基于最小数据集的生草覆盖对吉县苹果园土壤肥力质量的影响评价

2020-04-03杨丽扬张永清王思琦

生态与农村环境学报 2020年3期

杨丽扬,张永清①,田静,王思琦

(1.山西师范大学地理科学学院,山西临汾 041000；2.中国农业大学资源与环境学院/ 国家农业绿色发展研究院/ 教育部植物-土壤重点实验室，北京 100193)

位于黄土高原南部丘陵区的山西吉县，因光照充足，昼夜温差较大而成为我国北方地区优质苹果产地之一。吉县苹果不仅畅销于全国各地，且出口国外[1]。目前，全县苹果种植面积已发展到187 km2，年产量为18万t。苹果产业在土地面积、专业村、产值、果农收入和从业人数占比上都达到80%，苹果产业已成为吉县第1大主导产业[2]。苹果的种植与管理已受到地方政府及果农的广泛重视。但是，笔者调查发现当地果农在果园管理方面还存在着一些问题，如果树专用肥施用不普及，生草覆盖等新技术的应用认可程度不高等，致使果园土壤肥力下降。因此，分析果园土壤肥力质量现状，探明不同管理措施对果园土壤的影响，对指导施肥、科学管理果园具有重要实践意义[3]。

目前关于土壤肥力质量的研究[4-5]已有很多，但有关苹果园土壤质量方面的研究相对较少[6],关于吉县果园土壤肥力质量的评价尚鲜见报道。为此，通过建立3种数据集对吉县苹果园土壤肥力质量展开研究。通过主成分分析方法得到的全体数据集(TDS)与最小数据集(MDS)之间具有较好的相关性，而主成分分析与灰色关联度(GAR)分析的评价结果之间是否具有较好的相关性尚需进一步分析。选择适合评价土壤肥力质量的指标建立最小数据集，通过对全体数据集、最小数据集和灰色关联度的评价结果进行比较，旨在探究最小数据集方法的适用性，并明确不同生草覆盖模式对研究区苹果园土壤肥力质量的影响，进而为提升土壤质量和缓解限产因素提供参考。

1 材料与方法

1.1 研究区概况

吉县位于山西省西南部，隶属于山西省临汾市。介于北纬36°10′～36°19′、东经110°30′～110°43′之间，总面积为1 777 km2。吉县三面环山，一面临水，地势东高西低。研究区属于温带大陆性季风气候区，年平均气温为10.2 ℃，年降水量为522.8 mm，季节分明，春季干旱多风，夏季降雨集中，秋季多连阴雨，冬季寒冷干燥。吉县光照充足，日照时数为2 538 h，大于10 ℃的有效积温为3 361.5 ℃，年平均无霜期为172 d，非常适宜种植苹果。

1.2 样品采集

依据吉县苹果种植方式，选取果农主要采用的清耕(QG)、人工草(RC)和自然生草(ZC)3种生草覆盖模式样地(试验期为3 a)采集土壤样品。3种果园均为10年生红富士果园，果树行距为5 m× 5 m，透光性好，山地，土壤类型为褐土，主要施用有机肥、复合肥、磷肥和钾肥，除种植方式外，土壤类型、浇水方式等种植条件均一致。其中，清耕模式为在杂草生长期进行人工耕除，人工草模式为在果树行间种植三叶草，自然生草模式为在行间自然生长狗尾草等浅根、矮杆杂草，当草长到高约30 cm时，进行刈割覆于地面,割后草高约8 cm。

采样时间为2018年5月，行间草正处于生长状态。每种覆草模式选择2块样地，每块样地面积为2 666 m2，每块样地选取10个样点，样点距离为10 m× 20 m，共计60个样点。每块样地根据S型布点采样，采集0～20 cm表层土样1.5 kg封装在自封口塑料袋中带回实验室。其中1 kg土样在自然状态下风干，用于测定土壤理化性质，0.5 kg土样保存在4 ℃条件下，用于测定土壤酶活性。

