基于最小数据集沂蒙山区不同治理模式下的土壤质量评价

2023-01-09张宇恒王忠诚王亚楠王兴玲韩佳忻

水土保持研究 2023年1期

张宇恒, 王忠诚, 王亚楠, 王兴玲, 韩佳忻, 安娟

(1.山东省水土保持与环境保育重点实验室, 临沂大学资源环境学院,山东临沂 276005; 2.平邑县天宝山林场, 山东临沂 273306)

沂蒙山区作为北方土石山区的典型代表，区内广泛分布的棕壤性土夹杂大量石砾、土层浅薄、涵蓄水能力低，且暴雨集中、区内轻度及以上侵蚀强度面积达44%[1]，是中国土壤侵蚀治理重点区域。此外，区内土壤结构松散，土壤水分易蒸发和渗漏，且随风化裂隙多形成裂隙水，难以被植物利用。水土流失和土壤干旱致使沂蒙山区土壤退化严重，甚至出现了石漠化，加剧了土壤质量下降趋势，严重限制了该区经济发展。治理模式是影响土壤质量演变方向、强度最为关键的因子之一[2]。科学合理的治理模式可改善土壤水、肥、气、热因子的耦合关系，提高土壤质量[3]，削弱土壤侵蚀强度；不适宜的治理模式则降低水分利用效率，致使土壤质量下降，加剧土壤侵蚀。土壤质量评价是评估不同治理模式对土壤影响最为有效的手段之一，可有助于掌握不同治理模式下的土壤质量现状[4]。因此，定量评价沂蒙山区不同治理模式下的土壤质量，及时掌控土壤质量动态变化，成为修复和改善该区生态环境的迫切需求。

土壤质量评价过程中，影响土壤功能且对土壤环境变化敏感的土壤物理、化学和生物特性等因子往往被作为评价指标[5]。虽然指标选取越多越能体现土壤的综合质量，但指标间往往存在一定的相关关系，这可造成指标数据间的冗余，且大量土壤质量指标的测试费时费力。因此，减少土壤质量评价指标，构建评价指标最小数据集(MDS)，成为开展土壤质量评价的关键。目前，国内外一般常采用主成分分析[6-10]、聚类分析[11]、逐步回归分析[12]、典范对应分析等[13]方法建立最小数据集，多以主成分分析法为主，并基于最小数据集中各指标的权重或隶属度/指标得分获取土壤质量指数来综合评价土壤质量优劣。目前，基于最小数据集方法已在黄土高原黄土区、东北黑土区、紫色丘陵区等区域对耕地、乔草混交、矿区废弃地等土地利用类型开展了土壤质量评价[10,14-16]。然而，受气候、水文等条件的影响，土壤类型的复杂、评价对象的多样性，评价指标选取的差异，加之评级方法的不同(过多删除指标信息，未根据指标对土壤质量影响的正负效应选取隶属度函数)，使得土壤质量评价的标准难以统一。同时，针对沂蒙山区土壤质量评价的研究较少，尤其是关于该区不同治理模式下土壤质量评价的研究较为匮乏。因此，本文以沂蒙山水土保持示范园为研究地，分析径流小区内不同治理模式(乔草混交、土坎梯田+果树种植、撂荒、封禁植草)下土壤理化性质，结合主成分分析、相关分析和Norm值计算，建立土壤质量评价最小数据集，并以此开展不同治理模式下的土壤质量评价。研究结果可为沂蒙山区乃至北方土石山区水土流失治理模式优选、土壤质量改良提供科学依据与指导。

1 材料与方法

1.1 研究区概况

研究区位于沂蒙山国家水土保持示范园 (117°44′30″—117°45′00″ E, 35°18′24″—35°19′05″ N)。示范园建设于2012年，总面积为145 hm2。园区内多年平均降雨量803.4 mm，土壤以棕壤为主。园区内建有16个面积为5 m×10 m的径流小区，包含10°，15°，20°，25°共4个坡度，且每个坡度设4个小区。本研究选取径流小区内典型的4种治理模式：乔草混交、土坎梯田+果树种植、撂荒、封禁植草。其中，乔草混交小区内按照株行距3 m×2 m种植黑松(Pinus tabulaeformis)，并在林下撒播种植马唐草(Digitariasanguinalis)；土坎梯田+果树种植小区，在两个土坎上按照株行距为4 m×3 m种植桃树；撂荒小区不做任何处理；封禁植草小区内种植黑麦草(LoliumperenneL )。

