全 文 ：中国生态农业学报 2015年 1月 第 23卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2015, 23(1): 34−42


* 国家自然科学基金项目(4120124)和国家科技支撑计划项目(2013BAD07B13)资助
罗由林, 研究方向为土壤资源环境。E-mail: S20132717@163.com
收稿日期: 2014−09−08 接受日期: 2014−10−27
DOI: 10.13930/j.cnki.cjea.141034
四川省仁寿县土壤有机碳空间分布特征及其主控因素*
罗由林 李启权 王昌全 张 新 张 维 贾 荔 袁大刚 吴德勇
(四川农业大学资源环境学院 成都 611130)
摘 要 准确地获取区域尺度内土壤有机碳含量信息对土壤碳调控及全球环境变化具有重要意义。本研究基
于野外实地采集的 555个表层(0~20 cm)土样, 探讨四川省仁寿县土壤有机碳空间分布特征及其主控因素。运
用方差分析和回归分析对比了成土母质、土壤类型和土地利用方式对仁寿县土壤有机碳空间分布的影响。结
果表明: 研究区表层土壤有机碳含量为 3.36~37.10 g·kg−1, 平均 13.46 g·kg−1, 变异系数为 48.87%, 属中等强度
的空间变异性。块金效应 C0/(C0+C)为 66.7%, 空间分布受结构性因素和随机性因素的共同影响, 总体呈现北
高南低的趋势。土地利用方式和土壤类型对土壤有机碳的影响极显著(P<0.01), 而成土母质的影响不明显
(P=0.256)。土类能够独立解释 23.7%的土壤有机碳空间变异; 亚类和土类的解释能力接近, 分别为 27.0%和
27.1%, 土壤亚类可作为探讨该区域土壤有机碳空间变化的最小土壤分级单元。土地利用方式能独立解释
53.0%的土壤有机碳空间变异, 远大于土壤类型, 是研究区土壤有机碳空间分布的主控因素。
关键词 土壤有机碳 空间变异 主控因素 地统计学 川中丘陵
中图分类号: S153.6 文献标识码: A 文章编号: 1671-3990(2015)01-0034-09
Spatial variability of soil organic carbon and related controlling factors
in Renshou County, Sichuan Province
LUO Youlin, LI Qiquan, WANG Changquan, ZHANG Xin, ZHANG Wei,
JIA Li, YUAN Dagang, WU Deyong
(College of Resources and Environment, Sichuan Agricultural University, Chengdu 611130, China)
Abstract Accurately accessing soil organic carbon (SOC) content at regional scale has been very important in regulating soil
carbon and global environmental changes. Spatial distribution characteristics of SOC and the main driving factors (such as soil type,
land use and parent materials) in Renshou County, Sichuan Province, were analyzed for a total of 555 topsoil (0−20 cm) samples
using variance analysis and regression analysis. The results show that SOC content in the study area was in the range of 3.36−37.10
g⋅kg−1, with an average of 13.46 g⋅kg−1. The coefficient of variation was 48.87%, suggesting that SOC in the study area had moderate
variability. The nugget-to-sill ratio value was 66.7%, suggesting that SOC had moderate spatial dependence and that spatial
variability of SOC was determined by co-effects of structural and random factors. The content of SOC in the northern area was much
higher than that in the southern region. Analysis of variance showed that while the effects of land use and soil type on SOC were
significant (P < 0.01), parent materials had no obvious effect on SOC content (P = 0.256). Regression analysis showed that soil type
was related with soil classification. Soil group, subgroup and soil family explained respectively 23.7%, 27.0% and 27.1% of SOC
spatial variability. Land use type independently explained 53.0% of SOC spatial variability, much larger than that of soil type and
suggesting that land use was the main qualitative driving factor of SOC availability. Soil subgroup and family similarly explained
spatial variability of SOC, suggesting that soil subgroup was applicable at the lowest level of soil classification in studying spatial
patterns of SOC in the study area. Also land use type was the key regulating factor of the spatial variability of SOC in hilly areas of
Middle Sichuan Basin.
