济源市南山林场林区人工林与农田土壤质量的评价与比较

巴音吉 窦文骏 庞国涛 王剑 王贵恒 王晓恩

摘要：我国退耕还林的政策已经实施超过20年，该政策对我国生态环境的改善发挥了巨大作用，人工林的生态效益也得到了广泛认可与研究。然而多数研究聚焦在人工林对大气环境的优化，忽略了土壤质量这一陆地生态系统循环中至关重要的生态要素。本文利用多种实地测量的土壤理化属性数据计算了综合土壤指数并分析了济源市南山林场区内人工林与农田的土壤质量差异，研究发现土壤质量受多种因素影响，其中全氮含量和土壤pH作用最为突出，其次是全钾含量和有机质含量；另外人工林和农田的土壤指标中2012年（2.47g/kg）和2022年（40.34g/kg）差异度最大的均为全碳含量，2012年最小为全钾含量（0.24%），2022年最小变为全氮含量（3.30%）；人工林的多数土壤指标含量高于农田，说明人工林对提高该地区的土壤质量具有积极作用，在林农分用的10年中，人工林地区的土壤质量相对农田提高了约10%，说明退耕还林可有效改善区域土壤质量。本文对人工林和农田土壤质量的评价对于我国退耕还林政策具有补充意义。

关键词：人工林；农田；综合土壤质量指数；土壤质量

中图分类号：F301    文献标识码：A    doi：10.12128/j.issn.1672-6979.2024.02.009

引文格式：巴音吉，窦文骏，庞国涛，等.济源市南山林场林区人工林与农田土壤质量的评价与比较［J］.山东国土资源，2024，40（2）：49-55. BA Yinji， DOU Wenjun， PANG Guotao， et al. Evaluation and Comparison of Soil Quality of Plantation and Farmland in Nanshan Forest Farm of Jiyuan City［J］.Shandong Land and Resources，2024，40（2）：49-55.

0 引言

森林与农田是两种重要的土地利用类型。森林提供了包括防风固土、涵养水源等多种极其重要的生态服务，同时森林生态系统也是极其重要的生物多样性库和有机碳贮存库［1-3］。而农田更是国家农业的基础与根本［4-6］，对国家发展和“中国梦”的实现具有重要的现实意义。近几年，随着人类环境保护意识的提高及国家政策的强有力引导，退耕还林政策在我国取得了显著成效［7］，根据国家林业和草原局发布的《中国退耕还林还草二十年（1999—2019）》白皮书显示，20年来我国实施退耕还林还草5.15亿亩，成林面积占全球同期增绿面积的4%以上①。同时退耕还林工程也产生了巨大的生态效益［8-10］，据研究人工林在大气质量和局地小气候的改善方面发挥了重要作用［11-13］。对于退耕还林影响的研究目前多集中在大尺度气候条件下，退耕还林与土壤质量的相互影响研究较少且不明确，而土壤质量是陆地生态系统循环的重要组成部分，在水资源调控、生物多样性保护等方面发挥重要作用［14-16］。部分学者探究了人工林对土壤的影响，王春梅等人曾量化退耕还林后土壤碳变化，认为人工林可明显增加土壤有机质含量［17］；李玉婷等人［18］分析了人工林对土壤微量元素的影响，发现森林促进了土壤钾元素累积；杨会侠等人［19］对比了不同退耕还林项目对土壤物理性质的影响后得出退耕还林对土壤孔隙度有改良作用的结论，这些研究工作极大推动了学界对人工林与土壤关系的认识和理解。然而上述研究均从单一角度评价人工林对土壤的影响，使得评价退耕还林对土壤微量元素和理化性质的影响不够全面。为此，本文拟以济源市南山林场区域为研究区，采用现场监测的方法收集研究区2012年和2022年人工林与农田土壤的多种理化属性数据，再利用综合土壤指数全面比较上述土地类型土壤质量的差异，这对合理规划退耕还林工程、高效利用有限土地资源等具有重要战略意义。

