文章快速检索     高级检索
  中国水土保持科学   2018, Vol. 16 Issue (5): 40-48.  DOI: 10.16843/j.sswc.2018.05.006
0

引用本文 

李龙, 姜丽娜, 白建华. 半干旱区土壤有机碳空间变异及其影响因素的多尺度相关分析[J]. 中国水土保持科学, 2018, 16(5): 40-48. DOI: 10.16843/j.sswc.2018.05.006.
LI Long, JIANG Lina, BAI Jianhua. Multi-scale correlations between spatial variability of soil organic carbon and its influencing factors in semiarid zone[J]. Science of Soil and Water Conservation, 2018, 16(5): 40-48. DOI: 10.16843/j.sswc.2018.05.006.

项目名称

中央级公益性科研院所基本科研业务费专项资金(CAFYBB2016SY038)

第一作者简介

李龙(1989-), 男, 博士, 讲师。主要研究方向:水土保持与荒漠化防治, E-mail:lilongdhr@126.com

通信作者简介

白建华(1966-), 女, 硕士, 高级工程师。主要研究方向:荒漠化防治。E-mail:baijianhua@caf.ac.cn

文章历史

收稿日期:2018-01-28
修回日期:2018-04-27
半干旱区土壤有机碳空间变异及其影响因素的多尺度相关分析
李龙1, 姜丽娜2, 白建华2     
1. 内蒙古农业大学沙漠治理学院, 010018, 呼和浩特;
2. 中国林业科学研究院林业新技术研究所, 100091, 北京
摘要:为准确评价土壤有机碳的尺度效应,分析其多尺度的变异特征并找到控制土壤有机碳空间分布的主导因素,选取内蒙古赤峰市敖汉旗为研究区,以实地调查数据为基础,对研究区进行多尺度采样,采用经典统计学与地统计学相结合的方式分析敖汉旗表层(0~20 cm深度)土壤有机碳空间变异的尺度效应。结果表明:县域、中等区域和小流域尺度上表层土壤有机碳平均质量分数分别为7.49,7.57和7.54 g/kg。3种研究尺度上土壤有机碳均具有中等强度的空间相关性,变程在980~2 100 m之间,随着研究尺度的缩小,土壤有机碳的空间自相关距离逐渐缩小。不同研究尺度上各影响因子与土壤有机碳质量分数的相关关系存在较大差异,县域尺度上土壤和植被因子对土壤有机碳质量分数的影响最大,中等区域尺度上植被和海拔因子对土壤有机碳质量分数的影响最大,小流域尺度上海拔和坡度对土壤有机碳质量分数的影响最大。
关键词尺度效应    土壤有机碳    空间变异    地统计学    半干旱区    
Multi-scale correlations between spatial variability of soil organic carbon and its influencing factors in semiarid zone
LI Long1, JIANG Lina2, BAI Jianhua2     
1. School of Desert Control Science and Engineering, Inner Mongolia Agricultural University, 010018, Hohhot, China;
2. Research Institute of Forestry New Technology, Chinese Academy of Forestry, 100091, Beijing, China
Abstract: [Background] Soil carbon pool is the largest carbon pool in terrestrial ecosystem, and its dynamic change and the distribution of reserve play an important role in the quality of soil. Therefore, the accurate estimation of soil organic carbon (SOC) storage, analysis of the spatial variability and uncovering the main factors that control the spatial distribution of SOC may provide basic data and theoretical basis for regional ecological construction and scientific and rational use of land resources. [Methods] This research was conducted in Aohan banner of Chifeng city, Inner Mongolia, based on soil survey data. The scale effects of spatial variability in surface SOC (0-20 cm soil depth) was studied by multi-scale sampling of small watershed, medium region and county scale. The classical statistics and geostatistics with software GS+7.0 ArcGIS10.0 were used to analyze the spatial variability of surface SOC content. [Results] 1) The mean contents of SOC at the county, medium region and watershed scales were 7.49, 7.57 and 7.54 g/kg, respectively. The change range of organic carbon content in the 3 scales was found to be between 1.43-19.48, 1.31-19.89, and 1.23-19.95 g/kg, respectively. There was no significant difference in the surface soil organic carbon fractions between the 3 scales, all of which were at a relatively low level. SOC contents showed a moderate spatial correlation with the range between 980 m and 2 100 m at the 3 scales.2) The Gauss model had better fitting effect on the soil organic carbon fraction of the small watershed scale, and the spherical model had better effect on the soil organic carbon content in the county and middle scale. The model fitting residuals was relatively small (1.96-2.43), and the determination coefficient was between 0.50-0.75, which showed that the selected model described the spatial structure characteristics of soil organic carbon content on each scale more accurately. The C0/(C0+C) reflected the variation characteristics of soil organic carbon data, and C0/(C0+C) on the 3 scales was between 27.66%-36.61%. It shows that the soil organic carbon in each scale was in the medium intensity spatial correlation. With the study scales enlarging, the spatial autocorrelation scale of SOC increased gradually. There was a significant difference of the relationship between influential factors and SOC content at different scales.3) Soil and vegetation presented the greatest influence on the distribution of SOC content at county scale, and vegetation and elevation showed the greatest influence on the distribution of SOC content at medium region scale, and elevation and slope had the greatest influence on the distribution of SOC content at small watershed scale. [Conclusions] The results may help us to gain a better knowledge of the spatial distribution pattern of SOC and the dominant factors that impact this pattern at different scales.
Key words: scale effect    soil organic carbon    spatial variability    geostatistics    semiarid zone    

