稻田有机肥配施的土壤环境效应评价指标体系构建

刘丽媛，郑向群，张春雪，杨波，陈昢圳，徐艳

（农业农村部环境保护科研监测所，天津 300191）

化肥施用被认为是最高效的农业增产措施，对保障粮食安全具有重要作用[1]。然而，过度追求粮食产量造成我国种植业化肥施用量的急剧上升，远远超出作物对化肥的需求量[2]。水稻是我国重要的粮食作物之一，年平均化肥施用量超800 万t，占我国种植业化肥用量的10%以上[3]。杨万江等[4]基于长江流域6个水稻主产省份的678 份稻田化肥施用数据，通过双对模型和多元线性回归模型分析发现，73.16%的农户化肥施用量均超出最优化肥施用量。研究表明稻田化肥过量施用造成了严重的土壤环境问题，如土壤酸化和土壤板结等，进而影响水稻产量[5-6]。黄元财等[7]的研究表明，当施氮量大于190 kg·hm-2时水稻产量会下降。为保证我国农业的可持续发展，2017 年和2018 年中央一号文件明确要求深入推进化肥零增长行动。因此，创新水稻化肥减施技术具有重要意义。2018 年7 月，农业农村部印发了《农业绿色发展技术导则（2018—2030 年）》，有机肥配施技术则是其中之一。

有机肥的施用在我国具有悠久的历史，而这一做法在农业集约化进程中逐渐消失[8]。有机肥含有农作物生长发育过程中所需的多种营养元素[9]，大量研究表明有机肥施用能够改善土壤物理状况、提高水肥调控能力[10-11]、提升土壤肥力[12]，同时促进土壤微生物的生长和繁殖，优化土壤微生物群落组成[13]。此外，有机肥施用不仅替代化肥的投入，还能提高水稻产量与品质[14]。然而，有机肥中重金属残留也会随有机肥的施用进入土壤，从而造成稻田土壤环境污染。王开峰等[15]通过稻田长期定位试验发现，长期施用有机肥提高了土壤中锌（Zn）、铜（Cu）、镉（Cd）和铅（Pb）的含量。因此客观评价稻田有机肥施用对土壤的环境效应十分必要，而在稻田土壤环境质量评价前，需对评价指标进行科学地筛选。

大量研究根据评价需求构建了相应的土壤环境评价指标。如张佳凤[16]通过相关分析和主成分分析构建了一个包含耕作层深、微团聚体（0.25～0.05、0.05～0.01 mm）、土壤阳离子交换量（CEC）、电导率（EC）、有机质（SOM）、速效钾（AK）、有效磷（AP）、转化酶（SSC）等9个指标的水田合理耕层指标体系。何蓉等[17]则通过“压力-状态-响应”模型分别构建了田块和区域尺度化肥农药减施增效的土壤环境效应指标体系。辛芸娜等[18]通过“指标-过程-功能-需求”这一理论框架，构建了北京市大兴区耕地多功能评价指标体系。然而，稻田有机肥配施的土壤环境效应指标体系鲜见报道。鉴于此，本研究通过整合分析、变异分析、相关性分析、主成分分析以及随机森林模型综合分析，构建了稻田有机肥配施的土壤环境效应评价指标体系，以期为稻田有机肥配施的土壤环境效应提供评价依据。

1 指标体系构建的原则与思路

1.1 指标体系构建的原则

由于有机肥配施会影响到稻田土壤物理、化学、生物学的性质及土壤重金属含量等多个方面，因此，在选择评价指标时应考虑指标是否具有代表性，并且可以从多个方面综合反映有机肥配施的土壤环境效应。因此，稻田有机肥配施的土壤环境效应评价指标体系的构建应遵循以下原则[19]：

（1）最小数据集原则：水稻有机肥配施所引发的土壤环境效应涉及诸多方面，因此，选择评价指标时应考虑全面性；同时，应保持各指标涵盖信息的相对独立性，降低信息的冗余程度，以尽可能少的指标来反映稻田有机肥配施的实际土壤环境效应。