1.3 样品分析

土壤容重(BD)和含水率(WC)分别采用环刀法和烘干法进行测定[7]；土壤总孔隙度(STP)和土壤有机质(SOM)含量分别采用环刀法和重铬酸钾外加热法进行测定[8]；全氮(TN)含量采用半微量凯氏定氮法进行测定[9]；全磷(TP)含量由硫酸和高氯酸消化后采用钼锑抗比色法进行测定[10]；速效磷(AP)含量由碳酸氢钠浸提采用钼锑抗比色法进行测定，全钾(TK)含量由浓硫酸和高氯酸消化后采用原子吸收分光光度计法进行测定，速效钾(AK)含量由乙酸铵浸提后采用火焰分光光度计法进行测定，土壤pH值采用电位法进行测定[11]。过氧化氢酶(CA)活性测定采用高锰酸钾滴定法[12]，每克土壤消耗高锰酸钾体积(mL)表示；多酚氧化酶(PO)活性测定采用邻苯三酚比色法，以每克土壤中红紫棓精质量(mg)表示；脲酶(UR)活性测定采用苯酚钠比色法，以每克土壤中铵态氮质量(mg)表示；蔗糖酶(SU)活性测定采用3,5-二硝基水杨酸比色法，以每克土壤中葡萄糖质量(mg)表示。

1.4 典型对应分析(CCA)

典型对应分析法将对应分析与多元回归相结合，是一种非线性多重直接梯度分析[13]，是分析土壤因子内部关系的重要工具。CCA法要求2个数据矩阵，1个为酶活性数据矩阵(过氧化氢酶、多酚氧化酶、脲酶和蔗糖酶)，另1个为土壤环境数据矩阵(土壤容重、含水量、总孔隙度、pH以及土壤有机质、全氮、全钾、速效钾、全磷和速效磷含量)。通过对酶活性数据进行排序分析，将排序值与环境数据进行回归分析，分析结果既能反映酶活性的组成情况，又能反映其与环境之间的关系。

1.5 土壤肥力质量评价方法

1.5.1最小数据集的建立

根据主成分分析，选择特征值>1的主成分，选取因子载荷绝对值达到该主成分中最大因子载荷90%的指标为主要因子，当某主成分主要因子数为1时，则该因子进入最小数据集。当某主成分主要因子数>1时，对其分别做相关性分析，若因子间相关性较小(r<0.5)，则各因子均被选入最小数据集；若相关性较高(r≥0.5)，与其他因子相关系数之和最大的因子被选入最小数据集[14-15]。对理化性质和酶活性进行主成分分析，得到5个主成分。通过对每个主成分最大因子载荷90%的指标进行相关分析，建立最小数据集。

1.5.2土壤评价指标

采用主成分分析法确定评价因子的权重Wi，同时对各因子做无量纲化处理，计算各因子质量得分。土壤各因子质量得分计算公式[16]为

Qi=(Xi-Xi,min)/(Xi,max-Xi,min)。

(1)

式(1)中，Qi为因子质量得分；Xi为第i项土壤因子值；Xi,min为第i项土壤因子最小值；Xi,max为第i项土壤因子最大值。

根据各指标权重(Wi)和质量得分计算土壤肥力质量指数(SQI)[17]，其计算公式为

ISQ=∑WiQi。

(2)

式(2)中，ISQ为土壤肥力质量指数，取值为0～1之间，其值越大，说明土壤肥力质量越好。

1.5.3灰色关联度

将3种生草覆盖模式下土壤的14项指标作为1个灰色系统，以各指标最优值构成理想的参考数列，将各指标测定值通过无量纲化转化为评价值，计算各指标关联系数ri和权重wi，最后计算加权关联度IR[18]。关联度越大，说明越接近最优参考列，即土壤肥力越好，反之说明土壤肥力越差。

IR=∑wiri。

(3)