土壤碳库在全球陆地生态系统中的储量在1 200~2 500 Pg (1 Pg=1015 g)之间[1-2],其对陆地生态系统碳平衡的稳定发挥着积极作用[3]。土壤属于复杂的自然综合体,土壤的不同属性在不同的空间尺度上均存在空间异质性[4-5]。影响土壤空间变异的主导因子在不同尺度上影响也存在显著差异[6]。特别是在中小尺度范围,土壤碳库信息的研究结果往往在同一地区而存在较大的差异[7]。早在上世纪70年代,P. A. Burrough等[8]首次应用地统计学结合克里格插值从空间变异的随机性和结构性角度出发,对土壤性质的空间变异进行了定性的描述。随着遥感和地理信息系统等工具在土壤调查中的普遍应用,大中尺度的土壤变异性研究得到快速的发展,I. Oueslati等[9]基于半方差函理论应用遥感技术对意大利西北部土壤有机碳空间分布格局进行了研究,并分析了地形和植被因素对其的影响。我国幅员辽阔,影响土壤有机碳空间变异的因素也复杂多样,李林海等[10]就以小流域为研究对象,从土壤侵蚀的角度入手,研究发现受地形条件的影响黄土高原地区塬面与沟道上土壤有机碳质量分数与储量呈现出显著差异。朱猛等[11]发现祁连山森林草原带坡面尺度上不同坡向和坡位对土壤有机碳密度的分布有着显著影响。而当前有关土壤有机碳空间变异特征的研究多集中于单一尺度,土壤有机碳空间变异的尺度效应往往被掩盖,而多尺度对比研究则能够更加清晰地揭示其尺度依赖性和空间变异趋势[12-13]。随着科学利用土地的要求日益提升,探索不同尺度下影响土壤有机碳空间分布的主导因素对揭示土壤有机碳分布规律起着极其重要的作用。

内蒙古赤峰市敖汉旗属于典型的农牧交错地带,是我国首个碳汇国际合作造林项目所在地。本研究以敖汉旗县域尺度、中等区域尺度和小流域尺度的表层(0~20 cm深度)土壤有机碳质量分数为研究对象,分析表层土壤有机碳质量分数空间变异的尺度效应,旨在揭示土壤有机碳在不同研究尺度上的空间变异特征及其影响因素,为研究区不同景观位置下土地资源的开发和保护提供合理参考。

