基于多光谱遥感影像的表层土壤有机质空间格局反演-应用生态学报
基于遥感的自然生态环境监测与评价——以普洱市思茅区为例
Open Journal of Natural Science 自然科学, 2021, 9(1), 64-71Published Online January 2021 in Hans. /journal/ojnshttps:///10.12677/ojns.2021.91009基于遥感的自然生态环境监测与评价——以普洱市思茅区为例沈润，罗琪，叶蕾，蒋永泉云南师范大学地理学部，云南昆明收稿日期：2020年12月11日；录用日期：2021年1月8日；发布日期：2021年1月18日摘要遥感技术的发展为自然生态环境的监测提供了准确、高效的技术手段。
基于2018年3月的Landsat数据以及DEM数据，提取了植被覆盖度、土壤指数和坡度三个重要生态因子，并将归一化后的因子带入构建的综合指数评价模型，得出了思茅区生态环境质量指数，最后根据指数值进行分级，对思茅区的自然生态环境质量进行了评价与分析。
研究结果表明：思茅区的自然生态环境质量以良和差为主，研究区东北部和东南部的生态环境质量差，西部相对较好。
该研究结果与实际情况基本符合，因此基于遥感的自然生态环境监测与评价的方法，能够为区域的生态环境监测、治理和改善提供重要参考。
关键词生态环境质量，生态因子，遥感，综合指数评价模型Monitoring and Evaluation of NaturalEcological Environment Based onRemote Sensing—A Case Studyof Pu’er Simao DistrictRun Shen, Qi Luo, Lei Ye, Yongquan JiangFaculty of Geographical Science, Yunnan Normal University, Kunming YunnanReceived: Dec. 11th, 2020; accepted: Jan. 8th, 2021; published: Jan. 18th, 2021沈润 等AbstractThe development of remote sensing technology provides accurate and efficient technical means for monitoring the natural ecological environment. Based on the Landsat data and DEM data in March 2018, the three important ecological factors of vegetation coverage, soil index and slope were extracted, and the normalized factors were brought into the constructed comprehensive in-dex evaluation model, and the Simao district was obtained. Eco-environmental quality index, fi-nally classified according to the index value, to evaluate and analyze the natural ecological envi-ronment quality of Simao District. The results of the study show that the quality of the natural ecological environment in Simao District is mainly good and poor, the quality of the ecological en-vironment in the northeast and southeast of the study area is poor, and the west is relatively good. The research results are basically in line with the actual situation. Therefore, the method of natu-ral ecological environment monitoring and evaluation based on remote sensing can provide an important reference for regional ecological environment monitoring, management and improve-ment.KeywordsEcological Environment Quality, Ecological Factors, Remote Sensing, Comprehensive Index Evaluation ModelCopyright © 2021 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/1. 引言随着社会经济的快速发展以及自然环境的不断改变，生物多样性减少、水土流失、土地荒漠化等环境问题层出不穷，给社会经济可持续发展带来严重挑战[1]。
蒙古高原土壤水分时空格局演变特征分析
NDVI)、陆地水储量异常(
TWSA)、土壤质地、地形 等 不
同环境因子的影响。[结果](
1)2000—2020 年蒙古高原土壤水分整体呈东北高、西南低的分布特征。 土 壤 水 分 由 浅
至深呈先增加再减少的趋势,且仅深层土壤水分(
100—289cm)变化趋势显著。(
om 2000t
o
y(
,
2020 s
o
i
lmo
i
s
t
ur
ei
nt
heMongo
l
i
anP
l
a
t
e
aud
i
sp
l
ayedad
i
s
t
r
i
bu
t
i
oncha
r
a
c
t
e
r
i
s
t
i
co
fh
i
eve
li
nt
heno
r
t
h
ghl
收稿日期:
修回日期:
2023
04
02
2023
05
09
资助项目:国家自然科学基金(
42101030,
i
l:
20224016032@ma
i
l
si
.mnu.
edu.
cn
通信作者:罗敏(
1990—),女,山东邹城人,博士,副教授,主要从事水文水资源和遥感与地理信息系统研究。E-ma
i
l:
l
uomi
n@imnu.
edu.
科尔沁沙地表层土壤化学计量特征及其空间分布格局
科尔沁沙地表层土壤化学计量特征及其空间分布格局科尔沁沙地表层土壤化学计量特征及其空间分布格局科尔沁沙地是中国华北地区重要的沙漠化土地类型之一，其表层土壤化学计量特征和空间分布格局的研究对于揭示沙漠化过程和生态环境保护具有重要意义。
本文通过对科尔沁沙地表层土壤的取样与分析，探讨了其化学计量特征及其在空间分布格局中的表现。
首先，我们对科尔沁沙地表层土壤中的主要化学元素进行了分析。
研究结果表明，科尔沁沙地土壤主要含有碳、氮、磷和钾等关键元素。
碳元素含量相对较高，它是土壤有机质的主要组成部分，对土壤肥力和生物多样性具有重要影响。
氮元素含量与碳元素含量呈正相关，说明氮循环与有机质分解在该地区的土壤养分循环中起着重要作用。
磷和钾元素含量较低，这可能是由于沙漠环境的干旱与高温导致磷钾元素的流失。
此外，我们还发现科尔沁沙地土壤中微量元素含量较低，其中铜、锌、锰和铁等元素的含量远远低于农田土壤，这表明科尔沁沙地土壤的微量元素缺乏，对植物的营养供应存在一定风险。
其次，我们对科尔沁沙地表层土壤的化学计量特征在空间分布上的格局进行了研究。
通过对不同地理位置的土壤样品进行对比分析，我们发现在科尔沁沙地东部地区土壤中的有机质含量明显高于西部地区，这可能是由于东部地区降水量相对较高、植被覆盖相对较好导致的。
此外，我们还发现在东北部和西南部地区土壤中的氮元素含量明显高于其他地区，这可能与大气中的氮沉降和农业活动有关。
磷元素的含量在不同地区的变化较小，而钾元素在东北部地区较高，这可能与该地区农田的施肥习惯有关。
在微量元素的分布上，我们发现不同区域之间存在一定差异，但整体上微量元素的含量较低，需要重视其对生态系统的影响。
综上所述，科尔沁沙地表层土壤的化学计量特征及其空间分布格局受多种因素的影响。
为了保护和恢复科尔沁沙地生态环境，应加强对其土壤肥力和养分循环过程的研究，加强对植物生态系统的监测与管理，以提高沙漠地区的土壤质量和生态环境可持续性发展综合研究结果显示，科尔沁沙地表层土壤存在着钾元素的流失和微量元素的缺乏问题。
基于连续统去除的土壤有机质近红外光谱敏感波段提取研究
基于连续统去除的土壤有机质近红外光谱敏感波段提取研究闫姗姗;程旭;宋海燕【摘要】土壤是一个复杂的三相集合体,由土壤中不同物质引起的谱带信息重叠现象非常严重,故通过适当的谱图预处理来提取其敏感波段显得尤为重要.本研究将连续统去除方法引入到土壤有机质敏感波段的提取中,分析了当土壤有机质含量变化时其谱图的变化规律,结果表明:采用连续统去除方法可以很好的提取土壤有机质敏感波段,且以提取的敏感波段600 nm、900 nm和2 210 nm为中心,建立的土壤有机质模型可以较准确的预测土壤有机质含量,其所建模型中预测样本均方根误差MSE为0.286,相关系数R为0.979,均优于全波段所建模型中预测样本的均方根误差3.395和相关系数0.861.连续统去除方法可以很好的提取土壤有机质敏感波段,该研究对土壤有机质快速定量测试仪的研制具有重要意义.【期刊名称】《山西农业大学学报（自然科学版）》【年(卷),期】2016(036)001【总页数】5页(P72-76)【关键词】土壤;有机质;连续统去除;敏感波段;神经网络【作者】闫姗姗;程旭;宋海燕【作者单位】山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801【正文语种】中文【中图分类】S153.6+21土壤有机质含量是土壤肥力检测的重要指标，采用近红外光谱(Near infrared reflectance，缩写NIR)技术对土壤有机质含量进行检测已开展了大量的研究工作[1~3]。
近红外光谱主要反映的是有机物质的倍频和合频吸收[4]，土壤是一个复杂的三相集合体[5]，故在对土壤有机质进行光谱检测时，土壤中的其他物质将会引起严重的谱带信息重叠，在定性定量分析时，全波段波谱中冗余的信息会直接影响到模型的通用性和精度。
因此，在近红外光谱检测中，通过适当的谱图预处理技术来提取其敏感波段显得尤为重要。
为发展土壤有机质快速测定技术，前人已经进行了较多的光谱分析[6~9]，表明将土壤有机质含量引入到谱图分析中对其敏感波段的提取及有机质定量预测模型建立的精度、通用性均有影响。
基于遥感、GIS和模型的黄土高原生态环境质量综合评价
基于遥感、GIS和模型的黄土高原生态环境质量综合评价基于遥感、GIS和模型的黄土高原生态环境质量综合评价摘要：黄土高原作为中国的生态屏障，生态环境质量的综合评价对于区域的可持续发展具有重要的意义。
本文基于遥感技术、地理信息系统（GIS）和模型分析方法，对黄土高原的生态环境质量进行了综合评价，为进一步改善区域生态环境提供科学依据。
一、引言黄土高原是我国重要的生态脆弱区域之一，土地退化、水土流失以及生物多样性丧失是该地区普遍存在的环境问题。
综合评价黄土高原的生态环境质量，对于制定相应的环境保护策略和管理措施具有重要意义。
二、遥感技术的应用遥感技术可以获取大范围、高分辨率的地表信息，对于黄土高原的生态环境评价具有重要作用。
本研究利用Landsat卫星影像，获取了黄土高原地区的地表覆盖和植被信息。
