2. 江苏省水土保持与生态修复重点实验室, 南京 210037;
3. 中国科学院南京土壤研究所, 南京 210008
土壤是在成土因素长期作用下形成的分布复杂、具有一定肥力的时空连续体[1]。土壤养分是植物生长发育所必需的营养元素,它不仅是土壤肥力的物质基础,也是土地评价的重要参数之一[2-3]。近年来,国内外土壤工作者对土壤养分空间分布、级别评定等进行了大量报道,认为土壤养分的含量及分布特征是由一系列因子相互作用产生的,地形、海拔以及土地利用方式等因素都是导致土壤养分变化的重要因素。赵义博等[4]对内蒙古胜利矿区土壤进行研究,发现有机质、碱解氮的高值区主要集中在矿区西部高程较高区域,低值区主要集中在矿区东部人为干扰较强区域。李有芳等[5]对云南省玉溪柑橘园土壤进行研究,发现有机质、碱解氮基本处于贫乏水平,有效钾处于超标水平,有效磷处于丰富水平。董彩霞等[6]对黄河流域梨园土壤进行研究,发现有机质、碱解氮含量较低,而有效磷、速效钾等富集现象明显。上述研究均为当地土壤改良以及林分管护提供了参考。目前,黄河故道立地条件差、树种单一、经营管理不当,严重影响了农田防护林的生态经济效能。本文通过研究黄河故道土壤养分变化特征,明确土壤养分含量等级,探讨土壤养分分布规律及其影响因素,旨在为建设高效农田防护林体系提供理论依据。
1 材料与方法 1.1 研究区概况黄河故道是黄河长期南侵夺淮入海留下的黄泛带,西起河南省兰考东坝头,流经豫鲁皖苏四省,在滨海县入黄海[7]。受黄河不断冲击的影响,黄河故道沿岸地势不断增高,并沿泛流方向延伸,逐步形成缓坡地势,其土壤受成土母质、地貌、水文以及耕作等因素的影响,质地以粉细沙土为主,具有“湿则板、水则淌、风则扬”的特性[8]。黄河故道自然植被极少,仅在村落附近可见人工栽培的落叶阔叶树种,常见的有杨树(Populus deltoides)、刺槐(Robinia pseudoacacia)、国槐(Sophora japonica)、苦楝(Melia azedarach)、垂柳(Salix babylonica)和白榆(Ulmus pumila)等。
本研究区位于江苏省北部盐城市阜宁县与淮安市涟水县交界的黄河故道(地理位置33°41'N ~ 33°55'N,119°28' E ~ 119°38' E,全长32.8 km)两侧,包含阜宁县的羊寨镇、芦蒲镇和涟水县的南集镇、唐集镇、石湖镇[9]。该区属暖温带与北亚热带过渡区,季风性气候显著,年均气温13.6 ~ 14.2℃,年均降水量812 ~ 1 010 mm,无霜期207 ~ 217 d。20世纪90年代,为推动当地生态建设与经济发展,大力倡导植树造林,初步形成了沿沟渠路分布、以杨树为主的农田防护林带(网)。
1.2 研究方法研究区土地利用类型分有林地和无林地。有林地样地的选择采用目视解译法,首先在ArcGIS软件中标记出完整的杨树农田防护林带作为待采样点,随后在现场进一步筛选。无林地样地为与林带相邻的空旷带状地块。
本研究共设置6条样线,依据距离废黄河远近布设样地,共设置30个有林地样地和15个无林地样地(表 1)。根据前人研究资料和野外现场调查[9-10],废黄河影响范围在1.5 km之内,因此将样地设置在1.5 km范围内。根据离黄河故道不同距离,将样地分为3个梯度:< 0.5、0.5 ~ 1.0、1.0 ~ 1.5 km,每个梯度分别有10个有林地样地和5个无林地样地。在各样地进行林分调查,记录位置、树高、胸径、林龄、海拔以及坡度等。
本研究土样采集均在沟渠上进行,每个样地选3个样点取样,用环刀法分别取0 ~ 10 cm和10 ~ 20 cm深度的土壤混合后装入塑料袋,带回实验室自然风干后进行研磨、过筛,测定土壤养分指标。土壤有机质(SOM)含量采用重铬酸钾氧化-油浴加热法进行测定;全氮(TN)含量采用元素分析仪测定;全磷(TP)采用高氯酸、硫酸熔融-分光光度法测定;全钾(TK)采用氢氟酸、高氯酸熔融-火焰光度法测定;碱解氮(AN)采用碱解扩散法测定;有效磷(AP)采用NaHCO3浸提-钼锑抗比色法测定;速效钾(AK)采用NH4Ac浸提-火焰光度法测定。
1.3 数据处理使用Excel 2007和SPSS 20.0对土壤养分数据进行处理和统计分析,统计数值为0 ~ 10 cm与10 ~ 20 cm两层土壤的均值。利用单因素方差分析(One-way ANOVA,LSD)对不同位置的养分指标进行差异显著性检验,利用独立样本T检验对不同地类养分指标的差异进行显著性检验。
