全 文 ：澜沧江中游山地不同土地利用对土壤
有机碳的影响及预测∗
刘世梁１∗∗　 安南南１　 杨珏婕１　 董玉红２　 王　 聪１
（ １北京师范大学环境学院 ／环境模拟与污染控制国家重点联合实验室，北京 １００８７５； ２中国林业科学研究院林业研究所，北京
１０００９１）
摘　 要　 基于 ２０１１年实地采集的 ２１０个表层（０～２０ ｃｍ）土壤样本，研究了澜沧江中游山地 ４
种典型土地利用类型土壤有机碳含量的空间分布差异．利用相关性分析研究土壤有机碳含量
与土地利用类型、地形因子、归一化植被指数之间的关系，采用多元线性回归模型和克里格插
值模型预测澜沧江中游山地有机碳含量分布．结果表明： 研究区 ４ 种土地利用类型表层土壤
有机碳含量的大小依次为：林地＞灌丛＞草地＞农田．土地利用类型、坡向、坡度和平面曲率均是
影响土壤有机碳含量的重要因素．多元回归模型比地统计学模型对山地生态系统土壤有机碳
的预测效果更好．
关键词　 土地利用； 土壤有机碳； 澜沧江； 多元线性回归； 克里格插值
文章编号　 １００１－９３３２（２０１５）０４－０９８１－０８　 中图分类号　 Ｓ１５３．６；Ｕ４１２．１　 文献标识码　 Ａ
Ｅｆｆｅｃｔｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ ｏｎ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ａｎｄ ｉｔｓ ｐｒｅｄｉｃｔｉｏｎ ｉｎ ｔｈｅ ｍｏｕｎｔａｉｎ⁃
ｏｕｓ ａｒｅａｓ ｉｎ ｔｈｅ ｍｉｄｄｌｅ ｒｅａｃｈｅｓ ｏｆ Ｌａｎｃａｎｇ Ｒｉｖｅｒ． ＬＩＵ Ｓｈｉ⁃ｌｉａｎｇ１， ＡＮ Ｎａｎ⁃ｎａｎ１， ＹＡＮＧ Ｊｕｅ⁃
ｊｉｅ１， ＤＯＮＧ Ｙｕ⁃ｈｏｎｇ２， ＷＡＮＧ Ｃｏｎｇ１ （ １ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｗａｔｅｒ Ｅｎｖｉｒｏｎｍｅｎｔ Ｓｉｍｕｌａｔｉｏｎ，
Ｓｃｈｏｏｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， Ｂｅｉｊｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １００８７５， Ｃｈｉｎａ； ２Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ
Ｆｏｒｅｓｔｒｙ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｆｏｒｅｓｔｒｙ， Ｂｅｉｊｉｎｇ １０００９１， Ｃｈｉｎａ） ． ⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．， ２０１５， ２６
（４）： ９８１－９８８．
Ａｂｓｔｒａｃｔ： Ｂａｓｅｄ ｏｎ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ２１０ ｓｕｒｆａｃｅ ｓｏｉｌ ｓａｍｐｌｅｓ （０－２０ ｃｍ） ａｃｃｏｒｄｉｎｇ ｔｏ ｆｉｅｌｄ ｉｎｖｅｓｔｉ⁃
ｇａｔｉｏｎ ｉｎ ２０１１， ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ （ＳＯＣ） ｃｏｎｔｅｎｔ ａｎｄ ｉｔｓ ｄｉｓｔｒｉｂｕｔｉｏｎ ｕｎｄｅｒ ｆｏｕｒ ｄｉｆｆｅｒｅｎｔ ｌａｎｄ⁃ｕｓｅ
ｔｙｐｅｓ ｉｎ ｔｈｅ ｍｉｄｄｌｅ ｒｅａｃｈｅｓ ｏｆ Ｌａｎｃａｎｇ Ｒｉｖｅｒ ｗｅｒｅ ｓｔｕｄｉｅｄ． Ｃｏｍｂｉｎｉｎｇ ｗｉｔｈ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ，
ｒｅｌａｔｉｏｎｓｈｉｐｓ ａｍｏｎｇ ＳＯＣ ｃｏｎｔｅｎｔ， ｌａｎｄ⁃ｕｓｅ ｔｙｐｅ， ｔｏｐｏｇｒａｐｈｉｃａｌ ｆａｃｔｏｒｓ ａｎｄ ＮＤＶＩ ｗｅｒｅ ｒｅｖｅａｌｅｄ．
Ｆｕｒｔｈｅｒｍｏｒｅ， ｍｕｌｔｉｐｌｅ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ａｎｄ Ｋｒｉｇｉｎｇ ｍｅｔｈｏｄ ｗｅｒｅ ｕｓｅｄ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ＳＯＣ ｃｏｎｔｅｎｔｓ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ｔｈｅ ｍｏｕｎｔａｉｎｏｕｓ ａｒｅａｓ ｉｎ ｔｈｅ ｍｉｄｄｌｅ ｒｅａｃｈｅｓ ｏｆ Ｌａｎｃａｎｇ Ｒｉｖｅｒ． Ｔｈｅ ｒｅｓｕｌｔｓ ｅｘｈｉｂｉｔｅｄ
ｔｈａｔ ｔｈｅ ｒａｎｋ ｏｒｄｅｒ ｏｆ ＳＯＣ ｃｏｎｔｅｎｔ ｕｎｄｅｒ ｔｈｅ ｆｏｕｒ ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ ｗａｓ ｆｏｒｅｓｔｌａｎｄ ＞ ｓｃｒｕｂｌａｎｄ ＞ ｇｒａｓｓ⁃
ｌａｎｄ ＞ ｆａｒｍｌａｎｄ． Ｔｈｅ ｉｍｐｏｒｔａｎｔ ｆａｃｔｏｒｓ ｉｎｆｌｕｅｎｃｉｎｇ ｔｈｅ ＳＯＣ ｃｏｎｔｅｎｔ ｗｅｒｅ ｌａｎｄ⁃ｕｓｅ ｔｙｐｅ， ａｓｐｅｃｔ，
ｓｌｏｐｅ ａｎｄ ｃｕｒｖａｔｕｒｅ． Ｃｏｍｐａｒｉｎｇ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅｓｅ ｔｗｏ ｍｏｄｅｌｓ， ｗｅ ｆｏｕｎｄ ｔｈａｔ ｔｈｅ ｍｕｌｔｉｐｌｅ ｒｅｇｒｅｓ⁃
ｓｉｏｎ ｍｏｄｅｌ ｐｅｒｆｏｒｍｅｄ ｂｅｔｔｅｒ ｔｈａｎ ｇｅｏ⁃ｓｔａｔｉｓｔｉｃｓ ｉｎ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ＳＯＣ ｃｏｎｔｅｎｔ ｉｎ ｔｈｅ ｍｏｕｎｔａｉｎｏｕｓ
ｒｅｇｉｏｎ．
Ｋｅｙ ｗｏｒｄｓ： ｌａｎｄ⁃ｕｓｅ ｔｙｐｅ； ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ； Ｌａｎｃａｎｇ Ｒｉｖｅｒ； ｍｕｌｔｉｐｌｅ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ； Ｋｒｉｇｉｎｇ
ｍｅｔｈｏｄ．
∗环保公益项目（２０１２０９０２９０）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｓｈｉｌｉａｎｇｌｉｕ＠ ｂｎｕ．ｅｄｕ．ｃｎ
２０１４⁃０５⁃２６收稿，２０１４⁃１２⁃２４接受．
　 　 土壤有机碳（ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ，ＳＯＣ）及其空间
分布特征是反映土壤质量或土壤健康的一个重要指
标，直接影响土壤肥力和生产力［１］ ．由于土壤有机碳
库的库容巨大［２］，其微小变化就将影响大气 ＣＯ２浓
度，因而在地球碳循环过程中起着重要作用［３］ ．土壤
有机碳受到自然因子［４］及人为干扰等诸多因素的
影响，其中，土地利用变化是影响土壤有机碳动态的
关键因素［５］ ．土地利用方式的改变影响土壤有机质
的输入和输出方式，进而引起土壤有机碳含量的变
化［６］ ．流域内水电开发对土地利用 ／土地覆盖的影响
是最为敏感的人类社会活动之一［７］ ．漫湾水电站位
应 用 生 态 学 报　 ２０１５年 ４月　 第 ２６卷　 第 ４期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ａｐｒ． ２０１５， ２６（４）： ９８１－９８８
于澜沧江流域的中游，该水电站于 １９８６ 年开工，截
