金沙江流域林地土壤pH空间变异性的影响因素研究

李超, 常新霞, 彭文忆, 胡晓, 李影芝, 李文峰

李 超, 常新霞, 彭文忆, 胡 晓, 李影芝, 李文峰. 金沙江流域林地土壤pH空间变异性的影响因素研究[J]. 土壤通报, 2024, 55(6): 1524 − 1533. DOI: 10.19336/j.cnki.trtb.2023060401
引用本文: 李 超, 常新霞, 彭文忆, 胡 晓, 李影芝, 李文峰. 金沙江流域林地土壤pH空间变异性的影响因素研究[J]. 土壤通报, 2024, 55(6): 1524 − 1533. DOI: 10.19336/j.cnki.trtb.2023060401
LI Chao, CHANG Xin-xia, PENG Wen-yi, HU Xiao, LI Ying-zhi, LI Wen-feng. Spatial Variation Characteristics and Influencing Factors of Woodland Soil pH in the Jinsha River Basin[J]. Chinese Journal of Soil Science, 2024, 55(6): 1524 − 1533. DOI: 10.19336/j.cnki.trtb.2023060401
Citation: LI Chao, CHANG Xin-xia, PENG Wen-yi, HU Xiao, LI Ying-zhi, LI Wen-feng. Spatial Variation Characteristics and Influencing Factors of Woodland Soil pH in the Jinsha River Basin[J]. Chinese Journal of Soil Science, 2024, 55(6): 1524 − 1533. DOI: 10.19336/j.cnki.trtb.2023060401

金沙江流域林地土壤pH空间变异性的影响因素研究

基金项目: 国家自然科学基金(32160420)和云南省重大科技专项(202202AE090021)
详细信息
    作者简介:

    李 超(1983−),女,高级工程师,从事农业GIS和农业气象研究。E-mail: lichaoyunnan@163.com

    通讯作者:

    李文峰: E-mail: liwf83@126.com

  • 中图分类号: S153.4

Spatial Variation Characteristics and Influencing Factors of Woodland Soil pH in the Jinsha River Basin

  • 摘要:
    目的 

    云南金沙江流域是长江中下游地区生态环境的重要屏障,在分析该区域土壤pH的空间分布基础上,探究气候、土壤类型和地形因素对土壤pH的影响,可为土壤酸化的防控及土壤改良提供参考。

    方法 

    对云南金沙江流域林地采集土壤样品19071份,应用GIS技术和R语言,统计分析土壤pH值的空间变异特征以及气候带、土壤、地形等因素对土壤pH值的影响效应。

    结果 

    研究区土壤pH平均值为6.37,符合正态分布,变异系数为14.9%,属中等程度变异性,金沙江上游土壤pH总体趋势高于下游。气候带间土壤pH值差异最大,亚热带和暖温带的pH值最低,土壤类型和成土母质对土壤pH的影响效应也达到极显著水平,土壤类型以黄壤、红壤、紫色土3种的酸性较强,成土母质以酸性结晶岩、玄武岩和泥质岩3种酸性较强。海拔、坡度和坡向等地形因子对土壤pH值的影响相对较小。

    结论 

    研究区土壤pH值的空间变异主要由结构性因素引起,其中气候、土壤类型和成土母质的影响显著,气候的差异是造成空间大尺度上土壤pH差异的重要因素。地形因素的影响不显著,但可通过与其他因素的交互作用对土壤pH值产生影响。

    Abstract:
    Objective 

    The aim was to investigate spatial variation characteristics of woodland soil pH and to find the main influencing factors on soil pH in the Jinsha River Basin in Yunnan Province.

    Method 

    A total of 19071 soil samples were collected from woodland in Jinsha River Basin, Yunnan Province. The GIS technology and R language were used to analyze the spatial variation characteristics of soil pH value and the effects of climate, soil and topographic factors on soil pH value.

    Result 

    The results showed that the mean of soil pH in the study area was 6.37, showing a normal distribution. The coefficient of variation was 14.9%, showing a moderate degree of variability. The multiple regression analysis and variance analysis showed that the spatial difference of soil pH was mainly influenced by climate, soil type and soil parent material. The difference of soil pH among climate zones was the most obvious, showing soil pH was the lowest in subtropical climate and warm-temperate climate zones. Both soil types and parent materials influenced soil pH significantly. The pH values of yellow soil, red soil, and purple soil were lower than those of other soil types. Moreover, the soil pH values of acidic crystalline rocks, basalts, and argillaceous rocks were lower than those of other parent materials. Compared to climate, the topographic factors had relatively small influence.

    Conclusion 

    Comparative analysis showed that the influence of altitude on soil pH was more caused by climatic zone, soil type, texture and other factors. These results had suitable guides on the development, protection and ecological management of soil resources in the Jinsha River Basin of Yunnan Province.

