中亞熱帶幾種典型森林土壤養分含量分析及綜合評價

曹小玉,趙文菲,李際平,2,閆文德,龐一凡,孫亞萍,謝政锠

1 中南林業科技大學林學院,長沙 410004 2 南方森林資源經營與監測國家林業與草原局重點實驗室,長沙 410004 3 南方林業生態應用技術國家工程實驗室,長沙 410004

森林土壤作為森林生態系統中物理、化學和生物組分生態過程的載體和森林植物生長的基質,在很大程度上影響著森林植被的健康狀態[1—3],直接影響著森林木材和林副產品的產量及生態功能的發揮[4—5]。分析及綜合評價不同森林植被對土壤養分因子的影響,對揭示森林植被與土壤養分的相互關系,全面衡量森林土壤養分水平具有重要的意義,其研究結果可為林地資源的可持續經營方案的制定提供基礎數據和參考意見[6—7]。土壤養分評價涉及眾多土壤因子,如何確定指標權重是科學評價森林土壤養分水平的關鍵,在森林土壤肥力綜合評價方法中,土壤養分因子權重的確定方法目前主要有主成分分析法[8—9]、粗糙集法[10]、灰色關聯度法[11]等客觀權重賦值法和層次分析法[12]、判斷分析法[13]等主觀權重賦值法兩種。主觀權重賦值法受人的先驗知識影響,隨意性強,且很少考慮土壤養分因子之間相互影響的依賴關系。而客觀權重賦值法的權重原始信息雖來源于客觀實際,但卻沒有考慮各土壤養分因子對評價的重要程度[14—16]。因此,仍要繼續探索全新的土壤養分因子權重確定方法。

結構方程模型是一種模擬社會經濟系統復雜關系的方法[17—18]。土壤養分評價也是一項涉及諸多土壤養分因子的復雜系統工程,且各土壤養分因子之間存在著相互影響相互制約的復雜關系[19—20],采用結構方程模型生成的路徑圖不僅可以清晰地揭示各要素之間的復雜關系,還可以利用數據內在邏輯關系計算路徑系數從而對指標進行客觀賦權[21]。它的優點是在確定土壤養分指標權重時,不僅全面充分地提取了原始的數據的信息,而且克服了多重共線性的影響,避免了因專家打分誤差而造成指標權重的主觀誤差。因此,采用結構方程模型確定土壤養分指標權重,不失為科學確定土壤養分指標權重的一種方法探索。本文以中亞熱帶杉木(C.lanceolata)純林、木荷(S.superb)純林、木荷+楠木(P.ahenre)混交林、木荷+杉木混交林 、青岡櫟(C.glauca)天然次生林、毛竹(P.edulis)林 6種典型森林為研究對象,在分析不同森林類型土壤養分特征狀況差異的基礎上,采用結構方程模型確定土壤養分因子權重,對6種典型森林的土壤養分水平進行了綜合評價,以期為更科學地確定土壤養分評價指標權重提供一種新思路,也為林地資源的可持續經營方案的制定提供基礎數據和參考意見。

1 研究區概況

本研究的30塊調查樣地位于湖南省岳陽市平江縣福壽林場和蘆頭林場,平江縣(113°10′13″—114°9′6″E,28°25′33″—29°6′28″N)地處湖南省東北部,汨水和羅水的上游,汨羅江流經全境。屬大陸性季風氣候、東亞熱帶向北亞帶過渡氣候帶,年降雨量充足,非常適合森林資源生長。是湖南省著名的林業大縣,岳陽市接近60%的森林資源分布在該縣,縣內森林植被類型多樣,森林覆蓋率率已達64.2%。研究樣地除櫟類天然次生林外,其他森林類型均屬人工林,且所有森林類型都屬于公益林。