2 结果与分析

2.1 土壤物理性状分析

由图1可知，生草覆盖模式对土壤物理性质影响与指标有关。

QG、RC和ZC分别为清耕、人工草和自然生草覆盖模式。同一分图中，图柱上方英文小写字母不同表示不同生草覆盖模式间某指标差异显著(P<0.05)。

不同生草覆盖模式下果园土壤容重和总孔隙度差异不显著，而土壤含水量差异显著，自然生草模式土壤含水量显著高于人工草和清耕模式，而人工草与清耕模式土壤含水量之间差异不显著。这表明人工干扰，不论是清耕还是人工草模式都有可能加剧土壤水分损失。

2.2 土壤化学性状分析

由表1可知，人工草模式显著提高土壤有机质含量和全量养分，同时降低土壤pH，使其更接近最适宜苹果树生长的土壤pH值(5.7～6.7)，有利于苹果生长。人工草模式土壤w(SOM)和w(TN)比自然生草和清耕模式显著提高。不同模式w(TK)由大到小依次为人工草、清耕和自然生草模式，且不同模式间差异显著，这说明与自然生草模式相比，清耕模式显著降低土壤w(TK)，而人工草模式能显著提高土壤w(TK)。3种覆草模式下土壤w(AK)差异不显著。人工草模式土壤w(TP)比清耕和自然生草模式显著提高，而清耕和自然生草模式间w(TP)差异不显著。人工草和清耕模式w(AP)显著高于自然生草模式。

表1 3种生草覆盖模式土壤化学性质比较

Table 1 Comparison of soil chemical properties of three grass cover patterns

覆草模式w(SOM)/%w(TN)/(g·kg-1)w(TK)/(g·kg-1)w(AK)/(mg·kg-1)w(TP)/(g·kg-1)w(AP)/(mg·kg-1)pH清耕(QG)1.50±0.45b1.14±0.33b4.93±0.66b203.90±12.14a1.58±0.38b34.89±9.27b8.21±0.15b人工草(RC)1.96±0.25a1.57±0.25a5.68±0.60a218.84±48.04a2.02±0.54a44.25±19.39a7.94±0.20c自然生草(ZC)1.66±0.22b1.18±0.16b4.31±0.49c202.29±11.36a1.42±0.26b21.70±12.05c8.53±0.18a平均值1.70±0.381.30±0.324.97±0.81208.34±30.281.67±0.4833.61±16.968.23±0.30

SOM为有机质，TN为全氮，TK为全钾，AK为速效钾，TP为全磷，AP为速效磷。同一列数据后英文小写字母不同表示不同生草覆盖模式间某指标差异显著(P<0.05)。

2.3 土壤酶活性分析

由表2可知，自然生草模式过氧化氢酶活性显著高于清耕和人工草模式。而清耕和人工草模式多酚氧化酶活性显著高于自然生草模式。人工草模式脲酶活性显著高于自然生草模式。清耕和自然生草模式蔗糖酶活性显著高于人工草模式。

表2 不同生草覆盖模式对土壤酶活性的影响

Table 2 Effects of different grass cover patterns on soil enzyme activities

覆草模式过氧化氢酶/(mL·g -1)多酚氧化酶/(mg·g-1)脲酶/(mg·g-1)蔗糖酶/(mg·g-1)QG6.59±0.73b1.78±0.16a0.15±0.12ab61.65±18.16aRC6.81±1.84b1.78±0.13a0.18±0.10a55.91±11.41aZC8.51±0.70a1.56±0.12b0.11±0.05b29.26±9.49b平均值7.30±1.491.71±0.170.15±0.1048.94±19.56

QG、RC和ZC分别为清耕、人工草和自然生草覆盖模式。同一列数据后英文小写字母不同表示不同生草覆盖模式间某指标差异显著(P<0.05)。

由图2可知，过氧化氢酶活性主要受土壤容重、总孔隙度、pH和w(AK)的影响；脲酶活性主要受土壤w(SOM)的影响；多酚氧化酶活性主要受w(TK)的影响；w(TN)和w(TP)主要影响土壤中多酚氧化酶和脲酶活性；蔗糖酶活性主要受w(AP)的影响。

