青藏高原溫泉地區(qū)土壤黏粒含量剖面分布模式及其影響因素①

劉亞?wèn)|，李旺平*，趙 林，吳曉東，黃立鑫，李志紅

青藏高原溫泉地區(qū)土壤黏粒含量剖面分布模式及其影響因素①

劉亞?wèn)|1，李旺平1*，趙 林2，吳曉東3，黃立鑫1，李志紅1

(1 蘭州理工大學(xué)土木學(xué)院，蘭州 730050；2 南京信息工程大學(xué)地理學(xué)院，南京 210044；3 中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院冰凍圈國(guó)家重點(diǎn)實(shí)驗(yàn)室青藏高原冰凍圈觀測(cè)研究站，蘭州 730000)

以青藏高原溫泉地區(qū)作為研究區(qū)域，通過(guò)野外土壤調(diào)查，獲取了58個(gè)深度大于1 m的土壤剖面，分析了變異系數(shù)最大的黏粒剖面分布模式及其與氣候、地形、植被和成土母質(zhì)等環(huán)境變量之間的關(guān)系。結(jié)果表明：青藏高原溫泉地區(qū)土壤砂粒含量最大，占80% 以上，但黏粒的變異系數(shù)最大；溫泉地區(qū)黏粒含量的剖面分布模式可分為遞減型、先增后減型、先減后增型和不規(guī)則型4類；遞減型分布模式的主控因子是坡度、坡向和冷季地溫，先增后減型分布模式的主控因子是暖季和冷季地溫，先減后增型分布模式的主控因子是高程、地形濕度指數(shù)和NDVI，不規(guī)則型分布模式的主控因子是地形濕度指數(shù)、平面曲率和高程。研究表明，青藏高原溫泉地區(qū)氣候和地形因素是影響土壤黏粒剖面分布模式的決定性因素。

青藏高原；多年凍土；黏粒；剖面分布模式

土壤顆粒組成或機(jī)械組成是土壤重要的物理屬性[1-2]，是影響土壤肥力、作物產(chǎn)量[3-5]、水分在土體內(nèi)運(yùn)移和儲(chǔ)存的關(guān)鍵因素[6]，同時(shí)也是陸面過(guò)程模型、水文模型和耦合陸面過(guò)程的大氣模型的重要輸入?yún)?shù)。

已有研究表明土壤顆粒組成受土壤有機(jī)質(zhì)、氣候、植被類型、地形地貌、土地利用等因素的影響[7]。如羅緒強(qiáng)等[8]研究發(fā)現(xiàn)喀斯特高原區(qū)貴州省清鎮(zhèn)市土壤顆粒組成主要受土壤有機(jī)質(zhì)的影響；朱麗東等[9]研究發(fā)現(xiàn)洞庭湖地區(qū)土壤顆粒組成主要受氣候因素的影響；夏江寶等[10]研究發(fā)現(xiàn)紅壤丘陵區(qū)土壤顆粒組成主要受植被類型的影響；龐龍輝等[11]研究發(fā)現(xiàn)地形因素會(huì)影響土壤顆粒在空間上的分布；張宏和劉建軍[12]分析了在黃土溝壑區(qū)不同的土地利用方式下土壤顆粒組成的垂直分布特征。這些研究結(jié)果表明土壤顆粒組成受多種因素的影響，且存在著明顯的區(qū)域差異。

近年來(lái)，機(jī)器學(xué)習(xí)方法被廣泛應(yīng)用于土壤顆粒組成的數(shù)字制圖，如孫艷俊等[13]采用基于人工神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行了土壤顆粒組成制圖；劉超等[14]采用支持向量機(jī)、模糊邏輯和決策樹(shù)的方法對(duì)黑河流域土壤顆粒組成進(jìn)行制圖研究。隨機(jī)森林作為一種新興的機(jī)器學(xué)習(xí)方法，也開(kāi)始被應(yīng)用于數(shù)字土壤制圖與環(huán)境因素之間的關(guān)系探究，如李璇等[15]利用隨機(jī)森林模型預(yù)測(cè)了祁連山區(qū)土壤砂粒含量與環(huán)境變量之間的關(guān)系；史靜靜等[16]在黑龍江鶴山農(nóng)場(chǎng)運(yùn)用隨機(jī)森林模型對(duì)影響包括土壤顆粒組成的土壤屬性地形因子進(jìn)行重要性排序并制圖。

