图1 鹿颈水库流域采样点分布图
纸质出版日期:2023-01-25,
网络出版日期:2022-05-31,
收稿日期:2021-12-27,
录用日期:2022-01-20
扫 描 看 全 文
引用本文
阅读全文PDF
土壤有机碳是土壤养分和质量评估的重要指标之一,在小流域尺度上,研究土壤有机碳(SOC)含量水平和垂向的分布特征及其主要影响因素对土地利用的科学管理具有重要意义。以粤北英德市鹿颈水库小流域为研究对象,通过采集流域内茶园(英红12号和英红9号)、桉树林、马尾松林和次生林等4种主要土地利用类型的土壤,测定土壤的粒度组成、土壤容重(BD)、pH、电导率(EC)、SOC、颗粒有机碳(POC)、全氮(TN)、碳氮比(C/N),以及土壤的δ13C和δ15N,结合采样点的坡度、坡向以及凋落物的质量和厚度,采用冗余分析研究SOC和POC含量的主要影响因素。结果表明:1)鹿颈水库流域土壤pH在4.2~5.8之间,出现土壤酸化现象,土壤质地均为粉壤土,不同土地利用类型之间土壤pH、EC、TN含量、C/N及δ13C、δ15N差异显著(P<0.05);2)在0~40 cm的土壤深度,SOC和POC含量均随深度的增加而降低,变化范围分别为0.5%~1.3%和1.2~3.9 g/kg,表现出明显的表聚性,但不同土地利用类型之间SOC和POC含量没有明显差异;3)本研究所选取的土壤因子、地形因子和环境因子可以解释SOC和POC含量78.1%的变异,其中土壤因子中的C/N、TN含量、pH、土层深度和BD是影响水库流域SOC和POC含量变化的主要因素,SOC和POC含量与C/N、TN含量呈显著正相关,而与土壤pH、土层深度和BD呈显著负相关。
Soil organic carbon is one of the important indicators for soil nutrient and quality assessment. At the small watershed scale, studying the horizontal and vertical distribution characteristics of soil organic carbon and its main influencing factors is of great significance to the scientific management of landuse. Taking the small watershed of Lujing Reservoir in Yingde city, northern Guangdong Province as the research object, collecting soils of four main landuse types including Camellia sinensis gardens (Yinghong12 (Cs12) and Yinghong9 (Cs9)), Eucalyptus robusta forests (Er),Pinus massoniana forests (Pm) and secondary forests (SF) in the watershed. Soil particle size composition, pH, electrical conductivity (EC), soil organic carbon (SOC),particulate organic carbon (POC), total nitrogen (TN),carbon to nitrogen ratio (C/N), and soil carbon and nitrogen isotope values(δ13C, δ15N) were measured, combined with the slope and aspect of the sampling site and the quality and thickness of litter, redundant analysis was conducted to explore the main influencing factors of SOC and POC content. The results show that: 1) The soil pH in the Lujing Reservoir watershed is between 4.2 and 5.8, and soil acidification occurs. The soil texture is silt loamy. The difference in soil pH, EC, TN, T/N, and δ13C, δ15N between different landuse types is significant (P<0.05); 2) In 0~40 cm depth, the SOC and POC content decrease with the increase of the depth, and the variation ranges are 0.5%~1.3% and 1.2~3.9 g/kg, respectively, showing obvious surface aggregation. However, there is no significant difference in SOC and POC content between the different landuse types selected; 3) The soil , topographic and environmental factors selected in this study can explain 78.1% of the variation of SOC and POC. Among them, C/N, TN, pH, soil depth and bulk density(BD) are the main factors affecting the changes in SOC and POC content in this small watershed. SOC and POC were significantly positively correlated with C/N and TN, while significantly negatively correlated with soil pH, soil depth, and BD.
