杉木成熟林土壤容重空间变异特征

杨士凯，周运超，黄 磊，王 港

(1.贵州大学贵州省森林资源与环境研究中心，贵州 贵阳 550025；2.贵州大学林学院，贵州 贵阳 550025；3.贵州省林业科学研究院，贵州 贵阳 550005)

土壤容重指自然状态下单位体积土壤的干重[1]，是反映土壤质量的重要因素[2]，用于土壤质量评价、土地利用管理[3]，评估土壤养分储量、有机碳[4]，调节土壤水肥气热[5]，影响土壤透水性、持水性、抗侵蚀能力[6]。在野外，由于试验时间、劳动强度、成本等限制，如何通过测定的辅助变量精确估算土壤容重是很有必要的[7]。成土母质、地形、生物、植被和人为活动等因素造成土壤养分空间分布差异[8]，进而土壤容重高度变异[9]，不同时间、不同空间位置导致土壤容重数值变化[10-11]，加大了土壤容重空间变异研究难度。研究土壤容重空间变异、制作土壤容重预测模型，能更加简便、快捷地获取土壤容重数值，减少由土壤容重传统环刀法取样所导致的大量人力、物力的消耗[12]。

目前，国内外学者们对土壤容重空间变异的研究，主要采用地统计学方法，该方法与地理信息系统结合可成功用于土壤性质空间预测[13]。Kriging插值法可用于空间插值，克服土壤容重数据缺乏问题，最大限度降低调查成本，量化与减少估计误差的方差[14]。半方差函数可用于考虑土壤容重的相对重要性，估计其结构因素或随机因素[15]。学者们采用地统计学揭示了土壤容重空间变异的影响因素，如坡位[16]、植被[17]、海拔[18]、土地利用[19-22]和气候[23]，但土地利用、坡度和植被盖度等土壤容重主要影响因素，只能解释58.15%左右的土壤容重变异[24]。通过地统计学分析，土壤容重具有明显的空间自相关性[25]，局部土壤容重会出现偏大或偏小的斑块[26]，西北干旱区土壤容重在空间上呈西向东减小的条带分布[27]，进一步表明不同区域土壤容重空间变异情况。即便如此，仍鲜有关于如何减少土壤容重采样数的研究。

此外，实际进行林地调查时，取样间距为100 m会产生巨大工作量，因此，本研究通过经典统计学与地统计学相结合，以杉木[Cunninghamialanceolata(Lamb.) Hook.]成熟林内土壤容重空间分布为例，试图通过小尺度(100 m×100 m)土壤容重空间变异特征，进一步对不同土层采样间距“再采样”分析，确立土壤容重适宜采样间距与采样数，旨在为土壤容重采样节省人力、物力，为土壤管理提供科学依据，为土壤调控优化提供理论参考。

1 材料与方法

1.1 研究区概况

石井山国有林场位于贵州省黎平县，北纬25°41′～26°08′，东经108°31′～109°31′，涉及德凤镇、中潮镇。该地属亚热带湿润季风气候，雨量充沛，湿度较大，林场内基岩主要为变质岩，土壤以黄壤或红黄壤为主，pH值4.5～5.5，自然环境优越，为杉木生长提供了适宜环境[28]。研究区杉木为1992年种植，属成熟林，林下植被包括红豆杉[Taxuschinensis(Pilger) Rehd.]、菝契(SmilaxchinaL.)、细齿叶柃(EuryanitidaKorthals)、飞蛾槭(AceroblongumWall. ex DC.)、润楠(MachiluspingiiCheng ex Yang)、刺楸[Kalopanaxseptemlobus(Thunb.) Koidz.]、构树[Broussonetia papyrifera (Linn.) L′Hér. ex Vent.]、草珊瑚[Sarcandraglabra(Thunb.) Nakai]、穗序鹅掌柴[Scheffleradelavayi(Franch.) Harms ex Diels.]、悬钩子(RubuscorchorifoliusL.f.)、蛇葡萄[Ampelopsissinica(Mig.) W.T.Wang.]、寒莓(RubusbuergeriMiq.)、鳞毛蕨(Dryopterisfilix-mas)、假福王草[Paraprenanthessororia(Miq.) Shih] 等。

1.2 数据获取

在研究区的杉木成熟林中布设100 m×100 m样地，并于2019年3月采用网格法(10 m×10 m)布设样方共计100个，用容积200 cm3的环刀对样方中心杉木成熟林进行林下土壤取样。为排除气候因子对试验的影响，依据采样进度，1 d内采集0～20、20～40 cm土层深度的土样，共计200份土样，并利用全球定位系统(global positioning system， GPS)记录样点空间位置。用精度0.01 g、量程500 g的便携式天平在野外及时对鲜土进行称重，带回试验室测定土壤容重。