青藏高原是世界上海拔最高的高原，有“世界屋脊”之稱[17]，其氣候具有獨(dú)特的特征[18]，是全球氣候變化響應(yīng)較敏感的地區(qū)[19]，會(huì)對(duì)全球氣候的變化產(chǎn)生重要的影響[20]。此外，青藏高原分布著約為105萬(wàn)～ 150萬(wàn)km2的凍土面積，其土壤具有一系列獨(dú)特的特征[21-22]，加之地形復(fù)雜，區(qū)域土壤顆粒剖面分布模式一般多是復(fù)雜多樣，很難定量地預(yù)測(cè)[15]，因此，目前對(duì)于青藏高原土壤顆粒組成的剖面分布模式及其與環(huán)境因素之間的關(guān)系的報(bào)道甚少。為此，本文選擇青藏高原東部溫泉地區(qū)，開(kāi)展土壤調(diào)查并獲取其土壤剖面數(shù)據(jù)，采用隨機(jī)森林模型探討各個(gè)土壤剖面顆粒組成的垂直分布模式及其與環(huán)境因素之間的關(guān)系，并希望得到影響其分布的主控因子，以期為青藏高原的地球系統(tǒng)模式科學(xué)研究和相關(guān)工程建設(shè)提供基礎(chǔ)數(shù)據(jù)和科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

青藏高原溫泉區(qū)(35°06′ ～ 35°42′N，99°06′ ～ 99°42′E)位于青海省瑪多縣、興海縣、都蘭縣及瑪沁縣的交界處(圖１)，總面積約 3 800 km2，其海拔梯度大，介于 3 405 ～ 5 294 m，地形復(fù)雜多樣。研究表明該區(qū)氣溫變化大，全年氣溫較低[19]，年均氣溫–3.2 ℃，最高氣溫為 18.5 ℃，最低氣溫為 –32.5℃[23]；年均降水量 500 ～ 600 mm，屬寒溫帶大陸性氣候[24]。根據(jù)野外實(shí)地調(diào)查，研究區(qū)以草原生態(tài)系統(tǒng)為主，研究區(qū)內(nèi)以牧業(yè)為主，成土母質(zhì)類型相對(duì)較少，以坡積物、沖積–洪積物為主，母巖有碳酸鹽巖類、碎屑巖類、火成巖及變質(zhì)巖類[25]。

1.2 土壤剖面的布設(shè)與調(diào)查采樣

由于研究區(qū)處于高山地帶，受交通不便和地理?xiàng)l件的限制，數(shù)據(jù)采集不能按照簡(jiǎn)單的隨機(jī)取樣法進(jìn)行均勻采樣[26]。溫泉區(qū)樣點(diǎn)的采集遵循先沿著G214國(guó)道進(jìn)行，再根據(jù)沿線海拔、植被分布狀況和地貌等因素進(jìn)行局部調(diào)整的原則進(jìn)行，這種基于專家知識(shí)和野外實(shí)際情況結(jié)合的采樣方案在很大程度上可以減弱數(shù)據(jù)采集不均勻所造成的問(wèn)題[22]。根據(jù)采樣方案共獲得了73個(gè)樣點(diǎn)及其詳細(xì)的剖面、植被、地貌等信息。采用基于沉降法原理的SEDIMAT 4-12 土壤粒徑分析系統(tǒng)在實(shí)驗(yàn)室測(cè)定各個(gè)剖面不同層次土壤顆粒組成的含量及理化性質(zhì)，粒度分級(jí)采用美國(guó)制，將土壤顆粒按大小分為黏粒(<0.002 mm)、粉粒(0.05 ～ 0.002 mm)、砂粒(2 ～ 0.05 mm)3類[27]。按照《中國(guó)土壤系統(tǒng)分類檢索(第三版)》分類標(biāo)準(zhǔn)[28]，該區(qū)分布有干潤(rùn)雛形土、潮濕雛形土、寒凍雛形土、永凍潛育土、干潤(rùn)均腐土5類土壤(亞綱)。

1.3 環(huán)境變量數(shù)據(jù)及其來(lái)源

土壤是氣候、生物、地形、母質(zhì)和時(shí)間綜合作用的產(chǎn)物[29]，時(shí)間因素不易表達(dá)，主要通過(guò)氣候及植被因子間接體現(xiàn)[30]。因此本文最終選擇的環(huán)境變量主要包括氣候、生物、地形和母質(zhì)4個(gè)方面，其中氣候因子主要選用了地表溫度，考慮到青藏高原海拔高、氣溫變化大，根據(jù)湯懋蒼等[31]對(duì)青藏高原冷暖季的劃分標(biāo)準(zhǔn)(9月至4月為冷季，5月至8月為暖季)，將地表溫度分解為分季變量(冷季和暖季)[22]。生物因子主要選用了NDVI；地形因子有高程、坡度、坡向、平面曲率、坡面曲率和地形濕度指數(shù)；母質(zhì)因子主要是成土母質(zhì)；此外，還加入了土壤類型和土地利用因子。這些環(huán)境因素可分為兩類：可量化的和不可量化的。前者包括：高程、坡度、坡向、平面曲率、坡面曲率、NDVI、地形濕度指數(shù)和地表溫度，其具體特征如表1所示；后者包括：土壤類型、成土母質(zhì)、土地利用，其類型和剖面?zhèn)€數(shù)分布如表2所示。

