长江以南东部丘陵山区土壤可蚀性K值研究
我国亚热带土壤可蚀性的对比研究
我国亚热带土壤可蚀性的对比研究
邢廷炎;史学正
【期刊名称】《土壤学报》
【年(卷),期】1998(35)3
【摘要】本文用人工模拟降雨法和田间实测法对比研究了我国亚热带七种代表性土壤的可蚀性，结果表明，两种方法测得的土壤可蚀性Ｋ值都以红砂岩土发育的（耕作）铝质湿润淋溶土和紫色砂页发育的紫色湿润雏形为最高，最低的是第四纪红色粘土发育的红色湿润新成土，本文还对每个供试土壤分别建立了这两种条件下求得Ｋ值间的定量关系，为今后利用人工模拟降雨试验开展各种研究提供了基础。
【总页数】7页(P296-302)
【作者】邢廷炎;史学正
【作者单位】中国科学院南京土壤研究所;中国科学院南京土壤研究所
【正文语种】中文
【中图分类】S157.1
【相关文献】
1.中国亚热带土壤不同前期含水量对可蚀性K值的影响 [J], 刘立;邢廷炎
2.中国亚热带土壤可蚀性K值预测的不确定性研究 [J], 张文太;于东升;史学正;张向炎;王洪杰;顾祝军
3.用田间实测法研究我国亚热带土壤的可蚀性K值 [J], 史学正;于东升
4.用人工模拟降雨仪研究我国亚热带土壤的可蚀性 [J], 史学正;于东升;吕喜玺
5.中国亚热带地区土壤可蚀性的季节性变化研究 [J], 张向炎;于东升;史学正;王洪杰;张文太;孙佳佳
因版权原因，仅展示原文概要，查看原文内容请购买。
植被混凝土边坡土壤团聚体的稳定性与可蚀性
湖南农业大学学报(自然科学版)2023，49(6)：702–707．DOI：10.13331/ki.jhau.2023.06.011Journal of Hunan Agricultural University(Natural Sciences)引用格式：马佳鑫，夏栋，艾尚进，舒倩，马悦阳，刘芳，闫书星．植被混凝土边坡土壤团聚体的稳定性与可蚀性[J]．湖南农业大学学报(自然科学版)，2023，49(6)：702–707．MA J X，XIA D，AI S J，SHU Q，MA Y Y，LIU F，YAN S X．Soil aggregate stability and erodibility ofvegetation concrete slope[J]．Journal of Hunan Agricultural University(Natural Sciences)，2023，49(6)：702–707．投稿网址：植被混凝土边坡土壤团聚体的稳定性与可蚀性马佳鑫1,2，夏栋2,3*，艾尚进2，舒倩1,2，马悦阳2，刘芳2,3，闫书星2,3(1.三峡大学生物与制药学院，湖北宜昌443002；2.水泥基生态修复技术湖北省工程研究中心，湖北宜昌443002；3.三峡大学水利与环境学院，湖北宜昌 443002)摘要：以湖北省宜昌市内恢复年限为1、3、5、18 a的植被混凝土生态修复边坡土壤为研究对象，采用Le Bissonnais法分析快速湿润(FW)、慢速湿润(SW)和机械扰动(WS)等3种处理条件下土壤团聚体的稳定性和可蚀性。
结果表明：SW处理下土壤团聚体以≥5.00 mm粒径为主，WS处理下土壤以≥5.00 mm粒径团聚体的占比最高，但其值低于SW处理的，FW处理下<0.25 mm的土壤团聚体粒径占比最高，说明土壤团聚体经FW处理后破碎程度大，SW处理后破碎程度小；土壤团聚体平均质量直径(MWD)和几何平均直径(GMD)值均表现为SW 处理中的最高，FW处理中的最低，而土壤可蚀性值(K)则与其相反，同一恢复年限的边坡土壤的相对消散指数均大于其相对机械破碎指数，说明快速湿润引起的消散作用是土壤团聚体破碎的主要机制；SW和WS处理下已恢复18 a的边坡土壤的粒径≥2.00 mm的团聚体占比最高，<0.25 mm的占比最低，MWD和GMD值最大，K值最小。
黄土高原土壤可蚀性因子空间分布特征及影响因素
第37卷第6期2023年12月水土保持学报J o u r n a l o f S o i l a n d W a t e rC o n s e r v a t i o nV o l .37N o .6D e c .,2023收稿日期:2023-05-17资助项目:国家自然科学基金项目(42077058,41601282,42277320) 第一作者:朱启明(1999 ),男,江苏盐城人,硕士研究生,主要从事土壤侵蚀过程与机理研究㊂E -m a i l :q i m i n g z h u @s n n u .e d u .c n 通信作者:刘俊娥(1987 ),女,山西河曲人,博士,副教授,主要从事土壤侵蚀过程与机理研究㊂E -m a i l :l i u ju n e 5@s n n u .e d u .c n 黄土高原土壤可蚀性因子空间分布特征及影响因素朱启明,刘俊娥,周正朝(陕西师范大学地理科学与旅游学院,西安710119)摘要:为揭示黄土高原地区土壤可蚀性(K )的空间分布特征和影响因素,基于E P I C 模型㊁几何平均粒径模型㊁T o r r i 模型估算黄土高原地区K ,并结合地理探测器比较土壤理化性质㊁海拔㊁坡度等要素对K 空间分布的影响㊂结果表明:(1)E P I C 模型㊁几何平均粒径模型㊁T o r r i 模型估算的黄土高原地区K 均值分别为0.036,0.034,0.041[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m2)]㊂黄土高原以中可蚀性和中高可蚀性的土壤为主,不同模型对K 的估算值有显著差异(F =4.460,p <0.01)㊂(2)黄土高原K 有较为显著的空间异质性,东部和西南地区K 较高,西北地区K 则较低㊂不同省份的中可蚀性和中高可蚀性面积占比有较大的统计差异㊂(3)土壤理化性质(砂粒含量㊁粉粒含量㊁黏粒含量㊁碎石含量㊁容重㊁酸碱度㊁阳离子交换量㊁基本饱和度㊁交换性盐基㊁碳酸盐㊁硫酸盐㊁可交换性钠盐㊁导电率)㊁海拔㊁坡度㊁坡向均对K 呈现极显著影响(p <0.01)㊂土壤理化性质对K 空间分布的影响强于海拔㊁坡度㊁坡向㊁土地利用因子间交互作用对K 的影响大于单个因子㊂研究结果可为黄土高原土壤水蚀准确防治和土壤改良提供一定的理论依据㊂关键词:土壤可蚀性;地理探测器;空间分异;黄土高原中图分类号:S 157.1 文献标识码:A 文章编号:1009-2242(2023)06-0050-07D O I :10.13870/j.c n k i .s t b c x b .2023.06.007R e s e a r c ho n t h e S p a t i a lD i s t r i b u t i o nC h a r a c t e r i s t i c s a n d I n f l u e n c i n gF a c t o r s o f S o i l E r o d i b i l i t y Fa c t o r s o f t h eL o e s sP l a t e a u Z HU Q i m i n g ,L I UJ u n e ,Z HO UZ h e n gc h a o (S c h o o l o f G e o g r a p h y a n dT o u r i s m ,S h a a n x iN o r m a lU n i v e r s i t y ,X i a n 710119)A b s t r a c t :I no r d e r t or e v e a l t h es p a t i a l d i s t r i b u t i o nc h a r a c t e r i s t i c sa n d i n f l u e n c i n g f a c t o r so f s o i l e r o d i b i l i t y (K -f a c t o r )o n t h eL o e s sP l a t e a u ,t h i s r e s e a r c he s t i m a t e d t h ev a l u e so f K -f a c t o r o n t h eL o e s sP l a t e a ub a s e do nE P I C m o d e l ,g e o m e t r i cm e a n g r a i n s i z em o d e l a n dT o r r im o d e l .T h e i m p a c t s o f s o i l p h y s i c a l a n d c h e m i c a l p r o p e r t i e s ,e l e v a t i o n ,s l o p e ,a n do t h e r f a c t o r so nt h es p a t i a l d i s t r i b u t i o no f K -f a c t o rw e r ec o m p a r e du s i n gg e o g r a p h i cd e t e c t o r s .T h e f i n d i n g s i n d i c a t e dt h a t :(1)T h e m e a nv a l u e so f K -f a c t o ro nt h eL o e s s p l a t e a u e s t i m a t e db y E P I C m o d e l ,g e o m e t r i cm e a n g r a i ns i z em o d e l ,a n dT o r r im o d e lw e r e 0.036,0.034a n d0.041[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)],r e s p e c t i v e l y .T h e d o m i n a n t s o i l s o n t h eL o e s sP l a t e a u e x h i b i t e dm e d i u m e r o d i b i l i t y a n dm e d i u m -h i g he r o d i b i l i t y ,w i t hs i g n i f i c a n t d i f f e r e n c e s i n t h e e s t i m a t e d K -f a c t o r v a l u e s a m o n gt h em o d e l s (F =4.460,p <0.01).