1.2 土样采集及其土壤理化性质测定

自2013年对4种治理模式下的径流小区进行监测，次降雨结束后采集径流池内样品，称重、烘干后，测定径流量、泥沙量等指标。2019年10月在4种治理模式径流小区的坡上、坡下位置利用环刀按照0—5 cm，5—10 cm，10—20 cm深度采集土壤样品，用于土壤容重、土壤总孔隙度、饱和含水量和田间持水量4个土壤物理指标的测定。同时，利用土钻采集0—5 cm，5—10 cm，10—20 cm深度的土壤样品，用于土壤化学指标的测定。土钻采集样品带回实验室避光自然风干后，剔除石块、植物根系等杂质，研磨后分别过0.25 mm，0.15 mm土筛。全磷含量采用HCIO4-H2SO4法测定，有机质含量用重铬酸钾法测定，全氮含量利用碱性过硫酸钾消解紫外分光光度法测定，NO3-N含量用双波长系数法测定，无机磷含量采用钼蓝比色分光光度法测定。

1.3 土壤质量评价

1.3.1 最小数据集的建立野外径流小区监测过程中，2014—2016年在撂荒、土坎梯田+果树种植小区观测到部分泥沙，但2016年以后仅土坎梯田+果树种植小区产生较少泥沙。因此，未将土壤侵蚀参数纳入土壤质量评价指标体系。而，对于土壤侵蚀严重、土层贫瘠的沂蒙山区，土壤理化性质是制约该区生态恢复的关键因素。所以，本文选取代表土壤养分、孔隙、水分、容重4类9个土壤属性指标构建初选指标评价体系。由于指标量纲的不统一，先将各指标值标准化处理后进行主成分分析，以便对指标进行降维和剔除指标间可能包含的重叠信息。主成分分析过程中，先选取特征值≥1的主成分，将同一主成分上载荷≥0.5的土壤指标归为一组；同时在2个主成分上且载荷均>0.5的指标，对其做相关性分析后，将其归到与其他指标相关性较低的那一组。

分组完成后，分别计算各组指标的Norm值(公式1)，选取每组中Norm值在该组最大Norm值10%范围内的指标。当同组同时保留多个指标时，基于Pearson相关系数分析指标间的相关性。若指标间的相关系数>0.5，则认为指标间高度相关，此时Norm值较高的进入最小数据集；若相关系数<0.5，则全部指标均纳入最小数据集[17]。

(1)

式中:Nik代表第i个指标在特征值≥1的前k个主成分的Norm值;uik表示第i个指标在第k个主成分的载荷;ek为第k个主成分的特征值。

1.3.2 土壤质量指数土壤质量指数(SQI)是对最小数据集中选取指标的集成，其值越大代表土壤质量越高。计算如下：

SQI=∑AiX′i

(2)

式中:Ai是第i个指标的权重;X′i是第i个指标的隶属度值。

参选指标的权重由主成分分析中该指标公因子方差占所有指标公因子方差之和的比例确定[18]；指标隶属度值利用指标所属的隶属度函数计算获取。基于土壤指标对土壤质量评价的正负效应，本文选择了升型和降型两种隶属度函数(公式3，4)，并将指标的最小值x1和最大值x2作为函数的转折点[19]。

升型隶属函数：

(3)

降型隶属函数：

(4)

1.4 数据处理

应用SPSS 16.0软件中的Descriptive Statistics模块对土壤属性指标进行统计性分析，并利用该软件中的Factor Analysis进行相关性分析、主成分分析及Norm值计算，并在0.05水平上达到显著。利用Origin 8.6软件绘制柱状和线性回归图。

