全 文 ：第 35 卷第 22 期
2015年 11月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.35,No.22
Nov., 2015
http: / / www.ecologica.cn
基金项目:中央级公益性科研院所基本科研业务费专项资金(CAFRIFEEP201101)
收稿日期:2014鄄03鄄25; 摇 摇 网络出版日期:2015鄄04鄄20
*通讯作者 Corresponding author.E鄄mail: zenglx@ caf.ac.cn
DOI: 10.5846 / stxb201403250556
田耀武,曾立雄,黄志霖,肖文发,向勇.森林土壤有机碳深度分布模型的构建与应用.生态学报,2015,35(22):7503鄄7510.
Tian Y W,Zeng L X,Huang Z L,Xiao W F,Xiang Y.Construction and application of a depth distribution model for soil organic carbon in forest areas.Acta
Ecologica Sinica,2015,35(22):7503鄄7510.
森林土壤有机碳深度分布模型的构建与应用
田耀武1,2,曾立雄2,*,黄志霖2,肖文发2,向摇 勇3
1 河南科技大学林学院, 洛阳摇 471003
2 中国林业科学研究院森林生态环境与保护研究所 国家林业局森林生态环境重点实验室, 北京摇 100091
3 秭归县林业局,秭归 443600
摘要:了解森林土壤有机碳 (SOC)的深度分布模式对正确估算森林碳储量,充分发挥森林碳汇功能,减缓全球气候变化有着重
要意义。 选取寒温带针叶林、温带落叶林、亚热带针阔混交林、热带常绿阔叶林等 4 类森林生物群系,建立 SOC 深度分布数据
库,构建 SOC质量密度的深度分布模型;使用 Nash鄄Sutcliffe效率系数 (E)、误差百分比 (PE)、决定系数 (R2) 等统计参量评定
模型的模拟效果;利用构建的深度分布模型外推更深层 SOC密度。 研究结果表明:(1) 本文所构建的森林 SOC深度分布模型
模拟值与观测值较为吻合,Nash鄄Sutcliffe效率 E、误差百分比 PE和决定系数 R2平均为 0.74、6.95%、0.88 (P < 0.05),模型模拟
能力较高 (E > 0.6),模拟误差值低于可接受的临界值 (PE < 依15%),说明构建的模型可以对该地区森林 SOC 密度值进行估
算;(2) 寒温带针叶林 0—20 cm层 SOC质量密度较高,热带常绿阔叶林较低;20 cm以下则是寒温带针叶林较低,热带常绿阔
叶林较高,热带常绿阔叶林具有更深层的 SOC分布;用 0—100 cm 深度的 SOC 来表征区域 SOC 储量时结果偏低。 若考虑 0—
200 cm深度,0—100 cm深度 SOC值平均偏低约 21.8%,在热带地区这种偏低趋势可能更加突出,误差可能更大。 (3) 模型对
表层 SOC密度有偏低预测趋势,对深层 SOC密度预测值可能偏高;作为一个森林 SOC 深度分布模拟工具,模型可以在有限区
域条件下估算不同深度 SOC密度值。
关键词:森林;土壤有机碳;深度分布;模型
Construction and application of a depth distribution model for soil organic carbon
in forest areas
TIAN Yaowu1,2,ZENG Lixiong2,*,HUANG Zhilin2,XIAO Wenfa2,XIANG Yong3
1 College of Forestry, Henan University of Science and Technology, Luoyang 471003, China
2 State Forestry Administration Key Laboratory of Forest Ecology and Environment, Research Institute of Forest Ecology, Environment and Protection, Chinese
Academy of Forestry, Beijing 100091, China
3 Forestry Bureau of Zigui County, Zigui 443600, China
Abstract: The pool of soil organic carbon (SOC) in a forest forms an important component in the global carbon (C) cycle.
SOC plays an important role in enhancing forest productivity and mitigating the net rate of global greenhouse gas emissions.