2 研究方法

2.1 樣地設置和土樣采集

2019年7月,在保證研究樣地的海拔、坡度等立地條件基本一致的前提下,對能代表研究區主要森林類型的杉木純林、木荷純林、木荷+楠木混交林、木荷+杉木混交林 、青岡櫟天然次生林和毛竹林進行了全面踏查,在每種森林類型分別設置不少于3個的重復樣地,每個樣地之間的距離不少于30 m,6種森林類型共設置了20塊20 m×30 m的樣地(表1)。利用內徑4.5 cm的土鉆,對每個樣地采取5點(即先將樣地對角線的交點位置作為中心取樣點,接著在對角線上設置4個與中心樣點距離相等且與樣方四個角距離較近的點作為取樣點)取樣法分0—20、20—40、40—60 cm土層取樣。同一土層5個采樣點的土壤樣品混合成1個土壤混合樣品,在清除了植物的根和碎石后,按四分法混合后共采集了60個約為600 g的土壤樣品,將其分別裝入做有標記的干凈自封袋,拿回實驗室用于測定土壤有機質等土壤養分指標。

表1 各森林類型基本情況Table 1 Basic conditions of forest types

2.2 土壤樣品測定

有機質含量測定采用油浴加熱重鉻酸鉀容量法；全氮含量測定用半微量凱氏法；全磷含量測定用氫氧化鈉堿熔-鉬銻抗比色法；堿解氮含量測定采用堿解擴散法；有效磷含量測定采用碳酸氫鈉浸提-鉬銻抗比色法；土壤速效鉀含量測定采用乙酸銨浸提-火焰光度法[22]。

2.3 土壤養分指標權重的計算

本文采用結構方程模型確定土壤養分指標權重,結構方程模型也叫線性結構關系模型。結構方程模型包含測量模型(即外部模型,公式1、2)和結構模型(即內部模型,公式3)兩部分[23—24]:

X=ΛXξ+δ

(1)

Y=ΛYη+ε

(2)

η=Βη+Γξ+ζ

(3)

測量模型展示了間接通過觀測變量(X,Y)得到了潛變量(ξ,η),其中ξ為外生潛變量,η表示內生潛變量。結構模型用于表示潛變量之間的因果關系,Β為內生潛變量之間的關系,Γ表示外生潛變量對內生潛變量的作用,ζ是模型中未能解釋的部分。采用結構方程模型確定土壤養分指標權重包括概念模型的設定、結構方程模型估計和模型檢驗兩個步驟,結構方程模型的構建及檢驗均使用AMOS 24.0軟件完成。

2.3.1概念模型的設定

基于土壤養分的相關理論可知,常用的養分指標包括土壤有機質、土壤氮磷鉀全量及有效量,這些指標不僅能較好地反映土壤養分的豐富程度,也容易測定且含量穩定性較高[25],基于此,本文將土壤養分作為潛變量,將土壤有機質、全氮、全磷、堿解氮、有效磷和速效鉀含量作為可測變量,構建土壤養分綜合評價概念模型(圖1)。

圖1 森林土壤養分評價概念模型Fig.1 The conceptual model of soil nutrients evaluation

2.3.2結構方程模型估計和模型檢驗

為了檢驗模型的適配度,本研究采用絕對適配統計量χ2/df(卡方自由度比)、RMSEA(漸進殘差均方和平方根)和增值適配度統計量CFI(比較適配指數)對模型進行適配度檢驗[26]。χ2/df介于1—3之間表示模型適配度良好。絕對適配度統計量RMSEA值小于0.05,說明模型適配度良好,其值小于0.08,說明模型適配度合理。其計算公式:

(4)

式中,F0是總體差異函數值,df是模型自由度,FML采用極大使然的函數值,N是樣本容量。

增值適配度統計量CFI,其值>0.90,說明模型適配度良好,計算公式:

(5)

模型的適配度檢驗結果顯示χ2/df的值為1.695,RMSEA為0.041,CFI為0.953,說明構建的結構方程模型與數據的適配度較高,模型擬合基本理想,可以滿足研究的需要。由圖2可知,可測變量有機質、全氮、全磷在土壤養分的載荷分別為0.96、0.80、014,堿解氮、速效磷和速效鉀在土壤養分上的載荷分別為0.49、0.21和0.46。

