全 文 ：中国生态农业学报 2015年 6月 第 23卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2015, 23(6): 676685


* 国家重点基础研究发展计划(973计划)项目(2015CB452703)、中国科学院战略性先导科技专项(XDA05070403)、国家自然科学基金项
目(31270555)和中国科学院“西部之光”人才培养计划项目资助
** 通讯作者: 张伟, 主要从事土壤环境与生态恢复研究。E-mail: zhangw@isa.ac.cn
吴敏, 研究方向为土壤环境与生态恢复。E-mail: wulem13@mails.ucas.ac.cn
收稿日期: 20141128 接受日期: 20150327
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.141369
典型喀斯特高基岩出露坡地表层土壤有机碳
空间异质性及其储量估算方法*
吴 敏1,2,3 刘淑娟1,2,3 叶莹莹1,2,3 张 伟1,2** 王克林1,2 陈洪松1,2
(1. 中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室 长沙 410125;
2. 中国科学院环江喀斯特生态系统观测研究站 环江 547100; 3. 中国科学院大学 北京 100049)
摘 要 本研究基于详尽、系统的土壤采样调查, 研究了喀斯特高基岩出露坡地典型样地(100 m×100 m)内表
层土壤(0~15 cm)有机碳(SOC)含量的空间异质性特征, 并以土壤斑块加和法为基准, 探讨了传统空间插值方
法和基于岩石出露率、土深校正的空间插值方法在喀斯特高基岩出露地区土壤表层有机碳储量估算中的适用
性。结果表明, 研究区 SOC和容重均值分别为 75.5 g·kg1和 0.8 g·cm3, 变异系数分别为 30.6%与 47.3%, 皆
呈现中等变异; SOC 半变异函数的最优拟和模型为指数模型, 块金值和基台值分别为 260.8 与 521.7, 变程为
52.5 m, 其半变异函数分别在滞后距 0~15.2 m与 34.7~54.2 m范围内呈现明显的各向异性, 说明在该尺度范围
内微地貌与地形显著影响 SOC 的空间分布; 利用土壤斑块加和法估算的样地表层 SOC 储量和碳密度分别为
983.8 kg和 0.1 kg·m2, 利用传统空间插值方法估算的表层 SOC储量和碳密度分别为 86 264.0 kg和 8.6 kg·m2,
利用基于岩石出露率、土深校正的空间插值方法估算的表层 SOC储量和碳密度分别为 2 712.8 kg和 0.3 kg·m2。
其中传统空间插值方法大大高估了喀斯特地区表层 SOC 储量和碳密度值, 用该方法估算的 SOC 储量为该区
SOC实际储量的 87.7倍, 其误估率为 8 668.4%。说明传统地统计学方法不适合估算喀斯特高基岩出露坡地表
层 SOC储量及碳密度。而基于岩石出露率、土深校正的空间插值方法大大降低了估算喀斯特高基岩出露坡地
表层 SOC储量和碳密度的误差, 为该区 SOC实际储量及碳密度的 2.7倍。说明校正后的地统计方法在估算该
区高基岩出露坡地表层 SOC储量时具有一定的适用性。以上研究表明, 地统计方法是表示该区 SOC空间分布
的有效手段, 但由于传统地统计方法难以精确拟合高基岩出露坡地土壤斑块的空间分布、微地貌特征、岩石
出露率以及土层深度等信息, 在估算同类坡地 SOC储量和碳密度时必须修正估算公式以接近实际值。
关键词 喀斯特 土壤有机碳 碳储量 碳密度 基岩出露率 土层深度
中图分类号: S153.6 文献标识码: A 文章编号: 1671-3990(2015)06-0676-10
Spatial heterogeneity and storage assessment method of surface soil
organic carbon in high bulk-rock ratio slopes of Karst Regions
WU Min1,2,3, LIU Shujuan1,2,3, YE Yingying1,2,3, ZHANG Wei1,2, WANG Kelin1,2, CHEN Hongsong1,2
(1. Key Laboratory for Agro-ecological Processes in Subtropical Region, Institute of Subtropical Agriculture, Chinese Academy of
Sciences, Changsha 410125, China; 2. Huanjiang Observation and Research Station for Karst Ecosystems, Chinese Academy of
Sciences, Huanjiang 547100, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China)
Abstract This study analyzed spatial variation features and compared assessment methods of soil organic carbon (SOC) storage in
the 015 cm layer in high bulk-ratio slope of Karst Regions. Three SOC storage assessment methods (soil patch sum method,
classical geo-statistical method and discontinuous soil interpolation method based on bulk-rock ratio and soil layer depth) were
analyzed in the study. Using grid sampling method, about 107 soil patch samples were set up in a 100 m × 100 m plot. The SOC
第 6期 吴 敏等: 典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法 677


