黑土区田块土壤有机质空间分异及分布研究

本文选取东北典型黑土区田块为研究区,实测获取土壤样点数据,基于遥感影像和地形数据,分别利用单一地统计、混合地统计和遥感反演方法预测土壤有机质(SOM)空间分布。结果表明:研究区SOM含量变异系数为31.897%呈中等程度变异,且存在强烈空间自相关性;对光谱反射率进行数学运算得到的光谱指数"Tan345"(Landsat8影像345波段夹角正切值)与SOM极显著相关,相关系数最高达0.570;以光谱指数"Tan345"与地形因子"G"(高程)为输入量、利用回归克里格法预测的SOM精度最高;研究区SOM含量西高东低,沟底和平缓的坡顶含量较高。研究结果对于促进精准农业、估算土壤碳库有着重要的意义,并为小尺度SOM预测提供借鉴。     

黄土高原不同地貌区农田土壤有机质预测方法研究

  【目的】  开展黄土高原不同地貌区农田土壤有机质 (SOM) 预测方法研究,探讨不同预测方法在不同区域的适用性及不确定性,以便更准确地估算农田SOM空间分布特征,对土壤资源高效利用和农田精细化管理具有重要意义。  【方法】  在黄土高原3种典型地貌区进行试验,包括丘陵沟壑区 (庄浪县)、高塬区 (宁县) 和平原区 (武功县),分别布设样点3788、4048和3860个,分析农田土壤0—20 cm SOM含量。运用地统计学理论,分析各典型区SOM空间分布特征。提取原始样本75%为建模点,其余25%为验证点,利用普通克里格 (OK)、随机森林 (RF) 和随机森林+普通克里格 (RF + OK) 等方法,结合土壤类型、地形、气候、植被、人类活动等多源影响因子,对SOM分布进行空间预测,并对预测结果进行误差分析和空间结构检验,明确各方法的不确定性。  【结果】  丘陵沟壑区、高塬区、平原区SOM平均含量分别为14.29、13.15、14.48 g/kg,均属于较低水平;变异系数分别为18.96%、19.54%、26.71%,呈中等变异;块金效应分别为8.60%、17.41%和10.01%,受随机性和结构性因子共同作用,且受后者影响更大;丘陵沟壑区和平原区SOM含量的Moran’s I分别为0.26和0.14,Z[I]分别为26.56和13.51,存在显著空间自相关性,而高塬区SOM含量Moran’s I为0.02,Z[I]为1.55,不存在空间自相关性。丘陵沟壑区、高塬区、平原区SOM含量空间分布分别受温度、海拔、降水影响最大。在平原区,RF + OK法较RF法和OK法,MSE、RMSE、MAE等误差均最小,实测值与预测值的相关系数 (r) 最高,预测值的空间结构与实测值更接近。高塬区SOM空间分布无规律,OK法在该区域不适用,RF法和RF+OK法的各项误差无明显差异,但RF法的r更高,且预测值的空间结构更符合宁县实际特征。在平原区,OK法预测结果的不确定性较大,RF和RF + OK方法各项误差和r均无明显差异,但RF方法预测值的空间结构与实测值更接近,且较其它两个地区,其SOM变异性及建模点和验证点的各项误差均最大。  【结论】  在不同地貌区,环境要素、空间结构不同,同一预测方法的预测精度存在差异,平原区较丘陵沟壑区和高塬区,其空间预测结果的不确定性更大。在同一地貌区,3种预测方法的预测结果存在差异,丘陵沟壑区使用RF + OK法预测SOM空间分布效果较好,而高塬区和平原区则用RF法较好。当区域SOM存在显著空间相关性,且半方差函数的拟合度较高、残差较小时,采用RF + OK方法可显著提高模型预测精度。     

