基于最小数据集的喀斯特不同利用方式下土壤质量评价

朱鸣鸣， 徐镀涵， 陈光燕， 李 平， 成启明， 陈 超

(贵州大学动物科学学院， 贵州 贵阳 550025)

土壤质量是土壤在生态系统和土地利用范围内，维持生物生产力，促进空气和水环境质量，维持植物、动物和人类的健康生长的重要前提[1]。人口的增加加剧土地资源的紧张，同时增加了评估土地利用变化对土壤质量影响的必要性[2]。由于土壤质量本身难以直接量化，因此，土壤质量的评价通常通过对土壤理化性质综合评估来实现[3]。土地通过干扰土壤的理化以及生物性质，进而导致土壤肥力等发生变化，是影响土壤质量的最直接方式之一[4-6]。合理的土地利用可以改善土壤结构，而不合理的土地利用将使土壤侵蚀退化，并使土壤质量下降[7]。Fu等的研究进一步证实不同方式的土地利用对土壤养分含量有显著影响[8]。丁成翔等对青藏高原高寒草原放牧方式对土壤的影响发现，相比牛,羊单牧,牛羊混合放牧有助于提高土壤碳氮磷含量[9]。在不同区域开展的研究发现相似的结果，例如，杨小林等[10]在川中紫色土区的研究表明：土地利用方式的变化是该区域土壤质量敏感因子改变的重要原因；黄雅茹等人[11]对于乌兰布3种不同利用类型土地(耕地、林地、荒漠灌丛)的土壤养分特征的研究表明：土壤肥力综合评价的排序为荒漠灌丛>林地>耕地[11]；文志等人[12]在对海南地区的次生林、槟榔林、纯橡胶林和橡胶益智林研究表明：与原始林相比人为的土地利用导致总氮显著降低，土壤容重显著增加。刑云飞等对不同建植年限人工草地土壤有机碳特征发现，土壤有机碳和土壤全氮含量变化趋势呈现为:天然草地>人工草地>黑土滩[13]。综上所述，土地利用方式对土壤质量产生显著的影响，而以往的研究主要集中在我国北方各种生态系统以及南方的不同森林生态系统，而在南方生态系统脆弱的喀斯特区域，关于不同土地利用方式下土壤质量评价的研究鲜有报道。

贵州省喀斯特地区具有特殊的土层结构并且形成了复杂的地貌形态，基岩裸露率高，且地形变化起伏[14]。大量的水土流失造成了喀斯特地区土壤质量严重退化，土地利用率下降[15]。因其具有的这种特殊的地形地貌特征，导致区域内养分匮乏，对区域内植物的生产带来不利影响，因此，对该区域内不同利用方式下土壤质量的评价具有重要意义。本研究以贵州省罗甸县内的五种不同利用方式下的土地为研究对象，了解该区域内土壤质量的现状及养分质量综合特征。通过对不同土地利用方式下土壤养分变化的研究，可以为喀斯特山区土地资源管理利用、调整种植业结构以及生态保护提供借鉴意义。

1 材料与方法

1.1 研究区概况

研究区位于贵州省罗甸县(106°23′14″E～107°3′57″，25°3′45″N～25°45′14″，海拔600～1 000 m)，地处黔南山地西南部，北高南低，属于西南喀斯特岩溶山区，境内河流属珠江水系(如图1)。境内属亚热带季风气候，具有春早、夏长、秋迟、冬短的特点，日照为1 350～1 520 h，年平均温度达20℃，年均降雨量为1 335 mm，无霜期长达335 d左右，有“天然温室”之称。

图1 研究区域地理位置图Fig.1 Geographical location map of the study area

1.2 样品采集及研究方法

2017年8月在研究区选取5种土地利用方式样地各3个，样地信息参见表1。每块样地分别设置10个采样点，共计150个土样，分别采集5种土地利用方式下0～20 cm的表层土壤，均匀混合后采用四分法留取1 kg土样。带回实验室经自然风干，去除植物残根和碎石，过2 mm筛后用于室内指标测定。