http://www.ecoagri.ac.cn
content and soil bulk density averages were respectively 75.5 g·kg1 and 0.8 g·cm3 with relatively moderate coefficients of variation
of 30.6%, and 47.3%, respectively. The structural characteristics of SOC semivariogram followed an exponential model with nugget,
sill and range values of 260.8, 521.7 and 52.5 m, respectively. Semivariograms of SOC content and soil bulk density showed strong
anisotropy when the lag distance ranges were 015.2 m and 34.754.2 m, respectively, implying that micro-topography and
topography significantly influenced structural variations in SOC. Based on soil patch sum assessment method, SOC storage of the
plot and SOC density were respectively 983.8 kg and 0.1 kg·m2. Also for discontinuous soil interpolation method, the estimated
SOC storage of the plot and SOC density were respectively 2 712.8 kg and 0.3 kg·m2. The estimated carbon stock of the plot and
SOC density by the classical geo-statistical method were 86 264.0 kg and 8.6 kg·m2, the carbon stock was 87.7 times of the actual
value, with estimation error rate of 8 668.4%. The results suggested that the classical geo-statistical method was not suitable for
estimating carbon stock and density in high bulk-ratio slope of Karst Regions. Compared with the classical geo-statistical method,
revision of the bulk-stock ratio and soil depth significantly reduced estimation error of carbon stock and density by the discontinuous
soil interpolation method. Therefore discontinuous soil interpolation method was more suitable for the estimation of soil carbon stock
and density in such areas than the classical geo-statistical method. It was concluded that although the geo-statistical was an effective
approach for analyzing spatial heterogeneity of SOC, it failed to precisely assess spatial distributions of soil patches, habitat types,
bulk-rock ratios and soil thicknesses. Thus there was the need to revise the estimation methods in order to get the actual value of SOC.
This study provided the scientific basis for future studies on the assessment of carbon storage in Karst Regions.
Keywords Karst Region; Soil organic carbon; Carbon storage; Carbon density; Bulk-rock ratio; Soil depth
(Received Nov. 28, 2014; accepted Mar. 27, 2015)
土壤是陆地生态系统最大的碳库也是最活跃的
碳库, 探明土壤碳储量对正确评价土壤在陆地生态
系统碳收支平衡以及全球变化中的作用具有重要意
义。估算土壤碳储量的方法主要有类型法、地统计
学方法等。类型法主要有植被类型法[12]、土壤类型
法[3]等。其中土壤类型法常以土壤属性数据库为基
础, 在全国或区域尺度上根据 1 m或者 3 m范围内
土壤剖面计算土壤有机碳密度, 将剖面碳密度数据
与空间数据库中对应的图斑单元融合, 制作土壤碳
密度的分布图, 并根据各土壤类型图斑面积估算区
域内土壤有机碳储量[37]。但此类方法多基于文献和
假设进行运算, 并未考虑不同区域生态系统尺度下
的差异和土壤有机碳的空间变异性等因素, 土壤碳
储量的估算精度难以保证。地统计学方法考虑了土
壤属性的空间异质性, 利用有限的采样点对区域内
未观测点进行估值, 借助栅格运算, 在中、小尺度范
围内估算土壤碳储量, 相比类型法更为精确[811]。但
在估算高度异质性生态系统碳储量时 , 受样点密
度、采样方法等影响, 地统计学方法也存在较大的
不确定性[11]。寻求合适的方法准确估算不同生态系
统的土壤碳储量和碳密度格局对全球土壤碳库的估
计具有重要意义。
我国西南喀斯特地区是世界上最大的喀斯特连
片分布区, 该区土壤具有强大的 CO2 吸收能力, 对
减缓 CO2浓度升高具有积极作用[12], 其植被碳密度
1990—2005 年呈现明显增加趋势, 可能是全球水循
环加强背景下一个重要的碳汇[1314]。喀斯特峰丛洼
地景观发育于石灰岩、白云岩及其夹层, 基岩广泛
出露, 小生境类型复杂多样, 大量的风化残余物在
岩石裂隙和溶斗中积累, 植物根系穿插其间, 发育
有不连续的浅薄土层, 土壤具有零散分布, 厚薄不
一的特点[15], 因而喀斯特峰丛洼地从景观到群落不
同尺度水平上都表现出高度异质性[16]。尤其坡地土
壤的平均深度仅为 4~9 cm[12], 因此研究喀斯特地区
表层土壤(0~15 cm)有机碳储量是评价该区域土壤固
碳作用的基础。由于喀斯特地区独特的生境特征决
定了非喀斯特地区碳储量和碳密度估算方法并不适
合该地区 [12]。不少学者根据喀斯特生态系统特点 ,
对土壤调查和研究方法进行了改进, 如王世杰等[17]
认为喀斯特土壤有机碳的空间异质性研究和代表性
土样采集方法应以小生境面积为权重确定样地土壤
样品组成; 黄宗胜等[18]认为喀斯特地区土壤碳储量
研究必须考虑裸岩的空间分布特点; 闫俊华等[19]根
据石漠化程度确定生态系统的裸岩面积修正碳储量
估算公式, 其结果表明, 随着石漠化程度加剧土壤
有机碳储量急剧下降。也有学者认为喀斯特地区土
壤形成背景的一致性使土壤属性变化在空间上具有
连续性, 因而可以用地统计学方法研究该地区非连
续土壤的空间异质性[2023]。但目前在该地区, 地统
计学方法多用于土壤有机碳含量或其他土壤属性的
研究 [2023], 对土壤有机碳储量估算的研究少有涉
及。考虑到地统计学方法在估算土壤有机碳储量时,
将裸岩分布斑块也作为土壤分布斑块进行估算, 会
大大高估喀斯特区土壤有机碳储量。因而, 目前在
该地区还缺乏简便、成本低、而又相对精确的方法
估算土壤有机碳储量。
678 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
本研究以喀斯特峰丛洼地高基岩出露坡面为研
究对象, 在系统、详细调查土壤斑块分布情况基础
上, 通过对样地内所有土壤斑块(107 个)单独取样,
并调查土壤斑块的面积、斑块内岩石出露率、小生
境类型和土层深度, 精确估算研究区表层土壤有机
碳储量和碳密度。以精确计算得到的表层土壤有机
碳储量和碳密度值为标准, 对比了传统空间插值方
法和基于岩石出露率、土深校正的空间插值方法两
种方法在喀斯特坡地表层土壤有机碳储量估算中的
适用性, 研究结果可为以后喀斯特地区碳储量方法
研究提供一定的借鉴。
1 研究区域概况
研究区位于广西省环江毛南族自治县的下南乡
古周村(107°55′E, 24°50′N), 属典型的喀斯特峰丛洼
地, 属亚热带季风气候区, 多年平均气温 16.5~20.5 ,℃
多年平均降雨量为 1 389.1 mm。区内最低点海拔为
376 m, 与最高点海拔相差 440 m, 土地总面积
186.7 hm2, 其中耕地 17.3 hm2, 主要分布在洼地。以
山地地形为主, 25°以上坡地占总面积的 80%以上,
坡地土壤斑块平均土壤深度为 20 cm, 发育土壤主
要是石灰土 , 土质较黏重, 土被分布极不均匀 , 基
岩广泛出露, 特别是坡面平均岩石出露率达 70%以
上。自然植被以灌木林为主, 森林覆盖率仅有 13%,
水土流失、石漠化严重, 属于国家移民迁出区和西
部退耕还林还草区。20世纪 90年代末, 研究区开始
实施生态移民和退耕还林还草工程, 部分高岩石出
露率坡耕地由于土地利用收益低, 采取退耕后自然
恢复的模式。本研究以自然恢复植被(灌木林)为研究
对象, 2009年 12月在坡面建立长宽 100 m×100 m的
长期监测样地, 评估其表层土壤有机碳储量。
采样前对样地进行了详细的环境信息调查(包
括地形、微地貌等)和土地利用历史调查, 样地恢复
之前曾被严重砍伐, 并有多年耕种历史, 种植玉米
(Zea mays)。退耕还林政策实施后, 干扰相对较少,
经过 20多年植被演替为灌木林, 其群落优势种为红
背山麻杆 (Alchornea trewioides)、灰毛浆果楝
(Cipadessa cinerascens)、盐肤木(Rhus chinensis)等,
平均植被盖度约为 70.7%±17.2%, 平均土层深度约
为(20.6±5.6) cm, 土壤斑块内平均岩石出露率约为
70.6%±16.8%, 采样调查点平均岩石出露率约为
84.6%±19.0%。
2 研究方法
2.1 采样方法和试验分析
为了真实反映土壤斑块在样地内(100 m×100 m)
的空间分布特征, 2011年 11月, 详细调查了样地土
壤斑块的分布, 当 2 m×2 m范围内土壤斑块面积大
于 0.08 m2时(达到土壤样品采集条件), 即对该土壤
斑块进行调查、取样, 共调查土壤斑块 107个(图 1)。
对每个土壤斑块单独取样 , 同时用全站仪 (南方 ,
NTS-302R)记录每个土壤斑块的中心坐标(图 1)。土
壤斑块面积较小(<0.08 m2)的石洞土和石缝土由于
采样困难, 仅调查了小生境类型、植被覆盖度和岩

