新疆焉耆盆地綠洲區農田土壤有機碳儲量動態模擬

賈海霞,汪 霞,2,*,李 佳,歐延升,趙云飛,史常明

1 蘭州大學資源環境學院, 蘭州 730000 2 蘭州大學西部環境教育部重點實驗室, 蘭州 730000

近年來,隨著溫室效應的加劇,全球變暖、冰川融化和降水增多已成為不可逆轉的趨勢。隨著氣候的變化,對陸地生態系統產生了極其深遠的影響[1]。陸地生態系統碳循環是全球碳循環的重要組成部分,土壤碳庫的微小變化可能導致大氣CO2濃度較大的波動,從而影響全球氣候變化[2]。盡管土壤碳庫容量十分可觀,但在全球陸地生態系統碳庫中,農業土壤碳是最活躍和最重要的土壤有機碳庫,一方面,農田土壤對全球土壤碳循環平衡起著重要作用,受人為強烈干擾會產生快速變化且短時間可調節；另一方面,土壤有機碳(SOC)具有協調土壤養分、水分等功能,是土壤肥力的核心,它也是農作物高產、穩定的物質基礎之一,也影響著CO2的排放,與氣候變化直接相關[3]。農田土壤碳固存與碳循環研究不僅關系到我國農業應對氣候變化的能力建設,而且與我國未來糧食安全和整個農業體系的可持續發展有關[4]。目前,國內外許多學者在農田土壤有機碳儲量方面進行了研究。張琳等應用DNDC模型和Arc GIS對墊江縣未來30年的農田有機碳進行了模擬[5]。張珍明等對喀斯特小流域土壤有機碳儲量及估算方法進行研究[6]。而在關于有機碳儲量的估算方法上,一直存在很大爭議,就目前而言,模型的應用解決未來SOC演變的模擬和預測難題。DNDC模型是描述農業生態系統中碳和氮生物地球化學過程的計算機模擬模型[7],已被廣泛的應用于農業土壤肥力與溫室氣體排放的預測研究中。

焉耆回族自治縣是干旱區典型綠洲盆地—焉耆盆地的中央城市,是一個傳統的農業區,但是耕地面積只占到全縣總面積的35%。作為連接絲綢之路經濟帶和中巴經濟走廊的關鍵節點和重要驛站,其區位優勢相當明顯[8]。為充分發揮這一地緣優勢,焉耆縣面臨著進一步拓展和完善農副產品、農業生產資料和增加農田有機碳的多重壓力,以此來提升縣域經濟的總體水平。鑒于此,本文以焉耆回族自治縣2013—2017年定位實驗觀測的數據為基礎,通過點位模擬校驗模型,利用2015年焉耆土壤類型和土地利用方式數據,并選用IPCC AR5 報告中的BCCC-CSM1.1氣候模式,相應秸稈還田和化肥配施,開展2017—2047年該縣農田土壤有機碳儲量和有機碳密度的模擬,通過分析未來30年焉耆縣農田表層土壤有機碳密度和有機碳儲量的變化特征,為未來氣候變化下,增加農田土壤有機碳以及農田土壤管理提供數據支持和科學依據。

1 研究區域自然概況

焉耆回族自治縣地處天山南麓焉耆盆地腹心地帶,經緯度在85°15′00″—86°43′57″,40°21′32″—42°16′00″之間,焉耆縣總面積1780 km2,現有耕地面積532 km2。焉耆回族自治縣位于北半球中緯度溫帶地區,為典型的中溫帶干旱荒漠氣候,又別具盆地夏季聚熱,冬季冷潮的氣候特征；地勢西北高,東南低；年日照時數4440.1 h,年平均降水量為74.4 mm,年均氣溫8.2 ℃,年平均無霜凍期176 d,適宜辣椒、番茄、玉米、小麥等作物生長?？h域內土壤為農耕土壤,主要類型是潮土、灌耕土、草甸土、棕漠土、沼澤土、鹽土、風沙土。研究區作為古絲綢之路的重鎮以及以出口農貿產品為主要經濟收入的縣域,在“一帶一路”規劃下,是新疆綠洲經濟發展的核心示范區之一[9],農耕土壤的質量直接影響著焉耆縣經濟的提升,因此焉耆縣是研究絲綢之路經濟帶土壤有機碳循環的典型區域。