表1 可量化的環(huán)境變量

表2 不可量化的環(huán)境變量

采樣點(diǎn)的經(jīng)緯度和海拔數(shù)據(jù)由手持式GPS儀獲取，研究區(qū)的高程、坡度、坡向、平面曲率、坡面曲率和地形濕度指數(shù)等地形因子數(shù)據(jù)是基于CGIAR- CSI 提供的30 m SRTM-DEM數(shù)據(jù)運(yùn)用ArcGIS10.2和3dMapper軟件生成；NDVI數(shù)據(jù)由NASA提供的2000—2009年分辨率為 250 m、16 d合成的MODIS-NDVI數(shù)據(jù)生成；地表溫度數(shù)據(jù)由NASA 提供的2003—2008年分辨率為 1 km的MODIS 逐日地表溫度數(shù)據(jù)生成；成土母質(zhì)、土地利用和土壤類型數(shù)據(jù)是在野外調(diào)查過(guò)程中獲得。

1.4 隨機(jī)森林模型

隨機(jī)森林模型是Breiman于2001年在決策樹(shù)算法的基礎(chǔ)上發(fā)展而來(lái)，相較于其他分類方法，隨機(jī)森林具有預(yù)測(cè)精度高、運(yùn)行速度快、可避免過(guò)擬合、用袋外估計(jì)(OOB error)進(jìn)行無(wú)偏估計(jì)等優(yōu)點(diǎn)[32]。隨機(jī)森林模型可以通過(guò)R語(yǔ)言中的Random Forest軟件包實(shí)現(xiàn)。

1.5 數(shù)據(jù)處理與分析

數(shù)據(jù)處理主要包括土壤剖面數(shù)據(jù)的層次標(biāo)準(zhǔn)化處理和各種環(huán)境因子的提取。由于野外調(diào)查獲得的73個(gè)樣點(diǎn)中，有15個(gè)樣點(diǎn)的剖面深度≤1 m，為確保分析結(jié)果的可靠性，本文只對(duì)其余58個(gè)剖面深度≥1 m的標(biāo)準(zhǔn)化樣點(diǎn)進(jìn)行剖面分布模式分析，此外，由于測(cè)定的土壤質(zhì)地是基于發(fā)生層，不同剖面劃分的層次數(shù)目和各層次的深度不一，因此需要標(biāo)準(zhǔn)化處理。本文根據(jù)大多數(shù)據(jù)土壤剖面的發(fā)生層次情況，將標(biāo)準(zhǔn)化層次的深度分為5層，依次是0 ～ 15、15 ～ 30、30 ～ 60、60 ～ 100和100 ～ 300 cm。對(duì)剖面深度≥1 m的58個(gè)標(biāo)準(zhǔn)化樣點(diǎn)，按照美國(guó)制的不同粒級(jí)，在Microsoft Excel 2016中進(jìn)行標(biāo)準(zhǔn)化處理，其計(jì)算方法如公式(1)所示。

式中：PCt-b為標(biāo)準(zhǔn)化層次t-b的某一粒級(jí)的含量，t、b分別代表該層次的頂部深度和底部深度；代表剖面和發(fā)生層數(shù)目，PC代表發(fā)生層的某一粒級(jí)的含量，H代表層的深度在標(biāo)準(zhǔn)化層次t-b中所占的比例。

利用Microsoft Excel 2016和IBM Statistics SPSS 24.0軟件對(duì)標(biāo)準(zhǔn)化后的土壤樣點(diǎn)顆粒含量進(jìn)行統(tǒng)計(jì)分析，再借助Origin 8平臺(tái)進(jìn)行土壤顆粒剖面分布模式的制圖。環(huán)境因子的提取主要借助于ArcGIS10.2、3dMapper和ENVI軟件，對(duì)可定量化的環(huán)境變量，采用隨機(jī)森林模型分析其與土壤剖面分布模式之間的關(guān)系，對(duì)不可量化的環(huán)境因子進(jìn)行統(tǒng)計(jì)分析。利用varImpPlot()函數(shù)對(duì)影響?zhàn)ち：科拭娣植寄Ｊ降沫h(huán)境變量進(jìn)行重要性排序[33-34]，其中，Mean decrease accuracy(MDA)(把一個(gè)變量的取值變?yōu)殡S機(jī)數(shù)，隨機(jī)森林預(yù)測(cè)準(zhǔn)確性的降低程度)和Mean decrease gini(MDG)(計(jì)算每個(gè)變量對(duì)分類樹(shù)每個(gè)節(jié)點(diǎn)上觀測(cè)值的異質(zhì)性的影響，從而比較變量的重要性)值越大，表明自變量越重要。