2 结果与分析

2.1 不同治理模式间土壤理化性质差异

采用3个土层深度土壤理化性质指标值的算术平均值，对比分析治理模式间土壤理化性质的差异。养分类中，封禁植草的全氮、硝态氮、有机质、无机磷含量最高，分别为1.01 g/kg，14.56 mg/kg，20.81 g/kg，11.76 mg/kg(表1)，且显著高于乔草混交、土坎梯田+果树种植和撂荒；全磷含量最高则出现在撂荒(3.28 g/kg)，但撂荒和土坎梯田+果树种植间的全磷含量无显著性差异。此外，全氮、硝态氮、有机质、全磷、无机磷含量最低值则分别出现在乔草混交、撂荒、土坎梯田+果树种植、封禁植草和撂荒。孔隙类和水分类3个指标中，封禁植草的孔隙度、田间含水量和饱和含水量最高，分别为45.00%，25.03%和29.81%，最小值则出现在土坎梯田+果树种植。但，撂荒和封禁植草间的孔隙度、田间含水量无显著性差异，且乔草混交和封禁植草的饱和含水量差异不显著。土坎梯田+果树种植的容重最大为1.59 g/cm3，与撂荒间无显著性差异，而乔草混交的容重最小。可见，四大类各指标的评价结果无统一指向。因此，无法判定哪一种治理模式下的土壤质量更优。

表1 土壤理化性质指标

不同治理模式下的土壤容重变异系数仅为6.04%，属低度敏感指标(CV%<10%或相对极差<1.00)(表1)。田间持水量、饱和含水量的变异系数介于10.62%～14.06%；有机质、全磷和无机磷含量的变异系数为15.48%～49.00%，六者均属于中度敏感指标(10%≤CV%≤50%或相对极差>1.00)。全氮变异系数为62.97%，是高度敏感指标(50%≤CV%≤100%或相对极差>2.00)；硝态氮变异系数高达192.71%，是极敏感指标(CV%>100%或相对极差>5.00)。可见，土壤化学指标随治理模式的变异程度高于土壤物理指标，即土壤化学指标对治理模式更为敏感。

2.2 最小数据集的建立

为减少数据冗余，筛选最少且最为敏感的影响土壤质量的指标，需建立土壤质量评价最小数据集。对影响土壤理化性质的9个指标进行主成分分析，发现前3个主成分的特征值大于1，且累计方差贡献率达到89.16%(表2)。可见，这3个主成分可解释大部分参评指标的变异性。

主成分1(PC1)上载荷>0.5的指标有8个，分别为全氮、有机质、全磷、无机磷、硝态氮、田间持水量、饱和含水量、土壤孔隙度(表2)。表明，第1组选取指标主要反映了土壤水肥特性。主成分2(PC2)上土壤孔隙度、田间持水量、全磷、饱和含水量的载荷均大于0.5，说明第2组选取指标主要体现土壤水分特性。主成分3(PC3)上载荷>0.5的指标仅包含容重。进一步分析发现，土壤孔隙度、田间持水量、饱和含水量、全磷在PC1，PC2的载荷均大于0.5。因此，需分析这4个指标与其他指标的相关性。相关分析表明，全磷与第1组中的全氮、有机质、无机磷、硝态氮呈极显著的负相关关系(相关系数>0.58)(表3)，且相关系数大于与第2组指标间的相关系数；土壤孔隙度与第1，2组中的田间持水量、饱和含水量呈极显著正相关关系(相关系数>0.8)，且土壤孔隙度在PC2的载荷最高。因此，将全磷和土壤孔隙度归到第2组。则，第1组中包含全氮、有机质、无机磷、硝态氮、田间持水量、饱和含水量 6个指标；第2组中涉及土壤孔隙度和全磷2个指标，第3组指标则为容重。

根据最小数据集建立原则，需计算3组中各指标的Norm值，每组中Norm值在最高总分值10%范围内的指标才能最终进入最小数据集。第1组中，全氮的Norm值最大为2.075，有机质和无机磷均在其10%范围内，但全氮与有机质、无机磷均呈极显著正相关关系(表3)。因此，全氮进入最小数据集。第2组中，土壤孔隙度的Norm值最大为1.828，全磷不在其10%范围内，虽然二者间的相关系数小于0.5。因此，土壤孔隙度归入最小数据集。第3组中仅包含容重一个指标。最终，全氮、土壤孔隙度和容重3个指标构成土壤质量评价最小数据集。