利用层次分析法(AHP)对土壤养分指标(有机量、全量、速效量)逐层进行权重分析,并用Matlab进行计算;通过一致性检验后,利用物元分析模型对每个评价指标进行分级,确定经典域和节域;通过关联函数分别计算各指标的土壤养分等级,最终使用物元分析模型集成得到多指标的综合土壤养分水平[11-13]。
2 结果与分析 2.1 土壤养分指标的描述性统计研究区土壤养分各指标均值如表 2所示。根据全国第二次土壤普查土壤养分分级标准[14],研究区内土壤碱解氮属于4 ~ 5级水平,有效磷属于4级水平,速效钾属于1 ~ 3级水平。土壤全磷、全钾在不同地类有所差异:有林地全磷属于5级水平,全钾属于1 ~2级水平;无林地全磷属于4 ~ 5级水平,全钾属于1级水平。此外,土壤有机质、全氮在不同地类条件下差异较大:有林地土壤有机质属于2 ~ 3级水平,全氮属于1 ~ 2级水平;无林地土壤有机质、全氮均属于4 ~ 5级水平,明显低于有林地。
从变异系数看,有林地土壤养分变异系数介于0.12 ~ 0.67,无林地土壤养分变异系数介于0.04 ~ 0.62。其中,土壤速效钾变异程度最大,离散程度高,碱解氮变异程度次之,全钾变异程度最小。随远离黄河故道河堤,有林地和无林地的变异系数整体上呈减小趋势,说明各土壤养分指标差异变小,呈均一化分布。
2.2 土壤养分空间变异特征 2.2.1 土壤有机质研究区有林地土壤有机质平均含量介于27.30 ~ 35.00 g/kg,无林地土壤有机质平均含量介于8.80 ~ 13.10 g/kg。随着远离黄河故道河堤,土壤有机质含量均呈增加趋势。此外,有林地土壤有机质含量始终高于无林地(P < 0.05),显然农田防护林种植使林下土壤生态环境得到改善,进而增加了土壤有机质含量。
从变异系数看,有林地土壤有机质变异系数介于0.32 ~ 0.41,略低于无林地(0.35 ~ 0.45),属于中等程度变异。随着远离河堤,有林地和无林地的土壤养分变异系数逐渐减小,有机质含量朝均匀化方向发展。
2.2.2 土壤全量养分研究区有林地土壤全氮平均含量介于1.99 ~ 2.47 g/kg,无林地土壤全氮平均含量介于0.68 ~ 0.91 g/kg。随着远离河堤,土壤全氮变化趋势与有机质一致,呈增加趋势。有林地土壤全磷平均含量介于0.58 ~ 0.66 g/kg,无林地全磷平均含量介于0.66 ~ 0.75 g/kg,并随远离河堤基本呈减少趋势。有林地土壤全钾平均含量介于28.20 ~ 32.91 g/kg,无林地全钾平均含量介于31.23 ~ 33.00 g/kg,并随远离河堤呈增加趋势,且有林地全钾含量在距黄河故道 < 0.5 km和1.0 ~ 1.5 km区域差异性显著(P < 0.05)。此外,有林地土壤全氮含量始终高于无林地(P < 0.05),而全磷、全钾含量始终低于无林地(P > 0.05),这可能是因为农田防护林中枯落物分解、根系分泌代谢等因素增加了土壤腐殖质,提高了全氮含量。
从变异系数看,有林地土壤全氮变异系数介于0.30 ~ 0.41,略低于无林地(0.39 ~ 0.49),而土壤全磷、全钾变异系数分别为0.18 ~ 0.23、0.12 ~ 0.15,略高于无林地。随着远离河堤,有林地和无林地的土壤养分变异系数均呈减小趋势,各全量养分分布趋于均一。
2.2.3 土壤速效养分研究区有林地土壤碱解氮平均含量介于54.93 ~ 89.25 mg/kg,无林地土壤碱解氮平均含量介于33.63 ~ 60.88 mg/kg。随着远离河堤,土壤碱解氮含量均呈增加趋势,且有林地碱解氮含量在距黄河故道 < 0.5 km和1.0 ~ 1.5 km区域差异性显著(P < 0.05)。有林地土壤有效磷平均含量介于5.64 ~ 7.22 mg/kg,无林地土壤有效磷平均含量介于7.25 ~ 8.10 mg/kg。随着远离河堤,有林地土壤有效磷含量减小,无林地土壤有效磷含量增加。有林地土壤速效钾平均含量为117.87 ~ 220.75 mg/kg,无林地土壤速效钾平均含量为135.94 ~ 258.81 mg/kg,并随远离河堤呈增加趋势,且有林地速效钾在距黄河故道 < 0.5、0.5 ~ 1.0 km区域均与1.0 ~ 1.5 km区域呈显著差异(P < 0.05)。此外,有林地土壤碱解氮含量均高于无林地(P > 0.05),有效磷、速效钾含量均低于无林地(P > 0.05),表明农田防护林生长对速效养分含量影响不大。
