客土造林后滨海盐碱地土壤盐分分布及影响因素分析

祝 瑜，褚琳琳，朱文东，孙 全，孙庆凯

客土造林后滨海盐碱地土壤盐分分布及影响因素分析

祝 瑜1，褚琳琳1※，朱文东2，孙 全3，孙庆凯4

（1. 河海大学农业科学与工程学院，南京 211100；2. 中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101；3. 连云港香河园林绿化工程有限公司，连云港 222047；4. 江苏方洋建设工程管理有限公司，连云港 222047）

土壤盐碱化问题严重制约着盐碱地生态绿化环境和农业可持续发展。为研究客土造林后滨海盐碱地土壤盐碱化状况的空间分布格局及影响因素，该研究开展实地调查采样，结合地统计学、经典统计学和Kriging插值等方法分析徐圩新区滨海盐碱地0～10、>10～20、>20～40、>40～60、>60～100 cm土层土壤盐分分布格局及其影响因素。结果表明：1） 研究区5个土层土壤电导率均为中等强度变异，pH值是弱变异。大多数土层土壤电导率和pH表现为弱空间相关性，由随机因素引起的空间变异性较弱，自相关引起的空间变异性较强。水平方向上看，研究区从西向东盐碱程度逐步加深，垂直方向上，土壤电导率随着土层深度增加而不断变大；2）研究区客土0～100 cm土层土壤电导率均值为2.91 dS/m，属于轻度盐渍化土；原土0～100 cm土层土壤电导率均值为31.00 dS/m，属于极重度盐渍化土，原土上只有极少数耐盐作物能自然正常生长。客土土壤电导率明显低于原土，但pH值与原土差异不大，客土土壤盐分表聚和底聚现象明显，存在返盐返碱的问题，长期来看，客土造林并不是该地区绿化最好的方式。3）影响研究区土壤电导率的因素有河流湖泊水体电导率和pH值、土壤pH值、海拔、植被、气候等。研究对于提高重度盐碱土的开发利用率和改善景观绿地建设，指导制定精准盐碱地综合改良措施、管理制度等提供参考依据。

盐分；电导率；地统计学；盐碱地；客土；pH

0 引 言

土壤盐碱化问题严重制约着盐碱地生态绿化环境和农业可持续发展。客土造林长久以来是改良土壤盐碱土的一种方法。江苏省海岸线长，苏北沿海滩涂资源丰富，约占中国滩涂面积的1/4，且滩涂面积还在不断增加[1-2]。徐圩新区位于连云港市东南部，海岸线长34.9 km，历史上是一个产盐重镇，现在是国家东中西区域和合作示范区先导区，是江苏沿海开发、“一带一路”支点建设产业合作的主要实施载体。徐圩新区处于典型的粉砂淤泥质海岸，地势平坦，潜水位高，受海潮和海水型地下水的影响，区域内绝大部分土壤含盐量高，质地黏重、结构差、透气性不良，除了耐盐性极强的少数盐生植物外，常规植物不能生长，绿化和生态环境建设难度较大。为了打造良好的投资环境，建设“生态徐圩、大美徐圩”，建成国内化工园区生态环境示范标杆，新区高度重视绿化工作，通过采用“客土造林”结合“暗沟排盐+隔盐层+土壤改良工艺”的技术模式，短时间内达到了预期效果[3]。但“客土造林”的技术模式施工土方量大，客土来源少且容易破坏客土来源地生态，造林成本和管护成本高昂，绿化成本高达250元/m2以上，而且可持续性不强，树木前期表现良好，后期生长逐步衰弱甚至死亡，存在“绿化难，后期管护和维持更难”等问题。盐碱地绿化已经成为徐圩新区亟待解决的重大问题，区域尺度土壤盐碱空间分布特征的研究，有利于明确区域土壤盐碱化程度，是决定土壤盐碱综合治理、利用方向和措施必不可少的工作。

土壤盐分空间分布具有空间变异性，目前，地统计学被不断完善并成功应用于土壤性质的研究，克里金插值法是最准确的地统计学评估方法之一，它能估计在不相关的点分析变量的值，在分析和解释土壤空间变异时，还经常被用于绘制土壤特性分布图[4-5]。系统分析和掌握盐碱土的空间分布特征，是实现盐碱土改良治理的基础[6]，有关土壤盐分空间分布及其影响因素分析在国内外展开了较为广泛的研究[7]，如王友年[8]利用克里金插值法研究了喀什葛尔河流域土壤盐分空间，发现地下水对该地区土壤盐渍化的影响较大；吴亚坤等[9]将电磁感应式土壤表观电导率测定技术作为基础，获得剖面土壤盐分含量信息，采用反距离权重空间数据插值方法评估了新疆伊犁地区不同季节三维土壤盐分空间变异特征；王瑞萍等[10]于春季在河套灌区乌拉特灌域采用地统计学、经典统计学和多指标综合评价方法对土壤盐碱化指标的空间分布特征进行分析，揭示了灌域土壤盐碱化的主要影响因子；刘文全等[11]以盐田复垦区典型地块作为研究对象，利用三维克里格方法研究了不同棉花生育期土壤盐分的三维空间变异特征，探究了土壤盐分与有机质的响应关系。