(2)T h e K -f a c t o r o fL o e s sP l a t e a u s h o w e d s i g n i f i c a n t s p a t i a l h e t e r o g e n e i t y ,w i t hh i gh e r K -f a c t o r i n t h e e a s t a n ds o u t h w e s t a n d l o w e r K -f a c t o r i nt h en o r t h w e s t .T h e r ew e r es t a t i s t i c a l d i f f e r e n c e s i n t h e p r o p o r t i o no fm e d i u me r o d i b l e a n dm e d i u m -h i g he r o d i b l e a r e a s a m o n g d i f f e r e n t p r o v i n c e s .(3)S o i l p h y s i c o c h e m i c a l p r o p e r t i e s (s a n dc o n t e n t ,s i l t c o n t e n t ,c l a y c o n t e n t ,g r a v e l c o n t e n t ,b u l kd e n s i t y ,p H ,c a t i o ne x c h a n g e ,b a s i cs a t u r a t i o n ,e x c h a n g e a b l es a l t g r o u p ,c a r b o n a t e ,s u l f a t e ,e x c h a n ge a b l es o d i u m s a l t ,e l e c t r i c a l c o n d u c t i v i t y ),e l e v a t i o n ,s l o p e ,a n ds l o p ed i r e c t i o ns h o w e dh i g h l y s i g n if i c a n t e f f e c to n K -f a c t o r (p <0.01).T h e i n f l u e n c e o f s o i l p h y s i c a l a n d c h e m i c a l p r o p e r t i e s o n t h e s p a t i a l d i s t r i b u t i o no f K -f a c t o rw a s s t r o n g e r t h a n t h o s eo f e l e v a t i o n ,s l o p e ,a n ds l o p ed i r e c t i o n ,a n dt h e i n t e r a c t i o nb e t w e e nf a c t o r sh a d m o r e i n f l u e n c e o n K -f a c t o r t h a n i n d i v i d u a l f a c t o r s .T h e s t u d y co u l d p r o v i d e s o m e t h e o r e t i c a l b a s i s f o r t h e a c c u r a t e p r e v e n t i o na n d s o i lw a t e r e r o s i o n c o n t r o l l i n g a n d s o i l i m pr o v e m e n t o n t h eL o e s sP l a t e a u .K e y w o r d s:s o i l e r o d i b i l i t y;g e o d e t e c t o r s;s p a t i a l d i f f e r e n t i a t i o n;L o e s sP l a t e a u土壤可蚀性反映土壤对侵蚀营力的敏感程度,即土壤是否容易受到外力而被分离和输移,通常使用土壤可蚀性因子(K)定量表示土壤可蚀性能力[1]㊂K 也是估算水土流失量和建立土壤侵蚀预报模型的关键参数,被广泛地应用于U S L E㊁R U S L E和W E P P 等模型㊂K最准确的计算方法是基于径流小区多年资料直接计算,但由于实际条件制约,很难获取长时间跨度的实测数据,因此,常使用经验模型对K进行估算,常用的经验模型大致可分为3类:(1)基于土壤粒径组成㊁有机质含量㊁结构特征和入渗能力进行估算的(修正的)诺谟方程;(2)基于土壤粒径分布和有机碳含量进行估算的E P I C模型;(3)基于土壤平均几何粒径进行估算的几何平均粒径模型和T o r r i模型㊂E P I C模型㊁几何平均粒径模型和T o r r i模型对紫色土区㊁亚热带红壤区㊁黄土高原丘陵区等典型区域有较好的适用性[2-4]㊂其中,E P I C模型和几何平均粒径模型已大量应用于黄土高原K的研究[5-6]㊂黄土高原土壤质地粗,多疏松多孔结构,抗蚀性差,K较高[7]㊂土壤理化性质㊁地貌㊁植被㊁土地利用方式会显著影响K㊂张钦弟等[8]研究发现,土壤水稳性团聚体含量显著降低K;陈卓鑫等[5]发现,粉粒含量㊁土壤容重和根重密度是影响黄土高原典型塬坡K的重要因素;李宁宁等[9]发现,退耕坡度的土壤结皮能显著降低K;朱冰冰等[6]研究认为,土壤有机质含量增加可降低K㊂同时,由于各因素在黄土高原存在空间分异性,因此,K在空间上也表现出分异性㊂饶良懿等[10]发现,黄土高原砒砂岩区阴坡坡顶K高于阳坡坡顶,而阴坡坡面K低于阳坡坡面;李娅芸等[11]发现,黄土高原丘陵区草原区K依次高于森林草原区和森林区㊂综上,现有关于黄土高原K的研究[5-11]大多聚焦于单一因素对K的影响,且研究尺度多为小尺度的坡面,针对大尺度(流域㊁省份)上K空间分布和多影响因素的研究还比较欠缺㊂因此,使用E P I C模型㊁几何平均粒径模型㊁T o r r i模型对黄土高原K进行估算,分析黄土高原K的空间分布特征,并结合地理探测器工具探究影响黄土高原K空间分布的主要因素,以期为黄土高原水土流失防治及土壤性状改良提供理论依据㊂1材料与方法1.1研究区概况黄土高原地处我国西北部(33ʎ41' 41ʎ16'N, 100ʎ52' 114ʎ33'E),总面积约为63.5万k m2,地势大致由西北向东南递减,按地貌可分为高原沟壑㊁农灌㊁沙地沙漠㊁丘陵沟壑㊁土石山区㊁河谷平原[12]㊂黄土高原地处温带季风气候向温带大陆性气候的过渡交界地带,属于典型的干旱和半干旱区,年均气温4~16ħ,年均降水量400~600mm[13]㊂土壤属性具有明显分异特征,粒径自西北向东南逐渐变细,土壤类型以黄绵土㊁风沙土㊁粗骨土㊁灰褐土为主,土质疏松且固着力差,抗蚀能力弱,加之地表植被覆盖率低,雨期极易发生侵蚀(图1)㊂图1研究区概况1.2数据来源土壤数据来源于国家冰川冻土沙漠科学数据中心(h t t p://w w w.n c d c.a c.c n/)所提供的1ʒ100万基于世界土壤数据库(HW S D),该数据是空间分辨率为公里的网格数据,提供各个格网点的土壤类型㊁土壤相位㊁土壤理化性状等信息㊂D E M数据(30m´30 m)来源于地理空间数据云(h t t p s:ʊw w w.g s c l o u d.c n/);地貌类型㊁土地利用数据均来源于中国科学院资源环境科学数据中心(h t t p s:ʊw w w.r e sd c.c n/)㊂1.3K计算常用的K估算模型主要有诺谟方程㊁修正诺谟方程㊁E P I C模型㊁几何平均粒径模型㊁T o r r i模型等㊂由于土壤结构等级和土壤渗透性等级的确定,通常需分别根据实际土壤特征确定,因此,使用诺谟方程和修正诺谟方程估算K较为困难,故本研究使用E P I C模型㊁几何平均粒径模型和T o r r i模型对K进行估算㊂(1)E P I C模型㊂S h a r p l y等[14]提出基于土壤粒径组成属性和土壤有机碳K的估算模型,即E P I C 模型㊂在E P I C模型中,K计算公式为:K E P I C=0.1317ˑ0.2+0.3e x p-0.0256㊃S a㊃1-S i100æèçöø÷éëêêùûúú{}ˑS iC l+S iæèçöø÷0.3ˑ1-0.25CC+e x p(3.718-2.947C)éëêêùûúúˑ1-0.7㊃S nS n+e x p-5.509+22.899S n()éëêêùûúú(1)S n=1-S a100(2)式中:K E P I C为E P I