2 結(jié)果與分析

2.1 土壤顆粒組成垂直分布模式

表3是58個(gè)剖面經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的砂粒、黏粒、粉粒含量的統(tǒng)計(jì)信息，可以看出，砂粒含量最多，平均含量在810 g/kg左右，變異系數(shù)為8.3% ～ 11.8%；黏粒居中，平均含量在100 g/kg左右，變異系數(shù)為36.8% ～ 66.2%；粉粒最少，平均含量在90 g/kg左右，變異系數(shù)為36.5% ～ 50.7%。從各個(gè)層級(jí)土壤砂粒、粉粒和黏粒的峰度和偏度值發(fā)現(xiàn)，基本服從正態(tài)分布。黏粒的變異系數(shù)明顯高于砂粒和粉粒，其剖面分布的特征應(yīng)更為明顯。為了更好地理解青藏高原溫泉區(qū)土壤顆粒組成垂直分布特征，選擇變異系數(shù)大的黏粒進(jìn)行分析。

表3 溫泉區(qū)土壤顆粒組成統(tǒng)計(jì)(g/kg，n = 58)

對(duì)標(biāo)準(zhǔn)化后的58個(gè)樣點(diǎn)在5個(gè)剖面深度處的黏粒數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)其可分為4種類型：遞減型、先增后減型、先減后增型和不規(guī)則型(圖2)，其中遞減型的分布模式樣點(diǎn)最多，有19個(gè)，占32.8%；隨后依次是先減后增型、不規(guī)則型和先增后減型，分別有17、16和6個(gè)樣點(diǎn)，分別占29.3%、27.6% 和10.3%。遞減型、先增后減型和先減后增分布模式的標(biāo)準(zhǔn)差線圖和各自的剖面分布模式保持一致，不規(guī)則分布模式由于各個(gè)標(biāo)準(zhǔn)層數(shù)據(jù)規(guī)律比較差，其標(biāo)準(zhǔn)差線圖呈先增后減型分布(圖2)。

2.2 土壤黏粒剖面分布模式與環(huán)境因素之間的關(guān)系

對(duì)影響?zhàn)ち：科拭娣植寄Ｊ降沫h(huán)境變量進(jìn)行重要性排序，結(jié)果見(jiàn)圖3和表4。從圖3可以看出，MDA和MDG兩個(gè)指標(biāo)在同一剖面類型中對(duì)同一環(huán)境因素的排序不一定相同，為保障篩選的準(zhǔn)確性，將同時(shí)位于MDA和MDG兩個(gè)指標(biāo)前3位的環(huán)境因素作為主控因子。結(jié)合圖3中的這兩個(gè)特征值進(jìn)行綜合分析，結(jié)果顯示，對(duì)于遞減型分布模式，坡度、坡向和冷季地溫是其主控因子；先增后減型的主控因子為暖季和冷季地溫；先減后增型的主控因子為高程、地形濕度指數(shù)和NDVI；不規(guī)則型的主控因子為地形濕度指數(shù)、平面曲率和高程。

從表4分析可知，遞減型的成土母質(zhì)主要為坡積物，而先增后減型、先減后增型和不規(guī)則型的成土母質(zhì)主要是坡積物和沖積-洪積物，這說(shuō)明遞減型主要發(fā)育在山坡上，而其他3類主要發(fā)育在山坡下部或底部。4種模式在土地利用和土壤類型方面具有相似性，即先減后增型的土地利用和土壤類型分別是高寒草原和干潤(rùn)雛形土，而其他3類均分別為高寒草甸草原和干潤(rùn)雛形土與干潤(rùn)均腐土。高寒草甸草原相對(duì)于高寒草原來(lái)說(shuō)，其分布的位置往往水分條件更好；雛形土是剖面發(fā)育程度較低的未成熟土壤，在本區(qū)域內(nèi)大面積分布的主要是因?yàn)闇厝貐^(qū)年均氣溫較低，且降雨相對(duì)較少，導(dǎo)致土壤發(fā)育程度較弱。而均腐土是指具有暗沃表層和均腐殖質(zhì)特性的土壤，在本區(qū)域內(nèi)往往發(fā)育在水分條件相對(duì)較好、高寒草甸分布廣泛的地方。從兩種土地利用類型和土壤類型對(duì)比可以看出，先減后增型剖面在本區(qū)域內(nèi)主要分布在相對(duì)較干的位置。