综上，现有研究多集中在原土土壤的盐分空间分析，对于利用客土改良后土壤盐碱变化以及滨海重度盐碱地在客土造林后的土壤盐分空间变异和影响因素还需要进一步研究。针对徐圩新区盐碱地绿化研究中存在的问题，本文在田间采样、化验分析的基础上，采用地统计学和Kriging插值等方法从水平及垂直方面完整有效地反映研究区土壤盐碱信息，比较客土和原土的土壤盐碱差异，揭示土壤盐碱化的影响因素，以期为徐圩新区滨海盐碱地的精确改良和水土资源合理利用提供科学依据。

1 研究方法及数据处理

1.1 研究区概况

研究区位于江苏省连云港市徐圩新区滨海地区（119°17′～119°38′E，34°29′～34°40′N），处于典型的粉砂淤泥质海岸，地势平坦，土壤地下水埋深为1～1.5 m。该地区属于暖温带湿润性季风海洋气候，年平均气温14.1 ℃，年最高气温为40 ℃，年最低气温为-18.1 ℃，四季分明，夏季多雨，冬季干燥。年平均风速3.1 m/s，最大风速29.3 m/s，易受台风侵袭。年平均降雨量900.9 mm，且70%以上集中于6—9月；年平均蒸发量为855.1 mm，蒸发量年内分配不均，5—9月蒸发量占全年蒸发量的59%。研究区主体为盐业用地，现规划为石化工业园区和产业配套区用地[12]，徐圩新区2009年以来已建客土工程绿化项目105项，总面积约600 hm2，取得一定效果。工程要求绿化区域选用无盐碱、土壤结构良好的客土换土造林，客土层（种植层）要求铺设满足相应种植乔木、灌木、草本植物生长需求的土层厚度，客土层下布设隔盐层及排盐沟。2021年7月，经采样分析，研究区土壤基本理化性质如表1所示，pH值均大于7，为碱性土壤，土壤电导率均值为22.44 dS/m，属于极重度盐渍土。土壤总体质量较差，与城镇建设行业标准《绿化种植土壤》（CJ/T 340—2016）相比，仅有效磷和碱解氮含量处于行业标准底限值，有机质含量显著低于标准。

表1 研究区土壤基本理化性质

1.2 样品采集与测定

2021年8月下旬在徐圩新区滨海盐碱地进行野外数据采集工作，参考徐圩新区土地利用图、行政区划图、交通道路规划图等相关图形资料进行布设采样点，样点包括滨海盐碱原土以及客土。采用GPS定位，记录采样点经纬度和海拔，采样间隔约为3 km，全区共布设49个样点，如遇到土壤样点旁边有河流湖泊，采集水体水样，同时调查记录样点植被等情况，采样见图1。在每个采样点用土钻分层采样，土层分别为0～10、>10～20、>20～40、>40～60、>60～100 cm，进行3次重复，得到735个土壤样品。

将样品带回实验室自然风干后，挑去砾石、植物根系等，碾磨过筛，制作饱和泥浆，水土质量比约为3∶5，离心获得饱和泥浆提取液，用DDSJ-308F电导率仪（上海仪电科学仪器股份有限公司）测定土壤提取液电导率值以及河流湖泊水样，用PHSJ-3F（上海仪电科学仪器股份有限公司）测定土壤提取液和河流湖泊水样pH值[13]。参考《土壤农化分析》[14]测定土壤有机质、有效磷、速效钾、碱解氮。有机质含量采用重铬酸钾容量法测定；有效磷含量采用钼锑抗显色法测定；速效钾含量采用火焰光度计测定；碱解氮采用碱解扩散法测定。

图1 研究区地理位置及采样点图

1.3 数据分析与处理

用SPSS 23.0软件进行土壤电导率与pH值统计学分析。采用GS+9.0进行半方差函数变异分析和空间自相关性分析，得到最优化模型和相关参数，用ArcGIS 10.2进行克里金插值，得到不同土层土壤电导率与pH的分布图，用Origin 18.0软件进行皮尔逊相关性分析及其他柱状图的绘制。

2 结果与分析

2.1 土壤电导率与pH值统计分析

2.1.1 不同土层土壤电导率与pH值描述性分析

从表2峰度和偏度系数可知，0～10、>10～20 cm土层土壤电导率近似服从偏态分布外，>20～40、>40～60、>60～100 cm土层土壤电导率分布均呈明显的正态分布。研究区5个土层土壤电导率均值分别为19.82、19.79、22.28、23.53、26.79 dS/m，除0～10 cm表层土壤外，其他土层土壤电导率均随土层深度增加而变大。各土层土壤电导率的最小值范围在0.60～0.89 dS/m，差距较小，最大值范围在57.77～71.76 dS/m，差距较大，中位数值表现为随土层深度增加而逐渐变大的趋势。各土层土壤电导率变异系数分别为82.68%、80.82%、76.58%、71.35%和64.69%，根据变异系数分级标准[15]来看均呈中等变异强度，按照从大到小的顺序对各土层土壤电导率变异系数进行排列，顺序为0～10、>10～20、>20～40、>40～60、>60～100 cm，土层深度越深，电导率变异系数越小。研究区5个土层土壤pH分布呈偏态分布，各土层土壤pH值范围分别为7.36～8.53、7.61～8.57、7.70～8.38、7.38～8.45、7.65～8.24，表层0～10 cm土壤pH变化最大，20 cm以下土层土壤pH均值随深度增大而逐渐减小。各土层土壤pH值的变异系数随土层深度增大而减小，都属于弱变异性。