1 研究区概况

研究区位于河南省济源市的黄土丘陵-南太行交错带，王屋山周围30km范围内（图1）。其气候属暖温带季风性气候，多年平均气温约为13.4℃，

7、8月份时气温最高，多年平均降水总量为641.7mm，主要集中在6—9月份，约占全年的68.3％［20］。全年日照时数为2368h，零度气温以上的年平均有效积温为5282℃·d，10℃气温以上年平均积温达4847℃·d［21］。该区域主要地形为山地丘陵，平均海拔为410.5m。区域土壤属棕壤、褐土系列，主要成分为棕壤土和淋溶性褐土，平均深度为50cm，土壤结构不良，石砾含量大，春季土壤易干旱，夏季多受暴雨侵蚀［22］。

经过实地调研，研究区的植被以人工林为主，林木覆盖率约97.0%，主要乔木树种包括栓皮栎（Quercus variabilisBlume）、侧柏（Platycladus orientalis （L.） Franco）和刺槐（Robinia pseudoacacia L.）。其造林时间分别为1972年、1974年、1976年，2018年的平均株高分別为10.8m、9.7m和9.8m，占地面积所占比例分别约为81.6%、11.0%和7.4%。林下灌丛主要有扁担木（Grewia biloba G. Don var.parviflora （Bunge） H.-M.）、荆条（Vitex negundo Linn. var. heterophylla （Franch.） Rehd.）和小叶鼠李（Rhamnus parvifolia Bunge）等。间生的草本植物主要有隐子草（Cleistogenes Keng）属植物、狗尾草（Setaria viridis （Linn.） Beauv.）、荩草（Arthraxon hispidus （Trin.） Makino）及紫堇（Corydalis edulis Maxim.）。地面观测样地位于河南黄河小浪底森林生态系统国家定位观测研究站暨黄河小浪底地球关键带国家野外科学观测研究站南山林场观测区。

2 数据与方法

2.1 数据来源

本文共使用了8种土壤理化性质的属性数据计算综合土壤指数，数据按照获取方式可分为仪器自动收集和实验室样本检测2类。其中，仪器收集的数据包括同一测量点的土壤温度与湿度，测量点的选择根据土壤采样原则确定，主要考虑到代表性、随机性、密度合理原则、均匀分布原则、可比性和间距原则［23-25］。农田温湿度测量点考虑到密度合理，在左侧选择两个并保持一定的间距，右侧选择一个与左侧形成三角均匀分布；人工林测量点的选择依据相同原则均匀分布在研究区中间，且保持间距合理，最终在研究区的人工林区和农田区分别确定3个位置，共6个测量点（图1）。在每个测量点安装一个土壤温度传感器和一个土壤湿度传感器同步进行数据收集，传感器埋在地表以下10cm深度处，均通过网络与CR1000型数据采集器Campbell相连，传感器数据收集频率为10Hz，即每2min自动收集一次数据，每10min记录收集数据的平均值。使用仪器记录了2012年和2022年的全年土壤温度和湿度数据。

通过实验室样本检测获得的土壤属性数据包括土壤pH、土壤有機质、土壤全碳含量、土壤全氮含量、土壤全磷含量和土壤全钾含量6个指标。依据上述原则，农田土壤采样点在左侧农田较多区域均匀选择，使其更具代表性；人工林采样点由北向南依次排列，主要选择靠近农田和自然林的区域，增强可比性，最终在研究区人工林区和农田区分别设置了9个采样点，共18个采样点（图1）。在每个采样点的0～20cm土层内挖掘出足够多的土壤，迅速去除石块等杂物，取其中2kg土壤妥善封存，防止水分散失，保证所得数据的科学性与精确度。采样时间分别是2012年和2022年的7月10日15时—18时。各测量点和采样点的全部土壤属性数据的详细信息如表1所示。