  • 【研究意义】土壤pH值是土壤重要的化学性质之一,能够影响土壤重金属元素在土壤—植物系统的迁移转化过程[1]以及土壤细菌群落结构[23]、土壤酶的活性[4],进而影响作物生长、农田生态环境。研究土壤pH值的空间异质性及其驱动因素对揭示生态系统功能,保护生物多样性具有重要意义。【前人研究进展】研究表明,在不同的空间尺度上,土壤pH值空间分布有明显的区域差异和空间变异特征[56]。人类活动如施肥方式、土地利用、耕种模式等随机因素可引起土壤pH值变异,但其很大程度上表现出的空间自相关性变异,说明成土母质、气候、海拔、地形等结构性因素对土壤pH值有显著影响[710]。例如刘璐、张娜[1112]等研究发现在中小尺度上,土壤性质的空间变异较明显的受海拔、凹凸度、坡度等地形因子的影响。在对林地土壤的研究中,马云波[13]发现林分、林龄以及凋落物均会显著影响冀北山区华北落叶松人工林土壤pH的变异。在华北山地寒温性云杉次生林中,地形是土壤空间变异的重要因素,海拔对土壤pH值空间变异的影响最大[14]。这些研究都在一定程度上揭示土壤pH值和影响因子间的相互关系,有助于我们进一步认识土壤的空间变异机制。【本研究的切入点】在受人类活动或人为干扰相对较小的林地系统中,结构性因素对土壤空间变异的影响不可忽视。云南金沙江流域林地的生态平衡和水土保持是长江中下游地区生态环境的重要屏障。目前对该区域的研究主要集中在水文及植被状况上[1517],对于土壤性质的研究较少,尤其是土壤pH的空间变化规律和效应分析未见报道。【拟解决的问题】以云南金沙江流域的林地范围为研究对象,在土壤理化数据分析的基础上,采用ArcGIS和R语言分析研究土壤pH的空间分布特征,并进一步定量探究林地土壤和地形因素对土壤pH的影响,可为该区调控土壤酸碱度、有针对性的改善土壤肥力状况以及保护流域生态环境和促进流域生态可持续发展提供参考。

    研究区为位于云南省北部的金沙江流域(24°30′ ~ 29°15′ N,98°40′ ~ 105°15′ E),流经迪庆、丽江、楚雄等7个州(市),干流全长1560 km ,流域总面积达10.9 × 104 km2,占全省总面积近30%,流域境内地理环境及气候条件复杂多样,导致水、光、热等资源空间差异明显,各地年平均气温在3 ~ 17 ℃之间, 年平均降水量在850 ~ 1300 mm之间,两者在空间上均表现出从东向西逐渐减少的趋势。云南省金沙江流域林地面积占流域总面积的40.2%,其中上游地区林地面积最广,占流域上游总面积一半以上。

    本文分析数据包括土地利用类型、土壤类型、成土母质、土壤质地、土壤pH值以及地形数据。地形数据均基于该区域的数字高程模型分析获得(http://www.gscloud.cn/),其它土地利用和土壤理化性状的属性数据来源于课题组参与农业部2007年云南地区土壤调查和分析工作,空间数据是利用ArcGIS软件,根据采样点的经纬度信息将采样点与金沙江流域、土地利用现状做叠加分析,研究区共涵盖县区44个,内有旱地、水田、林地、草地、园地等类型,本研究提取研究区内林地类型,共计采样点19071个。80%的采样点处于海拔1264 ~ 2556 m之间,50%的处于1738 ~ 2256 m间,平均海拔为2000 m。采样点多处于坡地上,85%的坡度超过5°,55%超过15°,平均坡度为13.63°。根据国际地理学联合会对坡度的划分,以小于5°为平坡地,大于5°的区域分为8个朝向,各方向采样点的数据点分布均匀,各朝向样本量分别为:平地2833个、东向2735个、东南2323个、南1688个、西南1459个、西1658个、西北1822个、北2047个、东北2506个,由此可见采样点数据的海拔、坡度跨度大,坡向分布均匀,可以支撑地形因子影响土壤pH值的分析(图1)。

    图  1  研究区域位置及样本点分布图
    Figure  1.  Maps for the location and distribution of soil sampling sites in the study area

    数据处理分析包括了地统计分析和传统统计学分析两种,其中地统计分析通过GS + 软件进行半方差分析,利用块金值(C0)、基台值(C)、结构比[C/(C0 + C)]、变程(A)等参数来定量分析空间异质性程度、组成、尺度与格局,选择最优的半方差函数模型,从而获得克里格法插值的最优参数。再采用ArcGIS软件的Geostatistic Analyst模块进行空间插值,得到研究区土壤pH值的空间分布格局图。

    传统统计学分析和制图通过R语言R-4.3.3版本和R studio平台实现,首先对数据做频度分析和正态性检验(图2),估算金沙江流域pH值的整体均值和变异情况。通过R语言的gls函数和nlme(表1,模型M0 ~ M14)拟合pH数据,gls是R语言中常用的基于最小二乘法研究多元影响效应的性回归分析函数。其中考虑的自变量有土壤类型(Grp)、土壤质地(Txt)、成土母质(Prt)、海拔(Alt)、坡度(Grd)、坡向(Aso)、气候区(Clm) 共7个,模型拟合效果的差异及各因子的影响作用,通过anova 函数做方差分析,根据AIC和BIC值判断模型对pH值的拟合效果,分析pH值与气候区、海拔、土壤类型等的相关关系,揭示影响研究区土壤pH的空间分布的规律和机制。

