分有效性的发挥创造良好的环境[31],利于土壤质量的提高。耕地退耕为次生林和花椒林后,植被群落更为丰富,在气候影响加之微生物的作用下,使得覆盖在地表的枯落物迅速分解[32],植物来源输入的易氧化有机碳、有机碳等养分含量较耕地多。耕地长期翻耕且常易发生水土流失,在此过程中流失大量有机质,土壤养分含量低。两种生态修复模式对土壤养分的改善程度不同,在于次生林和花椒林人为干扰程度和地表植被覆盖度有差异。土壤的易氧化有机碳和有机碳是反映土壤质量的关键指标,土壤的有机碳是土壤养分转化的核心[33],直接影响土壤质量的好坏,易氧化有机碳只占土壤有机碳总量很小一部分,但对土壤养分、植物生长等产生较高有效性[34],能极敏感地反映土壤质量变化。

微生物量能反映微生物活性,也是土壤养分转化的重要参与者,能敏感指示土壤环境及质量的变化[35]。次生林和花椒林的细菌数量较耕地分别显著增加了58.00%和26.00%,这是由于次生林群落中各种乔木和灌木等的根系较发达,产生的根系分泌物多[36],土壤有机质含量、含水量等因素适于微生物的生存。花椒林的物种丰富度虽不及次生林,但人为干扰强度低于耕地,且农户在管理过程中施肥会补充一定的养分,所以微生物量比耕地多。在耕作过程中土壤不断碎化,加剧了有机质的矿化作用[37],土壤微生物的活性降低。研究结果表明, 在生态环境脆弱的喀斯特石漠化地区应减少人为活动对土地的干扰程度以提高土壤微生物活性。

3.2 土壤质量对生态修复的响应

本研究选取了13个土壤属性指标,运用主成分分析法和建立最小数据集,结合相关性分析和敏感性分析提取了平均重量直径、易氧化有机碳、有机碳和细菌数量4个关键的土壤指标,计算后土壤土壤质量综合指数的得分为次生林(0.69)>花椒林(0.46)>耕地(0.25)。本研究结果表明,生态恢复能够提高土壤质量,但不同生态恢复模式提升土壤质量的程度有差异。这可能主要是取决于不同生态恢复模式的人为干扰程度和地表植被影响土壤有机质输入的差异。植被凋落物不仅改善了诸如土壤有机质、土壤结构等土壤性质,而且减少了土壤侵蚀引起的养分流失[23]。本研究中,退耕为次生林和花椒林减少了人为干扰程度,增加了地表生物量,促进了有机质的积累,提升了有机质的质量(如易氧化有机碳的增加);促进土壤团聚体的形成,从而增强了团聚体的稳定性;提高了土壤微生物数量,使得土壤质量得到改善。次生林模式较人工花椒林模式提升土壤质量效果较好,这主要是与次生林对土壤性质的改善效果更好有关。相反,人为开垦耕地,石漠化地区植被系统被破坏,导致土壤结构不稳定、地表枯落物不足而使有机质等养分流失,微生物也减少[38],土壤质量差。

本研究发现生态修复显著增加了土壤的平均重量直径、>0.250 mm水稳性团聚体含量、>2.000 mm团聚体含量、含水量、有机碳含量、易氧化有机碳含量、全氮含量和细菌数量,显著减小了团聚体分形维数值、0.053~0.250 mm团聚体含量和<0.053 mm团聚体含量,土壤团聚体稳定性和抗蚀性增强。表明生态修复对土壤物理、化学和生物属性有显著的影响,生态修复使土壤结构、养分和微生物状况向好的方向发展。土壤土壤质量综合指数得分的结果表明次生林和花椒林均显著改善土壤质量,植被不同,地表地下生物量、凋落物的成分和分解速率以及人为干扰情况等存在差异,使得不同生态修复模式改善土壤质量的能力存在差异。总体上,次生林对土壤质量的改善效果优于花椒林,但花椒林也显著改善了土壤质量,同时具有一定的经济效益。因此喀斯特石漠化地区植被恢复和重建时,要兼顾生态和经济效益。