图 1 研究区样地和土壤采样点分布图
Fig. 1 Location of sampling area and distribution of soil sampling points
第 6期 吴 敏等: 典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法 679


http://www.ecoagri.ac.cn
石出露率。所调查土壤斑块面积范围为 0.08~3.0 m2,
其小生境类型分为土面、石土面、石槽、石缝与镶
嵌生境(土面或石面或石缝镶嵌的混合生境)[15], 各
种小生境类型所占比例依次为: 土面(45.8%)>石槽
(39.3%)>石土面(6.5%)>石缝(4.7%)>镶嵌生境(3.7%)。
为反映样地内岩石出露特征, 利用全站仪在样地布
设调查网格 , 调查点间距为 10 m, 共布设调查点
206个(与土壤斑块重复点不再重复调查)。调查并记
录了每个岩石出露率调查点和土壤采样斑块的植被
覆盖度、岩石出露率、土层深度等环境信息。其中,
植被覆盖度和岩石出露率的估算以调查样点或土壤
斑块周围 2 m×2 m内的植被覆盖面积百分比和岩石
出露面积百分比计算, 土层深度以土壤斑块内 8~15
个点的土层深度平均值表示。土壤采样时, 在土壤
斑块内随机采取 5~10 个 0~15 cm(如土层深度小于
15 cm, 则采到基岩为止)的表层土壤样品, 混合后
代表该土壤斑块土样。利用环刀法, 在土壤斑块内
取 2~3 个土壤样品测定土壤容重。采样结束后, 土
壤样品及时带回实验室, 风干、过筛, 采用重铬酸钾
容量法外加热法 (油浴)(GB7857—87)测定土壤有
机碳(SOC)含量[24]。
2.2 数据分析处理
本文利用 GS+Version 7.0和 ArcGIS 10.1进行数
据的地统计学分析, 研究 SOC空间变异特征和空间
分布格局。利用 SPSS 16.0和 Orgin 8.5进行数据的
经典统计分析, 用 Pearson 相关分析探讨 SOC 含量
与植被覆盖度、岩石出露率、土层深度等环境因子
之间的关系。
地统计学方法已广泛用于土壤空间异质性的研
究, 其相关原理和方法见文献[25]和[26], 本文不再
赘述。为反映 SOC在坡面的各向异性特征, 计算了
纵向(垂直于等高线, 0°方向)和横向(平行于等高线,
90°方向)的半变异函数, 各向异性半变异函数的角
度容差设置为 90°。下面简要介绍各向异性比的计算
方法:
     1 2/K h r h, r h,  (1)
式中: K(h)为各向异性比; r(h,θ1)和 r(h,θ2)分别为 θ1
和 θ2两个方向上的变异函数。本研究中 θ1垂直于等
高线(坡面纵向, 0°方向), θ2平行于等高线(坡面横向,
90°方向)。
2.3 SOC储量估算方法
本文采用 3种方法估算研究样地表层 SOC储量,
每种估算方法的计算公式[79,2729]如下:
1)传统空间插值方法:
1
1
SOC BD T
TSOC 0.01 10 000
n
i i i
i
n

 
  