2 材料與方法

2.1 試驗設計

2.1.1定位試驗設計

點位定點實驗設置在焉耆回族自治縣,包括包爾海鄉、查汗采開鄉、北大渠鄉三個鄉,初始土壤質地為粉砂質壤土、壤土、砂質壤土,土壤類型為濕潮土。試驗開始于2013年,共有9個處理(如表1所示),每塊試驗田的面積為2500 m2(50 m × 50 m),其中選取的農作物均為當地的主要經濟作物。

表1 試驗處理描述

FF，粉砂質壤土下種植番茄；FL，粉砂質壤土下種植辣椒；FY，粉砂質壤土下種植玉米；RF，壤土下種植番茄；RL，壤土下種植辣椒；RY，壤土下種植玉米；SF，砂質壤土下種植番茄；SL，砂質壤土下種植辣椒；SY，砂質壤土下種植玉米

2.1.2樣品采集

點位樣品采集：在2013—2017年每年7月和12月,按照“S”型采樣法,在每個處理中采集耕層(0—20 cm)土壤樣品,按照0—10和10—20 cm分層取樣,每個取樣點采取15個樣品混勻；混合土壤采用四分法,取1 kg 左右的土樣放入樣品袋。每個采樣點需記錄本底信息,并測定含水率、容重、土壤機械組成、全鹽量、有機質、pH值等指標。

圖1 焉耆縣2017年農田土壤采樣點分布及土地利用空間分布圖Fig.1 Distribution of soil sampling points in Yanqi county in 2017

區域樣品采集：2017年在每個鄉(鎮)按照面積比例在農田土壤上均勻布點,采集方法同定點試驗樣品采集方法,累積采取樣品800個(圖1)。

2.2 樣品處理及測定分析

野外采集的土壤樣品經風干處理后研磨,制備試驗測定所需樣品。土壤有機碳用重鉻酸鉀-硫酸氧化法測定[10]。利用遙感數據驗證和現場追蹤對各類土壤分布面積進行統計分析；采用環刀法自上而下分層測定土壤容重；利用電位測定法測定土壤pH；土壤粒度由激光粒度儀測定[11]。

2.3 數據獲取

①氣象數據：2013—2017年氣象數據包括每日最低氣溫、每日最高氣溫、降水量(來源于國家氣象數據共享網(http://data.cma.cn))；2018—2047年的逐日氣象數據采用第五次耦合模式比較計劃(CMIP5)里面的BCCC-CSM1.1氣候模式,然后整理成模型所輸入文件的格式,即日最高氣溫、日最低氣溫和日平均降水量。

②土壤數據

點位土壤數據：2013—2017年土壤數據包括容重、質地、土壤有機質及酸堿度等數據,來自于定位實驗實測。作物及田間管理數據來自于5年以來的田間管理措施記載,主要有犁地方式、施肥、灌溉、秸稈還田比例和除草。

區域土壤數據：2017年采集土壤樣品的800個土壤數據,占總數據的50%,其余數據來源于焉耆縣2017年統計年鑒,土壤按土屬分類,全縣農田土壤共有7種土類。

③作物數據：來源于焉耆縣統計年鑒數據,點位定點數據。

④遙感數據：中國土壤類型空間分布數據(1 km分辨率),2015年土地利用方式(30 m分辨率),來源于中國科學院資源環境科學數據中心(http://www.resdc.cn)。

2.4 DNDC模型參數設置

DNDC(脫氮分解)模型是由美國New Hampshire大學李長生教授于1992年建立,以模擬農業生態系統中碳氮循環為目的的生物地球化學模型[12]。該模型在很多地方都本地化驗證,但是土壤碳、氮循環過程比較復雜,具有較強的時空差異性,又因為新疆屬于干旱區,具有迥異的氣候特點,依靠DNDC模型進行相關模擬時,參數調整成為必然。本文基于點位模擬,實測值為依據校準模型參數(如表2),對模型的已有作物的默認參數進行修改,如粘土比例、孔隙度、萎焉點、田間持水量、表土之下SOC含量降低速率等。首先設置模型中土壤和作物生理參數,然后將所需氣象、土壤及田間管理等參數輸入模型,并運行比較模型模擬的各種點位下的SOC動態變化與定點監測測定結果的擬合度,并且還需多次調整DNDC模型中的部分參數,以使模型模擬結果與田間實測值擬合程度達到最佳。