表2 不同土层土壤电导率和pH值描述性统计

2.1.2 不同土层土壤电导率与pH半方差函数分析

变异函数理论模型的各项拟合参数决定了理论模型的选择[16]，由表3可知，0～10、>40～60 和>60～100 cm土层土壤电导率和pH的最优半方差理论模型均为指数模型，>10～20 cm为高斯模型，>20～40 cm为球形模型。5个土层土壤电导率模型拟合决定系数分别为0.80、0.84、0.80、0.78和0.80，土壤pH模型拟合决定系数分别为0.84、0.84、0.88、0.94、0.73，拟合效果较好，能较准确地反映徐圩新区盐碱地部分空间土壤电导率和pH的空间变异结构特征；变程是指半变异函数取值由初始的块金值达到基台值时采样点的间隔距离，当样点间距超过变程时，可认为不具有相关性。0～10 和>60～100 cm土层的变程明显大于其他土层，说明0～10和>60～100 cm土层土壤电导率比其他3个土层空间相关性小。块金值通常表示由于试验误差和小于试验采样尺度引起的变异，本文中0～100 cm土层土壤电导率和pH的半方差模型中的块金值都很小，说明在采样尺度下，影响土壤电导率和pH垂直变异的过程作用较小。在半方差理论模型中，块金值与基台值的比值被定义为基底效应，根据CAMBARDELLA等[17]研究可知，若基底效应小于25%，说明系统空间相关依赖性强；基底效应处于25%～75%范围内，说明系统空间相关依赖性是中等水平；基底效应大于75%，即系统空间相关依赖性弱。由表3可知，>10～20 cm土层土壤的电导率值的基底效应分别为30.952%，处于25%～75%范围内，空间相关性呈中等水平，其他土层均为弱相关性。

2.2 不同土层土壤电导率与pH空间格局

研究区0～100 cm土层土壤电导率和pH值空间分布如图2和图3所示，由于采样点的有限性，对未采样的区域进行Kringing插值估计，即可对没有采集数据的空间进行分析，得到最优无偏估计值。克里金有几种方法组成，包括简单克里金、指示克里金、普通克里金和协同克里金，本文运用的是简单克里金插值法。

表4是美国农业部根据EC值划分土壤盐渍化程度等级的研究[18]，图2结果显示研究区主要是重度盐渍化土壤和极重度盐渍化土，总体来看，土壤电导率由西向东逐渐升高，且随土层深度增大土壤电导率值也呈增大趋势，不同区域之间有较大的差异，个别湖泊水库之处，土壤电导率值较小，石化基地附近的土壤电导率值较大，石化基地对土壤存在一定的化学污染，导致土壤退化[19]。研究区还分布着大面积的晒盐池与虾塘[12]，土壤盐分较重，为极重度盐渍土，导致土地荒漠化，植被遭受到干扰和破坏[20]，只有极少数耐盐作物能自然生长，为防止影响生物多样性以及生态系统协调性，区域内绿化采用客土工程，使得土壤电导率分布不均。不同土层深度土壤电导率空间格局分布差异明显，最大值都集中在靠东部的中下区域。研究区内非盐渍化土占比最小，极重度盐渍土占比最大，且在各个土层中都占比超过50%，随土层深度增加而增大，在>60～100 cm土层中甚至占比超过80%。

表3 不同土层土壤EC和pH半方差模型

图2 0～100 cm不同土层土壤EC空间分布图

图3 0～100 cm不同土层土壤pH空间分布图

表4 土壤盐渍化等级划分标准[18]

土壤pH值是衡量土壤酸碱度的指标，在很大程度上影响作物产量、土壤养分和微生物活性等[21]。研究区土壤pH分布如图3所示，0～10、>40～60和>60～100 cm土层土壤pH分布呈斑点状分布，>10～20和>20～40 cm土层土壤pH呈条带状分布，整个区域土壤pH最小值为7.36，最大值为8.53，总体上>40～60 cm土层的土壤pH值较大，pH处于7.50～7.99范围内的频数随土层深度增加而增大，pH>8.0的频数随土层深度增加而减少，研究区整体都是属于碱性土壤。