采样间距对有机质与环境因子相关性识别的影响

以黑龙江省海伦县为研究区,采用限制最小样点间距抽样和方差分解方法研究了采样点间距对土壤有机质(SOM)与环境因子相关关系识别的影响。结果表明,温度、土壤类型、坡度及作物生物量(NDVI)是研究区SOM变异性的主要环境控制因子;采样点数量为125个,最小样点间距为3.5 km时,SOM数据所包含的多尺度信息与多尺度的环境因子达到最佳尺度匹配,环境因子与SOM相关性最高,此时环境因子单独解释的方差及环境因子与空间变量共同解释的方差也最高,而空间变量解释的SOM方差则最小,因此,最适于识别研究区SOM与主要环境控制因子间的相关关系。     

大兴安岭地区土壤有机质空间变异特征及影响因素分析

为研究大兴安岭地区土壤有机质(SOM)空间特征并进一步探究其影响因素,使用采样间距为15 m×15 m的五点采样方法采集具有较强代表性的土壤样点数据共181个,获取各点属性数据及坐标值,再通过普通克里金插值方法初步分析SOM分布情况,并与遥感影像反演得出的SOM预测结果相结合。结果表明:大兴安岭地区的SOM含量变异系数为76.95%,属中等程度变异;与光谱反射率数据进行数学变换后得到的近红外波段5存在显著相关,相关系数最高可达-0.676;其次是红色波段4,相关系数为-0.508;SOM含量北高南低,其中大多数山区的含量较高。研究区的SOM空间变异是变海拔、坡度、坡向和土壤pH等因素综合影响的,其中海拔和土壤pH为主控因素。在累积与消耗SOM过程中,地形因子及人类活动可能会造成深远影响,研究结果可为大兴安岭地区的土壤资源可持续发展、农业结构调整及大尺度下预测分析SOM提供参考。     

黑土区农田氮磷淋溶消减措施

黑土是我国重要的土壤资源,承载了全国50%以上的玉米产量。但过量的化肥施入和不合理的农业管理造成黑土土壤氮磷大量残留,氮磷淋溶风险增强。相关研究表明,尽管黑土区旱地农田氮磷淋溶损失相对较低,肥料残留效应仍致使其潜在淋溶风险增强。因此,本研究综合分析了环境因子和农业管理措施对黑土区农田氮磷淋溶特征的影响规律,明确了黑土氮磷淋溶消减措施,并针对玉米农田和蔬菜地提出消减策略。具体结果如下:施肥和降水是影响黑土农田氮磷淋溶的重要因素,灌溉是影响蔬菜地氮磷淋溶的关键农田管理措施;按需施肥、有机无机配施、避免雨热同期追肥、节水灌溉、免耕秸秆覆盖、不同作物轮作和添加生物炭等均是适合于当地气候和土壤条件的氮磷淋溶阻控措施。建议玉米农田采用一次性基肥施入,有机肥占比50%～70%,采用免耕秸秆覆盖技术;蔬菜地在常规施肥和灌溉频次下分别降低20%的施肥量和灌溉量,推荐蔬菜秋季收获后秸秆粉碎深埋等管理措施。本研究明确了黑土区农田氮磷淋溶消减策略,有助于实现黑土区农业绿色可持续发展和绿色生态环境的构建。     

不同样点数量对土壤有机质空间变异表达的影响

以南京市六合区为研究区,通过完全随机和限制最小采样间距抽样分别设置5个样点系列,基于每个样点系列100次重复抽样的变异结构推断及空间预测误差结果,探讨了不同样点数量对土壤有机质(SOM)空间变异表达的影响。结果表明,两种抽样方式降低样点数量后推断的SOM含量的块金效应(C0/C0+C)均随样点数量减少而降低且限制最小采样间距抽样推断的C0/C0+C要低于完全随机抽样方法,说明适当的减少样点数量以便降低与SOM变异尺度不匹配的样点对变异结构推断的影响有助于提高SOM空间变异结构表达的可靠性。普通Kriging预测的SOM误差对比则表明,尽管两种抽样方式下空间预测的均方根误差(RMSE)随样点数量变化而波动,但均低于全部样点的预测误差;通过限制最小采样间距减少样点至250个时,SOM空间预测的RMSE最低,较全部样点预测误差降低了6%,因此,为了实现样点密度与SOM变异尺度相匹配,合理设置土壤采样点的间距及样点数量较单纯的增加采样点数量更为重要。     