Keywords Soil organic carbon; Spatial variability; Controlling factors; Geostatistics; Hilly area in Middle Sichuan Basin
(Received Sep. 8, 2014; accepted Oct. 27, 2014)
第 1期 罗由林等: 四川省仁寿县土壤有机碳空间分布特征及其主控因素 35


土壤是陆地生态系统最大的有机碳库[1]。土壤
有机碳 (SOC)含量和动态直接影响着全球碳循环 ,
也影响着土壤质量和植物生长 [2−4]; 其空间变化信
息则是分析土壤质量、合理利用土壤资源以及研究
以碳为基础的温室气体收支平衡的基础资料。受多
种因素影响, 一定区域内土壤有机碳的空间分布存
在高度异质性。因此, 研究土壤有机碳空间分布的
影响因素, 对于准确掌握土壤有机碳的空间分布信
息和估算土壤碳储量有着重要意义。
在众多的影响因素中, 定性因素如成土母质、
植被类型或土地利用方式以及土壤类型等对土壤有
机碳空间分布的影响显著[5−9]。在全球、国家及省域
等不同尺度上的土壤有机碳研究中, 大多以植被类
型、土壤类型等因素[10−11]的类别斑块作为基本空间
单元研究土壤有机碳的空间分布和估算土壤碳储
量。成土母质则是土壤形成的物质基础, 对土壤有
机碳空间分布的影响不容忽视[9]。有研究表明, 在土
壤有机碳空间分布的预测性制图中, 引入土地利用
方式、土壤类型或成土母质等定性因素的预测方法,
与仅以地形因子和植被指数等定量因素作为辅助变
量的方法相比, 可显著地提高预测精度[6,12−15]; 这是
因为定性因素可在一定程度上影响定量因子对土壤
有机碳空间分布的作用 [12,16], 如国家尺度上耕作土
地可降低土壤有机碳对气温和降水的敏感性[17]。因
此分析区域土壤有机碳空间分布的定性主控因素 ,
对于掌握调控区域土壤有机碳的关键因子以及全球
碳循环研究有着重要作用。
不同尺度上土壤有机碳空间分布的定性主控因
素存在明显的区域差异。如河北省省域尺度上土地
利用对土壤有机碳空间变异的解释能力大于土类 ,
但小于土壤亚类和土属 [5]; 徐淮黄泛平原上土地利
用方式对土壤有机碳空间分布的影响大于成土母质
和土壤类型[18]; 而江苏省域尺度上成土母质的影响
则大于土地利用方式[19]。县级尺度上, 范胜龙等[15]
的研究认为, 土壤类型较土地利用类型对反映土壤
有机碳含量的分布影响更大。上述研究表明, 成土
母质、土壤类型以及土地利用方式等定性因素对土
壤有机碳空间分布的影响随着研究区域和研究尺度
变化而变化, 存在明显的区域特征和尺度效应。
川中丘陵区地处四川盆地西南部, 地貌以中、
浅切割的丘陵为主 , 地形破碎 , 人口密集 , 土地垦
殖率高, 是四川省粮、棉、油等重要粮经作物的生产
基地, 也是长江上游水土流失最严重的地区之一[20]。
虽然已有对该区域土壤有机碳空间分布及影响因素
的研究报道[21−24], 但研究区域主要集中在小流域尺
度上, 对成土母质、土地利用方式等影响因素的分
析则是以定性描述为主。本研究以川中丘陵第一大
县仁寿县为案例区, 通过野外实地采样, 结合土地
利用方式、成土母质和土壤类型, 探究川中丘陵县
域尺度上土壤有机碳空间分布特征及其定性主控因
素, 以期为该区域土壤有机碳空间分布的高精度预
测和相关部门制定合理的有机碳管理措施提供参考
依据。
1 材料与方法
1.1 研究区概况
仁寿县位于四川省东南部(图1), 地理坐标29°37′~
30°20′N和103°54′~104°29′E, 面积2 606 km2, 人口
162万, 辖22个镇、38个乡, 为四川省第一大县。地
貌以丘陵为主 , 包括部分低山区域 ; 海拔 345~
972 m。县域处于亚热带季风湿润气候区, 四季分明,
温暖湿润; 年均气温17.4 ℃, 年均降雨1 009.4 mm,
年均日照时数1 196.6 h, 无霜期312 d。成土母质以
蓬莱镇组泥砂岩和沙溪庙组泥砂岩风化物为主, 包
含8个出露地层的11种母质类型。全县主要有紫色
土、水稻土和黄壤3个土类, 含5个亚类、16个土属。
土地利用程度较高, 土地类型主要有耕地、林地、
园地和草地等, 其中耕地以水田、旱地和水旱轮作3
种利用方式为主(图 1)。
1.2 土壤样品采集与分析
根据研究区的实际情况, 在考虑样点代表性与
空间分布均匀性的基础上, 结合研究区成土母质、
土壤类型等资料以20 km×20 km网状进行采样点布
设, 采样过程中根据仁寿县地形地貌和土地利用方
式等适当调节采样点位置和增减样点, 使样点在空
间上具有典型代表性。于2012年11—12月在全县采
集表层(0~20 cm)土壤样点558个(图 1 b)。采样时去
除地表凋落物, 每一采样点周围 5 m 范围内取 4 个
点, 混合后以四分法取样。采样的同时记录每个采
样点的地理坐标、海拔、成土母质、土地利用方式、
土壤类型、种植制度和施肥状况等地表环境信息。
土壤样品在室内自然风干后, 去除石砾和根系等杂
物, 研磨过100目筛, 采用重铬酸钾法测定土壤有机
碳含量 [25], 测定过程中每个样品重复两次, 以保证
数据质量。
1.3 数据处理
采用域值法 [26]剔除3个异常样点后, 利用剩余
555个土壤样点的有机碳含量数据进行本研究相关
内容的分析。经典统计分析、相关分析、方差分析
以及回归分析均在SPSS 20软件中完成; 考虑到成
土母质、土壤类型、土地利用方式为定性分类变量,
研究中采用哑变量(虚拟变量)进行赋值。引入哑变量
36 中国生态农业学报 2015 第 23卷



图 1 研究区土地利用类型(a)和基础信息及土壤采样点分布(b)
Fig. 1 Land use types (a), basic geographic information and spatial distribution of sample points (b) of the study area
可使线形回归模型变得更复杂 , 1个方程能达到2
个方程的作用 , 同时对问题描述更简明。本文回归
分析中 , 为了避免共线性 , 定义哑变量时 , 对k个
类别即定义k个哑变量来表示这些类别。赋值原理
如下 :
( )1, 1,2,3, ,
0,
i
X i k
⎧= =⎨⎩
类
其他 " (1)
式中: 变量 X 表示 3 类定性因素(A类、B类、C类),