用DNDC模型實施點位和區域模擬,須事先獲取區域所有格點所需輸入數據,將其存儲于特定GIS和通用數據庫中[13]。GIS數據包括7個文件,主要是地理位置、氣象數據、土壤特性、作物種類、農田管理。氣象數據庫包含焉耆縣氣象站的日最高、日最低氣溫和日降雨；作物數據庫包括各類作物的生理及物候學參數,DNDC從區域數據庫中讀取所有的信息。為了保證模型運轉得到的數據的精確性,可以把一個區域劃分為許多個格點,本文以2015年土地利用方式數據庫,此數據庫是目前我國精度較高的土地利用遙感監測數據產品,它是以Landsat TM/ETM/OLI遙感影像為主要數據源,經過影像融合、幾何校正、圖像增強與拼接等處理后,通過人機交互目視解譯的方法,將全國土地利用類型劃分為6個一級類、25個二級類、以及部分三級分類的土地利用數據產品。運用Arc GIS劃分出焉耆縣的農田土壤圖斑[14]。然后利用焉耆縣鄉鎮邊界數據,將農田圖斑和鄉鎮邊界疊加,以一個鄉鎮里面的一種土壤類型為模擬單元,如果土壤類型不連續則為另一個模擬單元,總共劃分出40個模擬單元。然后利用克立金插值提取每一個格點中的各屬性值的均值,以此來代表這個格點的數值,然后進行各格點的區域模擬。

表2 DNDC模型本地化參數值

2.5 DNDC模型驗證

采用均方根誤差(RMSE)、平均絕對誤差(MAE)和模型效率(ME)來評價此模型的精度,其公式如下：

(1)

式中,Oi是觀測值,Pi是預測值,n是觀測值的總數,i是當前觀測值。

均方根誤差(RMSE)是用來衡量模擬值同實測值之間的一致性,一般參考為：RMSE<10%,表明模擬值與實測值一致性非常好；10%—20%為較好；20%—30%表明模擬效果一般；>30%則表明模擬值與實測值偏差較大,模擬效果較差。平均絕對誤差(MAE)能更好的反映預測值誤差的實際情況。模型效率(ME)將絕對誤差的平方和與觀測值之間的差值的平方和及其平均值進行比較,ME為0—1時,值越大,模擬值與實測值之間的關聯度越大；當ME<0時,模擬值與實測值之間極度不相關[15]。

2.6 數據處理與方法

2.6.1土壤有機碳儲量計算

本文的模擬單元共有40個,即格點數。其中0—10 cm,10—20 cm的SOC含量在DNDC區域模擬結果中得到。

(2)

式中,Ss為土壤有機碳儲量(kg)；Si為第i個格點的種植系統面積(hm2)；n為總格點數；Ci為第i個格點0—10 cm土壤SOC含量(kg C/hm2);Di為第i個格點10—20 cm土壤SOC含量(kg C/hm2)。

2.6.2土壤有機碳密度計算

土壤有機碳密度通常是指單位面積單位深度土體中土壤有機碳儲量,是表征土壤質量及陸地生態系統對全球變化貢獻大小和衡量土壤中有機碳儲量的重要指標[19]。

(3)

式中,Sd為土壤有機碳密度(kg C/hm2)；Si為第i個格點的種植系統面積(hm2)；n為總格點數；Ci為第i個格點0—10 cm土壤SOC含量(kg C/hm2)；Di為第i個格點10—20 cm土壤SOC含量(kg C/hm2)。

2.6.3數據統計與空間分析

本文運用Arc GIS 10.2軟件對數據進行空間處理與分析,包括圖斑疊加、掩膜提取、面積統計、制圖。數據分析在SPSS 19.0中進行,相關圖表的制作在Microsoft Excel 2013、Origin 8.0中完成。