上述仪器在长期对研究区土壤属性监测的过程中，严格按照标准定期维护，技术人员每两周会到现场进行维护，各仪器的实时运作状态可由终端记录电脑监测，观测期间所有仪器的总故障率不足0.1%（记录异常值个数/记录值总个数）。在定期维护的同时技术人员也会使用同型号和不同型号的仪器对所测数据进行校验，数据准确率较高（RMSE=0.96），以上这些质控措施确保了所测的准确性和可靠性。

2.2 方法

2.2.1 土壤理化差异度分析

土壤质量是指土壤在生态系统中保持生物的生产力，维持环境质量，促进动植物健康的能力［32］。本文将从两个方面分析人工林和农田的土壤质量差异。首先分析人工林和农田土壤的理化差异度，即分析所测的8种土壤属性指标的差异。分析时需计算人工林与农田的各土壤属性的差异度及2022年与2012年的差异度之差，计算公式如式（1）、式（2）。

DA=（AF-Ac）/Ac[JY，1]（1）

DY=D2022A-D2012A[JY，1]（2）

式中：DA—人工林与农田土壤属性差异度，AF—人工林的土壤各属性，Ac—农田的土壤各属性；DY—2022年同2012年的差异度之差，D2022A—2022年的土壤属性差异度，D2012A—2012年的土壤属性差异度。

通过独立比较人工林与农田土壤的各属性的差异度，可以分析农林分别对土壤质量影响的程度大小，但不能从整体角度评估综合土壤质量，因此本文还须在所测数据的基础上计算综合土壤质量指数。

2.2.2 土壤综合质量分析

主成分分析法PCA（principal components analysis）是一种简化数据集的方法，主要是利用降维的思想将多个指标通过线性变换把数据变换到另一个坐标系统，以此类推最终确定几个综合指标的方法［33］。本文采用的土壤质量因子数据均已通过统计学检验且可用于主成分分析法。

综合土壤指数的计算须明确各土壤质量因子，即8种土壤理化属性在评价土壤质量过程中的权重，运用主成分分析法可分别计算各土壤质量指标的主成分负荷量、方差贡献率和积累方差贡献率，即可计算各土壤质量指标在土壤质量评价中的权重［34］。权重的计算如公式（3）所示。

Wi=CCi/∑[DD（]n[]i=0[DD）]（CCi）[JY，1]（3）

式中：Wi—第i项土壤质量因子的权重向量；CCi—第i项土壤质量因子的因子载荷；n=8为土壤质量因子个数。经主成分分析，各土壤质量因子的载荷系数、特征根、方差贡献率及通过公式（3）计算的权重如表2所示。

从表2中可以看出，土壤全氮含量和土壤pH的权重最高，表明二者的含量之于土壤质量最重要，其次是全钾含量与有机质含量，其权重分别为0.156、0.135，全磷含量对土壤质量的影响最低，其权重仅为0.050。

得到权重后，即可使用模糊数学中的模糊集加权综合方法，建立土壤质量的综合评价数学模型［34］，即使用公式（4）计算人工林和农田土壤的综合质量指数。

SQI=∑[DD（]n[]i=0[DD）]Wi×F（Xi）[JY，1]（4）

式中：SQI为土壤质量综合评价指数；F（Xi）为各质量指标的隶属度值，包括土壤温、湿度等上述8个土壤理化性质指标；n=8为土壤质量因子个数。在比较过程中同样计算了人工林和农田综合土壤指数的差异度，其计算如公式（5）所示。

DQ=（QF-Qc）/Qc[JY，1]（5）

式中：DQ—人工林与农田综合土壤指数差异度；QF—人工林的综合土壤指数；Qc—农田的综合土壤指数。

3 结果

3.1 人工林与农田土壤理化差异度

在使用综合土壤指数评价土壤质量之前，首先需要了解用于计算该指数的各土壤理化属性情况。本文基于研究时段内人工林和农田多个采样点获取到的土壤指标数据，计算多点均值差异度，主要包括土壤的土壤温度、土壤濕度、土壤pH、土壤有机质、土壤全碳含量、土壤全氮含量、土壤全磷含量、土壤全钾含量的差异，结果如表3所示。