则需2个哑变量来表示, 赋值方法: Z1=1, Z2=0代表 A
类; Z1=0, Z2=1代表B类; Z1=0, Z2=0 代表 C 类。
再用哑变量来区别需比较的不同组, 拟合多重
回归模型如下(这里只有一个协变量, 两组比较):
Y=β0+β1X+β2Z+β3XZ+E (2)
式中: Y 代表赋值后的回归模型; X为要控制的协变
量; Z为哑变量, 表示要比较的组别; β0、β1、β2、β3
分别表示不同的回归系数 ; 当Z=0, Y0=β0+β1X+E;
当 Z=1, Y1=(β0+β2)+(β1+β3)X+E; 检验两条回归方
程是否平行, 式中即检验β3是否等于0; β3=0反映协
方差分析要求协变量与所研究的变量没有交互作
用。如两条回归线平行, 拟合回归模型:
Y=β0+β1X+β2Z+E (3)
如此通过设置哑变量Z可检验回归线是否平行,
也可实现从回归分析角度理解方差分析, 实现对定
性因素的定量化分析[27]。
方差分析用于揭示不同定性因素对土壤有机质
的影响是否存在显著差异, 回归分析用于定量表达
各影响因素对土壤有机质空间变异的独立解释能
力。运用地统计学方法进行空间结构分析, 其中半
方差函数的计算及拟合模型在GS+ 7.0上进行, 空间
分布特征在ArcGIS 9.2 软件平台上实现。
2 结果与分析
2.1 土壤有机碳含量的频数分布特征
根据 555 个土壤样点有机碳含量的统计结果
(表 1), 研究区表层土壤有机碳含量为3.36~37.10 g⋅kg−1,
平均含量13.46 g⋅kg−1, 这一水平略低于全国平均水
平[28], 也低于邻近的成都平原[29]。全区土壤有机碳
含量变异系数为48.87%, 属中等程度的空间变异性,
与川中丘陵其他县域尺度上的结果基本一致[12]。
K-S 检验结果表明, 研究区土壤有机碳含量呈
偏态分布(表 1和图 2, P<0.001), 由于方差分析和回
归分析要求因变量为正态分布, 研究过程中采用土
壤有机碳含量值的对数转换值(K-S 检验, P=0.260)
进行分析。
2.2 土壤有机碳的空间分布特征
半方差分析能较好地刻画土壤有机碳空间分布
的随机性和结构性等, 其模型的最优选择主要根据
决定系数R2 来决定, 并综合考虑RSS(残差)、块金值
和有效距离。从半方差拟合结果(表2, 图3)来看, 研
究区SOC符合指数模型, 其决定系数R2为0.819, 残
差 RSS 输出小, 拟合效果较好。基台值为0.225, 表
明在当前采样密度下存在着由试验误差、采样误差、
采样间距的变异及耕作施肥等随机因素共同引起的
变异。块金效应C0/(C0+C)为66.7%, 按照区域化变量
空间相关性程度的分级标准, 属于中等程度的空间
变异, 表明土壤有机碳的空间变异受结构性因素和
随机性因素的共同影响且更倾向于受随机性因素影
响。其中, 结构性因素主要是指土壤在形成过程中
的母质类型、土壤类型等, 随机性因素则是指诸如
土地利用方式等能在一定程度上反映耕作活动、种
第 1期 罗由林等: 四川省仁寿县土壤有机碳空间分布特征及其主控因素 37


表 1 研究区不同成土母质土壤有机碳含量统计特征
Table 1 Descriptive statistics characteristics of soil organic carbon content with different soil parent materials in the study area
母质类型
Parent material
样点数
Number
最小值
Minimum
(g·kg−1)
最大值
Maximum
(g·kg−1)
平均值
Mean
(g·kg−1)
标准差
Standard
deviation (g·kg−1)
变异系数
Variation
coefficient (%)
偏度系数
Skewness
峰度系数
Kurtosis
第四系老冲洪物
Q2 alluvial deposits
44 5.55 28.10 13.46 4.43 32.91 1.11 1.83
灌口组泥砂岩
K1g shaly sandstone
16 3.36 24.40 13.03 8.12 62.33 0.44 −1.59
夹关组砂岩
K1j sandstone
17 6.24 27.60 11.81 5.38 45.57 1.72 3.68
蓬莱镇组泥砂岩
J3p shaly sandstone
135 3.87 37.10 14.14 6.65 47.02 0.97 0.71
沙溪庙组泥砂岩
J2S2 shaly sandstone
135 4.21 32.69 12.97 7.21 55.63 1.14 0.29
沙溪庙组砂岩
J2S1 sandstone
12 5.98 23.44 12.12 5.30 43.76 0.61 0.16
遂宁组泥砂岩
J2Sn shaly sandstone
95 4.11 32.30 13.51 6.46 47.84 0.82 −0.03
天马山组砂泥岩
K1t sandstone and
mudstone
35 5.22 30.40 12.78 6.52 51.04 1.30 1.07
须家河组砂岩
T3X sandstone
39 6.32 32.39 15.26 6.50 42.63 1.03 0.73
自流井组泥灰岩
J1z marl
12 6.48 19.24 11.32 3.83 33.85 0.91 0.31
自流井组泥砂岩
J1z shaly sandstone
15 4.40 34.25 13.57 8.33 61.35 1.26 1.43
总计 Total 555 3.36 37.10 13.46 6.58 48.87 1.02 0.50

图 2 研究区土壤有机碳含量及其对数转换值的频率分布
Fig. 2 Histograms of soil organic carbon (SOC) contents and its log-transformed values in the study area
表 2 研究区土壤有机碳半方差函数模型及其参数
Table 2 Theoretical semivariogram model for soil organic carbon content and parameters values in the study area
理论模型
Theoretical model
块金值(C0)