3 結果與分析

3.1 DNDC模型驗證

點位模擬中主要選擇土壤有機碳含量為驗證指標。對9個處理進行長期穩定觀測和土壤理化性質分析。DNDC模擬運行得到的SOC與實際觀測值對比分析來驗證DNDC模型在本地的準確性。如圖2所示,根據實際觀測的數據,在耕作措施施加50%的秸稈還田和配施化肥后,土壤有機碳含量都得到了提高。利用統計學方法對各個處理的有機碳含量的模擬值與觀測值進行了分析,結果如表3所示,在9個處理中,FL處理的相關系數最高,達到了0.9950,RMSE達到了0.38%,模型效率為0.98,模擬效果最好。RF處理的相關性達到了0.969,模型效率為0.83,模擬效果最差?？傮w而言,9個處理相關系數都接近于1,RMSE都在10%以下,模型效率都接近于1,由此說明DNDC模型在焉耆縣適用性很好,可以進行點位DNDC的模擬,同時區域模擬所應用的氣象數據和點位模擬的氣象數據相同,農田管理、施肥、灌溉、土地利用類型等大致相同,所以從長期試驗站的點位模擬對DNDC模型校驗,拓展到區域農田進行相關模擬預測是可行的。

圖2 土壤有機碳實測值與模擬值的相關性Fig.2 Correlation between measured values of soil organic carbon and simulated values

類別Category處理 TreatmentRFRLFYFFSLRYSFFLSYRMSE0.04650.00760.03130.04120.00480.02720.04220.00380.0385MAE0.10560.02440.13080.07320.01480.07320.09000.02000.1208r0.9690.9750.9850.9760.9800.9870.9760.9950.969ME0.90310.92430.96450.83750.93420.93450.88160.98090.9197

3.2 秸稈還田和化肥施用對土壤有機碳的影響

本研究從點位到區域模擬都施加了50%的秸稈還田措施,配施當前的化肥用量。每種處理土壤有機碳含量都增加了一定的比例。在農田尺度上,實地監測的9個處理,有機碳含量均呈現逐年增加,5年后的土壤有機碳含量比原來增長102%—106%。在縣域尺度上,模型中施加50%的秸稈還田,在特定氣候模式下,30年后,農田土壤碳儲量增加109%—148%,這說明50%的秸稈還田可以促進土壤有機碳含量的增長。

3.3 不同土壤質地的有機碳含量差異

點位定點實驗中,如圖3所示,為3種不同農作物在3種不同土壤質地下,2013年的土壤碳含量及2017年相比2013年增加的百分比。從圖中可以明顯看出,每一種處理有機碳含量都得到了提升,其中在不同作物之間,碳含量的提升均表現為：粉砂質壤土>壤土>砂質壤土；其中粉砂質壤土和玉米的組合有機碳含量增加的最多,相比初始的碳含量增加了106%,砂質壤土和辣椒的組合碳含量增加最少,增加了102%。然后比較這三種土壤質地的粘土含量,根據實測結果,粘土含量表現為：粉砂質壤土>壤土>砂質壤土；這是因為它們的粘土含量不一致,粘土含量越高,碳分解速率越慢,越有利于有機碳的積累。粘土含量越低,碳分解速率越快,土壤有機碳積累的越慢。

圖3 不同作物在三種土壤質地下有機碳變化Fig.3 Changes of underground organic carbon in three soils of different crops 柱狀圖為2013年各處理下的初始土壤有機碳含量,折線圖為2017年各處理下有機碳含量相比2013年增加的百分比

3.4 農田土壤有機碳密度和碳儲量及其分布特征

土壤有機碳的周轉過程非常緩慢,選取2017年的氣象數據,未來29年的氣象數據選取IPCC AR5 報告中的BCCC-CSM1.1模式下的氣溫和降水的未來預測結果,其中大氣二氧化碳濃度每年進行調整,選取目前正常增加速率1.9 ppm/a[20],秸稈還田比例選取點位模擬中的比例0.5,化肥用量和點位模擬中的相同,選取當前耕作下的化肥用量,其它每年相同。圖4為2017—2047年焉耆縣農田表層土壤有機碳儲量和土壤有機碳密度的空間變化分布圖,可以看出2017—2047年焉耆回族自治縣農田0—20 cm土層SOC密度和儲量呈現顯著的增加趨勢。其中30年后的土壤碳儲量相比2017年增加了109%—148%,新增加的固碳量是3.708×108t—1.978×109t；有機碳密度2047年相比2017年增長了23%—53%,有機碳密度變化為1025—11440 kg C/hm2。