2.3 黏粒含量與不同剖面分布模式的典型案例

結(jié)合野外考察和實(shí)驗(yàn)室對(duì)各個(gè)層次土壤理化性質(zhì)的分析發(fā)現(xiàn)，遞減型剖面分布模式的主要特征是土體上部以較細(xì)的黏粒和粉粒為主，下部以較粗的寒凍風(fēng)化物(塊狀礫石)為主，黏土的含量隨著深度的增加呈現(xiàn)遞減的趨勢(shì)。如圖4A為該模式的典型剖面，其位于山體陰坡中部，其細(xì)顆粒物質(zhì)在重力和較高雨水共同作用下，易向外置更低的地區(qū)遷移，在垂直分布上黏粒含量就表現(xiàn)為隨著深度的增加而減少。這也進(jìn)一步映證了坡度和坡向作為遞減型模式的主控因子，通過(guò)影響土體的穩(wěn)定性和地表水流的聚排[35]對(duì)土壤顆粒的分布產(chǎn)生了影響；而冷季地溫過(guò)低會(huì)抑制植被的生長(zhǎng)，進(jìn)而影響研究區(qū)土壤的發(fā)育，遞減型土壤剖面上部土層較薄，下部基本上是由寒凍風(fēng)化物組成的坡積物。

表4 不可定量化環(huán)境因素統(tǒng)計(jì)表

先增后減型和先減后增型剖面分布模式主要特征是由于受到坡積、洪積作用的影響，土體來(lái)源較復(fù)雜，導(dǎo)致其剖面分布模式也復(fù)雜多樣。如圖4B為先增后減型的典型剖面，位于山坡底部，土體由來(lái)自不同時(shí)期的堆積物構(gòu)成，土體較厚，土體中上部和下部黏粒含量較少，中間黏粒較多，下面發(fā)育多年凍土，總體上土壤發(fā)育較好，地表溫度(暖季和冷季)是其主控因子。圖4C為先減后增型的典型剖面，其所在的位置海拔更低，高程與地形濕度指數(shù)反映出其是個(gè)低洼的匯水區(qū)域，NDVI反映了其植被狀況較差；土體上部以塊狀的細(xì)壤土為主，中部以砂壤土為主，下部以單顆粒的砂和黏土為主；剖面中植被根系較少，底部有積水，因下面沒(méi)有發(fā)育多年凍土(隔水層)，土壤持水能力差而導(dǎo)致植被較少，這與前面得到高程、地形濕度指數(shù)和NDVI為其主控因子一致。

不規(guī)則型分布模式的母質(zhì)也為坡積和沖積-洪積物，剖面主要表現(xiàn)為土–石交錯(cuò)排列的特征。如圖4D是不規(guī)則型的典型剖面，其位于海拔4 250 m的坡積裙底部，經(jīng)過(guò)較長(zhǎng)時(shí)間的坡積和洪積相互作用，大顆粒的砂石和細(xì)顆粒的土體就交錯(cuò)分布；此外，圖4D剖面下部有凍融擾動(dòng)現(xiàn)象，判定其下面發(fā)育多年凍土，根據(jù)前人[36]的研究，溫泉地區(qū)的多年凍土下界高程約為4 090 m。前文得到不規(guī)則型分布模式的主控因子主要為地形濕度指數(shù)、平面曲率和高程，地形濕度指數(shù)能有效地指示土壤內(nèi)水分運(yùn)動(dòng)方向，平面曲率影響著物質(zhì)的加速集中或減速分散，而高程則可指示多年凍土發(fā)育狀況。

3 討論

一般而言，土壤質(zhì)地剖面垂直分布模式受成土母質(zhì)、氣候、植被類型、地形地貌、土地利用等多種環(huán)境因素的影響。對(duì)于地勢(shì)平坦、母質(zhì)連續(xù)、區(qū)域氣候變化不大的地區(qū)，其土壤質(zhì)地的剖面分布模式較為簡(jiǎn)單，多趨向于均一型；李璇等[15]認(rèn)為對(duì)于地形復(fù)雜、母質(zhì)不連續(xù)的區(qū)域，其顆粒組成的剖面分布模式也往往比較復(fù)雜。但本文研究結(jié)果進(jìn)一步顯示，在母質(zhì)相對(duì)連續(xù)單一的高山高寒地區(qū)，受海拔梯度變化大、年平均溫度低和凍融循環(huán)劇烈等作用影響，其土壤質(zhì)地剖面分布模式也會(huì)復(fù)雜多樣。