圖2 結構方程模型修正路徑圖Fig.2 The corredtion Structural Equation Model Path Map

通過歸一化計算相關變量的權重系數,得出土壤肥力評價各指標的權重結果如表2。

表2 土壤養分指標權重表Table 2 The table of soil nutrients index weight

2.4 土壤養分指標的評分標準

確定土壤肥力評價指標的權重是土壤肥力綜合評價的關鍵,但要最終確定土壤肥力等級,還需要給各個土壤養分指標確定評分標準,結合中亞熱帶森林土壤養分含量特征,借鑒前人已有的研究成果,同時參考我國土壤養分分級標準[21]。對土壤養分評價指標的觀測值進行評分,各指標評分值由高到低為6—1分,評分等級見表3。

表3 土壤養分評價指標評分等級Table 3 Grade of soil nutrients evaluation index

2.5 土壤養分含量綜合評分值的計算

根據上述計算的土壤養分權重和確定的土壤養分指標評分標準,可以根據公式(6)可以計算出土壤養分含量綜合評分值。

A=0.31B1+0.26B2+0.05B3+0.16B4+0.17B5+0.15B6

(6)

式中,A為土壤養分含量綜合評分值；B1、B2、B3、B4、B5、B6分別為有機質、全氮、全磷、堿解氮、速效磷和速效鉀養分含量得分值。采用等距劃分法對各林分樣地土壤養分含量等級劃分,分為6個等級,分別為：極豐、豐富、中上、中下、缺乏和極缺[27],劃分結果見表4。

表4 土壤養分等級劃分標準Table 4 Grading criterion of forest health evaluation

2.6 土壤養分指標數據處理

用 Excel 2007 圖表處理軟件和 SPSS 24.0 統計分析軟件進行土壤養分指標數據處理分析。

3 結果與分析

3.1 土壤養分含量分析

3.1.1不同森林類型土壤養分含量

從表5可以看出,研究區6種森林類型0—60 cm土壤有機質的含量為8.24—28.17 g/kg,排序為NCG>SPM>SCM>PSS>PCL>PEF,PSS與SCM的土壤有機質含量無顯著差異(P>0.05),其余森林類型的有機質含量兩兩之間均達到了顯著差異(P<0.05)。土壤全氮的含量為0.67—1.31 g/kg,排序為NCG>SPM>SCM>PSS>PEF>PCL,其中PCL與PEF,PSS與PEF,PSS與SPM,PSS與SCM的土壤全氮含量無顯著差異(P>0.05),而其它森林類型的土壤全氮含量兩兩之間均達到了顯著差異(P<0.05)。土壤全磷含量為0.15—0.21 g/kg,排序為SPM>SCM>NCG>PEF>PCL>PSS,但6種森林類型的土壤全磷含量兩兩之間都無顯著差異(P>0.05)。土壤堿解氮的含量為44.88—89.31mg/kg,排序為NCG>SCM>PSS>SPM>PCL>PEF。其中NCG與PCL、SPM、SCM及PCL與PSS、SCM的土壤堿解氮的含量均存在顯著差異(P<0.05),其余森林類型兩兩之間均未達到顯著差異(P>0.05)。土壤有效磷的含量為1.24—6.50mg/kg,排序為NCG>SCM>SPM>PEF>PCL>PSS。其中NCG與其他5種森林類型的土壤有效磷含量均存在顯著差異(P<0.05),PCL與SCM,PSS與SCM的土壤有效磷含量也存在顯著差異(P<0.05),其余森林類型兩兩之間均未達到顯著差異(P>0.05)。土壤速效鉀的含量為35.54—54.32mg/kg,排序為SPM>NCG>PSS>SCM>PCL>PSS。除了PCL與PSS,NCG與SCM,SPM與SCM之間達到顯著差異(P<0.05),其余森林類型兩兩之間均未達到顯著差異(P>0.05)。