C模型估算所得土壤可蚀性因子15第6期朱启明等:黄土高原土壤可蚀性因子空间分布特征及影响因素[(t ㊃h m 2㊃h )/(M J ㊃m m ㊃h m 2)];0.1317为单位转换系数,将估算结果由美国制转换至国际制,下同;S a 为砂粒含量(0.05~2m m ,%);S i 为粉粒含量(0.002~0.005mm ,%);C l 为黏粒含量(<0.002mm ,%),C 为有机碳含量(%)㊂(2)几何平均粒径模型㊂R öm k e n s 等[15]提出仅考虑土壤几何平均粒径(D G ,mm )的土壤可蚀性估算模型,该模型也被用于R U S L E 模型中,其计算公式为:K D G =0.1317ˑ7.594ˑ0.0034+0.0405ˑe x p -12l g D G ()+1.6590.7101æèçöø÷2éëêêùûúú{}(3)D G =e x p 0.01ˑðni =1f i ˑl n m i ()[]{}(4)式中:K D G 为几何平均粒径模型计算得到的土壤可蚀性因子[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)];D G 为平均几何粒径(mm );f i 为第i 个粒径范围内粒径组成百分比(%);m i 为第i 个范围内最大粒径与最小粒径的均值(mm );n 为所划分的粒径范围的个数㊂本研究按照黏粒(<0.002mm )㊁粉粒(0.002~0.005mm )㊁砂粒(0.005~2mm )3个粒径范围计算D G ㊂(3)T o r r i 模型㊂T o r r i 等[16]通过分析全球土壤可蚀性数据集后建立基于几何平均粒径和有机物含量的土壤可蚀性模型,计算公式为:K T o r r i =0.02930.65-D G +0.24D G 2()ˑe x p -0.0021O M C -0.00037O M C æèçöø÷2-4.02+1.72C 2{}(5)D G =ðni =1f i lg d id i -1(6)式中:K T o r r i 为To r r i 模型计算所得的土壤可蚀性因子[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)];O M 为土壤有机质含量(%);C 为小数形式下的黏粒含量(<0.002mm ,无量纲);d i 为第i 个粒径等级内的最大粒径(mm ),d i -1为第i 个粒径等级内的最小粒径(mm )㊂1.4 地理探测器地理探测器是由王劲峰等[17]开发的探测并分析空间异质性的工具,主要包括分异及因子㊁交互作用㊁风险和生态共4个探测器㊂本研究主要使用分异及因子探测器识别影响K 的主控因子,使用交互作用探测器分析因子组合下对K 的影响㊂(1)分异及因子探测器㊂分异及因子探测器主要是计算q 值比较不同因子对于空间分异的解释能力[17],q 值分布在0~1,因子的q 值越大,表明该因子对空间分析的解释能力越强㊂q 值计算公式为:q =1-ðL h =1N h σh 2N σ2=1-S S W S S T =1-ðLh =1N h σh2N σ2(7)式中:h 为分区或分类个数;N h 和N 分别为第h 个分区的小单元数和全区的单元数;σh 和σ分别为第h 个分区属性值的方差和全区属性值的方差㊂S S W 和S S T 依次为分区内方差和以及全区的总方差㊂(2)交互探测器㊂通过比较多因子组合下的q 值,进而识别因子组合是否对空间分异的解释能力产生显著影响㊂选取17种土壤理化性质(土壤类型㊁黏粒含量(%)㊁粉粒含量(%)㊁砂粒含量(%)㊁碎石含量(%)㊁容重(k g /d m 3)㊁有机碳(%)㊁酸碱度(-l g H +)㊁阳离子交换量(c m o l /k g )㊁基本饱和度(%)㊁交换性盐基(c m o l /k g)㊁碳酸盐(%)㊁硫酸盐(%)㊁可交换性钠盐(%)㊁导电率(d S /m )),3种表征地质地貌条件因子[海拔(m )㊁坡度(ʎ)㊁坡向(ʎ)]和土地利用类型共计20个可能影响K 的因素㊂参照王劲峰等[17]提出的数据离散化处理方法,依次将土壤理化性质按照自然断点法分为6类;土壤类型按照U S D A 质地分类分为粉砂质黏土㊁黏土㊁黏壤土㊁粉壤土㊁壤土㊁砂黏壤土㊁砂质壤土㊁砂壤土和砂土共9类;土地利用类型分为耕地㊁林地㊁草地㊁水域㊁建筑用地和未利用土地共计6类;海拔按照<500,500~1500,1500~3500,>3500m 分为4类;坡度分为平坡(<5ʎ)㊁缓坡(6ʎ~15ʎ)㊁斜坡(15ʎ~25ʎ)㊁陡坡(26ʎ~35ʎ)㊁急坡(35ʎ~45ʎ)㊁险坡(>45ʎ)共5类;坡向分为无㊁北㊁东北㊁东㊁东南㊁南㊁西南㊁西㊁西北共9类㊂按照1k m ´1k m 格网划分研究区,获取各格网点离散化处理后的属性数据及可蚀性等级,共得到618261个有效数据㊂2 结果与分析2.1 黄土高原K 统计特征3个模型估算的黄土高原K 的统计学特征见表1㊂K E P I C ㊁K D G ㊁K T o r r i 数值分别为0.010~0.045,0.009~0.044,0.026~0.048[(t ㊃h m 2㊃h )/(M J ㊃m m ㊃h m 2)],3个模型K 最大值和最小值的比值分别为4.50,4.90,1.85倍㊂K E P I C 和K D G 的极差大于K T o r r i ㊂此外,K T o r r i的变异系数<0.15,表明K T o r r i 的变异性较低;而K E P I C 和K D G 的变异系数均介于0.15~1,K E P I C 和K D G 存在中等程度上的变异㊂按照较低可蚀性{<0.0263[(t ㊃h m 2㊃h )/(M J㊃mm ㊃h m 2)]}㊁中低可蚀性{0.0263~0.0329[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)]}㊁中可蚀性{0.0329~0.0395[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)]}㊁中高可蚀性{0.0395~0.0460[(t ㊃h m 2㊃h )/(M J㊃mm ㊃h m 2)]}㊁高可蚀性{>0.0460[(t ㊃h m 2㊃h )/(M J㊃25水土保持学报 第37卷mm ㊃h m 2)]}对黄土高原可蚀性分级见表2㊂3个模型下,中高可蚀性的土壤面积占比均超过50%,中可蚀性及其以上等级面积占比均超过70%㊂因此,黄土高原地区土壤K 较高,较易受到水蚀㊂表1 黄土高原K 统计特征指标K /(t ㊃h m 2㊃h ㊃M J -1㊃mm -1㊃h m -2)平均值最小值最大值中位数标准差变异系数K E P I C 0.0360.0100.0450.0460.0100.290K D G 0.0340.0090.0440.0400.0120.348K T o r r i0.0410.0260.0480.0420.0400.102表2 黄土高原K 不同等级面积占比单位:%指标低可蚀性中低可蚀性中可蚀性中高可蚀性高可蚀性K E P I C 15.27611.12923.05250.5430K D G 23.0192.21423.55751.2110K T o r r i0.0063.26827.73057.71111.2862.2 黄土高原K 的空间分布特征黄土高原地区K 存在着较显著的空间差异性(图2)㊂总体上,南部地区土壤可蚀性高于北方地区,东部地区高于西部地区㊂东部和西南地区K 较高,西北地区K 则较低㊂对7个省份(自治区)K 进行统计学特征和不同K 等级下的面积占比进行分析(图3㊁表3)表明,山西㊁甘肃K 平均较高,而宁夏㊁内蒙古土壤可蚀性K 平均较低㊂E P I C 模型和几何平均粒径模型K 的变异系数>0.15的有5个省;而T o r r i 模型中,7个省K 变异系数均<0.15㊂E P I C 模型和几何平均粒径模型结果中,多数省份K 有较强的异质性,而T o r r i 模型下下各省份K 的异质性则较低,因此T o r r i模型估算结果的变化范围更小㊂由图2可知,7个省份的土壤可蚀性等级以中可蚀性及其以上为主㊂不同省份的中可蚀性和中高可蚀性土壤面积占比有较大差异㊂以E P I C 模型为例,中可蚀性面积占比最高的为青海(80.520%),最低为陕西(10.217%),2个省份相差70.303%㊂高可蚀性面积占比最高的为陕西(64.686%),面积占比最小的为内蒙古(5.221%),2个省份也相差59.465%㊂综上,黄土高原K 表现出较为显著的空间异质性,不同省份间中可蚀性和中高可蚀性面积占比有较大的统计差异㊂图2 黄土高原K 空间分布注:S X ㊁S a x ㊁H N ㊁NM ㊁N X ㊁G S ㊁Q H 分别为山西㊁陕西㊁河南㊁内蒙古㊁宁夏㊁甘肃㊁青海㊂图3 黄土高原各省份不同K 等级面积占比2.3 黄土高原K 的影响因素相关性分析结果(表4)表明,K E P I C 与砂粒含量㊁容重㊁可交换性钠盐㊁海拔呈现负相关关系;K D G 与砂粒含量㊁容重㊁可交换性钠盐呈现负相关关系;而K T o r r i 与砂粒含量㊁容重㊁硫酸盐含量㊁可交换钠盐㊁电导率㊁海拔呈现负相关关系㊂K E P I C ㊁K D G ㊁K T o r r i 与土壤理化性质指标㊁海拔㊁坡度和坡向均呈现极显著的相关性(p <0.01)㊂本研究中,所选取的14种土壤理化性质中,砂粒含量㊁粉粒含量㊁黏粒含量㊁容重㊁阳离子交换量㊁交换性盐基与K 相关性较高,是影响黄土高原K 的主要土壤理化性质因素㊂相较于海拔和坡向,坡度与K 相关性更高,表明坡度是影响K 大小的主要地质地貌特征㊂此外,砂粒含量㊁粉粒含量㊁黏粒含量㊁容重㊁酸碱度㊁阳离子交换量㊁交换性盐基㊁碳35第6期 朱启明等:黄土高原土壤可蚀性因子空间分布特征及影响因素酸盐与K 