(2)
式中: TSOC1 为传统空间插值方法计算的样地表层
土壤有机碳储量(kg), 0.01 为单位换算系数, 10 000
为采样区面积(m2), SOCi为 i单位栅格内土壤有机碳
的含量(g·kg1), BDi为 i单位栅格内土壤容重(g·cm3),
Ti为 i 单位栅格内土层深度(cm; 插值后土层深度大
于 15 cm, 取 T=15 cm), n为栅格数。本文用专业地
统计软件 GS+Version 7.0拟合土壤容重和 SOC含量
的半变异函数, 根据拟合参数结果, 利用 ARCGIS
中Geostatistical analyst模块对 SOC含量和土壤容重
进行 Kriging插值, 土层深度利用 ARCGIS中 Spatial
analyst 模块的 IDW 方法进行插值, 以上均利用 107
个土壤斑块采样点数据进行插值。
2)基于岩石出露率、土深校正的空间插值方法:
1
2
SOC BD (1 )
TSOC 0.01 10 000
n
i i i i
i
T R
n

   
  


(3)
式中 : TSOC2为基于岩石出露率、土层深度校正的
栅格运算方法计算出的表层土壤有机碳储量, 0.01、
10 000、SOCi、BDi、n与式(2)相同, Ti为 i单位栅格
内土层深度(cm; 利用 Spatial analyst模块中 IDW对
206 个调查点土层深度进行插值, 插值后土层深度
大于 15 cm, 取 T=15 cm), Ri是 i单位栅格内岩石出
露率(%; 利用ARCGIS中 Spatial analyst模块中 IDW
对 206 个调查样点土层深度和岩石出露率分别进行
插值)。
3)土壤斑块加和法:
3
1
TSOC 0.01 SOC BD 4 (1 )
n
i i i i
i
T R

       (4)
式中: TSOC3 为土壤斑块加和法计算出的表层土壤
有机碳储量, 0.01 与式(2)相同, SOCi为斑块内土壤
有机碳的含量 (g·kg1), BDi 为斑块内土壤容重
(g·cm3), Ti为 i 斑块内土层深度(cm; 当测定斑块内
土层平均深度大于 15 cm时, 取 T=15 cm), 4为取土
壤斑块的网格面积(m2), Ri为 i斑块内岩石出露率(%),
n为土壤斑块数。
其中样区土层深度和岩石出露率的空间分布
详细信息见图 2。整个样区中、上坡位土壤斑块土
层普遍较浅薄 , 下坡位土壤斑块土层厚度相对较
高。岩石出露率高 , 呈现基岩随机出露且分布广泛
的特点。
样区平均碳密度(ASOC)公式:
TSOC
ASOC
10 000
j
j  (5)
680 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn

图 2 研究区样地土层深度与岩石出露率空间分布图
Fig. 2 Spatial distribution maps of soil depth and bulk-rock ratio of sampling area in study region
式中: j为 3种不同碳储量估算方法, 10 000为采样区
面积(m2)。
碳储量和碳密度误估率(e)计算公式:
3
TSOC
TSOC
ke  或
3
ASOC
ASOC
ke  (6)
式中: k分别取 1和 2。
3 结果与分析
3.1 土壤描述性统计分析
样区 SOC 含量范围为 34.3~156.1 g·kg1, 均值
为 75.5 g·kg1, 变异系数为 30.6%(图 3A); 土壤容重
的范围为 0.4~1.1g·cm3, 均值为 0.8 g·cm3, 变异系
数为 47.3%(图 3B); 土层深度(图 3C)和岩石出露率
(图 3D)范围分别为 8.8~36.4 cm和 25.0%~98.0%, 均
值分别为 20.6 cm和 70.6%。依据变异系数的大小可
知 SOC含量和土壤容重皆呈中等变异[30]。本文采用
样本均值加减 3 倍标准差来识别特异值, 在此区间
外的数据均判定为特异值[31], 分别用区间最大值和
最小值代替。其中 SOC含量存在 1个特异值, 用区
间最大值代替。样区内 SOC含量、土壤容重、土层
深度和岩石出露率等数据的单样本 K-S 检验结果均
超过 5%显著水平, 符合正态分布(图 3), 因而不需
对原始数据进行转换就可进行地统计学分析。
3.2 土壤有机碳和容重的地统计分析
SOC 和土壤容重半变异函数最优拟合模型分
别为指数模型和球状模型(图 4), 理论模型的决定
系数均较高, 分别为 0.841和 0.875(表 1), 说明理论
模型能很好地反映各样区 SOC 和容重的空间结构
特征。SOC半变异函数模型的块金值和基台值分别

图 3 研究区土壤属性的描述性统计
Fig. 3 Descriptive statistics of soil properties in the study region
Cv: 变异系数。Cv: coefficient of variation
第 6期 吴 敏等: 典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法 681


http://www.ecoagri.ac.cn

图 4 研究区土壤有机碳(A)与容重(B)半变异函数图
Fig. 4 Semivariograms of soil organic carbon (A) and bulk density (B) in the study region
表 1 研究区土壤有机碳和容重半变异函数理论模型及其结构参数
Table 1 Best-fitted semivariogram models of soil organic carbon and bulk density and its structure parameters in the study region
模型类型
Model type
块金值(C0)
Nugget
(g2·g2)
基台值(C0+C)
Sill (g2·g2)
变程
Range
(m)
块金值/基台值
(C0/C0+C)
Nugget/Sill
(%)
残差平方和
(RSS)
Residual sum
of squares
决定系数(R2)
Coefficient of
determination
土壤有机碳含量
Soil organic carbon content
指数
Exponential
260.8 521.7 52.5 50.0 3 642 0.841
土壤容重 Soil bulk density 球状 Spherical 9.7×103 19.5×103 128.9 50.3 3.9×106 0.875

