张青青, 张桂莲, 伍海兵, 仲启铖, 何小丽, 徐冰, 梁晶,*
城市森林土壤有机碳密度及影响因子变化研究
张青青1,2, 张桂莲1,2, 伍海兵1,2, 仲启铖1,2, 何小丽1,2, 徐冰1,2, 梁晶1,2,*
1. 上海市园林科学规划研究院, 上海 200232 2. 上海城市困难立地绿化工程技术研究中心, 上海 200232
以上海市阔叶混交林、杉林、软阔林和硬阔林土壤为研究对象, 分析2013年不同森林土壤有机碳密度(SOCD), 并以其为本底值探讨不同森林植被经历4年自然生长后SOCD的变化特征, 讨论了土壤容重、电导率(EC)、pH、全氮、全磷、C/N对其的影响, 为上海市森林资源合理配置提供建议。结果表明: (1)2013年, 上海城市森林的SOCD由大到小的排列顺序为: 杉林>硬阔林>软阔林>阔叶混交林。相比2013年, 2017年上海市阔叶混交林、杉林、软阔林和硬阔林的SOCD均降低, 年均降低速率为0.59 t/(hm2·a)、6.81 t/(hm2·a)、3.89 t/(hm2·a)和6.95 t/(hm2·a)。上海市森林土壤有机碳密度年降低速率较大, 且0—10 cm和0—30 cm的SOCD在0—100 cm的贡献率较低。(2)不同时期不同林型的SOCD影响因子不同。2013年, 阔叶混交林、软阔林、硬阔林的SOCD受土壤容重、EC、pH、全氮、全磷、C/N影响不显著(>0.05), 杉林SOCD受全氮影响较显著(<0.05)。2017年, 阔叶混交林SOCD主要受凋落物影响, 杉林的主要影响因子为容重和全氮, 硬阔林的SOCD主要受C/N影响。软阔林受土壤容重、EC、pH、全氮、全磷、C/N影响不显著(>0.05)。(3)结合土壤有机碳密度本底值以及年均降低速率, 上海市在森林配置管理时可优先种植阔叶混交林和软阔林, 并应通过添加氮肥、疏松森林土壤等措施改良土壤性状。研究为上海市林分管理在资源合理配置方面提供数据支撑, 也为城市森林土壤固碳能力评价研究提供重要参考。
城市森林; 土壤容重; 有机碳含量; 有机碳密度; 影响因子
森林能够减少城市热岛效应、维持碳氧平衡, 且可通过净化空气和增加雨水滞留等改善环境质量[1]。在森林生态系统中, 森林植物固定的CO2中约1/2通过调落物归还到土壤, 通过微生物分解转化成稳定的土壤有机碳, 使森林土壤在全球碳循环中发挥着决定作用[2]。森林土壤中碳轻微的改变可能会影响生态系统中碳的汇源平衡。土壤有机碳密度(SOCD)作为估算土壤有机碳储量的重要指标[3], 明确其变化及影响因子对了解森林生态系统固碳能力具有重要意义。
不同于自然土壤, 城市森林土壤空间变异性大, 侵入体(砖瓦块)较多、土壤结构与剖面发育层次混乱, 土壤紧实, 土壤肥力低下、保肥能力低[4-5]。但目前针对城市森林土壤的研究主要集中在城市森林土壤动物、土壤质量评价、重金属、多环芳烃污染等方面[6-10], 对城市森林土壤的SOCD研究较少[11], 且主要为静态研究[12], 缺乏不同城市森林类型SOCD的动态研究。
本文以上海市阔叶混交林、杉林、软阔林和硬阔林土壤为研究对象, 分析2013年不同森林SOCD, 并以其为本底值探讨不同森林植被经历4年自然生长后SOCD的变化特征及影响因子, 明确哪种森林土壤对有机碳的固持能力较佳, 以期为上海市土地资源的合理利用、森林资源配置方式的制定提供依据。
上海市位于中国华东地区(121°29′ E, 31°14′ N), 属亚热带季风性气候, 四季分明, 日照充分, 雨量充沛, 平均海拔4 m左右。2013年, 上海市年平均温度为17.6 ℃, 年平均降水量为1173.4 mm[13]。2017年, 全市年平均温度为17.7 ℃, 年平均降水量为1388.8 mm[14]。根据上海市森林资源连续统计报告, 2013 年全市森林面积为91324.13 hm2,其中阔叶混交林面积为17033.9 hm2, 杉林面积为6744.5 hm2, 软阔林面积为28627.7 hm2, 硬阔林面积为5046.9 hm2, 共约占全市森林面积的62.9%。本次调查的森林为人工林, 多为幼龄林和中龄林, 均分布在郊区, 营造后生长过程无人为因素干扰。位置与基本信息分别见图1和表1。