1 研究区概况

研究区位于内蒙古赤峰市东南部的敖汉旗(E 119°30'~120°54',N 41°42'~42°02'),全旗总面积约为8 300 km2(图 1),总体地势南高北低,地形起伏多变,海拔为300~1 250 m;年降水量在310~460 mm之间,降水自南向北递减;年蒸发量2 000~2 600 mm,年平均气温为6 ℃,冬季寒冷干燥,夏季温热且降雨集中,属于温带半干旱大陆性气候。研究区属欧亚干草原区,疏林草原是该区主要地带性植被,研究区的自然植被表现出十分明显的南北分布差异,植被的分布从南到北依次表现为森林、森林草原再到干草原过渡分布的规律,受到环境过渡的影响,在研究区北部分布有沙生植被和灌丛植被。研究区南部为山地,土壤类型主要以棕壤和褐土为主,研究区中部为黄土丘陵地区,其主要分布的是栗钙土,北部为沙质坨甸区,土壤以风沙土为主[14]

图 1 研究区位置及多尺度采样点分布图 Fig. 1 Location of the study area and distribution of multi-scale sampling points
2 研究方法 2.1 样地选取

1) 县域尺度样地。本研究区位于赤峰市敖汉旗,因此以敖汉旗为县域尺度的研究区,结合敖汉旗土壤类型分布图、2014年8月的Landsat8影像(30 m分辨率)和1: 5万地形图,于2014年8月对研究区进行采样。以等间距沿敖汉旗东北向西南方向布设6条样线,相邻两条样线间距为15 km,每条样线上以等距离布设采样的样区,其规格均为5 km×5 km,相邻的2个样区的间隔为13 km。本研究的样地布设运用人为选择典型样地法在每个样区内选择3~5个典型样地,以充分反映不同样区的自然特征,总共选取182个样地(图 1)。

2) 中等区域尺度样地。中等区域的选定主要考虑该样地所在位置能够基本涵盖敖汉旗主要的土壤和植被类型,地形和降雨等条件也基本能够充分反映敖汉旗整体环境特征,具有一定代表性和典型性;因此,在敖汉旗中西部的萨力巴乡内设立一块20 km×20 km区域,为中尺度的研究区。采用网格取样法,在研究区内按照2 km×2 km的规格布设采样网格,于网格节点处设立样地,共选取样地100个(图 1)。

3) 小流域尺度样地。小流域尺度样地的确定主要考虑在在中等区域尺度样地内部选取,并选择完整的典型小流域为样地;因此选择位于敖汉旗西部的黄花甸子流域作为小流域尺度的研究区。流域面积约为30 km2,在小流域进行采样时,主要以人为选取典型样地法进行采样,样地的选择以兼顾代表性和均匀性,所选样地尽量能够反映流域自然特征为目的,于流域内选取典型样地87个(图 1)。

2.2 样品采集与测定

样地确定后,在每块样地内以S形布设4个样点,相邻2样点间的间隔为3~5 m,以确定采样位置。去除土壤表层的植被与枯落物,获取表层0~20 cm深度土壤样品,将每个重复的土壤样品混合均匀装入无菌袋带回实验室。土壤有机碳质量分数采用重铬酸钾氧化法来测定[15]。外环刀法测量土壤密度。土壤含水率采用105 ℃下烘干至恒定质量法测量。土壤机械组成采用Mastersizer3000激光粒度分析仪测来测定[16]。基于敖汉旗2014年的遥感影像,在ENVI5.1软件和ArcGIS10.0下完成归一化植被指数的计算。

2.3 数据分析方法

地统计学(Geostatistics)形成于20世纪50年代初,也被称为地质统计学,是在法国著名统计学家G. Matheron[17]的大量研究工作基础上所形成一门新的统计学分支。地统计学是以结构分析与变异函数理论为基础,是在有限的区域内对区域化变量进行无偏最优估计的一种方法。

半变异函数也叫半方差函数,是地统计分析中的特有函数。区域化变量Z(x)在点xx+h处的值Z(x)与Z(x+h)差的方差的一半叫作区域化变量Z(x)的半变异函数,记为γ(h),2γ(h)称为变异函数。

根据定义有

$ \gamma \left( h \right) = \frac{1}{{2N\left( h \right)}}\sum\limits_{i = 1}^{N\left( h \right)} {{{\left[ {Z\left( {{x_i}} \right) - Z\left( {{x_i} + h} \right)} \right]}^2}} 。$ (1)