Nugget
基台值(C0+C)
Partial sill
块金效应[C0/(C0+C)]
Nugget/sill
变程(A)
Range (km)
决定系数(R2)
Determination coefficient
残差(RSS)
Residual
指数模型 Exponential model 0.15 0.225 66.7 8.0 0.819 1.42E-03


图 3 研究区土壤有机碳半方差函数
Fig. 3 Isotropic semivariogram of soil organic carbon in the study area
植制度、投入管理水平差异的人为活动因素; 结构
性因素使得土壤属性具有空间自相关性, 而随机性
因素则会减弱土壤属性的空间自相关性, 增大其异
质性。从步长距离来看, 土壤有机碳的变程为 8.0 km,
空间自相关范围较小, 与川中丘陵其他县域尺度上
土壤有机质空间自相关范围接近[12,30]。
为直观反映土壤有机碳的空间分布格局, 运用
半方差模型结果在 ArcGIS 9.3软件平台进行空间插
值, 得到研究区的土壤有机碳空间分布图(图 4)。该
区土壤有机碳高值区主要位于西北部低山地区和东
南部深丘区域, 低值区则主要位于中部浅丘, 这与
38 中国生态农业学报 2015 第 23卷



图 4 研究区土壤有机碳(SOC)空间分布
Fig. 4 Spatial distribution of soil organic carbon in the study
area
该区地形地貌和土地利用方式密切相关。海拔相对
较高的区域多为林草地, 有机碳易于积累; 中部浅
丘多为农耕地, 有机碳不易积累, 土壤有机碳含量
相对较低。土壤有机碳含量在 12.00~18.00 g·kg−1之
间的区域面积分布最广, 总体水平较低, 与统计结
果一致。
2.3 土壤有机碳含量影响因素分析
2.3.1 成土母质
成土母质可通过影响土壤矿物组成和土壤质地
来影响土壤的理化性质。对研究区不同母质发育的
土壤有机碳含量进行统计, 结果表明, 不同成土母
质的土壤有机碳含量有一定差异(表1); 其中由须家
河组砂岩风化物发育的土壤其有机碳含量最高, 其
平均值为15.26 g·kg−1; 然后依次是蓬莱镇组泥砂岩
(14.14 g·kg−1)、自流井组泥砂(13.70 g·kg−1)、遂宁组
泥砂岩(13.61 g·kg−1)、第四系老冲洪物(13.46 g·kg−1)、
灌口组泥砂岩(13.03 g·kg−1)、沙溪庙组泥砂岩(12.97 g·kg−1)、
天马山组砂泥岩(12.78 g·kg−1)、沙溪庙组砂岩(12.34 g·kg−1)、
夹关组砂岩(11.81 g·kg−1)和自流井组泥灰岩(11.32 g·kg−1)。
从变异情况来看, 各成土母质下土壤有机碳含量变
异系数为32.91%~62.33%, 平均变异系数为47.63%,
略低于全区土壤有机碳含量的变异系数。
2.3.2 土壤类型
研究区不同土壤类型有机碳含量的统计结果表
明(表3), 不同土壤类型有机碳含量不同。从土类来
看, 3个土类中, 水稻土土壤有机碳含量平均值达到
17.10 g·kg−1, 远高于黄壤土壤有机碳(11.93 g·kg−1)
和紫色土(11.25 g·kg−1)。从各土类土壤有机碳含量的
变异系数来看, 紫色土变异系数56.97%最高, 而水
稻土最低 , 为31.15%。3个土类的平均变异系数为
45.34%, 低于全区土壤有机碳含量的变异系数。紫
色土的3个亚类中 , 中性紫色土和酸性紫色土有机
碳含量较为接近, 而石灰性紫色土有机碳含量明显
高于中性紫色土和酸性紫色土。石灰性紫色土和中
性紫色土有机碳含量变异系数略大于酸性紫色土 ,
但均在50%以上。从不同土属来看, 16个土属中紫泥
田有机碳含量最高, 平均值达到18.63 g·kg−1, 是最
小值酸紫泥土有机碳平均值的2.25倍。从3个土壤类
型分级来看, 土壤分类级别越低, 同一级别内土壤
有机碳含量平均值越接近。
2.3.3 土地利用方式
不同土地利用方式下土壤有机碳含量差异明显
(表4)。耕地地类的3种利用方式中, 水田土壤有机碳
平均含量最高, 达到20.95 g·kg−1, 高于水旱轮作方
式, 是旱地利用方式下的2.71倍。这是因为水田长期
处于淹水低温状态, 有机质易积累, 并且分解缓慢,
因而土壤有机碳含量较高。林地利用方式下土壤有
机碳平均含量为16.42 g·kg−1, 仅次于水田; 同时土
壤样点有机碳含量最大值也出现在林地利用方式
下。这主要是在林地利用方式下, 枯落物归还量大,
有机碳容易积累。旱地土壤有机碳含量在所有利用
方式中最低, 这是因为旱作方式下水分不饱和, 土
壤处于好气环境, 有机质矿化速度较快; 同时由于
地表作物大多被人为收获, 归还量小, 导致土壤有
机碳积累速度缓慢。从变异系数来看, 不同利用方
式下土壤有机碳含量变异系数为24.78%~46.80%, 平
均为31.32%; 其中耕地(水田、旱地和水旱轮作方式)
土壤有机碳含量变异系数小于自然土壤(林地和草地),
这表明耕作活动降低了研究区土壤有机碳的空间变
异程度, 与省域和国家等尺度上的规律一致[19,29,31]。
2.4 主控影响因素分析
为定量揭示各因素对区域土壤有机碳空间变异
的影响程度, 对成土母质、土壤类型、土地利用方
式进行回归分析(表 5)。结果显示: 定性因素中, 成
土母质对研究区土壤有机碳含量的影响并不显著
(P>0.05), 这一结果与川中丘陵区已有相关研究报
道一致[23]。不同土地利用方式和土壤类型土壤有机
碳含量差异显著(P<0.01)。
但土壤类型和土地利用方式对研究区土壤有机
碳含量空间变异的影响程度大小有明显差异。回归
分析结果表明(表 5), 土类、亚类和土属对土壤有
机碳含量空间变异的独立解释能力分别为23.7%、
27.0%和 27.1%, 土壤分类级别越低, 对土壤有机碳
第 1期 罗由林等: 四川省仁寿县土壤有机碳空间分布特征及其主控因素 39


表 3 研究区不同土壤类型有机碳含量统计特征
Table 3 Descriptive statistics characteristics of soil organic carbon contents under different soil types in the study area
土类
Soil
type
亚类
Sub-group
土属