表5 0—60 cm土壤養分含量Table 5 Contents of soil nutrients in soil within 0—60 cm

3.1.2不同森林類型0—60 cm土壤養分含量剖面分布

從圖3可以看出,研究區6種森林類型的土壤有機質、全氮、全磷和有效磷的含量在在0—60 cm土層范圍內都一致表現出隨土層加深而逐漸減小的規律。土壤有機質含量的下降幅度PEF>PCL>PSS>SCM>SPM>NCG,其中PCL、SCM、NCG和PEF的土壤有機質含量表現為(0—20 cm)土層均顯著高于(20—40 、40—60 cm)土層(P<0.05),而PSS和SPM的土壤有機質含量表現為(0—20 cm)土層只顯著高于(40—60 cm)土層(P<0.05)。土壤全氮含量的下降幅度PEF>SCM>PCL>NCG>SPM>PSS,其中PCL、SCM和PEF的全氮含量表現為(0—20 cm)土層均顯著高于(20—40 、40—60 cm)(P<0.05),而PSS、SPM和NCG的土壤全氮含量則表現為(0—20 cm)土層只顯著大于(40—60 cm)土層(P<0.05)。土壤全磷含量下降幅度SPM>SCM>PCL>PEF>PSS>NCG,其中PCL、SCM、NCG和PEF的土壤全磷含量表現為(0—20 cm)土層均顯著高于(20—40 、40—60 cm)土層(P<0.05),而PSS和NCG的土壤全磷含量則表現為(0—20 cm)土層均顯著大于(40—60 cm)土層(P<0.05),只有SPM(0—20 cm)土層的土壤全磷含量均未顯著高于(20—40 、40—60 cm)土層(P>0.05)。土壤有效磷含量下降幅度PEF>PCL>SPM>SCM>PSS>NCG,其中PCL、PSS、SCM和NCG的土壤有效磷含量表現為(0—20 cm)土層均顯著高于(20—40 、40—60 cm)土層(P<0.05),而PEF和SPM的土壤有效磷含量表現為(0—20 cm)土層只顯著大于(40—60 cm)土層(P<0.05)。研究區6種森林類型中PCL、SPM和PEF的堿解氮含量隨土層加深,下降幅度PCL>PEF>SPM,其中PCL(0—20 cm)土層的堿解氮含量顯著大于(40—60 cm)土層(P<0.05),而SPM和PEF(0—20 cm)土層土壤的堿解氮含量均未顯著高于(20—40 、40—60 cm)土層(P>0.05)。PSS、SCM和NCG的堿解氮含量隨土層加深都沒表現出明顯的規律。研究區6種森林類型中PSS的土壤速效鉀含量隨土層變深逐漸降低,其中PSS(0—20 cm)土層土壤的速效鉀含量顯著大于(40—60 cm)土層(P<0.05),PEF和SCM的土壤速效鉀含量隨著土層變深逐漸增加,其中SCM和PEF(0—20 cm)土層土壤的速效鉀含量均顯著低于(40—60 cm)土層(P<0.05),而PCL、PSS和NCG林的土壤速效鉀含量隨土層加深無明顯規律。

圖3 不同深度土壤養分的含量Fig.3 Content of of soil nturient in soil with different depth不同大寫字母表示不同林分在相同深度土壤間的差異顯著(P<0.05),不同小寫字母表示不同土層在相同林分間的差異顯著(P<0.05);PCL：杉木純林 Pure C.lanceolata forest ；PSS：木荷純林 Pure S.superb forest ；SPM：木荷+楠木混交林 S.superb-P.ahenre mixed forest；SCM：木荷+杉木混交林 S. superb+C.lanceolata mixed forest；NCG：青岡櫟天然次生林 Natural secondary C.glauca forest ；PEF：毛竹林 P.edulis forest