从表3中可以看出，2012年人工林的土壤有机质含量、全碳含量、全钾含量均高于农田，其中，全碳含量二者相差最大，为2.47g/kg，差异度高达18.64%，全钾含量相差最小，差异度仅为0.24%。人工林的其余土壤属性的数值均较农田的低，其中全磷含量相差最大，人工林比农田少21.62%，全氮含量相差最小，差异度为-7.77%。到2022年，人工林土壤的有机质含量、全碳含量、全氮含量、全钾含量均高于农田，与10年前基本一致，且同样是全碳含量相差最大，差异度为58.98%，但全氮含量相差最小，仅为0.03g/kg。值得注意的是，除全氮含量外，2012—2022年，人工林和农田上述属性的差异度均增大，说明林田分用的10年间，土壤理化性质的差异变大，且人工林对土壤全碳含量的影响最大，可使其明显增加。农林的其余土壤属性除土壤湿度外（土壤温度、土壤pH、土壤全磷含量），其数值亦在10年后相差变大。其中全磷含量变化最大，说明人工林对土壤磷元素的消耗较大。

综上所述，林田分用的10年间土壤的理化性质总体上差异变大，在8个土壤理化指标中有6个指标的差异变大，且其变化幅度大于差距变小的幅度。此外，人工林对各土壤属性的影响性质和影响程度均不相同。

3.2 人工林与农田土壤综合质量差异度

对多个土壤属性进行独立分析难以从综合角度评价土壤质量，为进一步分析10年间林田分用的土壤质量变化程度，确定人工林与农田的土壤质量的综合差异度，依据表2的结果，结合具有连续性的隶属度函数，计算了土壤综合质量指数，再通过式（5）计算了人工林与农田土壤质量的差异度，其结果如表4所示。

从表4中可以看出，相比于2012年，农田和人工林在2022年的综合土壤指数均呈减小趋势，但农田综合土壤指数减小的相对更多，减小了0.035，而人工林仅减小0.001，这表明人工林减缓了土壤质量降低的速率。从农林土壤质量差异方面看，2012年人工林土壤质量比农田高29.50%，而到了2022年，该数值增长到了40.80%，说明林农分用的10年间，人工林的土壤质量相对农田的提升了10%，土壤质量显著提高。

4 讨论

通过上述结果可以发现，人工林的土壤有机质含量、全碳含量、全钾含量均高于农田，全氮含量从2012年低于农田到2022年高于农田，而其他指标包括土壤温度、湿度、pH、全磷含量则一直低于农田。人工林作为森林资源重要组分已经成为了地球上巨大的陆地碳库，但是由于全球气候急剧变化，人工林不止吸收碳，其释放碳的速度也在增加，所以人工林土壤碳固存变的越来越重要。人工林的土壤碳固存受到多种因素影响，例如微生物、凋落物、优势树种等等［35］，本文结果发现，人工林有增加土壤全碳含量的作用，这与陈冠宇等人［36］对西洞庭湖自然保护区9年的杨树人工林清理前比清理后固碳能力更强结论相一致。李璟等人［35］发现人工林土壤的碳固存也与土壤氮磷含量有关系，氮含量增加时不仅能够稳定土壤碳，还抑制土壤中的酶活性来降低土壤对枯落物的分解速度，这都能减缓土壤的碳消耗，甚至碳含量会增加［37］，磷含量则可以通过改变土壤呼吸改善土壤质量。