Soil family
样点数
Number
最小值
Minimum
(g·kg−1)
最大值
Maximum
(g·kg−1)
平均值
Mean
(g·kg−1)
标准差
Standard
deviation
变异系数
Variation
coefficient (%)
偏度系数
Skewness
峰度系数
Kurtosis
土类合计 Soil type total 59 5.55 32.39 11.93 5.67 47.54 2.16 5.18
矿子黄泥土 Yellow mine soils 7 7.40 17.00 10.74 3.34 31.12 1.23 1.14
冲积黄泥土 Yellow alluvial soils 23 5.55 28.10 12.60 5.45 43.27 1.51 2.04
冷砂黄泥土 Yellow cold sand soils 20 6.32 32.39 12.36 7.13 57.66 2.47 5.52
黄壤
Yellow
soils
黄壤
Yellow
soils
砂黄泥土 Yellow sand soils 9 5.98 15.47 10.22 4.05 39.64 0.32 –2.09
土类合计 Soil type total 203 6.48 32.69 17.10 5.39 31.51 0.69 –0.15
钙质紫泥田
Calcareous purplish mud field
77 8.35 28.87 16.58 4.85 29.24 0.74 –0.14
黄泥田 Yellow mud field 48 6.48 26.10 15.93 4.20 26.37 0.53 0.10
酸紫泥田 Acid purplish mud field 11 11.20 27.63 16.45 5.61 34.10 0.93 –0.35
水稻土
Paddy
soils

渗育水稻土
Percogenic
paddy soils
紫泥田 Purplish mud field 67 8.13 32.69 18.63 6.37 34.21 0.36 –0.75
土类合计 Soil type total 293 3.36 37.10 11.25 6.41 56.97 1.75 2.76
亚类合计 Sub-group total 162 3.87 37.10 12.62 6.94 55.00 1.32 1.16
钙质紫泥土
Calcareous purplish soils
8 7.61 25.86 12.69 6.04 47.57 1.72 3.29
红棕紫泥土
Red brown purplish soils
69 4.11 32.30 12.69 6.78 53.44 0.97 0.08
石灰性
紫色土
Calcareous
purplish
soils
棕紫泥土 Brown purplish soils 85 3.87 37.10 12.57 7.22 57.45 1.56 1.93
亚类合计 Sub-group total 109 3.36 34.25 9.57 5.30 55.38 2.81 8.95
暗紫泥土 Purplish dark soils 10 4.40 34.25 11.58 8.95 77.26 2.12 4.93
灰棕紫泥土
Purplish gray-brown soils
80 4.21 31.23 9.33 4.30 46.10 3.04 11.78
中性
紫色土
Neutral
purplish
soils
脱钙紫泥土
Purplish decalcified clay soils
19 3.36 30.40 9.54 6.70 70.25 2.39 5.65
亚类合计 Sub-group total 22 4.71 27.60 9.48 5.00 52.77 2.39 7.75
红紫泥土 Purplish clay soils 11 6.24 27.60 10.67 6.14 57.54 2.46 6.56
紫色土
Purplish
soils
酸性紫色土
Acid
purplish
soils 酸紫泥土 Acid purplish soils 11 4.71 13.59 8.29 3.42 41.31 0.37 −1.60
表 4 研究区不同土地利用方式下土壤有机碳含量统计特征
Table 4 Descriptive statistics characteristics of soil organic carbon contents under different land use types in the study area
土地利用
Land use type
样点数
Number
最小值
Minimum
(g·kg−1)
最大值
Maximum
(g·kg−1)
平均值
Mean
(g·kg−1)
标准差
Standard
deviation
(g·kg−1)
变异系数
Variation
coefficient
(%)
偏度系数
Skewness
峰度系数
Kurtosis
水田 Paddy field 69 10.06 32.69 20.95 5.19 24.78 0.24 −0.59
旱地 Dry land 154 3.36 12.90 7.74 2.03 26.19 0.24 −0.20
耕地
Cultivated
land
水旱轮作 Paddy-upland rotation 134 6.48 28.87 15.11 4.31 28.54 0.94 0.72
林地 Wood land 124 6.72 37.10 16.42 7.68 46.80 0.78 −0.43
草地 Grassland 14 6.24 19.81 10.75 3.31 30.79 1.50 3.82
园地 Garden land 60 5.55 20.34 10.38 3.20 30.81 0.70 0.18
表 5 研究区不同因素对土壤有机碳的回归分析结果
Table 5 Regression analysis of soil organic carbon with different factors in the study area
影响因素
Factor
F 值
F value
决定系数(R2)
Determination coefficient
校正决定系数(R2)
Adjusted determination coefficient
Sig.
