秦岭山区典型人工林地土壤质量评价研究

杨维鸽,赵 培,叶媛媛,张红侠,梁世全

(1.商洛学院城乡规划与建筑工程学院,陕西 商洛 726000; 2.商洛学院化学工程与现代材料学院,陕西 商洛 726000)

土壤质量是土壤在生态系统范围内维系生物生产能力、保护环境质量和促进动植物健康的能力,是土壤物理、化学及生物性质的综合反映[1,2]。森林土壤给森林植被提供必需的水、肥、气、热等生存条件,是森林生态系统中各种营养元素转化的中转站,关乎森林的健康发展[2]。评价森林土壤质量状况,可为林木的健康生长、森林的良性经营和森林土壤资源可持续利用等方面提供重要科学依据。

国内外有关土壤质量的研究主要集中在评价土壤质量水平方面[3]。目前,土壤质量的评价首先多采用最小数据集法(minimum data set,MDS)和全量数据集(total data set,TDS)确定评价的指标体系,然后采用土壤质量指数模型进行计算[3～11]。如Govaerts等基于MDS评估了墨西哥高原地区小麦和玉米农田土壤质量[12]。Rahmanipour等基于MDS评估了伊朗加兹温省的土壤质量[13]。李桂林等对MDS进行了优化,提出将各要素在各主成分上的综合载荷作为土壤指标的选取标准[14]。张连金等对北京九龙山不同林分的土壤质量进行了综合评价[15]。王改玲等选取了8项土壤理化性质计算了6种不同人工植被的土壤质量指数,发现柠条和苜蓿能很好地改善土壤质量[16]。周俊英等对黄土高原地区土壤用14项指标进行了综合质量评价[17]。熊新武等探索了核桃林土壤肥力的主要影响因子[18]。郭雄飞等研究了不同造林方法对森林土壤质量的影响[19]。

秦岭是我国重要的山地森林生态系统,其人工林地土壤质量的水平在其林业改善和生态环境建设中发挥着举足轻重的作用。以往学者对秦岭山区人工林地土壤质量的研究多集中于人工林土壤某几项性质的研究,基于最小数据集和全量数据集法对秦岭山区人工林土壤质量进行综合评价尚少。鉴于此,本文测定了秦岭山区典型人工林地耕层土壤物理化学指标13项,采用最小数据集法和全量数据集法两种方法评价秦岭山区不同人工林地的土壤质量水平,并分析其特征。旨在为秦岭山区人工林土壤质量评价方法以及人工林的经营和管理提供相关依据。

1 材料与方法

1.1 研究区概况

地处秦岭山区的金凤山位于陕西省商洛市北部,109°56′～109°57′E,33°52′～33°53′N,海拔约为930 m,东临东龙山,西接二龙山,北靠戴云山,正对“南大门”,与龟山遥相呼应。因地形像凤凰展翅,被人们称为“金凤山”。气候属于南暖温带向北亚热带过渡的大陆性山地季风气候,年均温为11～14 ℃,最高37～40.8 ℃,最低-11.8～-21.6 ℃,年均降水量710～930 mm,日照超过1 860～2 030 h,无霜期为210 d,呈现出四季分明,冬干夏湿,干湿分明的气候特征。土壤以黄棕壤、棕壤为主,呈酸性反应。土地利用方式以林业用地为主,是典型的人工林分布区,森林植被以喜湿性针阔叶树为主,混生有少量的常绿阔叶树种[20]。

1.2 土壤样品采集和测定方法

1.2.1 土壤样品采集

2018年3月下旬在金凤山东南坡由坡下到坡顶依次采集林龄均为16年的核桃(Juglasregia)、刺槐(RobiniapseudoacaciaL.)、构树(Broussonetiapapyrifera)、白皮松(Pinusbungeana)和橡树(QuercuspalustrisMünchh)林 地土壤样品。采样时,每个样点用容积为100 cm3的不锈钢环刀采集原状土壤样,测定土壤容重和总孔隙度;用铝盒采集原状土壤样,测定土壤团聚体;用铁锹采集深度为0～20 cm的混合土壤样,用于测定土壤化学指标。共采集26个土壤样品。土壤样品带回实验室后先自然风干,风干过程中除去石块、树根和枯枝落物等。然后,将土样一部分研磨后过1 mm筛,用于测定土壤pH值;另一部分土样研磨后过0.25 mm筛,用于测定土壤其他化学指标。