    图  2  采样点的海拔、坡度的频度分布图
    Figure  2.  Frequency distribution map of altitude and slope of sampling points.
    表  1  数据拟合的混合效应模型
    Table  1.  Specification of the mixed effect models fitted to the data
    模型
    Model
    公式
    Equation
    参数
    Parameter
    AIC BIC
    M0 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{0} + {\varepsilon }_{ij} $ $ {\beta }_{0}=6.37\pm 0.01, $P < 0.001 51935 51950
    M1 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{c}\left(county\right) + {\varepsilon }_{ij} $ 图4 48437 48789
    M2 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\varepsilon }_{i} $ 图6 51513 51583
    M3 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Prt}{(Prt}_{ij}) + {\varepsilon }_{ij} $ 图6 51435 51514
    M4 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\beta }_{Prt}{(Prt}_{ij}) + {\varepsilon }_{ij} $ 51086 51266
    M5 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Txt}\left({Txt}_{ij}\right) + {\varepsilon }_{ij} $ 图7 51923 51962
    M6 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\beta }_{Prt}{(Prt}_{ij}) + {\beta }_{Txt}({Txt}_{ij}) + {\varepsilon }_{ij} $ 51072 51276
    M7 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Clm}\left({Clm}_{i}\right) + {\varepsilon }_{ij} $ 图7 50786 50833
    M8 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{i}\right) + {\beta }_{Prt}{(Prt}_{i}) + {\beta }_{Txt}({Txt}_{i}) + {\beta }_{Clm}({Clm}_{i}) + {\varepsilon }_{ij} $ 50418 50654
    M9 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Asp}{(Asp}_{i}) + {\varepsilon }_{i} $ 图8 51907 51985
    M10 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Grp}\left({Grp}_{i}\right) + {\beta }_{Prt}{(Prt}_{i}) + {\beta }_{Txt}({Txt}_{i}) + {\beta }_{Clm}({Clm}_{i}) + {\beta }_{Asp}{(Asp}_{i}) + {\varepsilon }_{i} $ 50388 50686
    M11 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{0} + {\beta }_{alt}{\times Alt}_{i} + {\varepsilon }_{i} $ $\begin{aligned} & {\beta }_{0}=6.13\pm 0.03,P < 0.001;\\&{\beta }_{alt}=-1.25\times {10}^{-4}\pm 1.37\times {10}^{-5},P < 0.001\end{aligned} $ 51854 51878
    M12 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{0} + {\beta }_{grd}{\times Grd}_{i} + {\varepsilon }_{i} $ $ \begin{aligned} &{\beta }_{0}=6.26\pm 0.01,\mathrm{ }\mathrm{P} < 0.001;\\&{\beta }_{grd}=-7.79\times {10}^{-3}\pm 7.22\times {10}^{-4},P < 0.001\end{aligned} $ 51821 51844
    M13 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{i}\right) + {\beta }_{Prt}{(Prt}_{i}) + {\beta }_{Txt}({Txt}_{i}) + {\beta }_{Clm}({Clm}_{i}) + {\beta }_{Alt}{\times Alt}_{i} + {\varepsilon }_{i} $ 50378 50684
    M14 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\beta }_{Prt}{(Prt}_{ij}) + {\beta }_{Txt}({Txt}_{ij}) + {\beta }_{Clm}({Clm}_{ij}) + {\beta }_{Grd}{\times Grd}_{i} + {\varepsilon }_{ij} $ 50330 50636
      注:i 表示采集土壤样本的县区,j 表示样本ID,ε表示残差。 Grpij表示土壤类型,Prt 表示成土母质,Txt表示土壤质地,Clm表示气候类型;Alt表示海拔/km,Asp表示坡向,Grd表示坡度。
    下载: 导出CSV 
    | 显示表格

    经频度分析和K-S非参数检验,pH值总体符合正态分布(图3),满足地统计学分析的要求。总体平均值为6.37 ± 0.01(表1,模型M0,P < 0.001),模型M1显示对各县估计值$ {\beta }_{C}\left(county\right) $达到极显著水平。研究区以酸性土壤为主,但土壤pH值变幅较大,最大值和最小值分别为8.8和3.7,方差为0.91,采样点中处于弱酸性的样本占55%,处于酸性的样本占18%,处于弱碱性(> 7.5)及以上的土壤仅有13.5%。全区域的土壤pH值的变异系数为14.84%,属于中等程度变异性。从区域分布来看pH值在不同县之间变化较大,各县pH平均值在5.6 ~ 7.5之间,整体呈现出由上游到中下游,土壤总体呈现酸性逐渐增强的趋势。最大值多出现在金沙江上游海拔较高的县,如德钦、香格里拉、丽江,最小值多出现在中段下部,如寻甸、南华、盐津等。其中20个县的土壤pH平均值高于全区土壤pH平均值,24个县的土壤pH平均值低于全区原生土壤pH平均值。迪庆的土壤pH平均值最高,比寻甸土壤pH平均值高1.88(图4)。

    图  3  金沙江流域林地土壤pH值的频度分布图和正态分布检验图
    Figure  3.  Frequency distribution and normal distribution test of soil pH in Jinsha river basin
    图  4  金沙江流域44个县区林地土壤pH值
    虚线是整个区域的平均值pH值。“n”表示该县的样本量。‘***’表示线性模型M1中各县$ {\beta }_{C}\left(county\right) $参数估计值的显著性水平(P < 0.001)。
    Figure  4.  Soil pH values in 44 counties in Jinsha river basin

    在GS + 软件中分别以球面模型、指数模型、高斯模型对pH值进行半方差函数拟合(表2),从模型的参数可以看出,指数模型的R2最大(0.408)并且残差最小(0.0134),因此选择指数模型的拟合结果来反映研究区土壤pH值的空间变异结构特征。从模型参数来看,变程为6400 m,表明土壤pH值得空间自相关范围较小,C/(C0 + C)为6.10%(小于25%),表明研究区土壤pH具有强烈的空间自相关性,空间变异可能主要由结构性因素(成土母质、气候、海拔等)引起,因此采用R语言gls函数进行回归分析,以ANOVA函数比较不同因子回归模型的效果,以明确各因子对土壤pH值的影响情况。

    表  2  研究区土壤pH值的半方差函数理论模型及其相关参数
    Table  2.  Theoretical model of semi-variance function of soil pH in study area and its parameters
    模型
    Model
    块金值
    Nugget
    基台值
    Sill
    块金值/基台值
    Nugget/sill
    变程
    Range
    R2 RSS
    指数模型 0.056 0.920 0.061 6400 0.408 0.0134
    球面模型 0.001 0.864 0.001 18600 0.395 0.0137
    高斯模型 0.102 0.965 0.101 9200 0.395 0.0137
    下载: 导出CSV 
    | 显示表格