从变异系数看,有林地土壤碱解氮、有效磷和速效钾的变异系数分别在0.36 ~ 0.67、0.21 ~ 0.43、0.53 ~ 0.79,均高于无林地。随着远离河堤,有林地和无林地的土壤速效养分变异系数均呈减小趋势,速效养分含量分布趋于均一。
2.3 土壤养分综合评价 2.3.1 建立层次结构模型本研究利用层次分析法(AHP)构造土壤养分结构模型(图 1)。其中,土壤养分A为目标层,土壤有机量B1、土壤全量B2、土壤有效量B3作为3个准则层,根据递增层次结构,指标层包括:有机质P1、全氮P2、全磷P3、全钾P4、碱解氮P5、有效磷P6、速效钾P7[15-17]。
如图 1所示,结构图中各指标的重要程度采用9标度的方法进行打分,并构建相应的判断矩阵。准则层中的重要度排序为:B1 > B2 > B3。利用两两比较的方法,结合9标度含义对其进行赋值,再利用方根法求出重要度,构造出准则层中三因素对于目标层的相对重要度。准则层的构造判断矩阵如表 3所示。
利用Matlab计算判断矩阵的最大特征值λmax=3.004,计算出一致性指标Ic=0.002,查表得出平均随机性指标IR=0.520,则随机一致性比率Rc=Ic/IR=0.004 < 0.1,表明结果通过一致性检验,具有满意一致性。
指标层判断矩阵构造采取同样方式,不同评价因子所占权重如表 4所示。其中,B1-P矩阵中的指标层只有有机质一个指标,故该矩阵指标层的权重与准则层一致,为0.548;B2-P矩阵和B3-P矩阵一致,λmax=3.012,计算出一致性指标Ic=0.006,查表得出平均随机性指标IR=0.520,则随机一致性比率Rc=Ic/IR=0.011 < 0.1,表示结果通过一致性检验,具有满意一致性。因此,各影响因素的相对重要度是可取的。
R=(N,c,v)是描述事物N的基本元(物元)。其中,c1、c2、…、cn分别代表事物N的n个特征,v1、v2、…、vn分别代表相应的量值,而a1、b1分别表示量值范围的最小值和最大值,具体表示如下:
$ R = \left[ \begin{array}{l} N, {\text{ }}{c_{\text{1}}}{\text{ }}{v_{\text{1}}} \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}{v_{\text{2}}} \hfill \\ {\text{ }} \ldots {\text{ }} \ldots \hfill \\ {\text{ }}{c_n}{\text{ }}{v_n} \hfill \\ \end{array} \right] = \left[ \begin{array}{l} N, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {{a_{\text{1}}}, {b_1}} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {{a_{\text{2}}}, {b_2}} \right\rangle \hfill \\ {\text{ }} \ldots {\text{ }} \ldots \hfill \\ {\text{ }}{c_n}{\text{ }}\left\langle {{a_n}, {b_n}} \right\rangle \hfill \\ \end{array} \right] $ | (1) |
依据可拓集合概念[17],将土壤养分丰富、较丰富、适量、贫乏、极贫乏等5个等级的定性描述转变为N1、N2、N3、N4、N5等形式的定量描述。其中N1=丰富、N2=较丰富、N3=适量、N4=贫乏、N5=极贫乏。采用全国第二次土壤普查土壤养分的分级标准[14],建立土壤养分评价的5个经典域物元(R1 ~ R5)和1个节域物元(RP):