1.2.2 土壤样品测定方法

土壤物理指标的测定方法:采用环刀法测定土壤容重、总孔隙度;用105 ℃烘干法测定土壤含水量;采用湿筛法测定土壤团聚体。使用土壤团聚体平均重量直径(mean weight diameter,MWD)及几何平均直径(geometric mean diameter,GMD)表征土壤团聚体的稳定性。计算公式为:

式(1)和(2)中,为i粒级团聚体的平均直径;ωi为i粒级团聚体的质量百分比。

土壤化学指标的测定方法:用酸度计测定土壤pH值;重铬酸钾法测定土壤有机质;水杨酸钠法测定土壤铵态氮和总凯氏氮;硫酸肼法测定土壤硝态氮;磷钼蓝法测定土壤速效磷和全磷;土壤样品前处理后使用德国全自动间断化学分析仪(Clever Chem Anna)上机测定,每个样品的每个指标均进行3次平行测定。

1.3 土壤质量评价方法

选取常用的全量数据集(total data set,TDS)和最小数据集(minimum data set,MDS)两种方法评价土壤质量水平。全量数据集法是将所有测定的土壤指标作为同等重要程度来评价土壤质量,优点是将所测指标都进行分析,包含了土壤的全部信息,结果具有准确性和科学性,缺点是计算量很大,过程繁杂。运用全量数据集法进行分析的步骤如下:(1)对全部的指标进行因子分析,得出公因子方差矩阵,算出权重值;(2)对全部指标进行隶属度计算;(3)再根据隶属度和权重值得出所有土壤指标的土壤质量综合指数(Soil Quality Index,SQI)。最小数据集法是利用主成分分析法(Principal Component Analysis,PAC)将所有的土壤指标缩小为只含有几个极具敏感性指标的一个指标体系,最小数据集中的指标能够包含大部分所测土壤的质量信息。运用最小数据集法分析的步骤:(1)对全部指标进行相关性分析及KMO值检验;(2)最小数据集指标体系的确定;(3)土壤综合质量的计算。

1.3.1 KMO检验

KMO(Kaiser Meyer Olkin measure)检验统计量是用于比较相关量与偏相关量的一个相对指数,KMO值越接近于1,表明变量之间相关性越强,越适合做因子分析,反之,则越不适合做因子分析。KMO值的度量标准:大于0.9为非常适合;0.8到0.9之间为适合;0.7到0.8之间为一般;0.6到0.7之间为不太适合;低于0.5则表示极不适合[21]。巴特利特球形度检验(Bartlett’s test of sphericity)用于检验各变量之间的相关性程度,用来判断变量之间是否可进行因子分析。若检验的结果拒绝原假设(P＜0.05),则表明适合做因子分析,反之,则应慎重考虑做因子分析[18]。

1.3.2 最小数据集指标筛选方法

首先,对所有评价指标进行主成分分析,确定分组。将特征值＞1的主成分中因子载荷值绝对值＞0.5的土壤指标列为一组。如果某一种评价指标的因子载荷在不同的主成分中均＞0.5,则将此指标归并到与其它指标相关性较低的组中[21]。然后,分析每组中指标间的相关性,若某指标与该组中其它指标的相关系数均＜0.3,说明此组中的其它指标都不能代替该指标含有的土壤质量因子,则需要将该指标从此组中分离出来单独列为一组[21]。据此方法依次进行分组。但此法仅考虑了某个指标在一个主成分上的载荷,存在该指标在其他特征值≥1的主成分上丢失信息的可能。因此,引入Norm值(矢量常模)解决数据冗长和信息缺失的问题[16]。Norm值的几何意义是某一变量在由主成分组成的多维空间中矢量常模的长度,其长度越长,表明其对所有主成分的综合载荷越大,则该变量解释土壤质量综合信息的能力越强[21,22]。根据Norm值大小,选取每组最高Norm值的10%范围内的指标,将其定义为高权重指标。最后,对高权重指标采用多元相关系数法进行相关分析,若指标间的相关系数＞0.5,表明该类指标反映的土壤质量信息有重叠,则只选择Norm值最大的指标进入MDS,若指标之间相关系数＜0.3,则这些指标都选入MDS[15]。Norm值的计算公式如下:

式(3)中,Nik为第i个指标在特征值大于1的前k个主成分的Norm值;Uik为第i个指标在第k个主成分上的因子载荷值;λk为第k个主成分的特征值。

1.3.3 土壤质量综合指数（SQI）计算方法

选取的土壤指标为土壤容重、总孔隙度、含水量、饱和含水量、MWD、GMD、土壤pH值、有机质、铵态氮、总氮、硝态氮、速效磷、全磷。由于土壤各指标的变化具有连续性和不确定性,因此,为了避免变量量纲对计算结果的影响,保证结果的科学性和客观性,对土壤各指标使用隶属度函数进行标准化处理。隶属度函数分为升型和降型函数两种,计算公式为:

式(4)和(5)中,x为土壤的某一指标值,a和b分别为各个土壤指标的最小值和最大值。在所选取的13项土壤理化指标中,除土壤容重采取降型分布函数计算隶属度以外,其他指标均采用升型分布函数计算其隶属度。

由于所选取的指标在土壤重量中具有不同的重要程度,需要确定各指标权重。数据处理中一般使用权重系数来反映指标的重要程度。使用主成分分析得到各土壤指标的载荷量和方差贡献率,确定各指标的权重系数。计算公式如下:

式(6)中,Wi为第i个评价指标的权重;D(xi)为各评价指标的公因子方差。

确定了土壤各评价指标因子的权重系数和隶属度后,运用加权方法计算各样点土壤质量指数。其计算公式为:

式(7)中,SQI为土壤质量综合指数;n为指标个数;Wi和f(x)分别为第i个指标的权重系数和隶属度。SQI值介于0到1之间,当SQI越接近于0时,表示土壤质量越差;SQI数值越接近于1,表明土壤质量越高。根据人工林地土壤质量指数大小,将人工林地土壤质量指数等距划分为5个等级:低(0≤SQI≤0.2),较低(0.2＜SQI≤0.4),中等(0.4＜SQI≤0.6),较高(0.6＜SQI≤0.8),高(0.8＜SQI≤1)[23]。

1.4 数据处理

数据处理和图形生成采用Excel 2010和SPSS 18.0软件。不同人工林地土壤各指标的相关性使用相关性分析处理,评价土壤质量的最小数据集指标通过主成分分析确定。

2 结果分析

2.1 基于全量数据集(TDS)法的不同林地土壤质量评价

首先,对13项土壤参评指标进行KMO和Bartlett检验,判断其是否适合做因子分析。不同人工林地土壤各指标的KMO值为0.714,且Bartlett拒绝原假设(P=0.000),表明可以对所有参评指标进行因子分析。

然后,对13项评价指标进行主成分分析,依据公式(6)计算各评价指标的权重值(表1)。根据公式(7),计算不同林地土壤质量指数(图1)。

表1 公因子方差及权重Table 1 Common factor variance and weight

图1 基于TDS的不同人工林地土壤质量指数变化Figure 1 Changes of soil quality index (SQITDS) based on TDS in different article forest