1.3 再采样设置

对实际采样范围(100 m×100 m)数据进行“再采样”模拟，既能减少实际取样所导致人力、物力消耗，也能排除土壤本身空间变异特征对土壤容重的影响。因此，以“01”样地为基础样地进行“再采样”，如图1所示，新增模式为“Y×X”的11种采样间距，分别为10 m×20 m、10 m×30 m，20 m×20 m、30 m×30 m，40 m×40 m、50 m×50 m，60 m×60 m、70 m×70 m，80 m×80 m、90 m×90 m，100 m×100 m。

图1 “再采样”土壤容重样点布设图Figure 1 "Resampling" layout of soil bulk density sampling points

1.4 数据处理

1.4.1 经典统计分析 主要利用SPSS 22.0与Excel 2019软件完成。其中，变异系数(coefficient of variation，VC)指标准差与平均值之比，是经典统计学用于确定变异程度的重要指标，若VC<10%，表明数据呈弱变异，10%≤VC<100%呈中等变异，VC≥100%表示为强变异[29]。

1.4.2 地统计学分析 地统计学与地理信息系统(geographic information system, GIS)技术相结合方面则利用ArcGIS 10.2软件地统计学模块，采用趋势面分析、半方差函数分析，确立最佳拟合模型，依据最佳模型采用Kriging插值分析，按掩膜提取建立土壤容重空间分布图，分析土壤容重空间变异特征。以此为基础，对土壤容重空间分布进行“再采样”，分析不同采样间距半方差函数参数及其变异程度。

地统计学分析工具主要采用变异函数[30]，依据空间变异分析原理，用块金效应表示空间相关性强弱。块金效应为块金值与基台值的比值，若块金效应小于25%，则说明空间强相关；块金效应为25%～75%，表示空间中等相关，大于75%表示空间相关程度较弱，若值无限接近1，则表明土壤性质在该研究尺度上属于恒定变异[31]。此外，通过采用标准化均方根误差(root mean square standardized error, RMSSE)与标准化平均误差(mean square error, MSE)筛选模型拟合精度，若RMSSE接近于1，MSE接近于0，则说明模型拟合精度较高[32]。

2 结果与分析

2.1 土壤容重的基本统计特征

杉木成熟林经典统计学的处理结果显示，0～20 cm土层的土壤容重均值为1.13 g·cm-3，变幅0.70～1.52 g·cm-3，标准差为0.19；20～40 cm土层土壤容重均值1.15 g·cm-3，变幅0.75～1.56 g·cm-3，标准差为0.19。以上结果表明，土壤容重随土层深度增加而增大。0～20、20～40 cm土层土壤容重变异系数分别为16.47%、17.00%，均在10%～100%间，属中等变异。

2.2 土壤容重的空间分布特征

在ArcGIS 10.2软件中采用地统计分析模块中的趋势面分析，对试验区域内进行趋势面分析，图2为0～20与20～40 cm土层土壤容重趋势面分布情况。其中，X轴表示方向为西向东，Y轴表示方向为南向北，Z轴为土壤容重。XYZ轴所组成的XY面上的点表示采样点在空间上的分布情况，XY面上的蓝色竖线表示每个样点处土壤容重数值，该数据值在YZ面与XZ面进行投影。从图2可以看出，不同土层土壤容重从西至东方向无趋势变化，由南至北方向则呈逐渐减小的趋势，土壤容重变化趋势0～20 cm弧度较20～40 cm大。

采用半方差函数对线性、球状、指数、高斯4种模型进行拟合分析，获取最佳函数模型及其相关参数(表1)。结果表明，0～20 cm比较符合指数模型，而20～40 cm则比较符合球状模型。表1中0～20、20～40 cm土壤容重块金效应分别为29.25%、56.37%，属空间中等相关。

(a)0～20 cm土层 Soil layer in 0-20 cm (b)20～40 cm土层Soil layer in 20-40 cm

土层Layer/cm模型Model块金值Nugget基台值Sill块金效应Nuggeteffect/%变程Range/m0～20指数Exponential0.29841.0229.251.7620～40球状Spherality0.66211.1756.373.90

2.3 土壤容重空间插值估算

利用Kriging插值法进行土壤容重空间插值分析，0～20 cm土层选择指数模型，20～40 cm土层选择球面模型，得到不同层次土壤容重空间分布等值线图(图3)，但由于Kriging插值法所得区域与实际样地区域有出入，进一步利用等值线图进行掩膜提取获取空间分布图(图4)。图3、图4说明，土壤容重在不同土层的空间分布上呈现出斑块状分布，高容重主要出现在中部偏西南区域，0～20 cm土层在偏东南区域有小部分高容重；低容重主要分布在西北偏中区域。此外，0～20 cm土层土壤容重相对变化较大，部分区域出现与周边较明显的差异值，而20～40 cm土层土壤容重变化较为稳定。