$ {R_1} = \left[ \begin{array}{l} N, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {30, {\text{ }}40} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {{\text{1}}{\text{.5}}, {\text{ }}2.5} \right\rangle \hfill \\ {\text{ }}{c_3}{\text{ }}\left\langle {1.5, {\text{ 2}}{\text{.0}}} \right\rangle \hfill \\ {\text{ }}{c_4}{\text{ }}\left\langle {20, {\text{ }}35} \right\rangle \hfill \\ {\text{ }}{c_5}{\text{ }}\left\langle {120, {\text{ 150}}} \right\rangle \hfill \\ {\text{ }}{c_6}{\text{ }}\left\langle {20, {\text{ }}40} \right\rangle \hfill \\ {\text{ }}{c_7}{\text{ }}\left\langle {150, {\text{ 260}}} \right\rangle \hfill \\ \end{array} \right] $ | (2) |
$ {R_2} = \left[ \begin{array}{l} {N_2}, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {20, {\text{ 3}}0} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {{\text{1}}{\text{.0}}, {\text{ 1}}.5} \right\rangle \hfill \\ {\text{ }}{c_3}{\text{ }}\left\langle {1.0, {\text{ 1}}{\text{.5}}} \right\rangle \hfill \\ {\text{ }}{c_4}{\text{ }}\left\langle {15, {\text{ 20}}} \right\rangle \hfill \\ {\text{ }}{c_5}{\text{ }}\left\langle {90, {\text{ 120}}} \right\rangle \hfill \\ {\text{ }}{c_6}{\text{ }}\left\langle {10, {\text{ 2}}0} \right\rangle \hfill \\ {\text{ }}{c_7}{\text{ }}\left\langle {100, {\text{ 150}}} \right\rangle \hfill \\ \end{array} \right] $ | (3) |
$ {R_3} = \left[ \begin{array}{l} {N_3}, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {10, {\text{ 2}}0} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {0.75, {\text{ 1}}{\text{.0}}} \right\rangle \hfill \\ {\text{ }}{c_3}{\text{ }}\left\langle {0.7, {\text{ 1}}{\text{.0}}} \right\rangle \hfill \\ {\text{ }}{c_4}{\text{ }}\left\langle {10, {\text{ 1}}5} \right\rangle \hfill \\ {\text{ }}{c_5}{\text{ }}\left\langle {60, {\text{ 90}}} \right\rangle \hfill \\ {\text{ }}{c_6}{\text{ }}\left\langle {5, {\text{ 1}}0} \right\rangle \hfill \\ {\text{ }}{c_7}{\text{ }}\left\langle {50, {\text{ 100}}} \right\rangle \hfill \\ \end{array} \right] $ | (4) |