在空間分布上,有機碳密度和有機碳儲量也呈現明顯的差異。如圖4,2017—2047年,SOC密度變化范圍為8200—12000 kg C/hm2的面積最大,集中分布在焉耆東北部和焉耆中部且自東北向西北依次減??；其次,SOC密度變化范圍為15000—25000 kg C/hm2的占比最小,集中分布在焉耆南部,且自南向西北方向依次減小。

在不同的土壤類型之間有機碳密度與儲量呈現明顯的差異。表4為2017年焉耆縣各土壤類型下的有機碳密度和有機碳儲量,可以看出,2017年潮土的面積最大,占耕地面積的60%,受人為擾動較多,其碳儲量在所有土類中最多,2017年農田土壤中潮土SOC儲量為831092 t,占2017年總碳儲量的64%,平均有機碳密度為24516 kg C/hm2；表5所示為2047年焉耆縣各土壤類型下的有機碳密度和有機碳儲量,2047年潮土有機碳密度相比2017年增長121%—142%；單位面積有機碳含量比原來增長130%—156%,是所有土類中增幅最大的。其中2017年SOC密度最高的是沼澤土,平均有機碳密度為25424 kg C/hm2,2047年沼澤土有機碳密度增幅為45%。這是因為沼澤土壤是一種低洼土壤,長期積水并長出高濕植物,它的表面層積聚了大量有機物,分解程度低[22]。單位面積碳增量最少的是鹽土,增幅為9.9%。有機碳密度依次增幅由大到小為：沼澤土、潮土、草甸土、灌漠土、棕漠土、鹽土,依次上升了45%、40%、30%、25%、10%、9.9%。

表4 焉耆縣2017年不同土類的有機碳儲量(0—20 cm)

CT,潮土Fluvo-aquic siols；CDT,草甸土Meadow soils；GMT,灌漠土Irrigated desert soil；YT,鹽土Solonchaks；ZMT,棕漠土Gray desert soil；ZZT,沼澤土Bog soils；SZT,石質土Litho soils

表5 焉耆縣2047年不同土類的有機碳儲量(0—20 cm)

3.5 農田土壤有機碳密度與環境關系

山地-綠洲-荒漠生態系統土壤發育和植被生長及其分布格局主要受到水熱條件的影響[23]。圖5為焉耆縣采樣點土壤濕度與土壤有機碳密度的關系。圖6為焉耆縣采樣點年平均氣溫與土壤有機碳密度的關系。表明土壤濕度與土壤有機碳密度呈正相關的對數函數關系(P<0.01),年平均溫度與土壤有機碳密度呈現負相關的線性函數關系(P<0.01)。這種特征與我國西部干旱區熱量、水分分布特征是一致的[25]。

4 討論

土壤有機碳的變化是一個復雜而又漫長的過程,影響有機碳轉變的因子很多,包括氣溫、降雨、CO2濃度、土壤pH、土壤質地等。在IPCC AR5 報告中的BCCC-CSM1.1氣候模式下,相應的農田管理措施下,焉耆縣農田土壤有機碳儲量和有機碳密度呈現顯著增加趨勢,2017年0—20 cm土壤平均有機碳密度為20527 kg C/hm2,這低于西部區域平均值[25],30年后的表層(0—20 cm)有機碳密度為31967 kg C/hm2,接近于西部區域平均值,這說明耕作管理措施對焉耆縣有機碳含量影響顯著。焉耆縣屬于綠洲干旱區,氣候、生態類型多樣；

圖4 2017—2047年農田土壤有機碳(SOC)密度和儲量絕對變化值的空間分布格局Fig.4 Spatial patterns of absolute change of soil organic carbon (SOC) density and storage in 2017 and 2047

圖5 土壤采樣點土壤濕度與土壤有機碳密度的關系Fig.5 Relationship between soil moisture and soil organic

圖6 土壤采樣點年平均溫度與土壤有機碳密度的關系 Fig.6 Relationship between average temperature and soil carbon density at soil sampling points

地勢西北高,東南低；土壤種類較多,導致了不同土壤類型下土壤有機碳密度差異較大。潮土的面積最大,占耕地面積的60%,受人為擾動較多,其碳儲量在所有土類中最多,2047年潮土有機碳密度相比2017年增長121%—142%；單位面積有機碳含量比原來增長130%—156%,是所有土類中增幅最大的。這與潮土是我國主要的農業土壤類型,分布于主要的糧食和蔬菜生產區有關。2017年SOC密度最高的是沼澤土,平均有機碳密度為25424 kg C/hm2,2047年沼澤土有機碳密度增幅為4%—59%。這是因為沼澤土壤是一種低洼土壤,長期積水并長出高濕植物,它的表面層積聚了大量有機物,分解程度低[22]。單位面積碳增量最少的是鹽土,增幅為-7%—10%,這與這種土壤類型它本身含水溶性鹽類較多有關。