通过NDVI指数分析，评估了植被覆盖的范围和变化情况。
同时，利用高分辨率遥感影像，对黄土高原的土地利用类型进行了解译和分类，为后续的评价提供了基础数据。
三、GIS技术的应用地理信息系统（GIS）可以对遥感数据进行存储、管理和分析，为生态环境质量的综合评价提供了技术支持。
通过在ArcGIS平台上建立空间数据库，将遥感和地理数据进行集成和整合。
通过空间叠加分析，得到了黄土高原不同区域的植被覆盖和土地利用的空间分布图。
基于土壤侵蚀模型和水文模型，对水土流失等环境问题进行了模拟和预测。
四、模型分析的应用模型分析是综合评价黄土高原生态环境质量的重要手段。
本研究基于水土保持量模型、水资源模型和景观格局模型，对黄土高原的生态环境进行定量分析。
模型的建立和参数的设定基于遥感和GIS数据的支持，并通过对比实测数据的验证，提高了模型的准确性和可靠性。
五、结果与讨论通过综合分析遥感、GIS和模型的结果，得到了黄土高原生态环境质量的综合评价。
结果显示，黄土高原地区的植被覆盖程度整体较低，土地利用结构存在一定的问题。
水土流失、土壤侵蚀和水资源短缺是该区域的主要环境问题。
基于多时相RSEI_的生态环境质量评价——以新民市为例
收稿日期：2023-03-22基金项目：中国气象局沈阳大气环境研究所联合开放基金项目（2021SYIAEKFZD05）；国家重点研发计划项目（2017YFD0301704；2016YFD0300307）；公益性行业科研专项（20150312705）作者简介：王井利（1971-），男，黑龙江鹤岗人，教授，硕士，主要从事精密工程测量岩土工程监测、道路铁道工程精密测量技术、卫星定位、地理信息与遥感技术集成应用等研究，（电话）189****5858（电子信箱）****************；通信作者，蔡福，男，研究员，主要从事植物干旱响应机理及模拟、陆气相互作用及模拟研究，（电子信箱）**************。
王井利，余鹏程，蔡福，等.基于多时相RSEI 的生态环境质量评价——以新民市为例［J ］.湖北农业科学，2024，63（4）：56-60．基于多时相RSEI 的生态环境质量评价——以新民市为例王井利1，余鹏程1，蔡福2，刘慧楠1，高天娇1（1.沈阳建筑大学，沈阳110168；2.中国气象局沈阳大气环境研究所，沈阳110166）摘要：以辽宁省新民市作为研究对象，基于2014年、2017年、2020年的相近月份（5—6月）Landsat 8OLI_TRIS 数据，提取4个生态因子［绿度（NDVI ）、湿度（WET ）、干度（NDBSI ）、热度（LST ）］，采用主成分分析法构建遥感生态指数（RSEI ），对研究区域生态环境质量时空演变特征进行评价。
结果表明，2014年、2017年、2020年新民市RSEI 的均值分别为0.397、0.348、0.506，呈先降后升的趋势。
2014—2020年，生态环境质量等级为差和较差的区域主要分布在西北区域，面积占比由62.5%降至33.2%；生态环境质量等级为较好和好的区域主要分布在东南区域，面积占比呈明显的先降低后升高趋势，由21.3%先下降到18.4%后上升到37.0%。
武夷山不同海拔森林表层土壤轻组有机质特征
第４０卷第１７期２０２０年９月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．１７Ｓｅｐ．，２０２０基金项目：国家自然科学基金促进海峡两岸科技合作联合基金项目（Ｕ１４０５２３１）收稿日期：２０１９⁃０６⁃２３；㊀㊀网络出版日期：２０２０⁃０７⁃１０∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｊｓｈｘｉｅ＠１６３．ｃｏｍＤＯＩ：１０．５８４６／ｓｔｘｂ２０１９０６２３１３２５黄桥明，吕茂奎，聂阳意，任寅榜，熊小玲，谢锦升．武夷山不同海拔森林表层土壤轻组有机质特征．生态学报，２０２０，４０（１７）：６２１５⁃６２２２．ＨｕａｎｇＱＭ，ＬｙｕＭＫ，ＮｉｅＹＹ，ＲｅｎＹＢ，ＸｉｏｎｇＸＬ，ＸｉｅＪＳ．ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎｓｕｒｆａｃｅｓｏｉｌｏｆｄｉｆｆｅｒｅｎｔａｌｔｉｔｕｄｅｆｏｒｅｓｔｓｉｎＷｕｙｉＭｏｕｎｔａｉｎ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（１７）：６２１５⁃６２２２．武夷山不同海拔森林表层土壤轻组有机质特征黄桥明１，吕茂奎１，聂阳意１，任寅榜１，熊小玲１，谢锦升１，２，∗１福建师范大学地理科学学院，福州㊀３５０００７２湿润亚热带山地生态国家重点实验室培育基地，福州㊀３５０００７摘要：土壤轻组有机质是土壤有机质的重要组分，研究轻组有机质在不同森林生态系统土壤中的变化规律对理解土壤有机质形成与转换具有重要意义㊂以福建省武夷山国家级自然保护区不同海拔的常绿阔叶林（海拔６００ｍ）㊁针阔混交林（海拔１０００ｍ）和针叶林（海拔１４００ｍ）为研究对象，利用密度分组方法分离了表层（０ ５ｃｍ和５ １０ｃｍ）土壤轻组有机质，研究了不同海拔森林土壤轻组有机质特征及其影响因素㊂结果表明：针阔混交林表层土壤的轻组有机质含量大于针叶林和常绿阔叶林（Ｐ＜０．０５），并且轻组有机碳的含量变化亦是如此（Ｐ＜０．０５），而轻组有机氮的含量无显著差异（Ｐ＞０．０５）㊂表层土壤对应土层的轻组ＣʒＮ大于土壤ＣʒＮ，针阔混交林轻组ＣʒＮ和土壤ＣʒＮ均大于其他林分类型㊂０ ５ｃｍ与５ １０ｃｍ土层针阔混交林的轻组有机碳㊁氮储量均大于针叶林和常绿阔叶林（Ｐ＜０．０５），并且针阔混交林的轻组有机碳㊁氮储量所占土壤有机碳与总氮的比重均大于其余两种林分㊂０ １０ｃｍ土层针叶林土壤有机碳与总氮含量与储量最高，并随海拔降低而减小，但差异不显著（Ｐ＞０．０５）㊂相关分析结果表明，轻组有机碳㊁氮储量与ＳＯＣ㊁ＤＯＣ㊁ＭＢＣ和细根生物量具有显著相关关系（Ｐ＜０．０５），而与年凋落物量无关（Ｐ＞０．０５），说明地下细根可能是土壤轻组有机质的重要来源㊂因此，在未来气候和植被变化共同作用下，地下细根对土壤轻组有机质的形成可能具有不可忽视的作用㊂关键词：森林类型；气候变化；轻组有机质；碳氮储量ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎｓｕｒｆａｃｅｓｏｉｌｏｆｄｉｆｆｅｒｅｎｔａｌｔｉｔｕｄｅｆｏｒｅｓｔｓｉｎＷｕｙｉＭｏｕｎｔａｉｎＨＵＡＮＧＱｉａｏｍｉｎｇ１，ＬＹＵＭａｏｋｕｉ１，ＮＩＥＹａｎｇｙｉ１，ＲＥＮＹｉｎｂａｎｇ１，ＸＩＯＮＧＸｉａｏｌｉｎｇ１，ＸＩＥＪｉｎｓｈｅｎｇ１，２，∗１ＳｃｈｏｏｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，ＦｕｊｉａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０００７，Ｃｈｉｎａ２ＣｕｌｔｉｖａｔｉｏｎＢａｓｅｏｆＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｕｍｉｄＳｕｂｔｒｏｐｉｃａｌＭｏｕｎｔａｉｎＥｃｏｌｏｇｙ，Ｆｕｚｈｏｕ３５０００７，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ｓｏｉｌｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｓａｎｉｍｐｏｒｔａｎｔｃｏｍｐｏｎｅｎｔｏｆｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒ．ＩｔｉｓｃｒｕｃｉａｌｔｏｕｎｄｅｒｓｔａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒａｎｄｃｌｉｍａｔｅｃｈａｎｇｅｂｙｓｔｕｄｙｉｎｇｔｈｅｖａｒｉａｔｉｏｎｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒａｌｏｎｇａｎｅｌｅｖａｔｉｏｎｇｒａｄｉｅｎｔｉｎｓｕｂｔｒｏｐｉｃａｌＣｈｉｎａ．Ｔａｋｉｎｇｅｖｅｒｇｒｅｅｎｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔ（ＥＢＦ），ｍｉｘｅｄｃｏｎｉｆｅｒｏｕｓａｎｄｂｒｏａｄ⁃ｌｅａｖｅｄｆｏｒｅｓｔ（ＢＣＦ），ａｎｄｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔ（ＣＦ）ａｔｄｉｆｆｅｒｅｎｔａｌｔｉｔｕｄｅｓ（ｆｒｏｍｌｏｗｔｏｈｉｇｈｅｌｅｖａｔｉｏｎ）ｉｎＷｕｙｉｓｈａｎＮａｔｉｏｎａｌＰａｒｋｉｎＦｕｊｉａｎＰｒｏｖｉｎｃｅａｓｒｅｓｅａｒｃｈｏｂｊｅｃｔｓ，ｔｈｅｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎｓｕｒｆａｃｅｓｏｉｌ（０ ５ｃｍａｎｄ５ １０ｃｍ）ｗａｓｓｅｐａｒａｔｅｄｂｙｄｅｎｓｉｔｙｆｒａｃｔｉｏｎａｔｉｏｎａｎａｌｙｓｅｓ，ａｓｗｅｌｌａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒａｎｄｉｔｓｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｉｎｄｉｆｆｅｒｅｎｔｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｓｗｅｒｅｓｔｕｄｉｅｄ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｃｏｎｔｅｎｔｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎＢＣＦｗａｓｈｉｇｈｅｒｔｈａｎｔｈａｔｉｎＣＦａｎｄＥＢＦｉｎ０ ５ｃｍａｎｄ５ １０ｃｍｓｏｉｌｌａｙｅｒｓ（Ｐ＜０．０５）．Ｔｈｅｐａｔｔｅｒｎｏｆｔｈｅｃｏｎｔｅｎｔｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｃａｒｂｏｎｗａｓｓｉｍｉｌａｒｔｏｔｈｅｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒ，ｂｕｔｔｈｅｒｅｗａｓｎｏｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｉｎｌｉｇｈｔｏｒｇａｎｉｃｎｉｔｒｏｇｅｎｃｏｎｔｅｎｔ（Ｐ＞０．０５）．ＴｈｅｌｉｇｈｔｆｒａｃｔｉｏｎＣ／ＮｗａｓｇｒｅａｔｅｒｔｈａｎｓｏｉｌＣ／Ｎ，ａｎｄｔｈｅｌｉｇｈｔｆｒａｃｔｉｏｎＣ／ＮａｎｄｓｏｉｌＣ／Ｎｉｎ６１２６㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀ＢＣＦｗｅｒｅｇｒｅａｔｅｒｔｈａｎｔｈｏｓｅｏｆｏｔｈｅｒｆｏｒｅｓｔｔｙｐｅｓｉｎｔｈｅｓａｍｅｓｏｉｌｌａｙｅｒ．Ｉｎ０ ５ｃｍａｎｄ５ １０ｃｍｓｏｉｌｌａｙｅｒ，ｔｈｅｓｔｏｒａｇｅｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｉｎＢＣＦｗｅｒｅｈｉｇｈｅｒｔｈａｎｔｈｏｓｅｉｎＣＦａｎｄＥＢＦ（Ｐ＜０．０５），ａｎｄｔｈｅｃｏｎｔｒｉｂｕｔｉｏｎｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｔｏｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｉｎＢＣＦｗａｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｔｈｅｏｔｈｅｒｔｗｏｆｏｒｅｓｔｓ．ＴｈｅｃｏｎｔｅｎｔｓａｎｄｓｔｏｒａｇｅｏｆｓｏｉｌｏｒｇａｎｉｃｃａｒｂｏｎａｎｄｔｏｔａｌｎｉｔｒｏｇｅｎｉｎＣＦｗａｓｔｈｅｈｉｇｈｅｓｔｉｎ０ １０ｃｍ，ａｎｄｄｅｃｒｅａｓｅｄｗｉｔｈｔｈｅｄｅｃｒｅａｓｅｏｆａｌｔｉｔｕｄｅ，ｂｕｔｔｈｅｄｉｆｆｅｒｅｎｃｅｗａｓｎｏｔｓｉｇｎｉｆｉｃａｎｔ（Ｐ＞０．０５）．Ｔｈｅｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｓｈｏｗｅｄｔｈａｔｔｈｅｓｔｏｒａｇｅｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｗａｓｓｉｇｎｉｆｉｃａｎｔｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｓｏｉｌｏｒｇａｎｉｃｃａｒｂｏｎ，ｄｉｓｓｏｌｖｅｄｏｒｇａｎｉｃｃａｒｂｏｎ，ｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｆｉｎｅｒｏｏｔｂｉｏｍａｓｓ（Ｐ＜０．０５），ｂｕｔｎｏｔａｎｎｕａｌｌｉｔｔｅｒｆａｌｌ（Ｐ＞０．０５），ｓｕｇｇｅｓｔｉｎｇｔｈａｔｒｏｏｔｄｅｒｉｖｅｄｏｒｇａｎｉｃｍａｔｔｅｒｍｉｇｈｔｂｅａｎｉｍｐｏｒｔａｎｔｓｏｕｒｃｅｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎｓｏｉｌ．Ｔｈｅｒｅｆｏｒｅ，ｗｅｃｏｎｃｌｕｄｅｄｔｈａｔｂｅｌｏｗｇｒｏｕｎｄｓｏｕｒｃｅｓｍａｙｐｌａｙａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｒｅｇｕｌａｔｉｏｎｏｆｔｈｅｆｏｒｍａｔｉｏｎｏｆｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎｓｏｉｌｕｎｄｅｒｆｕｔｕｒｅｃｌｉｍａｔｅｃｈａｎｇｅ．ＫｅｙＷｏｒｄｓ：ｆｏｒｅｓｔｔｙｐｅ；ｃｌｉｍａｔｅｃｈａｎｇｅ；ｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒ；ｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｓｔｏｒａｇｅ森林土壤有机质在全球碳循环和碳平衡中具有重要作用，也是森林生态系统生产力重要物质基础和土壤质量与健康的重要指标［１⁃２］㊂土壤有机质按密度大小可分为轻组（ｌｉｇｈｔｆｒａｃｔｉｏｎ，ＬＦ）和重组（ｈｅａｖｙｆｒａｃｔｉｏｎ，ＨＦ）㊂轻组有机质主要由部分分解的植物残体和动物㊁微生物残骸组成，碳和氮含量高［３］，周转速度快［４］，是易变土壤有机质的主要部分，对植物养分供给㊁平衡土壤碳库和保持土壤肥力特性有重要的作用㊂由于缺乏黏粒等的保护，轻组有机质易受自然与人为干扰的影响［５］，因此对环境的响应比总有机质更为敏感和迅速，能较好地反映出土壤有机碳库的微小变化［６］㊂由于轻组是易变的有机质库，对耕作措施㊁作物种植制度㊁施肥㊁土地利用变化等变化的响应非常敏感㊂如秸秆覆盖处理和免耕处理可以显著提高土壤轻组有机碳［７］；生物有机肥与化肥配施和单施有机肥处理比单施化肥能更大程度上提高了轻组有机碳（ＬＦＯＣ）含量［８］；有的研究表明轻组有机碳明显受土地利用方式的影响，表现为次生林＞人工林＞灌草丛＞坡耕地［９］㊂已有的研究表明，天然林（次生林）的轻组有机碳（ＬＦＯＣ）含量大于人工林［１０］㊂人工混交林的轻组有机碳含量大于人工纯林［１１⁃１２］㊂天然林人工更新后，土壤轻组有机碳含量及占总碳的比例均有降低趋势［１３］㊂同一森林类型不同的海拔条件下，轻组有机碳含量的变化也不相同㊂如在川西高山冷杉林的研究中发现，有研究表明表层土壤轻组有机碳在海拔梯度上是随着海拔升高逐渐增加的［１４］，也有研究表明随海拔升高轻组有机碳表现出双峰特征［１５］，甚至有的研究则发现土壤轻组有机碳含量在海拔梯度上没有明显的变化趋势［１６］㊂这些不同的分布模式，可能是所处的气候条件㊁立地差异，以及微生物［１７］的不同而导致的差异，但其主导轻组有机质变化的因子与其来源尚不清楚㊂借此，本研究选择武夷山不同海拔的典型森林土壤类型为例，试图揭示不同海拔森林类型对土壤轻组有机质的影响，为进一步认识森林土壤有机质及森林管理提供科学依据㊂１㊀试验地概况研究区位于武夷山国家自然保护区（２７ʎ３３ᶄ ２７ʎ５４ᶄＮ㊁１１７ʎ２７ᶄ １１７ʎ５１ᶄＥ），地处福建省西北部，总面积９９９７５ｈｍ２，拥有世界同纬度带现存面积最大㊁保存最完整的中亚热带常绿阔叶林㊂区内动植物资源丰富，森林覆盖率为９６．３％㊂境内以黄岗山为主峰，海拔２１５８ｍ，植被垂直带谱分布完整，沿海拔植被带依次为常绿阔叶林㊁针叶林㊁亚高山矮林和高山草甸，属中亚热带季风气候，年平均气温垂直变化为１９．２ ８．５ħ，降水量为１６００ ３３０３ｍｍ，年平均相对湿度７８％ ８４％，无霜期２５３ ２７２ｄ㊂依据植被类型和海拔选择黄岗山主峰东南坡的常绿阔叶林（Ｅｖｅｒｇｒｅｅｎｂｒｏａｄｌｅａｆｆｏｒｅｓｔ，ＥＢＦ）㊁针阔混交林（Ｍｉｘｅｄｂｒｏａｄｌｅａｆ⁃ｃｏｎｉｆｅｒｆｏｒｅｓｔ，ＢＣＦ）和针叶林（Ｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔ，ＣＦ）作为研究对象㊂常绿阔叶林乔木层主要为米槠（Ｃａｓｔａｎｏｐｓｉｓｃａｒｌｅｓｉｉ）㊁甜槠（Ｃａｓｔａｎｏｐｓｉｓｅｙｒｅｉ），林冠较高，郁闭度较大㊂针阔混交林乔木层主要为黄山松（Ｐｉｎｕｓｔａｎｗａｎｅｎｓｉｓ）㊁木荷（Ｓｃｈｉｍａｓｕｐｅｒｂａ），下层以肿节少穗竹（Ｏｌｉｇｏｓｔａｃｈｙｕｍｏｅｄｏｇｏｎａｔｕｍ）为主，土层较厚（４０ｃｍ左右），表层细根较多，地表枯枝落叶较厚（３ ５ｃｍ）㊂针叶林乔木层主要为黄山松，灌木层的植被较少㊂样地基本情况见表１㊂表１㊀研究样地概况Ｔａｂｌｅ１㊀Ｏｖｅｒｖｉｅｗｏｆｒｅｓｅａｒｃｈｓａｍｐｌｅｐｌｏｔｓ样地Ｓａｍｐｌｅｐｌｏｔｓ海拔Ａｌｔｉｔｕｄｅ／ｍ年均温Ａｎｎｕａｌｍｅａｎｔｅｍｐｅｒａｔｕｒｅ／ħ年均降水Ａｎｎｕａｌａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎ／ｍｍ坡度Ｓｌｏｐｅ土壤类型Ｓｏｉｌｔｙｐｅ年凋落量Ａｎｎｕａｌｌｉｔｔｅｒｆａｌｌ／（ｇ／ｍ２）细根生物量Ｆｉｎｅｒｏｏｔｂｉｏｍａｓｓ／（ｇ／ｍ２）树高Ｔｒｅｅｈｅｉｇｈｔ／ｍ胸径ＤＢＨ／ｃｍ密度Ｓｔａｎｄｄｅｎｓｉｔｙ／（棵／ｈｍ２）常绿阔叶林（ＥＢＦ）６００１７．６２３７４．２东南２６ʎ山地红壤６１６．７±４４．２１９７．８±５４．６１０．３１２．０１５８８针阔混交林（ＢＣＦ）１０００１５．８２６７１．０东南２４ʎ山地黄壤６２８．１±７３．６６２５．８±６８．６１３．０１４．６１４２５针叶林（ＣＦ）１４００１４．２３４８７．３东南３１ʎ山地黄壤５５９．３±６４．９１４０．８±５５．２１７．２２５．８４５１㊀㊀ＥＢＦ：常绿阔叶林Ｅｖｅｒｇｒｅｅｎｂｒｏａｄｌｅａｆｆｏｒｅｓｔ；ＢＣＦ：针阔混交林Ｍｉｘｅｄｂｒｏａｄｌｅａｆ⁃ｃｏｎｉｆｅｒｆｏｒｅｓｔ；ＣＦ：针叶林Ｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔ２㊀研究方法２．１㊀样品采集２０１６年１１月分别在三个海拔设置５个２０ｍˑ２０ｍ的标准样方，共１５个㊂２０１７年１０月在每个样方内使用内径为２ｃｍ的土钻 Ｓ 型随机㊁多点取表层０ ５ｃｍ和５ １０ｃｍ土样，分别混合，每个海拔土样５个重复，共３０个㊂随后迅速将土壤样品用内含冰袋的保温箱保存，带回实验室处理㊂在室内，挑走土壤中的细根和石块，过２ｍｍ土壤筛混合均匀装袋放入４ħ冰箱保存待分析，并收集土壤中的细根，洗净烘干，挑出土壤中＜２ｍｍ的细根，计算细根生物量㊂每月从设置的凋落物框中收集凋落物并计算年凋落量㊂２．２㊀实验方法土壤轻组和重组有机质的分离采用相对密度分组方法［１８］㊂将１０．００ｇ风干土样放在１００ｍＬ的塑料离心管中，加入５０ｍＬＮａＩ溶液（密度１．７ｇ／ｃｍ３），盖紧手动摇晃混匀，并在往复震荡机上震荡１８０ｍｉｎ，震速１ｍｉｎ往复２５０次㊂分散后的悬浮液以转速４０００ｒｐｍ离心２０ｍｉｎ㊂离心后的上层液通过滤纸抽滤，使轻组物质全部过滤在滤纸上㊂在剩余的重组残留物中加入２５ ３０ｍＬＮａＩ，用涡旋仪将离心后聚在底部的土样，振散混合，再次离心并抽滤，重复上述步骤直至没有可见的轻组物质㊂分离出来的轻组物质用去离子水进行多次冲洗，彻底淋洗掉残留的ＮａＩ溶液，然后将滤纸上的轻组物质洗到预先称重的小烧杯中，在６０ħ烘箱中烘干，获得轻组物质的干质量㊂用玛瑙研钵将烘干后的轻组物质磨碎，并过１００目筛㊂用碳氮元素分析仪（ＥｌｅｍｅｎｔａｒＶａｒｉｏＥＬＩＩＩ，Ｇｅｒｍａｎｙ）测定轻组碳氮含量㊂土壤微生物生物量碳（ＭＢＣ）用氯仿熏蒸 Ｋ２ＳＯ４浸提法测定［１９］㊂土壤可溶性有机碳（ＤＯＣ）使用总有机碳分析仪ＴＯＣ－ＶＣＰＮ测定㊂土壤容重使用环刀法测定㊂２．３㊀数据处理与分析表层土壤特定深度的土壤有机碳和总氮储量计算方法如下：Ｓ＝ＣˑＢˑＤˑ１－Ｇ()ː１０其中，Ｓ为土壤有机碳（ＳＯＣ）或总氮（ＴＮ）储量（ｔ／ｈｍ２），Ｃ为ＳＯＣ（或ＴＮ）含量（ｇ／ｋｇ），Ｂ为土壤密度（ｇ／ｃｍ３），Ｄ为土层深度（ｃｍ），Ｇ为直径﹥２ｍｍ的石砾所占的体积比例（％）㊂运用Ｅｘｃｅｌ２０１３和ＳＰＳＳ２２．０软件对数据进行处理分析㊂单因素方程分析（ｏｎｅ－ｗａｙＡＮＯＶＡ）和ＬＳＤ多重比较法对不同数据间进行差异性比较（Ｐ＜０．０５），Ｐｅａｒｓｏｎ进行相关分析，Ｏｒｉｇｉｎ９．０软件制图㊂所有数据均为５次重复的平均值㊂结果为平均值ʃ标准误差㊂３㊀结果与分析３．１㊀不同森林生态系统表层土壤轻组含量三种林分表层０ ５ｃｍ土壤的轻组含量具有显著差异（Ｐ＜０．０５），其中针阔混交林最大，常绿阔叶林最７１２６㊀１７期㊀㊀㊀黄桥明㊀等：武夷山不同海拔森林表层土壤轻组有机质特征㊀小；针阔混交林分别是针叶林的２．６倍㊁常绿阔叶林的１０．７倍（图１）㊂５ １０ｃｍ土层土壤轻组有机质含量的变化趋势与０ ５ｃｍ土层基本一致，但针叶林和常绿阔叶林无显著差异，并且不同林分间的差异缩小㊂各林分０ ５ｃｍ土层轻组含量均显著高于５ １０ｃｍ土层㊂图１㊀不同海拔表层土壤轻组有机质含量㊀Ｆｉｇ．１㊀Ｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｃｏｎｔｅｎｔｓｉｎｓｕｒｆａｃｅｓｏｉｌｉｎｄｉｆｆｅｒｅｎｔｓｔａｎｄｓ不同字母表示同一土层，不同林分间差异显著（Ｐ＜０．０５）３．２㊀不同森林生态系统表层土壤轻组碳氮含量０ ５ｃｍ土层不同林分轻组的碳含量（ＬＦＣ）和ＳＯＣ含量变化规律均为：针阔混交林﹥针叶林﹥常绿阔叶林（Ｐ＜０．０５）（表２），针阔混交林的轻组的碳含量比针叶林和常绿阔叶林的分别高１８．０％和２７．６％，ＳＯＣ含量分别高２２．３％和１７２．４％㊂在５ １０ｃｍ土层，针阔混交林的轻组的碳含量显著高于针叶林和常绿阔叶林，针叶林和常绿阔叶林之间无显著差异（Ｐ＞０．０５），而ＳＯＣ含量针叶林显著高于针阔混交林和常绿阔叶林，针叶林和常绿阔叶林之间无显著差异（Ｐ＞０．０５）㊂总体上，表层土壤（０ １０ｃｍ）轻组的平均碳含量针阔混交林较高，ＳＯＣ则由高海拔向低海拔降低，针叶林与针阔混交林之间无显著差异（Ｐ＞０．０５）㊂在０ ５ｃｍ土层，轻组的氮含量（ＬＦＮ）变化规律均为：针阔混交林﹥针叶林﹥常绿阔叶林，但林分间的差异不显著（Ｐ＞０．０５）㊂针叶林和针阔混交林土壤ＴＮ含量显著高于常绿阔叶林（Ｐ＜０．０５），分别高出１０８．３％和８６．９％㊂在５ １０ｃｍ土层，轻组的氮含量林分之间无显著差异（Ｐ＞０．