土壤有机碳不是一种单纯的化合物,它包括植物、动物和微生物的遗体、排泄物、分泌物及其部分分解产物,以及土壤腐殖质,其数量和质量不仅决定土壤肥力状况、碳库稳定性,同时也是评估土壤质量的重要指标[
影响土壤有机碳的因素包括结构性因素如气候、植被类型、地形等,以及随机性因素如土地利用类型、耕作管理措施等[
粤北地区处于中亚热带红壤丘陵区,东亚季风盛行,雨热同期,湿润多雨,是生态系统生产力高、碳储量大的地区[
鹿颈水库位于广东省清远市英德市沙口镇(24°22′30″~24°24′30″N,113°32′00″E~113°34′30″E),流域面积为4.9 km2(
图1 鹿颈水库流域采样点分布图
Fig.1 Distribution of the sampling points within Lujing watershed
Cs9和Cs12分别为英红9号和12号茶园,Er为桉树林,Pm为松树林,SF为次生林。
流域内主要分布4种不同的土地利用类型:次生林(SF)、桉树林(Er)、松树林(Pm)和Camellia sinensis茶园(Cs)。桉树林和松树林在2012年开始种植,之前为次生林;英红12号茶园(Cs12)为坡地茶园,茶树植于坡上,未开辟阶梯,2005年之前为次生林,后种植桉树,2015开垦为茶园;英红9号茶园(Cs9)为阶梯式茶园,随着海拔高度的增加,梯高增高,每梯种植2~3行茶树,行距、株距近似,于2013年开垦。两个茶园施肥情况相同,每年2次,分别在1~2月和8~9月,肥料为花生油渣发酵有机肥,每次施肥量约为0.75 kg/m2。
2020年10月分别在5种土地利用类型内设置3块10 m×10 m样地(
采集的土样放置在阴凉通风处风干。将干土样品剔除根和砾石后,过20目筛,用于测定pH、电导率(EC)、粒径组成和土壤颗粒有机碳(POC)含量。从20目的样品中取一部分研磨过100目筛,用于测定土壤有机碳(SOC)含量、全氮(TN)含量及土壤碳、氮同位素值(δ13C、δ15N)。采集的凋落物样品以60 ℃在烘箱内烘至恒质量,称量并记录。
土壤粒度采用英国马尔文公司的Mastersizer 2000型激光粒度仪测定;pH和EC采用美国哈希公司生产的水质分析仪测定(水土质量比5∶1);BD采用环刀法测定[
土壤δ13C、δ15N采用美国Thermo Fisher公司生产的Flash EA2000型元素分析仪联立PicarrooL2130-i型同位素质谱仪测定。同位素比值δ表示样品中两种同位素比值相对于某一标准对应比值的相对千分差,
δ=((Rsa-Rst)/Rst)×1 000‰,
式中Rsa和Rst分别为样品和标准物质的重同位素与轻同位素丰度的比值(如13C/12C、15N/14N)[
所有样品的预处理和测试均在中山大学的实验室完成。
采样点的凋落物厚度、坡度、坡向、植被组成和历史种植情况由实地调查获得,凋落物质量在实验室烘干样品后称量获得(
样地特征 | Cs12 | Cs9 | Er | Pm | SF |
---|---|---|---|---|---|
凋落物厚/cm | 2.8 | 4.2 | 3.4 | 3.8 | 3.2 |
凋落物质量/g | 29.4 | 52.9 | 61.6 | 50.8 | 21.7 |
样地坡度 | 陡坡 | 缓坡 | 平坡 | 斜坡 | 缓坡 |
样地坡向 | N | SW | E | NW | S |
主要植被组成 | Camellia sinensis,Asteraceae,Rosaceae | Camellia sinensis,Poaceae,Asteraceae | Eucalyptus robusta,Fabaceae,Rosaceae | Pinus massoniana,Moraceae,Cornaceae | Lauraceae,Pinaceae,Fabaceae |
样地历史种植情况 |
2005年前为自然林 2005年种植桉树 2015年开垦为茶园 |
2013年前为自然林 2015年开垦为茶园 |
2012年前为自然林 2012年开始种植桉树 |
2012年前为自然林 2012开始种植松树 |