（2）易获取原则：所选土壤环境评价指标应易于检测或成本可行，尽量选择已纳入国家土壤环境监测系统的指标。由于目前抗生素和微生物等的检测成本较高，因此本研究未将抗生素和微生物纳入到指标体系中。

（3）灵敏性原则：有机肥配施对稻田土壤环境的影响是一个相对缓慢变化的过程，应优先选择受有机肥配施影响大、改变快的土壤环境指标，尽量避免选择需要长期监测且变化不明显的土壤环境指标。

（4）主导性原则：稻田有机肥配施的土壤环境效应涵盖面广，其中涉及到很多指标，其中起主导作用和具协变性的因子对稻田土壤环境起关键作用，因此，应尽量选择此类环境因子。

1.2 指标体系构建的思路

本研究构建稻田有机肥配施的土壤环境效应评价指标体系的基本思路如图1所示。

图1 指标体系构建流程图Figure 1 Flow chart of index system construction

（1）通过文献查阅，收集有机肥配施条件下，稻田土壤物理、土壤化学、土壤生物学以及土壤重金属数据，通过整合分析筛选土壤环境敏感因子。

（2）对筛选到的土壤环境敏感因子进行变异分析，并计算各因子的贡献率，选择累计贡献率大于85%[20]的因子进行下一步分析。

（3）对累计贡献率大于85%的因子进行皮尔逊相关性分析获得因子的相关性，运用主成分分析对环境敏感因子分组，运用随机森林模型计算各环境敏感因子的重要值，最终根据以上分析综合筛选出稻田有机肥配施的土壤环境效应评价指标体系。

2 数据来源与分析方法

2.1 数据来源

在Web of Science、Science Direct、Springer Link和中国知识资源综合数据库（CNKI）等数据库进行文献筛选，流程如图2 所示。首先，通过设置有机肥配施（或有机肥替代）、水稻、土壤（或土壤物理、土壤化学、土壤生物学、土壤重金属）等关键词，筛选稻田有机肥配施对土壤环境影响的相关文献，初步筛选到相关文献1 520篇，删除重复文献后剩余文献1 260篇。进一步通过题目、关键词和摘要进行筛选，剔除文献918篇，剩余文献342 篇。此外，文献需满足以下条件：①研究必须在大田进行，而不是在盆栽或温室；②必须同时具有对照组（仅施用化肥）和处理组（配施有机肥）；③必须具有均值、标准差（SD）和样本量（n），如果论文中提供了标准误差（SE），则使用以下方法计算SD：

图2 文献筛选流程Figure 2 Flow chart of literature screening

对全文进行评估，剔除存在非大田实验、实验方法不明确和数据缺失等问题的文献205 篇，最终纳入到整合分析中的文献共计137篇。

筛选后文献主要涉及亚热带气候、温带大陆性季风气候和大陆性干旱气候三种气候区，砂土、壤土和黏土三种土壤质地，以及动物粪肥、作物秸秆、生物炭和生物肥料等四种有机肥类型，各分类水平包含的数据量如表1所示。

表1 有机肥配施对稻田土壤环境效应影响数据库样本数量分布Table 1 Sample numbers for the meta-analysis of soil environment of paddy field with organic fertilizer supplementation

对于筛选的文献记录如下指标：①11 个土壤物理性质指标，包括土壤容重（BD）、土粒密度、总孔隙度、毛管孔隙度、非毛管孔隙度、＜0.25 mm 微团聚体含量、0.25～0.5 mm 团聚体含量、0.5～1 mm 团聚体含量、1～2 mm 团聚体含量、2～5 mm 团聚体含量、＞5 mm团聚体含量；②16 个土壤化学性质指标，包括pH、EC、CEC、氧化还原电位（Eh）、盐基饱和度（BS）、交换性镁、交换性钙、交换性钠、交换性钾、有机碳（SOC）、总氮（TN）、总磷（TP）、总钾（TK）、速效氮（AN）、AP、AK；③10 个土壤生物学性质指标，包括微生物量碳（MBC）、微生物量氮（MBN）、微生物量磷（MBP）、土壤呼吸、代谢熵、脲酶（SUE）活性、SSC 活性、磷酸酶（SPA）活性、脱氢酶（SDH）活性、纤维素酶（SCL）活性；④6 个土壤重金属指标，包括镉（Cd）、铬（Cr）、锌（Zn）、铜（Cu）、汞（Hg）、铅（Pb）。若文献以图片呈现实验结果，采用Get Data Graph Digitizer 2.24 对图片数据进行数字化；若文献中提供SOM，则通过公式（2）计算SOC[21]：

