黃淮海平原不同土地利用方式下土壤呼吸空間變異預(yù)測

李鍵,薛澄,2,楊揚(yáng),謝夢姣,彭正萍,2,王洋,2

(1.河北農(nóng)業(yè)大學(xué)資源與環(huán)境科學(xué)學(xué)院/河北省農(nóng)田生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室,河北保定 071000;2.河北農(nóng)業(yè)大學(xué)國土資源學(xué)院,河北保定 071000)

土壤呼吸是全球土壤碳循環(huán)的重要組成部分,其空間異質(zhì)性不僅能指示土壤微生物和理化性質(zhì)的變化特征,還對估算區(qū)域碳收支起到重要作用。地統(tǒng)計(jì)學(xué)通過空間自相關(guān)作用揭示土壤屬性變量的空間異質(zhì)性,解釋空間格局對生態(tài)過程與功能的影響[1]。此外,還能減少取樣的不確定性和降低調(diào)查成本,其中普通克里金法已廣泛用于土壤屬性空間異質(zhì)性研究[2],但其存在插值因子單一、不夠精確的缺點(diǎn)[3]。協(xié)同克里金法則根據(jù)與主變量之間的邏輯關(guān)系和相關(guān)性引入多輔助變量,尤其當(dāng)輔助變量與主變量高度相關(guān)時(shí),協(xié)同克里金法在減少誤差方面明顯優(yōu)于普通克里金法[4]。Golden等[5]對鉛污染空間變異研究表明協(xié)同克里金法較普通克里金法均方根誤差提高28.97%,王漢東等[6]在三峽區(qū)間面雨量插值研究表明協(xié)同克里金法較普通克里金法平均絕對誤差提高19.28%,均方根誤差提高10.25%。土壤呼吸具有較強(qiáng)的時(shí)空變異性[7],但應(yīng)用地統(tǒng)計(jì)學(xué)方法預(yù)測土壤呼吸空間變異的研究較少,利用輔助變量提高土壤呼吸空間變異預(yù)測精度和有效性的研究僅在耕地進(jìn)行了有限的探索[8],草地、林地等具有強(qiáng)大碳捕獲潛力的土地利用類型中也亟待進(jìn)一步開展更多實(shí)踐。

基于輔助變量的協(xié)同克里金法可提高土壤呼吸預(yù)測精度。在不同土地利用方式下,由于植被生長及其主導(dǎo)的凋落物輸入、土壤微生物種群差異造成土壤呼吸的不同,驅(qū)動耕地、草地、林地土壤呼吸空間變異的影響因子也存在差異。通常認(rèn)為,土壤溫度和水分是影響各土地利用方式下土壤呼吸季節(jié)變化的主導(dǎo)因子[9],但在空間異質(zhì)性研究中,它們并不能完全解釋土壤呼吸的空間變化。土壤有機(jī)碳可激發(fā)微生物的呼吸作用,其空間格局顯著影響土壤呼吸的空間變異特征[10]。另有研究表明,土壤p H 值增加會引起土壤微生物類群改變,影響酶的組成和來源,對土壤呼吸產(chǎn)生顯著改變[11]。此外,土壤N/P 變化,如磷添加措施會導(dǎo)致植被更易獲取土壤磷素而減少植物根系向地下擴(kuò)展,引起植物根系呼吸的降低[12-13]。總體而言,土壤呼吸空間異質(zhì)性影響因子復(fù)雜多樣,為充分解釋土壤呼吸空間變異特征,輔助變量的篩選宜包含土壤溫度、土壤水分、土壤p H 值及指示土壤養(yǎng)分特征的更多相關(guān)理化指標(biāo)。

