东莞市森林生态系统土壤有机碳含量的地统计学分析

沈德才，刘婷，莫罗坚，周海琪

东莞市林业科学研究所，广东东莞 523106

森林通过光合作用吸引二氧化碳，在全球碳循环中发挥着重要作用，影响着“碳中和碳达峰”目标的实现[1]。而森林土壤碳库是森林生态系统五大碳库之一，是森林生态系统碳库重要组成部分[2]。国内不少专家学者针森林土壤碳库高度的时空异质性，从森林类型、海拔、维度等对森林土壤碳库进行了研究：赵栋、薛杨等从不同森林类型对森林土壤有机碳的分布特征进行了分析[3-4]；吴小刚、刘谊锋等从海拔的垂直分布研究了森林土壤有机碳储量的分布及其影响因素[5-6]；陶吉兴、田耀武对不同省份的森林土壤碳库进行了研究[2、7]。因此，研究森林土壤的有机碳含量空间变化特征，对提高森林生态系统固碳能力具有重要意义。该研究采用经典统计与地统计学相结合的方法，对东莞森林土壤有机碳含量的空间变异性进行了探讨。

1 材料与方法

1.1 研究地自然概况

东莞市位于珠江三角洲东岸（22°39′N～23°09′N，113°31′E～114°15′E），深圳、广州之间，处于粤港澳大湾区中心位置，属南亚热带季风气候。地势东南高、西北低。东南部多山、尤以东部为最，森林也主要分布在东南部。土壤以赤红壤为主，少量红、黄壤，平原有水稻土、堆积土，土壤质地为沙土类和壤土类，自然土壤土层比较深厚[8]。

1.2 调查取样方法

基于东莞市2013 年森林资源二类调查数据，利用ArcGIS9.2 生成2km×2km 的UTM 网格和东莞市森林分布图，并叠加。把森林覆盖率大于或等于30%的网格作为取样网格，得187 个取样网格（图1）。然后，采用系统取样方法在取样网格的几何中心点设置样地，用剖面法取土样。如中心点无森林分布，则样地设置在在离中心点直线距离最短的林地。

图1 东莞2km×2km 的UTM 网格取样设计图及取样网格Fig.1 Sketch Map of Dongguan Gridded at 2-km UTM Squares for Field Sampling

土壤样品的采集参照《森林土壤样品的采集与制备》（LY/T 1210-1999）。在调查样地内选择有代表性的地段，挖掘一个深1m、宽1.5m 的取样坡面，由下而上分层采集0≤L1＜25cm、25cm≤L2＜50cm、50cm≤L3＜75cm、75cm≤L4＜100cm 四层的土壤分析样品各1kg。

1.3 实验分析测定

土壤有机质的测定采用重铬酸钾容量法—外加热法[9]。

1.4 数据统计分析方法

地统计学理论基础是区域化变量，基本工具是半方差函数，基本原理和方法在许多文献中都有比较详细的描述[10-12]。地统计学广泛应用半方差函数描述空间格局，计算公式为：

式中，γ (h) 是半方差，Z 为区域化随机变量，Z(xi)和Z(xi+h)分别为变量Z 在空间位置xi和xi+h上的取值，N(h)是取样间隔为h 时的样本对总数。通过模型中的块金值C0（Nugget）、基台值C0+C（Sill）、变程α（Range）、拱高C 与结构方差比C/C0+C（Structural variance ratio）等参数定量地分析变量的空间变化规律。

克里格（Kriging）插值法是利用半方差函数理论及结构分析，根据研究区域已知空间点的变量值，来估算研究区域未知空间点的数值。对待估样点x0处变量Z 的实际值Z(x)，其估计值Z(x0)，可通过其四周且处于空间分布相关距离范围内的个已知点Z(xi)进行估算，估算公式如下：

式中，λi为与Z(xi)相关联的权重系数，由半方差函数计算得到。Z(xi)是变量Z 在待估点x0邻域内点xi(i=1，2，3…，n)上的取值。

Moran’s I 是空间自相关性度量系数，其计算公式如下，

式中，n 是每个分离距离内样本位点的数目，Zi=Xi-X，Zj=Xj-X。

数据分析由地统计学软件GS+5.0 完成。

2 结果与分析

2.1 土壤有机碳含量描述性统计特征

对187 个土壤SOC 的最大值、最小值、中值、平均值、变异系数和标准差等进行描述性统计[13-14]。从表1 可见，研究区域内，不同土层SOC 含量的中值、平均值变化较大，呈非正态分布，说明异常值可能影响各土层的SOC 含量的中心趋向分布；L2 层SOC 含量的统计变异最大，达到1.48，大于0.90，表现出非常高的变异性；其次是L4 层，其变异系数为0.96，略大于0.90，也具有高变异性；L1 和L3 层SOC 含量的变异系数分别为0.61 和0.72，均大于0.10，小于0.90，变异性适中。