The risk of global warming has caught the attention of the scientific community as it relates to SOC stocks in forest
ecosystems. The precise measurement of SOC stocks and verification of the amount of C sequestered in the soil are critical
factors for the implementation of C trading programs. SOC in mineral soils generally decreases with depth; however, this
decrease is non鄄linear and has been frequently modeled as an exponential function. We selected four forest types (boreal
forest, temperate deciduous forest, subtropical mixed forest, and tropical evergreen broadleaved forest) and analyzed the
http: / / www.ecologica.cn
exponential function for SOC mass density. We established an SOC database for layers of the soil profile by measuring the
SOC in typical areas in the four forest biomes. The depth distribution models for the mass density of SOC were established by
a typical sampling method. The model was calibrated using 60% of the data of the profiles, and 40% of the data was used
for validation purposes. The entire evaluation for the results of model simulation consisted of determining the coefficient of
determination (R2 ), Nash鄄Sutcliffe coefficient of efficiency ( E), and the percentage error ( PE). Next, the depth
distribution models evaluated here were used to simulate the distribution of SOC deeper into the soil profile. The results
showed that the simulation values for the depth distribution models of the four forest biomes and the observed values were
relatively consistent. The average values of R2, E, and absolute PE were 0.88, 0.74, and 6.95%, respectively. The model
simulations had a relatively high capacity (E > 0.6), and the PE of the model was simulated within a range with acceptable
accuracy (PE < 依15%). The model could be used to simulate the depth distribution of forest soil organic carbon. Second,
the boreal coniferous forest had a much higher density of SOC in the 0—20 cm layer than those of the tropical deciduous
forest and the two other forest types. In contrast, the SOC densities in other layers of boreal coniferous forest were lower,
while those of the tropical deciduous forest were higher. The regional SOC densities were lower when SOC densities in the