2.2 分析方法

2.2.1 整合分析

本研究采用整合分析对稻田有机肥配施的土壤环境指标进行敏感性分析。整合分析中运用权重响应比（RR++）评估指标的敏感度。响应比（RR）是用于评估有机肥配施对某一指标影响程度的指标[22]。对于给定指标，RR的定义为处理组（配施有机肥）与对照组（仅施用化肥）的平均值之比，其计算公式如下：

式中：Mt和Mc分别代表处理组和对照组的平均值。

lnRR是RR的自然对数，对于某一指标，若lnRR＞0，表明有机肥配施对该指标的作用为正；若lnRR＜0，则表明有机肥配施对该指标的影响为负。

方差（V）通过以下公式计算：

式中：nt和nc分别代表处理组（配施有机肥）和对照组（仅施用化肥）的样本量，SDt和SDc分别代表处理组（配施有机肥）和对照组（仅施用化肥）的SD值。此外，加权因子（Wij）、加权响应比（RR++）、RR++的标准误[S（RR++）]和95%置信区间（95%CI）的计算方法如下：

式中：m为分组数；ki为第i组的总比较对数；j为第i组总比较对数（ki）中的第j对。若给定指标的RR++的95%CI值不包含零点，表明该指标在处理组和对照组之间具有显著差异（P＜0.05）[21]，则称之为有机肥配施引起的土壤环境敏感因子。

2.2.2 变异分析

指标贡献率指的是指标对总体评价目标的贡献程度。本研究采用变异系数计算指标的贡献率，指标的贡献率越高反映出的信息越多[23]。某一指标变异系数Cj即为该指标的标准差与均值的比值，反映了同一指标相对不同研究对象的离散程度的大小。指标的变异系数计算公式如下：

前l个指标的累计贡献率为变异系数较大的前l个指标的变异系数之和占所有指标变异系数之和的比例，即：

式中：gl表示前l个变量的累计贡献率；Cj′为变异系数较大的前l个指标的变异系数；Cj为所有指标的变异系数；m为指标量。

式中：g0表示设定的累计贡献率，本研究设定累计贡献率大于等于85%，即g0=85%，对指标进行筛选，保留变异系数较大的前l个指标。

2.2.3 皮尔逊相关性分析

本研究采用皮尔逊相关性分析计算土壤环境指标之间的相关性。土壤环境指标之间的相关系数越高，说明这些指标反映的土壤环境信息的相关性也越强。第x项指标与第y项指标之间的相关系数（r）计算公式如下：

式中：xi和yi表示第i组的x值和y值和为x和y的平均值；n表示组数。

2.2.4 主成分分析

本研究采用主成分分析法对稻田有机肥配施的土壤环境效应指标进行分组，实现土壤环境指标的降维，从而筛选出相对独立且能够反映土壤环境总体信息的指标。本研究将主成分中因子载荷绝对值大于或等于0.5 的土壤环境指标分为一个组，若某个土壤环境指标在两个主成分中均出现载荷大于或等于0.5时，则把该土壤环境指标划分到与其他土壤环境指标相关性较低的那一组[24]。

2.2.5 随机森林模型

本研究采用随机森林模型解决土壤环境指标的重要性问题[25]。首先，利用自助重复抽样法从原始数据集中随机抽取M个训练集，每个训练集的数据量约为原始数据集的2/3；其次，对M个训练集分别构建分类树，产生分类树m棵，进一步组成随机森林。而每次抽样过程中未被抽中的1/3 数据集为袋外数据[26]。首先，根据袋外数据计算随机森林中每个分类树的袋外误差（Ei）；然后，随机改变袋外数据某一特征变量的值，并计算新的袋外误差（Ej）；最后，根据下式计算变量x的重要性I（x）：