溫泉地區(qū)的成土母質(zhì)主要為坡積物和沖積–洪積物，但分布著4種類型的土壤質(zhì)地剖面模式，結(jié)合前面得到的主控因子來(lái)看，除了受到成土母質(zhì)的影響外，其中地形和氣候因素(地溫)也對(duì)剖面模式的分布起著決定性的作用。先看地形因子，其中坡度和坡向是遞減型模式的主控因子，主要是因?yàn)闇厝貐^(qū)有一系列相間排列的山地和斷陷盆地，致使區(qū)內(nèi)地形起伏大，山坡上部的細(xì)顆粒物質(zhì)會(huì)在重力作用下向下方移動(dòng)，覆蓋在山坡中部的寒凍風(fēng)化物上，從而形成了坡積作用，這一點(diǎn)也可以從遞減型的成土母質(zhì)為坡積物得到驗(yàn)證；此外，高程和地形濕度指數(shù)均為先減后增型和不規(guī)則型的主控因子，可以看出這兩種模式分布位置都在山坡底部，都是匯水區(qū)域，區(qū)別在于不規(guī)則型分布的海拔位置更低，位于季節(jié)凍土區(qū)，而先減后增型位于多年凍土區(qū)，這主要是因?yàn)闇厝貐^(qū)海拔梯度大(3 405 ～ 5 294 m)，地形復(fù)雜多樣；再看氣候因素，平均地溫均是遞減型和先增后減型的主控因子，足可以看出氣候因素對(duì)本區(qū)域土壤質(zhì)地剖面模式的影響，主要是因?yàn)闇厝獏^(qū)處于高寒地區(qū)，年平均氣溫為 –3.2 ℃[20]，且發(fā)育著大面積的多年凍土，據(jù)前人研究[36]，溫泉地區(qū)多年凍土的面積約占整個(gè)研究區(qū)總面積的76%，低溫和劇烈的凍融循環(huán)都對(duì)本區(qū)域土壤的發(fā)育產(chǎn)生了較大的影響，也對(duì)本區(qū)域的土壤質(zhì)地剖面模式的分布產(chǎn)生了影響。

相比于前人在其他區(qū)域研究得到的相似結(jié)論，如朱麗東等[9]研究發(fā)現(xiàn)洞庭湖地區(qū)土壤顆粒組成主要受氣候因素的影響；盧宏亮等[37]研究發(fā)現(xiàn)安徽省土壤黏粒含量在空間的分布主要受地形因素的影響；龐龍輝等[11]研究發(fā)現(xiàn)地表溫度和地形因素會(huì)影響青海省土壤顆粒在空間上的分布。可以發(fā)現(xiàn)影響洞庭湖地區(qū)土壤質(zhì)地的氣候因素主要是指該區(qū)域的季風(fēng)風(fēng)向和大小，因?yàn)樵搮^(qū)域的土壤顆粒組成具有較強(qiáng)的風(fēng)成特性；影響安徽省土壤質(zhì)地的地形因素主要是高程、山谷平坦指數(shù)和平面曲率，是因?yàn)樵搮^(qū)域內(nèi)地形地貌復(fù)雜，既有平原和丘陵，又有大別山這樣的高山區(qū)；而影響青海省土壤質(zhì)地的環(huán)境因子主要是地表溫度和高程，本文研究結(jié)論與此一致，因?yàn)楸疚难芯繀^(qū)也位于青海省，屬于青藏高原范圍內(nèi)，海拔梯度大、地形復(fù)雜多樣、年均溫度低，導(dǎo)致了氣候和地形因素是其主控因子。

綜合以上分析，可以看出土壤顆粒組成受多種環(huán)境因素的影響，且存在著明顯的區(qū)域差異。而青藏高原作為我國(guó)的高山和高寒區(qū)，其主控因子既有和其他地區(qū)相似的地形因子，也有自己獨(dú)特的氣候因子。整體來(lái)說(shuō)，地形和氣候因子是共同影響青藏高原溫泉地區(qū)土壤黏粒剖面分布模式的決定性因素，這也是青藏高原所獨(dú)有的特征。

4 結(jié)論

青藏高原溫泉地區(qū)土壤砂粒含量最大，但黏粒的變異系數(shù)最大。黏粒的剖面分布模式可分為遞減型、先增后減型、先減后增型和不規(guī)則型4種類型。

黏粒遞減型分布模式的主控因子是坡度、坡向和冷季地溫，先增后減型分布模式的主控因子是暖季和冷季地溫，先減后增型分布模式的主控因子是高程、地形濕度指數(shù)和NDVI，不規(guī)則型分布模式的主控因子是地形濕度指數(shù)、平面曲率和高程。氣候和地形因素是影響土壤黏粒剖面分布模式的決定性因素。

[1] 吳克寧, 趙瑞. 土壤質(zhì)地分類及其在我國(guó)應(yīng)用探討[J]. 土壤學(xué)報(bào), 2019, 56(1): 227–241.

[2] 張衛(wèi)青, 龐獎(jiǎng)勵(lì), 賽西雅拉圖, 等. 土壤顆粒組成及土壤容重對(duì)土地利用變化的響應(yīng)[J]. 內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版), 2016, 45(6): 870–874, 878.

[3] 譚軍, 鐘繼洪, 駱伯勝, 等. 廣東坡地紅壤顆粒組成狀況的研究——Ⅲ. 土壤顆粒組成與土壤理化性質(zhì)的關(guān)系[J]. 熱帶亞熱帶土壤科學(xué), 1998, 7(2): 102–105.