0—100 cm soil layers were used to characterize the regional SOC density. When compared with the SOC densities in the
range of 0—200 cm in the soil profile, the SOC densities in the 0—100 cm soil layer were about 21.8% lower than the
overall density. Any error in this calculation may be greater and more prominent in regions with high temperatures and
precipitation rates. For rainfall events of a small magnitude, the model generally over鄄estimated mass density at the bottom
of the soil profile, while the opposite was true; that is, for regions with large amounts of rainfall, the model generally under鄄
estimated the surface SOC density. In general, the model performs well at simulating the depth distribution of SOC, and it
can be used as a forest SOC management tool to simulate the depth distribution of SOC in some regions.
Key Words: forest; soil organic carbon (SOC); depth distribution; model
森林有机碳 (SOC)库的动态变化显著影响森林主要的生态过程、温室气体成分以及气候变化速率[1鄄2]。
森林 SOC的深度分布模式对土壤肥力、林业生产、以及调控全球气候变化有着重要作用。 森林 SOC的丰度影
响森林生产力并受森林生产力的影响。 了解森林 SOC深度分布模式对正确认识森林生物圈至关重要[3]。 已
有大量文献研究了森林 SOC的迁移、转化、存储机制,SOC 的深度分布,SOC 储量随海拔的变化,地带性气候
对森林 SOC储量影响因素等[3鄄7]。 但是,森林 SOC调查深度目前没有统一标准,有采用 100 cm 深度,还有采
用 30、50 cm深度[8鄄11],鲜有文献涉及低于 100 cm及 100 cm以下 SOC丰度对全土壤层的影响[12]。 一般地,森
林 SOC表层密度值最高,随深度的增加,密度值呈指数函数形式迅速下降[6, 13鄄15]。 基于此,本文的研究目标
是:(1) 建立我国寒温带针叶林、温带落叶林、亚热带针阔混交林、热带常绿阔叶林等 4 类主要森林生物群系
SOC的深度分布函数,选取统计参量对模型模拟能力进行评定;(2) 使用深度分布函数对低于 100 cm深度的
SOC丰度进行外推,评估 4类森林生物群系 SOC的深度分布规律,量化 0—100 cm深度 SOC丰度估算误差。
1摇 材料与方法
1.1摇 森林 SOC质量密度的深度分布
地表层森林 SOC 密度值最高,随深度增加 SOC 急剧下降,接近母质层时 SOC 密度值最低。 本文选取指
数函数 (式 1)来表示 SOC深度分布模式,利用式 2来计算给定深度的 SOC密度[8,12,14]:
Sh = S肄 + (S0 - S肄 )·exp(k·h) (1)
Qh = h·S肄 + (S0 - S肄 )·(e
k·h - 1) / k (2)
式中,Sh为 h深度 SOC质量密度 (kg / m3);h,土壤某一深度 (m); S0为土壤表层 SOC 质量密度 (kg / m3);S肄
为接近母质层时 SOC质量密度值 (kg / m3);k为常数;Qh为单位面积 h深度内 SOC密度 (kg / m2)。
4057 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
1.2摇 土壤有机碳含量的测定
选择黑龙江省群胜林场 (F1,寒温带针叶林)、河南省大沟河林场 (F2,温带落叶林)、湖北省九岭头林场
(F3,亚热带针阔混交林)和海南省尖峰岭自然保护区 (F4,热带常绿阔叶林)等 4 个森林经营单位作为采样
区。 2012年,按均匀性和代表性原则,在 4个样区内分别确定 85—109 个采样点 (表 1),并对各样点进行编
号。 测定各样点表层 (S0)土壤容重及 SOC含量;用 椎5 cm 土钻以 20 cm 深度间隔取样,直至母质层。 测定