的相关性均显著高于海拔㊁坡度㊁坡向㊂相较于海拔㊁坡度㊁坡向,土壤理化性质是影响K 大小的主要因素㊂方差分析表明,土壤理化性质F 统计量均高于海拔㊁坡度㊁坡向㊂表3 不同省份K 统计特征类型研究区K /(t ㊃h m 2㊃h ㊃M J -1㊃mm -1㊃h m -2)平均值最大值最小值中位数标准差变异系数山西0.0400.0450.0100.0440.0060.150陕西0.0360.0450.0100.0400.0100.278河南0.0370.0450.0210.0390.0080.216K E P I C内蒙古0.0290.0120.0450.0370.0130.448宁夏0.0350.0450.0100.0400.0100.286甘肃0.0390.0450.0100.0410.0060.154青海0.0370.0450.0100.0380.0040.108山西0.0370.0440.0090.0410.0070.189陕西0.0320.0440.0090.0400.0010.031河南0.0330.0430.0120.0380.0100.303K D G内蒙古0.0280.0440.0090.0380.0130.464宁夏0.0320.0440.0090.0380.0120.375甘肃0.0380.0440.0090.0410.0070.184青海0.0390.0440.0090.0380.0040.103山西0.0410.0480.0280.0430.0040.098陕西0.0410.0480.0260.0430.0040.098河南0.0400.0480.0270.0400.0050.125K T o r r i内蒙古0.0390.0480.0260.0370.0040.103宁夏0.0410.0480.0260.0410.0040.098甘肃0.0410.0480.0280.0410.0030.073青海0.0410.0480.0300.0420.0040.098表4 黄土高原K 与因子相关系数因素K E P I CK D GK T o r r i砂粒-0.955**-0.989**-0.624**粉粒0.945**0.918**0.812**黏粒0.735**0.846**0.257**碎石0.184**0.158**0.226**容重-0.897**-0.948**-0.511**有机碳0.221**0.416**0.227**酸碱度0.460**0.318**0.269**阳离子交换量0.741**0.816**0.368**基本饱和度0.146**0.068**0.229**交换性盐基0.728**0.697**0.531**碳酸盐0.433**0.339**0.394**硫酸盐0.109**0.099**-0.009**可交换性钠盐-0.035**-0.053**-0.195**电导率0.137**0.134**-0.036**海拔-0.012**0.102**-0.078**坡度0.220**0.229**0.033**坡向0.003*0.005**0.005**注:*㊁**分别表示p <0.05,p <0.01㊂为进一步探究黄土高原K 的空间驱动因子,使用地理探测器中的分异及因子探测器分析对K 的驱动因子进行分析(表5)㊂总体上,砂粒含量㊁黏粒含量㊁粉粒含量㊁容重是影响K 空间分布的主要驱动因子,q 统计量均>0.800㊂海拔㊁坡度㊁坡向㊁土地利用对K 空间分布的影响显著弱于土壤理化性质㊂不同模型下,同一因素对K 的影响程度也不同㊂以容重为例,3种模型下,q 统计量由大到小依次为K D G(q =0.859)>K E P I C (q =0.793)>K T o r r i (q =0.500)㊂交互作用探测器表明,因子间交互作用均为双因子增强和非线性增强,双重因子间交互作用对K 的影响要显著高于单个因子的影响㊂土壤类型对K E P I C ㊁K D G 和K T o r r i 也有显著影响(p <0.05)㊂K E P I C 中,K 平均值由高到低依次为黏壤土(0.044)>壤土(0.041)>粉壤土(0.040)>黏土(0.033)>粉砂质黏土(0.033)>砂质壤土(0.029)>砂黏壤土(0.028)>砂壤土(0.026)>砂土(0.014);K D G 中,黏壤土(0.043)>粉砂质黏土(0.042)>黏土(0.042)>粉壤土(0.041)>壤土(0.040)>砂黏壤土(0.030)>砂质壤土(0.023)>砂壤土(0.021)>砂土(0.010);在K T o r r i 中,粉壤土(0.047)>壤土(0.042)>黏壤土(0.038)>砂土(0.037)>砂壤土(0.037)>砂质壤土(0.036)>砂黏壤土(0.034)>粉砂质黏土(0.033)>黏土(0.029)㊂综上,黏壤土㊁壤土㊁粉壤土的K 较高,未来需重点防治3种土壤类型区的水蚀㊂45水土保持学报 第37卷表5黄土高原K驱动因子因素K E P I C K D G K T o r r i土壤类型0.8400.8270.733砂粒0.9230.9220.529粉粒0.9010.8600.766黏粒0.8470.8270.683碎石0.3430.1340.172容重0.7930.8590.500有机碳0.3560.5890.141酸碱度0.6990.6210.245阳离子交换量0.7810.6470.261基本饱和度0.0520.0250.064交换性盐基0.7000.6260.292碳酸盐0.5140.3960.288硫酸盐0.0680.0110.199可交换性钠盐0.4720.4760.165电导率0.5760.4300.293海拔0.0130.0180.016坡度0.0560.0600.006坡向00.0010地貌0.0290.0330.021土地利用0.1130.0790.0493讨论3.1不同估算模型间差异本研究使用E P I C模型㊁几何平均粒径模型和T o r r i模型估算,黄土高原地区K㊂相较于K E P I C和K D G,K T o r r i分布范围更为集中,变异性也更小㊂方差分析表明,不同模型对K的估算结果差异显著(F= 4.460,p<0.01),K E P I C与K D G间无显著差异,而K E P I C与K T o r r i间存在显著差异㊂对比吴普特等[18] {0.07~0.302[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}和周佩华等[19]{0.071~0.447[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}基于野外小区实测数据推算的K, K E P I C{0.010~0.045[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}和K D G{0.009~0.044[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}要更为接近㊂王彬[20]和魏慧等[3]研究发现,E P I C模型和几何平均粒径模型在黄土高原地区表现出更好的估算精度㊂考虑到本研究中E P I C 模型与几何平均粒径模型间估算结果无显著差异,建议优先选用E P I C模型和几何平均粒径模型进行黄土高原K的估算㊂3.2K与水土流失状况黄土高原K呈现出较明显的空间分异性(图3),大致表现为自南向北递减㊁自东向西递减趋势㊂东南和西南的局部地区可蚀性等级较高,而西北局部地区可蚀性等级较低,整体符合陕西子洲 陕西绥德一带向东㊁向南㊁向北依次递减的趋势[7]㊂此外,较青藏高原和南方红土区,黄土高原地区的土壤可蚀性也较高[21-22]㊂黄土高原地区土壤质地松散,透水透气性能良好,有机质和团聚体发育差,更易被水蚀㊂K一定程度上反映土壤对土壤水蚀的抵抗能力[23]㊂为进一步研究黄土高原土壤水蚀程度对K 的潜在响应关系,对各省不同水蚀强度面积与各省K均值进行线性回归分析(表6),结果表明,不同水蚀强度面积随K的增加而增加,呈现良好的正向线性相关关系(R2ȡ0.067)㊂不同水蚀面积随K变化速率表现为K T o r r i>K E P I C>K D G㊂T o r r i模型估算结果中,水蚀强度剧烈程度对K的响应最为敏感㊂3.3K的影响因素K受土壤理化性质㊁海拔㊁坡度㊁人类活动等多因素综合影响㊂相关性分析和地理探测器结果表明(表4㊁表5),土壤理化性质在统计学或是空间上均对K产生显著影响㊂选取的14种理化性质与K均呈显著的相关性(p<0.01)(表4),其中土壤粒径组成(砂粒含量㊁粉粒含量㊁黏粒含量)和容重与K相关性最高㊂土壤粒径组成影响土壤透水㊁结构发育㊁持水性能㊁有机质发育等,进而影响土壤可蚀性[1];加之3种模型主要基于土壤粒径组成和几何平均粒径进行估算,而粒径组成和几何平均粒径也间接决定土壤容重,因此,土壤粒径组成及容重与K呈现显著相关性㊂本研究中,K与砂粒含量呈现出负相关关系,而与粉粒含量和黏粒含量呈现出正相关关系㊂结果与徐文秀等[24]研究结论相似㊂相较于砂粒,黏粒和粉粒有更高的有机质含量,胶结物黏结土壤颗粒并堵塞土壤孔隙,最终导致土壤入渗性能削弱,增加地表产流,增加土壤水蚀风险,因此,K随黏粒含量和粉粒含量的增加而增加㊂土壤容重代表土壤颗粒之间的致密程度㊂较差的土壤孔隙发育和透水渗水性能也导致容重大的土壤较易发生土壤水蚀㊂地理探测器结果也表明,土壤粒径组成(砂粒㊁粉粒㊁黏粒)和容重是影响K空间分布的最主要的驱动因子(表5)㊂地质地貌(海拔㊁坡度㊁坡向㊁地貌)和土地利用对K空间分布的影响显著弱于土壤理化性质㊂地质地貌和土地利用因素的变化可能导致土壤理化性质发生变化,并最终影响K㊂使用逐步线性回归筛选出与K E P I C㊁K D G和K T o r