于2013年的7—8月对上海市宝山区、青浦区、奉贤区、松江区、浦东新区和崇明区等郊区森林土壤进行调查取样。其中, 阔叶混交林、杉林、软阔林和硬阔林分别设置5个、9个、11个和11个样地, 每个样地面积为25.83 m×25.83 m, 共计36个样地。参考造林项目碳汇计量与监测指南[15],每个样地随机选取3个样点, 每个样点划分为0—10 cm、10—30 cm和30—100 cm土层取样, 每层取500 g土壤和3个环刀, 共采集108个土壤样品和324个环刀。将采集到的土壤样品自然风干, 剔除根系和石砾后过2 mm和0.149 mm孔筛, 收集备用。同时, 在每个样地内布设3个1 m × 1 m小样方, 将小样方内的凋落物收集于自封袋内。
2017年7—8月, 用相同的方法对4种森林土壤的相同样地进行调查取样。
土壤容重采用环刀法测定。土壤EC按5:1水土比采用电导法测定。土壤pH按 2.5:1 水土比采用电位法测定。土壤全氮采用凯氏定氮法测定, 全磷采用高氯酸—硫酸法测定[16], 土壤有机碳含量采用重铬酸钾—外加热法测定。凋落物在80 ℃烘箱中烘干至恒重后称重。
土壤剖面的SOCD(统一计算到1 m深[17])计算公式如下:
图1 上海城市森林采样点位置信息
Figure 1 The sampling location of urban forests in Shanghai
表1 上海城市森林基本信息
其中,为土壤的某一层,表示土壤有机碳含量(g·kg–1),表示土壤容重(g·cm–3),表示土层厚度(cm), α 为土壤中>2 mm的石砾的体积百分含量, SOCD的单位为t·hm–2。
运用SAS 9.0软件进行统计分析, 采用方差分析和配对 t 检验分析不同时期不同森林的土壤容重、有机碳含量及SOCD的差异显著性, 并运用origin 8.5进行作图。
2013年, 阔叶混交林、杉林、软阔林和硬阔林的土壤容重平均值分别为1.53 g·cm–3、1.47 g·cm–3、1.48 g·cm–3和1.51 g·cm–3。经过林分4年的生长, 2017年4种森林的土壤容重分别变为1.43 g·cm–3、1.33 g·cm–3、1.42 g·cm–3和1.46 g·cm–3, 变幅分别为–6.49%、–9.48%、–3.71%和–3.05%。根据配对t检验, 阔叶混交林和杉林0—100 cm土壤容重均极显著降低(<0.01)。其中, 阔叶混交林在10—30 cm和30—100 cm的土壤容重显著降低(<0.05), 杉林在0—10 cm、10—30 cm和30—100 cm的土壤容重均显著降低(<0.05)。硬阔林的土壤容重仅在30—100cm土层显著降低(<0.05)。
2013年, 阔叶混交林、杉林、软阔林和硬阔林0—100 cm土壤有机碳平均含量分别为6.98 g·kg–1、8.42 g·kg–1、8.27 g·kg–1和7.92 g·kg–1。经过4年的自然生长, 2017年4种森林0—100 cm土壤有机碳平均含量分别为7.32 g·kg–1、7.41 g·kg–1、7.37 g·kg–1和6.30 g·kg–1, 变化幅度分别为4.93%、–12.03%、–10.88%和–20.50%(图2)。根据配对t检验, 硬阔林0—100 cm土壤有机碳平均含量显著降低(<0.05)。
表2 2013年和2017年4种城市森林土壤容重特征
注: 每行大写字母代表同一土层不同森林土壤容重的差异, 每列小写字母代表同一时期不同土层土壤容重的差异,<0.05。