式中:γ(h)为h的半方差函数值;h为两样本点的空间距离, m;N(h)为间隔距离等于h的样本点的对数;Z(xi)为空间位置点xi处样本的实测值, g/kg;Z(xi+h)为空间位置点xi+h处样本的实测值, g/kg。

克里格插值是地统计学的主要内容之一,克里格插值根据有限区域内的若干已知样本点数据,在分析了已知样本点的大小和空间位置,考虑已知样本点与未知样点在空间上的相互位置关系后,利用半变异函数提供的空间结构信息。克里格插值以半变异函数为基础,即半变异函数分析表明区域化变量存在空间相关性,则能够使用克里格进行内插或外推。

克里格插值方法将未知样点x0的估计值Z(x0)假设为已知观测值的线性和,其数学表达式[18]

$ Z\left( {{x_0}} \right) = \sum\limits_{i = 1}^n {{\lambda _i}Z\left( {{x_i}} \right)} 。$ (2)

式中:Z(x0)为未知样点的值,g/kg;Z(xi)为未知样点周围的已知样本点的值,g/kg;λi为第i个已知样本点对未知样点的权重;n为已知样本点的个数。克里格插值法根据样本自身的分布特征,选择最佳的插值方法进行计算。

笔者采用GS+7.0软件完成半方差函数模型的拟合,使用ArcGIS10.0对采样点进行克里格插值,生成土壤有机碳质量分数空间分布图。采用相关性分析解释各环境因素与土壤有机碳质量分数的相关程度。研究中的经典统计学分析等全部的数据分析均在R3.0.1软件下完成[19]

3 结果与分析 3.1 土壤有机碳质量分数的描述性统计分析

对敖汉旗县域、中等区域和小流域3种尺度上表层土壤有机碳质量分数进行分析(表 1),研究发现县域、中等区域和小流域尺度表层土壤有机碳质量分数的变化范围分别在1.23~19.95、1.31~19.89和1.43~19.48 g/kg之间,其平均质量分数分别为7.49、7.57和7.54 g/kg。3种尺度上土壤表层有机碳质量分数并未表现出显著性的差异,均处于较低水平(6~10 g/kg)[20]。土壤有机碳质量分数在各尺度上总体均呈现正态分布特征,并表现为轻度正向右偏。3种尺度上土壤有机碳质量分数变异系数(CV, coefficient of variation)处于中等程度的变异,在0.1~0.9之间[21]。县域尺度的变异系数与极值范围均高于小流域和中等区域尺度,县域尺度上土壤有机碳的离散程度高于小流域和中等区域尺度,这可能是在较大的尺度上存在更多极端地形和特殊土壤类型,这些因素增加了土壤有机碳空间分布的异质性[22]。而在相对较小的研究尺度上,土壤类型相对单一,地形差异较小,极端环境因素干扰较少,这些稳定的外部条件保持了土壤有机碳质量分数空间分布的均一性,这就导致在小尺度上土壤有机碳质量分数分布相对集中,而大尺度上有机碳质量分数的变化幅度较大离散程度较高。

表 1 不同尺度上土壤有机碳质量分数的描述性统计特征 Tab. 1 Descriptive statistical characteristics of soil organic carbon content at different scales
3.2 土壤有机碳质量分数的半方差函数分析

对3种尺度土壤有机碳质量分数进行半方差函数拟合(表 2),结果显示高斯模型对小流域尺度的土壤有机碳质量分数的拟合效果较好,球状模型对县域和中等区域尺度的土壤有机碳质量分数拟合效果较好。模型拟合残差相对较小(1.96~2.43),且决定系数在0.50~0.75之间,表明所选模型可以较准确地描述各尺度上土壤有机碳质量分数的空间结构特征。3种尺度的土壤有机碳块金基台比C0/(C0+C)在27.66%~36.61%之间,并随研究尺度的增大而增加。C0/(C0+C)反映了土壤有机碳数据间的变异特征,3种尺度上的C0/(C0+C)在25%~75%之间,表明各尺度的土壤有机碳均处于中等强度的空间相关性,是由结构性因素和随机性因素共同作用引起的[23]C0/(C0+C)随着研究尺度的缩小而降低,说明随机性因素所引起的变异在总变异中所占的比例逐渐降低。而结构性因素构成小尺度上土壤有机碳空间变异的主要因素,在小尺度内土壤母质、地形等结构性因素对土壤有机碳表现出更为强烈的作用关系。