各段土壤容重、SOC的平均含量;测定土壤剖面最底层 S肄土壤容重、SOC 含量。 4 个样区内约 60%土壤剖面
数据用于模型参数率定,约 40%样点数据用于模型的验证 (表 1)。 土壤容重、SOC 含量均按国家相关标准
进行[16]。
表 1摇 采样区域分布
Table 1摇 Sampling regional distribution
编号
Code
生物
群系
Biome
样本数
Number
of samples
优势树种
Dominant tree species
采样地区
Sampling area
位置
Location
土壤类别
Soil type
郁闭度
Canopy
density
林龄
Age
/ a
海拔
Elevation
/ m
F1 寒温带针叶林 64 / 45
兴安落叶松
Larix gmelinii Rupr.
樟子松 Pinus sylvestnis var.
mongolica Litv.
群胜林场 130毅08忆—130毅18忆46毅39忆—46毅42忆 暗棕壤 0.4—0.5 30 300—450
F2 温带落叶林 66 / 40
栓皮栎 Quercus variabilis
山毛榉 Fagus longipetiolata
大沟河
林场
112毅24忆—110毅27忆
34毅32忆—34毅34忆 褐土 0.4—0.5 25 450—650
F3
亚热带
针阔混
交林摇
48 / 37 马尾松 Pinus massoniana桤木 Alnus glutinosa
九岭头
林场
110毅45忆—110毅53忆
30毅50忆—30毅56忆 黄壤 0.5—0.6 30 800—1000
F4
热带常
绿阔叶
林摇 摇
49 / 39 青梅 Vitica mangachapoi木荷 Schimasuperba
尖峰岭自
然保护区
108毅44忆—109毅02忆
18毅23忆—18毅52忆 砖红壤 0.6—0.7 500—800
摇
SOC质量密度与含量用式(3) 来换算。 土壤容重是影响 SOC 储量和密度的重要指标,对于难以测定的
土段的容重,用式(4) 进行估算[8,14,17]。
Sh = 籽S 伊
[C]
1000
(3)
籽s = 1.66 - 0.318 伊
[C]
10
(3)
式中,籽s为土壤容重;[C]为有机碳含量。
用上述 SOC深度分布数据,分别构建 4类森林生物群系 SOC 深度分布模型,用 SPSS 相关模块进行非线
性参数估计。
1.3摇 模型模拟效果评估
SOC深度分布模型参数率定后,输出各样点 SOC 深度分布数据。 使用 Nash鄄Sutcliffe 预测效率系数 E[18]
(式 5)、误差百分比 PE (式 6)、决定系数 R2(式 7) 等 3个统计参量评定模型模拟能力。
E = 1.0 -
移
N
i = 1
(Mi - P i) 2
移
N
i = 1
(Mi - M
—) 2
(5)
PE =
移
N
i = 1
(Mi - P i)
移
N
i = 1
Mi
(6)
5057摇 22期 摇 摇 摇 田耀武摇 等:森林土壤有机碳深度分布模型的构建与应用 摇
http: / / www.ecologica.cn
R2 =
移Ni = 1(Mi - M
—)(Mi - P i)
移Ni = 1(Mi - M
—)[ ]2 0.5 移Ni = 1(P i - P
—)[ ]2 0.{ }5
2
(7)
式中,N各样点土段总数, Mi观测值,M
— 平均观测值,P i模拟值,P
— 平均模拟值。
E值的统计意义为,观测值与模拟值回归线与 1颐1 线的符合程度[19],为负值或较小时其统计意义表示不
能被接受,E > 0.6表示模拟结果可以接受[20],E = 1时表示观测值与模拟值完全相等;PE值表示模拟值对观
测值误差百分比,Chiew等[20]认为 PE < 15%时模型模拟误差可以接受;决定系数 R2统计意义为观测值与模
拟值之间可以相互以直线关系说明部分所占的比率。
1.4摇 模型应用
利用参数率定后的模型 1、2,估算各样区各剖面层 SOC密度,计算各层 SOC密度与 0—100 cm层 SOC 密
度的比值。
2摇 结果与分析
2.1摇 SOC的深度分布模型
用各样区 SOC数据进行非线性回归参数估计,得到 SOC深度分布模型:
F1摇 Sh = 1.535+68.45伊exp(-7.8924伊h) (8)
F2摇 Sh = 2.105+52.71伊exp(-6.340伊h) (9)
F3摇 Sh = 2.465+49.87伊exp(-5.970伊h) (10)
F4摇 Sh = 2.965+43.35伊exp(-4.662伊h) (11)
图 1摇 SOC密度与深度分布关系
摇 Fig.1摇 The relationship between soil organic carbon density and
depth distribution
方差分析结果表明,4 样区 S0层 SOC 质量密度差