2.4 土壤肥力质量评价

2.4.1土壤肥力质量评价

对土壤各指标分析发现不同指标在不同模式间的变化规律不一致，无法通过单一指标来描述某模式是否有利于改良土壤。通过主成分分析(表3)，发现主成分1～4各有1个高载荷因子，主成分5有2个高载荷因子。有机质和速效磷之间的相关系数<0.4，所以主成分5保留2个因子。最终选择土壤容重、含水量、有机质、速效钾、全磷和脲酶建立最小数据集。

BD为容重，WC为含水量，STP为总孔隙度，SOM为有机质，TN为全氮，TK为全钾，AK为速效钾，TP为全磷，AP为速效磷，CA为过氧化氢酶，PO为多酚氧化酶，UR为脲酶，SU为蔗糖酶。箭头代表酶活性指标，白三角代表化学指标，黑三角代表物理指标。箭头长度表示土壤因子间的相关程度，箭头与三角形的线性距离表示酶活性指标对指标的影响，两个箭头间的角度表示酶活性指标间的相关性。

由图3可知，采用全体数据集(TDS)和最小数据集(MDS)方法得到的3种覆草模式土壤肥力质量趋势相同。人工草模式土壤肥力质量显著高于清耕和自然生草模式，这说明人工种草能够显著提高土壤肥力质量。这可能是由于人工种草可以选择有利于苹果园地土壤的草本植物，能够提高土壤中某些养分的含量，如人工草模式土壤有机质含量显著高于清耕模式(表1)。同时，自然生草可能会导致杂草过多，消耗土壤养分，所以人工草地模式土壤肥力质量显著高于自然生草。最小数据集中，3种覆草模式下全磷和有机质指标在土壤肥力质量评价中占比较大，土壤容重、含水量和脲酶活性指标的占比次之，速效钾指标占比最小。

由表4可知，采用灰色关联度(GRA)方法的土壤肥力质量评价结果中全氮、全钾和全磷的权重较高，土壤含水量和速效钾的权重较低。清耕、人工草和自然生草模式土壤肥力质量评价结果分别为0.58、0.68和0.60，且人工草模式土壤肥力质量显著高于其他2种模式，而清耕与自然生草模式土壤肥力质量差异不显著。这与主成分分析方法得到的土壤肥力质量评价趋势相同，均表明人工草模式土壤肥力质量最高，清耕模式土壤肥力质量最低。

表3 土壤理化性质与酶活性的主成分载荷矩阵

Table 3 Principal component load matrix of soil physicochemical properties and enzyme activity

指标主成分12345容重(BD)0.330.86-0.25 0.21-0.14含水量(WC)-0.07-0.070.800.20-0.19总孔隙度(STP)-0.33-0.860.25-0.200.14有机质(SOM)0.580.150.430.020.48全氮(TN)0.800.160.42-0.150.24全钾(TK)0.760.01-0.03-0.21-0.33速效钾(AK)0.370.110.19-0.010.49全磷(TP)0.740.100.22-0.33-0.18速效磷(AP)0.62-0.24-0.16-0.42-0.12pH-0.680.310.220.190.04过氧化氢酶(CA)-0.500.290.11-0.050.36多酚氧化酶(PO)0.57-0.32-0.210.650.13脲酶(UR)0.44-0.240.350.66-0.29蔗糖酶(SU)0.46-0.27-0.650.210.34

AK为速效钾，SOM为有机质，UR为脲酶，WC为含水量，BD为容重，TP为全磷。QG、RC和ZC分别为清耕、人工草和自然生草模式。同一分图中，直方柱上方英文小写字母不同表示不同生草覆盖模式间土壤肥力质量差异显著(P<0.05)。