为 260.8 和 521.7, 容重半变异函数模型的块金值和
基台值分别为 9.7×103和 19.5×103, 其块金值/基台
值分别为 50.0%和 50.3%, 皆呈中等空间相关性。
SOC和容重的变程分别为 52.5 m和 128.9 m, 说明
喀斯特地区土壤容重的空间自相关范围为 SOC 的
2.5倍(表 1)。
SOC 各向异性比在滞后距 0~15.2 m 范围小于
1, 15.2~34.7 m范围内在 1上下浮动, 34.7~54.2 m范
围内大于 1, 54.2~66.9 m范围趋近于 1。土壤容重各
向异性比在滞后距 0~34.4 m 范围内小于 1, 34.4~
66.9 m范围内趋近于 1(图 5)。本研究各向异性与海
拔梯度密切相关, 其值远离 1 代表空间变异呈现异
向性。SOC在滞后距 0~15.2 m范围内垂直于等高线
(纵向)的变异小于平行于等高线(横向)的变异, 在滞
后距 34.7~66.9 m范围内垂直于等高线(纵向)的变异

图 5 研究区土壤有机碳与容重各向异性比
Fig. 5 Anisotropic ratios (K) of soil organic carbon and bulk
density in the study region
大于平行于等高线(横向)的变异。说明微地貌对容重
的影响尺度(0~34.4 m)为 SOC(0~15.2 m)的 2倍, 大
尺度(34.7~54.2 m)地形对 SOC的空间分布具有重要
影响。
3.3 土壤属性的空间结构分析
由图 6 可知, 空间分布图能直观反映土壤属性
空间格局, SOC 的空间分布呈凸型, 顺坡纵向的对
角线为高值区, 呈双峰型, 向两侧降低。在大尺度
内纵向方向的数值变化幅度明显大于横向方向, 即
样区上、中、下坡位 SOC 存在一定的空间垂直分
异格局, 其交叉验证结果中平均标准误差(0.019)小
于均方根预测误差(21.269), 说明对预测中的变异
性估计过低[32]。土壤容重的空间分布呈现凹形, 与
SOC 的空间分布呈现相反的分布趋势 , 其交叉验
证结果中平均标准误差 (0.015)与均方根预测误
差(0.114)相差不大, 说明正确地估计了预测中的变
异性 [32]。
3.4 表层土壤有机碳与环境因子之间相关分析
SOC 与土壤容重和土层深度呈极显著负相关,
相关系数分别为0.75 和0.297(P<0.01)(表 2), 说明
样区土层深厚的区域 SOC含量较低, 反之亦然。但
其与样区岩石出露率呈现极显著正相关, 相关系数
为 0.345(P<0.01)(表 2), 说明样区岩石出露率高, 土
壤斑块面积小的区域 SOC含量较高, 反之亦然。此
外, 样区的植被盖度并不影响 SOC的空间分布。
682 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn

图 6 研究区土壤有机碳与容重空间分布图
Fig. 6 Spatial distribution maps of soil organic carbon and bulk density in the study region
表 2 研究区土壤有机碳与影响因子的相关分析
Table 2 Correlation analysis between soil organic carbon and influencing factors in the study region
指标
Index
土壤容重
Bulk density
岩石出露率
Rock exposure
土层深度
Soil thickness
植被盖度
Vegetation coverage
土壤有机碳 Soil organic carbon 0.750** 0.345** 0.297** 0.051
**: 表示相关统计量检验达到显著水平(P<0.01)。**: means correlation is significant (P < 0.01).
3.5 表层土壤有机碳储量计算方法比较
利用传统空间插值方法估算求得样区的表层土
壤有机碳储量 (TSOC1)和碳密度 (ASOC1)分别为
86 264.0 kg 和 8.6 kg·m2(式 2、式 5); 基于岩石出
露率、土深校正的空间插值方法求得样区表层土
壤有机碳储量 (TSOC2)和碳密度 (ASOC2)分别为
2 712.8 kg 和 0.3 kg·m2(式 3、式 5); 土壤斑块加和
法求得样区表层土壤有机碳储量(TSOC3)和碳密度
(ASOC3)分别为 983.8 kg和 0.1 kg·m2(式 4、式 5)。
该样区具有裸岩广布, 土块空间不连续的特点, 而
土壤斑块求和法在估算区域表层土壤有机碳储量时
详细调查了每个土壤斑块的土层深度、岩石出露率
和土块面积, 能够反映样区土壤有机碳储量的真实
值, 因此在本研究中将 TSOC3和 ASOC3定为研究区
表层土壤有机碳储量和碳密度的精确估值。传统空
间插值方法与基于岩石出露率、土深校正的空间插
值方法分别为精确估算表层有机碳储量值的 87.7倍
与 2.7 倍 , 同时两种方法估算表层土壤有机碳密
度值也都高于精确估值: ASOC1(8.6 kg·m2)>ASOC2
(0.3 kg·m2)>ASOC3 (0.1 kg·m2), 分别为精确估值的
87.7 倍和 2.7 倍。说明基于岩石出露率、土深校正
的空间插值方法在估算喀斯特地区表层土壤有机碳
储量和碳密度时优于传统空间插值方法, 更接近样
区的实际值, 在估算喀斯特高岩石出露坡地表层有
机碳碳储量时更具适用性, 而传统地统计学方法并
不适合估算高裸岩坡地有机碳储量和碳密度。
4 讨论
基台值是变异函数达到的极限值, 块金值表示
随机变异的大小, 主要有 2 个来源: 一是来源于最
小取样间隔内的自然过程造成的变异, 二是来源于
试验误差[26]。样区内岩石出露率较高, 48%左右的调
查点周围岩石出露率达到 100%(石面), 导致 SOC半
变异函数模型块金值较大。根据 SOC各向异性比分
析, 大尺度上(滞后距 34.7~54.2 m范围内)地形显著
影响 SOC的空间垂直分异。这主要由于喀斯特峰丛
坡地难以形成连续的地表径流, 未受人为干扰土壤
侵蚀过程并不发育, SOC不易受土壤侵蚀而丢失[33]。
经过近 30年的自然封育, 中上坡位岩石出露率较高,
封闭性的小生境逐渐发育, 土壤物质不易侵蚀而逐
渐积累; 坡下部分岩石出露率较低、土壤斑块较大、
土层深度较厚而历史干扰强度较大, 这导致 SOC沿
坡纵向方向上积累不均衡而发生明显的方向性变
异。此外, 以往研究表明 SOC和容重存在显著的负
指数关系[28], 本研究结果也表明, SOC 与容重呈极
显著负相关, 这导致 SOC和容重在空间分布上存在
相反的分布趋势。
SOC 与岩石出露率呈极显著正相关, 而与土层
深度呈极显著负相关, 这与 Zhang 等[34]研究结果一
致。其研究认为基岩周围样点(多为石槽土)一般土层
浅薄, 有机碳集中在少量的土壤中, 形成 SOC 含量
较高的石碗土; 同时, 历史耕作过程中岩石出露率
较高的土壤斑块农业利用难度大, 耕作强度小, 有
机碳更利于集中在石块附近; 岩石出露率低的斑块,
土层较厚, 有机质易被分散到较大的范围内, 造成
连片的土壤斑块有机碳含量低。结合样区实际情况,
SOC 空间分布高值区域生境类型多为石缝土与石槽
土, 而石缝和石槽岩石出露率明显大于其他生境类
第 6期 吴 敏等: 典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法 683