$ {R_4} = \left[ \begin{array}{l} {N_4}, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {6, {\text{ 1}}0} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {0.5, {\text{ 0}}{\text{.75}}} \right\rangle \hfill \\ {\text{ }}{c_3}{\text{ }}\left\langle {0.4, {\text{ 0}}{\text{.7}}} \right\rangle \hfill \\ {\text{ }}{c_4}{\text{ }}\left\langle {5, {\text{ 10}}} \right\rangle \hfill \\ {\text{ }}{c_5}{\text{ }}\left\langle {30, {\text{ 60}}} \right\rangle \hfill \\ {\text{ }}{c_6}{\text{ }}\left\langle {3, {\text{ 5}}} \right\rangle \hfill \\ {\text{ }}{c_7}{\text{ }}\left\langle {30, {\text{ 50}}} \right\rangle \hfill \\ \end{array} \right] $ | (5) |
$ {R_5} = \left[ \begin{array}{l} {N_5}, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {0, {\text{ 6}}} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {0, {\text{ 0}}{\text{.5}}} \right\rangle \hfill \\ {\text{ }}{c_3}{\text{ }}\left\langle {0, {\text{ 0}}{\text{.4}}} \right\rangle \hfill \\ {\text{ }}{c_4}{\text{ }}\left\langle {0, {\text{ 5}}} \right\rangle \hfill \\ {\text{ }}{c_5}{\text{ }}\left\langle {0, {\text{ 30}}} \right\rangle \hfill \\ {\text{ }}{c_6}{\text{ }}\left\langle {0, {\text{ 3}}} \right\rangle \hfill \\ {\text{ }}{c_7}{\text{ }}\left\langle {0, {\text{ 30}}} \right\rangle \hfill \\ \end{array} \right] $ | (6) |
$ {R_{\text{P}}} = \left[ \begin{array}{l} {N_{\text{P}}}, {\text{ }}{c_{\text{1}}}{\text{ }}\left\langle {0, {\text{ 4}}0} \right\rangle \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ }}\left\langle {0, {\text{ 2}}{\text{.5}}} \right\rangle \hfill \\ {\text{ }}{c_3}{\text{ }}\left\langle {0, {\text{ 2}}{\text{.0}}} \right\rangle \hfill \\ {\text{ }}{c_4}{\text{ }}\left\langle {0, {\text{ 35}}} \right\rangle \hfill \\ {\text{ }}{c_5}{\text{ }}\left\langle {0, {\text{ 150}}} \right\rangle \hfill \\ {\text{ }}{c_6}{\text{ }}\left\langle {0, {\text{ 40}}} \right\rangle \hfill \\ {\text{ }}{c_7}{\text{ }}\left\langle {0, {\text{ 260}}} \right\rangle \hfill \\ \end{array} \right] $ | (7) |