表4 3种覆草模式下灰色关联度的相关系数和权重

Table 4 Correlation coefficient and weight of GRA of three grass cover patterns

成分关联系数清耕人工草自然生草权重容重(BD)0.750.780.740.04含水量(WC) 0.540.550.610.03总孔隙度(STP) 0.690.670.710.04有机质(SOM) 0.590.760.620.07全氮(TN)0.540.710.540.12全钾(TK)0.670.810.590.11速效钾(AK)0.480.520.480.03全磷(TP) 0.510.640.480.10速效磷(AP) 0.420.480.370.07pH0.840.890.790.09过氧化氢酶(CA)0.610.670.840.05多酚氧化酶(PO)0.730.720.620.08脲酶(UR)0.410.410.370.05蔗糖酶(SU)0.610.540.400.06

由表5可知，对3种评价方法得到的土壤肥力质量进行相关分析，结果表明采用最小数据集方法得到的土壤肥力质量评价结果与采用主成分分析的全体数据集和GRA方法得到的结果显著相关(P<0.01)，这说明开展土壤肥力质量评价时，最小数据集方法可以替代全体数据集和GRA分析方法。

2.4.2确定苹果限产因素

土壤肥力质量评价结果最终要为作物产量服务。结合当地果园实际苹果产量，对各土壤指标与3种生草覆盖模式下苹果产量进行相关分析。表6表明，在土壤物理指标中，含水量与苹果产量相关显著；而在化学指标中，土壤有机质和全氮与苹果产量相关性达显著水平。4种酶活性与苹果产量均呈显著相关，其中蔗糖酶相关系数最大。因此选择物理和化学指标以及酶活性中相关系数最大的土壤含水量、有机质和蔗糖酶活性作为研究区苹果限产因素。

表5 最小数据集、全体数据集与灰色关联度的相关性

Table 5 Correlation comparison of minimum data set, total data sets and GRA

评价方法全体数据集最小数据集最小数据集0.58∗∗灰色关联度0.47∗∗0.63∗∗

*表示P<0.05，**表示P<0.01。

表6 各因素与苹果产量的相关性

Table 6 Correlation between various affecting factors and apple yield

指标相关系数指标相关系数容重(BD)0.03全磷(TP)0.13含水量(WC)0.37∗∗速效磷(AP)-0.05总孔隙度(STP)-0.03pH0.04有机质(SOM)0.38∗∗过氧化氢酶(CA)0.33∗∗全氮(TN)0.34∗∗多酚氧化酶(PO)-0.29∗全钾(TK)0.03脲酶(UR)-0.33∗∗速效钾(AK)0.10蔗糖酶(SU)-0.45∗∗

*表示P<0.05，**表示P<0.01。

3 讨论

土壤最小数据集指标的选择是土壤肥力质量评价的重要环节[19]。邓绍欢等[14]采用最小数据集方法研究南方地区冷浸田土壤肥力质量，发现最小数据集评价结果与全体数据集呈正相关，并能够较好代替全体数据集。金慧芳等[20]采用最小数据集方法研究红壤坡耕地耕层土壤肥力质量，也发现最小数据集方法能够代替全体数据集。在最小数据集和全体数据集的基础上，笔者研究中加入灰色关联度的比较，结果表明3种分析方法的评价结果具有显著正相关性，这说明最小数据集方法能够较好代替全体数据集和灰色关联度方法，这与前人研究结果一致。

土壤容重是反映土壤通透性的重要指标，土壤容重为1.2～1.5 g·cm-3，表明处于为良好状态[6]。ROSA等[21]表明种植生草能使土壤孔隙率降低，土壤容重增加。笔者研究中3种覆草方式土壤容重分别为1.36、1.43和1.38 g·cm-3，均处于良好状态，且覆草模式土壤容重高于清耕模式，这与前人研究结果一致。但3种覆草模式土壤容重间没有显著差异，这可能与清耕和覆草年限有关。土壤含水量也是土壤肥力质量的重要指标，刘建新[22]发现果园覆草可以减缓土壤水分蒸发，增加土壤有效含水量。孙霞等[23]也发现人工草可显著提高苹果园土壤含水量。笔者研究中，与清耕模式相比，人工草和自然生草模式均可以增加果园地表覆盖度，加强表层土壤对降水的拦截，减少水分流失，降低果园土壤水分蒸散作用[24]，进而提高苹果园土壤含水量，这与前人研究结果一致。杨丽娜等[25]发现最适宜果树生长的土壤pH值为5.7～6.7。笔者研究中土壤pH值为8.23，土壤整体呈碱性，这可能是由于研究区内土壤母质为黄土母质，其富含碳酸盐，且该区为半干旱地区，年降水量少，母质中碳酸盐得不到充分淋溶所致。