０５），而ＴＮ含量针叶林海拔显著高于针阔混交林和常绿阔叶林（Ｐ＜０．０５），分别高出８３．６％和７２．５％，总体上，表层土壤（０ １０ｃｍ）轻组的平均氮含量针叶林较高，但林分间没有显著差异（Ｐ＞０．０５），ＴＮ则由高海拔向低海拔降低，针阔混交林与常绿阔叶林之间无显著差异（Ｐ＞０．０５）㊂在所有土层中，轻组ＣʒＮ比土壤ＣʒＮ大，针阔混交林轻组ＣʒＮ和土壤ＣʒＮ均大于其他海拔㊂表２㊀不同森林表层土壤轻组碳氮含量Ｔａｂｌｅ２㊀Ｌｉｇｈｔｆｒａｃｔｉｏｎｃａｒｂｏｎ（ＬＦＣ）ａｎｄｎｉｔｒｏｇｅｎ（ＬＦＮ）ｉｎｓｕｒｆａｃｅｓｏｉｌｉｎｄｉｆｆｅｒｅｎｔｓｔａｎｄｓ土层Ｌａｙｅｒ／ｃｍ森林类型Ｆｏｒｅｓｔｔｙｐｅ轻组碳ＬＦＣ／（ｇ／ｋｇＬＦ）轻组氮ＬＦＮ／（ｇ／ｋｇＬＦ）有机碳ＳＯＣ／（ｇ／ｋｇ土）总氮ＴＮ／（ｇ／ｋｇ土）轻组ＬＦＣʒＮ土壤ＳｏｉｌＣʒＮ０ ５ＣＦ３２９．６±９．５ｂ１２．７±１．９ａ７２．６±１４．５ｂ４．２９±０．９０ａ２６．３８±３．２２ａ１６．９２±０．３３ｂＢＣＦ３８８．８±９．６ａ１３．１±２．１ａ８８．８±１２．０ａ３．８５±０．６１ａ２８．９３±３．７４ａ２３．２２±２．４０ａＥＢＦ３０４．７±１０．８ｃ１１．１±０．７ａ３２．６±５．９ｃ２．０６±０．３５ｂ２７．５４±１．５１ａ１５．８４±０．２３ｂ５ １０ＣＦ３２３．５±２３．０ｂ１０．９±１．６ａ４０．０±１５．４ａ２．５７±０．９２ａ３０．０８±４．３０ｂ１５．４５±０．９０ｂＢＣＦ３７０．５±１５．３ａ８．７±１．６ａ２６．３±８．７２ｂ１．４０±０．３５ｂ４０．００±４．９３ａ１８．５４±１．７９ａＥＢＦ３０４．９±３０．５ｂ９．３±０．５ａ２２．７±２．１ｂ１．４９±０．１７ｂ３２．８７±４．００ｂ１５．２２±０．５３ｂ０ １０ＣＦ３２５．７±１６．３ｂ１１．６±１．５ａ５１．９±１４．１ａ３．２０±０．８５ａ２８．４９±３．４２ｂ１６．２１±０．５１ｂＢＣＦ３７２．６±１６．１ａ１０．１±１．８ａ４４．４±８．２ａ２．１１±０．３９ｂ３７．９９±７．４４ａ２１．０８±１．５２ａＥＢＦ３０５．０±１８．０ｂ１０．１±０．４ａ２７．０±２．７ｂ１．７４±０．１７ｂ３０．２９±２．１１ｂ１５．５４±０．３５ｂ㊀㊀０ １０ｃｍ土层的三种林分的各项值为对应林分０ ５ｃｍ与５ １０ｃｍ土层的值的加权平均数，权重为对应土层的土壤容重；不同小写字母表示同一土层不同海拔间差异显著（Ｐ＜０．０５）３．３㊀不同森林生态系统表层土壤碳氮储量变化在０ ５ｃｍ土层中，３种林分的轻组有机碳储量（ＬＦＯＣ）具有显著差异（Ｐ＜０．０５），针阔混交林最高（达到８１２６㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀４．７ｔ／ｈｍ２），分别为针叶林和常绿阔叶林海拔的２．０倍和５．７倍（表３）㊂ＳＯＣ储量针叶林显著高于针阔混交林和常绿阔叶林，针阔混交林和常绿阔叶林之间无显著差异（Ｐ＞０．０５）㊂５ １０ｃｍ土层，针阔混交林的轻组有机碳储量显著高于针叶林和常绿阔叶林，针叶林和常绿阔叶林之间无显著差异（Ｐ＞０．０５）㊂ＳＯＣ储量变化规律均：为针叶林﹥常绿阔叶林﹥针阔混交林，各林分之间无显著差异（Ｐ＞０．０５）㊂总体上，表层土壤（０ １０ｃｍ）轻组有机碳储量针阔混交林显著高于针叶林和常绿阔叶林，ＳＯＣ储量为针叶林﹥针阔混交林﹥常绿阔叶林，针阔混交林和常绿阔叶林之间无显著差异（Ｐ＞０．０５）㊂所有土层中，轻组有机碳储量占总有机碳储量的比重较小，针阔混交林的轻组有机碳储量占比值最高（Ｐ＜０．０５）㊂在０ ５ｃｍ土层，不同林分轻组有机氮储量（ＬＦＯＮ）变化规律为：针阔混交林﹥针叶林﹥常绿阔叶林（Ｐ＜０．０５），针阔混交林分别为针叶林和常绿阔叶林的１．９倍和５．７倍（表３）㊂针叶林土壤ＴＮ储量显著高于针阔混交林和常绿阔叶林，针阔混交林和常绿阔叶林之间无显著差异（Ｐ＞０．０５）㊂而在５ １０ｃｍ土层ＬＦＯＮ储量林分间的差异不显著（Ｐ＞０．０５），ＴＮ储量与０ ５ｃｍ变化趋势一致㊂总体上，表层土壤（０ １０ｃｍ）ＬＦＯＮ储量与ＬＦＯＣ储量沿海拔的变化趋势一致㊂各林分土壤ＴＮ储量变化趋势表现为针叶林﹥常绿阔叶林﹥针阔混交林㊂所有土层中，轻组有机质氮储量占总氮储量的比重与轻组有机碳储量占总有机碳储量的比重规律类似㊂表３㊀不同森林表层土壤轻组有机碳氮储量及其所占总有机碳与总氮储量的比例Ｔａｂｌｅ３㊀Ｌｉｇｈｔｆｒａｃｔｉｏｎｏｒｇａｎｉｃｃａｒｂｏｎ（ＬＦＯＣ）ａｎｄｎｉｔｒｏｇｅｎ（ＬＦＯＮ）ｓｔｏｒａｇｅｓａｎｄｉｔｓｒａｔｉｏｏｆｔｏｔａｌｏｒｇａｎｉｃｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｓｔｏｒａｇｅｉｎｓｕｒｆａｃｅｓｏｉｌｉｎｄｉｆｆｅｒｅｎｔｓｔａｎｄｓ土层Ｌａｙｅｒ／ｃｍ森林类型Ｆｏｒｅｓｔｔｙｐｅ轻组有机碳ＬＦＯＣ／（ｔ／ｈｍ２）轻组有机氮ＬＦＯＮ／（ｔ／ｈｍ２）有机碳ＳＯＣ／（ｔ／ｈｍ２）总氮ＴＮ／（ｔ／ｈｍ２）ＬＦＯＣ／ＳＯＣ／％ＬＦＯＮ／ＴＮ／％０ ５ＣＦ２．３４ʃ１．０２ｂ０．０９ʃ０．０５ｂ１９．４９ʃ５．３４ａ１．１６ʃ０．３３ａ１１．５８ʃ２．２０ｂ７．６４ʃ２．３０ｂＢＣＦ４．７０ʃ１．２６ａ０．１７ʃ０．０６ａ１４．４９ʃ１．９４ｂ０．６５ʃ０．１２ｂ３２．６１ʃ８．０２ａ２６．５４ʃ７．５０ａＥＢＦ０．８２ʃ０．３５ｃ０．０３ʃ０．０１ｃ１２．１７ʃ３．３０ｂ０．７７ʃ０．２０ｂ６．５８ʃ１．６４ｂ３．８ʃ０．９９ｂ５ １０ＣＦ０．５６ʃ０．１６ｂ０．０２ʃ０．０１ａ１３．６２ʃ４．７６ａ１．０５ʃ０．４４ａ５．６６ʃ２．９６ｂ３．１ʃ２．１３ｂＢＣＦ１．２８ʃ０．３５ａ０．０３ʃ０．０１ａ１０．２０ʃ２．０４ａ０．５４ʃ０．０７ｂ１２．５４ʃ２．６９ａ５．４７ʃ１．６６ａＥＢＦ０．６１ʃ０．２８ｂ０．０２ʃ０．０１ａ１０．８７ʃ０．５１ａ０．７１ʃ０．０５ｂ５．５６ʃ２．３４ｂ２．７ʃ１．５４ｂ０ １０∗ＣＦ２．９１ʃ１．０２ｂ０．１１ʃ０．０５ｂ３３．１１ʃ９．１３ａ２．２１ʃ０．７５ａ８．６６ʃ１．１２ｂ４．９２ʃ０．６６ｂＢＣＦ５．９８ʃ１．６０ａ０．２０ʃ０．０７ａ２４．６９ʃ３．６３ｂ１．１９ʃ０．１８ｂ２４．３０ʃ５．７８ａ１６．８９ʃ４．４９ａＥＢＦ１．４３ʃ０．６０ｂ０．０５ʃ０．０２ｂ２３．０５ʃ３．６０ｂ１．４８ʃ０．２２ｂ６．０３ʃ１．６４ｂ３．２４ʃ１．０５ｂ㊀㊀０ １０ｃｍ土层的三种林分各项值为对应海拔０ ５ｃｍ与５ １０ｃｍ土层平均值的和３．４㊀土壤轻组有机质碳氮储量的影响因子分析如表４所示，表层土壤轻组有机质碳储量（ＬＦＯＣ）与ＴＮ含量㊁ＤＯＣ含量呈显著正相关关系（Ｐ＜０．０５），与ＳＯＣ含量㊁ＭＢＣ含量㊁粉粒含量呈极显著正相关关系（Ｐ＜０．０１），与容重呈极显著的负相关关系（Ｐ＜０．０１）㊂轻组有机质氮储量（ＬＦＯＮ）与ＴＮ含量㊁ＤＯＣ含量具有显著相关关系（Ｐ＜０．０５），与容重呈显著的负相关关系（Ｐ＜０．０５），与ＳＯＣ含量㊁ＭＢＣ含量㊁粉粒含量呈极显著正相关关系（Ｐ＜０．０１），如表５所示，ＬＦＯＣ和ＬＦＯＮ与细根生物量呈极显著正相关关系（Ｐ＜０．０１），而与年凋落物量㊁树高㊁胸径密度没有相关关系（Ｐ＞０．０５）㊂表４㊀表层土壤轻组有机质碳氮储量与土壤理化因子之间的Ｐｅａｒｓｏｎ相关系数Ｔａｂｌｅ４㊀ＰｅａｒｓｏｎｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｂｅｔｗｅｅｎＬＦＯＣａｎｄＬＦＯＮｓｔｏｒａｇｅｓａｎｄｓｏｉｌｐｈｙｓｉｃｏｃｈｅｍｉｃａｌｆａｃｔｏｒｓ有机碳ＳＯＣ总氮ＴＮ可溶性有机碳ＤＯＣ微生物生物量碳ＭＢＣ容重Ｂｕｌｋｄｅｎｓｉｔｙ土壤全磷ＴＰ砂粒Ｓａｎｄ粉粒Ｓｉｌｔ黏粒ＣｌａｙＬＦＯＣ０．７６６∗∗０．５４８∗０．６４０∗０．６６３∗∗－０．６７６∗∗－０．１４８－０．３０６０．７０１∗∗－０．４９９ＬＦＯＮ０．７３７∗∗０．５７２∗０．６２０∗０．６８０∗∗－０．６０６∗－０．２１４－０．３３１０．６７５∗∗－０．４２６㊀㊀∗和∗∗分别表示在Ｐ＜０．０５和Ｐ＜０．０１水平上显著相关９１２６㊀１７期㊀㊀㊀黄桥明㊀等：武夷山不同海拔森林表层土壤轻组有机质特征㊀０２２６㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀表５㊀表层土壤轻组有机质碳氮储量与林分因子之间的Ｐｅａｒｓｏｎ相关系数Ｔａｂｌｅ５㊀ＰｅａｒｓｏｎｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｂｅｔｗｅｅｎＬＦＯＣａｎｄＬＦＯＮｓｔｏｒａｇｅｓａｎｄｔｈｅｉｒｓｔａｎｄｆａｃｔｏｒｓ年凋落量ＳｔａｎｄｄｅｎｓｉｔｙＴｒｅｅｈｅｉｇｈｔ密度Ａｎｎｕａｌｌｉｔｔｅｒｆａｌｌ细根生物量Ｆｉｎｅｒｏｏｔｂｉｏｍａｓｓ胸径ＤＢＨ树高ＬＦＯＣ－０．０２７０．７６６∗∗０．０６３０．３２３－０．０２３ＬＦＯＮ－０．０８１０．６９７∗∗０．１２７０．３８６－０．０８７４㊀讨论４．１㊀不同森林类型土壤轻组有机质的变化本研究表明，武夷山森林土壤轻组有机质含量在不同林分中的分布不同（图１），其中针阔混交林含量显著高于针叶林和常绿阔叶林（Ｐ＜０．０５），轻组有机碳含量与的变化与其一致（表２）㊂轻组有机氮的含量各林分间无显著差异㊂其他研究也发现类似的结果，郭璐璐［２０］等发现川西贡嘎山针阔混交林表层土壤ＬＦＣ含量均显著高于常绿落叶阔叶林和暗针叶林㊂这些研究的不同可能是微生物分解和利用输入土壤中的植物残体的碳氮元素的速率和程度不同㊂本研究发现，三种林分轻组有机碳㊁氮储量均表现出针阔混交林高于其余两种林分（表３）㊂上述结果表明不同树种组成显著影响轻组有机质的变化㊂０ １０ｃｍ土壤有机碳和总氮含量及储量大体沿海拔的升高而降低㊂说明气候对有机碳和总氮积累具有重要作用㊂这也从侧面说明轻组有机碳比土壤有机碳对环境的响应更为敏感和复杂㊂４．２㊀影响森林土壤轻组有机质变化的因素气候是森林土壤轻组有机质变化的主要影响因素㊂因为气温较低时，微生物活性低，不同分解程度的动植物残体㊁木质素等不能及时矿化分解，导致大量有机物质积累，进而使轻组含量较高［１５，２０］㊂Ｓｏｎｇ［２１］等研究表明，降水量的增加刺激了土壤ＬＦＣ的增加，而增温降低了土壤ＬＦＣ含量㊂所以气候寒冷㊁干燥的条件有利于轻组有机质的积累［２２］㊂本研究结果也表现出这种普遍的模式，高海拔针叶林分解较慢，轻组有机质含量显著高于低海拔阔叶林（图１）㊂未来气候变暖可能影响不同海拔的水热条件，导致植物生长习性及生物量变化［２３］，甚至整个海拔梯度的林线上移和森林林型的变化［２４］，从而影响土壤轻组有机质的分布模式㊂赵华晨［２５］等研究表明长白山阔叶红松林和邻近杨桦次生林间轻组有机碳㊁氮含量与储量无显著差异㊂这反映了气候的主导作用超过了林分性质的差异㊂Ｓｉｘ［２６］等研究发现表层土壤轻组有机质主要依赖于植被凋落物和细根输入㊂而凋落物和细根的质量和数量与森林类型十分密切㊂相关分析表明，武夷山三种森林类型中，轻组碳储量与森林年凋落物量没有显著关系（Ｐ＞０．０５），而与细根生物量有显著关系（Ｐ＜０．０５）（表５），并且１０００ｍ海拔针阔混交林地下细根生物量显著大于其余两个海拔（Ｐ＜０．０５）（表１）㊂这说明轻组有机碳储量大小可能受不同森林类型地下细根的影响㊂而且１０００ｍ海拔为针阔混交林以黄山松和木荷为主，木荷细根密集，主要分布在表层土壤中［２７］㊂Ｓｕｎ［２８］等研究６年的一级根和凋落叶分解实验发现，一级根的分解速度比凋落物慢，所以植被细根可能成为土壤轻组的重要来源［２９⁃３０］㊂而Ｂｏｏｎｅ在美国威斯康辛州两个栎树林研究凋落物和根对轻组的相对贡献时认为地上凋落物是土壤轻组的主要来源［３１］㊂这可能是不同森林类型凋落物和细根的性质不同，对轻组的作用和贡献也不同㊂本研究发现，ＬＦＯＣ与ＭＢＣ之间存在显著正相关性（Ｐ＜０．