至 １９９６年底，漫湾电站共淹没耕地 ４１４．９７ ｈｍ２（其
中，水田 ２４１．９２ ｈｍ２、旱地 １７３．０４ ｈｍ２）、林地 ５６７．１７
ｈｍ２（含经济林 ６９．５７ ｈｍ２）、荒山荒地 ７６５．５４ ｈｍ２ ［８］ ．
水库的蓄水，导致一系列现象出现，如水位升高、水
库水面面积增大、原有河谷景观消失［９］、大量移民
的产生、对土地利用进行改造、废弃原有耕地、开发
新的生产或生活用地等，淹没区的产生及其土地利
用方式的改变都导致土壤有机质含量发生变化．
Ｚｈａｏ等［１０］以漫湾水电站为例分析了库区土地利用
的变化及各土地类型间的转化；杨少红［１１］、李正
才［１２］和陈亮中［１］分析了不同土地利用方式对土壤
有机碳的影响，认为不同土地利用类型的土壤碳含
量不同，并分析了土壤碳分布的影响因子．目前，对
于澜沧江中游山区这一特殊生境，研究不同植被类
型对土壤有机碳的影响，探讨以水电工程建设为主
的人为干扰对土壤有机碳含量影响的相关研究成果
较少．
澜沧江中游山区位于峡谷型山区，土壤有机层
薄、有机质含量低、土壤抗蚀性差而易发生水土流
失，山区生态系统具有极大的潜在脆弱性，岸坡陡
峻，自然环境较为复杂，再加上漫湾水电站的建设导
致人类活动频繁，改变了原有土地利用方式及土地
管理措施，使得该区域碳循环表现出极大的敏感性
和典型性，急需探索有效方法对此复杂的土壤有机
碳的空间分布格局进行精确预测．多元回归分析和
地统计学方法已经被广泛应用于定量分析土壤有机
碳的空间分布特征．如 Ｃｈｅｎｇ 等［１３］建立土壤有机碳
含量与土壤母质、地形因子之间多元回归方程，预测
了江西省兴国县土壤有机碳含量的空间分布．利用
多元线性回归和数字地形模型进行各种土壤属性的
空间分布预测在土壤学领域已经得到了广泛应
用［１４－１５］ ．基于地统计学的克里格方法是当前预测区
域土壤有机碳的主要方法［１６－１７］ ．如 ＭｃＧｒａｔｈ 等［１８］和
Ｚｈａｎｇ等［１９］采用地统计学方法对爱尔兰草原土壤有
机碳含量的空间分布和时空变化进行预测．赵永存
等［２０］结合地形因子，采用多元线性回归、泛克里格
和回归克里格方法，预测河北省土壤有机碳密度的
空间分布特征，认为回归克里格法的预测效果最好，
泛克里格法次之，而多元线性回归方法最差．张忠启
等［２１］比较分析了普通克里格法和结合土壤类型信
息的克里格法 ２ 种方法对土壤有机碳的空间预测
精度．
水电站的建设会改变土地利用方式，进而影响
土壤碳含量及其分布．在水电站建设和土地利用变
化过程中，土壤有机碳库将会如何变化，不同的土地
利用类型对土壤有机碳有何影响，目前相关的研究
较少．因此，本文以澜沧江中游漫湾水电站库区为研
究对象，研究土地利用转化对土壤碳含量、分布及其
未来趋势的影响；利用多元线性回归和克里格插值
２ 种方法对漫湾库区土壤有机碳进行空间预测，并
对比分析 ２ 种方法的预测精度，探讨不同预测模型
在漫湾库区土壤有机碳空间预测精度的可行性，以
期为该地区土壤碳储存现状与潜力的估算和评估奠
定基础．
１　 研究地区与研究方法
１􀆰 １　 研究区概况
澜沧江是一条国际河流，全长约 ４５００ ｋｍ，在中
国境内长 ２１５３ ｋｍ，总落差约 ５０６０ ｍ，共规划有 ４库
２２级水电站，总装机容量约 ３１．８９ ＧＷ［２２］ ．漫湾水电
站（２４°２５′—２４°４０′ Ｎ、１００°０５′—１００°２５′ Ｅ）地处澜
沧江中游云南省境内，位于云县与景东县交界处的
漫湾镇上游附近．漫湾水电站是澜沧江流域梯级水
电开发建设的第一级电站，坝长 ４１８ ｍ、高 １３２ ｍ，正
常蓄水位 ９９４ ｍ，总库容 １０．６×１０８ ｍ３，水库面积 ２３．６
ｋｍ２，干流回水约 ７０ ｋｍ，总装机容量为 １５０ × １０４
ｋＷ［６］ ．本研究所指的库区范围包括电站水库所涉及
的澜沧江河段两岸分水岭以内的区域，上游至小湾
电站附近，下游至坝址所在山脊［２３］（图 １）．研究区属
横断山系南部帚状山脉峡谷中山区，为河道型水
库［２４］ ．库区河谷属于印度洋季风气候，年均气温
１８～２０ ℃，年降水量 １０００ ～ １１５０ ｍｍ［２５］，年降水量
的季节分配不均，有明显的干季和雨季，雨季多为 ７
月或 ８月，干季出现在 １２ 月或 １ 月［２６］ ．两岸植被覆
盖率高、类型多样，主要有河岸半落叶阔叶混交林、
山地针叶林、陡坡高草稀树林、山地常绿阔叶林、河
滩灌丛和荒地灌草林［２３］ ．研究区域内，主要的土壤
群和土壤类型分别是红壤和沙土，其中，红壤的 ｐＨ
在 ４．５～ ５．２、粘重、保水保肥力差、耕性较差，沙土土
壤土质疏松、透水透气性好、有机质含量在 ２％左
右、ｐＨ在 ６．２～７．３、耕种层超过 ３０ ｃｍ［２７－２８］ ．
１􀆰 ２　 样地的选择
２０１１年 ６ 月，在漫湾库区云县、凤庆、南涧和景
东境内共选取 ２１０ 个表层（０ ～ ２０ ｃｍ）土壤样本（图
１）．在漫湾库区采集不同土地利用方式（阔叶林、针
阔混交林、针叶林、人工林、灌丛、草地和农田）下面
积较广、生长良好而集中的典型植被下的土壤样本
２８９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
图 １　 研究区域及样线示意图
Ｆｉｇ．１ 　 Ｓｋｅｔｃｈ ｍａｐ ｏｆ ｔｈｅ ｓｔｕｄｙ ｒｅｇｉｏｎ ａｎｄ ｌｉｎｅ ｔｒａｎｓｅｃｔ ｄｉａ⁃
ｇｒａｍ．
作为 ２００６年遥感影像对应的土壤属性数据．漫湾库
区植被类型多样，阔叶林主要以旱冬瓜（Ａｌｎｕｓ ｎｅ⁃
ｐａｌｅｎｓｉｓ）、麻栎（Ｑｕｅｒｃｕｓ ａｃｕｔｉｓｓｉｍａ）等为优势种，并
常与马尾松 （Ｐｉｎｕｓ ｍａｓｓｏｎｉａｎａ）、柏树 （Ｐｌａｔｙｃｌａｄｕｓ
ｏｒｉｅｎｔａｌｉｓ）等混交成林；针叶林主要为云南松（Ｐｉｎｕｓ
ｙｕｎｎａｎｅｎｓｉｓ）；人工林主要为思茅松（Ｐｉｎｕｓ ｋｈａｓｙｓ）、
铁核桃（Ｊｕｇｌａｎｓ ｓｉｇｉｌｌａｔａ）和蓝桉（Ｂｌｕｅ ｅｕｃａｌｙｐｔｕｓ）；
灌木以虾子花 （Ｗｏｏｄｆｏｒｄｉａ ｆｒｕｔｉｃｏｓａ）、革叶算盘子
（Ｇｌｏｃｈｉｄｉｏｎ ｄａｌｔｏｎｉ）和展毛野牡丹（Ｍｅｌａｓｔｏｍａ ｎｏｒ⁃
ｍａｌｅ）为主；草本以金发草 （ Ｐｏｇｏｎａｔｈｅｒｕｍ ｐａｎｉｃｅ⁃
ｕｍ）、硬杆子草 （ Ｃａｐｉｌｌｉｐｅｄｉｕｍ ａｓｓｉｍｉｌｅ）和飞机草
（Ｃｈｒｏｍｏｌａｅｎａ ｏｄｏｒａｔｕｍ）为主．
１􀆰 ３　 样品采集和处理
在库区范围内，每种植被类型随机选取 ５ 个样
方，每个样方内随机采取 ６ 个重复的土壤表层样本
（０～２０ ｃｍ），共 ２１０个土壤样品．土层原状土壤用环
刀采集，重复 ３次，烘干称量，获取库区表层土壤容
重．土样采回混合均匀并风干后，过 １００ 目筛，然后
用 Ｈ２ＳＯ４⁃Ｋ２Ｃｒ２Ｏ７外加热法测定土壤有机碳含量．用
１ ∶ ５００００ 数字高程模型 （ ＤＥＭ） 图 （分辨率为
５０ ｍ ´５０ ｍ）提取地形因子．利用 ２０１１年 ＴＭ影像计
算得出归一化植被指数（ＮＤＶＩ）．
１􀆰 ４　 土壤有机碳含量预测模型
１􀆰 ４􀆰 １多元统计分析方法　 基于经典统计学中的多
元线性回归分析（ｍｕｌｔｉｐｌｅ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ， ＭＬＲ），
采用最小二次方的方法进行拟合，用一组自变量去
预测因变量，公式如下［２９］：
ｙ ＝ ａ＋∑
ｎ
ｉ ＝ １
ｂｉｘｉ＋ｃ （１）
式中：ａ为截距；ｂｉ为回归系数；ｃ为残差．
将漫湾水电站库区 ２１０ 个表层土壤碳数据，按
实际采样植被类型进行划分，对应的土壤有机碳平
均含量作为该植被类型的属性编码值．使用 ＡｒｃＧＩＳ
的空间分析模块在 ＤＥＭ的基础上，提取出库区的海
拔（ｅｌｅｖａｔｉｏｎ）、坡度（ ｓｌｏｐｅ）、坡向（ ａｓｐｅｃｔ）、平面曲
率（ｃｕｒｖａｔｕｒｅ）和平面粗糙度（ ｒｏｕｇｈｎｅｓｓ），并根据提
取的地形因子计算复合地形指数（ＣＴＩ）．以植被类
型、地形因子、ＮＤＶＩ 为自变量，以土壤有机碳含量
为因变量，利用 ＳＰＳＳ 软件统计分析建立多元线性
回归模型．并按照多元线性回归的最优方程，将数字
类型图进行叠加运算，生成流域土壤有机碳含量空
间分布图．
１􀆰 ４􀆰 ２地统计学分析方法　 地统计学模型是定量预
测土壤特性空间分异的常用方法之一．本研究用地
统计学的克里格插值法建立库区土壤有机碳预测模
型，并与前述的多元统计学模型进行比较，选取最适
合漫湾小流域的土壤碳预测模型．克里格插值法是
利用半方差图的模型进行观测点之间的最优内插，
是目前在地统计学中应用最广泛的一种线性无偏最
优估计方法，可以直观显示土壤属性的空间分布特
点，公式如下：
Ｚ（ｘ０） ＝∑
ｎ
ｉ ＝ １
λ ｉＺ（ｘｉ） （２）
式中：Ｚ（ｘ０）为未观测点 ｘ０上的内插估计值；Ｚ（ ｘｉ）
为在点 ｘ０附近的若干观测点上获得的实测值；λ ｉ为
考虑了半方差图中表示空间的权重．基于克里金插
值法，采用 ＧＩＳ软件的地统计分析模块，绘制土壤有
机碳的预测图，并进行模型拟合精度的相关分析．
１􀆰 ４􀆰 ３预测模型的准确性　 空间预测方法的优劣可
采用验证数据集进行验证，通过比较验证点位置上
土壤有机碳含量的预测值与实测值来评价预测的准
确性，采用平均标准差 （ ｍｅａｎ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ，
ＭＳＤ） 和 均 方 根 误 差 （ ｒｏｏｔ⁃ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ，
ＲＭＳＥ） ［３０］进行评价，ＲＭＳＥ反映样点数据的估值灵
敏度和极值效应，其值越小，表明预测结果越准确．
１􀆰 ５　 数据处理
本研究用单因素方差分析（ＡＮＯＶＡ）分析土地
利用类型对土壤有机碳含量和容重的影响，用 Ｅｘｃｅｌ
和 ＳＰＳＳ统计分析软件对结果进行数据统计分析．
３８９４期　 　 　 　 　 　 　 　 　 　 　 刘世梁等： 澜沧江中游山地不同土地利用对土壤有机碳的影响及预测　 　 　 　 　 　
２　 结果与分析
２􀆰 １　 不同土地利用类型的土壤有机碳含量
由表 １ 可以看出，研究区不同土地利用类型的
土壤容重有所差异，其中，灌丛、草地和农田的土壤
容重差异不显著，而针叶林、针阔混交林和人工林的
土壤容重显著高于灌丛、草地和农田．在漫湾库区范
围的 ７种土地利用类型表层土壤中，人工林的土壤
容重最高，为 １．４１ ｇ·ｃｍ－３，灌丛的土壤容重最低，
为 １．１４ ｇ·ｃｍ－３ ．
不同土地利用类型的土壤有机碳含量也不同，
其中，灌丛、草地和农田土壤有机碳含量的差异不显
著，但天然林地（包括阔叶林、针叶林、针阔混交林）
的土壤有机碳含量显著高于其他 ４ 种植被类型（表
１）．４种土地利用类型的土壤有机碳含量高低顺序
依次为林地＞灌丛＞草地＞农田，农田土壤有机碳含
量明显低于其他 ３ 种土地利用类型．在 ４ 种不同林
地类型中，库区表层土壤有机碳含量最高的是阔叶
林 ，为４２ ．５７ ｇ·ｋｇ－１ ；最低的是人工林，为１６ ．４４
表 １　 不同土地利用类型的土壤容重及土壤有机碳含量
Ｔａｂｌｅ １　 Ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ （ＳＯＣ） ｃｏｎｔｅｎｔｓ ａｎｄ ｓｏｉｌ ｂｕｌｋ
ｄｅｎｓｉｔｉｅｓ ｆｏｒ ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ
土地利用类型
Ｌａｎｄ ｕｓｅ
ｔｙｐｅ
土壤容重
Ｓｏｉｌ ｂｕｌｋ
ｄｅｎｓｉｔｙ
（ｇ·ｃｍ－３）
平均土壤
有机碳含量
Ｍｅａｎ ＳＯＣ
ｃｏｎｔｅｎｔ
（ｇ Ｃ· ｋｇ－１）
林地
Ｆｏｒｅｓｔｌａｎｄ
阔叶林
Ｂｒｏａｄ⁃ｌｅａｖｅｄ ｆｏｒｅｓｔ
１．１８±０．０２ａ ４２．５７±１９．７０ｂ
针阔混交林
Ｍｉｘｅｄ ｃｏｎｉｆｅｒｏｕｓ ａｎｄ
ｂｒｏａｄ⁃ｌｅａｖｅｄ ｆｏｒｅｓｔ
１．３６±０．０２ｂ ４０．１０±１９．６３ｂ
针叶林
Ｃｏｎｉｆｅｒｏｕｓ ｆｏｒｅｓｔ
１．２７±０．０３ｃ ３７．８１±６．１５ｂ
人工林
Ｐｌａｎｔａｔｉｏｎ
１．４１±０．０２ｄ １６．４４±３．２４ａ
灌丛 Ｓｈｒｕｂｌａｎｄ １．１４±０．０６ａ ２３．９１±２．４５ａ
草地 Ｇｒａｓｓｌａｎｄ １．１７±０．０３ａ ２１．５４±７．５４ａ
农田 Ｆａｒｍｌａｎｄ １．１４±０．０３ａ １８．５０±４．４７ａ
Ｆ值 Ｆ ｖａｌｕｅ ７４．２１∗ １３．１９∗
不同小写字母表示不同类型之间差异显著（Ｐ＜０．０５） Ｄｉｆｆｅｒｅｎｔ ｓｍａｌｌ
ｌｅｔｔｅｒｓ ｍｅａｎｔ ｓｉｇｎｉｆｉｃａｎｔ ｄｉｆｆｅｒｅｎｃｅ ａｍｏｎｇ ｄｉｆｆｅｒｅｎｔ ｔｙｐｅｓ ａｔ ０． ０５ ｌｅｖｅｌ．
∗ Ｐ＜０．０５．
ｇ·ｋｇ－１，说明自然林的固碳能力高于人工林．
２􀆰 ２　 土壤有机碳预测模型
云南省地形复杂，海拔高差悬殊较大，坡度大于
２５°以上的坡耕地面积 ７４．８７×１０４ｈｍ２，占耕地总面积
的 １１．７％．水土流失严重，大面积滑坡和泥石流多
发，坡度 ２５°以上的坡耕地流失水土达 ５５４２ × １０４
ｔ·ｋｍ－２·ａ－１ ．植被覆盖的减少会加剧水土流失，不
仅会导致流域内水土资源的重新分配，还会引起土
壤有机碳大量流失．因此，地形、ＮＤＶＩ 和植被类型都
是影响表层土壤有机碳空间分布的重要因素．本研
究分别采用多元统计学和地统计学方法建立漫湾库
区土壤有机碳含量的预测模型，分析地形因子、ＮＤ⁃
ＶＩ和植被类型对表层土壤有机碳空间分布的影响，
并对模型的拟合精度进行比较，选取最优模型．
在实际采样的 ２１０ 个剖面点中，随机抽取 １５８
个（７５％）作为插值数据集进行土壤有机碳的空间
预测，其余 ５２个（２５％）作为验证数据集，进行预测
的准确性检验．
２􀆰 ２􀆰 １基于多元统计回归的土壤有机碳模型　 由表
２ 可知，研究区土壤有机碳与土地利用类型呈极显
著相关，与坡向、坡度和平面曲率显著相关，但与
ＮＤＶＩ和复合地形指数的相关性并不显著．说明在小
流域内，气候和土壤母质差异不大，土地利用类型决
定了土壤有机碳的输入，而坡度、坡向和平面曲率直
接决定了水分运动过程以及坡面物质的迁移和再分
配，因此，土地利用类型和地形因子是影响漫湾库区
土壤发生发育特别是土壤有机碳含量最普遍、最有
效的定量预测因子．
　 　 运用向后回归模型进一步筛选和建立研究区土
壤有机碳预测模型（表 ３），结果表明，只用土地利用
类型预测土壤有机碳含量模型的 Ｒ２为 ０．５２３，加入
复合地形指数 ＣＴＩ、ＮＤＶＩ和坡向（ａｓｐｅｃｔ）后，模型的
参数相对少而且拟合程度最优，Ｒ２为 ０．５６３，所以筛
选出如下回归方程：
ＳＯＣ＝ ０􀆰 ７１ＣＴＩ＋０􀆰 ０１９Ａｓｐｅｃｔ＋６􀆰 ２２５ＮＤＶＩ＋
０􀆰 ７９３ＳＯＣ ｉ－３．７２ （３）
表 ２　 土壤有机碳（ＳＯＣ）与地形因子、ＮＤＶＩ和植被类型的相关系数
Ｔａｂｌｅ ２　 Ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｂｅｔｗｅｅｎ ＳＯＣ ａｎｄ ｔｅｒｒａｉｎ ｆａｃｔｏｒ， ＮＤＶＩ ａｎｄ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ
项目
Ｉｔｅｍ
土地利用类型
Ｌａｎｄ ｕｓｅ ｔｙｐｅ
复合地形
因子 ＣＴＩ
坡向
Ａｓｐｅｃｔ
平面曲率