土壤有机质是土壤的基本组成部分，在维持土壤生产力方面发挥着重要作用[26]。霍颖等[27]研究了行间种草对土壤有机质的影响，表明果园覆草可以增加土壤有机质含量。笔者研究中人工草模式土壤有机质含量显著高于清耕和自然生草模式，也表明覆草增加了土壤有机质含量，且人工草模式优于自然生草模式。这是由于果园覆草可以使大量有机质进入土壤，进一步在土壤微生物腐殖化作用下增加土壤有机质含量[26]。而自然生草与清耕模式土壤有机质含量差异不显著，这可能是由于自然生草模式下土壤生物量低，投入土壤的有机质较少。

土壤酶在土壤物质分解与转化中起着重要作用。已有研究[28]表明森林生态系统中酶活性在物质转化和能量流动中起关键作用，它与土壤理化性质有关。笔者研究中通过CCA分析说明酶活性和土壤理化性质间有密切关系，如，脲酶与有机质含量，蔗糖酶与AP含量。同时，脲酶作为重要因子被保留在土壤肥力质量评价最小数据集中，4种酶活性与苹果产量显著相关，进一步证明土壤酶的重要性。笔者研究中人工草模式脲酶活性显著高于自然生草模式，这可能是由于人工草模式有机质和全氮含量最高，而脲酶活性与有机质含量相关性高[29]，并且脲酶参与转化尿素中的氮[24]。笔者研究中清耕和人工草模式蔗糖酶活性高于自然生草模式，这可能是由于蔗糖酶与土壤碳氮转化相关[30]。酶分泌原理表明，酶活性主要由营养供应(即生物量效应)或营养需求驱动(即资源分配)[31]。清耕模式土壤有机质和氮含量低于自然生草模式，碳、氮含量不足，营养需求驱动酶的生产，提高了蔗糖酶活性。人工草模式土壤有机质和氮含量高于自然生草模式，养分充足，营养供应驱动酶生产，也提高了蔗糖酶活性。此外，笔者研究中CCA分析结果(图2)表明速效磷也会影响蔗糖酶活性。清耕模式速效磷含量高于自然生草模式，这可能导致清耕模式蔗糖酶活性高于自然生草模式[29-30]。

已有关于不同生草覆盖模式对苹果园土壤肥力影响的研究结果[32]表明，与人工生草三叶草相比，自然生草植被覆盖度高，在雨季可促进土壤水分下渗，提高土层贮水量，渭北旱塬应积极推广果园自然生草。笔者研究结果表明，种植人工草可以显著提高果园土壤有机质和全量养分含量以及酶活性。因此，人工草模式土壤肥力质量最高，而清耕模式会影响土壤中养分，导致土壤肥力质量偏低。刘建新[22]的研究结果表明覆草后,苹果单果重增加,与清耕相比，显著提高了苹果产量。笔者研究中，人工草和自然生草模式苹果产量高于清耕模式，与前人研究结果一致。同时3种生草覆盖模式土壤肥力质量差异与苹果产量差异一致。综上，笔者研究结果表明，种植人工草综合效果最好，应在吉县地区进行推广。同时，研究区土壤有机质含量偏低，土壤氮素与土壤有机质显著相关[33]，应提高土壤氮肥的施用，并根据果树生长需要施用有机复合肥。