采用Excel、SPSS和R4.1.1对数据进行分析和绘图。在统计分析之前检查数据的正态性和方差同质性,在正态分布的情况下采用单因素方差分析,若满足方差齐性,事后检验采用Turkey test,方差不齐则采用Tamhane test;不满足正态分布的条件下采用Kruskal-Wallis非参数检验。本研究以SOC和POC作为响应变量,以土壤因子、地形因子和环境因子作为解释变量,其中土壤因子包括土层深度、含水量、BD、黏粒、粉粒、砂粒、pH、BD、TN含量、C/N及δ13C、δ15N;地形因子包括坡度和坡向,坡向的等级划分和量化方法参照邵方丽等[
研究区土壤pH=4.0~7.1,呈中性或偏酸性。最小值出现在12号茶园,最大值出现在桉树林。总体而言,在0~40 cm深度范围内,pH值随土壤深度的变化不明显(
图2 不同土地利用类型和0~40 cm土壤pH和EC的分异规律
Fig.2 Variations of soil pH and electric conductance of different landuse types and along depth of 0-40 cm
不同大写字母表示不同土地利用类型间差异显著(P<0.05)。
研究区的土壤EC为35~183 μS/cm,不同土地利用类型土壤EC变化存在差异(P<0.05)(
由美国农业土壤分类土壤质地三角图可以看出,本研究区土壤质地绝大多数分布在粉壤土的区域范围,以粉粒为主(51.8%~78.5%),砂粒和黏粒含量较低,且两者无显著性差异(P<0.05);流域内不同土地利用类型和不同深度土壤质地的分异不明显,具有较均一的土壤机械组成(见
图3 土壤质地三角图
Fig.3 Soil texture triangle
砂土(S);壤砂土(LS);砂壤土(SL);壤土(L);粉壤土(SIL);粉土(SI);砂黏壤土(SCL);黏壤土(CL);砂黏土(SC);粉砂质黏壤土(SICL);黏土(C) ;粉砂质黏土(SIC)。
研究区SOC和POC含量在0~40 cm深度的变化范围分别为0.5%~1.3%和1.2~3.9 g/kg,总体随深度的增加呈现递减的趋势(
图4 不同土地利用类型和不同深度处SOC、POC、TN和C/N的分异规律
Fig.4 SOC, POC,TN and C/N variation among different landuse types and along depth of 0-40 cm
不同大写字母表示不同土地利用类型间土壤指标差异显著(P<0.05),不同小写字母表示不同深度土层间土壤指标差异显著(P<0.05)。
TN含量变化与SOC含量变化相似,不同土地利用类型间没有显著性的差异(P<0.05),但随深度的增加而递减,不同土层之间具有显著性差异(P<0.05)(
不同土地利用类型POC和非颗粒态有机碳(NPOC)的占比有所不同,且随深度的增加其变化趋势并不相同(
图5 不同土地利用类型0~40 cm土层深度的POC和NPOC含量和占比变化图
Fig.5 Particular organic carbon and non-particular organic carbon content variation and proposition variation of different landuse types along depth of 0-40 cm
土壤δ13C和δ15N随深度的变化不明显,但不同土地利用类型间差异显著(P<0.05)(
图6 不同土地利用类型和不同深度处土壤δ13C和δ15N分异规律
Fig.6 Soil δ13C and δ15N variation of different landuse types and along depth of 0-40 cm
不同大写字母表示不同土地利用类型间差异显著(P<0.05)。
冗余分析结果表明,所选因子解释了78.1%的数据变异。前向选择后,所保留的因子解释了75.6%的数据变异,其中轴一的解释率为72.6%,轴二的解释率为3.1%(
图7 冗余分析结果图
Fig.7 Redundancy analysis result
通过方差分解法对所选土壤、地形和环境三大类因子的贡献率进行计算,结果表明土壤因子的贡献率较高,为62.4%;而地形、环境因素分别解释了4.8%和2.2%的变异;由土壤、地形和环境三个因素共享的解释率为7.2%;土壤和地形这两个因素共享的解释率为5.6%。
鹿颈水库流域土壤理化性质即土壤质地、pH和EC随深度的变异较小,但不同土地利用类型之间差别较大。土壤颗粒组成以粉粒为主,属于美国土壤农业质地分类中的粉壤土(silty loam)。不同土地利用类型和不同深度间土壤质地的分异不明显,具有较均一的土壤机械组成(