2013年和2017年4种森林土壤有机碳含量随剖面深度的变化趋势不同, 但总体上呈下降趋势, 有机碳表聚性明显。阔叶混交林的土壤有机碳含量在0—10 cm和30—100 cm土层增加, 但增加程度不显著, 其余森林土壤在不同土层的有机碳含量均降低。根据配对 t 检验, 硬阔林的土壤有机碳含量在0—10 cm土层表现为显著降低(<0.05)。
阔叶混交林、杉林、软阔林和硬阔林在0—100 cm的SOCD分别由2013年的107.12 t·hm–2、123.37t·hm–2、121.53t·hm–2和120.76t·hm–2降为2017年的104.77t·hm–2、96.13 t·hm–2、105.98t·hm–2和92.97 t·hm–2, 降幅分别为2.20%、22.08%、12.80%和23.01%, 年均SOCD降低速率为0.59 t/(hm2·a)、6.81 t/(hm2·a)、3.89 t/(hm2·a)和6.95 t/(hm2·a)(图3)。根据配对t检验, 杉林SOCD在0—100 cm土层极显著降低(<0.01), 硬阔林SOCD在0—100 cm的土层显著降低(<0.05)。
不同森林SOCD在不同土层的变化不同。阔叶混交林SOCD在0—10 cm和30—100 cm土层增加(>0.05), 其它3种森林类型SOCD在不同土层均降低。其中, 阔叶混交林SOCD在10—30 cm显著降低(<0.05), 杉林SOCD在30—100 cm土层显著降低(<0.05)。
阔叶混交林、杉林、软阔林和硬阔林0—10 cm土层的SOCD在0—100 cm上的贡献率由2013年的15.74%、20.84%、18.34%和20.46%变为2017年的17.55%、16.42%、16.96%和18.36%。其中, 阔叶混交林的增幅为11.48 %, 杉林、软阔林和硬阔林的降幅分别为21.22%、7.54%和10.26%。阔叶混交林、杉林、软阔林和硬阔林0—30 cm的SOCD在0—100 cm土层的贡献率由43.61%、44.44%、40.14%和42.52%变为36.16%、41.95%、40.56%和41.24%。阔叶混交林、杉林和硬阔林的降幅分别为17.08%、5.59%和3.03%, 软阔林的增幅为1.03%。
图2 2013年和2017年4种城市森林土壤有机碳含量分布特征
Figure 2 Distribution of soil organic carbon content for the four urban forests in 2013 and 2017
图3 2013年和2017年4种城市森林不同土层SOCD分布特征
Figure 3 Characteristics of soil organic carbon density for the four urban forests in 2013 and 2017
将SOCD与城市森林土壤基本性质进行相关性分析(表3), 发现: 不同时期4种森林SOCD的影响因子不同。2013年阔叶混交林SOCD与土壤容重、EC、pH、全氮、全磷、C/N、凋落物含量的相关性均不显著(>0.05), 在2017年仅与凋落物含量显著相关(<0.05); 2013年杉林SOCD与全氮显著相关(<0.05), 而在2017年与容重显著相关(<0.05), 与全氮极显著相关(<0.01); 在2013年和2017年, 软阔林SOCD与土壤容重、EC、pH、全氮、全磷、C/N、凋落物含量的相关性均不显著(>0.05); 2013年硬阔林的SOCD与土壤容重、EC、pH、全氮、全磷、C/N、凋落物含量的相关性均不显著(>0.05), 在2017年仅与C/N极显著正相关(<0.01)。