由表5相关性分析可知，研究区0～10、>10～20、>20～40、>40～60和>60～100 cm土层中，各土层土壤电导率值均存在极显著正相关关系（<0.01），任意一层土壤电导率与其相邻的下层土壤电导率相关性相较于与其他下层土壤最为显著，此规律和前人研究相同[22]。>40～60 cm土层土壤电导率和>60～100 cm土层之间的相关性最显著，相关系数为0.96，0～10和>60～100 cm之间的相关性最小，相关系数为0.77。除>20～40 cm土层土壤pH与>60～100 cm土层pH值无显著相关关系，其他土层pH值两两之间均呈现极显著相关关系，相关系数范围在0.34～0.84，且与电导率值存在相同的规律，即相邻2个土层之间的相关性最高，随着深度增加，相关性逐渐减小。总的来看，垂直方向上各层土壤电导率和pH互相作用、互相影响，各土层之间土壤pH的相关性比土壤电导率的小。

2.3 客土与原土土壤电导率和pH值对比

图4是研究区原土裸地、原土有植被、客土裸地、客土有植被的卫星图，原土上仅盐蒿、碱蓬等盐生植物能存活，客土上种植的植物有柽柳、木槿等行道树。由表6可知，研究区客土有植被覆盖的土地0～100 cm土壤电导率值和pH值比无植被覆盖的土壤小，原土有植被覆盖土壤电导率比裸地的略小，原土有植被覆盖的土壤pH值比原土裸地的略大。客土5个土层土壤电导率先减小后增大，而原土土壤电导率值随着土层深度的增加而增大。4种不同土地类型不同土层土壤pH值变化规律不明显，可能是因为pH值相差不大，但可以发现表层0～20 cm土层土壤的pH值大于其他深层土壤。

表5 不同土层土壤EC和pH值相关性

注：*表示显著相关（<0.05），**表示极显著相关（<0.01）。

ote: * means significant correlation (<0.05), * * means extremely significant correlation (<0.01).

注：长方框内为取土样区域。

表6 不同土地类型不同土层土壤EC和pH值

注：不同小写字母代表不同土层间差异达显著水平（<0.05）。

Note: Different lowercase letters represent significant differences among different soil layers (<0.05).

2.4 土壤电导率和pH值影响因素分析

对土壤性质与环境因素进行皮尔逊相关性分析（表 7），发现经纬度和研究区土壤电导率和pH均无显著相关性，海拔和土壤电导率存在显著性负相关关系（<0.05），而河流湖泊水体电导率和土壤电导率呈极显著正相关关系（<0.01），水体pH和土壤电导率呈显著正相关关系（<0.05），植被和土壤电导率呈极显著负相关关系（<0.01），即有植被覆盖的土地，土壤的盐分会低于无植被覆盖的土地，植被对土壤盐分有一定的改善作用。土壤电导率和土壤pH值呈现极显著负相关关系（<0.01）。

表7 土壤性质与环境因素相关性

注：REC和RpH为河流湖泊水体EC和pH值，SEC和SpH为土壤EC和pH值。

Note: REC and RpH mean the EC and pH values of rivers and lakes, and SEC and SpH mean the EC and pH values of soil.

3 讨 论

研究区滨海盐碱地土壤为极重度盐渍土，在自然状况下，仅有少部分盐生植物能成活和生长，为打造良好投资环境，区内实施了大量客土绿化工程。本次调查采样点包括客土造林后的土壤以及徐圩新区的滨海盐渍土。由表2可知，不同土层土壤电导率变异系数均为中等变异，且随着土层深度增加，变异系数越小。从宏观上看，研究区土壤从西向东土壤盐渍化程度加深，很可能是因为海平面上升、海水入侵和飓风等。只有>10～20 cm土层土壤的电导率值的基底效应分别为30.952%，处于25%～75%范围内，空间相关性呈中等水平，其他土层均为弱相关性（表3）。空间相关性是由随机因素和土壤自身结构性因素共同作用的结果，其中随机因素（比如不同的施肥、耕作方式等）的影响会使得同一层面的空间相关性减弱，而结构因素包括土壤母质、气候以及地形等会使土壤电导率和pH的空间相关性增强。研究区大多数土层土壤电导率和pH的空间相关度在0%～25%之间，说明随机因素引起的空间变异性较弱，自相关引起的空间变异性较强。从垂直角度上看，土壤电导率随着土壤深度增加而变大，各土层土壤电导率值均存在极显著正相关关系（<0.01），任意一层土壤电导率与其相邻的下层土壤电导率相关性相较于与其他下层土壤最为显著，此规律和前人研究相同[22]。