星载高分五号高光谱耕地主要土壤类型土壤有机质含量 估测——以黑龙江省建三江农垦区为例

为了评价国产星载高分五号(GF-5)高光谱影像估测土壤有机质(SOM)含量的潜力,以及不同土壤类型对SOM含量光谱估测精度的影响,本研究以黑龙江省建三江农垦区为研究对象,获取了覆盖研究区域的GF-5高光谱影像和188个土壤样本。对提取的样点GF-5光谱反射率数据进行了反射率倒数、对数、一阶微分等9种光谱数学变换,并采用相关系数法确定了SOM含量的光谱敏感波段。采用偏最小二乘回归(PLSR)线性统计建模方法,对研究区域全部土壤类型以及草甸土、沼泽土、黑土等主要土壤类型,分别构建了光谱全波段和敏感波段的SOM含量估测模型,并进行了精度评价。结果表明,基于GF-5光谱数据的研究区域全部土壤类型的SOM含量估测精度不理想,最优模型精度决定系数(R2)为0.265,均方根误差(RMSE)为4.647%,相对分析误差(RPD)为1.135;不同类型土壤在SOM含量光谱估测精度差异较大,草甸土和沼泽土的SOM含量估测精度不高,但黑土的SOM含量估测精度较高,其中全波段光谱反射率对数一阶微分(LnR)′的SOM含量估测精度最高,R~2=0.729,RMSE=1.065%,RPD=1.850,SOM含量估测模型可用。按照不同土壤类型构建SOM含量估测模型可以进一步挖掘GF-5高光谱遥感估测SOM含量的潜力。     

基于不同模型的区域尺度耕地表层土壤有机质空间分布预测

研究不同模型对土壤有机质空间预测的性能差异对制定更加科学合理的采样策略、提升采样效率和提高土壤空间预测精度有着重要的指导意义。本研究将6496个土壤样点按8∶2的比例分层随机分成训练集与验证集,应用普通克里格、随机森林以及随机森林－回归克里格三种有代表性的数字化土壤制图（Digital Soil Mapping,DSM）模型,对河南省许昌市耕地表层土壤有机质含量及空间分布进行预测,对三种模型性能表现进行综合评价。三种模型输出的预测结果显示:研究区耕地表层土壤有机质含量水平一般,均值为18.70 ~ 18.81 g kg?1,变异系数0.15 ~ 0.17,属中等强度变异;空间分布总体格局为西北与西南部分山地褐土区、东南部砂姜黑土区表层有机质含量高,中北部脱潮土、石灰性潮土区表层有机质含量低。验证结果表明:三种模型性能表现无明显差距,预测精度基本一致,输出结果对研究区耕地表层土壤有机质变异解释百分比在33% ~ 34%之间,在相同和相近尺度土壤有机质空间预测案例研究里属中等水平。在协变量有限且样点分布较为均匀的情况下,普通克里格模型便于快速获得研究区目标变量的空间分布;如果协变量比较丰富且易于收集利用,或是进行空间预测的同时还需要甄别不同因素对目标变量的影响大小,则建议采用随机森林模型;协变量有限,但样点密度较大时,随机森林－回归克里格模型可能是对目标变量进行空间预测的不错选择。     

江淮丘陵地区土壤养分空间变异特征——以安徽省定远县为例

以安徽省江淮丘陵地区的定远县为例,利用测土配方施肥获取的1 401个农田表层样点数据,运用地统计学方法和GIS技术研究了土壤有机质(SOM)、全氮(TN)、速效磷(AP)和速效钾(AK)含量的空间变异特征及其影响因素。结果表明,定远县SOM含量为17.74 g/kg,TN含量为1.04 g/kg,AP含量为13.45 mg/kg,AK含量为115.00 mg/kg,属中等水平。变异系数介于28.85%~73.38%,属中等变异强度。地统计分析表明,定远县土壤养分的变异函数符合指数模型,具有中等强度的空间自相关性,SOM和TN的空间自相关性稍强。土壤养分在空间上呈块状分布,SOM、TN和AK的空间分布总体上东南高、西北低;AP总体上西高东低。土壤养分空间变异主要受地形和土壤类型影响。     