r i相关性最高的5种理化性质,将海拔㊁地貌类型㊁坡度㊁坡向作为地质地貌特征,土地利用数据作为土地利用特征,使用偏最小二乘法结构方程模型定量分析土壤理化性质㊁地质地貌㊁土地利用对K的影响(图4)㊂结果表明,土壤理化性质是影响K的主要因素,地质地貌因素和土地利用因素主要通过影响理化性质间接影响K㊂55第6期朱启明等:黄土高原土壤可蚀性因子空间分布特征及影响因素表6 土壤可蚀性K 值与水力侵蚀流失面积趋势分析单位:(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m2)水蚀面积/k m2K E P I C趋势方程R2K D G趋势方程R2K T o r r i趋势方程R 2轻度y =80.424x -1.3470.117y =71.973x -0.9050.116y =395.385x -14.4880.137中度y =62.435x -1.5650.220y =40.045x -0.6760.112y =302.692x -11.5890.250强烈y =24.796x -0.6420.207y =16.611x -0.3130.115y =121.923x -4.6920.242极强烈y =10.799x -0.2600.133y =6.536x -0.0930.060y =59.231x -2.2720.033剧烈y =2.658-0.0700.144y =1.627x -0.0300.067y =15.385x -0.5980.233图4 地质地貌㊁土地利用㊁理化性质对K 的影响机制4 结论(1)E P I C 模型㊁几何平均粒径模型㊁T o r r i 模型估算的黄土高原地区K 范围为0.010~0.045,0.009~0.044,0.026~0.048(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2),均值分别为0.036,0.034,0.041(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)㊂黄土高原土壤以中可蚀性和中高可蚀性为主㊂(2)黄土高原地区K 存在较为显著的空间差异性,大致呈现南高北低㊁东高西低趋势㊂山西㊁甘肃K 较高,宁夏㊁内蒙古K 较低㊂不同省份间的中可蚀性和中高可蚀性等级面积占比有较显著的差异㊂(3)K 与理化性质指标(砂粒含量㊁粉粒含量㊁黏粒含量㊁碎石含量㊁容重㊁酸碱度㊁阳离子交换量㊁基本饱和度㊁交换特性盐基㊁碳酸盐㊁硫酸盐㊁可交换性钠盐㊁导电率)㊁海拔㊁坡度㊁坡向均呈现极显著的相关性(p <0.01)㊂砂粒含量㊁黏粒含量㊁粉粒含量㊁容重是影响该地区K 空间分布的主要驱动因子㊂海拔㊁坡度㊁坡向㊁土地利用对K 空间分布的影响显著弱于土壤理化性质,且主要通过影响土壤理化性质的途径间接影响K ㊂因子间交互作用对K 的影响显著高于单个因子的影响㊂黏壤土㊁壤土㊁粉壤土地区的K 较高㊂参考文献:[1] 魏慧,赵文武,王晶.土壤可蚀性研究述评[J ].应用生态学报,2017,28(8):2749-2759.[2] 史东梅,陈正发,蒋光毅,等.紫色丘陵区几种土壤可蚀性K 值估算方法的比较[J ].北京林业大学学报,2012,34(1):32-38.[3] 魏慧,赵文武.土壤可蚀性K 值最优估算方法遴选:以陕北安塞集水区为例[J ].中国水土保持科学,2017,15(6):52-65.[4] 郑海金,杨洁,喻荣岗,等.红壤坡地土壤可蚀性K 值研究[J ].土壤通报,2010,41(2):425-428.[5] 陈卓鑫,王文龙,郭明明,等.黄土高塬沟壑区植被恢复对不同地貌部位土壤可蚀性的影响[J ].自然资源学报,2020,35(2):387-398.[6] 朱冰冰,李占斌,李鹏,等.土地退化/恢复中土壤可蚀性动态变化[J ].农业工程学报,2009,25(2):56-61.[7] 张科利,蔡永明,刘宝元,等.黄土高原地区土壤可蚀性及其应用研究[J ].生态学报,2001,21(10):1687-1695.[8] 张钦弟,刘剑荣,杨磊,等.半干旱黄土区植被恢复对土壤团聚体稳定性及抗侵蚀能力的影响[J ].生态学报,2022,42(22):9057-9068.[9] 李宁宁,张光辉,王浩,等.黄土丘陵沟壑区生物结皮对土壤抗蚀性能的影响[J ].中国水土保持科学,2020,18(1):42-48.[10] 饶良懿,徐也钦,胡剑汝,等.砒砂岩覆土区小流域土壤可蚀性K 值研究[J ].应用基础与工程科学学报,2020,28(4):763-773.[11] 李娅芸,刘雷,安韶山,等.应用L eB i s s o n n a i s 法研究黄土丘陵区不同植被区及坡向对土壤团聚体稳定性和可蚀性的影响[J ].自然资源学报,2016,31(2):287-298.[12] 穆兴民,李朋飞,刘斌涛,等.1901 2016年黄土高原土壤侵蚀格局演变及其驱动机制[J ].人民黄河,2022,44(9):36-45.(下转第64页)65水土保持学报第37卷2019,578:e124005.[14] M aH B,N i t t r o u e r JA,N a i t oK,e t a l.T h e e x c e p t i o n-a ls e d i m e n tl o a d o ff i n e-g r a i n e d d i s p e r s a ls y s t e m s:E x a m p l e o f t h e Y e l l o w R i v e r,C h i n a[J].S c i e n c eA d v a n c e s,2017,3(5):e1603114.[15]中华人民共和国水利部.‘黄河流域水文资料“(第4卷第3册)[R].北京:中华人民共和国水利部,2018.[16] T i a nP,F e n g JH,Z h a oGJ,e t a l.R a i n f a l l,r u n o f f,a n ds u s p e n d e ds e d i m e n td y n a m i c sa tt h ef l o o de v e n ts c a l e i naL o e s sP l a t e a u w a t e r s h e d,C h i n a[J].H y d r o-l o g i c a l P r o c e s s e s,2022,36(2):e14486.[17] Z h a oGJ,G a oP,T i a nP,e t a l.A s s e s s i n g s e d i m e n tc o n n e c t i v i t y a nd s o i le r o s i o nb y w a t e r i nar e p r e s e n t a-t i v e c a t c h m e n t o n t h eL o e s s P l a t e a u,C h i n a[J].C a t e n a,2020,185:e104284.[18] L iD Y,L i a n g Z M,Z h o u Y,e t a l.M u l t i c r i t e r i aa s-s e s s m e n tf r a m e w o r k o ff l o o d e v e n t ss i m u l a t e d w i t hv e r t i c a l l y m i x e dr u n o f f m o d e l i ns e m i a r i dc a t c h m e n t si n t h e m i d d l e Y e l l o w R i v e r[J].N a t u r a l H a z a r d sa n dE a r t hS y s t e mS c i e n c e s,2019,19(9):2027-2037.[19] D eR o oA PJ,W e s s e l i n g C G,V a nD e u r s e n W P A.P h y s i c a l l y b a s e dr i v e rb a s i n m o d e l l i n g w i t h i na G I S:T h e L I S F L O O D m o d e l[J].H y d r o l o g i c a lP r o c e s s e s,2000,14(11/12):1981-1992.[20]包为民,侯露,沈丹丹,等.黄土高原大理河流域水沙耦合模型应用研究[J].湖泊科学,2019,31(4):1120-1131. [21] E e k h o u t JPC,T e r i n k W,d eV e n t e J.A s s e s s i n g t h el a r g e-s c a l ei m p a c t so fe n v i r o n m e n t a lc h a n g e u s i n g ac o u p l e dh yd r o l o g y a n ds o i le r o s i o n m o d e l[J].E a r t hS u r f a c eD y n a m i c s,2018,6(3):687-703. [22]邵辉.渭河流域水土流失变化对梯田措施响应的模拟研究[D].