2013年, 上海城市森林的SOCD由大到小的排列顺序为: 杉林>硬阔林>软阔林>阔叶混交林。这可能与杉林的凋落物含量以及总生物量较多有关[18]。森林植被经过4年的生长, 0—100 cm土层SOCD呈降低趋势。这一结论不同于赵敏等[19]发现20世纪80年代到2009年上海市SOCD无明显变化的研究, 也有别于我国1980—2010年森林0— 100 cm 土层SOCD增加了8.8t·hm-2[20], 也与李斌等[21]发现从1983—1987年到2009年湖南省森林0—80 cm土层SOCD逐渐增加的研究结果不同。这可能是上海城市森林土壤结构较差, 容重偏高, 且在森林植被经历4年生长后, 土壤pH由7.92增至7.96, EC值由0.24 mS·cm–1降至0.12 mS·cm–1, 不利于植被生长, 使得土壤的有机碳输入量降低; 而土壤C/N由9.78增至10.51, 促使土壤有机碳矿化量增加, 最终使得SOCD降低[22-24]; 也可能是植被生长过快, 消耗了土壤中大量养分, 致使SOCD降低[25]。另外, 阔叶混交林土壤有机碳密度降低最少, 杉林、软阔林和硬阔林的土壤有机碳密度降低较多。这可能是因为相比杉林、软阔林和硬阔林, 阔叶混交林群落结构复杂, 生物多样性高, 在气候环境相近的情况下, 林分的生产力略高, 有利于土壤养分的存留[26-27]。
表3 4种森林土壤有机碳密度与基本性质的相关性
注: *表示<0.05, **表示<0.01。
2013—2017年, 上海4种森林不同土层SOCD在0—100 cm土层间的配比发生了改变。0—10 cm土层的SOCD在0—100 cm土层的贡献率由15.74— 20.84%变为16.42—18.36%。除阔叶混交林0—10 cm土层的SOCD在0—100 cm土层的贡献率呈增加趋势外, 其余3种森林0—10 cm土层的SOCD在0—100 cm土层的贡献率均呈降低趋势,且降幅大小为杉林>硬阔林>软阔林。0—30 cm土层的SOCD在0—100 cm土层的贡献率由40.14—44.44%变为36.16—41.95%。仅软阔林0—30 cm土层的SOCD在0—100 cm土层的贡献率有轻微的增加, 其余森林0—30 cm土层的SOCD在0—100 cm土层的贡献率也均呈降低趋势,且降幅大小为阔叶混交林>杉林>硬阔林。相比牛攀新[28]对古尔班通古特沙漠梭梭群落的0—10 cm土层的SOCD在0—100 cm土层的贡献率23.7—32.8%, 浙江省森林土壤0—30 cm土层SOCD在0—100 cm土层的贡献率65.34 %[29], 以及陕西省森林土壤0—30 cm土层SOCD占0—100 cm土层贡献率50.04%[30], 上海城市森林0—10 cm土层和0—30 cm土层的SOCD在0— 100 cm土层的贡献率较低, 这可能是因为上海城市森林土壤为回填土, 相较自然森林土壤, 土壤中生物、植物根系及残枝分解缓慢, 对养分的存留能力较差[31]。
众多研究表明: 凋落物含量、土壤容重、全氮、土壤pH值、土壤C/N等因素均影响土壤有机碳含量、密度及土壤有机碳在土壤中的稳定性[32]。本研究将SOCD与凋落物含量及土壤容重、全氮、pH值、C/N等进行相关性分析, 发现不同时期不同森林影响SOCD的因子不同。
Tanner等[33]认为, 输入到土壤的凋落物量增多, 土壤有机碳及SOCD也将随之增加。通过对2013年和2017年凋落物的调查(表1), 发现阔叶混交林、杉林、软阔林和硬阔林的凋落物量分别由330.62 g·m–2、446.33 g·m–2、382.29 g·m–2和363.32 g·m–2变为142.68 g·m–2、418.17 g·m–2、311.08 g·m–2和369.52 g·m–2。仅硬阔林的凋落物量有轻微的增加, 其余森林的凋落物量呈不同程度的降低。这表明本研究中SOCD与凋落物量有一定的关系, 但将4种森林SOCD进行相关性分析发现, 仅2017年阔叶混交林凋落物量与其显著正相关(<0.05), 其余森林SOCD与凋落物量相关性不显著(>0.05), 这与凋落物转化为有机碳过程中涉及微生物的参与有关。土壤容重主要与土壤质地、压实情况、土壤有机质、根系分布等密切相关。在本研究中, 仅2017年杉林SOCD与土壤容重负相关(<0.05), 这可能是因为土壤容重降低, 孔隙度增加, 通气性改善, 微生物活性增加, 有利于土壤有机碳的积累[34]。全氮含量主要受生物固氮、气候、植被、微生物活性等的影响[35]。本研究中, 杉林SOCD与全氮呈显著正相关(<0.05), 这可能是由于土壤中的氮对植物的生长有促进作用, 进而可以促进有机碳更好的在土壤中积累, 而氮素又可以通过土壤有机碳的分解矿化作用释放到环境中[36-37]。本研究中, 随着森林植被的生长, 2017年C/N对硬阔林SOCD的影响更明显, 这与C/N的高低影响土壤微生物的活性, 适宜的C/N微生物活性较强, 有利于有机碳的积累密切相关[38]。