表 2 多尺度上土壤有机碳质量分数的半方差函数理论模型及相关参数 Tab. 2 Theory model and parameters of semivariogram for SOC content at different scales

变程反映了不同研究尺度上土壤有机碳的空间自相关范围[24]。各尺度上土壤有机碳的变程在980~2 100 m之间,随着研究尺度的增加,土壤有机碳质量分数的变程逐渐增加,空间自相关距离逐渐加大。在相对较大的尺度上,土壤有机碳大尺度的宏观联系被若干小尺度的研究区分割,从而在小范围内强化了内部联系,形成了小范围内土壤有机碳的空间自相关关系。而大尺度的研究在宏观上掩盖了土壤有机碳空间分布的一些局部细节特征,主要突出地反映整体的空间相关性。

由普通克里格插值得到的土壤有机碳质量分数在不同尺度上的空间分布图(图 2)可知:在更小的研究尺度上,克里格插值能够描述土壤有机碳质量分数空间分布的更多细节。如在小流域尺度上的岛状分布特征更加清晰,有机碳质量分数的低值区与高值区分布较为分散;而在县域尺度上的研究,更侧重于反映土壤有机碳在空间上的分布趋势。由于研究尺度的差异,小尺度的研究将宏观的分布特征破碎化,不足以反映宏观的分布趋势,而大尺度的研究模糊了小范围内的细节特征。

图 2 县域、中等区域和小流域尺度上土壤有机碳质量分数的空间分布图 Fig. 2 Spatial distribution maps of SOC content at county, medium region, and small watershed scale
3.3 土壤有机碳质量分数与影响因子间的相关性分析

各环境因子在不同研究尺度上对土壤有机碳质量分数的影响存在着较为显著的差异。如表 3所示,县域尺度上各因素与土壤有机碳质量分数的相关性由低到高为:坡度<土壤含水率<黏粒质量分数<海拔<土壤密度<NDVI(normalized difference vegetation index);而海拔、土壤密度、NDVI与土壤有机碳质量分数表现为极显著相关(P<0.01),且NDVI与其他环境因子之间也表现出来较好的相关关系。中等区域尺度上,各因子与土壤有机碳质量分数相关系数由低到高为坡度<土壤含水率<黏粒质量分数<土壤密度<海拔<NDVI;且海拔、NDVI、土壤含水率、黏粒质量分数、土壤密度与土壤有机碳质量分数均表现出极显著的相关性(P<0.01),且各环境因子间表现为紧密的相关性。在小流域尺度上,各因子与土壤有机碳质量分数相关系数由地到高为土壤含水率<黏粒质量分数<土壤密度<NDVI<坡度<海拔;其中NDVI、黏粒质量分数、土壤密度、海拔、坡度与土壤有机碳质量分数具有极显著的相关关系(P<0.01),各环境因子间也存在相关性。

表 3 不同尺度上土壤有机碳与各因素间的相关性 Tab. 3 Correlation between SOC content and influence factors at different scales
4 讨论

本研究表明海拔、NDVI和土壤密度在不同研究尺度上都与土壤有机碳质量分数表现为极显著的相关关系(P<0.01),在不同研究尺度上地形、植被和土壤三者同时影响着土壤有机碳的空间分布。而植被、土壤密度与土壤有机碳质量分数的紧密相关关系则反映了敖汉旗土壤与植被地带性分布的特点,在大尺度上,研究区的植被与土壤分布综合体现了地区的环境特征,是影响土壤有机碳变化的主导因素。M. Ruiz-Colmenero等[25]的结果也表明高植被覆盖的地区可以有效保护土壤,从而和土壤有机碳建立稳定了相互关系,能够有效增加土壤有机碳的累积,这与本研究的结论相符。随着研究尺度的缩小,海拔和坡度成为与土壤有机碳最密切相关的因子,流域内土壤和植被的分布相对单一,因此坡度和海拔的分布成为影响土壤有机碳质量分数分布差异的关键性因素。这表明影响土壤有机碳空间分布的主导因素在随着研究尺度的变化而改变。J. A. Yeakley等[26]的研究同样发现,地形因素是控制土壤水分梯度的关键因子,特别是在小流域范围内,地形的变化通过影响流域内的水热平衡对土壤有机碳空间分布起到重要作用。