3.2 土壤養分綜合評價結果

從表6可以看出,研究區NCG的土壤養分等級綜合評分值為3.47,評價等級屬于中上水平,PCL、PSS、SPM、SCM的土壤養分等級綜合評分值分別為2.45、2.76、2.83、2.68,評價等級均屬于中下水平,而PEF的土壤養分等級綜合評分值僅為1.95,評價等級屬于土壤養分缺乏。從土壤養分單項指標看,研究區6種典型森林類型的土壤全磷指標的得分值都為1,均屬于缺乏水平,土壤有機質和全氮指標中,得分值最高的都是NCG,得分值為4,為豐富水平,而PEF的得分值最低,得分值為2,為中下水平,PCL、PSS、SPM和SCM的得分值均為3,為中上水平。土壤堿解氮指標中,PCL和PEF的得分值均為2,為中下水平,而PSS、SPM、SCM和NCG的得分值均為3,為中上水平。土壤有效磷指標中,PCL和PSS的得分值均為1,為缺乏水平,NCG的得分值為3,為中上水平,而SPM、SCM和PEF的得分值均為2,為中下水平。土壤速效鉀指標中,PCL、SCM和PEF的得分值為2,為中下水平,而PSS、SPM和NCG的得分值為3,為中上水平。

表6 土壤養分含量綜合得分值及評價等級Table 6 Comprehensive score and evaluation grade of soil nutrient contents

4 討論

不同類型的森林具有不同的樹種結構、冠層結構、年齡結構、群落組成和林下光環境[28—29]。這些顯著的差異形成了不同的凋落物性質、土壤質地和養分條件,從而使其土壤養分的含量也存在明顯差異[30]。本研究結果顯示：研究區NCG土壤有機質、全氮、堿解氮和有效磷含量最高,SPM土壤全磷和速效鉀含量最高,PEF土壤有機質、堿解氮和速效鉀含量最低,PCL土壤全氮含量最低,PSS土壤全磷和有效磷含量最低。NCG土壤養分含量較高主要是因為天然次生林在長期演替進化過程中形成了比較理想的森林結構和林下光環境[31]。多樹種混交使林地土壤表面形成了較多的凋落物,分解后的凋落物為表層土壤累積了大量有機質,而深淺不一、相互穿插的根系使土壤的通透性極大地改善,土壤微生物的活動速度和土壤養分循環速度加快[32—33]。重疊交錯的冠層結構形成了差異明顯的林內小氣候,為林下耐陰物種和喜光物種都能存活提供了適宜的光環境、空氣溫度,顯著地增加了林下植被的物種多樣性,為土壤有機質和養分的積累提供了豐富的物質來源。SPM土壤全磷含量高是因為闊葉混交林林下累積了大量容易分解的凋落物,很容易使土壤磷素得到補充[34—36]。而PEF土壤養分含量相對較低,主要是因為竹林的每年砍伐和更新,砍伐導致凋落物累積量少,更新幼竹的生長又需要土壤中不少養分[37—38]。PCL土壤養分含量低是因為針葉林林下凋落物組成單一,且分解速度慢,土壤有機質和養分得不到及時補充。路翔等研究發現,針葉林地上枯落物和地下細根的C/N顯著顯高于闊葉林與針闊混交林,從而使其枯落物和樹種根系難以分解,導致土壤養分含量相對較低[39]。

研究同時發現在0—60 cm土層范圍內,研究區土壤有機質、全氮、全磷和有效磷的含量在6種森林類型中都一致表現出隨土層加深而逐漸減小的規律,而土壤堿解氮和速效鉀含量隨土層變深發生變化的趨勢因森林類型不同而不同,并沒呈現出具體的變化規律。這是因為土壤有機質、全氮和全磷含量隨土層加深變化的規律是由其來源影響的,累積于土壤表層的微生物、動物殘體及死的凋落物和根系分解后為土壤表層提供了大量的有機質來源,也使土壤表層磷素得到及時補充。而隨著土層的加深,土壤微生物及動物生存的機會因為土壤環境變差而下降,導致林木根系生長發育受阻,土壤有機質、磷素含量和固氮水平下降[40—41]。而土壤堿解氮和速效鉀的含量易受到土壤含水量、氣候、植被和腐殖質厚度等環境因素的影響,因此其含量隨土壤加深變化的規律并不明顯[42]。