陕西杨凌:西北农林科技大学,2013. [23] T e r i n k W,L u t zA F,S i m o n sG W H,e ta l.S P H Yv2.0:S p a t i a l p r o c e s s e s i nh y d r o l o g y[J].G e o s c i e n t i f i cM o d e lD e v e l o p m e n t,2015,8(7):2009-2034. [24] N e i t s c hSL,A r n o l dJG,K i n i r y JR,e t a l.S o i l a n dw a t e r a s s e s s m e n t t o o l t h e o r e t i c a l d o c u m e n t a t i o nv e r s i o n2009[R].C o l l e g eS t a t i o n,T e x a s:W a t e rR e-s o u r c e s I n s t i t u t e,2011.[25] S a l t e l l i A,B o l a d oR.A n a l t e r n a t i v ew a y t o c o m p u t e F o u r i e ra m p l i t u d e s e n s i t i v i t y t e s t(F A S T)[J].C o m p u t a t i o n a l S t a t i s-t i c s a n dD a t aA n a l y s i s,1998,26(4):445-460. [26] D u a nQ Y,S o r o o s h i a nS,G u p t aV K.O p t i m a l u s eo ft h eS C E-U A g l o b a l o p t i m i z a t i o nm e t h o d f o r c a l i b r a t i n gw a t e r s h e dm o d e l s[J].J o u r n a l o fH y d r o l o g y,1994,158(3/4):265-284.(上接第56页)[13]陈剑南,刘益麟,李朋飞,等.1901 2016年黄土高原降雨侵蚀力时空变化[J].水土保持研究,2022,29(4):39-46.[14] S h a r p l e y A N,W i l l i a m s JR.E P I C-e r o s i o n/p r o d u c t i v i-t y i m p a c t c a l c u l a t o r:1.M o d e l d o c u m e n t a t i o n[J].T e c h-n i c a lB u l l e t i n-U n i t e d S t a t e s D e p a r t m e n t o f A g r i c u l-t u r e,2010,4(4):206-207.[15] Röm k e n sMJM,Y o u n g R A,P o e s e n JW A,e t a l.S o i le r o d i b i l i t yf a c t o r(k)//R e n a r dKG,F o s t e rGR,W e e s i e sGA,e t a l.A g u i d e t oc o n s e r v a t i o n p l a n n i n g w i t ht h eR e-v i s e dU n i v e r s a lS o i lL o s s E q u a t i o n(R U S L E)[M].U S D Aa g r i c u l t u r eh a n d b o o k,1997,703:65-100. [16] T o r r i D,P o e s e n J,B o r s e l l i L.P r e d i c t a b i l i t y a n d u n c e r-t a i n t y o f t h e s o i l e r o d i b i l i t y f a c t o ru s i n g a g l o b a l d a t a-s e t[J].C a t e n a,1997,31(1/2):1-22. [17]王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134.[18]吴普特,周佩华,郑世清.黄土丘陵沟壑区(Ⅲ)土壤抗冲性研究:以天水站为例[J].水土保持学报,1993,7(3):19-25,36.[19]周佩华,武春龙.黄土高原土壤抗冲性的试验研究方法探讨[J].水土保持学报,1993,7(1):29-34. [20]王彬.土壤可蚀性动态变化机制与土壤可蚀性估算模型[D].陕西杨凌:西北农林科技大学,2013. [21]刘斌涛,陶和平,史展,等.青藏高原土壤可蚀性K值的空间分布特征[J].水土保持通报,2014,34(4):11-16.[22]杨辰丛海,陈志强.武夷山丘陵茶园红壤土壤可蚀性近似计算初探[J].水土保持研究,2022,29(1):21-27.[23]汪邦稳.安徽省土壤可蚀性K值及其分布特征[J].中国水土保持科学,2019,17(6):132-139. [24]徐文秀,韦杰,李进林,等.三峡库区紫色土坡耕地表土的可蚀性研究[J].水土保持通报,2019,39(3):7-11,18.46水土保持学报第37卷。
南方红壤丘陵区土壤侵蚀-沉积作用对土壤酶活性的影响
南方红壤丘陵区土壤侵蚀-沉积作用对土壤酶活性的影响肖海兵;李忠武;聂小东;马文明;黄斌;陆银梅【摘要】土壤酶与土壤矿质营养元素循环、能量转移等密切相关。
明确土壤酶对土壤侵蚀—沉积作用的响应机制，有助于进一步把握土壤侵蚀在全球碳循环中的作用。
通过分析湘中红壤丘陵区松林坡面侵蚀区及沉积区土壤酶活性的变化特征，揭示了酶活性与土壤主要养分因子之间的关系，并在此基础上深入探讨了土壤侵蚀—沉积作用对土壤酶活性的影响。
结果表明：沉积区绝大多数土层土壤有机碳（soil organic carbon，SOC）、全氮（total nitrogen，TN）、可溶性有机碳（dissolved organic carbon，DOC）、脲酶、酸性磷酸酶及过氧化氢酶活性均要显著高于侵蚀区。
土壤沉积作用明显提高了土壤养分含量及酶活性。
其次，侵蚀区与沉积区土壤养分含量及酶活性差异在侵蚀干扰较为严重的表层（0～30 cm）土壤表现较为明显，随着土壤深度的增加差异逐渐减小。
侵蚀区与沉积区SOC、TN、DOC及酶活性均随土壤深度的增加呈现总体下降的趋势。
相关性分析表明，土壤脲酶、酸性磷酸酶、过氧化氢酶之间及其与SOC、TN、DOC之间均存在极显著正相关关系（p＜0.01）。
此外，偏冗余分析结果进一步表明SOC是解释土壤酶活性动态变化的主要因子，其解释量达7.5%，侵蚀诱导SOC在坡面的再分布是影响土壤酶活性的重要途径之一。
%[Objective]Soil enzymes catalyze nutrient recycling in forms available for plants and other organisms and are actively involved in soil energy transfer processes. Therefore,soil enzyme is an important driving factor in soil organic carbon dynamic and plays an extremely important role in the global carbon cycle. Knowledge of the mechanism of soil enzymes responding to soil erosion and deposition contributes to further understanding of the role of soil erosion in theglobal carbon cycle. Therefore,the purposes of this study were to elucidate the response of soil enzyme activities to long-term water erosion and quantify the relationships between soil basic physico-chemical parameters and enzyme activities. [Method]In this research,soil samples were collected separately from the soil layers(0~5,5~10,10~20,20~30,30~40,40~60,60~80,80~100 cm)of the erosional and depositional sites along a slope covered with pine trees in the hilly red soil region of South Hunan for the analysis of basic physico-chemical properties and enzyme activities in the soil. Soil organic carbon(SOC),total nitrogen(TN),dissolved organic carbon(DOC)and activities of-four kinds of soil enzymes(i.e.urease,catalase,acid phosphatase and sucrase)were