本研究选取的土地利用类型之间SOC含量没有明显的差异,但付志蓝等[
作为土壤活性有机碳的一种表征形式,POC占SOC的比例越高,说明有机碳活性越强,被矿化分解的潜力越大,养分循环速度越快,不利于SOC的累积[
不同土地利用类型TN含量差别不大,且随着深度的增加显著降低,这与张瑶瑶等[
δ13C、δ15N变化特征与土壤理化性质的分异规律相似,随深度的增加无显著变化,但不同土地利用类型间具有较大差异。对于土壤δ13C而言,总体表现出松树林≈次生林≈桉树林>9号茶园>12号茶园的趋势。两种茶园的pH值较低,微生物活动可能受到抑制,有机质分解率降低,土壤碳同位素分馏作用较小,土壤δ13C值较低[
由于研究区域较小,气候差异可以忽略不计,由此说明土壤性质、地形和环境因子在很大程度上解释了SOC含量的空间变异性[
方差分解表明土壤因子是SOC、POC含量分异的主要解释因子,地形和环境因子仅在与土壤因素的共同作用下对SOC和POC含量的变异具有较大的解释率,单独的解释率较低。
本研究中的土壤因子可进一步细分为土壤养分因子和土壤理化性质因子,土壤养分因子包括C/N和TN,土壤理化因子包括pH、土层深度和BD。SOC、POC含量与土壤养分因子中的C/N和TN存在显著正相关性。这意味着凋落物较高的C/N通常有利于SOC的累积。土壤C/N一般被认为是土壤氮素矿化的标志,低C/N促进微生物的分解和碳素矿化,而C/N的增大会导致微生物的降解速率降低,从而促进碳的累积[
土壤理化因子并不直接作用于SOC,而是通过对土壤结构和植被的影响间接改变SOC含量及分布特征[
1)鹿颈水库流域土壤pH=4.2~5.8,出现土壤酸化现象,土壤质地为粉壤土,不同土地利用类型土壤理化性质差异显著(P<0.05);
2)在0~40 cm的土壤深度,SOC和POC含量均随深度的增加而降低,变化范围分别为0.5%~1.3%和1.2~3.9 g/kg,表现出明显的表聚性。但在所选取的不同土地利用类型之间SOC和POC含量没有明显差异;
3)冗余分析表明本研究所选取的因子可以解释SOC和POC含量78.1%的变异,其中土壤因子中的C/N、TN含量、pH、土层深度和BD是影响流域SOC和POC含量变化的主要因子,SOC和POC含量与C/N、TN含量呈显著正相关,而与土壤pH、土层深度和BD呈显著负相关;C/N是最显著的影响因子,流域SOC和POC含量主要受土壤氮调节。
BONGIORNO G, BÜNEMANN E K, OGUEJIOFOR C U, et al. Sensitivity of labile carbon fractions to tillage and organic matter management and their potential as comprehensive soil quality indicators across pedoclimatic conditions in Europe[J]. Ecological Indicators, 2019, 99: 38-50. [百度学术]
RAMESH T, BOLAN N S, KIRKHAM M B, et al. Soil organic carbon dynamics:Impact of land use changes and management practices: A review[M]//SPARKS D L,ed.Advances in Agronomy. America: Elsevier Inc, 2019:1-107. [百度学术]
刘晓君, 高盼, 潘俊, 等. 红壤区植被恢复团聚体POC变化归因分析[J]. 水土保持学报, 2021, 35(2): 217-224+234. [百度学术]
孙文泰, 马明, 董铁, 等. 长期覆膜旱地苹果园表层土壤“隐性”退化下活性有机碳与酶活性差异[J]. 水土保持学报, 2021, 35(5): 272-279. [百度学术]
欧阳园丽, 吴小刚, 林小凡, 等. 九连山自然保护区土壤有机碳时空变异的耦合效应[J]. 森林与环境学报, 2020, 40(6): 561-568. [百度学术]
岑龙沛, 严友进, 戴全厚, 等. 喀斯特不同土地利用类型裂隙土壤有机碳及磷素赋存特征[J]. 生态学报, 2020, 40(21): 7567-7575. [百度学术]