不同的土地覆盖变化显著影响了土壤所含养分的情况，随着时间增加，土壤质量指标因子也在不断变化，人工林和农田的土壤温度和全钾含量都在增加，土壤湿度、全氮含量都在降低，其余指标二者变化趋势相反，基本呈现农田增加而人工林减少的趋势。根据研究，在农田转化为人工林的过程中，表层土壤中的有机质含量和全氮含量不断增加，增强了土壤的固碳潜力，在时间尺度上二者差异度的变化与不同土地覆盖类型之间的转化及气候变化等非生物因子相关，可以发现，在农田转化为人工林的过程中，土壤质量综合指数显著提高，可见退耕还林可以改善土壤养分状况、提高土壤质量。对各类土壤属性值进行深一步剖析，农田和人工林的土壤属性的数值在10年间均有不同程度的变化。其中全磷含量变化最大，说明人工林对土壤磷元素的消耗较大。李琳等人［38］对比了中国天然林和人工林含磷量的分布格局及影响因素，发现人工林对磷的需求增长速度超过了磷高效系统的发展速度，从而导致生态系统磷的消耗，这与本文人工林对土壤磷元素的消耗较大的结论相一致，所以在未来人工林建设过程中要避免因磷元素含量枯竭而导致人工林生态系统的大规模退化，要合理规划人工林建造面积以及合理检测人工林生态系统质量。研究表明，人工林可以有效减缓土壤质量降低的速率，从农林土壤质量差异方面看，2012年人工林土壤质量比农田高29.50%，2022年则达到40.80%，说明林农分用的10年间，人工林的土壤质量相对农田显著提高，并且人工林对土壤质量的修复效果也更好［39］。

综上所述，在本文研究的退耕还林区，林地和农田之间的土地覆盖变化显著提高了土壤质量，说明了退耕还林工程可有效提高土壤质量。

5 结论

（1）时间尺度上，人工林与农田的土壤理化性质整体差异变大。林田分用的10年间，全碳含量的林田差异度增大最明显，土壤全磷含量和有机质含量次之，土壤温度的差异度变化最小，仅为1.10%。

（2）人工林具有增加土壤全碳含量的作用，农田转化为人工林可有效提高土壤的固碳能力，且土壤的碳固存能力也与土壤氮、磷含量有关；农田转化人工林过程中土壤质量提高，土壤养分状况得到改善。

（3）人工林显著改善了土壤质量。退耕还林后的10年中，人工林有效减缓了土壤质量的下降速率，其综合土壤指数相对农田提升超过10%，全氮含量的增加和土壤pH的降低对土壤质量的改善发挥了更大的作用。

致谢：感谢济源市人民政府对本次研究的野外监测与采样给予的大力支持；感谢《黄河流域中下游（河南段）水沙相互作用及生态环境承载力调查监测与评价》项目给予的资金支持。

参考文献：

［1］ FANG J，CHEN A. Dynamic forest biomass carbon pools in China and their significance［J］. Acta Botanica Sinica，2001，43（9）：967-973.

［2］ 范世香，蒋德明，阿拉木萨，等.论森林在水源涵养中的作用［J］.辽宁林业科技，2001（5）：22-25.

［3］ 焦云祥，王应刚.森林对土壤侵蚀的调控作用研究综述［J］.安徽农业科学，2013，41（36）：13949-13952.

［4］ 魏丹斌，尚凯.土地整理：我国耕地保护的重要举措［J］.河南地质，2001（2）：93-100.

［5］ 唐莉.浅析高标准基本农田建设的重要性［J］.现代农业，2020（1）：89-90.

［6］ 张延良，刘佳佳，邹勇，等.乡村振兴背景下镇域高标准农田建设分区研究：以山东省滨州市阳信县商店镇为例［J］.山东国土资源，2023，39（7）：72-78.

［7］ 刘杰.退耕还林在生态建设中的重要性及开展措施［J］.中国林副特产，2021（4）：97-99.

［8］ 杨再强，谢以萍.金沙江干热河谷退耕还林与生态问题的研究［J］.经济林研究，2003（4）：40-44.