measured. Pearson correlation analysis and partial redundancy analysis were performed to analyze relationships between the soil enzyme activities and the soil physico-chemical properties and explore the most important physico-chemical factors influencing the soil enzyme activities. The findings in this study may provide some fundamental theoretical bases for exploration of the roles of the soil enzymes in soil carbon dynamic as affected by soil erosion. [Result]Results show that the depositional soils were higher than the erosional soils in content of SOC,TN,DOC. Soil deposition significantly improved soil fertility. Furthermore,the content of SOC, TN and DOC in the surface soils at the erosional and depositional sites was significantly greater than that of their respective one in the deep soils. In the soil profiles,the contents of SOC,TN and DOC all displayed a downward trend with increasing soil depth. Water erosion had not only a significant effecton soil nutrition distribution in the eroded slope,but also a great impact on soil enzyme activities in soils different in slope position. All the four enzymes,except for sucrase,were much higher in activity in the depositional soils than in most erosional soils. Soil deposition apparently improved soil enzyme activities. The same as the content of SOC,TN and DOC,activities of the four soil enzymes declined with soil depth in the profile. In addition, correlation analysis reveals that positive correlations existed between urease,acid phosphatase and catalase. Furthermore,significant positive correlations(p<0.05)between soil nutrition parameters(SOC,TN, DOC)and enzyme activities(urease,acid phosphatase and catalase)were observed. All these findings prove that under the influence of long-term water erosion,soil enzyme activities and nutrition level presented a similar curve in dynamic. Partial redundancy analysis shows that SOC,TN and DOC together were responsible for 39.7% of the variation of the enzyme activity and SOC explained up to 7.5% of the variation of the enzyme activity,whereas,TN and DOC did 0.1% and3.5%,respectively,which demonstrates that SOC is a factor more influencing on soil enzyme activities than all the other measured physicochemical parameters. Erosion-induced SOC redistribution in the soil on a slope is one of the major routes via which soil erosion affects soil enzyme activities. This study is quite limited to the soil on the slope covered by pine trees in a hilly red soil region. [Conclusion]Therefore,more efforts should be devoted in future studies to further elucidatemechanisms of soil enzymes responding in activity to long-term water erosion in soils different in type and land use.【期刊名称】《土壤学报》【年(卷),期】2016(053)004【总页数】10页(P881-890)【关键词】红壤丘陵区;土壤侵蚀;酶活性;土壤理化性质;土壤碳循环【作者】肖海兵;李忠武;聂小东;马文明;黄斌;陆银梅【作者单位】湖南大学环境科学与工程学院，长沙 410082; 湖南大学环境生物与污染控制教育部重点实验室，长沙 410082;湖南大学环境科学与工程学院，长沙410082; 湖南大学环境生物与污染控制教育部重点实验室，长沙 410082;湖南大学环境科学与工程学院，长沙 410082; 湖南大学环境生物与污染控制教育部重点实验室，长沙 410082;湖南大学环境科学与工程学院，长沙 410082; 湖南大学环境生物与污染控制教育部重点实验室，长沙 410082; 西南民族大学旅游与历史文化学院，成都 610041;湖南大学环境科学与工程学院，长沙 410082; 湖南大学环境生物与污染控制教育部重点实验室，长沙 410082;湖南大学环境科学与工程学院，长沙 410082; 湖南大学环境生物与污染控制教育部重点实验室，长沙410082【正文语种】中文【中图分类】S154.2土壤侵蚀是全球范围内较为普遍的生态环境问题，是由物理、化学及生物等多重机制相互作用形成的复杂动态过程，它对土壤生产力和生态环境造成严重威胁［1］。
水蚀作用下红壤丘陵区土壤特性的空间分异特征
ｓｃｉｅｎｔｉｆｉｃ ｄａｔａ ｓｕｐｐｏｒｔ ｆｏｒ ｓｏｉｌ ｅｒｏｓｉｏｎ ｃｏｎｔｒｏｌ ａｎｄ ｌｏｗ⁃ｅｆｆｉｃｉｅｎｃｙ ｆｏｒｅｓｔ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｉｎ ｈｉｌｌｙ ｒｅｄ ｓｏｉｌ ｒｅｇｉｏｎ ｏｆ ｓｏｕｔｈｅｒｎ
ｃｈｉｎａ．【 Ｍｅｔｈｏｄ】 Ｔｈｅ ｓｍａｌｌ ｗａｔｅｒｓｈｅｄ ｏｆ Ｑｉｎｇｙｕａｎ Ｍｏｕｎｔａｉｎ ｉｎ Ｊｉ ａｎ Ｃｉｔｙ， Ｊｉａｎｇｘｉ Ｐｒｏｖｉｎｃｅ ｗａｓ ｓｅｌｅｃｔｅｄ ａｓ ａ ｔｙｐｉｃａｌ ａｒｅａ
（１． Ｃｏｌｌｅｇｅ ｏｆ Ｆｏｒｅｓｔｒｙ ａｎｄ Ｇｒａｓｓｌａｎｄ， Ｃｏｌｌｅｇｅ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ， Ｃｏ⁃Ｉｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｆｏｒ Ｓｕｓｔａｉｎａｂｌｅ Ｆｏｒｅｓｔｒｙ
ｉｎ Ｓｏｕｔｈｅｒｎ Ｃｈｉｎａ， Ｊｉａｎｇｓｕ Ｐｒｏｖｉｎｃｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ ａｎｄ Ｅｃｏｌｏｇｉｃａｌ Ｒｅｓｔｏｒａｔｉｏｎ，
引文格式：张相，丁鸣鸣，林杰，等． 水蚀作用下红壤丘陵区土壤特性的空间分异特征［ Ｊ］ ． 南京林业大学学报（ 自然科学版） ，２０２３，４７
（ ６） ：７７－８４．ＺＨＡＮＧ Ｘ， ＤＩＮＧ Ｍ Ｍ， ＬＩＮ Ｊ， ｅｔ ａｌ． Ｓｐａｔｉａｌ ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ ｏｆ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ ｉｎ ｈｉｌｌｙ ｒｅｄ ｓｏｉｌ ｒｅｇｉｏｎ ｕｎｄｅｒ ｗａｔｅｒ ｅｒｏ⁃