3 结果与分析

3.1 土壤环境敏感因子筛选

3.1.1 土壤物理性质

稻田土壤物理性质对有机肥配施的响应如图3a所示。有机肥配施显著降低了BD、＜0.25 mm 微团聚体和＞5 mm 团聚体含量，降幅（95%CI）分别为4.24%（3.01%～5.55%）、11.70%（4.30%～19.10%）和7.78%（2.28%～13.28%）；有机肥配施显著提高了非毛管孔隙度、2～5 mm 团聚体、1～2 mm 团聚体、0.5～1 mm 团聚体含量和0.25～0.5 mm 团聚体含量，增幅（95%CI）分别为49.22%（42.32%～56.13%）、12.77%（9.27%～16.26%）、11.04%（3.84%～18.24%）、19.33%（10.83%～27.83%）和46.46%（39.76%～53.16%）；而有机肥配施对稻田土壤土粒密度（95%CI：-16.55%～0.84%）、总孔隙度（95%CI：-1.04%～13.75%）和毛管孔隙度（95%CI：-1.48%～7.71%）的影响并不显著。综上，筛选出土壤物理性质中的敏感因子为BD、非毛管孔隙度、＞5 mm 团聚体、2～5 mm 团聚体、1～2 mm 团聚体、0.5～1 mm 团聚体、0.25～0.5 mm 团聚体和＜0.25 mm 微团聚体。

3.1.2 土壤化学性质

有机肥配施对稻田化学性质的影响如图3b 所示。有机肥配施显著提高了稻田土壤pH、EC、土壤交换性钾离子和SOC 含量，增幅（95%CI）分别为4.86%（3.74%～5.98%）、4.76%（2.30%～7.22%）、15.05%（7.51%～22.59%）和17.70%（14.56%～20.84%）。土壤全量养分和速效养分对有机肥配施的响应并不一致。就全量养分而言，土壤TN、TP 和TK 分别显著提高了10.50%（95%CI：8.14%～12.86%）、2.16%（95%CI：1.32%～3.0%）和3.22%（95%CI：2.28%～4.16%）。而AN、AP 和AK 的提高幅度分别为22.37%（95%CI：18.17%～26.57%）、2.70%（95%CI：0.74%～6.14%）和6.77%（95%CI：5.37%～8.21%）。而有机肥配施对稻田土壤Eh（95%CI：-4.41%～10.95%）、BS（90%CI：-8.06%～-0.40%）、CEC（95%CI：-1.12%～11.34%）、交换性镁（95%CI：-15.08%～1.56%）、交换性钙（95%CI：-1.88%～10.98%）、交换性钠（-1.02%～9.78%）均无显著影响。综上，筛选出土壤化学性质中的敏感因子为pH、EC、交换性钾离子、SOC、TN、TP、TK、AN、AP、AK。

3.1.3 土壤生物学性质

稻田土壤生物学性质对有机肥配施的响应如图3c 所示。由图3c 可知，有机肥配施显著提高了土壤MBC 含量、MBN 含量、SUE 活性、SSC 活性和SDH 活性，增幅（95%CI）分别为19.02%（9.79%～28.25%）、11.15%（1.92%～20.3%）、5.92%（1.49%～10.35%）、7.07%（1.37%～12.77%）和4.81%（1.61%～8.01%）。然而，有机肥配施对MBP（95%CI：-1.01%～9.48%）、土壤呼吸（95%CI：-3.0%～15.34%）、土壤代谢熵（95%CI：-13.25%～5.21%）、SPA（95%CI：-6.92%～1.55%）和SCL（95%CI：-0.6%～7.82%）的影响并不显著。综上，土壤生物学性质中的环境敏感因子为MBC、MBN、SUE、SSC和SDH。

3.1.4 稻田土壤重金属

有机肥对稻田土壤重金属的影响如图3d 所示。有机肥配施显著提高了稻田土壤Zn、Cu 和Cd 的含量，增幅（95%CI）分别为6.7%（3.2%～10.2%）、18.7%（9.2%～28.2%）和8.3%（4.6%～12%）。而有机肥配施对土壤Cr（95%CI：-1.1%～8.7%）、Hg（95%CI：-0.4%～1.6%）和Pb（95%CI：-1.2%～5.8%）的影响并不显著。综上，经过整合分析筛选的土壤重金属中的敏感因子为Zn、Cu和Cd。