张华渝, 王克勤, 宋娅丽, 等. 滇中尖山河小流域不同土地利用类型土壤活性有机碳分布特征[J]. 水土保持研究, 2019, 26(3): 16-21. [百度学术]
刘世梁, 安南南, 杨珏婕, 等. 澜沧江中游山地不同土地利用对土壤有机碳的影响及预测[J]. 应用生态学报, 2015, 26(4): 981-988. [百度学术]
王深华, 江军, 刘丰彩, 等. 中国成熟天然林土壤有机碳垂直分异特征[J]. 应用生态学报, 2021, 32(7): 2371-2377. [百度学术]
商泽安, 宋涵晴, 舒琪, 等. 海南岛甘什岭低地次生雨林土壤有机碳及影响因素[J]. 生态环境学报, 2021, 30(2): 297-304. [百度学术]
刘波, 陈林, 庞丹波, 等. 六盘山华北落叶松土壤有机碳沿海拔梯度的分布规律及其影响因素[J]. 生态学报, 2021, 41(17): 6773-6785. [百度学术]
常帅, 于红博, 曹聪明, 等. 锡林郭勒草原土壤有机碳分布特征及其影响因素[J]. 干旱区研究, 2021, 38(5): 1355-1366. [百度学术]
李理, 朱文博, 刘俊杰, 等. 宝天曼自然保护区土壤有机碳异质性及其影响因素[J]. 长江流域资源与环境, 2020, 29(3): 687-695. [百度学术]
杨玉盛, 谢锦升, 盛浩, 等. 中亚热带山区土地利用变化对土壤有机碳储量和质量的影响[J]. 地理学报, 2007, 11: 1123-1131. [百度学术]
林培松, 欧阳椿陶, 尚志海, 等. 粤东北山区不同土地利用类型红壤团聚体及其有机碳分布特征[J]. 热带地理, 2011, 31(4): 362-367. [百度学术]
黎艳明, 周毅, 陈会智. 粤北次生常绿阔叶林土壤有机碳分布特征研究[J]. 广东林业科技, 2011, 27(4): 6-11. [百度学术]
刘姝媛, 刘月秀, 叶金盛, 等. 广东省桉树人工林土壤有机碳密度及其影响因子[J]. 应用生态学报, 2010, 21(8): 1981-1985. [百度学术]
鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000: 22-163. [百度学术]
CAMBARDELLA C A, ELLIOTT E T. Particulate soil organic-matter changes across a grassland cultivation sequence[J]. Soil Science Society of America Journal, 1992, 56: 777-783. [百度学术]
陈淼, 刘顺, 许格希, 等. 土壤剖面碳氮稳定同位素自然丰度的垂直分布模式及其影响机制[J]. 应用生态学报, 2021, 32(6): 1919-1927. [百度学术]
邵方丽, 余新晓, 郑江坤, 等. 北京山区防护林优势树种分布与环境的关系[J]. 生态学报, 2012, 32(19): 6092-6099. [百度学术]
刘玉祯, 刘文亭, 冯斌, 等. 坡向和海拔对高寒山地草甸植被分布格局特征的影响[J]. 草地学报, 2021, 29(6):1166-1173. [百度学术]
PEIFFER J A, SPOR A, KOREN O, et al. Diversity and heritability of the maize rhizosphere microbiome under field conditions[J]. Proceedings of the National Academy of Sciences, 2013, 110(16): 6548-6553. [百度学术]
付志蓝, 卢瑛. 粤北山区不同土地利用方式下土壤有机碳及其组分特征[J]. 热带作物学报, 2020, 41(3): 627-632. [百度学术]
徐侠, 陈月琴, 汪家社, 等. 武夷山不同海拔高度土壤活性有机碳变化[J]. 应用生态学报,2008,19(3): 539-544. [百度学术]
习丹, 旷远文. 城市化梯度上亚热带常绿阔叶林土壤有机碳及其组分特征[J]. 应用生态学报, 2018, 29(7): 2149-2155. [百度学术]
张瑶瑶, 冷若琳, 崔霞, 等. 甘南州高寒草地土壤氮磷空间分布特征[J]. 草业学报, 2018, 27(12): 12-21. [百度学术]