成土母质 Parent material 1.25 0.022 0.004 0.256
土类 Soil group 87.05 0.240 0.237 <0.01
亚类 Soil subgroup 52.27 0.275 0.270 <0.01
土属 Soil family 14.41 0.286 0.271 <0.01
土地利用 Land use type 125.82 0.534 0.530 <0.01
40 中国生态农业学报 2015 第 23卷


含量空间变异的解释能力越高。而土地利用方式能
独立解释 53.0%的土壤有机碳含量空间变异 , 远
高于土壤类型 , 分别是土类、亚类和土属的 2.27
倍、1.98倍和 1.97倍。这表明, 土地利用方式是研
究区土壤有机碳空间分布的主控因素 , 其次是土
壤类型。在探讨川中丘陵区县域尺度上土壤有机
碳空间变化和调控区域土壤碳时应重点考虑土地
利用方式。
3 讨论
川中丘陵区县域尺度上影响土壤有机碳含量空
间分布的3种主要定性因素中 , 成土母质的作用并
不明显。有研究表明, 在成土母质对土壤有机碳含
量空间分布有显著影响的区域其母质类型一般较复
杂[18−19,27]。而本研究区土壤母质来源除有少量第四
系老冲洪积物外, 主要是侏罗系、白垩系和三叠系
的紫色岩层, 该岩层多为砂岩和泥(页)岩互层, 不同
岩组主要是砂岩和泥岩所占比例有所差异[32], 其岩
性总体上较为相似, 这导致该母岩背景下土壤机械
组成相近。例如, 有研究表明川中丘陵区域内由白
垩系城墙岩群和侏罗系蓬莱镇组母岩发育的土壤仅
其粉粒和砂粒在丘顶部位有显著差异, 黏粒含量差
异则不显著; 在其他地形部位各粒径含量均不存在
显著差异[23]。由于成土母质主要是通过影响土壤机
械组成来影响土壤有机碳含量的空间变异 [18], 而
研究区成土母质对土壤有机碳含量空间分布的作
用有限。
相同土壤类型分级内通常具有相似的调控因素,
导致其土壤性质相近。从分析结果来看, 研究区土
壤类型对土壤有机碳空间变异的影响显著, 远远大
于成土母质的影响。土类反映了成土条件和成土过
程的差异。研究区3种主要土类的成土条件和成土过
程差异明显, 导致土壤有机碳含量差异显著。亚类
在土类的基础上考虑了附加成土过程或发育阶段 ,
如研究区紫色土3个亚类反映了该土类的3个尚不明
显但已有分异的不同发育阶段, 因此亚类对土壤有
机碳空间变异的解释能力高于土类。土属对土壤有
机碳空间变异的影响程度与亚类非常接近, 两者的
解释能力仅相差0.1%, 这与其他区域的情况明显不
同[5,33], 如河北省域尺度上, 土属对土壤有机碳空间
变异的独立解释能力达到55.8%, 明显高于亚类的
44.1%和30.2%[5]。这是因为, 土属是在亚类基础上以
母质特性如岩层组合及颗粒比等因素为依据划分的
分类单元 , 而研究区母岩岩相和岩性总体上相近 ,
导致了土属和亚类对研究区土壤有机碳空间变异的
解释能力差异不大。这同时也表明, 在探讨川中丘
陵区县域尺度土壤有机碳空间变化的土壤类型因素
时, 主要可考虑土类和亚类。
土地利用方式作为自然条件和人为活动的综合
反映, 通过有机物的输入以及控制土壤有机碳积累
和释放速度来影响土壤有机碳含量[5,8,18,34]。已有研
究表明, 不同土地利用方式下土壤有机碳含量差异
显著[7−8,22], 不同尺度上土地利用方式对土壤有机碳
空间变异的独立解释能力为17.6~45.3%[5,18−19], 同
一研究区内土地利用方式对土壤有机碳空间变异的
独立解释能力高于土类和亚类, 但低于土属[5,19]。与
已有研究结果不同, 研究区的母质背景以及相对较
少的土壤类型使得川中丘陵区县域尺度上土地利用
方式对土壤有机碳空间变化的影响程度远远大于各
级土壤类型, 与半方差分析中土壤有机碳空间变异
倾向于受随机性因素影响的结论基本一致。这同时
也表明, 川中丘陵区土地利用方式的变化将引起土
壤有机碳含量的急剧变化, 其变化程度也将超过其
他区域, 因此该区域土壤碳的调控主要可通过改变
土地利用方式进行。
4 结论
1)研究区表层土壤有机碳含量范围为 3.36~
37.10 g·kg−1, 平均含量13.46 g·kg−1, 这一含量水平
低于全国及成都平原有机碳含量水平; 变异系数为
48.87%, 属中等程度的空间变异性。
2)土壤有机碳空间自相关范围较小, 其空间变
异更趋向于受随机性因素影响, 在全区表现为北高
南低, 且多呈斑块状分布的格局。
3)土类、亚类和土属对土壤有机碳含量空间变
异的独立解释能力分别为23.7%、27.0%和27.1%。土
壤分类级别越低, 对土壤有机碳空间变异的解释能
力就越大。由于研究区相近的母质特征, 亚类和土
属土壤有机碳空间变异的解释能力差异较小, 因而
探讨川中丘陵区县域尺度土壤有机碳空间变化的最
小土壤分级单元可为土壤亚类。
4)土地利用方式、土壤类型对研究区土壤有机
碳含量的空间变化有极显著影响(P<0.001), 而成土
母质的作用不明显(P=0.256)。土地利用方式是研究
区土壤有机碳最主要的影响因素 , 能独立解释
53.0%的土壤有机碳空间变异 , 是调控该区域土壤
碳的关键因子。
参考文献
[1] Batjes N H. Total carbon and nitrogen in the soils of the
world[J]. European Journal of Soil Science, 1996, 47(2):
151–163
第 1期 罗由林等: 四川省仁寿县土壤有机碳空间分布特征及其主控因素 41


[2] 赵其国 . 提升对土壤认识 , 创新现代土壤学[J]. 土壤学报 ,
2008, 45(5): 771–777
Zhao Q G. Improving knowledge of soil, innovating modern
pedology[J]. Acta Pedologica Sinica, 2008, 45(5): 771–777
[3] Pan G X, Smith P, Pan W N. The role of soil organic matter in
maintaining the productivity and yield stability of cereals in
China[J]. Agriculture, Ecosystems and Environment, 2009,
129(1/3): 344–348
[4] Lal R. Soil carbon sequestration impacts on global climate
change and food security[J]. Science, 2004, 304(5677):
1623–1627
[5] 顾成军, 史学正, 于东升, 等. 省域土壤有机碳空间分布的
主控因子——土壤类型与土地利用比较[J]. 土壤学报, 2013,
50(3): 425–432
Gu C J, Shi X Z, Yu D S, et al. Main factor controlling SOC
spatial distribution at the province scale as affected by soil
type and land use[J]. Acta Pedologica Sinica, 2013, 50(3):
425–432
[6] Zhang S W, Huang Y F, Shen C Y, et al. Spatial prediction of
soil organic matter using terrain indices and categorical vari-