图3 土壤环境指标对有机肥配施的响应Figure 3 The response of soil environmental indicators to organic fertilizers supplementation

综上，通过整合分析在43 个指标中筛选到26 个环境敏感因子，如表2所示。包括BD等8个土壤物理指标、pH等10个土壤化学指标、MBC等5个生物学指标、Zn等3个土壤重金属指标。

本研究设置了常规锁定钢板（standard plate,SP）组、优化原型钢板（full plate,FP）组以及优化钢板组（redesigned plate,RP）共3组对比模型。组间比较的主要指标包括：①形态学指标：钢板体积；②内固定稳定性指标：独立工况下的模型应变能和相应的轴向压缩/扭转刚度；③内固定强度指标：独立工况下的钢板单元应力峰值和结构应力分布。

表2 稻田有机肥配施的土壤环境敏感因子Table 2 Soil environmental sensitive factors of paddy field with organic fertilizer supplementation

3.2 指标体系筛选

3.2.1 环境敏感因子贡献率

各环境敏感因子的变异系数、贡献率及累计贡献率如表3 所示。前18 个土壤环境敏感因子的贡献率达到了87.87%，满足了累计贡献率大于等于85%的筛选要求。因此，选择保留包括TN 在内的以上全部土壤环境敏感因子，剔除＜0.25 mm 微团聚体、交换性钾离子、＞5 mm 团聚体、TP、TK、0.25～0.5 mm 团聚体、0.5～1 mm 团聚体和非毛管孔隙度。指标贡献率筛选后，保留BD、AK、AP、SUE、SDH、1～2 mm 团聚体、2～5 mm 团聚体、Cd、SOC、Cu、AN、MBN、MBC、pH、Zn、SSC、EC和TN共18个指标。

表3 环境敏感因子的变异系数、贡献率及累计贡献率Table 3 Coefficient of variation，contribution rate and cumulative contribution rate for each soil environmental sensitive factor

3.2.2 环境敏感因子相关性

土壤环境是由土壤物理性质、化学性质、生物学性质和土壤重金属等共同作用的结果，所以各指标之间必然存在一定的相关关系。由图4 中稻田土壤物理性质、化学性质、生物学性质和土壤重金属之间的相关性分析结果可知，BD 与1～2 mm 团聚体、2～5 mm团聚体显著相关；SUE 活性与SOC、AN、MBC 和TN 显著相关；SDH 活性与SOC、SSC活性显著相关；1～2 mm团聚体与2～5 mm 团聚体显著相关（P＜0.05）；Cd 与SOC、Cu、Zn 和EC 显著相关；SOC 与Cu、AN、MBN、MBC和SSC显著相关（P＜0.05）；Cu与Zn、SSC和TN显著相关（P＜0.05）；AN 与MBN、MBC 和TN 显著相关；MBN 与MBC 和TN 显著相关；MBC 与pH、SSC 和TN显著相关；pH 与SSC 和TN 显著相关；SSC 与TN 显著相关。

图4 水稻有机肥配施的土壤环境指标相关性分析Figure 4 Correlation analysis of soil environmental index of paddy field with organic fertilizer supplementation

3.2.3 环境敏感因子分类

根据分组原则，本研究将BD 等18 个环境敏感因子分为4 组，如表4 所示。其中第一组为BD、SUE 活性、SDH 活性、1～2 mm 团聚体、2～5 mm 团聚体、SOC、AN、MBN、SSC 活性、EC 和TN；第二组为AK、Cd、MBC和Zn；第三组为AP和Cu；第四组为pH。

表4 稻田有机肥配施的土壤环境指标分类Table 4 Classification of soil environmental index of paddy field with organic fertilizer supplementation

3.2.4 环境敏感因子重要值

表5 稻田有机肥配施的土壤环境敏感因子重要值Table 5 The important value of soil environmental index of paddy field with organic fertilizer supplementation