客土改良后的土壤电导率明显低于原土，但是客土总体上没有使土壤pH值降低，客土0～100 cm土层土壤pH值均值为8.07（表6），略高于《园林栽植土质量标准》的pH值建议值（6.0～7.8）[3]，可能是因为在客土后期养护浇水的过程中灌水量一次性过多，使土壤中的肥料流失，造成土壤返碱，因此浇水应该采用小水灌透的方法，使水分缓慢渗入土中。土壤pH值受土壤母质、地形、气候、植被、人为耕作等影响[21]，本研究区土壤为碱性，原土裸地土壤pH值和原土有盐生植物覆盖的差异性小，但客土有植被覆盖与裸地相较之下，绿化植物降低土壤pH值改良土壤碱性的作用较为明显[23]。有盐生植物覆盖的情况下原土0～100 cm土层土壤电导率值均比原土裸地的小，种植盐生植物可以有效地降低土壤含盐量，改善土壤理化性质[24-25]，还有研究证明盐生植物的根系微生物群落是盐渍土土壤修复的重要机制之一[26]。原土分为上有盐生植物覆盖和“盐斑化”明显的裸地[27]2种情况，这2种情况下，0～20 cm土层土壤电导率相差不大，>20～100 cm的相较之下差距偏大，相较于裸地，不论是人为种植的绿化植物还是自然生长的盐生植物都能起到改善土壤盐碱的作用[28-29]，与表7中土壤电导率和植被呈极显著负相关关系的结论一致。由表6，客土土壤表层（0～10 cm）土壤电导率值比>10～60 cm的大，且表层和>60～100 cm土层土壤电导率在2～4 dS/m范围内，属于轻度盐渍土，土壤盐分表聚和底聚现象明显，主要是因为在客土工程绿化植物生长过程中，隔盐材料随着年限逐步老化失效，隔盐排盐系统渐渐堵塞积水及后期管护措施不到位等原因，土壤及地下水盐分可在蒸发作用下随毛管水上升[30]，造成土壤返盐状况，在客土养护过程中需定期检查隔盐排盐措施，客土年限越大，返盐状况越明显，客土技术对绿化来说具有不可持续性，长期来看客土绿化并不是研究区解决绿化问题最好的方式。

徐圩新区东临黄海，水域面积占全域面积的11.4%，形成“三纵八横六湖”错综复杂的河湖水系，研究区土地主要为徐圩盐场的晒盐用地及配套的输水道以及送水道，常年引海水晒盐，河流湖泊水体电导率值高，盐分重[12]。由表7可知土壤采样点周围的河流湖泊水体电导率和土壤电导率存在极显著正相关关系（<0.01），水体pH和土壤电导率存在显著正相关关系（<0.05）。所以在周围有河流湖泊的土地上进行客土等绿化工程，必须选择当地更为耐盐碱的植物，且更注重灌溉养护管理。有学者[31]针对生态输水对甘肃青土湖地区土壤盐渍化的影响进行研究，发现随着水域水体盐分降低，周围盐渍土转化为非盐渍土，而湖区外围土壤盐分先降低后升高，最后发生土壤次生盐渍化。目前从机理性上对河流湖泊水体盐碱度对土壤盐分的影响还需更加深入的研究。研究区经纬度和土壤盐碱度并没有相关性，而一些研究证明[32-33]，海拔高度与土壤电导率值存在显著负相关关系，与本研究一致。气候是影响盐碱化的重要因素之一[34]，土壤盐碱化季节性变化明显，春秋积盐、夏季脱盐，冬季隐蔽性积盐[35]，采样时8月雨季排水不畅加上夏季高温蒸发作用，土壤中盐分在表层聚积使盐分浓度增加达到最大值，使其盐渍化程度加深[36]，所以后期还需对春秋等季节土壤盐分状况进行研究。

4 结 论

根据采样监测结果分析了客土造林后的徐圩新区滨海盐碱土0～100 cm 5个土层土壤电导率和pH空间分布特征以及影响因素，得出以下结论：

1）研究区0～10、>10～20、>20～40、>40～60和>60～100 cm土层土壤电导率均为中等强度变异，pH值是弱变异性，变异系数随土壤深度增加而变大。大多数土层土壤电导率和pH表现为弱空间相关性，由随机因素引起的空间变异性较弱，自相关引起的空间变异性较强。水平方向上看，研究区从西向东盐碱程度逐步加深，垂直方向上，土壤电导率值随着土层深度增加而不断变大，相邻2个土层之间土壤电导率相关性最高，随着深度增加，相关性逐渐减小。

2）研究区客土0～100 cm土层土壤电导率均值为2.91 dS/m，属于轻度盐渍化土；原土0～100 cm土层土壤电导率均值为31.00 dS/m，属于极重度盐渍化土。原土上只有极少数耐盐作物能自然正常生长，客土土壤盐分表聚和底聚现象明显，存在返盐返碱的问题，后期养护中应利用小水灌透的方式以及定期检查排盐隔盐措施，在咸水河流湖泊旁边的土地绿化时选用更耐盐碱的植物，长远来说，客土改良并不是解决该地区绿化最好的方式。影响研究区土壤电导率的因素有河流湖泊水体电导率和pH值、土壤pH值、海拔、植被、气候等。所以在后续的绿化造林工程中应该更加注重以上影响因素，制定更为适宜完备的绿化造林方案。土壤盐分还具有时间变异性，在今后的研究中，应当重视土壤盐分的时空分布、不同年限客土土壤理化特性变化以及河流湖泊水体性质对周围土壤盐碱影响的机理性研究。

[1] 金雯晖，杨劲松，侯晓静，等. 轮作模式对滩涂土壤有机碳及团聚体的影响[J]. 土壤，2016，48(6)：1195-1201.

JIN Wenjun, YANG Jinsong, HOU Xiaojing, et al. Effects of rotation systems on soil organic carbon and aggregates in light salinized farmland in North Jiangsu Province[J]. Soils, 2016, 48(6): 1195-1201. (in Chinese with English abstract)

[2] 姚荣江，杨劲松，陈小兵，等. 苏北海涂典型围垦区土壤盐渍化风险评估研究[J]. 中国生态农业学报，2010，18(5)：1000-1006.