致谢: 本研究在土壤采样及试验分析过程中得到贵州师范大学地理与环境科学学院姜勇祥的支持与帮助,在此表示感谢!
参考文献(References)
[1]
JIANG Z C, LIAN Y Q, QIN X Q. Rocky desertification in Southwest China: impacts, causes, and restoration[J]. Earth-Science Reviews, 2014, 132: 1-12. DOI:10.1016/j.earscirev.2014.01.005
[2]
HU P L, LIU S J, YE Y Y, et al. Soil carbon and nitrogen accumulation following agricultural abandonment in a subtropical karst region[J]. Applied Soil Ecology, 2018, 132: 169-178. DOI:10.1016/j.apsoil.2018.09.003
[3]
袁道先. 岩溶石漠化问题的全球视野和我国的治理对策与经验[J]. 草业科学, 2008, 25(9): 19-25. DOI:10.3969/j.issn.1001-0629.2008.09.009
[4]
DORAN J W, COLEMAN D C, BEZDICEK D F, et al. Defining soil quality for a sustainable environment[M]. Madison: Soil Science Society of America, American Society of Agronomy, 1994.
[5]
赵其国, 孙波, 张桃林. 土壤质量与持续环境: Ⅰ. 土壤质量的定义及评价方法[J]. 土壤, 1997, 29(3): 113-120. DOI:10.3321/j.issn:0253-9829.1997.03.001
[6]
王建军, 王立. 不同植被类型对土壤物理性质的影响[J]. 农业科技与信息, 2017(20): 58-59.
[7]
李青, 狄晓艳. 晋北丘陵风沙区不同植被恢复模式的土壤化学特征与生态恢复效应[J]. 水土保持研究, 2017, 24(5): 88-92.
[8]
王伟波, 葛萍, 达良俊, 等. 大别山低海拔区不同植被类型土壤生物学特性[J]. 广东农业科学, 2014, 41(14): 51-56. DOI:10.3969/j.issn.1004-874X.2014.14.012
[9]
张心昱, 陈利顶. 土壤质量评价指标体系与评价方法研究进展与展望[J]. 水土保持研究, 2006, 13(3): 30-34. DOI:10.3969/j.issn.1005-3409.2006.03.010
[10]
ANDREWS S S, KARLEN D L, MITCHELL J P. A comparison of soil quality indexing methods for vegetableproduction systems in Northern California[J]. Agriculture, Ecosystems & Environment, 2002, 90(1): 25-45.
[11]
李阳兵, 邵景安, 魏朝富, 等. 岩溶山区不同土地利用方式下土壤质量指标响应[J]. 生态与农村环境学报, 2007, 23(1): 12-15. DOI:10.3969/j.issn.1673-4831.2007.01.003
[12]
郭曼. 黄土丘陵区土壤质量对植被自然恢复过程的响应与评价[D]. 杨凌: 西北农林科技大学, 2009.
[13]
孙建, 刘子琦, 朱大运, 等. 石漠化治理区不同生态恢复模式土壤质量评价[J]. 水土保持研究, 2019, 26(5): 222-228.
[14]
王清奎, 汪思龙. 土壤团聚体形成与稳定机制及影响因素[J]. 土壤通报, 2005, 36(3): 415-421. DOI:10.3321/j.issn:0564-3945.2005.03.031
[15]
袁知洋, 邓邦良, 刘宇新, 等. 武功山草甸植被小群落土壤活性有机碳与土壤养分的典型相关分析[J]. 中南林业科技大学学报, 2016, 36(2): 84-90.
[16]
沈宏, 曹志洪, 胡正义. 土壤活性有机碳的表征及其生态效应[J]. 生态学杂志, 1999, 18(3): 32-38. DOI:10.3321/j.issn:1000-4890.1999.03.008
[17]
曹洋, 熊康宁, 董晓超, 等. 关岭-贞丰石漠化治理示范区植被覆盖变化及其对气候因子的响应[J]. 中国岩溶, 2018, 37(6): 850-858.
[18]