(a)0～20 cm土层 Soil layer in 0-20 cm (b)20～40 cm土层Soil layer in 20-40 cm

(a)0～20 cm土层 Soil layer in 0-20 cm (b)20～40 cm土层Soil layer in 20-40 cm

2.4 土壤容重空间异质性的尺度效应

在原有采样范围(100 m×100 m)内进行“再采样”，对不同采样间距的土壤容重数值进行描述性统计(表2)。从表2可以看出，在一定区域内，随间距的增大，采样数逐渐减少，当采样间距达到某一程度时，采样数随采样间距的增大而保持不变，当采样间距与采样范围一致时，采样数达到最小值。采样数≥9时，0～20 cm土层土壤容重均值主要表现为随采样间距的增大而减小(在10 m×30 m处略有减少)，20～40 cm土层均值表现为随采样间距的增大而增大；采样数均为4时，土壤容重在0～20 cm处均值同样随采样间距的增大而减小，而20～40 cm处则随采样间距增大而出现增大-减小-增大变化，采样间距100 m×100 m时采样数有且仅有1个，此时采样数过少，无法进行描述性统计。

土壤容重变异系数在采样数≥9时，表现为0～20 cm土层随采样间距的增大呈减小-增大交替出现的变化趋势，在20～40 cm土层随采样间距增大呈增大-减小交替出现的变化趋势；同一采样间距下，不同土层的土壤容重变异系数表现为0～20 cm<20～40 cm(除30 m×30 m采样间距外)；在采样数为4时，不同土层土壤容重变异系数均表现为随采样间距增大呈减小-增大-减小的变化趋势，采样间距相同，土壤容重在不同土层间变异系数变化较为复杂，时而0～20 cm>20～40 cm，时而0～20 cm<20～40 cm。此外，随采样间距的增大，不同土层土壤容重变异系数变化范围分别为10.46%～21.72%、7.00%～26.35%，土壤容重变异系数除60 m×60 m间距下20～40 cm土层为7.00%外，其余间距均属中等变异。

表2 土壤容重不同采样间距统计特征Table 2 Statistical characteristics of soil bulk density with different sampling spacing

表3为不同采样间距下，土壤容重半方差函数最佳拟合模型及参数。结果表明，相对于实际采样，各“再采样”间距下，土壤容重在不同层次间最佳模型表现为3种形式：单一指数模型；线性与高斯模组合；线性、球状、高斯、指数4种模型组合。块金值在采样间距40 m×40 m时为0.001 8，已趋近于0，大于50 m×50 m时出现块金值为0的情况。块金效应变化较复杂，采样间距20 m×20 m、10 m×10 m均为中等空间相关；采样间距10 m×20 m、10 m×30 m为弱空间相关；采样间距超过30 m×30 m(包括30 m×30 m)时，块金效应表现为：块金效应为100%时，块金值与基台值相等时；块金效应为0时，块金值为0，基台值不为0；当0<块金效应<100%时，块金值与基台值均不为0。

表3 土壤容重不同采样间距半方差函数模型及参数Table 3 Semivariance function model and parameters of different sampling spacing of soil bulk density

3 讨论

3.1 土壤容重空间变异特征

研究表明，杉木成熟林内土壤容重及其变异系数随土壤深度增加而增加，结合于冬雪等[33]对黄土区不同土层、不同土地利用方式的土壤容重研究结果，进一步验证土壤容重随土层深度的增加而增大。0～20、20～40 cm土层最佳模型分别为指数模型、球状模型，块金效应值表现为中等空间相关，与于冬雪等[33]对林地、农田、草地等不同土地利用研究一致。一般而言，土壤异质性主要由成土母质、地形、土壤类型等结构因素与施肥等人为活动导致的随机因素共同决定，杉木成熟林内土壤容重属中等空间相关，说明该林地土壤容重空间变异受结构因素与随机因素共同作用。地统计学趋势面分析中，土壤容重空间变异趋势表现出从南向北逐渐减小，从西向东无变化，与孙国军等[34]的研究结果相似；在空间分布上呈斑块状镶嵌分布，与姚荣江等[35]对黄河三角洲地区土壤容重研究结果相似，而本试验区位于云贵高原，与黄土区气候、地形、海拔、植被类型等有所差异，所得结果相似，说明土壤容重在不同区域间既有整体相似性，又有局部差异性。