在县域尺度上土壤有机碳的空间分布由南向北呈现出条带状的分布特征,海拔和坡度的变化在这一尺度上相对平缓,表现为相对均一;因此在这一尺度上地形对土壤有机碳的影响则被极大地削弱,不能解释大尺度上土壤有机碳质量分数的空间变异特征。植被和土壤分布的差异体现了该尺度上的主要环境特征,地形的变化在这一尺度上的微小变化无法准确解释土壤有机碳的分布,更不能单一分析某一因素对土壤有机碳的影响,须综合考虑不同研究区的不同研究尺度所产生问题的原因[27]。S. L. Liu等[28]的研究表明地形因素在不同的尺度上对土壤性质的影响表现出不同的特征。X. F. Cheng等[29]同样认为县域尺度上海拔与土壤有机碳质量分数存在显著的相关关系,而坡度、坡向均与土壤有机碳质量分数均无相关性。本研究也得出土壤密度和NDVI在县域尺度上与其他各影响因子之间也表现出较好的相关关系(表 3),植被和土壤因素对其他各因素都有着较明显的影响。

中等区域尺度上,土壤、植被、地形等多因素共同作用于土壤有机碳质量分数的空间分布,中等区域尺度内土壤有机碳质量分数的空间分布特征也是这一尺度内各环境因素综合特征的体现。如表 3所示,植被对土壤有机碳的补给在有机碳的空间分布中占据重要的地位,而海拔与土壤有机碳质量分数的相关系数较县域尺度有所提高。这也说明随着研究尺度的缩小,地形因素对土壤有机碳的空间分布起到的作用在不断提高,P. K. Roy等[30]指出土壤有机碳的累积与植物分布密切相关,植被和海拔的综合反映出土壤有机碳的空间分布特点。而在中等区域尺度上也反映出这一特征,且随着海拔的升高植被的垂直地带性开始显现,土壤有机碳的累积也受到二者的影响。

小流域尺度上,研究尺度缩小,海拔、坡度与土壤有机碳质量分数表现出较好的相关性,分别为0.702和-0.417,而海拔和坡度在小流域尺度上与其他各因子均表现出较高的相关性(表 3)。由于小流域面积较小,在相对单一的植被和土壤环境下,地形的起伏就成了流域内引起其他环境因素发生改变的重要原因,局部地区地形对土壤有机碳质量分数的影响作用会被放大[31]。土壤有机碳的空间变异与流域内部环境密切相关,而地形则是影响流域内水热条件的重要因素并影响土壤侵蚀的强弱,土壤侵蚀的发生尤其对表层土壤有机碳有着强烈的破坏作用[32];因此,流域尺度内地形是影响土壤有机碳质量分数的最为关键因素。

5 结论

在县域、中等区域和小流域尺度上土壤有机碳的平均质量分数分别为7.49、7.54和7.54 g/kg。随着研究尺度缩小,土壤有机碳的空间自相关距离逐渐减小,随机性因素所导致的空间变异占总变异的比例逐渐降低。小尺度的研究将宏观的分布特征破碎化,不足以反映宏观的分布趋势,而大尺度的研究模糊了小范围内的细节特征。

不同尺度上各个影响因子对土壤有机碳质量分数的影响也存在较大差异。大尺度上地形因子对土壤有机碳质量分数的影响程度降低,而土壤自身性质和植被因子在小尺度上成为影响其空间分布的主导因素。