Ｃｕｒｖａｔｕｒｅ
海拔
Ｅｌｅｖａｔｉｏｎ
粗糙度
Ｒｏｕｇｈｎｅｓｓ
坡度
Ｓｌｏｐｅ
归一化植被指数
ＮＤＶＩ
Ｐｅａｒｓｏｎ 相关系数
Ｐｅａｒｓｏｎ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ
０．７３* * ０．２１ ０．３２* －０．３６* －０．２７ ０．０６ －０．３６* ０．２７
Ｐ值 Ｐ ｖａｌｕｅ ０．００ ０．１９ ０．０５ ０．０３ ０．０９ ０．７２ ０．０３ ０．０９
∗ Ｐ＜０．０５； ∗∗ Ｐ＜０．０１．
４８９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ３　 基于向后回归模型的土壤有机碳预测模型
Ｔａｂｌｅ ３　 Ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌｓ ｏｆ ＳＯＣ ｂａｓｅｄ ｏｎ ｔｈｅ ｂａｃｋｗａｒｄ
ｒｅｇｒｅｓｓｉｏｎ
模型参数
Ｍｏｄｅｌ ｐａｒａｍｅｔｅｒ
Ｒ２ 标准估计的误差
Ｅｒｒｏｒ ｏｆ
ｓｔａｎｄａｒｄ ｅｓｔｉｍａｔｅ
常量、土地利用类型、复合地形指数、归一化植被
指数、海拔、平面曲率、坡度、粗糙度、坡向 Ｃｏｎ⁃
ｓｔａｎｔ， ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ， ＣＴＩ， ＮＤＶＩ， ｅｌｅｖａｔｉｏｎ， ｃｕｒ⁃
ｖａｔｕｒｅ， ｓｌｏｐｅ， ｒｏｕｇｈｎｅｓｓ， ａｓｐｅｃｔ
０．５２０ ４．０２
常量、土地利用类型、复合地形指数、归一化植被
指数、海拔、平面曲率、坡度、坡向 Ｃｏｎｓｔａｎｔ， ｌａｎｄ⁃
ｕｓｅ ｔｙｐｅｓ， ＣＴＩ， ＮＤＶＩ， ｅｌｅｖａｔｉｏｎ， ｃｕｒｖａｔｕｒｅ， ｓｌｏｐｅ，
ａｓｐｅｃｔ
０．５３６ ３．９５
常量、土地利用类型、复合地形指数、归一化植被
指数、海拔、平面曲率、坡向 Ｃｏｎｓｔａｎｔ， ｌａｎｄ⁃ｕｓｅ
ｔｙｐｅｓ， ＣＴＩ， ＮＤＶＩ， ｅｌｅｖａｔｉｏｎ， ｃｕｒｖａｔｕｒｅ， ａｓｐｅｃｔ
０．５４９ ３．９０
常量、土地利用类型、复合地形指数、归一化植被
指数、海拔、坡向 Ｃｏｎｓｔａｎｔ， ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ， ＣＴＩ，
ＮＤＶＩ， ｅｌｅｖａｔｉｏｎ， ａｓｐｅｃｔ
０．５６２ ３．８５
常量、土地利用类型、复合地形指数、归一化植被
指数、坡向 Ｃｏｎｓｔａｎｔ， ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ， ＣＴＩ， ＮＤＶＩ，
ａｓｐｅｃｔ
０．５６３ ３．８５
常量、土地利用类型、复合地形指数、归一化植被
指数 Ｃｏｎｓｔａｎｔ， ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ， ＣＴＩ， ＮＤＶＩ
０．５６０ ３．８５
常量、土地利用类型
Ｃｏｎｓｔａｎｔ， ｌａｎｄ⁃ｕｓｅ ｔｙｐｅｓ
０．５２３ ４．０１
表 ４　 研究区土壤有机碳模型预测精度的比较
Ｔａｂｌｅ ４　 Ｃｏｍｐａｒｉｓｏｎ ｏｆ ａｃｃｕｒａｃｙ ｆｏｒ ＳＯＣ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄ⁃
ｅｌｓ ｉｎ ｔｈｅ ｓｔｕｄｙ ａｒｅａ （ｇ·ｋｇ－１）
项目
Ｉｔｅｍ
观测值
Ｏｂｓｅｒｖａｔｉｏｎ
模型方法 Ｍｏｄｅｌ ｍｅｔｈｏｄ
多元回归法
Ｍｕｌｔｉｐｌｅ
ｒｅｇｒｅｓｓｉｏｎ
ｍｅｔｈｏｄ
克里格
插值法
Ｋｒｉｇｉｎｇ
ｍｅｔｈｏｄ
均值 Ｍｅａｎ ３１００ １８００ ２６００
最大值 Ｍａｘｉｍｕｍ １３０００ １４５００ １３０００
最小值 Ｍｉｎｉｍｕｍ ４５０ ３３０ ４５０
标准方差 Ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ １５００ ７８０ ９８０
均方根误差 Ｒｏｏｔ⁃ｍｅａｎ⁃ｓｑｕａｒｅ ｅｒｏｒ ０．６２５ ０．７５２
平均标准差 Ｍｅａｎ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ ０．５１１ ０．６７５
均方根标准误差 Ｒｏｏｔ⁃ｍｅａｎ⁃ｓｑｕａｒｅ
ｓｔａｎｄａｒｄ ｅｒｒｏｒ
１．０６９ １．４１８
２􀆰 ２􀆰 ２土壤有机碳模型的比较 　 采用平均标准差
（ＭＳＤ）、均方根误差（ＲＥＳＤ）作为精度检验的标准，
检验不同方法的预测效果．均方根误差和平均标准
差越接近于 ０，均方根标准误差越接近于 １，说明模
型的精确度和稳定性越好．从表 ４ 可以看出，多元回
归模型比地统计学模型在漫湾库区土壤有机碳的预
测效果更好，适用性更强．
３　 讨　 　 论
３􀆰 １　 不同土地利用类型对土壤有机碳含量的影响
土壤碳固定是缓解温室效应的有效方法之一，
逐渐成为研究热点．土壤有机碳含量主要取决于有
机物料的投入量、分解释放量及土壤性质和过程，而
土壤碳的主要输入源是地上植物的凋落物．土地利
用变化对土壤有机碳含量的影响主要是通过改变凋
落物的数量和质量及其环境条件的改变而影响有机
碳的储存量、组成和稳定性［３１］ ．凋落物是影响土壤
有机碳空间分布的重要因子［３２］ ．漫湾库区各土地利
用类型 ０～２０ ｃｍ土层的有机碳含量大小依次为：林
地＞灌丛＞草地＞农田．相比其他土地利用类型，农田
土壤碳含量在 １９７９ 和 ２０１１ 年都最低，主要原因在
于：１）收获农作物时地上部分被大量移走，大大减
少了植被对土壤的归还量；２）机械耕作使土壤温度
和湿度得到改善，为好氧微生物的活动创造了条件，
在一定程度上促进了土壤呼吸作用，加速了土壤有
机质的分解；３） 耕作等人类活动导致土壤结构发生
改变，降低了土壤的物理保护作用，造成土壤侵
蚀［３３－３４］ ．林地土壤碳含量远高于其他土地利用类
型，原因在于其表层覆盖有大量的枯枝落叶，加上该
地区气候湿润，导致腐殖质层较厚，引起土壤碳的积
累．人工林的土壤碳含量低于其他几种林地类型，主
要原因归结于人工林受人类活动的干扰较大，说明
人类活动对土壤碳储量影响的程度和速率远远超过
自然因素［３５］ ．
３􀆰 ２　 土壤碳含量对土地利用变化的响应
土地利用发生变化后，影响土壤有机碳的动态
过程和相关因子发生变化，导致土壤有机碳的储量、
分布等也发生变化，进一步又影响土壤向大气释放
ＣＯ２ 的强度与过程，因此土地利用变化对土壤碳储
量、分布的影响是温室效应的关键内容［１２，３０］ ．研究表
明，森林变成农田或草地后土壤有机碳在一定程度
上将会发生变化．李正才［１２］认为，次生林转变成农
耕地后土壤有机碳平均含量下降了 ２８． ２％． Ｌｕｇ
等［３６］研究结果表明，亚热带地区的森林被砍伐变成
农田后 １０年，土壤有机碳含量下降 ４６％，８０ 年后下
降 ７０％．林地转为农地和草地一般会使土壤有机碳
降低的原因：一方面植被净生产力降低（或残留物
移除）减少了土壤有机碳输入量，另一方面是覆被
类型改变使地表土壤温度升高因而加快了土壤有机
碳分解，原来稳定的有机碳变得不稳定并加大了渗
透量［３４］ ．而灌丛、农田和草地变成人工林后土壤有
机碳会大幅升高，说明林地能增加土壤有机碳的积
累， 提高土壤有机碳的有效性．该地区位于库区范
围内，林地砍伐变成农田或其他用地通常是毁灭性
的，增加当地土壤有机碳积累的不确定性．天然林地
砍伐变成人工林后，一般会引起表层土壤有机碳的
５８９４期　 　 　 　 　 　 　 　 　 　 　 刘世梁等： 澜沧江中游山地不同土地利用对土壤有机碳的影响及预测　 　 　 　 　 　
损失：人工林地的管理措施与天然林不同，人为活动