ables as auxiliary information[J]. Geoderma, 2012, 171/172:
35–43
[7] 房飞 , 唐海萍 , 李滨勇 . 不同土地利用方式对土壤有机碳
及其组分影响研究 [J]. 生态环境学报 , 2013, 22(11):
1774–1779
Fang F, Tang H P, Li B Y. Effects of land use type on soil or-
ganic carbon and its fractions[J]. Ecology and Environmental
Sciences, 2013, 22(11): 1774–1779
[8] 王晓丽, 王嫒, 石洪华, 等. 南长山岛不同土地利用方式下
的土壤有机碳密度 [J]. 环境科学学报 , 2014, 34(4):
1009–1015
Wang X L, Wang Y, Shi H H, et al. Soil organic carbon den-
sity under different land use types on the Nanchangshan Is-
land of Miaodao Archipelago[J]. Acta Scientiae Circumstan-
tiae, 2014, 34(4): 1009–1015
[9] Rasmussen C, Torn M S, Southard R J. Mineral assemblage
and aggregates control carbon dynamics in a California coni-
fer forest[J]. Soil Science Society of America Journal, 2005,
69(6): 1711–1721
[10] 解宪丽, 孙波, 周慧珍, 等. 不同植被下中国土壤有机碳的
储量与影响因子[J]. 土壤学报, 2004, 41(5): 687–699
Xie X L, Sun B, Zhou H Z, et al. Soil carbon stocks and their
influencing factors under native vegetations in China[J]. Acta
Pedologica Sinica, 2004, 41(5): 687–699
[11] 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(12): 2279–2283
[12] 李启权, 王昌全, 岳天祥, 等. 基于定性和定量辅助变量的
土壤有机质空间分布预测——以四川三台县为例[J]. 地理
科学进展, 2014: 33(2): 259–269
Li Q Q, Wang C Q, Yue T X, et al. Prediction of distribution
of soil organic matter based on qualitative and quantitative
auxiliary variables: A case study in Santai County in Sichuan
Province[J]. Progress in Geography, 2014, 33(2): 259–269
[13] Mishra U, Lal R, Liu D S, et al. Predicting the spatial variation of
the soil organic carbon pool at a regional scale[J]. Soil Science
Society of America Journal, 2010, 74(3): 906–914
[14] 史文娇, 刘纪远, 杜正平, 等. 基于地学信息的土壤属性高
精度曲面建模[J]. 地理学报, 2011, 66(11): 1574–1581
Shi W J, Liu J Y, Du Z P, et al. High accuracy surface model-
ing of soil properties based on geographic information[J].
Acta Geographica Sinica, 2011, 66(11): 1574–1581
[15] 范胜龙 , 黄炎和 , 林金石 . 表征土壤有机碳区域分布的优
化空间插值模型研究: 以福建省龙海市为例[J]. 水土保持
研究, 2011, 18(6): 1–5
Fan S L, Huang Y H, Lin J S. The optimized interpolation
models and its relationship with soil sampling density on de-
tecting spatial variability of farmland soil organic carbon: A
case study in Longhai City, Fujian Province[J]. Research of
Soil and Water Conservation, 2011, 18(6): 1–5
[16] Wang H J, Shi X Z, Yu D S, et al. Factors determining soil
nutrient distribution in a small-scaled watershed in the purple
soil region of Sichuan Province, China[J]. Soil and Tillage
Research, 2009, 105(2): 300–306
[17] 李启权, 岳天祥, 范泽孟, 等. 中国表层土壤有机质空间分
布模拟分析方法研究 [J]. 自然资源学报 , 2010, 25(8):
1386–1399
Li Q Q , Yue T X, Fan Z M, et al. Study on method for spatial
simulation of topsoil SOM at national scale in China[J].
Journal of Natural Resources, 2010, 25(8): 1386–1399
[18] 赵明松, 张甘霖, 王德彩, 等. 徐淮黄泛平原土壤有机质空
间变异特征及主控因素分析 [J]. 土壤学报 , 2013, 50(1):
1–11
Zhao M S, Zhang G L, Wang D C, et al. Spatial variability of
soil organic matter and its dominating factors in Xu-Huai Al-
luvial plain[J]. Acta Pedologica Sinica, 2013, 50(1): 1–11
[19] 赵明松, 张甘霖, 李德成, 等. 江苏省土壤有机质变异及其
主要影响因素[J]. 生态学报, 2013, 33(16): 5058–5066
Zhao M S, Zhang G L, Li D C, et al. Variability of soil or-
ganic matter and its main factors in Jiangsu Province[J]. Acta
Ecologica Sinica, 2013, 33(16): 5058–5066
[20] 冯明义, 张信宝. 川中丘陵区生态恢复与重建初步研究[J].