作為土壤最基本的物理性質之一,土壤質地對包括通透性、養分含量在內的各種土壤性狀均有重要影響[26]。土壤質地是影響有機質分解礦化的重要土壤物理性質之一[27]。土壤黏?？梢种朴袡C質被微生物分解,減少微生物細胞代謝死亡,保持土壤有機質和微生物量的穩定。穩定的有機黏粒復合體在黏粒含量高的土壤中是形成穩定有機質的主要原因[28]。李忠佩等認為,有機質與黏粒結合可增強其物理穩定性和抵抗微生物分解的能力,黏粒含量高的土壤,其孔隙度較小,通氣狀況不良,導致有機質分解速率較低[29]。此外,土壤黏粒也可通過黏粒膠體吸附及形成土壤有機無機復合體實現對有機碳的物理保護,質地越黏重,其有機碳的分解速率就越小[30]。本文在點位下探究土壤質地對該縣主要農作物下土壤有機碳的影響,得出不同土壤質地下有機碳5年來的積累趨勢是粘土含量越高,有機碳累積的越多的結論,這和李忠佩的研究結果一致。

其次探究了年平均氣溫、土壤濕度和土壤有機碳密度的關系,表明土壤濕度與土壤有機碳密度呈對數函數函數關系(P<0.01),年平均溫度與土壤有機碳密度呈線性函數關系(P<0.01)。這種特征與我國西部干旱區熱量、水分分布特征是一致的；在提高土壤有機碳含量方面,王立剛已經得出實行秸稈還田或提高作物生物產量還田及免耕等耕作措施將有效提高SOC含量,提高土壤的可持續利用率[31]。張凡等得出將作物秸稈還田率從目前的15%提高到50%或90%會使陜西農田土壤從大氣CO2源轉變為匯,每年分別增加土壤有機碳庫儲量0.7 Tg C或2.1 Tg C[32],在本文中也得出50%的秸稈還田可以有效提高SOC含量,使其增長為原來的2%—49%。由于焉耆縣年降雨量低于陜西省年均降雨量,年平均溫度低于陜西省,氣候方面存在差別,所以農田土壤有機碳含量增加幅度低于陜西省。由此說明,秸稈還田在當前的化肥施用下,隨著時間的推移會使得焉耆的農田土壤有機碳含量得到提升。

到目前為止,土壤有機碳庫也存在較大的爭議[2]。土壤碳庫空間分布異質性強烈,土壤實測調查在取樣時,存在著諸多差異[33]。本文通過多年的定點試驗率定模型的參數,使得DNDC模型本地化,又將模擬的最小單元劃分為鄉(鎮)里面的同一土類,這在一定程度上減小了空間異質性。但是人工綠洲在不斷地擴張,未來的耕地面積會隨著變化；再加之有可能出現的極端天氣現象等,會使得農田土壤有機碳儲量發生變化。除此,本文僅對焉耆縣在未來氣候模式下,相應農田管理措施下的農田表層土壤有機碳密度和儲量變化進行了研究,還需進一步引入多模式耦合氣候模式,因此,在往后的研究中,有待進一步深入研究。

5 結論

本文模擬研究得出,在相應農業措施實施下,在IPCC AR5 報告中的BCCC-CSM1.1氣候模式下,焉耆縣農田0—20 cm土層SOC密度和儲量呈現顯著的增加趨勢,呈現出“碳匯”趨勢。土壤有機碳儲量從2017年的0.44 Tg C增加到2047年的0.61 Tg C,單位面積碳增量是2550 kg C/hm2,這說明完善農田統一管理對未來SOC的固定具有重要影響。

焉耆回族自治縣土壤類型眾多,研究結果表明不同土壤類型之間的土壤有機碳密度差異較大,最大土壤有機碳密度與最小有機碳密度之間的差距是10365 kg C/hm2,這說明土壤類型的轉變對SOC的影響深刻,未來應該加強不同土壤類型的管理。