表1 采样区基本信息Table 1 General information of sampling area

1.3 样品测定方法

pH测定：采用酸碱度计进行测定；容重(g·cm-3)测定：采用环刀法进行测定；孔隙度(%)采用比重法测定；全盐(g·kg-1)采用质量法测定[14]；阳离子交换量采用EDTA-铵盐法；有机质(g·kg-1)采用重铬酸钾容量法测定；全氮(g·kg-1)采用半微量凯氏蒸馏法测定；全磷(g·kg-1)采用浓硫酸和高氯酸消煮-钼锑抗比色法测定；全钾(g·kg-1)采用NaOH熔融火焰光度法测定；碱解氮(mg·kg-1)采用碱解扩散法测定；有效磷(mg·kg-1)采用NH4F浸提-钼锑抗比色法测定；速效钾(mg·kg-1)采用火焰光度计法测定；有效铜(mg·kg-1)、有效锌(mg·kg-1)、有效铁(mg·kg-1)和有效锰(mg·kg-1)采用DTPA浸提-原子吸收分光光度法测定。

1.4 土壤质量指数评价法

本研究选取了土壤容重、pH值、阳离子交换量、孔隙度、全盐量、有机质、碱解氮、速效磷、速效钾、全氮、全钾、全磷、有效铜、锌、铁、锰16个土壤理化性质指标，采取隶属函数法及土壤综合质量指数进行综合评价[16-18]。

首先对评价因子进行选取，建立最小数据集(Minimum data set，MDS)[19-21]。为克服各指标之间存在信息重叠，选择主成分分析(PCA)进行分组[22-24]，选取特征值≥1的主成分中的载荷≥0.5的土壤指标分为一组。对于可能进入不同组的指标，选择进入相关性较低的一组。对于分组后指标计算其Norm值，选取每组中Norm值在前10%范围内的指标。选取后分析每组中所选指标间的相关性，若高度相关(r>0.5)，则确定分值最高的指标进入MDS，若相关度低(r<0.5)则全部进入MDS,从而获得最终的MDS。Norm值越大则表明其解释综合信息的能力就越强[25-26]。

评价指标的Norm值计算方法如下：

式中Nik是第i个变量在特征值≥1的前k个主成分上的综合载荷；μik是第i个变量在第k个主成分上的载荷；λk是第k个主成分的特征值。

第二步，对进入MDS的指标求隶属度值及权重值[27-28]。依据不同指标对研究区土壤质量评估的积极与消极响应，孔隙度、阳离子交换量(Cation exchange capacity，CEC)、有机质、全氮、全磷、全钾、碱解氮、有效磷、速效钾、有效铜、有效锌、有效铁、有效锰选择S型隶属函数；全盐、容重选择反S型隶属函数；pH选择抛物线函数法。不同类型的隶属函数见表2。由隶属函数得到隶属度值后，对指标进行主成分分析，评价指标的权重由各个评价因子的公因子方差在总体方差的比例计算确定。

表2 土壤质量参数隶属函数类型Table 2 soil quality parameters membership function types

最后对将求得的各项评价指标隶属度值与权重进行加权求和，计算土壤质量指数。土壤质量指数(SQI)计算公式为

式中：SQI表示土壤质量指数，Wi表示第i个评价指标的的权重，Ni是第i个评价指标隶属度值，n是评价指标的个数。

1.5 数据统计分析

所有数据统计分析均在Microsoft Excel及SPSS中进行，利用单因素方差法分析(ANOVA)对五种土地利用方式下土壤理化性质进行显著性分析，各土壤指标之间的相关性运用Pearson相关分析法检验各指标间的相关性。变异系数的计算公式为:

2 结果与分析

2.1 不同土地利用方式土壤理化性质

五种土地利用的土壤理化性质呈现不同的差异性(表3)。pH值表现为林地最高，农田最低，且差异显著(P<0.05)；容重表现为弃耕地最高，林地与农田最低，且差异显著(P<0.05)；土壤全盐量表现为天然草地>农田>人工草地>弃耕地>林地，且天然草地与农田与弃耕地、人工草地、林地间差异显著(P<0.05)；土壤孔隙度表现为林地最大，农田最小，两者之间差异显著(P<0.05)；阳离子交换量表现为农田最大，天然草地最小，其它介于两者之间，农田与天然草地间差异显著(P<0.05)；有机质含量呈现出从草地、弃耕地到农田再到林地显著增加(P<0.05)；全氮、全磷表现为农田>天然草地>林地，且全磷在不同土地利用方式下差异显著(P<0.05)；全钾表现为：天然草地>人工草地>弃耕地>耕地>林地；碱解氮和有效磷含量表现为农田显著大于林地(P<0.05)；不同土地利用方式下的速效钾含量无显著差异；有效铜与有效锌含量均为：人工草地>农田>天然草地>弃耕地，且不同土地利用方式间差异显著(P<0.05)；对于有效铁与有效锰含量各利用方式下均无显著差异。

对于各指标变异系数分析发现，全磷及有效磷的变异系数较高，均大于80%，属于高度敏感指标;而pH值、全盐量、阳离子交换量、有机质、全氮、全钾、碱解氮、速效钾、有效铜、有效锌、有效锰的变异系数介于33.46%～54.93%,属于中度敏感指标；土壤容重、孔隙度和有效铁变异系数15.43%～27.47%，属于低度敏感指标(表3)。

表3 不同土地利用方式下的土壤理化性质Table 3 Soil physical and chemical properties of different land use patterns

2.2 最小数据集的构建

最小数据集是能够反映土壤质量的最少指标参数集合，通过建立MDS可以从筛选出最适土壤质量指标，从而减小数据冗余。由表4可知，有5个特征值大于1的主成分，方差的累积贡献率达到93.167%，表明5个主成分对总体方差的解释能力较强。土壤pH、孔隙度、CEC、全磷、碱解氮、有效磷、有效锌、有效铁在PC1上均满足载荷≥0.5，其中pH，CEC分别在PC3，PC4载荷上≥0.5，因pH与第1组指标间的相关系数绝对值范围为0.296～0.722，与第3组指标间的相关系数分别为0.091与0.381，总体上与第3组指标间的相关性较小，因此选入第三组中；同理CEC被归入第四组，容重被归入第五组。通过主成分分析，最终将孔隙度、全磷、碱解氮、有效磷、有效锌、有效铁第1组;全盐、有机质、全氮为第2组;全钾、速效钾、有效锰、pH值为第3组；CEC、有效铜为第4组；容重为第5组。

按照最小数据集指标筛选原则，对比各分组的Norm值，选取每组中Norm值在最大值10%以内的指标，然后分析每组中所选参数间的相关性(表4,表5)。最终，第1组的有效铁进入最小数据集；第2组的全盐和全氮的相关系数为0.7,全氮进入最小数据集；第3组的土壤pH值进入最小数据集；第4组的CEC和有效铜进入最小数据集；第5组的容重进入最小数据集。所以，最小数据集的指标为pH值、容重、阳离子交换量、全氮、有效铜、有效铁。本研究中初选指标共16个，进入最小数据集指标共6个指标，指标筛选过滤率达到62.5%，简化了土壤质量评价体系，较好地消除了指标间冗杂信息对土壤质量评价的影响。

表4 土壤质量指标主成分分析结果Table 4 Results of principal component analysis (PCA) of soil quality indicators

表5 土壤指标间Pearson相关性分析Table 5 Correlation coefficients among soil indicators

2.3 对MDS指标进行权重计算

确定MDS指标后，利用主成分分析对全量数据集(Total data set,TDS)及MDS分析后得到各个指标的公因子方差并得到各个指标的权重值。由表6可知，最小数据中集pH值、容重、CEC、全氮、有效铜、有效铁的权重值分别为0.16，0.157，0.178，0.179，0.183，0.143。说明有效铜对研究区表层土壤质量贡献率最高，其次贡献率较大的为全氮以及阳离子交换量。