喻阳华, 钟欣平, 李红. 黔中石漠化区不同海拔顶坛花椒人工林生态化学计量特征[J]. 生态学报, 2019, 39(15): 5536-5545.
[19]
鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000.
[20]
刘光崧. 土壤理化分析与剖面描述[M]. 北京: 中国标准出版社, 1996.
[21]
姜勇祥, 蓝家程, 龙家辉. 喀斯特石漠化地区退耕模式对土壤团聚体组成和稳定性的影响[J]. 贵州师范大学学报(自然科学版), 2020, 38(4): 10-17.
[22]
GUO S J, XU Y D, HE C, et al. Differential responses of soil quality in revegetation types to precipitation gradients on the Loess Plateau[J]. Agricultural and Forest Meteorology, 2019, 107622-276-277.
[23]
ZHANG Y H, XU X L, LI Z W, et al. Effects of vegetation restoration on soil quality in degraded karst landscapes of southwest China[J]. Science of the Total Environment, 2019, 650: 2657-2665. DOI:10.1016/j.scitotenv.2018.09.372
[24]
钱旭, 廖小锋, 谢元贵. 贵州喀斯特地区典型小流域土壤理化性质对不同土地利用类型的响应[J]. 江苏农业科学, 2018, 46(11): 247-251.
[25]
谭玉兰, 杨丰, 陈超, 等. 喀斯特山区土地利用方式对土壤质量的影响[J]. 西南农业学报, 2019, 32(5): 1133-1138.
[26]
龙健, 邓启琼, 江新荣, 等. 贵州喀斯特石漠化地区土地利用方式对土壤质量恢复能力的影响[J]. 生态学报, 2005, 25(12): 3188-3195. DOI:10.3321/j.issn:1000-0933.2005.12.011
[27]
李娟, 韩霁昌, 陈超, 等. 黄土高原丘陵沟壑区土地利用方式对土壤团聚体特征的影响[J]. 水土保持学报, 31(1): 248-253, 259.
[28]
吴秀坤, 李永梅, 李朝丽, 等. 纳版河流域土地利用方式对土壤水稳性团聚体的影响[J]. 土壤通报, 2013, 44(6): 1356-1363.
[29]
苏维词, 周济祚. 贵州喀斯特山地的"石漠化"及防治对策[J]. 长江流域资源与环境, 1995, 4(2): 177-182.
[30]
何秀, 文小琴, 舒英格, 等. 喀斯特石漠化区土地利用方式对土壤质量性状的影响[J]. 江苏农业科学, 2017, 45(9): 234-238.
[31]
向志勇, 邓湘雯, 田大伦, 等. 五种植被恢复模式对邵阳县石漠化土壤理化性质的影响[J]. 中南林业科技大学学报, 2010, 30(2): 23-28. DOI:10.3969/j.issn.1673-923X.2010.02.004
[32]
吕春花. 黄土高原子午岭地区土壤质量对植被恢复过程的响应[D]. 杨凌: 西北农林科技大学, 2009.
[33]
李学垣. 土壤化学[M]. 北京: 高等教育出版社, 2001.
[34]
柳敏, 宇万太, 姜子绍, 等. 土壤活性有机碳[J]. 生态学杂志, 2006, 25(11): 1412-1417. DOI:10.3321/j.issn:1000-4890.2006.11.022
[35]
POWLSON D S, PROOKES P C, CHRISTENSEN B T. Measurement of soil microbial biomass provides an early indication of changes in total soil organic matter due to straw incorporation[J]. Soil Biology and Biochemistry, 1987, 19(2): 159-164. DOI:10.1016/0038-0717(87)90076-9
[36]
张笑培, 杨改河, 王和洲, 等. 黄土沟壑区植被恢复中土壤生物学特性的响应及其评价[J]. 中国农学通报, 2010, 26(15): 323-327.
[37]
黄芬, 黄艳梅, 杨利超, 等. 桂林毛村不同植被类型土壤微生物数量与碳酸酐酶活性比较[J]. 地质论评, 2016, 62(1): 94-102.
[38]
汪明冲, 张新长, 李辉霞, 等. 喀斯特石漠化生态恢复过程中土壤质量变化分析: 以古周生态恢复重建区为例[J]. 生态环境学报, 2016, 25(6): 947-955.