［9］ 尹少华，宋笑月，肖建武.湖南省退耕还林工程生态效益评价［J］.中南林业科技大学学报，2010，30（5）：35-39.

［10］ 刘艳，温玉红，窦俊杰，等.甘肃省麦积区退耕还林生态效益评价［J］.温带林业研究，2022，5（1）：41-47.

［11］ 刘学勤，梁凤玉，王丽生，等.华北落叶松人工林小气候特征的初步观测［J］.山西林业科技，1988（4）：6-10.

［12］ 李高峰，张翔，闫文德.杉木人工幼林小气候特征研究［J］.湖南林業科技，2023，50（1）：53-62.

［13］ 柳叶，任悦，高广磊，等.毛乌素沙地樟子松人工林根内真菌网络动态特征及其对气候因子的响应［J］.北京大学学报（自然科学版），2023，59（3）：467-477.

［14］ 曹志洪，周健民.中国土壤质量［M］.北京：科学出版社，2008：126-128.

［15］ 李双，刘治政，杨丽芝，等.淄博市大武水源地土壤质量分析及其对地下水的影响［J］.山东国土资源，2021，37（12）：65-72.

［16］ 桑亚转，尤杨，李多才，等.放牧对祁连山高寒典型草原土壤质量的影响［J］.生态学报，2023，43（15）：6364-6377.

［17］ 王春梅，刘艳红，邵彬，等.量化退耕还林后土壤碳变化［J］.北京林业大学学报，2007（3）：112-119.

［18］ 李玉婷，张建军，田宁宁，等.黄土高原半干旱区退耕还林对土壤微量元素的影响［J］.农业机械学报，2015，46（8）：118-125.

［19］ 杨会侠，张景根，张雨鹏，等.不同退耕还林模式对地表径流及土壤物理性状影响的研究［J］.吉林林业科技，2007，36（4）：29-33.

［20］ 脱宇峰，邵铭，王亚华，等.基于探空秒级数据的济源市对流层风场特征［J］.气象与环境学报，2023，39（1）：83-91.

［21］ 周丹丹.河南省济源市农业气候资源的变化特征分析［J］.北京农业，2014（24）：182-183.

［22］ 闫迎迎.济源市土壤养分现状分析与评价［J］.农业科技通讯，2012（5）：127-128.

［23］ 辜汉华，赵若尘.污染场地土壤调查布点及采样研究［J］.低碳世界，2020，10（4）：9-11.

［24］ 黄思华，濮励杰，解雪峰，等.面向数字土壤制图的土壤采样设计研究进展与展望［J］.土壤学报，2020，57（2）：259-272.

［25］ 张维理，KolbeH，张认连，等.世界主要国家土壤调查工作回顾［J］.中国农业科学，2022，55（18）：3565-3583.

［26］ Kettler A， Doran W，Gilbert L. Simplified method for soil particle-size determination to accompany soil-quality analyses［J］.Soil Science Society of America Journal，2001，65（3）：849-852.

［27］ Sims R， Haby A.Simplified colorimetric determination of soil organic matter［J］.Soil Science，1971，112（2）：137-141.

［28］ Lindsay L，Norvell W.Development of a DTPA soil test for zinc， iron， manganese，and copper［J］.Soil Science Society of America Journal，1978，42（3）：421-428.

［29］ Bremner M， Breitenbeck G.A simple method for determination of ammonium in semimicro-Kjeldahl analysis of soils and plant materials using a block digester［J］.Communications in Soil Science and Plant Analysis，1983，14（10）：905-913.

［30］ Martin M，Celi L，Elisabetta B.Determination of low concentrations of organic phosphorus in soil solution［J］.Communications in Soil Science and Plant Analysis，1999，30（13-14）：1909-1917.

［31］ Martens D，Donald S. Selenium speciation of soil/sediment determined with sequential extractions and hydride generation atomic absorption spectrophotometry［J］.Environmental Science and Technology，1996，31（1）：133-139.