式中:c1 ~ c7分别对应7项评价指标P1 ~ P7。由于研究区全氮、全钾、速效钾的数据有部分超出经典域范围,对应的量值范围(v2、v4、v7)需进行相应调整[18],即利用测定数据最大值代替经典域范围的最大值。
以距黄河故道 < 0.5 km内有林地为例,该范围内土壤养分指标均值分别为:土壤有机质27.3 g/kg、全氮1.99 g/kg、全磷0.66 g/kg、全钾28.20 g/kg、碱解氮54.93 mg/kg、有效磷7.22 mg/kg、速效钾117.87 mg/kg,以此数据确定该点S1的待判物元:
$ {R_{{\text{S1}}}} = \left[ \begin{array}{l} {N_{{\text{S1}}}}, {\text{ }}{c_{\text{1}}}{\text{ 27}}{\text{.3}} \hfill \\ {\text{ }}{c_{\text{2}}}{\text{ 1}}{\text{.99}} \hfill \\ {\text{ }}{c_3}{\text{ 0}}{\text{.66}} \hfill \\ {\text{ }}{c_4}{\text{ 28}}{\text{.20}} \hfill \\ {\text{ }}{c_5}{\text{ 54}}{\text{.93}} \hfill \\ {\text{ }}{c_6}{\text{ 7}}{\text{.22}} \hfill \\ {\text{ }}{c_7}{\text{ 117}}{\text{.87}} \hfill \\ \end{array} \right] $ | (8) |
将待判物元带入关联度公式,以单指标c1(有机质)为例,v1=27.3,可得到该指标对应的各评价等级关联度分别为K1(v1)= –0.18,K2(v1)=0.27,K3(v1)= –0.37,K4(v1)= –0.58,K5(v1)= –0.63,依据判断标准,K2(v1)=max Kj(v1),判定该指标的土壤养分级别属于N2,即适量级别。
用同样方法,可以求出S1其他各项指标对应各等级的关联度及其养分级别。在此基础上,通过加权求和,计算所有指标对应各评价等级的综合关联度分别为K1(PS1)= –0.22,K2(PS1)= –0.07,K3(PS1)= –0.36,K4(PS1)= –0.50,K5(PS1)= –0.61。依据判断标准,K2(PS1)=max Kj(PS1),判定样地S1的土壤养分级别属于N2,即较丰富。采用同样步骤,对其余样地土壤养分水平进行相应计算,并判定土壤养分级别(表 5)。根据表 5,距黄河故道 < 0.5 km区域内无林地土壤养分等级属于贫乏等级,而该区域内有林地土壤养分等级属于较丰富等级;距黄河故道0.5 ~ 1.0 km和1.0 ~ 1.5 km区域内,无林地土壤养分等级均为适量等级,而有林地土壤养分等级均为丰富等级。
黄河故道长期受黄河泛滥影响,形成河岸高、两侧低的缓坡地势。在距黄河故道 < 0.5、0.5 ~ 1.0、1.0 ~ 1.5 km等3个区域内,土壤有机质、全氮、碱解氮、有效磷(无林地)、全钾、速效钾等养分含量呈增加趋势,土壤全磷、有效磷(有林地)含量呈减少趋势。其原因可能是在距黄河故道 < 0.5 km范围内土壤颗粒较粗、质地松散,进而造成有机质、氮素、钾素等养分含量较低;而全磷向河流一侧输移在在距黄河故道 < 0.5 km范围内富集[19]。这与王洪杰等[20]研究结果基本一致,土壤有机质、全氮、碱解氮与砂粒含量呈极显著负相关,土壤全磷与砂粒含量呈极显著正相关。
本研究中,有林地土壤碱解氮、全钾含量均在距黄河故道 < 0.5 km和1.0 ~ 1.5 km区域之间差异性显著(P < 0.05),速效钾含量在距黄河故道 < 0.5、0.5 ~ 1.0与1.0 ~ 1.5 km区域之间差异显著(P < 0.05),说明黄河故道对土壤碱解氮、全钾等的直接影响范围在0.5 km以内,而对土壤速效钾的影响范围在1.0 km左右。其原因可能是在距黄河故道 < 0.5 km范围内地势坡度较大,径流流速快,土壤黏粒含量少,进而造成土壤养分较低[21];随着远离河堤,土壤黏粒增加,保持土壤养分的能力增加,因此,以上养分含量在 < 0.5 km和1.0 ~ 1.5 km之间差异明显。