    为了直观反映土壤pH的空间分布特征,采用半方差分析所得到的指数模型的参数在ArcGIS软件中利用普通克里格法完成插值,绘制土壤pH值的空间分布图(图5)。从图中可以看出,pH值在5.5 ~ 6.5、6.5 ~ 7.5之间的区域面积最广,这与常规统计分析的结果一致。各市州的土壤pH均值大小总体呈现流域上游的pH普遍高于下游。高值区主要分布在香格里拉县、德钦县,低值区主要分布在盐津县、大关县。这一规律在海拔落差较大的迪庆到昆明段比较明显,但从昆明到昭通段则不明显。

    图  5  研究区土壤pH空间分布图
    Figure  5.  Spatial distribution of soil pH in the study area

    研究区土壤类型14种含15种亚类,63种土属,其中超过1000个样点的有黄棕壤、棕壤、水稻土、紫色土、红壤、黄壤等6种,超过总样点的95%。其中红壤和紫色土占总样本量的54.1%,水稻土不作为林地土壤,在后文中不再单独分析。按照国际土壤科学协会IUSS制定的分类标准研究不同土类pH值的差异,结果显示差异达到极显著水平,采用方差分析对比模型M2显著优于M0,其P值小于0.001,残差标准误由M0的0.95下降到0.94。不同土壤类型的平均pH值如图6所示,对其中样本量超过100的8种土壤类型分析显示,其平均pH值均处于中性和弱酸性区域,分别为黄壤6.28 ± 0.04、红壤6.29 ± 0.02、紫色土6.32 ± 0.03、棕壤6.48 ± 0.05、石灰土6.53 ± 0.06、黄棕壤6.54 ± 0.03、燥红土6.93 ± 0.14(表1,模型M2),模型M2显示各土壤类型$ {\mathrm{\beta }}_{Grp} $参数估计值均达到极显著水平。其中燥红土的pH值最高,极显著高于其它7种类型,同时其变异性也最大,黄壤、红壤、紫色土的酸性最强,pH值低于平均值,也显著低于其它4种类型。各土壤类型pH的变异系数处在13.27%-16.72%间,表现为中等程度变异性。

    图  6  不同土壤类型、成土母质的pH估计均值
    图中星号表示模型M2中各土壤类型$ {\mathrm{\beta }}_{Grp} $参数(左图)和M3中各成土母质$ {\mathrm{\beta }}_{Prt} $ 参数(右图)估计值的显著性水平。
    Figure  6.  Estimated mean of pH value for different soil types and parent materials

    按照国际土壤成土母质划分标准,研究区共有8种成土母质,分析显示其显著影响土壤pH值,即使在考虑土壤类型影响情况下,成土母质的影响作用仍然得到极显著水平,采用方差分析分别对比M3与M0以及M4与M2,其差异性P值小于0.001,残差标准误与M0相比下降了0.01。而且成土母质对土壤pH值的影响作用比土壤类型更明显,模型M3的拟合效果优于模型M2,残差标准误下降至0.93。9种成土母质中冲积物母质的pH值最高,极显著高于其它类型。而酸性结晶岩, 玄武岩和泥质岩三种母质的pH值最低,且极显著低于其它母质。综合土壤类型和成土母质的分析模型,$ {\beta }_{Prt} $的变化从0至0.67,变幅较大,从变异系数来看,不同成土母质条件下pH的变异系数范围在13.42% ~ 16.51%,均表现为中等程度变异性。各成土母质的平均pH值模型估计值分别为酸性结晶岩6.24 ± 0.04、玄武岩6.25 ± 0.02、泥质岩6.26 ± 0.02、紫色岩6.42 ± 0.01、石英质岩6.50 ± 0.05、冲击物6.60 ± 0.05、碳酸盐岩6.66 ± 0.02(图1,模型M3),模型M3显示各成土母质$ {\mathrm{\beta }}_{Prt} $参数估计值均达到极显著水平。由此可见,所有成土母质的pH均值均低于7.0,其中酸性结晶岩、玄武岩、泥质岩三种土壤的酸性最强,pH极显著低于其它类型,但此三种类型相互间无显著差异。

    进一步研究土壤质地对pH值的影响,研究区一共存在4种土壤质地,其中黏壤土和黏土占总样本数的80.93%。结果显示,土壤质地同样显著影响土壤pH值(模型M5),模型对4种土壤质地估计的参数$ {\mathrm{\beta }}_{Txt} $均达到极显著水平,但从结果看由于组内方差较大,尤其是砂壤和壤土两种质地,其变异性均较强,因此组间两两比较的差异没有全部达到显著水平,其中只有pH值最低的黏壤土与其它3种质地土壤pH的差异全部达到显著或极显著水平(图7),平均值达到6.36。砂壤pH虽然最高,但是样本量仅有211个且变异较大,从源数据看,砂壤样本有20%来自于pH最高的寒温带,因此砂壤与其它质地土壤pH的差异,还需要进一步探索。模型M5显著优于M0,但拟合效果落后于M2和M3,说明土壤质地虽然造成pH的差异,但是并不像土壤类型和成土母质那么明显。在考虑土壤类型和成土母质的前提下,模型M6虽然显著优于M4,然而其残差标准误下降不足0.001,模型收敛程度有限,也说明了土壤质地的贡献有限。

    图  7  不同土壤质地(左)和所处气候区(右)的土壤pH估计均值
    图中星号表示模型M5中各土壤质地$ {\beta }_{Txt} $ 参数估计值的显著性水平。
    Figure  7.  Estimated mean of pH value for different soil textures (left) and climate zones (right)