０５）（表４），这与相关学者的研究结果一致［１５，１７，３２］㊂可能是这些部分分解的植物残体为微生物活动提供丰富的营养物质，促进了微生物的生长繁殖，微生物生物量随之增加［３３⁃３４］㊂而孙力［３５］等在天山森林的研究表明ＬＦＯＣ与ＭＢＣ呈负相关关系㊂这些研究表明不同森林类型对轻组形成的作用机制具有不同的模式㊂在轻组的形成过程中，土壤菌根真菌具有促进作用㊂叶思源［３６］等研究发现接种外生菌根真菌提高了马尾松林土壤轻组有机碳含量㊂原因可能是根际微生物群落形成的有机碳库效率更高，积累更多［３７］㊂这表明了地下细根与微生物的共同作用对轻组有机质的形成具有重要影响㊂所以森林类型能通过细根和与之相关的微生物群落，影响轻组有机质的形成与转换㊂由于木荷同时具有外生菌根和内生菌根［３８］㊂因此黄山松与木荷混交林可能更有利于轻组有机质的形成㊂今后可着重加强菌根对森林土壤轻组有机质的作用机制的研究㊂轻组有机质受海拔高度的影响未达到显著水平（Ｐ＞０．０５），表明轻组有机质受其他因素的作用超过了海拔因素的影响㊂轻组有机质的形成转换较为复杂，模式多变㊂总体上，气候条件㊁细根数量与性质和微生物作用是影响轻组有机质的重要因素㊂虽然轻组有机质所占比例较小，对短时间内土壤碳氮总储量的影响较小，但因其不稳定性，易周转性与高碳氮比，使其能敏感的对气候变化与人类干扰做出反应［３９］，从而对森林生态碳氮循环具有重要影响㊂在全球变暖的背景下，对不同海拔森林土壤轻组有机质的变化模式的相关研究具有一定的现实意义㊂５㊀结论武夷山森林土壤轻组有机质变化表现为：针阔混交林的轻组有机质含量及其碳氮储量，显著高于针叶林与阔叶林（Ｐ＜０．０５）㊂ＳＯＣ与土壤ＴＮ含量及储量随海拔降低而减小，但海拔差异不显著（Ｐ＞０．０５）㊂表层土壤轻组有机质碳氮储量与ＳＯＣ㊁ＤＯＣ㊁ＭＢＣ含量和细根生物量具有显著相关关系（Ｐ＜０．０５），而与年凋落物量无关（Ｐ＞０．０５）㊂地下细根可能是土壤轻组有机质的重要来源㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀ＤｉｎｇＧ，ＮｏｖａｋＪＭ，ＡｍａｒａｓｉｒｉｗａｒｄｅｎａＤ，ＨｕｎｔＰＧ，ＸｉｎｇＢ．Ｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｓａｆｆｅｃｔｅｄｂｙｔｉｌｌａｇｅｍａｎａｇｅｍｅｎｔ．ＳｏｉｌＳｃｉｅｎｃｅＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ，２００２，６６（２）：４２１⁃４２９．［２］㊀张勇，庞学勇，包维楷，尤琛，汤浩茹，胡庭兴．土壤有机质及其研究方法综述．世界科技研究与发展，２００５，２７（５）：７２⁃７８．［３］㊀谢锦升，杨玉盛，解明曙，杨少红，杨智杰．土壤轻组有机质研究进展．福建林学院学报，２００６，２６（３）：２８１⁃２８８．［４］㊀ＪｉａｎｇＲ，ＧｕｎｉｎａＡ，ＱｕＤ，ＫｕｚｙａｋｏｖＹ，ＹｕＹＪ，ＨａｔａｎｏＲ，ＦｒｉｍｐｏｎｇＫＡ，ＬｉＭ．Ａｆｆｏｒｅｓｔａｔｉｏｎｏｆｌｏｅｓｓｓｏｉｌｓ：ｏｌｄａｎｄｎｅｗｏｒｇａｎｉｃｃａｒｂｏｎｉｎａｇｇｒｅｇａｔｅｓａｎｄｄｅｎｓｉｔｙｆｒａｃｔｉｏｎｓ．ＣＡＴＥＮＡ，２０１９，１７７：４９⁃５６．［５］㊀ＨａｙｎｅｓＲＪ．ＬａｂｉｌｅｏｒｇａｎｉｃｍａｔｔｅｒａｓａｎｉｎｄｉｃａｔｏｒｏｆｏｒｇａｎｉｃｍａｔｔｅｒｑｕａｌｉｔｙｉｎａｒａｂｌｅａｎｄｐａｓｔｏｒａｌｓｏｉｌｓｉｎＮｅｗＺｅａｌａｎｄ．ＳｏｉｌＢｉｏｌｏｇｙａｎｄＢｉｏｃｈｅｍｉｓｔｒｙ，２０００，３２（２）：２１１⁃２１９．［６］㊀ＢｌａｉｒＧＪ，ＬｅｆｒｏｙＲＤＢ，ＬｉｓｌｅＬ．Ｓｏｉｌｃａｒｂｏｎｆｒａｃｔｉｏｎｓｂａｓｅｄｏｎｔｈｅｉｒｄｅｇｒｅｅｏｆｏｘｉｄａｔｉｏｎ，ａｎｄｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆａｃａｒｂｏｎｍａｎａｇｅｍｅｎｔｉｎｄｅｘｆｏｒａｇｒｉｃｕｌｔｕｒａｌｓｙｓｔｅｍｓ．ＡｕｓｔｒａｌｉａｎＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＲｅｓｅａｒｃｈ，１９９５，４６（７）：１４５９⁃１４６６．［７］㊀王琳．长期保护性耕作对黄绵土总有机碳及其组分动态的影响［Ｄ］．兰州：甘肃农业大学，２０１３．［８］㊀焦欢，李廷亮，高继伟，李彦，何冰，李顺．培肥措施对复垦土壤轻重组有机碳氮的影响．水土保持学报，２０１８，３２（５）：２０８⁃２１３，２２１⁃２２１．［９］㊀胡尧，李懿，侯雨乐．岷江流域不同土地利用方式对土壤有机碳组分及酶活性的影响．生态环境学报，２０１８，２７（９）：１６１７⁃１６２４．［１０］㊀姜霞，王进，李丛瑞，戴晓勇，张贵云，刘兰．黔中地区３种林分土壤轻组有机碳含量研究．江苏农业科学，２０１３，４１（２）：３５９⁃３６１．［１１］㊀程彩芳，李正才，周君刚，吴亚丛，赵志霞，孙娇娇．北亚热带地区退化灌木林改造为人工阔叶林后土壤活性碳库的变化．林业科学研究，２０１５，２８（１）：１０１⁃１０８．［１２］㊀陈小花．海南文昌滨海台地不同森林类型土壤碳储存特征研究［Ｄ］．海口：海南大学，２０１５．［１３］㊀李小平．川南三种林地土壤有机碳及其组分研究［Ｄ］．雅安：四川农业大学，２０１２．［１４］㊀李菊，王琴，孙辉．海拔梯度对川西高寒土壤轻组分有机碳动态影响研究．水土保持研究，２０１５，２２（１）：５１⁃５５．［１５］㊀宫立，刘国华，李宗善，叶鑫，王浩．川西卧龙岷江冷杉林土壤有机碳组分与氮素关系随海拔梯度的变化特征．生态学报，２０１７，３７（１４）：４６９６⁃４７０５．［１６］㊀秦纪洪，王琴，孙辉．川西亚高山⁃高山土壤表层有机碳及活性组分沿海拔梯度的变化．生态学报，２０１３，３３（１８）：５８５８⁃５８６４．［１７］㊀马延虎，刘育红，魏卫东．冻融作用对退化高寒草甸土壤有机碳及组分的影响．现代农业科技，２０１８，（２０）：１７５⁃１７６．［１８］㊀ＪａｎｚｅｎＨＨ，ＣａｍｐｂｅｌｌＣＡ，ＢｒａｎｄｔＳＡ，ＬａｆｏｎｄＧＰ，Ｔｏｗｎｌｅｙ⁃ＳｍｉｔｈＬ．Ｌｉｇｈｔ⁃ｆｒａｃｔｉｏｎｏｒｇａｎｉｃｍａｔｔｅｒｉｎｓｏｉｌｓｆｒｏｍｌｏｎｇ⁃ｔｅｒｍｃｒｏｐｒｏｔａｔｉｏｎｓ．ＳｏｉｌＳｃｉｅｎｃｅＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ，１９９２，５６（６）：１７９９⁃１８０６．［１９］㊀ＶａｎｃｅＥＤ，ＢｒｏｏｋｅｓＰＣ，ＪｅｎｋｉｎｓｏｎＤＳ．ＡｎｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｆｏｒｍｅａｓｕｒｉｎｇｓｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓＣ．ＳｏｉｌＢｉｏｌｏｇｙａｎｄＢｉｏｃｈｅｍｉｓｔｒｙ，１９８７，１９（６）：７０３⁃７０７．［２０］㊀郭璐璐，李安迪，商宏莉，孙守琴．川西贡嘎山不同森林生态系统土壤有机碳垂直分布与组成特征．中国农业气象，２０１８，３９（１０）：６３６⁃６４３．１２２６㊀１７期㊀㊀㊀黄桥明㊀等：武夷山不同海拔森林表层土壤轻组有机质特征㊀２２２６㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀［２１］㊀ＳｏｎｇＢ，ＮｉｕＳＬ，ＺｈａｎｇＺ，ＹａｎｇＨＪ，ＬｉＬＨ，ＷａｎＳＱ．Ｌｉｇｈｔａｎｄｈｅａｖｙｆｒａｃｔｉｏｎｓｏｆｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｉｎｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｅｗａｒｍｉｎｇａｎｄｉｎｃｒｅａｓｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｉｎａｔｅｍｐｅｒａｔｅｓｔｅｐｐｅ．ＰＬｏＳＯｎｅ，２０１２，７（３）ｅ３３２１７．［２２］㊀秦纪洪，武艳镯，孙辉，马丽红．低温季节西南亚高山森林土壤轻组分有机碳动态．土壤，２０１２，４４（３）：４１３⁃４２０．［２３］㊀李晓杰，刘小飞，林成芳，陈仕东，熊德成，林伟盛，胥超，谢锦升，杨玉盛．土壤增温调节中亚热带森林更新初期植物生物量分配格局．生态学报，２０１７，３７（１）：２５⁃３４．［２４］㊀严力蛟，杨伟康，林国俊，董萍．气候变暖对森林生态系统的影响．热带地理，２０１３，３３（５）：６２１⁃６２７．［２５］㊀赵华晨，高菲，李斯雯，高雷，王明哲，崔晓阳．长白山阔叶红松林和杨桦次生林土壤有机碳氮的协同积累特征．应用生态学报，２０１９，３０（５）：１６１５⁃１６２４．［２６］㊀ＳｉｘＪ，ＣｏｎａｎｔＲＴ，ＰａｕｌＥＡ，ＰａｕｓｔｉａｎＫ．Ｓｔａｂｉｌｉｚａｔｉｏｎｍｅｃｈａｎｉｓｍｓｏｆｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒ：ｉｍｐｌｉｃａｔｉｏｎｓｆｏｒＣ⁃ｓａｔｕｒａｔｉｏｎｏｆｓｏｉｌｓ．ＰｌａｎｔａｎｄＳｏｉｌ，２００２，２４１（２）：１５５⁃１７６．［２７］㊀黄文超，黄丽莉．马尾松⁃木荷混交造林效果的调查研究．林业科学研究，２００４，１７（３）：３１６⁃３２０．［２８］㊀ＳｕｎＴ，ＨｏｂｂｉｅＳＥ，ＢｅｒｇＢ，ＺｈａｎｇＨＧ，ＷａｎｇＱＫ，ＷａｎｇＺＷ，ＨäｔｔｅｎｓｃｈｗｉｌｅｒＳ．Ｃｏｎｔｒａｓｔｉｎｇｄｙｎａｍｉｃｓａｎｄｔｒａｉｔｃｏｎｔｒｏｌｓｉｎｆｉｒｓｔ⁃ｏｒｄｅｒｒｏｏｔｃｏｍｐａｒｅｄｗｉｔｈｌｅａｆｌｉｔｔｅｒｄｅｃｏｍｐｏｓｉｔｉｏｎ．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＮａｔｉｏｎａｌＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓｏｆｔｈｅＵｎｉｔｅｄＳｔａｔｅｓｏｆＡｍｅｒｉｃａ，２０１８，１１５（４１）：１０３９２⁃１０３９７．［２９］㊀黄小娟，郝庆菊，吴艳．紫色水稻土轻组有机质的季节动态研究．中国生态农业学报，２０１２，２０（１２）：１５７９⁃１５８５．［３０］㊀许延昭，马维伟，李广，吴江琪，孙文颖．尕海湿地植被退化过程中土壤轻重组有机碳动态变化特征．水土保持学报，２０１８，３２（３）：２０５⁃２１１．［３１］㊀ＢｏｏｎｅＲＤ．Ｌｉｇｈｔ⁃ｆｒａｃｔｉｏｎｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒ：ｏｒｉｇｉｎａｎｄｃｏｎｔｒｉｂｕｔｉｏｎｔｏｎｅｔｎｉｔｒｏｇｅｎｍｉｎｅｒａｌｉｚａｔｉｏｎ．ＳｏｉｌＢｉｏｌｏｇｙａｎｄＢｉｏｃｈｅｍｉｓｔｒｙ，１９９４，２６（１１）：１４５９⁃１４６８．［３２］㊀裴隆翠，陈月明，张鑫，陈祥伟．红松人工林植被恢复对土壤活性有机碳组分影响的时效性．东北林业大学学报，２０１９，４７（６）：２１⁃２５．［３３］㊀严海元，辜夕容，申鸿．森林凋落物的微生物分解．生态学杂志，２０１０，２９（９）：１８２７⁃１８３５．［３４］㊀陈苏，谢建坤，黄文新，陈登云，彭晓剑，付学琴． 南丰蜜橘 园生草对土壤有机碳及其组分的影响．果树学报，２０１８，３５（３）：２８５⁃２９２．［３５］㊀孙力．天山森林不同植被类型土壤有机碳组分动态［Ｄ］．乌鲁木齐：新疆大学，２０１８．［３６］㊀叶思源，陈展，曹吉鑫，尚鹤．模拟酸雨和接种外生菌根真菌对马尾松土壤养分㊁土壤团聚体及有机碳组分的影响．生态学杂志，２０１９，３８（４）：１１４１⁃１１４８．［３７］㊀ＳｏｋｏｌＮＷ，ＢｒａｄｆｏｒｄＭＡ．Ｍｉｃｒｏｂｉａｌｆｏｒｍａｔｉｏｎｏｆｓｔａｂｌｅｓｏｉｌｃａｒｂｏｎｉｓｍｏｒｅｅｆｆｉｃｉｅｎｔｆｒｏｍｂｅｌｏｗｇｒｏｕｎｄｔｈａｎａｂｏｖｅｇｒｏｕｎｄｉｎｐｕｔ．