表3 土壤质量评价初选指标相关系数矩阵

2.3 基于最小数据集评价土壤质量准确性的验证

最小数据集构建的合理性，直接关系到土壤质量评价的准确程度。过度的简化指标，导致土壤质量评价准确度的下降。因此，需对比分析基于全部指标计算(总数据集，TDS)的土壤质量指数和基于最小数据集指标计算的土壤质量指数间的差异。全部评价指标标准化处理后进行主成分分析，用指标公因子方差占所有指标公因子方差之和的比例来获取各指标的权重(表4)。总数据集中，土壤孔隙度的权重最大(0.123)，其次为饱和含水量和容重(0.121)，全氮(0.114)和田间含水量(0.117)的次之；最小数据集中，权重大小顺序表现为容重(0.386)>土壤孔隙度(0.308)>全氮(0.306)。基于全氮、有机质、全磷、无机磷、硝态氮、土壤孔隙度、田间持水量、饱和含水量对土壤质量的正效应，选择升型隶属函数，根据公式(3)确定隶属度；土壤容重对土壤质量起负效应，选择降型隶属函数，根据公式(4)计算其隶属度。基于各指标的权重和隶属度，根据公式(2)分别获取不同治理模式下基于总数据集和最小数据集指标的土壤质量指数。

表4 土壤指标的公因子方差和权重

基于总数据集指标的土壤质量指数(SQI-TDS)为0.12～0.83，平均值为0.49，变异系数为43.44%；基于最小数据集指标的土壤质量指数(SQI-MDS)介于0.10～0.89，平均值为0.50，变异系数为47.41%。为进一步验证最小数据集建立的准确性，对SQI-TDS和SQI-MDS进行线性拟合。发现，SQI-TDS和SQI-MDS间呈显著的正相关关系(图1)，关系为: SQI-TDS=0.8615SQI-MDS+0.0603，R2=0.9147。说明，构建的最小数据集能较好地体现全部数据集指标对沂蒙山区不同治理模式下土壤质量评价的信息，且评价结果准确性较高。

图1 最小数据集土壤质量指数(SQI-MDS)与总数据集土壤质量指数(SQI-TDS)的相关性

2.4 不同治理模式下的土壤质量评价

4种治理模式下，土壤质量指数均随土层深度的增加而减小(图2)。0—5 cm和5—10 cm土层的土壤质量指数较10—20 cm土层分别增加了136.20%和37.60%。这是因为表层土壤质量通气性好、枯枝落叶物较多、透水性较好。然而，治理模式间土壤质量的差异随土层深度明显变化，且在10—20 cm土层深度内差异最明显(图2)。0—5 cm土层，乔草混交、撂荒和土坎梯田+果树种植间的土壤质量指数无显著性差异，但较封禁植草显著增加了39.25%～46.86%。5—10 cm土层，土壤质量指数表现为撂荒>乔草混交>封禁植草>土坎梯田+果树种植；与土坎梯田+果树种植相比，撂荒、乔草混交和封禁植草的土壤质量指数分别增加45.91%，14.40%和3.49%。10—20 cm土层，乔草混交、土坎梯田+果树种植和封禁植草的土壤质量指数显著高于撂荒，分别增加85.84%，82.22%和34.70%。0—20 cm土层深度内，乔草混交、土坎梯田+果树种植、撂荒、封禁植草4种治理模式下的平均土壤质量指数分别为0.53，0.52，0.51，0.41。可见，乔草混交和土坎梯田+果树种植的土壤质量指数较高，撂荒次之，封禁植草最小。说明，乔草混交可有效提高土壤质量，在今后小流域治理中应重点增加乔草混交措施的经济投入。