http://www.ecoagri.ac.cn
型 [大小分别为石缝 (91.0%)>石槽 (76.8%)>土面
(67.7%)>镶嵌生境(64.3%)>石土面(52.9%)]。植被通
过凋落物归还, 改变树下温度和湿度等微环境, 影
响土壤发育和土壤有机碳积累[35]。但植被覆盖度与
SOC 的相关性较低(未达到显著水平), 这主要与研
究区土壤斑块高岩石出露率有关, 其平均岩石出露
率达 70.6%±16.8%, 而广泛的基岩出露导致凋落物
碎片、土壤颗粒和养分在石面侵蚀并在岩隙和石槽
中沉积 [36], 造成凋落物和土壤养分的再次分配, 导
致岩石出露率高的峰丛坡地植被盖度对 SOC的空间
分布没有明显影响。
在喀斯特地区土壤总量和碳储量都非常少 [12],
本研究喀斯特坡地表层土壤有机碳密度(0.1 kg·m2)
远小于全国平均水平(9.6 kg·m2)[3,67]、中国灌木
林(11.5 kg·m2)[6]的土壤碳密度水平 , 说明喀斯特
特殊的岩溶地质环境对土壤有机碳密度影响深刻 ;
样区碳密度 (0.1 kg·m2)也小于广西土壤碳密度
(9.8 kg·m2)[6]、贵州普定喀斯特地区灌木林土壤碳密
度(2.37 kg·m2)、次生林土壤碳密度(5.25 kg·m2)[12]
以及贵州茂兰喀斯特地区由草本至乔木的各个演替
阶段的土壤碳密度(3.2~6.9 kg·m2)[18], 说明喀斯特
地区土壤高度空间异质性造成有机碳密度在空间变
幅甚大。传统空间插值方法是一种非喀斯特地区估
算碳储量的经典方法[15], 然而在本研究中, 其碳储
量和碳密度估算值为精确估值的 87.7倍。说明非喀
斯特地区估算碳储量和碳密度的方法并不适合喀斯
特地区, 其误估率为 8 668.4%(式 6)。这主要由于传
统空间插值方法数据插值时仅考虑土壤属性之间的
距离与相关性等因素的影响 [26], 未考虑岩石出露
率、土块以及小生境的空间分布状况对样区土壤有
机碳、深度与容重的影响。而根据实地调查, 取样
土壤斑块内各种小生境类型的平均岩石出露率为
52.9%~91.0%, 土壤空间分布不连续 , 斑块面积大
小不一, 但传统空间插值方法将样区假定为连续的
土面, 过大估算了样区的土壤面积, 从而导致误估
率大, 说明传统的地统计学方法估算喀斯特地区表
层土壤有机碳储量存在很大的误差。基于岩石出露
率、土深校正的插值方法尝试通过 206 个调查样点
岩石出露率和土层深度信息拟合样区土被不连续情
况, 其碳储量和碳密度估算值为精确估值的 2.7 倍,
其误估率为 175.7%(式 6), 在估算喀斯特碳储量和
碳密度时优于传统空间插值方法, 符合样区基岩大
面积出落, 土面、石土面、石槽、石缝与镶嵌生境
等多种小生境发育的特点, 大大降低了估算误差。
以上研究表明尽管地统计学方法是反映喀斯特土壤
属性空间异质性的有效手段, 但在估算高裸岩出露
坡地土壤碳储量和碳密度仍需进一步修正。而在估
算高裸岩坡地表层土壤有机碳储量时不仅要考虑土
壤的空间分布状况, 还必须把小生境类型和岩石出
露率作为关键影响因子纳入采样方案以及碳储量估
算方法中。
5 结论
本文研究了典型喀斯特高基岩出露坡地表层土
壤有机碳空间异质性及有机碳储量估算方法, 结果
表明尽管喀斯特地区土壤具有土层薄而不连续, 多
种小生境发育等的特点, SOC 含量仍具有明显的空
间结构和空间连续性, 其半变异函数拟合模型为指
数模型, 变程为 52.5 m。各向异性分析和相关分析
表明, SOC空间分布的主要控制因素为地形、小生境
类型、岩石出露率和土层深度。传统空间插值方法
估算的碳储量值和碳密度值为土壤斑块加和法(精
确估值)的 87.7 倍, 存在很大误差, 而基于岩石出露
率、土深校正的空间插值方法大大降低了误差, 其
碳储量和碳密度值为精确估值的 2.7 倍。在喀斯特
地区, 土壤的分布格局、小生境以及基岩出露对土
壤有机碳储量的精确估计影响巨大, 合理修正碳储
量的估算公式, 是在大尺度上精确估算喀斯特地区
碳储量值的基础。但本研究基于岩石出露率、土深
校正的空间插值方法与精确估值仍有一定差距, 如
何能既减少试验投入又简便快速精确探明喀斯特地
区碳储量值仍是一个难题。
参考文献
[1] Ni J. Carbon storage in grasslands of China[J]. Journal of
Arid Environments, 2002, 50(2): 205–218
[2] 刘华 , 侯琳 , 雷瑞德 . 秦岭火地塘林区油松和华山松林的
空间分布格局及碳储量与碳密度研究[J]. 中国农业生态学
报, 2007, 15(1): 5–8
Liu H, Hou L, Lei R D. Carbon storage and carbon density of
Pinus tabulaeformis and Pinus armandii forests at Huoditang
forest region in Qinling Mountain[J]. Chinese Journal of
Eco-Agriculture, 2007, 15(1): 5–8
[3] 于东升, 史学正, 孙维侠, 等. 基于 1︰100 万土壤数据库
的中国土壤有机碳密度及储量研究 [J]. 应用生态学报 ,
2005, 16(12): 2279–2283
Yu D S, Shi X Z, Sun W X, et al. Estimation of China soil
organic carbon storage and density based on 1︰1 000 000
soil database[J]. Chinese Journal of Applied Ecology, 2005,
16(2): 2279–2283
[4] Li Z P, Han F X, Su Y, et al. Assessment of soil organic and
carbonate carbon storage in China[J]. Geoderma, 2007, 138
684 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
(1/2): 119–126
[5] Yu D S, Shi X Z, Wang H J, et al. National scale analysis of
soil organic carbon storage in China Based on Chinese soil
taxonomy[J]. Pedoshere, 2007, 17(1): 11–18
[6] Yu D S, Shi X Z, Wang H J, et al. Regional patterns of soil
organic carbon stocks in China[J]. Journal of Environmental
Management, 2007, 85(3): 680–689
[7] Wu H B, Guo Z T, Peng C H. Land use induced changes of
organic carbon storage in soils of China[J]. Global Change
Biology, 2003, 9(3): 305–315
[8] Zhang C S, Tang Y, Xu X L, et al. Towards spatial
geochemical modeling: Use of geographically weighted
regression for mapping soil organic carbon contents in
Ireland[J]. Applied Geochemistry, 2011, 26(7): 1239–1248
[9] 徐艳, 张凤荣, 段增强, 等. 区域土壤有机碳密度及碳储量
计算方法探讨[J]. 土壤通报, 2005, 36(6): 836–839
Xu Y, Zhang F R, Duan Z Q, et al. Calculation method for
density and storage of soil organic carbon[J]. Chinese Journal
of Soil Science, 2005, 36(6): 836–839
[10] 揣小伟, 黄贤金, 赖力, 等. 基于 GIS的土壤有机碳储量核
算及其对土地利用变化的响应 [J]. 农业工程学报 , 2011,
27(9): 1–6
Chuai X W, Huang X J, Lai L, et al. Accounting of surface
soil carbon storage and response to land use change based on
GIS[J]. Transactions of the Chinese Society of Agricultural