综合来看,有林地土壤碱解氮、全钾、速效钾等养分受位置因素影响显著。这与赵越等[22]研究基本一致,即样地位置不同导致成土母质等各种条件不同,这些条件通过影响土壤物理化学组成和风化淋溶进程影响养分含量。
3.2 土壤养分等级根据全国第二次土壤普查土壤养分分级标准[14],在距黄河故道 < 0.5、0.5 ~ 1.0、1.0 ~ 1.5 km 3个区域内,有林地土壤有机质(2 ~ 3级)、全氮(1 ~ 2级)所处养分级别显著高于无林地,这与闫丽娟等[23]研究基本一致,其原因可能是杨树充分发挥其高生产力、深根性等特性,分泌更多代谢物质进入土壤,从而促进土壤碳氮的积累。此外,佘婷等[24]指出,凋落物能够促进森林生态系统碳素和养分循环,是土壤有机质的重要来源。车宗玺等[25]指出,土壤氮素是成土过程中在生物作用下积累的,主要取决于有机质积累和分解作用的相对强度。本研究中,农田防护林长势良好,凋落物丰富,再加上根系对土壤碳氮的影响,因此有林地土壤有机质、全氮积累较多。
在距黄河故道 < 0.5、0.5 ~ 1.0、1.0 ~ 1.5 km 3个区域内,有林地土壤全磷(5级)、全钾(1 ~ 2级)、碱解氮(4 ~ 5级)、有效磷(4级)、速效钾(1 ~ 3级)所处养分级别与无林地基本一致,说明以上5个指标含量受农田防护林影响较小。对比发现,研究区土壤全钾、速效钾含量级别较高,其原因可能是土壤钾元素继承黄河故道成土母岩特性造成的。研究区土壤类型主要为潮土,潮土中富含水云母等含钾矿物[26],因此土壤含钾丰富。
综合来看,无林地土壤养分等级属于Ⅲ ~ Ⅳ级,有林地土壤养分等级属于Ⅰ ~ Ⅱ级。这与岳庆玲[27]研究相似,即农田防护林生长过程中,充分发挥根系的生态作用以及凋落物的腐解作用,既增加土壤结构稳定性又增加了养分,提高了土壤肥力,促进了农田防护林的生长。
4 结论盐城市阜宁县和淮安市涟水县的黄河故道区域内,有林地土壤碱解氮、全钾、速效钾等含量受位置因素影响显著;与无林地相比,农田防护林能有效促进土壤有机质、全氮积累,但对磷素、钾素影响不大。在农田防护林管理中,应采取综合措施进行调节,对与之配置的经济树种,一方面适量施用磷肥,以补充土壤养分不足;另一方面注重施肥方式,与氮等科学配施,提高磷肥利用率。
[1] |
张彬, 杨联安, 杨粉莉, 等. 基于投影寻踪的土壤养分综合评价及影响因素研究[J]. 土壤, 2020, 52(6): 1239-1247 (0) |
[2] |
Matías L, Castro J, Zamora R. Soil-nutrient availability under a global-change scenario in a Mediterranean Mountain ecosystem[J]. Global Change Biology, 2011, 17(4): 1646-1657 DOI:10.1111/j.1365-2486.2010.02338.x (0) |
[3] |
Ezui K S, Franke A C, Ahiabor B D K, et al. Understanding cassava yield response to soil and fertilizer nutrient supply in West Africa[J]. Plant and Soil, 2017, 420(1): 331-347 (0) |
[4] |
赵义博, 雷少刚, 刘英. 胜利矿区土壤养分空间变异特征与影响因素[J]. 土壤, 2020, 52(2): 356-364 (0) |
[5] |
李有芳, 张超博, 易晓曈, 等. 云南玉溪柑橘园土壤养分状况与分布特征[J]. 土壤, 2020, 52(3): 487-493 (0) |
[6] |
董彩霞, 谢昶琰, 李红旭, 等. 黄河流域主要梨园土壤养分丰缺状况[J]. 土壤, 2021, 53(1): 88-96 (0) |
[7] |
宋晓杰. 淮安市黄河故道综合开发规划整体思路研究[J]. 改革与开放, 2017(21): 42–43, 53 (0) |
[8] |
高金梅, 何敏, 石炜, 等. 淮安市黄河故道规模化发展节水灌溉的实践与思考[J]. 中国水利, 2014(19): 43-44 (0) |
[9] |
王灿. 黄河故道农田防护林立地分类与评价研究[D]. 南京: 南京林业大学, 2019.