    研究区共有5种气候区,气候区对土壤pH值的影响达到极显著水平(AOV(M7, M0), P < 0.001),5个气候带的分别估计其平均pH值由小到大依次为北方亚热带6.23 ± 0.02、暖温带6.33 ± 0.02、中部亚热带6.38 ± 0.05、温带6.73 ± 0.04和寒温带7.27 ± 0.07,模型对各气候带的估计参数$ {\beta }_{clm} $均达到了极显著水平(表1,模型M7,图7)。从图7看气候区间土壤pH的差异较大,模型M7和M6的方差分析(P < 0.001)和残差标准误看出,模型M7的AIC值和BIC远低于M6,通过函数Anova(M7,M6)显示,模型M7拟合效果极显著优于模型M6,说明考虑气候带单因素的模型预测效果,甚至远超过综合考虑土壤类型、成土母质和土壤质地三者的模型预测效果。

    从前文分析显示气候类型、土壤类型、成土母质、土壤质地均造成了土壤pH的差异,为确定相互之间的交互作用,研究进一步构建了模型M8,从M8与M6的对比分析显示,M8极显著优于模型M6,残差标准误下降至0.91,降幅达到0.02,说明在考虑土壤因素的前提下,气候区仍然显著影响土壤pH值,这意味着长期的气候作用,较大程度地改变了土壤的酸性。对比模型M8与M7同样显示,在考虑气候区影响前提下,土壤类型、成土母质、土壤质地三者也同样产生显著影响,说明了气候区与土壤因素虽然存在交互,但是其作用均不容忽视。

    不同气候区的对比分析显示,研究区内总体呈现出温度越高的地区土壤酸性越强趋势(图7右),亚热带和暖温带土壤呈现明显的酸性,占比最高的北方亚热带区,土壤酸性最强,温带和寒温带pH值偏高。M7中$ {\beta }_{Clm} $的变幅达到0.99。在5个气候区中,除暖温带和中部亚热带的差异不显著外,其余任意两个气候区间土壤pH值差异均达到极显著。

    通过GIS对DEM数据进行地形分析,提取并划分为包括平地在内的9个坡向,结果显示,坡向同样显著影响土壤pH值,西向土壤pH值极显著高于其它除西南外的6个方向,但该规律性并不是特别明显(图8),这可能与其它影响因素的干扰有关。综合考虑气候区和土壤因素后,坡向对土壤pH的影响仍然达到极显著,而且体现出一定程度越偏向西方,土壤pH值高的规律(M9: 其$ {\beta }_{Asp} $按照从小到大排列为南 < 平地 < 东南 < 北 < 西北 < 东北 < 东 < 西南 < 西,其值变幅为0.18),但是在考虑气候类型、土壤类型、成土母质等因素后,增加考虑坡向,模型的残差标准误降低了0.001,所以相对而言,该因子对模型的收敛效果有限。

    图  8  不同坡向的土壤pH估计均值
    Figure  8.  Estimated mean of soil pH value for different slope aspects.

    研究区海拔在319 m到3966 m之间,海拔跨度较大,模型M11显示,土壤pH值与海拔呈显著正相关 (M11:$ {\beta }_{0}=6.13\pm 0.03 $$ {\beta }_{alt}=1.25\times {10}^{-4} $P < 0.001),海拔每升高1 km,pH平均增加0.13。在考虑土壤和气候因素之后,海拔的影响作用大幅下降,且呈现出完全相反的趋势,模型显示 $ {\beta }_{alt}=0.7\times {10}^{-4} $ 这意味着海拔每变化10 km所导致的pH值变化不足1,该影响可以忽略。

    分析显示坡度与pH其呈现显著正相关关系,斜率每增加10°,pH值仅增加0.08 (M12: $ {\beta }_{0}= 6.26\pm 0.01 $, $ {\beta }_{grd}=0.008 $, P < 0.001)。这意味着本研究中从平地到60°的最大坡地,其产生的pH值变化也不足0.5。由此可以看出,海拔和坡度对土壤pH值的影响较小。而且当综合考虑气候和土壤因素后,海拔和坡向的影响变得更小 (M13, M14),尤其是海拔,由正相关变为负相关,每增加1 km pH值仅减小0.05,几乎可以忽略不记。

    研究区土壤pH平均值为6.37,表明研究区以酸性土壤为主,但不同区域差异极大。自然条件下,土壤酸化是一个缓慢的过程。但近几十年来,人为活动在一定程度上加速了土壤酸化。高值区主要分布在金沙江上游的德钦、香格里拉、丽江古城等滇西北高海拔地区,这些地区生态环境恶劣,人口少,人类活动踪迹有限,对土壤性质影响较小。低值区主要分布在盐津、大关等人口大县,人多地少导致有限的可利用土地人为干预较多,于是呈现出金沙江下游土壤酸性更强的趋势。全区土壤pH值的变异系数为14.84%,属于中等程度变异,在空间分布上呈斑块状分布格局。同时土壤pH的C/(C0 + C)为6.10%,土壤pH具有强烈的空间自相关性,空间变异主要由结构性因素造成,这与谢红花[18]、李超[19]等人对云南乌蒙山区、保山隆阳区土壤pH值的研究结论一致,说明金沙江流域土壤pH值的空间变异特征明显,这可能是由于流域内地形复杂,地势起伏导致太阳辐射不均匀,不同区域水热条件下土壤pH呈现明显的空间差异。