ＮａｔｕｒｅＧｅｏｓｃｉｅｎｃｅ，２０１９，１２（１）：４６⁃５３．［３８］㊀弓明钦，陈应龙，仲崇禄．菌根研究及应用．北京：中国林业出版社，１９９７．［３９］㊀ＭａｙｅｒＳ，ＫｏｌｂｌＡ，ＶöｌｋｅｌＪ，Ｋｏｇｅｌ⁃ＫｎａｂｎｅｒＩ．Ｏｒｇａｎｉｃｍａｔｔｅｒｉｎｔｅｍｐｅｒａｔｅｃｕｌｔｉｖａｔｅｄｆｌｏｏｄｐｌａｉｎｓｏｉｌｓ：ｌｉｇｈｔｆｒａｃｔｉｏｎｓｈｉｇｈｌｙｃｏｎｔｒｉｂｕｔｅｔｏｓｕｂｓｏｉｌｏｒｇａｎｉｃｃａｒｂｏｎ．Ｇｅｏｄｅｒｍａ，２０１９，３３７（１）：６７９⁃６９０．。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于多光谱遥感影像的表层土壤有机质空间格局反演*张法升1,2 曲 威1,2 尹光华1 刘作新1**(1中国科学院沈阳应用生态研究所,沈阳110016;2中国科学院研究生院,北京100049)摘 要 利用多光谱LandSat TM 遥感影像反演辽宁省阜新镇表层土壤有机质的空间格局,筛选出与土壤有机质分布相关的TM 波段,分析并确定表层土壤有机质含量与TM1㊁TM2㊁TM3㊁TM4㊁TM5㊁TM6㊁TM7波段亮度值(digital number ,DN )的相关关系,建立了土壤有机质含量的光谱预测模型.结果表明:研究区表层土壤有机质含量与TM 4㊁TM 5波段DN 值呈极显著的负相关关系(r 分别为-0.617和-0.623,P <0.001),与TM 3㊁TM 5波段DN 值之间满足负二次多项式回归关系(R 2=0.9134,P <0.001);基于TM 3㊁TM 5波段DN 值的回归模型对研究区表层土壤有机质含量的预测结果可靠(R 2=0.9151,P <0.001).研究区表层土壤有机质含量<10g ㊃kg -1的农田主要分布在山地边缘地带,而平坦地区农田表层土壤有机质含量一般>10g ㊃kg -1,部分达到15~20g ㊃kg -1.关键词 多光谱TM 影像 土壤有机质 空间格局文章编号 1001-9332(2010)04-0883-06 中图分类号 S153.6 文献标识码 ASpatial pattern of surface soil organic matter based on remotely sensed multispectral image.ZHANG Fa⁃sheng 1,2,QU Wei 1,2,YIN Guang⁃hua 1,LIU Zuo⁃xin 1(1Institute of Applied Ecology ,Chinese Academy of Sciences ,Shenyang 110016,China ;2Graduate University of Chinese Academy of Sciences ,Beijing 100049,China ).⁃Chin.J.Appl.Ecol .,2010,21(4):883-888.Abstract :Remotely sensed multispectral LandSat TM image was used to analyze the spatial pattern of surface soil organic matter across the cropland in Fuxin Town of Liaoning Province.The proper bands of the TM image that correlated with the distribution of surface soil organic matter were select⁃ed,and the quantitative relationships between surface soil organic matter and the digital number (DN)values of bands TM 1,TM 2,TM 3,TM 4,TM 5,TM 6,and TM 7were analyzed and de⁃termined,which could be applied to establish a prediction model of surface soil organic matter.It was shown that the surface soil organic matter in study area had a strong negative correlation with the DN values of TM 4and TM 5(r =-0.617and -0.623,P <0.001),and an inverse second or⁃der polynomial regression with the DN values of TM 3and TM 5(R 2=0.9134,P <0.001).The re⁃gression model using the DN values of TM 3and TM 5could make a reliable prediction of the spa⁃tial pattern of surface soil organic matter (R 2=0.9151,P <0.001).Across the study area,the cropland with soil organic matter content less than 10g㊃kg -1was mainly distributed in the zones at hill foot,while that with surface soil organic matter content usually more than 10g㊃kg -1and partly reached 15-20g㊃kg -1was in flat zone.Key words :multispectral TM image;soil organic matter;spatial pattern.*辽宁省节水农业重点实验室项目㊁国家科技支撑计划项目(2008BADA4B06)㊁辽宁省重大科技项目(2008212003)和中国科学院陆地生态过程重点实验室开放项目资助.**通讯作者.E⁃mail:liuzuoxin@ 2009⁃11⁃17收稿,2010⁃02⁃03接受. 土壤是陆地生态系统的组成部分,参与大气圈与生物圈两个碳库之间的循环,对全球范围内生态环境的稳定具有重要意义[1].土壤有机质是土壤的重要组成部分,也是土壤肥力的核心指标之一.尽管土壤有机质只占土壤总质量的很小一部分(耕作土壤表层有机质含量通常在5%以下),但其对土壤物理㊁化学和生物学等特性及各种生态学过程均能产生重要影响,在土壤肥力㊁环境保护㊁植物生长和农应用生态学报 2010年4月 第21卷 第4期 Chinese Journal of Applied Ecology,Apr.2010,21(4):883-888业生产等方面有着积极的作用和意义[2-3].土壤作为一个连续体,土壤有机质的分布并非均一,而呈空间异质性,掌握土壤有机质的空间格局有利于准确了解土壤有机质空间分布状况,进而进一步估算土壤有机碳储量和分析生态系统碳循环,可为农田养分的精确管理和区域甚至全球范围内生态健康的可持续发展提供科学依据[4].土壤有机质空间格局研究主要通过测定某个或多个尺度上土壤有机质含量或相关因子,借助尺度推绎及相关模型实现目标尺度上的土壤有机质空间格局[5],尺度推绎所使用的方法主要包括地统计学和遥感反演等.其中,地统计学以变异函数为核心理论,借助克里格插值实现尺度上推[6-8].地统计学理论比较详尽㊁计算方法较可靠,且能提供尺度上推的估计方差,在土壤有机质空间格局研究中得到了大量应用,效果也较理想.但地统计学通常要求采样规则化,数据量较大的野外采样和室内分析导致负担和成本较高,且实时性差㊁观测周期较长[9-13].遥感技术是一门新兴的综合性探测技术,可实现短时间内对同一地区进行重复观测㊁并获得大面积的同步数据,且遥感影像记录的信息可反映土壤的多种特征,因而被广泛应用于土壤调查和土地评价[14-16].表层土壤有机质含量的高低会影响土壤的反射光谱特征,因而利用遥感影像可反演表层土壤有机质含量及其空间格局[17-18].利用遥感技术观测表层土壤有机质空间格局具有费用低㊁精度高和实时性强等特点.自20世纪70年代开始,有学者在利用遥感影像反演表层土壤有机质及其空间格局方面做了一些研究[19-20],证明了其应用的可行性,总结出影像解译和模型建立的一些经验方法,以及影响该技术反演土壤有机质精度的因素,如景观尺度上土壤母质的差异可能会降低遥感影像与土壤有机质之间的相关性㊁长期农田耕作管理措施的差异会造成土壤有机质空间分布的相应变化等[21-22].以往的研究往往存在诸多不一致性,如结论不一致㊁尺度不一致以及运用的遥感数据各不相同等,因此,需要更多此类研究进一步讨论以确定通用性强的方法与模型.随着遥感技术的发展,高质量的遥感影像和逐渐成熟的遥感影像解译技术将使遥感影像在观测土壤特性空间格局研究中得到越来越多的应用.尽管目前遥感技术已经发展到了高光谱时代,但基于高光谱技术的土壤有机质反演多集中在室内或田间操作层面[17,23],其研究结果存在不一致性且实用性有待提高;而基于航空高光谱遥感影像反演土壤有机质的研究还少有尝试[24],且高质量的高光谱航空影像数据获取成本太高,其应用可行性和普及性有待进一步研究.因此,本研究以美国航空卫星LandSat5记录的多光谱TM影像为试验遥感影像,通过几何校正㊁投影变换㊁降噪等手段处理并解译遥感影像,分析了乡镇尺度上表层土壤有机质含量与多波段TM影像亮度值(DN)之间的相关性,并建立了回归模型,从而反演获得表层土壤有机质的空间格局,以期为农业生产管理和土壤可持续利用提供科学依据.1 研究地区与研究方法1.1 研究区概况试验地位于辽宁省西北部阜新县阜新镇(42°01′50″ 42°15′22″N,121°31′12″ 121°48′51″E).该区受东亚季风影响,属北温带大陆性气候,年均气温7.1℃~7.6℃,年均降水量仅480mm,且年内分配极不均匀,60%降水集中在6 8月,年均水面蒸发量为1746mm,属风沙半干旱区.阜新市农业人口占总人口的50%以上,粮食作物种植面积占耕地面积的75%,主要粮食作物为玉米㊁大豆和花生,种植方式主要为玉米连作以及部分玉米与花生㊁大豆等间作和轮作.研究区10月底秋收生产完成,作物的经济部分被收获,作物秸秆移出农田,田间除部分作物根茬外全部裸露,因此,遥感影像可直接反映土壤表层反射光谱特征.1.2 采样设计2006年10月底,通过手持式全球定位系统(GPS)在阜新镇范围内的农田定位随机选取了27个样点.取样深度为0~20cm,在30m×30m内采用五点取样法获得1个样本,样本带回实验室充分风干,过2mm筛,采用重铬酸钾氧化⁃比色法测定土壤有机质含量.另选取6处道路交叉点及河流交汇处作为几何校正的地面控制点.1.3 遥感影像及预处理遥感图像为2006年10月27日LandSat5拍摄的多光谱TM遥感影像,与地面采样时间一致.利用阜新镇区域图裁剪出研究图像区域,将控制点数字化后做投影变换(横轴墨卡托投影)对遥感图像进行几何校正,重采样方法为二次多项式模型;采用5×5滤波处理消除微地形㊁地物阴影和地貌差异以及成像过程等在遥感影像上造成的噪声,处理方法[19]如下:488应 用 生 态 学 报 21卷P DN(x,y)=∑x+2k=x-2∑y+2l=y-2[W(k,l)×P DN(k,l)]式中:P DN(x,y)为滤波处理后(x,y)处的DN值; P DN(k,l)为(k,l)处的DN值;W(k,l)为P DN(k,l)的权重系数,其值为1/25,其中x-2≤k≤x+2,y-2≤l≤y+2.