的加剧会导致土壤容重大于其他天然林地类型，水
土流失严重，这是导致人工林地表层土壤有机碳低
于其他林地类型的主要原因之一．有研究表明，人工
林幼林郁闭前，林地上通过凋落物和枯死细根的有
机碳归还较少［３７］，同时，人工林地的凋落物和细根
的分解速率也低于天然林［３８］，这些因素都会导致人
工林地的碳含量低于天然林地．本研究区域位于印
度洋季风气候区，湿润多雨，年降水量为 １０００～１１５０
ｍｍ，加之本区山高多坡陡，自然生态环境具有潜在
的脆弱性，当自然林遭砍伐更替为人工林时，常造成
严重的土壤有机质流失．
３􀆰 ３　 土壤有机碳模型的比较
多元线性回归模型将自变量与因变量之间的关
系假设为是线性的，通过单方差因素分析表明，土壤
有机碳与植被类型呈极显著相关，与坡向、坡度和平
面曲率呈显著相关，通过向后回归模型，筛选出坡
向、ＣＴＩ 和 ＮＤＶＩ这 ３个自变量建立土壤有机碳的多
元线性回归模型．
通过对比两种模型的预测值和实际观测值，可
以评价模型预测制图的精度．本研究中多元线性回
归模型比克里格插值模型对土壤有机碳的预测效果
好，适用性更强．海拔、坡度、坡向可以综合体现环境
变量，在本研究中海拔、坡度和坡向都影响土壤有机
碳含量，一方面不同环境变量梯度植被类型及植被
的垂直地带性、水平地带性的不同进而影响土壤特
性［３９－４０］，从而影响土壤有机物质的质和量；另一方
面又通过温度和水分等生态因子的变化影响土壤有
机质的分解和腐殖化过程，土壤地表枯落物腐殖化
过程和有机碳释放过程受诸多因素影响．研究区的
土壤有机碳含量由植被类型和地形特征所决定，而
地统计学模型是根据土壤样本变异与样本距离之间
的关系建立，忽略了土壤母质、植被类型和局部微气
候对土壤有机碳的影响．在漫湾库区，植被类型多
样、地形复杂、水热分配不均，土壤有机碳的空间分
布主要与植被类型和地形因子以及植被覆盖有关，
因此基于这几个因素建立的多元统计模型精确度和
稳定性更好．
４　 结　 　 论
利用 ２０１１年的土壤剖面有机碳与土地利用图
的斑块连接和叠加，绘制土壤有机碳的空间分布差
值图，以比较土壤有机碳的空间变化．然后，分别用
多元统计学和地统计学的方法建立漫湾库区土壤有
机碳含量的预测模型，分析地形因子、ＮＤＶＩ 和植被
类型对表层土壤有机碳空间分布的影响，并对模型
的拟合精度进行比较，选取最优模型．结果表明：澜
沧江流域中游不同土地利用类型的土壤有机碳含量
不同，０～２０ ｃｍ深度土壤有机碳含量的大小依次为：
林地＞灌丛＞草地＞农田．天然林地（阔叶林、针阔混
交林和针叶林）转化为农田会导致土壤有机碳含量
分别降低 ５６．５％、５３．９％和 ５１．１％，说明自然林地能
增加土壤有机碳的积累，提高土壤有机碳的有效性．
而退耕还林过程中，如果将农田转变为人工林并不
会增加土壤有机碳含量，反而会降低 １２．５％．库区影
响土壤有机碳含量的显著因素主要是植被类型、坡
向、坡度和平面曲率．由此建立多元回归模型并与克
里金插值法模型进行比较，结果表明，多元回归模型
比地统计学模型在漫湾库区的预测效果更好，适用
性更强．
参考文献
［１］　 Ｃｈｅｎ Ｌ⁃Ｚ （陈亮中）． Ｓｔｕｄｉｅｓ ｏｎ Ｓｏｉｌ Ｏｒｇａｎｉｃ Ｃａｒｂｏｎ
ｕｎｄｅｒ Ｍａｉｎ Ｆｏｒｅｓｔ Ｖｅｇｅｔａｔｉｏｎ Ｔｙｐｅｓ ｉｎ ｔｈｅ Ｔｈｒｅｅ⁃Ｇｏｒｇｅｓ
Ｒｅｓｅｒｖｏｉｒ Ａｒｅａ． ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｂｅｉｊｉｎｇ Ｆｏｒｅｓｔｒｙ
Ｕｎｉｖｅｒｓｉｔｙ， ２００７ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｄａｖｉｄｓｏｎ ＥＡ， Ｔｒｕｍｂｏｒｅ ＳＥ， Ａｍｕｎｄｓｏｎ Ｒ． Ｓｏｉｌ ｗａｒ⁃
ｍｉｎｇ ａｎｄ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｃｏｎｔｅｎｔ． Ｎａｔｕｒｅ， ２０００， ４０８：
７８９－７９０
［３］　 Ｇａｏ ＹＮ， Ｆａｎｇ ＨＪ， Ｙｕ ＧＲ， ｅｔ ａｌ． Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ
ａｎｄ ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃｓ ｏｆ ｓｏｉｌ ｃａｒｂｏｎ ｒｅｍｏｖａｌ ｃａｕｓｅｄ ｂｙ
ｗａｔｅｒ ｅｒｏｓｉｏｎ ｉｎ Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｃｏｌｏ⁃
ｇｙ， ２０１１， ２： ２１０－２１６
［４］　 Ｇｕｏ Ｙ⁃Ｆ （郭月峰）， Ｙａｏ Ｙ⁃Ｆ （姚云峰）， Ｑｉｎ Ｆ⁃Ｃ （秦
富仓）， ｅｔ ａｌ． Ｉｍｐａｃｔ ｏｆ ｔｅｒｒａｉｎ ｆａｃｔｏｒｓ ｏｎ ｓｏｉｌ ｏｒｇａｎｉｃ
ｃａｒｂｏｎ ｉｎ Ｌａｏｈａ Ｒｉｖｅｒ ｂａｓｉｎ． Ｊｏｕｒｎａｌ ｏｆ Ａｒｉｄ Ｌａｎｄ Ｒｅ⁃
ｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ（干旱区资源与环境）， ２０１４，
２８（２）： １５６－１６１ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｚｈａｎｇ Ｙ⁃Ｇ （张于光）， Ｚｈａｎｇ Ｘ⁃Ｑ （张小全）， Ｘｉａｏ Ｙ
（肖　 烨）． Ｅｆｆｅｃｔｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｏｎ ｓｏｉｌ ｏｒｇａｎｉｃ
ｃａｒｂｏｎ ａｎｄ ｍｉｃｒｏｂｉａｌ ｂｉｏｍａｓｓ ｃａｒｂｏｎ ｉｎ Ｍｉｙａｌｕｏ ｆｏｒｅｓｔ
ａｒｅａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ（应用生态学
报）， ２００６， １７（１１）： ２０２９－２０３３ （ｉｎ Ｃｈｉｎｅｓｅ）
［６］ 　 Ｄｉｎｇ Ｙ⁃Ｋ （丁越岿）， Ｙａｎｇ Ｊ （杨 　 劼）， Ｓｏｎｇ Ｂ⁃Ｙ
（宋炳煜）， ｅｔ ａｌ． Ｅｆｆｅｃｔ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｏｎ
ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｉｎ Ｍｕ Ｕｓ ｄｅｓｅｒｔ． Ａｃｔａ Ｐａｒｔａｃｕｌｔｕｒａｅ
Ｓｉｎｉｃａ （草业学报）， ２０１２， ２１（２）： １８－ ２５ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［７］　 Ｚｈｏｕ Ｑ （周 　 庆）， Ｏｕ Ｘ⁃Ｋ （欧晓昆）， Ｚｈａｎｇ Ｚ⁃Ｍ
（张志明）， ｅｔ ａｌ． Ｓｐａｔｉａｌ ｔｅｍｐｏｒａｌ ｌａｎｄ ｕｓｅ ｐａｔｔｅｒｎ
ｃｈａｎｇｅｓ ｉｎ Ｍａｎｗａｎ ｈｙｄｒｏｐｏｗｅｒ ｓｔａｔｉｏｎ ｒｅｓｅｒｖｏｉｒ ｏｆ Ｌａｎ⁃
ｃａｎｇ Ｒｉｖｅｒ， Ｙｕｎｎａｎ， Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ Ｍｏｕｎｔａｉｎ Ｓｃｉ⁃
ｅｎｃｅ （山地学报）， ２００８， ２６（４）： ４８１－４８９ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［８］ 　 Ｚｈｏｕ Ｊ⁃Ｈ （周嘉慧）， Ｆｕ Ｂ⁃Ｈ （付保红）． Ｃｕｌｔｉｖａｔｅｄ
ｌａｎｄ ｕｓｅ ｏｆ ｔｈｅ ｍｉｇｒａｎｔ ａｒｅａｓ ｏｆ ｌａｒｇｅ⁃ｓｉｚｅｄ ｈｙｄｒｏｐｏｗｅｒ