表6 最小数据集指标及其权重Table 6 Minimum data set (MDS) indicators and its weights

2.4 土壤质量指数

选取土壤质量指数函数法计算全量以及最小数据集的土壤质量指数(图2)。全量数据集和最小数据集下不同土地利用方式下的土壤质量指数呈现出的趋势相同，均表现为林地>人工草地>天然草地>农田>弃耕地(图2)。该结果与马芊红[26]的研究结果基本一致。回归分析表明，最小数据集得到的土壤质量指数与全量数据集得到的土壤质量指数均呈极显著正相关关系，相关系数达到0.6864(P<0.05)(图3)，因此利用最小数据集指标可以代替全部数据集指标评价喀斯特地区不同土地利用方式下土壤肥力状况。以0.2为等距，可将坡耕地耕层土壤质量划分为5个等级[29]。由表7可知，林地的土壤质量等级为二级，位于土壤质量分级中“较高”水平，其余几种土地利用方式下土壤质量为三级，位于“中等”水平。其中最小数据集下的弃耕地土壤质量为四级。

图2 两种数据集下不同土地利用方式土壤质量指数Fig.2 soil quality indexes of different land use patterns in two data sets

图3 最小数据集(MDS)与全量数据集(TDS)土壤质量指数的相关性Fig.3 The linear relationships between soil quality index (SQI) based on total data set (TDS) minimum data set(MDS)

表7 土壤质量等级划分Table 7 Classification of soil quality index

3 讨论

MDS能够通过最少的土壤指标结合，对于反映和评价坡耕地土壤质量的高低具有重要意义。因此，这些评价指标应尽可能地简明实用，易于量化，并且能反映当地的实际情况。本研究通过最小数据集法评价了贵州省喀斯特地区五种不同土地利用方式下的土壤质量，结合主成分分析和相关性分析从16个土壤理化性质指标中筛选出了土壤pH值、土壤容重、阳离子交换量、全氮、有效铜、有效铁这6个指标建立最小数据集，构成评价土壤质量的关键指标，且通过分析全数据集建立的土壤质量指数和最小数据集建立的土壤质量指数间的相关性，表明利用最小数据集指标能够代替全部数据集指标来评价贵州喀斯特地区不同利用方式下的土壤质量。我们的研究结果与杨梅花等[30]在江西的研究结果相似，最小数据集均包含有土壤pH值和阳离子交换量，但与伍宇春等[31]在重庆岩溶地区研究的结果不同，本研究构建的最小数据集中除全氮外，其他指标均与其构建的最小数据集组成指标不同。这可能是由于我们研究的区域土壤pH和氮含量较低导致[32]。由于研究区域属于喀斯特地貌，土层稀薄，土层下面的石灰岩易于发生养分的淋溶，尤其是在pH较低的情况下更是加剧土壤养分的淋溶，突出阳离子在土壤养分中的作用，这也表明研究区域不同，评价指标体系的选取存在不同。

通过对MDS和TDS的分析，本研究的结果均表现出土壤质量由高到低依次为林地>人工草地>天然草地>农田>弃耕地。研究区林地土壤质量最高，这也与邱莉萍[33]研究结果相同，这主要是由于林地枯落物丰富，其通过枯枝落叶腐解来提高土壤养分，此外林地中生物多样性高，利于有机质富集和养分循环，对改善土壤质量起到重大作用[34-35]。人工草地土壤质量次于林地，但又略高于天然草地，这是由于人工管护作用，在人工草地进行施肥、灌溉等管理都有利于人工草地的土壤品质提高；农田土壤质量高于弃耕地，是由于弃耕地废弃后缺乏肥料投入，植被覆盖度降低，土壤恢复缓慢。

从整体上看，罗甸县林地及草地的土壤质量高于农田以及弃耕地。这表明在喀斯特区域林地或者草地内开垦为农田后土壤的质量会显著降低，这将会限制该区域的农业生产，导致农田变成弃耕地[36]。因此，对于喀斯特区域的林地和草地生态系统要慎重将其开垦为农田；对于区域内的农田，由于养分淋溶严重土壤质量较差，土壤阳离子的含量对于该区域内的土壤养分的影响作用巨大，在进行农田管理时注意土壤阳离子的管理，防止其演变为弃耕地。

4 结论

本研究表明，基于最小数据集的土层质量评价方法可以对贵州喀斯特山区在不同土地利用方式下土壤质量进行评价。研究区域土壤质量表现为林地>人工草地>天然草地>农田>弃耕地。土地利用方式对于喀斯特区域内土壤质量产生显著的影响，该研究结果对贵州喀斯特山区土壤质量评价和土地利用方式管理与规划具有重要意义。