东北黑土漫岗区春耕期土壤水分空间变异及地形影响

土壤水分存在强空间变异特征,在多重尺度上受地形、土壤、土地利用、植被等因素综合影响,是农业生产和耕作的关键要素。为了揭示东北黑土漫岗区春耕期农田土壤水分空间变异特征及分析地形因子对其影响,以赵光农场为研究对象,利用Sentinel-1数据反演的土壤水分和DEM数据,采用半方差函数、集成推进树算法(ABT)等方法分析了春耕期土壤水分的空间变异及地形因子(坡度、坡向、坡位、高程、地形湿度指数)对土壤水分空间异质性的相对影响,并系统分析了土壤水分在不同坡位、坡度和坡向的变化特征。结果表明:研究区2018年4月24日处于春耕时期黑土漫岗区的土壤质量含水量分布在25%～37%; 地块内部变异系数为5.81%,相邻地块间变异系数为4.16%; 针对整个农场尺度土壤水分空间变异的有效变程为3 000 m,地块尺度上有效变程为300 m。土壤水分分布与地形湿度指数呈显著正相关,与坡度、坡向、高程、坡位呈显著负相关; 坡位、坡度、坡向是影响土壤水分空间变异的主控因子,其累计相对解释率超过了70%,其中坡位占36.28%。研究结果有助于了解东北黑土漫岗区春耕期农田土壤水分空间分异规律及影响机制,对黑土漫岗区土壤水分管理、春耕春播期农机科学调度、保障粮食安全具有重要意义。     

环渤海湾地区主要梨园土壤养分状况及养分投入研究

对环渤海湾地区三省204个主要梨园养分投入和土壤养分含量状况进行了研究,结果表明:(1)该区域主要梨园土壤有机质平均含量为17.1 g kg-1,其中,辽宁省主要梨园土壤有机质平均含量为22.9 g kg-1,山东和河北省主要梨园土壤有机质平均含量<20 g kg-1,<10 g kg-1的梨园分别占13%和25%。该地区梨园土壤碱解氮、速效磷和速效钾平均含量为70.0 mg kg-1、63.1 mg kg-1和175.9 mg kg-1,速效磷含量普遍较高,存在不同程度积累现象。梨园土壤酸化现象明显,50%以上的梨园土壤pH<6.0,以辽宁省梨园土壤pH平均值最低。(2)土壤养分质量综合评价结果表明,环渤海湾地区的辽宁省梨园土壤养分水平最高,河北省最低。土壤有机质、碱解氮和pH值是该地区主要梨园土壤养分质量的限制因子。(3)山东省主要梨园氮、磷(P2O5)、钾(K2O)养分总投入量分别为968 kg hm-2、441 kg hm-2和523 kg hm-2,且以化肥养分投入为主。河北省养分投入状况与山东省相似。山东和辽宁省梨园化肥施用以三元复合肥为主,分别占94%和66%,河北省施用的尿素占化肥总量的77%。     

长江三角洲典型地区农田土壤有机质的时空变异特征及其影响因素

农田土壤有机质是评价土壤肥力和土壤质量的重要指标,同时也是全球C库的重要组成部分,其时空变化动态对土壤质量和全球气候变化有重要影响。对江苏省如皋市土壤有机质含量的分析结果表明,在空间上以东部的白蒲系(壤质水耕人为土)和南部的长青沙系(黏质潮湿雏形土)含量较高,而中西部的磨头系(砂质潮湿雏形土)、郭园系(砂质干润雏形土)和桃园系(壤砂质潮湿雏形土)含量较低,分布于东北和西北部的东陈系和搬经系(壤质潮湿雏形土)以及南部的营防系和张黄港系含量居中;近20年来(1982─2002年)该市农田土壤有机质总体上呈持续增长的趋势;1982─1997年的时空变异表现为中西部增长迅速而东部和南部增长幅度较小,但1997─2002年则以东部和南部增长较快而中西部增长幅度趋缓。本文进一步分析和讨论了影响农田土壤有机质时空变化的因子,并且提出了今后土壤管理和利用方面的建议。     