(0) |
[10] |
程涉. 黄河故道杨树农田防护林带立地类型与生长规律研究[D]. 南京: 南京林业大学, 2020.
(0) |
[11] |
蔡文. 物元模型及其应用[M].
科学技术文献出版社, 北京, 1994
(0) |
[12] |
Li B, Yang G S, Wan R R, et al. Dynamic water quality evaluation based on fuzzy matter-element model and functional data analysis, a case study in Poyang Lake[J]. Environmental Science and Pollution Research International, 2017, 24(23): 19138-19148 (0) |
[13] |
赵串串, 安若兰, 赵巧玉, 等. 物元模型在玉树地区林地土壤养分评价中的应用[J]. 土壤, 2014, 46(6): 984-988 (0) |
[14] |
全国土壤普查办公室. 中国土壤[M].
中国农业出版社, 北京, 1998
(0) |
[15] |
卢丽丽, 吴根义. 基于层次分析法的稻田氨排放影响因素权重分析[J]. 湖南农业科学, 2021(7): 48-52 (0) |
[16] |
荣艳芳. 基于层次分析法确定林区土壤养分的权重[J]. 防护林科技, 2018(9): 23–24, 28 (0) |
[17] |
Jia C, Zhang Y W, Han J M, et al. Susceptibility area regionalization of land subsidence based on extenics theory[J]. Cluster Computing, 2017, 20(1): 53-66 (0) |
[18] |
王晶, 董起广, 张露, 等. 黄土丘陵沟壑区沟道造地土壤养分变化特征及评价[J]. 水土保持通报, 2020, 40(6): 64–70, 77 (0) |
[19] |
钱进, 沈蒙蒙, 王沛芳, 等. 河岸带土壤磷素空间分布及其对水文过程响应[J]. 水科学进展, 2017, 28(1): 41-48 (0) |
[20] |
王洪杰, 李宪文, 史学正, 等. 不同土地利用方式下土壤养分的分布及其与土壤颗粒组成关系[J]. 水土保持学报, 2003, 17(2): 44–46, 50 (0) |
[21] |
郭二辉, 云菲, 冯志培, 等. 河岸带不同植被格局对表层土壤养分分布和迁移特征的影响[J]. 自然资源学报, 2016, 31(7): 1164-1172 (0) |
[22] |
赵越, 罗志军, 廖牧鑫, 等. 泰和县耕地土壤养分空间分布及影响因素[J]. 水土保持学报, 2018, 32(5): 296-303 (0) |
[23] |
闫丽娟, 王海燕, 李广, 等. 黄土丘陵区4种典型植被对土壤养分及酶活性的影响[J]. 水土保持学报, 2019, 33(5): 190–196, 204 (0) |
[24] |
佘婷, 田野. 森林生态系统凋落物多样性对分解过程和土壤微生物特性影响研究进展[J]. 生态科学, 2020, 39(1): 213-223 (0) |
[25] |
车宗玺, 刘贤德, 车宗奇, 等. 祁连山青海云杉林土壤有机质及氮素的空间分布特征[J]. 水土保持学报, 2014, 28(5): 164-169 (0) |
[26] |
席承藩. 土壤分类学[M].
中国农业出版社, 北京, 1994
(0) |
[27] |
岳庆玲. 黄土丘陵沟壑区植被恢复重建过程土壤效应研究[D]. 杨凌: 西北农林科技大学, 2007.
(0) |
2. Jiangsu Province Key Laboratory of Soil and Water Conservation and Ecological Restoration, Nanjing 210037, China;
3. Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China