    土壤pH值很大程度上继承了母岩的特性,石灰岩与冲积、湖积、洪积物发育的土壤pH值明显高于其他成土母质类型发育的土壤,与何腾兵[20]、赵凯丽[21]的研究结论一致。由于这两类成土母质发育的土壤中含有丰富的钙离子,在土壤风化过程中能够减缓土壤的酸化,进而土壤表现为碱性。其中玄武岩pH低于石英岩,可能与本研究样本所属气候区影响有关,玄武岩总共1727个样本93.11%来自pH最低的北亚热带和暖温带,而石英岩则仅有46.11%。黏土的土壤pH低于壤土和砂土,这与已有研究得到的结论相似[22]。黏土由硅酸盐矿物风化而成,通透性较差,氧气往往供应不足,土壤有机质在嫌气条件下分解速度减缓且不完全,易累积乙酸、丁酸等一系列有机酸,造成土壤pH下降。砂土pH偏高,这一方面与土壤疏松,通气性较好,酸化后恢复能力较强有关[23],另一方面由于其样本量相对不足,仅有221个,且有20%来自于土壤pH较高的寒温带,而黏壤土在此气候带只有1.1%,因此本研究中砂土pH较高的结果可能与气候带影响有关,土壤质地本身对pH值的影响还需要进一步探索。不同类型的土壤酸碱性与缓冲能力差异有关,本研究土壤pH 值以红壤和黄壤最低,这与全国范围内酸化土壤的土壤类型[8]以及邓小华[7]、温皓天[24]对湘西和河南南阳的研究结果一致。红壤和黄壤是云南高原的基带土壤,受气候和植被的影响较大,在中亚热带高原季风气候作用及亚热带生物气候条件下,风化淋溶较为强烈,盐基饱和度降低,土壤呈酸化趋势[25]

    研究区北方亚热带区土壤酸性最强,温带和寒温带pH值偏高。从模型分析可知,气候对土壤pH的影响程度高于成土母质、质地和土壤类型,这与孔德莉[26]对于鄂西南地区耕地土壤的研究结论一致。在大尺度区域下,不同气候带的太阳辐射、气温、降雨量差异,影响土壤中微生物的活动以及土壤易溶物质流失的数量和速率,间接影响土壤有机质含量、矿物质形态特征,进而对土壤理化性质产生影响[27]。随着气候带由北向南演变,降水增加,地表淋溶作用进一步增强,盐基离子容易淋出;同时温度升高,成土过程中的生物及化学作用增强,微生物的分解活动加速,促进土壤向酸性发育,反之则向碱性发育[2830]

    坡向对土壤pH值影响较小,与黄平[31]、李超[19]等的研究结果一致。主要与研究区贯穿青藏高原西侧-金沙江河谷-乌蒙山,日照时间长,太阳辐射强,受光热资源影响较小有关。坡度和海拔作为单因素因子与土壤pH呈正相关关系,但综合考虑土壤类型、成土母质、气候类型后,pH值与海拔呈负相关,海拔越高降雨量越大,造成盐基离子淋失,土壤缓冲能力下降。海拔升高后受光照、温度、热量等因素影响,造成土壤pH值下降[25]。在大空间尺度上,气候和土壤母质有明显差异,地形因素对土壤pH值的影响主要通过气候、土壤母质等因素来产生。整体而言,金沙江流域影响土壤pH的因素中,气候是pH变化的重要因子,其次是成土母质和土壤类型。但土壤pH是自然因素和人为因素共同影响的结果,单一因素对土壤pH的贡献率需要进一步深入讨论。

    云南省金沙江流域林地土壤总体以酸性和弱酸性为主,pH值平均为6.37 ± 0.01,具有中等程度变异性和强烈的空间自相关性,滇西北高海拔地区的土壤pH较高。本研究显示在金沙江流域,气候、成土母质、土壤类型与造成土壤pH值差异的最关键因素。气候带间土壤pH值差异最大,土壤pH值由低到高依次为北亚热带、暖温带、中亚热带、温带、寒温带,基本呈现为随温度升高酸性增强的趋势。成土母质和土壤类型也极显著影响pH值,紫色土、红壤和黄壤3种土壤类型酸性显著强于其它类型,酸性结晶岩、玄武岩、泥质岩3种母质土壤的酸性显著强于其它土壤类型。土壤质地也有显著影响,其中黏壤土酸性最强。地形因子中海拔、坡度和坡向与土壤pH相关,但从模型分析看贡献较小,规律性不强。

  • 图  1   研究区域位置及样本点分布图

    Figure  1.   Maps for the location and distribution of soil sampling sites in the study area

    图  2   采样点的海拔、坡度的频度分布图

    Figure  2.   Frequency distribution map of altitude and slope of sampling points.

    图  3   金沙江流域林地土壤pH值的频度分布图和正态分布检验图

    Figure  3.   Frequency distribution and normal distribution test of soil pH in Jinsha river basin

    图  4   金沙江流域44个县区林地土壤pH值

    虚线是整个区域的平均值pH值。“n”表示该县的样本量。‘***’表示线性模型M1中各县$ {\beta }_{C}\left(county\right) $参数估计值的显著性水平(P < 0.001)。

    Figure  4.   Soil pH values in 44 counties in Jinsha river basin

    图  5   研究区土壤pH空间分布图

    Figure  5.   Spatial distribution of soil pH in the study area

    图  6   不同土壤类型、成土母质的pH估计均值

    图中星号表示模型M2中各土壤类型$ {\mathrm{\beta }}_{Grp} $参数(左图)和M3中各成土母质$ {\mathrm{\beta }}_{Prt} $ 参数(右图)估计值的显著性水平。

    Figure  6.   Estimated mean of pH value for different soil types and parent materials

    图  7   不同土壤质地(左)和所处气候区(右)的土壤pH估计均值

    图中星号表示模型M5中各土壤质地$ {\beta }_{Txt} $ 参数估计值的显著性水平。

    Figure  7.   Estimated mean of pH value for different soil textures (left) and climate zones (right)

    图  8   不同坡向的土壤pH估计均值

    Figure  8.   Estimated mean of soil pH value for different slope aspects.