异极为显著 (P < 0.01),表现为寒温带针叶林 (68.45
kg / m3) > 温带落叶林 (52.71 kg / m3) > 亚热带针阔混
交林 (49. 87 kg / m3) > 热带常绿阔叶林 (43. 35 kg /
m3);剖面底层 S肄质量密度差异显著 (P < 0.05),但顺
序与表层相反,表现为寒温带针叶林 (1.535 kg / m3) <
温带落叶林 ( 2. 105 kg / m3 ) < 亚热带针阔混交林
(2.465 kg / m3) < 热带常绿阔叶林 (2.965 kg / m3)。 所
有样区 SOC质量密度随深度的增加而呈指数形式迅速
下降 (图 1)。 寒温带针叶林下降最为迅速,热带常绿阔
叶林下降较缓,上述特点在模型中表现为指数 k 的变
化:热带常绿阔叶林 ( -4.662) > 亚热带针阔混交林
(-5.970) > 温带落叶林 ( - 6. 340) > 寒温带针叶
林(-7.8924)。
2.2摇 率定期模型模拟能力
SOC深度分布模型参数率定是优化森林经营管理,
增加碳汇功能的重要一步。 模型在参数率定阶段模拟值与观测值结果见图 2。 寒温带针叶林 SOC 模拟值与
观测值较为吻合,Nash鄄Sutcliffe效率系数 E、误差百分比 PE和决定系数 R2等值分别为 0.68、6.9%、0.89 (P <
0.05);温带落叶林效率系数 E、误差百分比 PE和决定系数 R2等值分别为 0.76、8.8%、0.94 (P < 0.05);亚热
带针阔混交林 E、PE和 R2等值分别为 0.75、-5.8%、0.91 (P < 0.05);热带常绿阔叶林 E、PE和 R2等值分别为
0.78、7.9%、0.91 (P < 0.05)。 所有样区中 E值均高于可接受界值 0.6,百分比误差远小于依15%,表明模型在
率定阶段模拟能力较高,误差较小。
6057 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
图 2摇 模型率定期观测值与模拟值对比
Fig.2摇 Comparison between observed and simulated SOC for model calibration
2.3摇 模型验证期模拟能力评估
验证阶段模型模拟值与观测值见图 3。 与率定期的结果类似,所有样区 E值均高于可接受界值 0.6,百分
比误差远小于 依15%,这充分说明可以用该模型进行本地区 SOC 深度分布的模拟。 对模拟效率,热带常绿阔
叶林 E值 > 寒温带针叶林 E值 > 亚热带针阔混交林 E值 > 温带落叶林 E值。 这与模型率定期表现规律并
不相同,说明 SOC深度分布影响因素并不局限于地理位置。
寒温带针叶林模拟效率 E 值和决定系数 R2值均大于参数率定阶段,而误差百分比 PE 又小于前一阶段,
这说明寒温带针叶林模型验证阶段的模拟效果优于率定阶段;而亚热带针阔混交林与寒温带针叶林结果相
反;温带落叶林和热带常绿阔叶林表现出一定的不确定性。
深度分布模型在率定期和验证期均表现为 SOC 模拟值与观测值较为吻合,Nash鄄Sutcliffe 效率系数 E、误
差百分比 PE和决定系数 R2差异不显著 (P > 0.05)。 E、PE、R2平均值为 0.74、6.95%、0.88,以上所构建的模
型对各样区 SOC的深度分布预测能力较高,可以对 SOC的深度分布进行估算。
2.4摇 森林土壤有机碳密度值的估算
利用式 1、式 2,得到样区,0—20 cm、0—30 cm、…、0—200 cm以及 0—20 cm、20—40 cm、…、100—200 cm
等各土壤剖面层 SOC密度值 (表 2)。
由表 2,看到单位面积森林 SOC储量均随深度的增加而增加。 如,寒温带针叶林 0—20 cm层 SOC密度为
7.04 kg / m2,0—100 cm为 10.01 kg / m2,0—200 cm时已增至 11.54 kg / m2;在以 20 cm为间隔的深度分布层次
上,随深度的增加 SOC密度急剧下降。 如,寒温带针叶林 0—20 cm层 SOC 密度为 7.04 kg / m2,20—40 cm 已
降至为 1.69 kg / m2,80—100 cm时已低至 0.32 kg / m2。
在 0—20 cm层内,4类森林 SOC密度差异显著 (P < 0.05),表现为:寒温带针叶林 (7.04 kg / m2) > 温带
落叶林 (6.16 kg / m2) >亚热带针阔混交林 (6.03 kg / m2) > 热带常绿阔叶林 (5.85 kg / m2)。 这可能与降雨
7057摇 22期 摇 摇 摇 田耀武摇 等:森林土壤有机碳深度分布模型的构建与应用 摇
http: / / www.ecologica.cn
图 3摇 模型验证期观测值与模拟值对比
Fig.3摇 Comparison between observed and simulated SOC for model validation