由27个取样点处TM影像各波段上的光谱DN值可得到各个波段DN值与表层土壤有机质含量的相关关系,利用分析结果进行回归分析并建立表层土壤有机质含量的光谱预测模型.采用平均误差(ME)和均方根误差(RMSE)对模型预测土壤有机质的准确性进行评价,算式如下:ME=∑n i(M i-P i)nRMSE=∑i n(M i-P i)2n-1式中:M i和P i分别为表层土壤有机质含量的实测值和预测值;n为土壤样本数.平均误差的正负值可反映预测模型的过高(ME<0)或过低(ME>0)估计趋势,均方根误差则能体现预测模型的精度及准确性[25].10月底阜新镇农田土壤表面干燥且少有植被覆盖,而且航空飞行器LandSat5拍摄TM影像时研究区上空的云层含量为零,可以认为遥感影像记录的土壤光谱反射特征为真实的土壤光谱特征,通常认为反射率较低(DN值较低)的土壤有机质含量较高.由于研究区域内水体㊁植被覆盖以及城镇建筑㊁道路等因素的影响,使非农田区域内TM影像的光谱反射特征不能反映土壤有机质的真正含量,但考虑到本文中取样点均分布在阜新镇的农田内,不会对预测模型的精度造成影响,因此,本研究不做其他处理.1.4 数据处理采用SAS9.1统计软件对多光谱TM影像各波段DN值与表层土壤有机质含量进行描述性统计分析㊁主成分分析和Pearson相关分析,对筛选波段与表层土壤有机质含量进行二元非线性回归分析.2 结果与分析2.1 遥感影像DN值与表层土壤有机质含量的关系研究区TM影像7个波段的亮度覆盖中,TM5最宽(达138级),其次为TM4(达90级),TM6最小(仅28级);标准差也是TM5最高,其次为TM4(表1).较大的极差和标准差表明波段TM4和TM 5的DN值的离散程度较大,其反映的土壤差异性最显著㊁信息量最丰富.进一步对各波段DN值进行主成分分析(表2)可知,第一主成分分量信息占TM 影像7个波段总信息量的67.3%,其中波段TM5和TM4的特征向量较高,分别为0.940和0.905,说明第一主成分中TM5和TM4的DN值贡献最大,包含的信息量也最丰富,而TM1~TM3㊁TM6㊁TM7波段所包含的信息量有限.由表3可以看出, TM4与TM5DN值的相关系数最高(r=0.922,P< 0.00);其次为TM2与TM3(r=0.905,P<0.00),表明这些波段DN值之间的重叠较多;可见光3个波段(TM1~TM3)之间及其与波段TM4DN值之间的相关性也较大;TM6㊁TM7DN值有较大的独立性.对于相关性高㊁数据之间有重叠的波段,需要表1 研究区TM影像各波段DN值的统计分析Tab.1 Statistical analysis for DN value of TM bands in the study area波段Band最小值Minimum最大值Maximum均值Mean中值Median标准差SD TM15010766.4674.3 TM2195931.5323.4 TM3178238.7406.3 TM449446.64812.4 TM5914784.09317.9 TM698123113.71143.1 TM7128543.2445.6表2 研究区TM各波段DN值的主成分分析Tab.2 Principal components analysis for DN value of the TM bands in study area主成分Principal component方差Variance(%)特征向量EigenvectorTM1TM2TM3TM4TM5TM6TM7167.3480.3610.2810.6870.9050.940-0.0450.412 211.903-0.222-0.134-0.088-0.1200.3650.6500.596 39.297-0.0700.2500.0760.180-0.1480.710-0.606 46.5880.3620.2410.304-0.546-0.5600.1750.276 52.7690.775-0.517-0.2630.0360.0980.190-0.127 61.351-0.158-0.5680.5410.430-0.3810.0620.1465884期 张法升等:基于多光谱遥感影像的表层土壤有机质空间格局反演 表3 研究区TM各波段DN值的相关系数Tab.3 Correlation coefficient of DN values of the TM bands in the study areaTM1TM2TM3TM4TM5TM6 TM20.786**TM30.838**0.905**TM40.706**0.777**0.788**TM50.481*0.550**0.588**0.922**TM6-0.235-0.061-0.078-0.1150.215TM70.2060.1920.3190.1310.626**0.314 *P<0.05;**P<0.01.通过筛选手段以确定预测土壤有机质含量的最佳波段或波段组合. 考虑到土壤有机质特性与土壤反射光谱的非线性关系,对表层土壤有机质含量作对数转换后与TM影像各波段DN值进行相关性分析.结果表明,表层土壤有机质含量的对数值与TM4和TM5的DN值呈极显著负相关关系(r分别为-0.617和-0.623,P<0.001),与其他波段DN值的相关性并不显著(表4).由于TM4与TM5的DN值相关性很大,数据重叠较多,且TM5波段的信息量更丰富,而可见光波段TM1~TM3的DN值之间相关性较高,且这3个波段DN值与表层土壤有机质含量的相关性接近显著水平(P<0.13).因此,本文选择TM5和TM3的DN值与表层土壤有机质含量进行回归分析,回归效果较优,满足负二次多项式回归关系.回归方程如下:SOM=358.4614+22.7306×(DN TM3)-2-65457.7003×(DN TM5)-1+3067486.357×(DN TM5)-2式中:SOM为表层土壤有机质含量(g㊃kg-1); DN TM3和DN TM5分别为波段TM3和TM5的DN值.回归方程的R2=0.9134㊁F=126.5996㊁P<0.001.回归方程的系数检验结果见表5,波段TM5DN值的各项系数均通过了统计学意义上的显著性检验,但波段TM3DN值的唯一系数虽然未通过检验,但P 值(0.154)较小,因此,在方程中仍保留了波段TM3的DN值.表4 表层土壤有机质含量与遥感影像DN值的相关系数(r)及检验Tab.4 Correlation coefficients(r)and significant test be⁃tween surface SOM content and image DN values in study area变量Variable TM1TM2TM3TM4TM5TM6TM7r-0.356-0.360-0.303-0.617-0.623-0.017-0.082 P0.0690.0650.1240.0000.0000.9320.684表5 回归方程系数的检验Tab.5 Test for coefficients of the regression equation系数Coefficient系数值Value标准误Standarderrort检验ttest概率Probability常数Constant358.4664.935.52P<0.001 DN TM3二次项系数Coefficient of(DN TM3-2)22.736.491.47P=0.154DN TM5一次项系数Coefficient of(DN TM5-1)-65457.7011404.55-5.74P<0.001DN TM5二次项系数Coefficient of(DN TM5-2)3067486.3649944.496.14P<0.0012.2 遥感影像光谱DN值与表层土壤有机质含量回归模型的精度验证本研究中回归模型的平均误差(ME)为-0.0115,说明模型有微弱的过高估计趋势,但基本可以忽略;RMSE值为0.061,表明模型估计效果较可靠.图1显示实测值与预测值间存在斜率为0.9073的线性关系(R2=0.9151,P<0.001),表明预测结果能较好地再现样区表层土壤有机质的空间分布状况.2.3 研究区表层土壤有机质含量的空间格局研究区表层土壤有机质含量实测值与预测值的最大值㊁最小值㊁平均值以及变异系数基本一致,表明研究区农田土壤有机质含量的变化范围保持在8 ~20g㊃kg-1,但接近30%的变异系数显示研究区表层土壤有机质含量属中等程度的空间变异性[26] (表6).考虑到研究区的地貌类型以山地㊁丘陵为主,同时存在大量城镇㊁道路和局部植被㊁河流乡间,为消除这些因素对预测结果的干扰,对预测结果进行统计分析后,将研究区土壤分为四类(这4类土壤的SOM含量分别在<10g㊃kg-1㊁10~15g㊃kg-1㊁图1 模型精度的验证Fig.1 Validated result for model precision.688应 用 生 态 学 报 21卷表6 研究区表层土壤有机质含量实测值与预测值的统计分析Tab.6 Statistical analysis of predicted and measured value of surface SOM content in the study area最大值Maximum (g㊃kg -1)最小值Minimum (g㊃kg -1)平均值Mean (g㊃kg -1)标准差SD (g㊃kg -1)变异系数CV (%)实测值Measured value 18.48.8123.5029.17预测值Predicted value19.59.2123.3527.9215~20g㊃kg -1和>20g㊃kg -1;土地面积分别占研究区土地总面积的19.88%㊁22.97%㊁9.93%和47.22%),利用不同类别的差异性显现表层土壤有机质含量的变化范围和空间分布格局.据此作图,可获得研究区农田表层土壤有机质含量的空间分布状况和格局(图2). 去除山地㊁丘陵和水体等非农田因素外,研究区农田主要分布在南部平坦地区㊁山脚的坡地以及最西部的小区域内,其中表层土壤有机质含量<10g㊃kg -1的区域主要分布在山地㊁丘陵地区的边缘地带,由于阜新镇区域内山地较多,导致此类农田大量存在.阜新镇年降水量稀少,灌溉水资源非常缺乏,土壤干旱导致农田生产力水平较低,限制了土壤有机质的积累和土壤肥力的提高,农业生产效益不高.研究区主要的高生产力农田集中在南部的平坦地区.此类农田土壤有机质含量稍高,在10~15g㊃kg -1之间(22.97%),少量(9.93%)土地土壤有机质含量图2 研究区表层土壤有机质含量分类结果分布Fig.2 Distribution of the classification result for the surface SOM content in the study area.超过15g㊃kg -1,这些地区是阜新镇农业生产的核心地区,也是人口和城镇的主要聚集地区.>20g㊃kg -1的土壤类型不能真实反映土壤有机质含量,一般为水体㊁植被㊁城镇和道路等.3 讨 论与传统方法相比,利用TM 影像结合地面取样分析表层土壤有机质含量空间格局的方法具有很多优势,主要体现在可大大节省时间㊁节约成本,而且预测结果的准确性和实用性将为土壤肥力的提高和土地可持续利用的宏观管理提供有力工具.本研究中TM 波段DN 值与表层土壤有机质含量的非线性关系与Chen 等[19]和李欣宇等[20]的研究结果相似,但根据这种非线性相关性建立的预测模型却存在较大差别,原因可能与地面取样及研究的尺度不同㊁研究土壤存在差异和模型选择等有关.