人工林地SQITDS处于较低等级的样点比例为11.54%,处于“中等”等级的样点比例为57.69%,处于“较高”等级以上的样点比例为30.77%,没有样点的土壤质量处于“高”等级。秦岭人工林地SQITDS等级以“中等”、“较高”为主,“高”耕层土壤质量等级没有,可知人工林地土壤质量总体较好。不同林地土壤质量指数从大到小依次为,核桃林＞刺槐林＞白皮松林＞构树林＞橡树林。核桃林SQITDS变化范围为0.58～0.73,极差为0.15,均值为0.67,变异系数为9.38%,属弱变异,土壤质量水平处于“较高”水平;刺槐林SQITDS变化范围为0.44～0.77,极差为0.33,均值为0.58,变异系数为19.38%,属中等变异,变异性较强,土壤质量水平处于“中等”水平;构树林SQITDS变化范围为0.39～0.57,极差为0.18,均值为0.46,变异系数为20.96%,属中等变异,变异性较强,土壤质量水平处于“中等”水平;橡树林SQITDS变化范围为0.26～0.48,极差为0.22,均值为0.38,变异系数为27.53%,属中等变异,变异性较强,土壤质量水平处于“较低”水平。核桃林和刺槐林的土壤质量水平较高,主要原因是核桃林和刺槐林地坡度小,土壤以沉积作用为主,土层较厚,土壤养分富集。橡树林坡度大,土壤以侵蚀作用为主,土层变薄,养分流失,土壤质量水平较低,因此,需要识别出橡树林地土壤质量的限制因子,针对限制因子有针对性的实施土壤质量调控措施,提高橡树林地的土壤质量水平。

2.2 基于最小数据集(MDS)法的不同林地土壤质量评价

2.2.1 MDS指标确定

因各评价指标之间存在交互作用而导致信息重叠,因此,对13项土壤指标进行主成分分析,可减少评价指标的数量,消除冗余信息。主成分分析表明前5个主成分的特征值大于1,累计贡献率达82.329%(表2)。土壤铵态氮、硝态氮、速效磷、全氮、MWD、GMD为第一组,第一组中无任何一个指标与其他指标相关系数均小于0.3,且硝态氮为该组最高Norm值,无其他高权重指标,因此第一组只选取Norm值最高的硝态氮为高权重指标。容重、饱和含水量为第二组,第二组中两个指标的相关性大于0.3,且容重为最高Norm值,饱和含水量为最高权重指标,因此,第二组两个指标均为高权重指标。pH、有机质为第三组,第三组中两个指标相关性小于0.3,因此都为该组高权重指标。全磷、含水量为第四组,第四组中两个指标相关性大于0.3,且只有最高Norm值的含水量为高权重指标(表3)。孔隙度单独为第五组。进一步依对选中的7个高权重指标进行相关性分析(表4)。选取高权重指标中与其他相关系数大于0.5且Norm值高的指标作为最终的MDS,第一组无指标进入MDS,第二组容重进入MDS,第三组pH、有机质进入MDS,第四组含水量进入MDS,第五组孔隙度进入MDS。最终确定研究区土壤的MDS为容重、pH、有机质、含水量、孔隙度,且MDS各个指标之间相关系数均低于0.5,两两指标之间呈线性不相关关系,指标之间反映土壤质量信息不具有重叠性;与其他被淘汰的指标相关性显著,能够在一定程度上代替未被选入的因子的土壤质量信息。再对进入最小数据集的5个指标进行主成分分析,计算各指标的权重(表5)和不同林地下土壤质量指数SQIMDS(图2)。

图2 基于MDS的不同林地下的土壤质量指数变化Figure 2 Changes of soil quality index (SQIMDS) based on MDS in different article forest

表2 主成分的载荷矩阵与MDS指标确定Table 2 Load matrix of Principal component and the index determination of the minimum data set

表3 各组内指标相关系数Table 3 Index correlation coefficient in each group

表4 高权重指标相关系数Table 4 Relevance coefficient of high weight index

表5 MDS指标的公因子方差及权重Table 5 Community and weight of the index in minimum data set

进入MDS的5个指标包括选取的土壤含水量、孔隙度、容重、pH、有机质,且相关性检验表明,MDS与其他指标均呈极显著相关(P≤0.01)或显著性相关(P≤0.05),这说明MDS在很大程度上反映了其他指标所代表的土壤质量信息,表明在进行土壤质量评价时,采用MDS指标对土壤质量进行评价具有参考价值和可行性。土壤含水量、孔隙度、容重、pH、有机质的权重分别为0.09、0.24、0.30、0.17、0.20,土壤容重的权重最大,表明土壤容重对人工林地土壤质量水平的贡献率最大,是评价土壤质量的关键指标。土壤孔隙度的权重略小于土壤容重,表明土壤孔隙度也是影响人工林地土壤质量水平的重要指标。指标权重值最小的是土壤含水量,权重值小于0.10,说明土壤含水量对人工林地土壤质量水平的贡献率相对较小。