[4] 麥積山, 鄭江坤, 趙廷寧, 等. 北川震后滑坡體表層土壤顆粒組成及團(tuán)聚體空間變化特征[J]. 山地學(xué)報(bào), 2019, 37(1): 30–40.

[5] Naveed M, Herath L, Moldrup P, et al. Spatial variability of microbial richness and diversity and relationships with soil organic carbon, texture and structure across an agricultural field[J]. Applied Soil Ecology, 2016, 103: 44– 55.

[6] 盛月凡, 王海燕, 喬鈜元, 等. 不同土壤質(zhì)地對(duì)平邑甜茶幼苗連作障礙程度的影響[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2019, 52(4): 715–724.

[7] Shangguan W, Dai Y J, Liu B Y, et al. A soil particle-size distribution dataset for regional land and climate modelling in China[J]. Geoderma, 2012, 171/172: 85–91.

[8] 羅緒強(qiáng), 王世杰, 張桂玲, 等. 喀斯特石漠化過(guò)程中土壤顆粒組成的空間分異特征[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2009, 25(12): 227–233.

[9] 朱麗東, 谷喜吉, 葉瑋, 等. 洞庭湖周邊地區(qū)第四紀(jì)紅土粒度特征及環(huán)境意義[J]. 地理科學(xué)進(jìn)展, 2014, 33(1): 13–22.

[10] 夏江寶, 顧祝軍, 周峰, 等. 紅壤丘陵區(qū)不同植被類型土壤顆粒分形與水分物理特征[J]. 中國(guó)水土保持科學(xué), 2012, 10(5): 9–15.

[11] 龐龍輝, 劉峰, 趙霞, 等. 青海省表層土壤屬性數(shù)字制圖[J]. 土壤通報(bào), 2019, 50(3): 505–513.

[12] 張宏, 劉建軍. 黃土溝壑區(qū)不同土地利用方式下土壤養(yǎng)分及其與土壤顆粒組成關(guān)系[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2016, 36(11): 80–85.

[13] 孫艷俊, 張甘霖, 楊金玲, 等. 基于人工神經(jīng)網(wǎng)絡(luò)的土壤顆粒組成制圖[J]. 土壤, 2012, 44(2): 312–318.

[14] 劉超, 盧玲, 胡曉利. 數(shù)字土壤質(zhì)地制圖方法比較——以黑河張掖地區(qū)為例[J]. 遙感技術(shù)與應(yīng)用, 2011, 26(2): 177–185.

[15] 李璇, 楊帆, 李德成, 等. 祁連山區(qū)土壤砂粒含量剖面分布模式及其影響因素[J]. 土壤學(xué)報(bào), 2017, 54(4): 854– 863.

[16] 史靜靜, 楊琳, 曾燦英, 等. 土壤制圖中多目標(biāo)屬性的環(huán)境因子及其尺度選擇——以黑龍江鶴山農(nóng)場(chǎng)為例[J]. 地理研究, 2018, 37(3): 635–646.

[17] 周軍. 神奇的世界屋脊——青藏高原[J]. 地理教育, 2019(8): 13.

[18] 孫夏, 范廣洲, 張永莉, 等. 夏季青藏高原不同層次土壤濕度時(shí)空變化特征[J]. 干旱氣象, 2019, 37(2): 252– 261.

[19] 黃文潔, 曾桐瑤, 黃曉東. 青藏高原高寒草地植被物候時(shí)空變化特征[J]. 草業(yè)科學(xué), 2019, 36(4): 1032–1043, 919.

[20] 常姝婷, 劉玉芝, 華珊, 等. 全球變暖背景下青藏高原夏季大氣中水汽含量的變化特征[J]. 高原氣象, 2019, 38(2): 227–236.

[21] 方一平, 朱付彪, 宜樹(shù)華, 等. 多年凍土對(duì)青藏高原草地生態(tài)承載力的貢獻(xiàn)研究[J]. 氣候變化研究進(jìn)展, 2019, 15(2): 150–157.

[22] 石偉, 南卓銅, 李韌, 等. 基于支持向量機(jī)的典型凍土區(qū)土壤制圖研究[J]. 土壤學(xué)報(bào), 2011, 48(3): 461–469.

[23] 丑亞玲, 盛煜, 韋振明. 多年凍土區(qū)公路路基陰陽(yáng)坡溫度及變形差異分析[J]. 巖石力學(xué)與工程學(xué)報(bào), 2009, 28(9): 1896–1903.

[24] 張秀敏, 盛煜, 南卓銅, 等. 基于決策樹(shù)方法的青藏高原溫泉區(qū)域高寒草地植被分類研究[J]. 草業(yè)科學(xué), 2011, 28(12): 2074–2083.

[25] 李榮社, 楊永成, 孟勇. 青藏高原1∶25萬(wàn)區(qū)域地質(zhì)調(diào)查主要成果和進(jìn)展綜述(北區(qū))[J]. 地質(zhì)通報(bào), 2004, 23(Z1): 421–426.