利用遥感数据观测表层土壤有机质含量的关键在于寻找相关的土壤光谱特征参数,如反射率㊁反射率的数学变换形式㊁波段的组合等.LandSat 卫星拍摄的TM 影像只是众多遥感手段的一种,并且TM 影像本身也在发展当中.伴随光谱学㊁遥感技术的发展,高分辨率㊁高光谱遥感影像会提供越来越多的供试土壤光谱特征,利用多光谱以及高光谱遥感数据反演土壤有机质含量显示出广阔的应用发展前景.研究区表层土壤有机质含量较低,原因主要与该地区干旱少雨的气候特征以及局部的成土母质差异有关.干旱气候以及灌溉水资源有限导致土壤水分含量低㊁植物生产力低㊁土壤微生物活性低㊁土壤动植物残体归还土壤少,使有机质在土壤中的积累缓慢,土壤有机质含量偏低.除此之外,农业生产中以化学肥料为主㊁收获后的农作物秸秆作为农户的燃料和部分动物饲料而几乎全部被移出土壤生态系统,土壤有机肥的施用量很少,使土壤有机质维持在较低的平衡状态.针对研究区农田类型㊁分布状况以及气候特征,农业生产管理中应注意增施有机肥,还可采取秸杆还田等措施,以提高土壤有机质含量㊁保持土壤的可持续利用.参考文献[1] Sparling GP,Wheeler D,Vesely ET,et al .What is soilorganic matter worth?Journal of Environmental Quality ,2006,35:548-557[2]Singer MJ,Munns DN.Soils:An Introduction.NewJersey:Prentice Hall,1996[3]Huang C⁃Y (黄昌勇).Soil Science.Beijing:China7884期 张法升等:基于多光谱遥感影像的表层土壤有机质空间格局反演 Agriculture Press,2000(in Chinese)[4] Zeng D⁃H(曾德慧),Jiang F⁃Q(姜凤岐),Fan Z⁃P(范志平),et al.Ecosystem health and sustainable de⁃velopment for human.Chinese Journal of Applied Ecolo⁃gy(应用生态学报),1999,10(6):751-756(inChinese)[5]Leemans R.Scientific challenges for anthropogenic re⁃search in the21th century:Problems of scale//EhlersE,Krafft T,eds.Earth System Science in the Anthro⁃pocene.Berlin:Springer,2006:249-262 [6] Wang Z⁃Q(王政权).Geostatistics and Its Applicationin Ecology Science.Beijing:Science Press,1999(inChinese)[7]Goovaerts P.Geostatistics in soil science:State⁃of⁃the⁃art and perspectives.Geoderma,1999,89:1-45 [8]Iqbal J,Thomassond JA,Jenkinsc JN,et al.Spatialvariability analysis of soil physical properties of alluvialsoils.Soil Science Society of America Journal,2005,69:1338-1350[9] Zhang F⁃S(张法升),Liu Z⁃X(刘作新),Zhang Y(张 颖),et al.Scaling effect on spatial variability ofsoil organic matter in crop land.Journal of the GraduateSchool of the Chinese Academy of Sciences(中国科学院研究生院学报),2009,26(3):350-356(in Chi⁃nese)[10] Jiang Y(姜 勇),Zhang Y⁃G(张玉革),Liang W⁃J(梁文举),et al.Spatial variability of soil nutrients incultivated surface soil of Sujiatun District,ShenyangCity.Chinese Journal of Applied Ecology(应用生态学报),2003,14(10):1673-1676(in Chinese) [11] Zhang F⁃S(张法升),Liu Z⁃X(刘作新),Shen Y⁃J(沈业杰),et al.Spatial variability of soil organic mat⁃ter in small scale across a cropland.Ecological Science(生态科学),2009,28(6):532-536(in Chinese) [12] Shu QS,Liu ZX,Si BC.Characterizing scale⁃and loca⁃tion⁃dependent correlation of water retention parameterswith soil physical properties using wavelet techniques.Journal of Environmental Quality,2008,37:2284-2292[13] Wang ZY,Shu QS,Liu ZX,et al.Scaling analysis ofsoil water retention parameters and physical properties ofa Chinese agricultural soil.Australian Journal of SoilResearch,2009,47:821-827[14] Zhao Y⁃S(赵英时).Methods and Theories of RemoteSensing Applications and Analysis.Beijing:SciencePress,2003(in Chinese)[15] Ren J⁃Q(任建强),Chen Z⁃Q(陈忠群),Tang H⁃J(唐华俊).Regional scale remote sensing⁃based yieldestimation of winter wheat by using MODIS⁃NDVI data:A case study of Jining City in Shandong Province.Chi⁃nese Journal of Applied Ecology(应用生态学报),2006,17(12):2371-2375(in Chinese) [16] Wu Y⁃K(吴亚坤),Yang J⁃S(杨劲松),Li X⁃M(李晓明).Study on spatial variability of soil salinity basedon spectral indices and EM38readings.Spectroscopy andSpectral Analysis(光谱学与光谱分析),2009,29(4):1023-1027(in Chinese)[17] Chen Z⁃W(陈增文),Chen G⁃S(陈光水),Zhong X⁃F(钟羡芳),et al.Review on estimations of soil organ⁃ic carbon content based on hyperspectral measurements.Journal of Subtropical Resources and Environment(亚热带资源与环境学报),2009,4(1):78-87(in Chi⁃nese)[18] Zhang W⁃J(张文娟),Wang S⁃Q(王绍强),Chang H(常 华),et al.Application of remote sensing tech⁃nique in soil carbon storage researches.Progress in Ge⁃ography(地理科学进展),2005,24(3):118-126(in Chinese)[19] Chen F,Kissel DE,West LT,et al.Field⁃scale map⁃ping of surface soil organic carbon using remotely sensedimagery.Soil Science Society of America Journal,2000,64:746-753[20] Li X⁃Y(李欣宇),Yu W⁃T(宇万太),Li X⁃Z(李秀珍).Spatial distribution pattern of surface soil organiccarbon based on TM image.Chinese Journal of Ecology(生态学杂志),2008,27(3):333-338(in Chinese) [21] Yin Y⁃F(尹云锋),Cai Z⁃C(蔡祖聪),Qin S⁃W(钦绳武).Dynamics of fluvo⁃aquic soil organic matter frac⁃tions under long⁃term fertilization.Chinese Journal ofApplied Ecology(应用生态学报),2005,16(5):875-878(in Chinese)[22] Yang J⁃C(杨景成),Han X⁃G(韩兴国),Huang J⁃H(黄建辉),et al.The dynamics of soil organic matter incropland responding to agricultural practices.Acta Eco⁃logica Sinica(生态学报),2003,23(4):787-796(in Chinese)[23] Liu H⁃J(刘焕军),Zhang B(张 柏),Zhao J(赵 军),et al.Spectral models for predication of organicmatter in black soil.Acta Pedologia Sinica(土壤学报),2007,44(1):27-32(in Chinese) [24]Gomez C,Rossel RAV,McBratney AB.Soil organiccarbon prediction by hyperspectral remote sensing andfield VIS⁃NIR spectroscopy:An Australian case study.Geoderma,2008,146:403-411[25] Webster R.Statistics to support soil research and theirpresentation.European Journal of Soil Science,2001,52:331-340[26] Lei Z⁃D(雷志栋),Yang S⁃X(杨诗秀),Xu Z⁃R(许志荣),et al.Research spatial variability of soil proper⁃ties.Journal of Hydraulic Engineering(水利学报),1985(9):10-21(in Chinese)作者简介 张法升,男,1984年生,博士研究生.主要从事土壤特性空间分析研究,发表论文3篇.E⁃mail:fasheng06@ 责任编辑 杨 弘888应 用 生 态 学 报 21卷。