    表  1   数据拟合的混合效应模型

    Table  1   Specification of the mixed effect models fitted to the data

    模型
    Model
    公式
    Equation
    参数
    Parameter
    AIC BIC
    M0 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{0} + {\varepsilon }_{ij} $ $ {\beta }_{0}=6.37\pm 0.01, $P < 0.001 51935 51950
    M1 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{c}\left(county\right) + {\varepsilon }_{ij} $ 图4 48437 48789
    M2 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\varepsilon }_{i} $ 图6 51513 51583
    M3 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Prt}{(Prt}_{ij}) + {\varepsilon }_{ij} $ 图6 51435 51514
    M4 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\beta }_{Prt}{(Prt}_{ij}) + {\varepsilon }_{ij} $ 51086 51266
    M5 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Txt}\left({Txt}_{ij}\right) + {\varepsilon }_{ij} $ 图7 51923 51962
    M6 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\beta }_{Prt}{(Prt}_{ij}) + {\beta }_{Txt}({Txt}_{ij}) + {\varepsilon }_{ij} $ 51072 51276
    M7 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Clm}\left({Clm}_{i}\right) + {\varepsilon }_{ij} $ 图7 50786 50833
    M8 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{i}\right) + {\beta }_{Prt}{(Prt}_{i}) + {\beta }_{Txt}({Txt}_{i}) + {\beta }_{Clm}({Clm}_{i}) + {\varepsilon }_{ij} $ 50418 50654
    M9 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Asp}{(Asp}_{i}) + {\varepsilon }_{i} $ 图8 51907 51985
    M10 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{Grp}\left({Grp}_{i}\right) + {\beta }_{Prt}{(Prt}_{i}) + {\beta }_{Txt}({Txt}_{i}) + {\beta }_{Clm}({Clm}_{i}) + {\beta }_{Asp}{(Asp}_{i}) + {\varepsilon }_{i} $ 50388 50686
    M11 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{0} + {\beta }_{alt}{\times Alt}_{i} + {\varepsilon }_{i} $ $\begin{aligned} & {\beta }_{0}=6.13\pm 0.03,P < 0.001;\\&{\beta }_{alt}=-1.25\times {10}^{-4}\pm 1.37\times {10}^{-5},P < 0.001\end{aligned} $ 51854 51878
    M12 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{0} + {\beta }_{grd}{\times Grd}_{i} + {\varepsilon }_{i} $ $ \begin{aligned} &{\beta }_{0}=6.26\pm 0.01,\mathrm{ }\mathrm{P} < 0.001;\\&{\beta }_{grd}=-7.79\times {10}^{-3}\pm 7.22\times {10}^{-4},P < 0.001\end{aligned} $ 51821 51844
    M13 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{i}\right) + {\beta }_{Prt}{(Prt}_{i}) + {\beta }_{Txt}({Txt}_{i}) + {\beta }_{Clm}({Clm}_{i}) + {\beta }_{Alt}{\times Alt}_{i} + {\varepsilon }_{i} $ 50378 50684
    M14 $ {\mathrm{p}\mathrm{H}}_{ij}={\beta }_{\mathrm{G}\mathrm{r}\mathrm{p}}\left({Grp}_{ij}\right) + {\beta }_{Prt}{(Prt}_{ij}) + {\beta }_{Txt}({Txt}_{ij}) + {\beta }_{Clm}({Clm}_{ij}) + {\beta }_{Grd}{\times Grd}_{i} + {\varepsilon }_{ij} $ 50330 50636
      注:i 表示采集土壤样本的县区,j 表示样本ID,ε表示残差。 Grpij表示土壤类型,Prt 表示成土母质,Txt表示土壤质地,Clm表示气候类型;Alt表示海拔/km,Asp表示坡向,Grd表示坡度。
    下载: 导出CSV

    表  2   研究区土壤pH值的半方差函数理论模型及其相关参数

    Table  2   Theoretical model of semi-variance function of soil pH in study area and its parameters

    模型
    Model
    块金值
    Nugget
    基台值
    Sill
    块金值/基台值
    Nugget/sill
    变程
    Range
    R2 RSS
    指数模型 0.056 0.920 0.061 6400 0.408 0.0134
    球面模型 0.001 0.864 0.001 18600 0.395 0.0137
    高斯模型 0.102 0.965 0.101 9200 0.395 0.0137
    下载: 导出CSV
  • [1]

    Lu X, Zhang D, Ugurlu A, et al. Bioaccumulation of Cadmium in Nicotiana tabacum L. (Tobacco) Characterized by Soil Properties: A Case Study in the Sichuan Basin, China[J]. Analytical Letters, 2021, 54(18): 2883 − 2894.

    [2]

    Queiroz MEFd, Monteiro JS, Viana-Junior AB, et al. Litter thickness and soil pH influence the diversity of saprotrophic fungi in primary forest fragments in the Amazon[J]. Pedobiologia, 2021, 89: 150771. doi: 10.1016/j.pedobi.2021.150771

    [3]

    Zhang Q, Han Y, Chen W, et al. Soil type and pH mediated arable soil bacterial compositional variation across geographic distance in North China Plain[J]. Applied Soil Ecology 2022; 169.