基于物元模型分析人工造林对土壤养分的影响

[目的]分析人工造林对于土壤养分的影响,为合理造林提供一定的理论依据。[方法]以内蒙古自治区敖汉旗1983与2013年的土壤养分数据作为基础,运用层次分析法与物元模型对1983和2013年内的土壤数据进行养分分级,并进一步描述了各土壤养分变化特征。[结果]5种类型土壤的有机质与全氮在造林30a后呈上升趋势;磷与钾呈逐渐减少趋势。造林后,土壤养分等级普遍呈增加趋势。[结论]造林使土壤有机质增加,合理的人工林结构有助于维持土壤肥力。     

辽宁地区保护地土壤有机质含量及其影响因素的研究

在对辽宁省主要保护地蔬菜生产区生产状况进行实地调查的基础上,自蔬菜保护地和与之相邻的露地大田采集土壤样品,研究保护地土壤有机质含量变化特点,分析了改作保护地后种植年限、有机肥施用量等因素对保护地土壤有机质含量的影响。结果表明:(1)蔬菜保护地土壤有机质含量总体上已经显著高于露地大田土壤,且这一差异0~20 cm土层明显大于20~40 cm土层;(2)保护地土壤有机质含量表现出随着改作保护地后种植年限延长而增加的变化趋势;(3)在改作保护地后种植年限相近的条件下,保护地土壤有机质含量及其增量与有机肥施用量呈明显的正相关关系。(4)辽宁各地保护地土壤有机质含量差异明显,其中大连地区保护地土壤有机质含量较高,其他地区处于中-低水平,需要增加投入、提高土壤有机质含量以进一步培肥地力。     

长期施肥对水稻土不同功能有机质库碳氮分布的影响

土壤有机质(SOM)对于维持农业生产力、提高土壤质量和增加土壤固碳均具有非常重要的意义。以红壤水稻土35年的长期定位试验为依托,借助近期发展的物理―化学联合分组方法,探讨了长期施肥对水稻土不同功能SOM库含量、SOM库碳氮含量变化和分配比例的影响。结果表明,长期施肥尤其是有机无机配施处理显著增加了未保护游离SOM库(c POM和f POM)和纯物理保护SOM库(i POM)在土壤中的含量以及它们的土壤有机碳(SOC)和全氮(TN)含量。未保护游离SOM库的SOC和TN含量占总有机碳和全氮比例在有机无机配施处理下最高,分别达35.9%和33%。与CK相比,有机无机配施使生物化学保护库非水解游离粉粒组(NH-d Slit)和非水解游离黏粒组(NH-d Clay)含量分别降低了15%和9.5%(p0.05)。物理―化学保护SOM库、物理―生物化学保护SOM库以及化学保护SOM库含量受长期施肥影响不显著。综上,研究表明土壤不同功能SOM库对长期施肥的响应不同。有机无机配施是提升红壤水稻土SOM数量和质量的最佳培肥措施。     

海涂围垦区土壤质量综合评价的指标体系研究

以苏北海涂围垦区为研究区域,选取与作物生长密切相关的理化性质为指标,采用模糊数学方法对土壤质量状况进行了定量评价,获取了区域土壤质量状况分布图,并对不同指标体系下的评价结果进行了比较分析.结果表明:研究区土壤质量状况总体较差,有机质是重要的土壤质量评价因子,土壤盐分与地下水矿化度是土壤质量的主要限制因子;不同评价方案获得的土壤质量状况具有空间相似性,西部棉花种植区土壤质量状况总体优于东部的水稻种植区;体积质量对土壤质量评价差异影响较小,速效养分对土壤质量评价影响较大,基于速效养分的土壤质量评价精度高于全量养分;在其他因素获取困难的情况下,采用土壤有机质、速效养分和盐分或仅采用土壤有机质和盐分作为评价指标亦能较好地反映土壤质量状况.该研究可为海涂围垦区土壤质量快速评价指标体系的构建、中低产地的科学改良和管理提供一定理论依据.     