Engineering, 2011, 27(9): 1–6
[11] 上官魁星, 吴金水, 周脚根, 等. 县域尺度土壤有机碳储量
估算的样点密度优化[J]. 土壤学报, 2014, 51(1): 41–48
Shangguan K X, Wu J S, Zhou J G, et al. Optimum density of
sampling for estimation of soil organic carbon stock at a
country scale[J]. Acta Pedologica Sinica, 2014, 51(1): 41–48
[12] Liu Y G, Liu C C, Wang S J, et al. Organic carbon storage in
four ecosystem types in the Karst Region of southwestern
China[J]. PLoS ONE, 2013, 8(2): e56443
[13] 张明阳, 王克林, 刘会玉, 等. 基于遥感影像的桂西北喀斯
特区植被碳储量及密度时空分异[J]. 中国生态农业学报 ,
2013, 21(12): 1545–1553
Zhang M Y, Wang K L, Liu H Y, et al. Spatio-temporal
variation of vegetation carbon storage and density in Karst
Areas of Northwest Guangxi based on remote sensing
images[J]. Chinese Journal of Eco-Agriculture, 2013, 21(12):
1545–1553
[14] Liu Z H, Dreybrodt W, Wang H J, et al. A possible important
CO2 sink by the global water cycle[J]. Chinese Science
Bulletin, 2008, 53(3): 402–407
[15] 张伟, 王克林, 陈洪松, 等. 典型喀斯特峰丛洼地土壤有机
碳含量空间预测研究[J]. 土壤学报, 2012, 49(3): 601–606
Zhang W, Wang K L, Chen H S, et al. Use of satellite
information and GIS to predict distribution of soil organic
carbon in depression amid cluster of Karst peaks[J]. Acta
Pedologica Sinica, 2012, 49(3): 601–606
[16] 曹建华, 袁道先, 裴建国, 等. 受地质条件制约的中国西南
岩溶生态系统[M]. 北京: 地质出版社, 2005: 16–23
Cao J H, Yuan D X, Pei J G, et al. Karst Ecosystem
Constrained by Geological Conditions in Southwest China[M].
Beijing: Geological Publishing House, 2005: 16–23
[17] 王世杰, 卢红梅, 周运超, 等. 茂兰喀斯特原始森林土壤有
机碳的空间变异性与代表性土样采集方法[J]. 土壤学报 ,
2007, 44(3): 475–483
Wang S J, Lu H M, Zhou Y C, et al. Spatial variability of soil
organic carbon and representative soil sampling method in
Maolan Karst virgin forest[J]. Acta Pedologica Sinica, 2007,
44(3): 475–483
[18] 黄宗胜 , 符裕红 , 喻理飞 . 喀斯特森林植被自然恢复过程
中土壤有机碳库特征演化 [J]. 土壤学报 , 2013, 50(2):
306–314
Huang Z S, Fu Y H, Yu L F. Characteristic evolution of soil
organic carbon pool with the process of natural restoration of
Karst forest vegetation[J]. Acta Pedologica Sinica, 2013,
50(2): 306–314
[19] 闫俊华, 周传艳, 文安邦, 等. 贵州喀斯特石漠化过程中的
土壤有机碳与容重关系 [J]. 热带亚热带植物学报 , 2011,
19(3): 273–278
Yan J H, Zhou C Y, Wen A B, et al. Relationship between soil
organic carbon and bulk density in the rocky desertification
process of Karst ecosystem in Guizhou[J]. Journal of Tropical
and Subtropical Botany, 2011, 19(3): 273–278
[20] 刘方, 王世杰, 罗海波, 等. 喀斯特森林生态系统的小生境
及其土壤异质性[J]. 土壤学报, 2008, 45(6): 1055–1062
Liu F, Wang S J, Luo H B, et al. Micro-habitats in Karst forest
ecosystem and variability of soils[J]. Acta Pedologica Sinica,
2008, 45(6): 1055–1062
[21] 张伟, 陈洪松, 王克林, 等. 典型喀斯特峰丛洼地坡面土壤
养分空间变异性研究[J]. 农业工程学报, 2008, 24(1): 68–73
Zhang W, Chen H S, Wang K L, et al. Spatial variability of
soil nutrients on hillslope in typical Karst peak-cluster
depression areas[J]. Transactions of the Chinese Society of
Agricultural Engineering, 2008, 24(1): 68–73
[22] 张伟, 陈洪松, 王克林, 等. 喀斯特地区典型峰丛洼地旱季
表层土壤水分空间变异性初探[J]. 土壤学报, 2006, 43(4):
554–562
Zhang W, Chen H S, Wang K L, et al. Spatial variability of
surface soil water in typical depressions between hills in
Karst Region in dry season[J]. Acta Pedologica Sinica, 2006,
43(4): 554–562
[23] 苏松锦, 刘金福, 何中声, 等. 格氏栲天然林土壤养分空间
异质性[J]. 生态学报, 2012, 32(18): 5673–5682
Su S J, Liu J F, He Z S, et al. The spatial heterogeneity of soil
nutrients in a mid-subtropical Castanopsis kawakamii natural
forest[J]. Acta Ecologica Sinica, 2012, 32(18): 5673–5682
[24] 鲍士旦. 土壤农化分析[M]. 第 3 版. 北京: 中国农业出版
社, 2000
Bao S D. Soil and Agricultural Chemistry Analysis[M]. 3rd ed.
Beijing: China Agricultural Press, 2000
[25] 王政权. 地统计学及在生态学中的应用[M]. 北京: 科学出
版社, 1999
Wang Z Q. Geo-Statistics and Its Application in Ecology[M].
Beijing: Science Press, 1999
[26] Webster R, Oliver M A. Geostatistics for Environmental
Scientists[M]. 2nd ed. Chichester: John Wiley and Sons, 2007
第 6期 吴 敏等: 典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法 685