通过分析不同时期城市森林SOCD影响因子, 并结合森林土壤有机碳密度本底值以及年降低速率, 发现在上海市森林配置管理时优先考虑种植阔叶混交林和软阔林。同时, 应根据不同森林SOCD的影响因素适当改善土壤性质。
通过分析上海市阔叶混交林、杉林、软阔林和硬阔林4种森林SOCD, 并探讨其与影响因素土壤容重、有机碳含量等的关系, 得出以下结论: (1)较2013年, 2017年上海市阔叶混交林、杉林、软阔林和硬阔林的SOCD均降低, 其中阔叶混交林SOCD年降低速率较低, 硬阔林的SOCD年降低速率较大。(2)不同时期4种森林SOCD的影响因子不同。2013年, 阔叶混交林、软阔林和硬阔林的SOCD受土壤容重、EC、pH、全氮、全磷、C/N影响不显著(>0.05), 杉林SOCD受全氮影响较显著(<0.05)。2017年, 阔叶混交林SOCD主要受凋落物影响(<0.05), 杉林SOCD主要影响因子为容重和全氮, 硬阔林SOCD主要受C/N影响(< 0.05)。软阔林SOCD受土壤容重、EC、pH、全氮、全磷、C/N影响不显著(>0.05)。(3)上海市在森林管理配置方面, 可优先考虑种植阔叶混交林和软阔林, 并应定时向土壤中添加氮肥, 降低土壤容重, 改善土壤肥力。
[1] STEENBERG J W N, MILLWARD A A, NOWAK D J, et al. Forecasting Urban Forest Ecosystem Structure, Function, and vulnerability [J]. Environmental management, 2017, 59(3): 373–392.
[2] LAI R. Forest soils and carbon sequestration[J]. Forest Ecology and Management, 2005, 220: 242–258.
[3] 刘子刚, 王铭, 马学慧. 世界泥炭地有机碳储量和有机碳密度[J]. 湿地科学, 2014, 12(3): 279–285.
[4] 孔海, 王珊, 陈云, 等. 我国城市土壤特性研究现状及展望[J]. 贵州农业科学, 2013, 41(12): 100–104.
[5] 马涛. 上海林地和绿地碳汇发展困境与对策[J]. 中国城市林业, 2011, 9(2): 23–25.
[6] 靳士科. 上海市不同城市森林土壤动物群落研究[D]. 上海: 华东师范大学, 2016.
[7] 高述超, 田大伦, 闫文德, 等. 长沙城市森林土壤理化性质及碳贮量特征[J]. 中南林业科技大学学报(自然科学版), 2010, 30(9): 16–22.
[8] 方晰, 唐志娟, 田大伦, 等. 长沙城市森林土壤7种重金属含量特征及其潜在生态风险[J]. 生态学报, 2012, 32(23): 7595–7606.
[9] 王小龙. 南京城市林业土壤多环芳烃含量及分布研究[D]. 南京: 南京林业大学, 2015.
[10] 陶晓, 俞元春, 张云彬, 等. 城市森林土壤碳氮磷含量及其生态化学计量特征[J]. 生态环境学报, 2020, 29(1): 88– 96.
[11] 孙艳丽. 开封城市土壤有机碳密度、组成及时空变化分析[D]. 开封: 河南大学, 2011.
[12] 聂典. 厦门城市森林两种林分固碳能力的研究[D]. 福州: 福建农林大学, 2015.