[26] 江厚龍, 劉淑端, 許安定, 等. 不同取樣方式下土壤質(zhì)地空間插值的精度分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2014, 22(2): 217–224.

[27] 黃昌勇. 土壤學(xué)[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 2000.

[28] 中國(guó)科學(xué)院南京土壤研究所土壤系統(tǒng)分類課題組&中國(guó)土壤系統(tǒng)分類課題研究協(xié)作組. 中國(guó)土壤系統(tǒng)分類檢索[M]. 3版. 合肥: 中國(guó)科技大學(xué)科學(xué)出版社, 2001.

[29] 王宇坤. 羌塘高原寒旱核心區(qū)土壤—環(huán)境關(guān)系解析及土壤推理制圖[D]. 西寧: 青海師范大學(xué), 2016.

[30] 李旺平, 趙林, 吳曉東, 等. 青藏高原多年凍土區(qū)土壤-景觀模型與土壤分布制圖[J]. 科學(xué)通報(bào), 2015, 60(23): 2216–2228.

[31] 湯懋蒼, 鐘海玲, 李棟梁. 青藏鐵路沿線的四季劃分及其溫度變化分析[J]. 高原氣象, 2003, 22(5): 440–444.

[32] 李欣海. 隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J]. 應(yīng)用昆蟲(chóng)學(xué)報(bào), 2013, 50(4): 1190–1197.

[33] Breiman L. Random forests[J]. Machine Learning, 2001, 45(1): 5–32.

[34] 任麗, 楊聯(lián)安, 王輝, 等. 基于隨機(jī)森林的蘋(píng)果區(qū)土壤有機(jī)質(zhì)空間預(yù)測(cè)[J]. 干旱區(qū)資源與環(huán)境, 2018, 32(8): 141–146.

[35] 朱阿興. 精細(xì)數(shù)字土壤普查模型與方法[M]. 北京: 科學(xué)出版社, 2008.

[36] Zhang X M, Nan Z T, Wu J C, et al. Mountain permafrost distribution modeling using Multivariate Adaptive Regression Spline (MARS) in the Wenquan area over the Qinghai-Tibet Plateau[J]. Sciences in Cold and Arid Regions, 2012, 4(5): 361.

[37] 盧宏亮, 趙明松, 劉斌寅, 等. 基于隨機(jī)森林模型的安徽省土壤屬性空間分布預(yù)測(cè)[J]. 土壤, 2019, 51(3): 602– 608.

Profile Distribution of Soil Clay Contents and Its Influencing Factors in the Wenquan Regions of the Qinghai-Tibetan Plateau

LIU Yadong1, LI Wangping1*, ZHAO Lin2, WU Xiaodong3, HUANG Lixin1, Li Zhihong1

(1 School of Civil Engineering, Lanzhou University of Technology, Lanzhou 730050, China; 2 School of Geography, Nanjing University of Information Technology, Nanjing 210044, China; 3 Cryosphere Research Station on the Qinghai-Tibetan Plateau, State Key Laboratory of Cryospheric Science, Northwest Institute of the Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China)

In this paper, the Wenquan of QTP area was taken as the research area, 58 soil profiles deeper than 1 m were surveyed, and the profile distribution patterns of clay contents with the largest coefficient of variation and its relationship with environmental variables such as climate, topography, vegetation and soil parent materials were analyzed. The results showed that sand content of the Wenquan area is the largest in soil particle composition, more than 800 g/kg, but the coefficient of variation of clay content is the largest. The profile distribution pattern of clay contents can be divided into four types, i.e., decreasing, increasing first then decreasing, decreasing first then increasing and irregular. The main controlling factors are slope, aspect and the cold season ground temperature for the decreasing pattern, the surface temperature for the increasing first then decreasing pattern, elevation, topographical humidity index and NDVI for the decreasing first then increasing pattern, and topographical humidity index, plane curvature and elevation for the irregular pattern. The above results indicated that the climate and topographic factors are the decisive factors affecting the profile distribution pattern of clay content in the Wenquan area of the QTP, which provides a scientific basis for studying the soil-landscape model and spatial distribution of soil texture in the QTP.

Qinghai-Tibetan Plateau; Permafrost; Clay content; Profile distribution

S159

A

10.13758/j.cnki.tr.2021.03.025

劉亞?wèn)|, 李旺平, 趙林, 等. 青藏高原溫泉地區(qū)土壤黏粒含量剖面分布模式及其影響因素. 土壤, 2021, 53(3): 637–645.

國(guó)家自然科學(xué)基金項(xiàng)目(41601066)資助。

(lwp_136@163.com)

劉亞?wèn)|(1993—)，男，甘肅天水人，碩士研究生，主要研究方向?yàn)?S技術(shù)及應(yīng)用。E-mail: lyd0407@163.com