3.3 指标体系构建

通过随机森林分析得出第一组中重要值最大的指标为SOC，而SOC 与SDH 活性、SUE 活性、SSC 活性、MBN 显著相关，因此剔除与之相关的指标，仅保留SOC。第一组剩余环境敏感因子中BD的重要值最高，因此剔除与其显著相关的1～2 mm 团聚体和2～5 mm 团聚体。同理，剔除与TN 显著相关的AN。最终第一组中保留SOC、BD、TN 和EC。第二组中Cd与Zn显著相关，且Cd 的重要值高于Zn，因此剔除Zn，仅保留Cd 进入指标体系，此外AK 与MBC 无显著相关性，因此二者均进入指标体系，最终第二组保留Cd、AK和MBC。第三组为AP 和Cu，且二者无显著相关性，因此AP 和Cu 均进入指标体系。第四组中仅含pH 一个指标，因此第四组保留pH。综上，最终构建了包含BD 等10 个指标的稻田有机肥配施的环境效应评价指标体系，如表6所示。

表6 稻田有机肥配施的土壤环境效应评价指标体系Table 6 Evaluation index system for soil environment of paddy field with organic fertilizer supplementation

4 讨论

土壤环境效应评价指标的科学性和合理性一直是科学工作者关注的重要问题，是进行土壤环境效应评价的基础。土壤环境效应评价体系的科学性与合理性主要体现在以下两个方面：①指标应反映土壤环境的真实状况。土壤环境涉及土壤物理、化学、生物学及土壤重金属等多个方面[27]，因此，土壤环境评价指标体系应反映土壤的综合性质。此外，土壤物理、化学、生物学性质及土壤重金属均包含多个指标，因此，选取指标应具有代表性；②指标获取可行性。指标体系中包含的指标应具有易获取性，所选土壤环境评价指标应易于检测或成本可行[28]，而不易获得的指标应尽量避免纳入指标体系中。

基于科学性与合理性原则，本研究构建了有机肥配施的稻田土壤环境效应评价指标体系。通过与先前研究结果对比分析发现，本研究构建的土壤环境效应评价指标体系与前人构建的指标体系具有一定的相似性。例如，王溢璟等[29]通过层次分析法构建的土壤环境评价体系也包括土壤有机质、土壤总氮等指标。此外，郑琦[30]通过综合因子分析法和特尔斐专家打分法构建了新疆绿洲棉田长期连作土壤环境评价指标，其中也包括土壤pH、SOC、TN、AP等指标，表明本研究构建的土壤环境效应评价指标具有一定的合理性。而部分土壤环境效应评价指标体系未涉及土壤重金属指标，例如，张佳凤[16]通过相关性分析和主成分分析构建的水田合理耕层指标体系中未涉及任何一种重金属指标。本研究考虑到施用有机肥料会将其中的重金属引入到土壤中，因此本研究将土壤重金属纳入到评价指标体系中，使评价指标体系更加全面。

尽管本研究从多个角度，通过综合分析构建了稻田有机肥配施的土壤环境效应评价指标体系，但该指标体系仍然存在一些不足，主要表现在以下两个方面：①按照指标体系的构建原则，本研究主要选择易获取的土壤环境效应指标，而没有选用较难获取或者在实际测定过程中成本较高的指标。由于有机肥施用会引入抗生素，但目前抗生素检测难度大，属不易获取指标，因此本研究并未将其纳入到指标体系中，在一定程度上会影响评价结果；②本研究通过整合分析进行敏感因子筛选，但整合分析结果与纳入分析的文献密切相关，且由于发表偏倚的存在，分析结果可能存在一定的误差。

5 结论

（1）通过整合分析筛选了包括BD 等8 个土壤物理指标、pH等10个土壤化学指标、MBC等5个生物学指标和Zn 等3 个土壤重金属指标，共计26 个土壤环境指标的稻田有机肥配施的土壤环境敏感因子。

（2）进一步通过变异分析、相关性分析、主成分分析以及随机森林模型耦合分析，构建了包含BD、pH、EC、SOC、TN、AK、AP、MBC、Cd 和Cu 等10 个指标的稻田有机肥配施的土壤环境效应评价指标体系。

本研究为稻田有机肥配施的土壤环境效应评价提供了依据，为我国土壤环境评价指标体系的构建提供了新思路。