图2 不同治理模式的土壤质量指数

为更直观分析不同治理模式下的土壤质量，以0.2为组距将土壤质量指数划分为5个等级[20]。各级土壤质量指数分布如下：低(0

3 讨论

3.1 沂蒙山区土壤质量评价最小数据集

不同治理模式下，地表覆被、土壤结构、物质循环等土壤理化性状和人类干扰的差异，必然会导致土壤质量的不同。土壤质量评价主要针对土壤物理、化学和生物特性进行时间或空间尺度上的判断和衡量。目前，国内外基于最小数据集建立的土壤质量评价指标体系中，物理、化学指标的选取率较高，而生物指标选取频率却相对较低[4]，选取的土壤物理和化学指标主要包括土壤容重、pH值、全氮、有机质、孔隙度、有效磷等[20-25]。其中，土壤容重是入选最高的指标，入选频率高达90%；全氮、有机质的入选率分别为70%，60%。本文利用主成分分析，结合相关性分析和Norm值计算开展了最小数据集的筛选，这考虑了各个指标在所有主成分上的载荷，保留了指标在其他主成分上的信息，最终筛选出全氮、总孔隙度和容重为最小数据集指标。沂蒙山区棕壤砂砾含量达70%以上[26]，腐殖质层呈暗棕色，有机质含量较低，且与全氮呈极显著正相关关系，因此未纳入最小数据集。可见，本研究筛选出的3个指标均进入了土壤质量评价指标的前10位。此外，全氮含量在一定程度上代表了土壤肥力的高低，总孔隙度反映了土壤保持水分的能力，而容重也有助于土壤保持、释放水分和养分。说明，本文筛选出的这3个指标体现了土壤的水肥能力，建立的最小数据集指标体系具有较好地的代表性，可准确量化沂蒙山区不同治理模式下的土壤质量。由于沂蒙山区是北方土石山区水土流失重点治理区域，后续研究中可结合抗冲性、土壤崩解等试验，将影响土壤侵蚀性能的指标，如：侵蚀模数、径流量、可蚀性等纳入初选指标评价系统，以便提高所构建最小数据集的普适性和应用性。

3.2 沂蒙山区土壤质量评价及治理模式优选

本研究基于建立的最小数据集指标，获取乔草混交、土坎梯田+果树种植、撂荒、封禁植草4种治理模式下的土壤质量指数，发现乔草混交的质量最高，土坎梯田+果树种植和撂荒次之，封禁植草土壤质量最差。这与在国内其他区域开展的研究结果不一致。黄土高原区域，马芊红等[27]认为土壤质量表现为乔草混交>封禁植草>土坎梯田+果树种植>撂荒；南方丘陵区，闫建梅等[28]发现土坎梯田+果树种植的质量优于乔草混交和撂荒；盐渍化黄河三角洲区域，刘庆等[29]发现土坎梯田+果树种植利用方式下的土壤质量高于乔草混交和撂荒。这是因为沂蒙山区大力实行封山育林、人工林种植，树种以侧柏(Platycladusorientalis)、黑松、麻栎(Quercusacutissima)、刺槐(Robiniapseudoacacia)等为主，枯枝落叶物丰富、表层土壤通气性与透水性良好。同时，乔草混交植被系统可增加土壤微生物量[30]，进而加快有机质矿化和腐殖化速率。因此，乔草混交很好地改善和维持土壤肥力质量，体现出较高的土壤质量指数。然而，撂荒治理模式下的土壤表层易板结、养分含量低，不利于植被的演替和土壤生物活动，土壤质量较低。因此，在沂蒙山区小流域综合治理中，应将撂荒与人工林、经济林相结合。此外，为了加强沂蒙山区水土流失防治、土壤质量的提升，同时提高经济效益，可选择种植果树。而，当地优势果树(桃、苹果)一年中需4个灌水期，需水量较大，可结合果树盘草、秸秆覆盖等措施增加土壤含水量。沂蒙山区土层浅薄，棕壤砂砾含量大，且易“跑水、跑土、跑肥”，土壤酸化严重、有机质较为缺乏，土壤相对比较贫瘠。因此，根据沂蒙山区不同治理模式下土壤属性的变化，应继续推进封山育林、增加乔草混交覆盖率，同时结合土坎梯田+果树种植+树盘植草。这不仅可削弱该区水土流失强度、增加水源涵养量，改善生态环境，还可提高当地经济效益。