YAO Rongjiang, YANG Jinsong, CHEN Xiaobin, et al. Evaluating soil salinization risk in typical coastal reclaimed regions in North Jiangsu Province[J]. Chinese Journal of Eco-Agriculture, 2010, 18(5): 1000-1006. (in Chinese with English abstract)

[3] 李品芳，杨永利，兰天，等. 天津滨海盐渍土客土改良后的土壤理化性质与持水特性[J]. 农业工程学报，2017，33(7)：149-156.

LI Pinfang, YANG Yongli, LAN Tian, et al. Physicochemical properties and water holding characteristics of Tianjin coastal saline soil improved by foreign soil[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 149-156. (in Chinese with English abstract)

[4] LIU L, JIN Y, WANG J, et al. Comparation of spatial interpolation methods on slowly available potassium in soils[J]. IOP Conference Series: Earth and Environmental Science, 2019, 234: 12018.

[5] 方萍，吕成文，朱艾莉. 分形方法在土壤特性空间变异研究中的应用[J]. 土壤，2011，43(5)：710-713.

FANG Ping, LV Chengwen, ZHU Aili. Applied studies of fractal theory on spatial variability of soil properties: A review[J]. Soils, 2011, 43(5): 710-713. (in Chinese with English abstract)

[6] 王瑞燕，孔沈彬，许璐，等. 黄河三角洲不同地表覆被类型和微地貌的土壤盐分空间分布[J]. 农业工程学报，2020，36(19)：132-141.

WANG Ruiyan, KONG Shenbin, XU Lu, et al. Spatial distribution of soil salinity under different surface land cover types and micro-topography in the Yellow River Delta[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(19): 132-141. (in Chinese with English abstract)

[7] 马贵仁，屈忠义，王丽萍，等. 河套灌区典型示范区土壤盐分和有机质空间变异特征[J]. 中国土壤与肥料，2022(4)：17-28.

MA Guiren, QU Zhongyi, WANG Liping, et al. Spatial variation characteristics of soil salinity and organic matter in typical demonstration area of Hetao irrigation area[J]. Soils and Fertilizers Sciences in China, 2022(4): 17-28. (in Chinese with English abstract)

[8] 王友年. 喀什噶尔河流域灌区土壤盐分空间变异性及影响因素分析[J]. 水资源开发与管理，2022，8(5)：43-52.

WANG Younian. Spatial variability of soil salinity and its influencing factors in irrigation area of Kashgar River basin[J]. The Global Seabuckthorn Research and Development, 2022, 8(5): 43-52. (in Chinese with English abstract)

[9] 吴亚坤，刘广明，苏里坦，等. 基于电磁感应研究新疆土壤盐分三维空间变异对季节的响应[J]. 农业工程学报，2017，33(14)：173-178.

WU Yakun, LIU Guangming, SU Litan, et al. Response of three-dimensional spatial variability of soil salinity to change of season of Xinjiang based on electromagnetic induction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(14): 173-178. (in Chinese with English abstract)

[10] 王瑞萍，万核洋，陈帅，等. 河套灌区乌拉特灌域春季土壤盐碱化空间分布特征[J]. 农业工程学报，2021，37(15)：105-113.

WANG Ruiping, WAN Heyang, CHEN Shuai, et al. Spatial distribution pattern of soil salinization in farmland of Wulate sub-irrigation areas in Hetao Irrigation District in Inner Mongolia in spring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(15): 105-113. (in Chinese with English abstract)

[11] 刘文全，卢芳，徐兴永，等. 滨海废弃盐田复垦区土壤盐分和有机质的空间变异特征[J]. 农业工程学报，2019，35(19)：183-190.

LIU Wenquan, LU Fang, XU Xingyong, et al. Spatial variability of soil salinity and organic matter in reclaimed area of abandoned salt pan in coast[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(19): 183-190. (in Chinese with English abstract)

[12] 王高祥，苏小四，张岩，等. 连云港徐圩新区盐渍土盐分时空分布特征及其主要影响因素分析[J]. 安全与环境工程，2021，28(3)：16-24.

WANG Gaoxiang, SU Xiaosi, ZHANG Yan, et al. Characteristics of temporal and spatial distribution of salinity in saline soil and its main influencing factors in Xuwei New District of Lianyungang[J]. Safety and Environmental Engineering, 2021, 28(3): 16-24. (in Chinese with English abstract)

[13] DONG S, WAN S, KANG Y, et al. Establishing an ecological forest system of salt-tolerant plants in heavily saline wasteland using the drip-irrigation reclamation method[J]. Agricultural Water Management, 2021, 245: 106587.

[14] 鲍士旦. 土壤农化分析[M]. 北京：中国农业出版社，2000.

[15] 王全九，毕磊，张继红. 新疆包头湖灌区农田土壤水盐热特性空间变异特征[J]. 农业工程学报，2018，34(18)：138-145.