3.2 土壤容重采样尺度效应

土壤容重作为土壤属性较为重要的因子之一，其研究难点在于传统环刀法会导致大量人力、物力的消耗，而采样尺度及样点空间分布是决定样点数据的两个关键因素，且能直接影响下一步采样设计结果。通过“再采样”分析表明，采样数随着采样间距的增大呈“减小-稳定-极限”变化趋势，这是由于在一定区域内，早期随采样间距的增大，各个采样点所控制的区域面积随之增大，进而导致采样点数目减少；采样间距大于100 m×100 m时，无论采样点所控制面积如何变化，试验区域均能提供且仅能提供该采样数目，即本研究采样间距50 m×50 m至90 m×90 m；当采样点所控制的可采样面积等同于试验区时，有且仅有1个采样点，该情况对于土壤容重采样最省时、省力，但却无法用于任何统计计算与插值估算，因此在空间变异方面研究最少需要4个点。采样数≥9时，0～20 cm土层土壤容重均值表现为随采样间距的增大而减小(在10 m×30 m处略有减少)，20～40 cm土层土壤容重均值表现为随采样间距的增大而增大；采样数均为4时，土壤容重在0～20 cm土层随采样间距的增大而减小，20～40 cm土层土壤容重随采样间距的增大而出现增—减—增的复杂变化，这是由于土壤容重在空间上分布不同，导致土壤容重数值差异，同时采样数不同，进一步造成0～20 cm土层土壤容重随采样间距的增大而减小，20～40 cm土层土壤容重随采样间距的增大而增大；同一采样间距下，采样间距大于50 m×50 m时采样数为4，采样数过少，不具备统计学意义。

随采样间距增大，采样数减少，变异系数均为中等变异系数，主体上表现为0～20 cm<20～40 cm；采样数相同时，变异系数属于中等变异，但变化趋势较为复杂，这是由于在一定采样范围内，采样间距的增加虽不能使变异系数发生较大偏差，却能获得土壤容重更为真实的变异系数。南方农田土壤容重变异系数随采样间距的增大呈先减后增趋势[36]，而本研究变异系数与之不同，两者虽同为南方土壤，结果却有所差异，这是由于农田土壤与森林土壤结构性因素与随机性因素的不同，导致两者存在差异性，而采样深度、采样尺度不同也会造成土壤容重差异性，因此，对于不同采样尺度下土壤容重空间变异特征的研究是很有必要的。

采样点数量与采样点设置需要进一步研究[37]，一般而言，地统计插值最少需30个样地[38]，但这并不是绝对的，而是由土壤本身及样点空间分布共同作用，采样尺度仅仅是通过样点影响布局而改变空间分析结果，估测精度虽随采样尺度减小而增加，却将提高土壤采样成本[39]，如何确定最佳采样尺度与样点数之间的关系，是估测精度所需进行的必要研究。此外，每一尺度都有其约束体系和临界值，本研究通过“再采样”模拟，以小尺度(地块)为空间变异研究区域[40]，借助杉木成熟林不同土层土壤容重研究最佳采样间距及采样数。研究表明，采样间距的增大，导致土壤容重半方差函数最佳模型变化复杂，采样间距增至一定程度时，块金值、偏基台值会出现0，导致空间插值精度过低，该种情况下的采样间距与采样数并不适合用于空间变异研究。因此，综合考虑下，小尺度(100 m×100 m)采样间距在20 m×20 m时最佳。

本研究选择尺度为100 m×100 m，主要是由于尺度过大，会导致林业用地间坡度差异，进而导致温度、水分等不同，影响土壤容重空间变异特征，在100 m范围内，海拔变化较小，导致温度上下之间差距不大，尽量减少由于环境因子所导致的综合性变化，同时，为避免土壤容重在时间上的变异，本研究所有样品均于同一日进行采样，然而，土壤内部砾石含量、根系等不同也会影响土壤容重数值。因此，在今后研究中，可进一步结合土壤内部石砾含量、根系等因子综合分析，估算更为准确的土壤容重，将有助于土壤容重空间变异更深入的研究。

4 结论

杉木成熟林内土壤容重随土壤加深而增大，变异系数呈中等变异。小尺度下(100 m×100 m)，0～20、20～40 cm土壤容重最佳拟合效果分别为指数模型、球状模型，块金效应均在25%～75%间，属中等空间自相关性，土壤容重空间上呈斑块镶嵌状。随采样间距增大，采样数呈“减小-稳定-极限”的变化趋势，变异系数受采样间距增大的影响较小。采样间距过大(大于50 m×50 m)，样点仅为1～4个，不具备统计学意义，该情况导致块金值为0，块金效应变化也较复杂，因此，小尺度(100 m×100 m)采样间距在20 m×20 m时最佳，此时仅需采集25份土样，便能满足空间估算精度的最低要求，节省大量人力、物力的消耗。