６８９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
ｓｔａｔｉｏｎｓ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｍａｎｗａｎ
Ｄａｍ． Ｔｒｏｐｉｃａｌ Ｇｅｏｇｒａｐｈｙ （热带地理）， ２００８， ２８（６）：
５５１－５５４ （ｉｎ Ｃｈｉｎｅｓｅ）
［９］ 　 Ｗｅｉ Ｇ⁃Ｌ （魏国良）， Ｃｕｉ Ｂ⁃Ｓ （崔保山）， Ｄｏｎｇ Ｓ⁃Ｋ
（董世魁）， ｅｔ ａｌ． Ｉｍｐａｃｔ ｏｆ ｈｙｄｒｏｐｏｗｅｒ ｄｅｖｅｌｏｐｍｅｎｔ ｏｎ
ｒｉｖｅｒ ｅｃｏｓｙｓｔｅｍ ｓｅｒｖｉｃｅ： Ａ ｃａｓｅ ｓｔｕｄｙ ｆｒｏｍ ｔｈｅ Ｍａｎｗａｎ
Ｈｙｄｒｏｐｏｗｅｒ Ｐｒｏｊｅｃｔ． Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ（环境
科学学报）， ２００８， ２８（２）： ２３５－２４２（ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｚｈａｏ ＱＨ， Ｌｉｕ ＳＬ， Ｄｅｎｇ Ｌ， ｅｔ ａｌ． Ｄｅｔｅｒｍｉｎｉｎｇ ｔｈｅ ｉｎｆｌｕ⁃
ｅｎｃｉｎｇ ｄｉｓｔａｎｃｅ ｏｆ ｄａｍ ｃｏｎｓｔｒｕｃｔｉｏｎ ａｎｄ ｒｅｓｅｒｖｏｉｒ ｉｍ⁃
ｐｏｕｎｄｍｅｎｔ ｏｎ ｌａｎｄ ｕｓｅ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｍａｎｗａｎ Ｄａｍ，
Ｌａｎｃａｎｇ Ｒｉｖｅｒ． Ｅｃｏｌｏｇｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１３， ５３：
２３５－２４２
［１１］　 Ｙａｎｇ Ｓ⁃Ｈ（杨少红）． Ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｌａｎｄ Ｕｓｅ Ｃｈａｎｇｅ ｏｎ
Ｓｏｉｌ Ｏｒｇａｎｉｃ Ｃａｒｂｏｎ ａｎｄ Ｓｏｉｌ Ｒｅｓｐｉｒａｔｉｏｎ． ＰｈＤ Ｔｈｅｓｉｓ．
Ｆｕｚｈｏｕ： Ｆｕｊｉａｎ Ａｇｒｉｃｕｌｔｕｒｅ ＆ Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙ， ２００６
（ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｌｉ Ｚ⁃Ｃ（李正才）． Ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ｌａｎｄ⁃ｕｓｅ Ｃｈａｎｇｅ ｏｎ
ｔｈｅ Ｓｏｉｌ Ｏｒｇａｎｉｃ Ｃａｒｂｏｎ． ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ
Ａｃａｄｅｍｙ ｏｆ Ｆｏｒｅｓｔｒｙ， ２００６ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｃｈｅｎｇ ＸＦ， Ｓｈｉ ＸＺ， Ｙｕ ＤＳ， ｅｔ ａｌ． Ｕｓｉｎｇ ＧＩＳ ｓｐａｔｉａｌ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｔｏ ｐｒｅｄｉｃｔ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｉｎ ｓｕｂｔｒｏｐｉｃａｌ
Ｃｈｉｎａ． Ｐｅｄｏｓｐｈｅｒｅ， ２００４， １４： ４２５－４３１
［１４］　 Ｆｌｏｒｉｎｓｋｙ ＩＶ， Ｅｉｌｅｒｓ ＲＧ， Ｍａｎｎｉｎｇ ＧＲ， ｅｔ ａｌ． Ｐｒｅｄｉｃｔｉｏｎ
ｏｆ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ ｂｙ ｄｉｇｉｔａｌ ｔｅｒｒａｉｎ ｍｏｄｅｌｌｉｎｇ． Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔａｌ Ｍｏｄｅｌｌｉｎｇ ＆ Ｓｏｆｔｗａｒｅ， ２００２， １７： ２９５－３１１
［１５］　 Ｌｉ ＱＱ， Ｙｕｅ ＴＸ， Ｗａｎｇ ＣＱ， ｅｔ ａｌ． Ｓｐａｔｉａｌｌｙ ｄｉｓｔｒｉｂｕｔｅｄ
ｍｏｄｅｌｉｎｇ ｏｆ ｓｏｉｌ ｏｒｇａｎｉｃ ｍａｔｔｅｒ ａｃｒｏｓｓ Ｃｈｉｎａ： Ａｎ ａｐｐｌｉ⁃
ｃａｔｉｏｎ ｏｆ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｐｐｒｏａｃｈ． Ｃａｔｅｎａ，
２０１３， １０４： ２１０－２１８
［１６］　 Ｚｈａｏ ＴＣ， Ｘｕ ＸＨ， Ｈｕａｎｇ Ｂ， ｅｔ ａｌ． Ｕｓｉｎｇ ｒｏｂｕｓｔ ｋｒｉｇｉｎｇ
ａｎｄ ｓｅｑｕｅｎｔｉａｌ Ｇａｕｓｓｉａｎ ｓｉｍｕｌａｔｉｏｎ ｔｏ ｄｅｌｉｎｅａｔｅ ｔｈｅ ｃｏｐ⁃
ｐｅｒ⁃ ａｎｄ ｌｅａｄ⁃ｃｏｎｔａｍｉｎａｔｅｄ ａｒｅａｓ ｏｆ ａ ｒａｐｉｄｌｙ ｉｎｄｕｓｔｒｉａｌ⁃
ｉｚｅｄ ｃｉｔｙ ｉｎ Ｙａｎｇｔｚｅ Ｒｉｖｅｒ Ｄｅｌｔａ， Ｃｈｉｎａ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ
Ｇｅｏｌｏｇｙ， ２００７， ５２： １４２３－１４３３
［１７］　 Ｋｅｒｒｙ Ｒ， Ｏｌｉｖｅｒ ＭＡ． Ｄｅｔｅｒｍｉｎｉｎｇ ｎｕｇｇｅｔ： Ｓｉｌｌ ｒａｔｉｏｓ ｏｆ
ｓｔａｎｄａｒｄｉｚｅｄ ｖａｒｉｏｇｒａｍｓ ｆｒｏｍ ａｅｒｉａｌ ｐｈｏｔｏｇｒａｐｈｓ ｔｏ ｋｒｉｇｅ
ｓｐａｒｓｅ ｓｏｉｌ ｄａｔａ． Ｐｒｅｃｉｓｉｏｎ Ａｇｒｉｃｕｌｔｕｒｅ， ２００８， ９： ３３－５６
［１８］　 ＭｃＧｒａｔｈ Ｄ， Ｚｈａｎｇ ＣＳ． Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｓｏｉｌ ｏｒｇａｎ⁃
ｉｃ ｃａｒｂｏｎ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｇｒａｓｓｌａｎｄ ｏｆ Ｉｒｅｌａｎｄ． Ａｐｐｌｉｅｄ
Ｇｅｏｃｈｅｍｉｓｔｒｙ， ２００３， １８： １６２９－１６３９
［１９］　 Ｚｈａｎｇ ＣＳ， ＭｃＧｒａｔｈ Ｄ． Ｇｅｏｓｔａｔｉｓｔｉｃａｌ ａｎｄ ＧＩＳ ａｎａｌｙｓｅｓ
ｏｎ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｇｒａｓｓｌａｎｄ ｏｆ
ｓｏｕｔｈｅａｓｔｅｒｎ Ｉｒｅｌａｎｄ ｆｒｏｍ ｔｗｏ ｄｉｆｆｅｒｅｎｔ ｐｅｒｉｏｄｓ． Ｇｅｏｄｅｒ⁃
ｍａ， ２００４， １１９： ２６１－２７５
［２０］　 Ｚｈａｏ Ｙ⁃Ｃ （赵永存）， Ｓｈｉ Ｘ⁃Ｚ （史学正），Ｙｕ Ｄ⁃Ｓ （于
东升）， ｅｔ ａｌ． Ｄｉｆｆｅｒｅｎｔ ｍｅｔｈｏｄｓ ｆｏｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｐａｔｉａｌ
ｐａｔｔｅｒｎｓ ｏｆ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｄｅｎｓｉｔｙ ｉｎ Ｈｅｉｂｅｉ Ｐｒｏｖ⁃
ｉｎｃｅ， Ｃｈｉｎａ． Ａｃｔａ Ｐｅｄｏｌｏｇｉｃａ Ｓｉｎｉｃａ （土壤学报 ），
２００５， ４２（３）： ３７９－３８５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２１］　 Ｚｈａｎｇ Ｚ⁃Ｑ （张忠启）， Ｙｕ Ｆ⁃Ｚ （于法展）． Ｓｔｕｄｙ ｏｎ ｔｈｅ
ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｓｏｉｌ ｔｙｐｅ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｓｐａｔｉａｌ ｐｒｅｄｉｃｔｉｏｎ
ｏｆ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ． Ｃｈｉｎｅｓｅ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｂｕｌ⁃
ｌｅｔｉｎ（中国农学通报）， ２０１３， ２９（１１）： １３９－１４４ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［２２］　 Ｌｉｕ Ｑ （刘　 琦），Ｌｉｕ Ｓ⁃Ｌ （刘世梁），Ｚｈａｏ Ｑ⁃Ｈ （赵清
贺）， ｅｔ ａｌ． Ｇｒａｄｉｅｎｔ ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎ ａｆｆｅｃｔ⁃
ｅｄ ｂｙ ｈｙｄｒｏｅｌｅｃｔｒｉｃ ｓｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｏｖｉｎｇ ｗｉｎｄｏｗ
ｍｅｔｈｏｄ． Ｊｏｕｒｎａｌ ｏｆ Ｍｏｕｎｔａｉｎ Ｓｃｉｅｎｃｅ （山地学报），
２０１２， ３０（５）： ６２８－６３５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｃｕｉ Ｂ⁃Ｓ （崔保山）， Ｚｈａｉ Ｈ⁃Ｊ （翟红娟）． Ｑｕａｌｉｔｙ ｅｖａｌｕ⁃
ａｔｉｏｎ ｏｆ ｈａｂｉｔａｔｓ ｄｉｓｔｕｒｂｅｄ ｂｙ ｔｈｅ Ｍａｎｗａｎ Ｈｙｄｒｏｐｏｗｅｒ
Ｄａｍ． Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ （环境科学学报），
２００８， ２８（２）： ２２７－２３４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｆｕ Ｂ⁃Ｈ （付保红）， Ｃｈｅｎ Ｌ⁃Ｈ （陈丽晖）， Ｚｈｕ Ｔ （朱
彤）． Ａｎ ａｎａｌｙｓｉｓ ｏｆ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｃｈａｎｇｅ ｉｎ
ｔｈｅ ｓｔｏｒａｇｅ ａｒｅａｓ ｏｆ Ｍａｎｗａｎ ｈｙｄｒｏｐｏｗｅｒ ｓｔａｔｉｏｎ ａｎｄ ｉｔｓ
ｍａｎａｇｉｎｇ ｃｏｕｎｔｅｒｍｅａｓｕｒｅｓ． Ｔｅｒｒｉｔｏｒｙ ＆ Ｎａｔｕｒａｌ Ｒｅ⁃
ｓｏｕｒｃｅｓ Ｓｔｕｄｙ （国土与自然资源研究）， ２００５（１）： ５４－
５５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｗａｎｇ Ｐ （王　 平）， Ｗａｎｇ Ｊ⁃Ｌ （王金亮）． Ｂａｓｉｃ ｃｌｉｍａｔ⁃
ｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｉｎ ｔｈｅ Ｍａｎｗａｎ ｈｙｄｒｏｐｏｗｅｒ ｓｔａｔｉｏｎ ｒｅｓ⁃
ｅｒｖｏｉｒ ａｒｅａ ｏｆ Ｌａｎｃａｎｇ Ｒｉｖｅｒ， Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ， Ｃｈｉｎａ．
Ｊｏｕｒｎａｌ ｏｆ Ｙｕｎｎａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ）
（云南师范大学学报：自然科学版）， ２００２， ２２（６）：
５７－６１ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］　 Ｚｈａｏ Ｑ⁃Ｈ （赵清贺）， Ｌｉｕ Ｓ⁃Ｌ （刘世梁）， Ｚｈａｎｇ Ｚ⁃Ｌ
（张兆苓）， ｅｔ ａｌ． Ｅｆｆｅｃｔｓ ｏｆ Ｍａｎｗａｎ ｈｙｄｒｏｐｏｗｅｒ ｅｘｐｌｏｉ⁃
ｔａｔｉｏｎ ｏｎ ｄｙｎａｍｉｃ ｃｈａｎｇｅｓ ｏｆ ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎ ｉｎ ｒｅｌａｔ⁃
ｅｄ ｒｅｓｅｒｖｏｉｒ ａｒｅａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学
杂志）， ２０１１， ３０（１０）： ２３４３－２３５０ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｚｈａｏ ＱＨ， Ｌｉｕ ＳＬ， Ｄｅｎｇ Ｌ， ｅｔ ａｌ． Ｓｏｉｌ ｄｅｇｒａｄａｔｉｏｎ ａｓｓｏ⁃
ｃｉａｔｅｄ ｗｉｔｈ ｗａｔｅｒ⁃ｌｅｖｅｌ ｆｌｕｃｔｕａｔｉｏｎｓ ｉｎ ｔｈｅ Ｍａｎｗａｎ Ｒｅｓ⁃
ｅｒｖｏｉｒ， Ｌａｎｃａｎｇ Ｒｉｖｅｒ Ｂａｓｉｎ． Ｃａｔｅｎａ， ２０１４， １１３：
２２６－２３５
［２８］　 Ｚｈｏｕ Ｌ⁃Ｆ （周乐福）． Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｚｏｎａｌｉｔｙ ｏｆ ｓｏｉｌ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ． Ｍｏｕｎｔａｉｎ Ｒｅｓｅａｒｃｈ （山
地调查）， １９８３， １（４）： ３１－３８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］　 Ｆｌｏｒｉｎｓｋｙ ＩＶ， Ｅｌｉｅｒｓ ＲＧ， Ｍａｎｎｉｎｇ ＧＲ， ｅｔ ａｌ． Ｐｒｅｄｉｃｔｉｏｎ
ｏｆ ｓｏｉｌ ｐｒｏｐｅｒｔｉｅｓ ｂｙ ｄｉｇｉｔａｌ ｔｅｒｒａｉｎ ｍｏｄｅｌｉｎｇ． Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔａｌ Ｍｏｄｅｌｌｉｎｇ ＆ Ｓｏｆｔｗａｒｅ， ２００２， １７： ２９５－ ３１１
［３０］　 Ｌｉｕ Ｓ （刘　 莎）， Ｒｅｎ Ｈ⁃Ｙ （任红艳）， Ｓｈｉ Ｘ⁃Ｚ （史学
正）， ｅｔ ａｌ． Ｄｉｆｆｅｒｅｎｔ ｍｅｔｈｏｄｓ ｆｏｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｐａｔｉａｌ
ｐａｔｔｅｒｎｓ ｏｆ ｐａｄｄｙ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｄｅｎｓｉｔｙ ｉｎ Ｃｈａｎｇ⁃
ｘｉｎｇ Ｃｏｕｎｔｙ， Ｚｈｅｊｉａｎｇ Ｐｒｏｖｉｎｃｅ． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｉｎｆｏｒｍａ⁃
ｔｉｏｎ Ｓｃｉｅｎｃｅ （地球信息科学学报），２０１０， １２ （ ２）：
２１８０－２１８５ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｊｉａｎｇ Ｇ⁃Ｙ （姜贵勇）． Ｔｈｅ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｒｅｔｕｒｎｉｎｇ
ｆａｒｍｌａｎｄ ｔｏ ｆｏｒｅｓｔ ｐｒｏｊｅｃｔ ｐｏｌｉｃｙ ａｎｄ ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｊｉｎｇ⁃
ｄｏｎｇ Ｃｏｕｎｔｙ． Ｆｏｒｅｓｔ Ｉｎｖｅｎｔｏｒｙ ａｎｄ Ｐｌａｎｎｉｎｇ （林业调查
规划）， ２００６， ３１（ｓｕｐｐｌ．１）： ２１４－２１７ （ｉｎ Ｃｈｉｎｅｓｅ）
［３２］　 Ｗａｎｇ Ｇ⁃Ｑ （王国强）， Ｍａｏ Ｙ⁃Ｌ （毛艳玲）． Ｔｈｅ ｅｆｆｅｃｔ
ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｏｎ ｓｅｍｉｔｒｏｐｉｃｓ ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ．
Ｃｈｉｎａ Ｈｉｇｈ Ｔｅｃｈｎｏｌｏｇｙ Ｅｎｔｅｒｐｒｉｓｅｓ （中国高新技术企
业）， ２００８（１９）： １２３－１２６ （ｉｎ Ｃｈｉｎｅｓｅ）
［３３］　 Ｑｉａｏ Ｙ⁃Ｍ （乔有明）， Ｗａｎｇ Ｚ⁃Ｑ （王振群）， Ｄｕａｎ Ｚ⁃Ｈ
（段中华）． Ｅｆｆｅｃｔｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｌａｎｄ ｕｓｅ ｔｙｐｅｓ ｏｎ ｓｏｉｌ
ｃａｒｂｏｎ ａｎｄ ｎｉｔｒｏｇｅｎ ｃｏｎｔｅｎｔｓ ｉｎ ｔｈｅ ｎｏｒｔｈｅｒｎ ｒｅｇｉｏｎ ｏｆ
Ｑｉｎｇｈａｉ Ｌａｋｅ． Ａｃｔａ Ｐｒａｔａｃｕｌｔｕｒａｅ Ｓｉｎｉｃａ （草业学报），
２００９， １８（６）： １０５－１１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［３４］　 Ｊｉａｎｇ Ｙ （姜　 勇）， Ｚｈｕａｎｇ Ｑ⁃Ｌ （庄秋丽）， Ｌｉａｎｇ Ｗ⁃Ｊ
（梁文举）． Ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｐｏｏｌ ａｎｄ ｉｔｓ ａｆｆｅｃｔｉｎｇ
ｆａｃｔｏｒｓ ｉｎ ｆａｒｍ ｌａｎｄ ｅｃｏｓｙｓｔｅｍ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏ⁃
ｇｙ （生态学杂志）， ２００７， ２６（２）： ２７８－２８５ （ ｉｎ Ｃｈｉ⁃
７８９４期　 　 　 　 　 　 　 　 　 　 　 刘世梁等： 澜沧江中游山地不同土地利用对土壤有机碳的影响及预测　 　 　 　 　 　
ｎｅｓｅ）
［３５］　 Ｌｉ Ｍ⁃Ｆ （李明峰）， Ｄｏｎｇ Ｙ⁃Ｓ （董云社）， Ｑｉ Ｙ⁃Ｃ （齐
玉春）， ｅｔ ａｌ． Ｅｆｆｅｃｔ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｏｎ ｔｈｅ ｃｏｎｔｅｎｔｓ
ｏｆ Ｃ ＆ Ｎ ｉｎ ｔｅｍｐｅｒａｔｅ ｇｒａｓｓｌａｎｄ ｓｏｉｌｓ． Ｇｒａｓｓｌａｎｄ ｏｆ Ｃｈｉ⁃
ｎａ （中国草地）， ２００５， ２７（１）： ２－７ （ｉｎ Ｃｈｉｎｅｓｅ）
［３６］　 Ｌｕｇｏ Ａ， Ｓａｎｃｈｅｚ ＭＪ． Ｌａｎｄ ｕｓｅ ａｎｄ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｃｏｎ⁃
ｔｅｎｔ ｏｆ ｓｏｍｅ ｓｕｂｔｒｏｐｉｃａｌ ｓｏｉｌｓ． Ｐｌａｎｔ ａｎｄ Ｓｏｉｌ， １９８６，
９６： １８５－１９６
［３７］　 Ｃｈｅｎ Ｚ （陈　 朝）， Ｌｙｕ Ｃ⁃Ｈ （吕昌河）， Ｆａｎ Ｌ （范　
兰）， ｅｔ ａｌ． Ｅｆｆｅｃｔｓ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｏｎ ｓｏｉｌ ｏｒｇａｎｉｃ
ｃａｒｂｏｎ： Ａ ｒｅｖｉｅｗ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报），
２０１１， ３１（１８）： ５３５８－５３７１ （ｉｎ Ｃｈｉｎｅｓｅ）
［３８］　 Ｙａｎｇ Ｙ⁃Ｓ （杨玉盛）， Ｘｉｅ Ｊ⁃Ｓ （谢锦升）， Ｓｈｅｎｇ Ｈ （盛
浩）， ｅｔ ａｌ． Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｌａｎｄ ｕｓｅ ／ ｃｏｖｅｒ ｃｈａｎｇｅ ｏｎ ｓｏｉｌ
ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｓｔｏｃｋｓ ａｎｄ ｑｕａｌｉｔｙ ｉｎ ｍｉｄ⁃ ｓｕｂｔｒｏｐｉｃａｌ
ｍｏｕｎｔａｉｎｏｕｓ ａｒｅａ ｏｆ Ｓｏｕｔｈｅｒｎ Ｃｈｉｎａ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ
Ｓｉｎｃａ （地理学报）， ２００７， ６２（１１）： １１２３－ １１３１ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３９］　 Ｌｉ Ｘ⁃Ｈ （李秀花）， Ｓｈｉ Ｑ⁃Ｄ （师庆东）， Ｇｕｏ Ｊ （郭　
娟）， ｅｔ ａｌ． Ｔｈｅ ｒｅｓｐｏｎｓｅ ｏｆ ＮＤＶＩ ｔｏ ｃｌｉｍａｔｅ ｖａｒｉａｂｉｌｉｔｙ
ｉｎ ｎｏｒｔｈｗｅｓｔ ａｒｉｄ ａｒｅａ ｏｆ Ｃｈｉｎａ ｆｒｏｍ １９８１ ｔｏ ２００１． Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ａｒｉｄ Ｌａｎｄ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ （干旱区资
源与环境）， ２００９， ２３（２）：１２－１６ （ｉｎ Ｃｈｉｎｅｓｅ）
［４０］　 Ｚｈａｎｇ Ｇ （张　 国）， Ｃａｏ Ｚ⁃Ｐ （曹志平）， Ｈｕ Ｃ⁃Ｊ （胡
婵娟）． Ｓｏｉｌ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｆｒａｃｔｉｏｎａｔｉｏｎ ｍｅｔｈｏｄｓ ａｎｄ
ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｆａｒｍｌａｎｄ ｅｃｏｓｙｓｔｅｍ ｒｅｓｅａｒｃｈ： Ａ ｒｅ⁃
ｖｉｅｗ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学
报）， ２０１１， ２２（７）： １９２１－１９３０ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 刘世梁，男，１９７６年生，博士生导师，副教授．主要
从事景观生态学、ＧＩＳ 与 ＲＳ 研究． Ｅ⁃ｍａｉｌ： ｓｈｉｌｉａｎｇｌｉｕ＠ ｂｎｕ．
ｅｄｕ．ｃｎ
责任编辑　 杨　 弘
封 面 说 明
图片由中国科学院生态环境研究中心城市与区域生态国家重点实验室于洋 ２０１４ 年 ７ 月拍摄
于甘肃省定西市龙滩流域，该流域属半干旱黄土丘陵沟壑区，海拔 １８４０ ～ ２２６０ ｍ，流域面积
１６．１ ｋｍ２，多年平均降水量 ３８６．３ ｍｍ，降水量季节分配不均，春季降水较为稀少，主要集中在 ７—９
月，且多暴雨事件发生，水土流失较为严重．流域年均气温为 ６．８ ℃，平均无霜期 １５２ ｄ，潜在蒸发量
为 １６４９．０ ｍｍ，年均相对湿度 ７２％．流域土壤类型为黄绵土，流域内主要土地利用类型包括撂荒地、
灌木林地、乔木林地、农地、人工草地．同时分布着零星的天然草地．流域内的人工植被以柠条、侧
柏、山杏、油松、紫花苜蓿为主，天然植被以多年生草本为主，主要种类包括赖草、长芒草、阿尔泰狗
娃花等．多年来，中科院生态环境研究中心景观生态研究团队联合地方相关部门，在流域内开展了
长期系统的研究．伴随退耕还林工程的实施，流域内形成了不同的植被恢复模式，主要包括：退耕地
人工林草植被可持续经营模式、荒坡水土保持乔灌草配置模式、梁峁顶植被生态功能修复模式、侵
蚀沟道治理模式和农田安全与地埂保育模式．在多重植被恢复模式的基础上，流域内不仅构建了有
效的水土流失综合治理体系，也形成了丘陵沟壑交错的美丽景观．
８８９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