不大，加速了土壤侵蚀的发生。 长期侵蚀后土壤容重增大，与其他坡位相比，坡脚处土壤容重显著增加了 ０．１６
ｇ ／ ｃｍ３（ Ｐ＜０．０５） ，而饱和持水量和毛管孔隙度均表现为显著减小（ Ｐ＜０．０５） ；水蚀后，土壤质地的组成也发生了变
土壤可蚀性因子制图及其不确定性研究进展
土壤可蚀性因子制图及其不确定性研究进展
孙佳佳;王志刚
【期刊名称】《长江科学院院报》
【年(卷),期】2016(033)002
【摘要】土壤可蚀性因子是评价土壤对侵蚀敏感程度的重要指标，也是进行土壤侵蚀预报的重要参数。
为促进今后相关研究的发展，较为系统地阐述了土壤可蚀性因子、土壤可蚀性因子的空间预测以及土壤可蚀性因子制图中的误差和不确定性的国内外研究现状。
分析指出，准确地制作土壤可蚀性因子空间分布图具有重要的现实意义，然而，影响土壤可蚀性因子的因素相当复杂，将土壤类型、高程、遥感等辅助信息融入空间预测，量化、分析空间预测过程中的不确定性，降低制图误差、提高精度、控制风险，成为今后研究的方向。
【总页数】5页(P24-27,37)
【作者】孙佳佳;王志刚
【作者单位】长江科学院水土保持研究所，武汉 430010;长江科学院水利部山洪地质灾害防治工程技术研究中心，武汉 430010
【正文语种】中文
【中图分类】S157.1
【相关文献】
1.喀斯特地区土壤可蚀性因子空间估算研究进展 [J], 周秋文;罗雅雪;张思琪;岳彩雯
2.黑龙江省土壤流失方程中土壤可蚀性因子（K）的研究 [J], 高德武
3.应用137 Cs示踪法估算淮北土石山区土壤可蚀性因子K值 [J], 李肖;唐鹏;林杰;张阳;朱茜;曾广偌;刘创
4.一般扰动地表土壤可蚀性因子增大系数 [J], 郭乾坤; 秦伟; 宁堆虎; 单志杰; 殷哲; 杜鹏飞
5.砾石含量对土壤可蚀性因子估算的影响 [J], 杨苗苗;杨勤科;张科利;李玉茹;王春梅;庞国伟
因版权原因，仅展示原文概要，查看原文内容请购买。
苏南丘陵区主要林分类型土壤抗蚀性分析
壤 抗 侵蚀 特 性 及 其影 响 因素 ， 理 利用 和管 理 土 为合 地 资源 、选择 适宜 水土 保持措 施 、防止 土地退 化 、 植 被恢 复重 建提供 主要 依据 。
析 ，环刀 法测定 土壤 的容 重 、毛管空 隙度 、总毛管 孔 隙度 【 采 用 ｒ ｅ２ ０ １ ； ｉ ．０ ２型激光 粒径 分析仪 测定土 ｓ
粒 组成 、有机 质含 量 、水 稳性 指数 ，以及 表征 土壤 团聚体特 征 的分散 系数 、分散 率 、团聚状 况 、团聚 度 等指标 为主 【 Ｊ也 有学 者研究 土壤抗 蚀性能 与土 ３，
降水量 １ ０ ｍ，时间分布上多存在两个多雨期： ０ １ ｍ 是春夏 之交 的梅 雨 ，二 是夏季 的 台风雨 ，为全 国 雨期 最长 的地 区之 一 ，十分 有利 于农作 物和林 木 的 生 长 。地 形 以丘陵 为主 ， 拔在 ３ ～ ８ 海 ８３８ ｍ。实验地 林 分 以 杉 木 （ ｕ ｎｎ ｈ ｍｉ ｌｎ ｅ ｌｔ Ｃ ｎ ｉ ａ ａ ａ ｃｏａａ ｇ ）、 毛 竹
不 同 的 ，因此 ，本研 究采 用多 指标加 以主成分分 析
２ 研 究 方 法
（ ） １ 样地 的选 择 。 研究 选择 杉木林 、 栎林 、 本 麻 马尾松林 、毛竹 林 ４种具 有代表 性 的林 型 ，分 别建 立 ２ ２ 的样 方进 行常 规调查 ，记 录其坡 度 、 ０ ｍｘ ０ ｍ 坡 向、冠 幅 等常规 指标 ，各林 分基 本情况 见表 １ 。 （ ２）土壤 理化 性质 的测定 。于 ２ １ ０ ０年 ３月在 各样 方 中呈“ 字 型挖掘 ３ 土壤 剖面 ， 品” 个 按照 ０ ｌ、 ～ ０
基础， 筛选 出了土壤抗 蚀性 的最佳评价指标体系 ； 计算各林地土壤的抗蚀性综合指数 ， 出各林地土壤抗蚀性 由强到弱依次 得
土石混合堆积体土质可蚀性K因子研究_李宏伟
泥沙研究2014年4月Journal of SedimentＲesearch第2期土石混合堆积体土质可蚀性K因子研究李宏伟1，王文龙2，3，黄鹏飞4，白芸2（1．浙江省水利水电勘测设计院，浙江杭州310002；2．西北农林科技大学水土保持研究所，陕西杨凌712100；3．中国科学院水利部水土保持研究所土壤侵蚀与旱地农业国家重点实验室，陕西杨凌712100；4．江西省水土保持科学研究院，江西南昌330029）摘要：生产建设项目产生的弃土弃渣堆积体成为人为水土流失的主要来源，准确、快速测算其水土流失量是迫切的社会需求。
本研究采用室内人工模拟降雨试验方法，研究了黄土区工程土石混合堆积体土质可蚀性K值，提出了工程堆积体土壤侵蚀标准试验小区定义，坡度设定为25ʎ。
以此为标准，测算出黄土质重壤土娄土纯土体，石砾含量10%、20%、30%土石混合体的可蚀性K值分别为0.0224、0.0208、0.0188、0.0074t·hm2·h/（hm2·MJ·mm）；分析得出，随着石砾含量增加，土石混合土质可蚀性K值呈线性减小。
以纯土体类型为分析基准，建立了不同含石量条件下的土质可蚀性因子K i与纯土体土壤可蚀性K0和石砾含量P i之间的简化转化关系式，以便在有关地区参考应用。
关键词：黄土区；生产建设项目；工程土石混合堆积体；侵蚀量；可蚀性K值中图分类号：S157文献标识码：A文章编号：0468-155X（2014）02-0049-06随着我国社会经济的高速发展，大型水利水电、矿山开采、交通运输、城镇建设等生产建设项目迅猛增长，生产建设项目造成的水土流失强度高、范围广、危害大，所造成的人为水土流失量占据越来越大的比重。
严重危及人类赖以生存的水土资源和自然环境，给社会经济发展、生态安全以及人民群众的生产生活带来威胁［1，2］。
20世纪80年代以来，我国学者根据各地土壤特点对通用土壤流失方程各参数进行了适宜性修正，提出了适合我国情况的土壤侵蚀预报模型［3－6］。
土壤可蚀性及其在侵蚀预报中的应用
第14卷第4期自然资源学报Vo1.4No.4 1999年10月J OU RNAL O F NA TU RAL R ESOU RCES Oct.,1999文章编号:1000-3037(1999)04-0345-06土壤可蚀性及其在侵蚀预报中的应用刘宝元1,张科利1,焦菊英2(11北京师范大学资源与环境科学系教育部环境演变与自然灾害开放研究实验室,北京100875;21中国科学院水土保持研究所,陕西杨陵712100)摘要:土壤可蚀性是土壤侵蚀预报和土地利用规划的重要参数,国外已有物理意义明确、可操作性强、应用方便的土壤可蚀性定义和指标。
国外的指标在我国不适用,而我国又没有这样的指标。
在系统全面查阅和分析60多年来已有研究成果的基础上,根据我国具体情况,提出我国土壤可蚀性指标的定义和测定方法,即在15°坡度、20m坡长、清耕休闲地上,单位降雨侵蚀力所引起的土壤流失量。
这一标准的确定对规范土壤可蚀性实验研究,促进我国土壤侵蚀预报模型的建立有重要意义。
关键词:土壤;可蚀性;抗冲抗蚀性;侵蚀预报中图分类号:S157文献标识码:A土壤侵蚀是导致土地资源退化乃至彻底破坏的主要原因。
定量计算土壤流失量是合理利用和管理土地资源的科学依据之一。
土壤可蚀性是定量计算土壤流失的重要指标,是土壤侵蚀预报模型中的必要参数。
土壤可蚀性的研究开始于30年代,到现在已有60多年历史。
1963年,Olso n和Wisc h meie r[1]提出了具有实用性的土壤可蚀性指标———单位降雨侵蚀力在标准小区上所造成的土壤流失量。
有了这一指标值,就可以对不同地区、不同历史时期的观测资料进行统一比较和分析。
同时,该指标也具有明确的物理意义和方便的测定方法。
所以,这一指标值在土壤侵蚀预报模型中得到了广泛的应用,如应用最广泛的通用流失方程(U SL E)[2、3]、修正通用流失方程(R U SL E)[4]、流域水土资源管理模型(SW R RB)[5]等模型。
土壤可蚀性模拟研究中的坡长选定问题
收稿日期:2004-03-16;修订日期:2004-09-19基金项目:国家自然科学基金项目(40271072)和(40235056)资助。
作者简介:孔亚平(1976-),女,山东济宁人,硕士研究生,主要研究方向为土壤侵蚀与水土保持。
E -mail:ypkong@土壤可蚀性模拟研究中的坡长选定问题孔亚平1,张科利2,杨红丽2(1.中国交通部科学研究院环保与安全研究中心,北京100029;2.北京师范大学地理与遥感科学学院,北京100875)摘要:土壤可蚀性是评价土壤对侵蚀敏感程度的重要指标,是土壤侵蚀预报的重要参数,准确评价土壤可蚀性、建立不同土壤类型的土壤可蚀性K 值库具有重要意义。
在总结前人研究成果的基础上,运用室内模拟试验、野外模拟降雨试验资料和野外观测小区资料,计算了不同坡长小区的K 值,并对坡长对K 值的影响加以分析研究。
结果表明,坡长较短时,土壤可蚀性随坡长的增加而增大,且变化明显;坡长大于15m 时,K 值相对趋于稳定,该结论为K 值模拟研究中小区的坡长选择提供了一定的理论依据。
关 键 词:土壤可蚀性;人工模拟降雨;坡面坡长;土壤侵蚀预报中图分类号:S157 文献标识码:A 文章编号:1000-0690(2005)03-0374-05 土壤侵蚀是世界性的环境问题之一,防止土壤侵蚀、减少水土流失是保护土地资源、重建水土流失区生态环境的关键,而定量估算土壤流失量是正确实施水土保持和指导土地资源合理利用的重要保证。
如何准确地评价土壤可蚀性,对认识土壤侵蚀发生规律、开展水土流失定量预报及土地生产力评价都具有重要意义[1～2]。
土壤可蚀性(Er odibility )是评价土壤对侵蚀敏感程度的重要指标。
国外从1930年开始注意这一问题,并于1960年由O ls on 和W ischmeier [3]提出了具有预报价值的土壤可蚀性评价指标。
这一指标值在后来的土壤侵蚀预报研究中得到了广泛地应用。