量、平均气温以及土壤微生物环境因素有关;0—100 cm层内,4 类森林 SOC 密度差异并不明显 (P > 0.05);
0—200 cm层 4类森林 SOC密度值表现为:寒温带针叶林 (11.54 kg / m2) < 温带落叶林 (12.19 kg / m2) < 亚
热带针阔混交林 (12.87 kg / m2) < 热带常绿阔叶林 (14.59 kg / m2),这也充分说明热带常绿阔叶林有更深的
SOC分布。
由表 2看到,4个样区内,0—20 cm层 SOC密度均占到 0—100 cm层的 50%以上。 寒温带植被群系比值
高达 70.29%,热带雨林最低为 50.63%。 0—50 cm / 0—100 cm的 SOC密度比值,4样区均超过了 80%,这可能
是多数文献把森林 SOC研究深度限定于 100 cm的原因。
寒温带针叶林 (0—20) cm / (0—100) cm SOC 密度比值为 70.29%,(20—40) cm / (0—100) cm 比值
(16.88%) 迅速下降,(80—100) cm / (0—100) cm 下降到了 3.19%;热带常绿阔叶林中 (0—20) cm / (0—
100) cm比值为 50.63%,(20—40) cm / (0—100) cm值迅速下降,但下降速度明显小于寒温带群系,其 (80—
100) cm / (0—100) cm的比值约为寒温带群系的 2 倍,这说明热带常绿阔叶林受气候地理条件的影响,SOC
向下层迁移速度高于寒温带针叶林,亚热带和温带生物群系 SOC密度变化趋势处于二者之间。
特别地,寒温带针叶林 (100—200) cm / (0—100) cm SOC密度比值为 15.37%,热带常绿阔叶林 (100—
200) cm / (0—100) cm比值高达 26.38%,平均为 21.8%。 这说明当使用 0—100 cm 剖面中 SOC 含量来推算
某生物群系整个 SOC密度值时,得到的结果可能偏低,在热带地区表现可能更为突出。
8057 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇
http: / / www.ecologica.cn
表 2摇 各土壤剖面 SOC密度与 0—100 cm层的比值
Table 2摇 The ratio of soil organic carbon density in soil profile layer and 0—100 cm layer
土层
Soil layers / cm
F1 /
(kg / m2)
F1
0—100 / %
F2 /
(kg / m2)
F2
0—100 / %
F3 /
(kg / m2)
F3
0—100 / %
F4 /
(kg / m2)
F4
0—100 / %
0—20 7.04 70.29 6.16 61.12 6.03 58.04 5.85 50.63
0—30 8.14 81.36 7.42 73.68 7.36 70.83 7.41 64.20
0—50 9.08 90.73 8.70 86.36 8.77 84.46 9.30 80.58
0—100 10.01 10.07 10.39 11.55
0—200 11.54 12.19 12.87 14.59
0—20 7.04 70.29 6.16 61.12 6.03 58.04 5.85 50.63
20—40 1.69 16.88 2.03 20.15 2.16 20.78 2.66 23.03
40—60 0.59 5.89 0.87 8.63 1.00 9.62 1.41 12.20
60—80 0.36 3.59 0.58 5.75 0.65 6.25 0.91 7.87
80—100 0.32 3.19 0.43 4.27 0.54 5.19 0.72 6.23
100—150 0.77 7.70 1.07 106.60 1.25 12.05 1.56 13.48
100—200 1.54 15.37 2.12 21.04 2.49 23.93 3.05 26.38
3摇 讨论
植被分布格局是 SOC的深度分布的主要影响因素,气候和土壤质地是区域 SOC 总量的控制因素[11,21]。
森林植被生产力、地上和地下生物量配置、土壤微生物机制等都深刻影响 SOC 的深度分布模式[22],相关学者
已构建类似的 SOC的深度分布模型来推测区域 SOC储量[4鄄5,8],以上文献和本文均认为指数函数模型较适合
于研究 SOC的深度分布。 本文在所构建的 SOC深度分布模型的率定和验证上,均表现出一定的不确定性,这
可能与所选取指数函数模型的自身缺陷、选样时间、SOC含量的测定方法,以及模型评定方法的选择有关[13]。
因为包括本文在内的所有模型在参数率定时,均是假设调试数据真实可靠,但部分数据总存在一定的误差和
错误,这也可能是模型不确定性因素之一。 本文尽管选取了不同气候带内的 4 个样区,尽量保证各林区内生
境的相似性,但还有微生物因素、微地形因素,以及采样时间的差异并没有考虑。