    [4] 王 涵, 王 果, 黄颖颖, 等. pH变化对酸性土壤酶活性的影响[J]. 生态环境, 2008, 17(06): 2401 − 2406.
    [5]

    Isabel P, Filip H, Christina B, et al. How vegetation patches drive soil development and organic matter formation on polar islands[J]. Geoderma Regional, 2021, 27: e00429. doi: 10.1016/j.geodrs.2021.e00429

    [6] 向 娇, 宋 超, 石迎春, 等. 安徽省六安地区土壤pH空间变异特征及其影响因素[J]. 土壤通报, 2021, 52(01): 34 − 41.
    [7] 邓小华, 蔡 兴, 张明发, 等. 喀斯特地区湘西州植烟土壤pH分布特征及其影响因素[J]. 水土保持学报, 2016, 30(06): 308 − 313.
    [8]

    Asaduzzaman K M, Aktar S S, Baktear H M. Effects of Irrigation, Fertilizer and Manure on Pore-Water Nutrient Availability, Yield and Change of Soil Chemical Properties with Rice-Rice Cropping[J]. Communications in Soil Science and Plant Analysis, 2021, 52(20): 2597 − 2608. doi: 10.1080/00103624.2021.1953057

    [9]

    Guo J H, Liu X J, Zhang Y, et al. Significant acidification in major Chinese croplands[J]. Science, 2010, 327(5968): 1008 − 1010. doi: 10.1126/science.1182570

    [10] 郭治兴, 王 静, 柴 敏, 等. 近30年来广东省土壤pH值的时空变化[J]. 应用生态学报, 2011, 22(02): 425 − 430.
    [11] 刘 璐, 曾馥平, 宋同清, 等. 喀斯特木论自然保护区土壤养分的空间变异特征[J]. 应用生态学报, 2010, 21(7): 1667 − 1673.
    [12] 张 娜, 王希华, 郑泽梅, 等. 浙江天童常绿阔叶林土壤的空间异质性及其与地形的关系[J]. 应用生态学报, 2012, 23(9): 2361 − 2369.
    [13] 马云波. 冀北山区华北落叶松人土林土壤酸碱度与养分含量的变化[D]. 河北农业大学, 2015.
    [14] 杨秀清, 史 婵, 王旭刚, 等. 关帝山云杉次生林土壤的空间异质性及其与地形相关性[J]. 中国水土保持科学, 2017, 15(4): 16 − 24.
    [15] 王东升, 袁树堂, 杨 祺. 金沙江流域云南片水文极小值演变及生态基流保障分析[J]. 水资源保护, 2019, 35(04): 35 − 41.
    [16] 秦 瑞, 周瑞伍, 彭明春, 等. CASA模型在金沙江流域(云南部分)NPP研究中的应用[J]. 山地学报, 2014, 32(06): 698 − 705.
    [17] 王学锋, 吉文娟, 张茂松, 等. 近53年来云南干热河谷热量资源变化的比较性特征[J]. 长江流域资源与环境, 2015, 24(S1): 92 − 97.
    [18] 谢红花, 李 超, 钱 晔, 等. 云南乌蒙山区土壤养分空间变异及海拔梯度分布规律[J]. 中国农学通报, 2019, 35(08): 52 − 59.
    [19] 李 超, 李文峰. 高原耕地土壤养分空间分布与影响因子相关性研究[J]. 土壤通报, 2014, 45(5): 1113 − 1118.
    [20] 何腾兵, 董玲玲, 刘元生, 等. 贵阳市乌当区不同母质发育的土壤理化性质和重金属含量差异研究[J]. 水土保持学报, 2006, 20(6): 157 − 162.
    [21] 赵凯丽, 王伯仁, 徐明岗, 等. 我国南方不同母质土壤pH剖面特征及酸化因素分析[J]. 植物营养与肥料学报, 2019, 25(08): 1308 − 1315.
    [22] 胡向丹, 邓小华, 王 丰, 等. 黔西南州植烟土壤pH分布特征及其与土壤养分的关系[J]. 安徽农业大学学报, 2014, 41(06): 1070 − 1074.
    [23] 汪 沛. 滇西典型甘蔗种植区土壤pH时空演变特征及影响因素研究[D]. 昆明理工大学, 2022.
    [24] 温皓天, 董秋瑶, 王 攀, 等. 桐柏山北麓土壤pH值空间分布特征及其影响因素[J]. 土壤通报, 2023, 54(2): 295 − 305.
    [25] 程 金, 张思文, 黄文卿, 等. 福建省耕地土壤pH空间分布及影响因素分析[J]. 中国农业大学学报, 2022, 27(12): 90 − 101.
    [26] 孔德莉, 张海涛, 何 迅, 等. 基于PLSPM模型的鄂西南部分区域耕地土壤pH影响因素研究[J]. 土壤, 2021, 53(04): 809 − 816.
    [27]

    Slessarev E W, Lin Y, Bingham N L, et al. Water balance creates a threshold in soil pH at the global scale[J]. Nature, 2016, 540(7634): 567 − 569. doi: 10.1038/nature20139

    [28] 李伟峰, 叶英聪, 朱安繁, 等. 近30a江西省农田土时空变化及其与酸雨和施肥量间关系[J]. 自然资源学报, 2017, 32(11): 1942 − 1953.
    [29] 李 涛, 于 蕾, 万广华, 等, 近30a年山东省耕地土壤pH时空变化特征及影响因素研究[J]. 土壤学报, 58(1): 180-190.
    [30] 林跃胜, 马 康, 周 浩, 等. 基于地貌单元的安徽省耕地土空间变异及其驱动因子分析[J]. 环境科学学报, 2023, 43(7): 318 − 330.
    [31] 黄 平, 李廷轩, 张佳宝, 等. 坡度和坡向对低山茶园土壤有机质空间变异的影响[J]. 土壤, 2009, 41(2): 264 − 268.
图(8)  /  表(2)
计量
  • 文章访问数:  88
  • HTML全文浏览量:  14
  • PDF下载量:  46
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-07-10
  • 修回日期:  2024-05-16
  • 录用日期:  2024-05-17
  • 刊出日期:  2024-12-05

目录

/

返回文章
返回