表1 土壤有机碳含量描述性统计结果（g·kg-1）Tab.1 Descriptive Results of SOC Content(g·kg-1)

采用柯尔莫哥洛夫-斯米诺夫（one-sample Kolomogorov-Smirnov，KS）对各土层SOC 含量用检验，表明均不符合正态分布。采用自然对数转换后，各土层SOC 含量数据呈正态分布（p＞0.05），满足平稳假设，可进行地统计学分析[15]。半方差分析、空间插值均采用自然对数转换后数据。

2.2 土壤碳密度的半方差分析

半方差图可确定变量空间自相关的尺度范围，变程反映空间自相关范围的大小，有效变程之内，变量具有空间自相关特性，反之不存在[16]。从图2 可看出，L3 和L4 两层的SOC 含量的空间自相关范围较大，为303.0km；L1 和L2 两层较小，为41.59km（表1）。说明土壤浅层SOC 的空间自相关范围受人类活动的影响较大。从表2 可看出，L1 和L2 两层的SOC含量的最佳拟合模型均为线性模型，而L3 和L4 两层的SOC 含量的最佳拟合模型为指数模型。

图2 lnSOC 的理论模型及半方差Fig.2 Isotropic Variogram Models of lnSOC

块金值（Nugget）和基台值（Sill）可衡量空间相关性，块金值/基台值表示空间相关性的强弱[17]。从表2 可见：SOC 含量在L1～L4 四层的随机变异分别是1.000、1.000、0.501、0.500，结构变异分别为0.000、0.000、0.499、0.500，表明L3 和L4 两层的SOC 含量具有中等强度的空间相关性，其空间变异是由取样误差等随机因素和土壤母质、地形、气候、林分类型、林龄、凋落物状况等非人为因素共同引起的；L1 和L2 两层的SOC 含量空间相关性非常弱，其空间变异主要是由取样误差和各种人为活动等随机因素引起的。

表2 土壤有机碳的半变异理论模型及相关参数Tab.2 Isotropic Parameters of the Fitted Variogram Models of SOC Content

分维数D 是表示格局变异的空间依赖性强度，从表2 可见，SOC 的空间依赖性在L3 最强，L4 层次之，再其次是L1 层，在L2 层最弱。进一步验证了土壤浅层土壤有机碳的空间自相关范围受人类活动的影响较大。

2.3 土壤有机碳含量的空间自相关分析

空间自相关是确定某一变量空间相关性分析。Moran’s I 数值的变化范围为-1 到1，正值代表正相关，负值代表负相关，当|I|>0.3 时，认为变量具有显著的空间自相关性[18]。从图上可见，各层SOC 含量的I 值基本上均接近0，表明空间上的正负自相关均不明显。这种结果表明控制有机碳含量的关键因素是林分因素，包括林分类型、林龄、凋落物状况等因素的作用。

图3 土壤有机碳含量空间自相关Fig.3 Spatial Autocorrelation (Moran’s I) of SOC Content

2.4 土壤有机碳含量的克里格插值分析

对四层土壤SOC 含量克里格插值图分析：从图4～图7 中可见，L1 和L2 两层的SOC 含量呈现较多的斑块分布，相对面积较小，斑块形状不规则，边缘较复杂，部分SOC 含量较高的斑块分布在SOC 含量较低的斑块中间；L3 和L4 两层的SOC 含量的斑块较少，大面积分布，斑块形状不规则，斑块边缘形状复杂程度相对较低，梯度分布特征较明显。SOC 空间分布格局图更直观地表明了东莞森林土壤有机碳分布在不同土层的差异。

图4 土壤有机碳含量（L1）Kriging 空间插值Fig.4 Maps of Spatially-interpolated Values of SOC Content（L1）

图5 土壤有机碳含量（L2）Kriging 空间插值Fig.5 Maps of Spatially-interpolated Values of SOC Content（L2）

图6 土壤有机碳（L3）Kriging 空间插值Fig.6 Maps of Spatially-interpolated Values of SOC Content（L3）

图7 土壤有机碳（L4）Kriging 空间插值Fig.7 Maps of Spatially-interpolated Values of SOC Content（L4）

3 结论

地统计学分析表明，不同土层有机碳含量的半方差函数值均较小。L1 和L2 两层的土壤有机碳含量的最佳拟合模型为线性模型，表现出非常弱的空间结构特征；而L3 和L4 两层为指数模型，表现出中等强度的空间结构特征。各土层空间自相关指数Moran’I 数值基本上接近0，表明空间上的正负自相关均不明显。这种结果进一步证明了控制土壤有机碳含量空间异质性的关键影响因素是林分因子，包括林分类型、林龄、凋落物状况等因素。经克里格插值绘制的各土层土壤有机碳含量分布图显示，L1 和L2 两层土壤有机碳含量变异特征差异较小，空间变异性小，依赖性小，破碎化较多；而L3 和L4 两层土壤有机碳含量变异特征较相似，空间依赖性相对较高，破碎化较少。