森林 SOC调查的典型深度通常确定为 100 cm[23],这在估算 SOC 储量时,存在有较大的误差。 Batjes[24]
认为,全球 0—100 cm层中 SOC储量约为 1500—1600 Pg,如果考虑 100—200 cm 土壤剖面层,SOC 量会增加
60%。 对 4类森林类型的调查结果表明,如果考虑 100—200 cm的深度,SOC储量将增加 20%左右,增加的比
值较小,这可能与森林土壤的特性有关。 SOC深度分布函数可以对更深剖面 SOC 含量进行外推,有利于更深
层 SOC的计量研究。 本文利用建立的深度分布模型,测算出三峡库区秭归县九岭头林场样点区域 0—100 cm
土层内 SOC约为 10.39 kg / m2,与我国林地 10.78 kg / m2的平均密度值相当[1],但低于王鹏程等[25]采用样点法
对三峡库区森林生态系统 SOC 密度 11.77 kg / m2的估算值;如果考虑 200 cm 的深度,九岭头林场样点区域
SOC密度约为 12.87 kg / m2,高于全国林地 SOC密度的平均值,也高于王鹏程等[25]三峡库区 11.77 kg / m2的估
算值。
热带常绿阔叶林顶层 SOC密度值较低,但下层 SOC密度值较高,热带森林具有比寒温带森林更深的 SOC
分布。 热带地区 SOC随深度下降较慢的原因不是深层 SOC性质更稳定[4],很可能是热带土壤由于降雨、微生
物作用,具有更强烈和更深入的生物混合,SOC向下垂直运输速度较快,从而使表层 SOC 密度值减少,深层密
度值增加,所以热带地区森林具有较深的 SOC 深度分布。 Don 等[11]认为高渗透性土壤这一现象更为明显。
我们在研究中也发现,即使是同一地区的林地,如果砂粒含量越高,土壤毛细孔越大,土壤渗透性越强,垂直运
输的特点就越明显,SOC随深度下降趋势就较慢。
虽然指数形式的模型可以外推更深层 SOC密度,但可能高估低于 100 cm深度时 SOC的密度值。 我们在
调试时就发现模型对表层 SOC含量预测结果有偏低趋势,对深层 SOC含量有偏高模拟趋势,因为在实际采样
9057摇 22期 摇 摇 摇 田耀武摇 等:森林土壤有机碳深度分布模型的构建与应用 摇
http: / / www.ecologica.cn
中,很难确定基岩对土壤深度的限制作用。 特别是现有的 SOC深度分布模式是基于典型的土壤剖面数据,而
没有考虑 SOC向下迁移转化时,土体内部发生的物理障碍作用。 一些研究认为由于土壤层的限制而夸大
SOC含量误差约为 7%左右。 特别是在一些坡度较大、生境较为恶劣、土壤剖面较浅的林地,其影响可能更
大。 对深层 SOC的密度分析,需要进一步考虑,特殊地段的模型估计也有待于进一步论证。
参考文献(References):
[ 1 ]摇 刘世荣, 王晖, 栾军伟. 中国森林土壤碳储量与土壤碳过程研究进展. 生态学报, 2011, 31(19): 5437鄄5448.
[ 2 ] 摇 王敏, 李贵才, 仲国庆, 周才平. 区域尺度上森林生态系统碳储量的估算方法分析. 林业资源管理, 2010, 28(2): 107鄄112.
[ 3 ] 摇 黄志霖, 田耀武, 肖文发, 马德举. 三峡库区防护林土壤有机碳的累积. 南京林业大学学报: 自然科学版, 2013, 37(2): 15鄄20.
[ 4 ] 摇 Mishra U, Lal R, Slater B, Calhoun F, Liu D S, Van Meirvenne M. Predicting soil organic carbon stock using profile depth distribution functions
and ordinary kriging. Soil Science Society of America Journal, 2009, 73(2): 614鄄621.
[ 5 ] 摇 Zinn Y L, Lal R, Resck D V S. Texture and organic carbon relations described by a profile pedotransfer function for Brazilian Cerrado soils.
Geoderma, 2005, 127(1鄄2): 168鄄173.
[ 6 ] 摇 田耀武, 黄志霖, 肖文发. 三峡库区典型流域退耕地植物种类及凋落物对土壤有机碳固定的影响. 生态学杂志, 2012, 31( 11):
2742鄄2747.
[ 7 ] 摇 路秋玲, 王国兵, 杨平, 郑阿宝, 阮宏华. 森林生态系统不同碳库碳储量估算方法的评价. 南京林业大学学报: 自然科学版, 2012, 36
(5): 155鄄160.
[ 8 ] 摇 Jobb佗gy E G, Jackson R B. The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecological Applications, 2000,
10(2): 423鄄436.