WANG Quanjiu, BI Lei, ZHANG Jihong. Spatial variability analysis of large-scale soil water, salt and heat characteristics in Baotou lake irrigation area of Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(18): 138-145. (in Chinese with English abstract)

[16] 张弛，刘聪，张瑞芳，等. 阜平县土壤有效态微量元素的空间变异[J]. 河南农业大学学报，2022，56(1)：41-49.

ZHANG Chi, LIU Cong, ZHANG Ruifang, et al. Spatial variability of soil available microelements in Fuping County[J]. Journal of Henan Agricultural University, 2022, 56(1): 41-49. (in Chinese with English abstract)

[17] CAMBARDELLA C A, MOORMAN T B, NOVAK J M, et al. Field-scale variability of soil properties in central iowa soils[J]. Soil Science Society of America Journal, 1994, 58(5): 1501-1511.

[18] HIDE J C. Diagnosis and improvement of saline and alkali soils[J]. Science, 1954, 120(3124): 800.

[19] MÜLLER T S, DECHOW R, FLESSA H. Inventory and assessment of pH in cropland and grassland soils in Germany[J]. Journal of Plant Nutrition and Soil Science, 2022, 185(1): 145-158.

[20] HAJ-AMOR Z, ARAYA T, KIM D, et al. Soil salinity and its associated effects on soil microorganisms, greenhouse gas emissions, crop yield, biodiversity and desertification: A review[J]. Science of the Total Environment, 2022, 843: 156946.

[21] TU C, HE T, LU X, et al. Extent to which pH and topographic factors control soil organic carbon level in dry farming cropland soils of the mountainous region of Southwest China[J]. Catena, 2018, 163: 204-209.

[22] LIU G, LI J, ZHANG X, et al. GIS-mapping spatial distribution of soil salinity for Eco-restoring the Yellow River Delta in combination with Electromagnetic Induction[J]. Ecological Engineering, 2016, 94: 306-314.

[23] XIA J, REN J, ZHANG S, et al. Forest and grass composite patterns improve the soil quality in the coastal saline-alkali land of the Yellow River Delta, China[J]. Geoderma, 2019, 349: 25-35.

[24] CAO Q, YANG B, LI J, et al. Characteristics of soil water and salt associated with Tamarix ramosissima communities during normal and dry periods in a semi-arid saline environment[J]. Catena, 2020, 193: 104661.

[25] 梁继业，赵振勇，刘畅，等. 真盐生植物盐地碱蓬资源特征与利用开发研究进展[J]. 中国野生植物资源，2022，41(2)：30-37.

LIANG Jiye, ZHAO Zhenyong, LIU Chang, et al. Research progress on characteristics, utilization and development of euhalophyte suaeda salsa resources[J]. Chinese Wild Plant Resources, 2022, 41(2): 30-37. (in Chinese with English abstract)

[26] QIU L, KONG W, ZHU H, et al. Halophytes increase rhizosphere microbial diversity, network complexity and function in inland saline ecosystem[J]. Science of the Total Environment, 2022, 831: 154944.

[27] 乔斌，黄维，何彤慧，等. 宁夏震湖滩涂湿地盐生植物群落多样性与土壤盐碱度分析[J]. 西北植物学报，2018，38(2)：324-331.

QIAO Bin, HUANG Wei, HE Tonghui, et al. Analysis on the diversity of halophyte plant community and soil salinity in beach-wetland of Zhen-Lake of Ningxia[J]. Acta Botanica Boreali-Occidentalia Sinica, 2018, 38(2): 324-331. (in Chinese with English abstract)

[28] YANG Y, WANG Z, CHEN L, et al. Improving effect of vegetation on the coastal salt marshes in Yancheng, Eastern China: A five-year observation (2013–2017)[J]. Acta Ecologica Sinica, 2021, 41(5): 402-409.

[29] 彭晓莉，吴旺泽，沈娟，等. 城市绿化带植被覆盖度对盐碱地土壤盐分的调节[J]. 植物研究，2022，42(1)：62-70.

PENG Xiaoli, WU Wangze, SHEN Juan, et al. Regulation of soil salinity by vegetation coverage in urban greenbelt saline-alkali land[J]. Bulletin of Botanical Research, 2022, 42(1): 62-70. (in Chinese with English abstract)

[30] 汪勇，陈敏建，赵勇，等. 基于生态圈层结构稳定的地下水位计算与调控[J]. 水科学进展，2021，32(4)：597-607.

WANG Yong, CHEN Minjian, ZHAO Yong, et al. Calculation and regulation of groundwater level based on the stability of groundwater-dependent ecosystem[J]. Advances in Water Science, 2021, 32(4): 597-607. (in Chinese with English abstract)

[31] HUANG F, CHUNYU X, ZHANG D, et al. A framework to assess the impact of ecological water conveyance on groundwater-dependent terrestrial ecosystems in arid inland river basins[J]. Science of the Total Environment, 2020, 709: 136155.

[32] ZHUANG S, WANG M, KING H, et al. Rain acid buffer capacities of alpine forest soils in central Taiwan[J]. Geoderma, 2006, 137(1-2): 174-178.