[13] 上海统计局. 2014上海统计年鉴[J]. 北京: 中国统计出版社, 2014.
[14] 上海统计局. 2018上海统计年鉴[J]. 北京: 中国统计出版社, 2018.
[15] 国家林业局应对气候变化和节能减排工作领导小组办公室. 造林项目碳汇计量与监测指南[M]. 中国林业出版社, 2008.
[16] 鲍士旦. 土壤农化分析.3版[M]. 中国农业出版社, 2000.
[17] KRAMER M G, LAJTHA K, AUDFENKAMPE A. Depth trends of soil organic matter C: N and 15N natural abundance controlled by association with minerals[J]. Biogeochemistry, 2017, 136(3): 1–12.
[18] 唐朋辉, 党坤良, 王连贺, 等. 秦岭南坡红桦林土壤有机碳密度影响因素[J]. 生态学报, 2016, 36(4): 1030–1039.
[19] 赵敏, 胡静, 汤庆合. 上海地区土壤碳汇功能评估[J]. 环境监测管理与技术, 2012, 24(5): 17–22.
[20] 徐丽, 于贵瑞, 何念鹏. 1980s-2010s中国陆地生态系统土壤碳储量的变化[J]. 地理学报, 2018, 73(11): 2150– 2167.
[21] 李斌, 方晰, 李岩, 等. 湖南省森林土壤有机碳密度及碳库储量动态[J]. 生态学报, 2015, 35(13): 4265–4278.
[22] WYNN J G, BIRD M I, VELLEN L, et al. Continental– scale measurement of the soil organic carbon pool with climatic, edaphic, and biotic controls. Global Biogeochemical Cycles, 2006, 20, GB1007.
[23] PREGITZER K S, EUSKIRCHEN E S. Carbon cycling and storage in world forests: Biome patterns related to forest age. Global Change Biology, 2004, 10(12): 2052– 2077.
[24] 张雪莹. 城市化对南亚热带存留常绿阔叶林土壤有机碳组分的影响[D]. 广州: 广州大学, 2019.
[25] 塔娜. 杉木人工林不同发育阶段土壤纤维素酶活性变化规律及机理的研究[D]. 北京: 北京林业大学, 2012.
[26] 丁访军,潘忠松,周凤娇,等.黔中喀斯特地区3种林型土壤有机碳含量及垂直分布特征[J].水土保持学报,2012,26(1): 161–164+169.
[27] 袁在翔. 南京紫金山2种典型林分土壤碳库与养分特征[D].南京: 南京林业大学,2017.
[28] 牛攀新. 古尔班通古特沙漠梭梭群落生物量和碳储量研究[D]. 石河子: 石河子大学, 2015.
[29] 黄中秋. 浙江省森林土壤有机碳密度空间变异特征及其影响因素[D]. 杭州: 浙江农林大学, 2014.
[30] 李茜, 王芳, 曹扬, 等. 陕西省森林土壤固碳特征及其影响因素[J]. 植物生态学报, 2017, 41(9): 953–963.
[31] 方海兰.城市土壤生态功能与有机废弃物循环利用[M]. 上海: 上海科学技术出版社, 2014.
[32] 曹丽花, 赵世伟. 土壤有机碳库的影响因素及调控措施研究进展[J]. 西北农林科技大学学报(自然科学版), 2007, 35(3): 177–182.
[33] TANNER E, SHELDRAKE M, TURNER B L. Changes in soil carbon and nutrients following 6 years of litter removal and addition in a tropical semi–evergreen rain forest[J]. Biogeosciences, 2016, 13(22): 6183–6190.
[34] 吴庆标, 王效科, 郭然. 土壤有机碳稳定性及其影响因素[J]. 土壤通报, 2005, 36(5): 743–747.
[35] XUE Zhijing, CHENG Man, AN Shaoshan. Soil nitrogen distributions for different land uses and landscape positions in a small watershed on Loess Plateau, China[J]. Ecological Engineering, 2013, 60(11): 204–213.
[36] ZHANG Weidong, WANG Silong. Effects of NH4+and NO3−on litter and soil organic carbon decomposition in a Chinese fir plantation forest in South China[J]. Soil Biology & Biochemistry, 2012, 47(2): 116–122.