［32］ 吕贻忠.土壤学［M］.北京：中国农业出版社，2006：200.

［33］ 吴玉红，田霄鸿，同延安，等.基于主成分分析的土壤肥力综合指数评价［J］.生态学杂志，2010，29（1）：173-180.

［34］ Helena B，Rafael P，Marisol V，et al.Temporal evolution of groundwater composition in an alluvial aquifer （Pisuerga River， Spain） by principal component analysis［J］. Water Research，2000，34（3）：807-816.

［35］ 李璟，沈雅飞，王丽君，等.人工林土壤碳的影响途径研究进展［J］.陆地生态系统与保护学报，2023，3（3）：89-98.

［36］ 陈冠宇，靖磊.西洞庭湖自然保护区杨树人工林种植与清理对土壤化学结构稳定性的影响［J］.南方农业，2023，17（6）：255-257.

［37］ 孙彦伟，常彬，刘根驿，等.黄河下游流域土壤—作物系统硒元素地球化学特征：以山东省冠县为例［J］.山东国土资源，2023，39（1）： 40-46.

［38］ 李琳.中国天然林与人工林总磷的分布格局及其影响因素［D］.南京：南京信息工程大学，2023.

［39］ 王磊，李悦，王雪.吉林龙湾自然保护区不同土地利用类型土壤质量评价［J］.环境生态学，2022，4（10）：14-20.[FL）]

Evaluation and Comparison of Soil Quality of Plantation and Farmland in Nanshan Forest Farm of Jiyuan City

BA Yinji， DOU Wenjun，  PANG Guotao， WANG Jian， WANG Guiheng， WANG Xiao'en

（Yantai Coastal Zone Geological Surveying Center of China Geological Surveying， Shandong Yantai 265799， China）

Abstract： The policy of returning farmland to forests has been implemented for over 20 years. It has played a significant role in improving ecological environment in our country， and the ecological benefits of afforestation have been widely recognized and studied. However， most research has focused on the optimization of artificial forests for the atmospheric environment， while the crucial ecological elements of soil quality in the terrestrial ecosystem cycle has been ignored. By using various field measurement soil physicochemical property data， comprehensive soil index has been calculated and the differences in soil quality between artificial forests and farmland in Nanshan Forest Farm area of Jiyuan city have been analyzed. It is found that soil quality has been influenced by various factors， with total nitrogen content and soil pH being the most prominent， followed by total potassium content and organic matter content. Additionally， among the soil indicators of artificial forests and farmland， the greatest difference in 2012 （2.47g/kg） and 2022 （40.34g/kg） is the total carbon content. In 2012， the minimum is total potassium content （0.24%）， while in 2022， it has changed to total nitrogen content （3.30%）. Most soil indicators in artificial forests are higher than those in farmland. It is indicated that artificial forests play a positive role in improving soil quality in the region. Over the 10 years of afforestation and agricultural use， the soil quality in the artificial forest area has increased by about 10% relative to farmland. The returning farmland to forests can effectively improve regional soil quality. The evaluation of soil quality in artificial forests and farmland has supplementary significance for the policy of returning farmland to forests.

Key words： Artificial forests; farmland; comprehensive soil quality index; soil quality

收稿日期：20231008；修訂日期：20231102；编辑：曹丽丽基金项目：中国地质调查局下发的《黄河流域中下游（河南段）水沙相互作用及生态环境承载力调查监测与评价》项目编号：DD20220885作者简介：巴音吉（1989—），男，山东东营人，工程师，研究方向为自然资源综合调查与要素综合观测；E-mail：Geobayinji@163.com *[JP2]通讯作者：窦文骏（1996—），男，新疆伊犁人，工程师，研究方向为自然资源综合调查与要素综合观测；E-mail：douwenjun@mail.cgs.gov.cn[JP]①国家林业和草原局，中国退耕还林还草二十年（1999—2019），2020年。