2.2.2 基于MDS的不同林地土壤质量变化特征

基于MDS评价的不同人工林地SQIMDS处于较低等级的样点占比为3.85%,处于“中等”水平等级的样点占比为38.46%,处于“较高”水平等级以上的样点占比为53.85%,处于“高”等级样点比例为3.85%。秦岭人工林地SQIMDS水平以“中等”和“较高”水平为主,“高”水平土壤质量等级占比较少,人工林地土壤质量总体较好,这与SQITDS评价的结果一致。基于MDS评价的不同人工林地土壤质量指数从大到小为:核桃林＞刺槐林＞白皮松林＞构树林＞橡树林,这与基于TDS评价的结果一致。核桃林SQIMDS变化范围为0.53～0.87,均值为0.68,极差为0.34,变异系数为19.33%,为中等变异;刺槐林SQIMDS变化范围为0.53～0.71,均值为0.65,极差为0.18,变异系数为8.81%,属弱变异;构树林SQIMDS变化范围为0.54～0.60,均值为0.57,极差为0.06,变异系数为5.26%,属弱变异;橡树林SQIMDS变化范围为0.39～0.66,均值为0.53,极差为0.27,变异系数为21.35%,属中等变异。

2.3 两种方法评价结果对比

从计算结果来看,SQIMDS均值为0.54±0.13,变异系数Cv为15.05%;SQITDS均值为0.62±0.09,变异系数为23.50%,说明SQIMDS波动幅度相对较小(Cv＜20%),SQITDS波动幅度相对较大(Cv＞20%),但SQIMDS和SQITDS均值差异较小,且二者相关性较高(r2=0.702**,n=26)。通常使用1∶1线来反映2个被比较对象的一致性。图3为SQITDS和SQIMDS的1∶1线。

图3 SQITDS和SQIMDS结果比较Figure 3 Comparison of SQITDS and SQIMDS results

SQIMDS和SQITDS点以距1∶1线比较接近的距离均匀地分布在1∶1线两侧,且数据点在1∶1线两侧波动幅度相对较小,说明SQIMDS和SQITDS的对应关系较好,也表明使用最小数据集指标评价的土壤质量指数结果精度较高。进一步使用确定性系数(Ef)和相对偏差系数(Er)验证SQIMDS与SQITDS的一致性[24],确定性系数值为0.778,相对偏差系数值为0.037,说明基于最小数据集指标计算的土壤质量指数值与所有指标计算的土壤质量指数值较为接近,且相对偏差十分小,再次证实SQIMDS值精度较高可信,可见,MDS指标可用于秦岭山区人工林地土壤质量的评价。

3 结论

本文基于全量数据集法和最小数据集法,采用土壤质量综合评价指数评价了秦岭山区核桃林、刺槐林、构树林、橡树林和白皮松林5种典型人工林地的土壤质量水平。得出的主要结果如下:

(1)基于TDS和MDS两种土壤质量评价方法得出的结果相近,5种典型人工林地土壤质量指数大小依次为:核桃林＞次槐林＞白皮松林＞构树林＞橡树林。秦岭人工林地等级以“中等”、“较高”为主,人工林地土壤质量总体较好。但橡树林地需在精准识别人工林地障碍因子的基础上,实施有针对性的土壤质量调控措施,以提高橡树林地的土壤质量。

(2)主成分分析结果表明,秦岭山区典型人工林地的13项理化指标中适用于MDS的指标包括容重、pH、有机质、含水量、孔隙度。

(3)SQIMDS与SQITDS之间的确定性系数为0.778,相对偏差系数为0.037,说明MDS计算的不同人工林地土壤质量指数与所有指标计算值较为接近,且相对偏差十分微小,评价精度较高,主成分分析确定的MDS指标可用于秦岭山区人工林地土壤质量的评价。