[37] 张骥. 氮磷添加对青藏高原高寒草甸土壤有机碳降解的影响[D]. 兰州: 兰州大学, 2017.
[38] 关松. 特定培养条件下土壤腐殖质形成与转化的研究[D]. 长春: 吉林农业大学, 2005.
Study on changes of soil organic carbon density and influencing factors in urban forest
ZHANG Qingqing1,2, ZHANG Guilian1,2, WU Haibing1,2, ZHONG Qicheng1,2, HE Xiaoli1,2, XU Bing1,2, LIANG Jing1,2,*
1. Shanghai Academy of Landscape Architecture science and Planning, Shanghai 200232, China 2. Shanghai Engineering Research Center of Landscaping on Challenging Urban Sites, Shanghai 200232, China
Soil samples were collected from broad-leaved mixed forests, fir forest, softwood forest and hardwood forest in Shanghai in 2013 and 2017 to investigate the changes of soil organic carbon density (SOCD). Furthermore, the variationof SOCD after 4 years of natural growth in different forest vegetations was analyzed, and the effects of soil bulk density, EC, pH, total nitrogen, total phosphorus and C/N on the SOCD were studied, which could provide recommendations for the rational allocation of forest resources in Shanghai. The results showed that: (1) In 2013 year, the order of SOCD was: fir forest > hard broad forest > soft broad forest > broad-leaved mixed forest. The SOCD of the four urban forestsall decreased from 2013 to 2017 in Shanghai, and the average annual decrease rate was 0.59 t/(hm2·a), 6.81 t/(hm2·a), 3.89 t/(hm2·a) and 6.95 t/(hm2·a), respectively. The annual decrease rate of soil organic carbon density in Shanghai was relatively high, while the contribution rate of 0-10 cm and 0-30 cm SOCD possessed relatively lower contribution ratein 0-100 cm. The influencing factors of SOCD in different forest types were discrepancy in different periods. In 2013 year, the SOCD of broad-leaved mixed forest, soft broad-leaved forest and hard broad-leaved forest wss not significantly affected by soil bulk density, EC, pH, total nitrogen, total phosphorus or C/N (>0.05), while that of China fir forest was significantly influenced by total nitrogen (< 0.05). In 2017 year, the SOCD of broad-leaved mixed forest was mainly affected by litter. The main factorsinfluencing SOCD of China fir forest were bulk density and total nitrogen, and the SOCD of hard broad-leaved forest was mainly affected by C/N. Soft broad-leaved forest was not significantly affected by soil bulk density, EC, pH, total nitrogen, total phosphorus or C/N (>0.05). (3) Considering both the initial SOCD and the annual average decrease rate, the broad-leaved mixed forest and the soft broad-leaved forest were suggested as precedence plantpreferentially in the forest land allocation management in Shanghai.These artificial forests can be maintained by applying nitrogen fertilizer and loosing soil texture. This study provides data support for the rational allocation of forest resources in Shanghai, and has implications for the evaluation of urban forest soil carbon sink function.
urban forest; bulk density; organic carbon content; organic carbon density; influence factor
10.14108/j.cnki.1008-8873.2022.02.024
S153
A
1008-8873(2022)02-204-07
2020-04-22;
2020-05-26
上海市科学技术委员会科技专项(17DZ1202801); 上海自然科学基金项目(17ZR1427400); 国家自然科学基金项目(31800411)
张青青(1992—), 女, 山西运城人, 硕士, 助理工程师, 主要从事城市土壤质量评价与改良修复的研究, E-mail: 1390540738@qq.com
通信作者:梁晶(1981—), 女, 山西长治人, 博士, 高级工程师, 主要从事城市土壤质量评价、修复及有机废弃物再利用研究, E-mail: liangjing336@163.com
张青青, 张桂莲, 伍海兵, 等. 城市森林土壤有机碳密度及影响因子变化研究[J]. 生态科学, 2022, 41(2): 204–210.
ZHANG Qingqing, ZHANG Guilian, WU Haibing, et al. Changes of urban forest soil organic carbon density and its influencing factors[J]. Ecological Science, 2022, 41(2): 204–210.