[ 9 ] 摇 于东升, 史学正,孙维侠,王洪杰,刘庆花, 赵永存. 基于 1颐100万土壤数据库的中国土壤有机碳密度及储量研究. 应用生态学报, 2005,
16(12): 2279鄄2283.
[10] 摇 赵俊芳, 延晓冬, 贾根锁. 1981—2002年中国东北地区森林生态系统碳储量的模拟. 应用生态学报, 2009, 20(2): 241鄄249.
[11] 摇 Don A, Schumacher J, Scherer鄄Lorenzen M, Scholten T, Schulze E D. Spatial and vertical variation of soil carbon at two grassland sites鄄
implications for measuring soil carbon stocks. Geoderma, 2007, 141(3鄄4): 272鄄282.
[12] 摇 Fontaine S, Barot S, Barr佴 P, Bdioui N, Mary B, Rumpel C. Stability of organic carbon in deep soil layers controlled by fresh carbon supply.
Nature, 2007, 450(7167): 277鄄280.
[13] 摇 Baginska B, Milne鄄Home W, Cornish P S. Modelling nutrient transport in Currency Creek, NSW with AnnAGNPS and PEST. Environmental
Modelling and Software, 2003, 18(8鄄9): 801鄄808.
[14] 摇 Meersmans J, De Ridder F, Canters F, De Baets S, Van Molle M. A multiple regression approach to assess the spatial distribution of Soil Organic
Carbon (SOC) at the regional scale (Flanders, Belgium). Geoderma. 2008, 143(1鄄2): 1鄄13.
[15] 摇 许文强, 陈曦, 罗格平, 张清, 张豫芳, 唐飞. 基于 CENTURY模型研究干旱区人工绿洲开发与管理模式变化对土壤碳动态的影响. 生态
学报, 2010, 30(14): 3707鄄3716.
[16] 摇 鲁如坤. 土壤农业化学分析法. 北京: 中国农业科学出版社, 2000.
[17] 摇 Wu H B, Guo Z T, Peng C H. Land use induced changes of organic carbon storage in soils of China. Globe Change Biology, 2003, 9(3):
305鄄315.
[18] 摇 Nash J E, Sutcliffe J V. River flow forecasting through conceptual models part I A discussion of principles. Journal of Hydrology, 1970, 10(3):
282鄄290.
[19] 摇 Cheng H G, Ouyang W, Hao F H, Ren X Y, Yang S T. The non鄄point source pollution in livestock鄄breeding areas of the Heihe River basin in
Yellow River. Stochastic Environmental Research and Risk Assessment, 2007, 21(3): 213鄄221.
[20] 摇 Chiew F H S, Stewardson M J, McMahon T A. Comparison of six rainfall鄄runoff modelling approaches. Journal of Hydrology, 1993, 147(1鄄 4):
1鄄36.
[21] 摇 支俊俊, 荆长伟, 张操, 吴嘉平, 倪治华, 陈红金, 徐进. 利用 1颐5 万土壤数据库估算浙江省土壤有机碳密度及储量. 应用生态学报,
2013, 24(3): 683鄄689.
[22] 摇 Yu D S, Shi X Z, Wang H J, Sun W X, Chen J M, Liu Q H, Zhao Y C. Regional patterns of soil organic carbon stocks in China. Journal of
Environmental Management, 2007, 85(3): 680鄄689.
[23] 摇 Baisden W T, Parfit R L. Bomb 14C enrichment indicates decadal C pool in deep soil?. Biochemistry, 2007, 85(1): 59鄄68.
[24] 摇 Batjes N H. Total carbon and nitrogen in the soils of the world. European Journal of Soil Science, 1996, 47(2): 151鄄163.
[25] 摇 王鹏程, 邢乐杰, 肖文发, 黄志霖, 潘磊, 曾立雄. 三峡库区森林生态系统有机碳密度及碳储量. 生态学报, 2009, 29(1): 97鄄107.
0157 摇 生摇 态摇 学摇 报摇 摇 摇 35卷摇