姜沛沛, 曹扬, 陈云明, 等. 不同林龄油松 (Pinus tabulaeformis)人工林植物、凋落物与土壤C、 N、 P化学计量特征[J].生态学报, 2016, 36(19): 6188-6197. [百度学术]
任玉连, 陆梅, 曹乾斌, 等. 南滚河国家级自然保护区典型植被类型土壤有机碳及全氮储量的空间分布特征[J]. 北京林业大学学报, 2019, 41(11): 104-115. [百度学术]
高君亮, 罗凤敏, 高永, 等. 农牧交错带不同土地利用类型土壤碳氮磷生态化学计量特征[J]. 生态学报, 2019, 39(15): 5594-5602. [百度学术]
TRUU M, JUHANSON J, TRUU J. Microbial biomass, activity and community composition in constructed wetlands[J]. Science of the Total Environment, 2009, 407(13): 3958-397. [百度学术]
李亚翠, 季宏兵, 张涛, 等. 石林地区典型土壤剖面有机碳、氮含量分布特征研究[J]. 地球与环境, 2018, 46(5): 437-443. [百度学术]
HAN G, TANG Y, LIU M, et al. Carbon-nitrogen isotope coupling of soil organic matter in a Karst region under land use change, southwest China[J]. Agriculture, Ecosystems & Environment, 2020, 301:107027. [百度学术]
RODRÍGUEZ A, DURÁN J, COVELO F, et al. Spatial pattern and variability in soil N and P availability under the influence of two dominant species in a pine forest[J]. Plant Soil, 2011, 345: 211-221. [百度学术]
尤海舟, 毕君, 王超, 等. 河北小五台山不同海拔白桦林土壤有机碳密度分布特征及影响因素[J]. 生态环境学报, 2018, 27(3): 432-437. [百度学术]
孟苗婧, 张金池, 郭晓平, 等. 海拔变化对黄山松阔叶混交林土壤有机碳组分的影响[J]. 南京林业大学学报(自然科学版), 2018, 42(6): 106-112. [百度学术]
CHENG L, LEAVITT S W, KIMBALL B A, et al. Dynamics of labile and recalcitrant soil carbon pools in a sorghum free-air CO2 enrichment (face) agroecosystem[J]. Soil Biology and Biochemistry, 2007, 39(9): 2250-2263. [百度学术]
吴玥, 赵盼盼, 林开淼, 等. 戴云山黄山松林土壤碳组分的海拔变化特征及影响因素[J]. 生态学报, 2020, 40(16): 5761-5770. [百度学术]
聂阳意, 王海华, 李晓杰, 等. 武夷山低海拔和高海拔森林土壤有机碳的矿化特征[J]. 应用生态学报, 2018, 29(3): 748-756. [百度学术]
向慧敏, 温达志, 张玲玲, 等. 鼎湖山森林土壤活性碳及惰性碳沿海拔梯度的变化[J]. 生态学报, 2015, 35(18): 6089-6099. [百度学术]
EDWARDS K R, PICEK T, ČÍŽKOVÁ H, et al. Nutrient addition effects on carbon fluxes in wet grasslands with either organic or mineral soil[J]. Wetlands, 2015, 35: 55–68. [百度学术]
徐薇薇, 乔木.干旱区土壤有机碳含量与土壤理化性质相关分析[J].中国沙漠,2014,34(6):1558-1561. [百度学术]
46
浏览量
102
下载量
1
CSCD
相关文章
相关作者
相关机构