山地学报, 2001, 19(S1): 148–151
Feng M Y, Zhang X B. Preliminary research on the ecological
restoration and rehabilitation of the middle Sichuan Hill Ba-
sin[J]. Journal of Mountain Research, 2001, 19(S1): 148–151
[21] 胡玉福, 邓良基, 张世熔, 等. 川中丘陵区不同利用方式的
土壤养分特征研究[J]. 水土保持学报, 2006, 20(6): 75–78
Hu Y F, Deng L J, Zhang S R, et al. Study on nutrient charac-
teristics of soils under different land utilization types in mid-
dle part of Sichuan Basin[J]. Journal of Soil and Water Con-
servation, 2006, 20(6): 75–78
[22] 胡玉福, 邓良基, 张世熔, 等. 川中丘陵区城墙岩群和蓬莱
镇组紫色岩上土壤性质研究 [J]. 土壤通报 , 2007, 38(6):
1076–1080
Hu Y F, Deng L J, Zhang S R, et al. The soil properties of
soils developed from K1cg and J3pin Central Hill region of Si-
chuan Basin[J]. Chinese Journal of Soil Science, 2007, 38(6):
1076–1080
[23] 傅陈君, 张世熔, 杨洲, 等. 川中丘陵区村级景观土壤有机
42 中国生态农业学报 2015 第 23卷


碳密度和储量分析[J]. 四川环境, 2007, 26(1): 21–26
Fu C J, Zhang S R, Yang Z, et al. Dynamic analysis of soil
organic carbon density and stocks in densely populated rural
landscapes of Mid-Sichuan Hilly Region[J]. Sichuan Envi-
ronment, 2007, 26(1): 21–26
[24] 李婷, 张世熔, 刘浔, 等. 沱江流域中游土壤有机质的空间
变异特点及其影响因素[J]. 土壤学报, 2011, 48(4): 863–868
Li T, Zhang S R, Liu X, et al. Spatial variation of soil organic
matter and its influence factors in the middle reaches of Tuo-
jiang river basin[J]. Acta Pedologica Sinica, 2011, 48(4):
863–868
[25] 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技
出版社, 2000: 108–109
Lu R K. Analytical Method for Soil and Agro-chemistry[M].
Beijing: China Agricultural Science and Technology Press,
2000: 108–109
[26] 王丹丹, 史学正, 于东升, 等. 东北地区旱地土壤有机碳密
度的主控自然因素研究 [J]. 生态环境学报 , 2009, 18(3):
1049–1053
Wang D D, Shi X Z, Yu D S, et al. Main natural factors con-
trolling soil organic carbon density in the uplands of North-
east China[J]. Ecology and Environmental Sciences, 2009,
18(3): 1049–1053
[27] 李丽霞 , 郜艳晖 , 张瑛 . 哑变量在统计分析中的应用 [J].
数理医药学杂志, 2006, 19(1): 51–53
Li L X, Gao Y H, Zhang Y. The application of dummy vari-
able in statistics analysis[J]. Journal of Mathematical Medi-
cine, 2006, 19(1): 51–53
[28] Li Q Q, Yue T X, Wang C Q, et al. Spatially distributed mo-
deling of soil organic matter across China: An application of
artificial neural network approach[J]. Catena, 2013, 104:
210–218
[29] 阚泽忠, 金立新, 李忠惠, 等. 成都经济区不同地貌景观区
土壤有机碳分布特征及储量估算[J]. 地球科学进展, 2012,
27(10): 1126–1133
Kan Z Z, Jin L X, Li Z H, et al. Distribution characteristics
and reserves estimation of soil organic carbon of different
physiognomy in Chengdu economic zone[J]. Advances in
Earth Science, 2012, 27(10): 1126–1133
[30] 李启权, 王昌全, 张文江, 等. 基于神经网络模型和地统计
学方法的土壤养分空间分布预测[J]. 应用生态学报, 2013,
24(2): 459–466
Li Q Q, Wang C Q, Zhang W J, et al. Prediction of soil nutri-
ents spatial distribution based on neural network model com-
bined with goestatistics[J]. Chinese Journal of Applied Ecol-
ogy, 2013, 24(2): 459–466
[31] 张勇, 史学正, 赵永存, 等. 滇黔桂地区土壤有机碳储量与
影响因素研究[J]. 环境科学, 2008, 29(8): 2314–2319
Zhang Y, Shi X Z, Zhao Y C, et al. Estimates and affecting
factors of soil organic carbon storages in Yunnan-Guizhou-
Guangxi region of China[J]. Environmental Science, 2008,
29(8): 2314–2319
[32] 刘世全, 张明. 区域土壤地理[M]. 成都: 四川大学出版社,
1997: 143–158
Liu S Q, Zhang M. Regional Pedogeography[M]. Chengdu:
Sichuan University Press, 1997: 143–158
[33] Bell M J, Worrall F. Estimating a region’s soil organic carbon
baseline: The undervalued role of land management[J].
Geoderma, 2009, 152(1/2): 74–84
[34] 邸佳颖, 刘小粉, 杜章留, 等. 长期施肥对红壤性水稻土团
聚体稳定性及固碳特征的影响 [J]. 中国生态农业学报 ,
2014, 22(10): 1129–1138
Di J Y, Liu X F, Du Z L, et al. Influences of long-term organic
and chemical fertilization on soil aggregation and associated
organic carbon fractions in a red paddy soil[J]. Chinese Jour-
nal of Eco-Agriculture, 2014, 22(10): 1129–1138