http://www.ecoagri.ac.cn
[27] Zhang C, Liu G B, Xue S, et al. Soil organic carbon and total
nitrogen storage as affected by land use in a small watershed
of the Loess Plateau, China[J]. European Journal of Soil
Biology, 2013, 54: 16–24
[28] Han F P, Hu W, Zheng J Y, et al. Estimating soil organic
carbon storage and distribution in a catchment of Loess
Plateau, China[J]. Geoderma, 2010, 154(3/4): 261–266
[29] Fang X, Xue Z J, Li B C, et al. Soil organic carbon
distribution in relation to land use and its storage in a small
watershed of the Loess Plateau, China[J]. Catena, 2012, 88(1):
6–13
[30] Cambardella C A, Moorman T B, Parkin T B, et al.
Field-scale variability of soil properties in Central Iowa
soils[J]. Soil Science Society of America Journal, 1994, 58(5):
1501–1511
[31] 刘付程, 史学正, 于东升, 等. 太湖流域典型地区土壤全氮
的空间变异特征[J]. 地理研究, 2004, 23(1): 63–70
Liu F C, Shi X Z, Yu D S, et al. Characteristics of spatial
variability of total soil nitrogen in the typical area of Taihu
Lake basin[J]. Geographical Research, 2004, 23(1): 63–70
[32] 池建. 精通 ArcGIS 地理信息系统[M]. 北京: 清华大学出
版社, 2011
Chi J. Proficient ArcGIS Geography Information System[M].
Beijing: Tsinghua University Press, 2011
[33] 张伟, 刘淑娟, 叶莹莹, 等. 典型喀斯特林地土壤养分空间
变异的影响因素[J]. 农业工程学报, 2013, 29(1): 93–100
Zhang W, Liu S J, Ye Y Y, et al. Spatial variability of soil
nutrients and its influencing factors in typical Karst virgin
forest[J]. Transactions of the Chinese Society of Agricultural
Engineering, 2013, 29(1): 93–100
[34] Zhang W, Chen H S, Wang K L, et al. The heterogeneity and
its influencing factors of soil nutrients in peak-cluster
depression areas of Karst region[J]. Agricultural Sciences in
China, 2007, 6(3): 322–329
[35] Gea-lzquierdo G, Montero G, Cañellas I. Changes in limiting
resources determine spatio-temporal variability in tree-grass
interactions[J]. Agroforestry Systems, 2009, 76(2): 375 –387
[36] 张伟, 陈洪松, 王克林, 等. 种植方式和裸岩率对喀斯特洼
地土壤养分空间分异特征的影响[J]. 应用生态学报, 2007,
18(7): 1459–1463
Zhang W, Chen H S, Wang K L, et al. Effects of planting
pattern and bare rock ratio on spatial distribution of soil
nutrients in Karst depression area[J]. Chinese Journal of
Applied Ecology, 2007, 18(7): 1459–1463