[33] BADÍA D, RUIZ A, GIRONA A, et al. The influence of elevation on soil properties and forest litter in the Siliceous Moncayo Massif, SW Europe[J]. Journal of Mountain Science, 2016, 13(12): 2155-2169.

[34] MAERTENS M, DE LANNOY G J M, VINCENT F, et al. Spatial patterns of soil salinity in the central Argentinean Dry Chaco[J]. Anthropocene, 2022, 37: 100322.

[35] 王遵亲. 中国盐渍土[M]. 北京：科学出版社，1993.

[36] LIU S, HOU X, YANG M, et al. Factors driving the relationships between vegetation and soil properties in the Yellow River Delta, China[J]. Catena, 2018, 165: 279-285.

Spatial distribution pattern and influencing factors of soil salt in coastal saline-alkali land after afforestation with foreign soil

ZHU Yu1, CHU Linlin1※, ZHU Wendong2, SUN Quan3, SUN Qingkai4

(1.211100,; 2.,,100101,; 3.,222047,; 4.222047,)

Soil salinization has seriously restricted the ecological greening environment of saline-alkali land in the sustainable development of modern agriculture. This study aims to study the spatial distribution pattern and influencing factors of soil salinization in the coastal saline-alkali land after afforestation with foreign soil. The study area was taken as the coastal saline-alkali land in Xuwei New Area, Lianyungang City, Jiangsu Province, China. The field survey and soil sampling were then carried out. The soil electrical conductivity and pH value were also selected as the main indicators to evaluate the soil salinization. An analysis was made to determine the distribution pattern of soil salt in the 0-10, >10-20, >20-40, >40-60, and >60-100 cm layers of coastal saline-alkali land, combining with geostatistics, classical statistics, and Kriging interpolation. The spatial variation was explained using the semi-variance function optimization model, which fully and effectively reflected the soil saline-alkali information from the horizontal and vertical aspects. A comparison was finally made on the soil saline-alkali differences between the foreign and the original soil. The results showed that: 1) The soil electro conductivity of 0-10, >10-20, >20-40, >40-60, and >60-100 cm soil layers varied with the medium intensity, particularly with the weakly variable pH value. The variation coefficient increased with the increase of the soil depth. A weak spatial correlation was found in the soil electro conductivity and pH values of most soil layers. The weak spatial variability was caused by random factors, where the autocorrelation caused the strong spatial variability. In addition, the salinity of the study area gradually deepened from the west to the east in the horizontal direction. By contrast, the soil conductivity value continuously increased with the increase of soil depth in the vertical direction. There was the highest correlation between the soil electro conductivity and the two adjacent soil layers. The correlation gradually decreased with the increase in depth. 2) The saline-alkali soil belonged to the extremely severe salinized soil, where only a few salt-tolerant crops can grow naturally and normally. There was an outstanding surface and bottom accumulation of salt in the foreign soil, indicating the salt return and alkalization. The measures of salt drainage and salt isolation can be checked regularly to slowly infiltrate into the soil by small water irrigation in the later maintenance. Plants with more salt-tolerant should be selected to plant on the land beside saline rivers and lakes. The foreign soil can also be improved for greening in the long run. 3) The influencing factors of the soil electro conductivity included the electro conductivity and pH value of rivers and lakes, soil pH value, altitude, vegetation, and climate. Therefore, more attention should be paid to formulate more suitable for the subsequent afforestation projects. There was also time variability in the soil salinity. Future research can be expected to focus on the temporal and spatial distribution of soil salinity, the physical and chemical characteristics of foreign soil in different years, and the influencing mechanism of the nature of rivers and lakes on the surrounding soil salinity. The finding can provide a strong reference for the development and utilization rate of heavy saline-alkali soil, in order to improve the construction of landscape and green space, particularly for the formulation of comprehensive improvement measures and management systems in the precise saline-alkali soil.

salts; electrical conductivity; geostatistics; saline alkali land; foreign soil; pH

10.11975/j.issn.1002-6819.202210190

S156.41；S287

A

1002-6819(2023)-06-0149-09

祝瑜，褚琳琳，朱文东，等. 客土造林后滨海盐碱地土壤盐分分布及影响因素分析[J]. 农业工程学报，2023，39(6)：149-157.doi：10.11975/j.issn.1002-6819.202210190 http://www.tcsae.org

ZHU Yu, CHU Linlin, ZHU Wendong, et al. Spatial distribution pattern and influencing factors of soil salt in coastal saline-alkali land after afforestation with foreign soil[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(6): 149-157. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.202210190 http://www.tcsae.org

2022-10-25

2023-01-27

徐圩新区成果转化项目“徐圩新区盐碱地原土绿化技术模式研究”；连云港市重点研发计划（SF2220）；中国科学院前沿科学重点研究计划项目（QYZDJ-SSW-DQC028）；国家重点研发计划子课题（2017YFC040320502）

祝瑜，研究方向为农业水土工程。Email:374626997@qq.com

褚琳琳，博士，副教授，研究方向为盐渍土治理利用与盐渍化防控。Email:chuLL@hhu.edu.cn