参考文献
[1]
POST W M, PENG T H, EMANUEL W R, et al. The global carbon cycle[J]. American Scientist, 1990, 78: 310.
[2]
POST W M, EMANUEL W R, ZINKE P J, et al. Soil carbon pools and world life zones[J]. Nature, 1982, 298(5870): 156. DOI: 10.1038/298156a0.
[3]
YOO K, AMUDSON R, HEIMSATH A M, et al. Spatial patterns of soil organic carbon on hillslopes:Integrating geomorphic processes and the biological C cycle[J]. Geoderma, 2006, 130: 47. DOI: 10.1016/j.geoderma.2005.01.008.
[4]
RYU D, FAMIGLIETTI J S. Multi-scale spatial correlation and scaling behavior of surface soil moisture[J]. Geophysical Research Letters, 2016, 33(8): 153.
[5]
刘庆, 魏建兵, 吴志峰, 等. 吉冬青广州市流溪河河岸带土壤反硝化作用的多尺度影响因子[J]. 中国环境科学, 2015, 35(10): 3069.
LIU Qing, WEI Jianbing, WU Zhifeng, et al. Effects of multi-scale control factors on spatial heterogeneity of denitrification in riparian soil:A case study in Liuxi River of Guangzhou city[J]. China Environmental Science, 2015, 35(10): 3069. DOI: 10.3969/j.issn.1000-6923.2015.10.026.
[6]
MILLER B A, KOSZINSKI S, WEHRHAN M, et al. Impact of multi-scale predictor selection for modeling soil properties[J]. Geoderma, 2015, 239-240: 97. DOI: 10.1016/j.geoderma.2014.09.018.
[7]
METCALFE H, MILNE A E, WEBSTER R, et al. Designing a sampling scheme to reveal correlations between weeds and soil properties at multiple spatial scales[J]. Weed Research, 2016, 56(1): 1. DOI: 10.1111/wre.2016.56.issue-1.
[8]
BURROUGH P A. Soil variability:A late 20th century view[J]. Soil and Fertilizers, 1993, 56: 529.
[9]
OUESLATI I, ALLAMANO P, BONIFACIO E, et al. Vegetation and topographic control on spatial variability of soil organic carbon[J]. Pedosphere, 2013, 23(1): 48. DOI: 10.1016/S1002-0160(12)60079-4.
[10]
李林海, 郜二虎, 梦梦, 等. 黄土高原小流域不同地形下土壤有机碳分布特征[J]. 生态学报, 2013, 33(1): 179.
LI Linhai, HAO Erhu, MENG Meng, et al. The distribution of soil organic carbon as affected by landforms in a small watershed of gully region of the Loess Plateau[J]. Acta Ecologica Sinica, 2013, 33(1): 179.
[11]
朱猛, 刘蔚, 秦燕燕, 等. 祁连山森林草原带坡面尺度土壤有机碳分布[J]. 中国沙漠, 2016, 36(3): 741.
ZHU Meng, LIU Wei, QIN Yanyan, et al. Distribution of soil organic carbon at hillslope scale in forest-steppe zone of Qilian Mountains[J]. Journal of Desert Research, 2016, 36(3): 741.
[12]
LI Danfeng, GAO Guanyao, LÜ Yihe, et al. Multi-scale variability of soil carbon and nitrogen in the middle reaches of the Heihe River basin, northwestern China[J]. Catena, 2016, 137: 328. DOI: 10.1016/j.catena.2015.10.013.
[13]
CURRIE W S, KIGER S, NASSAUER J I, et al. Multi-scale heterogeneity in vegetation and soil carbon in exurban residential land of southeastern Michigan, USA[J]. Ecological Applications:A Publication of the Ecological Society of America, 2016, 26(5): 1421. DOI: 10.1890/15-0817.
[14]
李龙, 姚云峰, 秦富仓, 等. 半干旱区县域尺度土壤有机碳的空间变异特征[J]. 生态学杂志, 2016, 35(8): 2003.
LI Long, YAO Yunfeng, QIN Fucang, et al. Spatial variability of soil organic carbon in semi-arid zone at a county scale[J]. Chinese Journal of Ecology, 2016, 35(8): 2003.
[15]
WALKLEY A. A critical examination of a rapid method for determining organic carbon in soils-effects of variations in digestion conditions and of inorganic soil constituents[J]. Soil Science, 1947, 63(63): 251.
[16]
张保刚, 梁慧春. 草地土壤机械组成研究综述[J]. 辽宁农业科学, 2009, 6: 38.