研究進一步表明研究區NCG的土壤養分等級綜合評分值為3.47,評價等級屬于中上水平,PCL、PSS、SPM、SCM的土壤養分等級綜合評分值分別為2.45、2.76、2.83、2.68,評價等級均屬于中下水平,而PEF的土壤養分等級綜合評分值僅為1.95,評價等級屬于土壤養分缺乏。這與前人的研究結果基本一致,呂瑞恒等研究發現蒙古櫟天然次生林土壤肥力優于蒙古櫟混交林、油松和落葉松人工林[43]。李靜鵬等研究也發現常綠天然次生林肥力綜合評分值大于針闊混交林,針闊混交林大于純林[44]。李萍等對亞熱帶典型林分土壤肥力進行評價研究,也發現天然次生林的肥力水平最高[8]。鄭華等研究認為天然次生林在長期生長進化過程中,幾乎沒有受到人為干擾,林下灌草豐富、水土保持效果明顯,土壤養分保育效果好,再加上天然次生林在凋落物數量、質量方面和土壤微生物活性、酶活性方面也優于人工林,這是導致天然林養分含量水平整體較高的主要因素[30]。而竹林養分含量低的主要原因在竹林的經營周期短,導致土壤養分的輸出量大于輸入量,致使林地土壤養分含量逐漸下降。Shanmughavel等研究發現竹林的養分周轉速度慢也是導致竹林林地肥力下降的重要原因[45],李正才等研究發現竹闊混交林的土壤養分含量明顯高于毛竹純林[46],因此為提高竹林土壤養分含量,可以適當補植些闊葉樹種。

在對土壤養分進行綜合評價中,土壤養分指標權重的確定是關鍵,本研究采用結構方程模型確定土壤養分指標權重。模型的適配度檢驗結果顯示χ2/df的值為1.695,RMSEA為0.041,CFI為0.953,說明構建的結構方程模型與數據的適配度較高,模型擬合基本理想,可以滿足研究的需要。根據土壤養分權重研究結果可知土壤有機質是影響研究區6種森林土壤養分最主要的因子,這與前人的研究結果一致,土壤有機質不僅是土壤氮磷鉀含量的重要來源,而且對改善土壤結構和物理性質、促進土壤微生物和土壤動物活動、活化土壤磷元素有著非常重要的作用[47]。

與現有的指標權重確定方法相比,結構方程模型是一種全新的方法,它是通過模擬影響森林土壤養分的各要素內邏輯關系生成路徑模型,反映影響土壤養分(不可測變量)與土壤養分的指標(可測變量)關系來對指標賦權,然后加權匯總進行評價[48]。它的優點是在確定土壤養分指標權重時,不僅全面充分地提取了原始的數據的信息,而且克服了多重共線性的影響,從而使土壤養分指標的權重確定更加科學合理[49]。但結構方程模型需要大量的數據,Bentler等建議結構方程模型的樣本容量應該為指標數目的10倍以上[50]。Boomsma建議樣本容量N最少在100以上[51]。Alexandra在CQ(創意智商)預測研究中研究樣本為122[52]。任峰等用112個研究樣本研究了網絡對企業傳統營銷方式的影響[53]。舒樹淼等用100個樣地數據分析了云南松次生林林木多樣性的影響因子[54]。吳仁吉等基于69個野外樣地調查數據分析了錫林河流域草原植被的分異驅動力[55]。本文采用60個土壤樣本構建模型,樣本容量達到了指標數目的10倍,從統計學的角度,完全能夠滿足建模的需要。Muthén指出確定結構方程模型樣本容量非常復雜,并沒有公認的經驗法則,樣本容量的大小除了考慮自由參數和指標的數目外,還受到數據觀察指標、研究設計、數據多變量正態性、處理數據缺失、模型復雜性等因素的影響[56]。一些學者提出通過統計檢驗力分析來解決具體研究的樣本容量問題,如蒙特卡羅模擬[57—58]。

5 結論

不同森林類型對土壤養分有顯著的影響,研究表明青岡櫟類天然次生林的土壤養分顯著高于杉木純林、木荷純林、木荷+楠木混交林、木荷+杉木混交林和毛竹林,因此,與人工造林相比,天然植被更有利于土壤養分的維持。結構方程模型進一步表明土壤有機質是影響研究區6種森林土壤養分最主要的因子,這與前人的研究結果一致。說明采用結構方程模型確定土壤養分因子權重是一種科學的方法,可為綜合評價土壤養分提供一種新思路。