水肥管理对稻田CH4排放及其全球增温潜势影响的评估

甲烷(CH_4)是主要温室气体之一,对全球增温的作用仅次于二氧化碳(CO_2)。稻田是CH_4的重要排放源,减少稻田CH_4排放对减缓气候变暖具有直接效应。为此,掌握稻田CH_4排放的规律和特征对控制和减少稻田CH_4排放尤为重要。为了解稻田温室气体排放的主要影响因子及影响程度,估算稻田温室气体全球增温潜势,寻求农田减排措施,我们通过收集已发表的文献建立了稻田CH_4排放的数据库,采用析因分析与回归分析方法对稻田CH_4日排放量和全球增温潜势特征和可能的影响因子进行了分析。结果表明,稻田CH_4日排放量和增温潜势均随土壤有机质背景含量的升高而增加,不同类型稻田CH_4日排放量大小依次为:双季稻晚稻双季稻早稻单季稻稻麦轮作晚稻;晚稻田CH_4的增温潜势大于早稻田。不同肥料处理条件下,稻田CH_4日排放量表现为:秸秆还田配施有机肥化学氮肥≈生物炭。控制灌溉水量可降低稻田CH_4的综合增温潜势,表现为:持续淹水晒田干湿交替控制灌溉。研究结果说明,稻田CH_4的产生与排放过程受土壤有机质含量、肥料管理和水分管理以及轮作制度等多种因素的共同影响,应依据不同土壤条件和种植制度,适当调整肥水管理,以减少稻田温室气体排放,降低其增温潜势。     

Influence of management practices on soil organic matter changes in the Northern China plain and Northeastern China

Soil organic matter (SOM) is strongly related to soil type and management practices. Changes in government policy have brought drastic changes in farm management practices in the last two decades in rural China. This study investigates changes in SOM in two different soils: Ustepts and Udolls. Ustepts, in the North China Plain where the climate is warm and sub-humid, developed from an alluvial flood plain with organic matter <10 g kg⁻¹. Udolls, in Northeastern China where the climate is cool and sub-humid, developed from loess-like materials with organic matter >20 g kg⁻¹. Two locations for Ustepts and three locations for Udolls were used to collect 567 soil samples in 1980–1982 and again in 2000 for SOM analysis. Soil organic matter increased for Ustepts and decreased for Udolls soils over the sampling period, resulting from differences in fertilizer rates and crop residue input to soil. Higher fertilizer input and crop intensity and initially very low SOM content in Ustepts all contributed to greater OM input than oxidation release. In contrast, lower fertilizer input and crop intensity, and initially high SOM content in the Udolls, led to lower OM input than oxidation release. Increasing SOM content through higher mineral fertilizer input is a valuable option for sustainable agriculture production in areas where SOM is low and there is a shortage or potential shortage of food supply.     

施肥管理对农田黑土土壤水分动态变化的影响

东北黑土区属"雨养农业",水分是该地区农业生产中的主要限制因子。施肥管理通过影响土壤理化性质和作物生长调控土壤水分。以中国科学院海伦农田生态系统野外科学观测研究站内的水分平衡观测场为研究对象,基于10年的观测数据,分析研究区域内长期的施肥管理对土壤水分垂直变化和季节性变化的影响。研究结果表明不同的施肥管理方式显著影响了0~90 cm土层的土壤水分含量,表现为与无肥(CK)相比,化肥(NP)和有机肥+化肥(NPM)处理的0~90 cm土层土壤含水量分别减少了1.53%和3.45%。不同施肥管理方式下剖面土壤含水量的季节性变化为土壤含水量差异的最大时期出现在8月5日,表现为CK>NP>NP。根据土壤储水量的季节性变化,将作物生长季内土壤水分划分为三个时期,分别为相对稳定期(4月30日~5月30日),水分消耗期(5月30日~6月30日)和水分恢复期(6月30日~10月5日),其中NP和NPM处理土壤储水量一直处于较低水平。土壤水分被消耗的最大时期出现在6月末。