ZHANG Baogang, LIANG Huichun. Summary on study of soil mechanical composition in grassland[J]. Liaoning Agricultural Sciences, 2009, 6: 38.
[17]
MATHERON G. Principles of geostatistics[J]. Economic Geology, 1963, 58(8): 1246. DOI: 10.2113/gsecongeo.58.8.1246.
[18]
ROSSI R E, MULLA D J, JOURNEL G A, et al. Geostatistics tools for modeling and interpreting ecological spatial dependence[J]. Ecological Monographs, 1992, 62(2): 277. DOI: 10.2307/2937096.
[19]
ROBERTSON G P. Gamma Design Software 2004 Version 7 user's guide:Geostatistics for the environmental sciences[M]. Plainwell: Gamma Design Software, 1998: 160.
[20]
全国土壤普查办公室. 中国土壤普查数据[M]. 北京: 中国农业出版社, 1997: 311.
National Soil Census Office. China soil survey data[M]. Beijing: China Agriculture Press, 1997: 311.
[21]
NIELSEN D R, BOUMA J. Soil spatial variability[M]. Pudoc: Wageningen, 1985.
[22]
MARTIN W, MARGIT V L, PETER S, et al. Land use effects on organic carbon storage in soils of Bavaria:The importance of soil types[J]. Soil and Tillage Research, 2015, 146: 296. DOI: 10.1016/j.still.2014.10.003.
[23]
ALBALADEJO J, ORITIZ R, GARCIA-FRANCO N, et al. Land use and climate change impacts on soil organic carbon stocks in semi-arid Spain[J]. Journal of Soils & Sediments, 2013, 13(2): 265.
[24]
WEI Jianbing, XIAO Duning, ZENG Hui, et al. Spatial variability of soil properties in relation to land use and topography in a typical small watershed of the black soil region, northeastern China[J]. Environmental Geology, 2008, 53(8): 1663. DOI: 10.1007/s00254-007-0773-z.
[25]
RUIZ-COLMENERO M, BIENES R, ELDRIDGE D J, et al. Vegetation cover reduces erosion and enhances soil organic carbon in a vineyard in the central Spain[J]. Catena, 2013, 104(2): 153.
[26]
YEAKLEY J A, SWANK W T, SWIFT L W, et al. Soil moisture gradients and controls on a southern Appalachian hillslope from drought through recharge[J]. Hydrology and Earth System Science, 1998, 2: 41. DOI: 10.5194/hess-2-41-1998.
[27]
COATES V, PATTISON I, SANDER G. Quantifying the heterogeneity of soil compaction, physical soil properties and soil moisture across multiple spatial scales[C]//EGU General Assembly Conference. EGU General Assembly Conference Abstracts, 2016.
[28]
LIU S L, GUO X D, LIAN G, et al. Multi-scale analysis of spatial variation of soil characteristics in Loess Plateau:Case study of Hengshan county[J]. Journal of Soil and Water Conservation, 2005, 19(5): 105.
[29]
CHENG X F, SHI X Z, YU D S, et al. Organic carbon pool of forest soil and its relationship to environment factors in Xingguo county of Jiangxi province[J]. Geographical Research, 2004, 21(5): 500.
[30]
ROY P K, SAMAL N R, ROY M B, et al. Soil carbon and nutrient accumulation under forest plantations in Jharkhand state of India[J]. Clean-Soil, Air, Water, 2010, 38(8): 706. DOI: 10.1002/clen.200900198.
[31]
JIANG C, QIAN L X, WU Z F, et al. Multi-scale correlation analysis of soil organic carbon with its influence factors using wavelet transform[J]. Chinese Journal of Applied Ecology, 2013, 24(12): 3415.
[32]
付金霞, 郑粉莉, 李媛媛. 小理河流域土地利用空间自相关格局与影响因素分析[J]. 农业机械学报, 2017, 48(1): 128.
FU Jinxia, ZHENG Fenli, LI Yuanyuan. Analysis of landuse spatial autocorrelation patterns and influence factors of xiaolihe watershed[J]. Transactions of the CSAM, 2017, 48(1): 128.