在本研究中,為探究不同土地利用方式下,土壤呼吸的空間格局以及確定哪些土壤環(huán)境指標(biāo)能夠在一定程度上輔助于土壤呼吸空間異質(zhì)性的精確預(yù)測,選取黃淮海平原北部典型耕地、草地和林地,進(jìn)行優(yōu)化布點(diǎn),采用普通克里金法和基于輔助變量的協(xié)同克里金法做插值分析,以探究:(1)不同土地利用方式下土壤呼吸的空間變異特征;(2)與普通克里金法相比,協(xié)同克里金法是否可提高土壤呼吸空間變異的預(yù)測精度。擬為今后研究不同土地利用方式下的土壤呼吸空間變異特征及精準(zhǔn)預(yù)測區(qū)域碳收支提供數(shù)據(jù)支撐和理論依據(jù)。

1 研究區(qū)概況

耕地、草地、林地3種土地利用類型的研究樣區(qū)均在河北省邢臺市寧晉縣賈家口鎮(zhèn)域(114°46′—115°15′E,37°24°—37°48′N)范圍內(nèi),位于黃淮海平原北部,太行山東麓的沖積平原上(圖1)。研究區(qū)地勢低平,屬于暖溫帶大陸性氣候區(qū),年均氣溫約為13℃,年均降水量為450 mm。每年4 月中下旬到10 月上旬為無霜期,霜期160 d左右,研究樣區(qū)土壤類型主要為潮土。

圖1 研究區(qū)采樣點(diǎn)分布示意圖Fig.1 Distribution diagram of sampling points in the study area

2 材料與方法

2.1 采樣點(diǎn)設(shè)計(jì)

在耕地、草地和林地分別設(shè)置50 m×50 m 的樣方,基于6×6單元規(guī)則網(wǎng)格頂點(diǎn)設(shè)置規(guī)則網(wǎng)格樣點(diǎn)36個(gè)(用×表示樣點(diǎn)),輔以完全隨機(jī)樣點(diǎn)(用▲表示樣點(diǎn))和短距離樣點(diǎn)(用+表示樣點(diǎn))的優(yōu)化布點(diǎn)方案進(jìn)行采樣點(diǎn)設(shè)計(jì)(圖1)。

耕地、草地和林地采樣點(diǎn)總數(shù)分別為82 個(gè)、83個(gè)和79個(gè),其中短距離樣點(diǎn)均為12個(gè)。短距離樣點(diǎn)的設(shè)置方法為隨機(jī)選取1個(gè)已布設(shè)樣點(diǎn),設(shè)置在隨機(jī)方向上與該點(diǎn)距離為δ的點(diǎn)作為短距離樣點(diǎn)[14-15]。公式為:

式中:n為研究區(qū)采樣點(diǎn)個(gè)數(shù);L為每一個(gè)采樣點(diǎn)與其最近采樣點(diǎn)的距離,本研究中δ=4 m。

采樣點(diǎn)密度越大、間距越小,短距離樣點(diǎn)增加到10%時(shí),可提升空間預(yù)測精度,有利于預(yù)測小尺度范圍內(nèi)空間異質(zhì)性和可靠性[14-15]。采用S型多點(diǎn)混合采樣法,取土壤樣品深度為0—20 cm,將土樣充分混勻,然后用四分法從混合后的土壤中留取500 g樣品,除去礫石、根系、生物尸體等影響因素,經(jīng)風(fēng)干、研磨之后過篩裝袋保存以待測定。

2.2 測定方法

2.2.1 土壤呼吸 于2018年9月夏玉米成熟期,放置LI8100測量室的PVC環(huán)(長10 cm,內(nèi)徑0.194 m),埋設(shè)深度為5 cm,以減少對表層土壤的擾動。測定前24 h剪除環(huán)內(nèi)雜草,選取天氣晴朗的上午,于9:00—11:00采用LI8100進(jìn)行土壤呼吸速率測定,同時(shí)測定5 cm,10 cm土壤溫度和5 cm土壤水分含量。

2.2.2 其他指標(biāo) 土壤有效磷含量用鉬銻抗比色法測定,土壤速效鉀含量用乙酸銨浸提-火焰光度法測定,土壤全氮含量用凱氏定氮法測定,土壤p H 值用電極電位法測定,土壤有機(jī)質(zhì)含量用重鉻酸鉀-外加熱法測定,土壤有機(jī)碳含量根據(jù)有土壤有機(jī)質(zhì)含量計(jì)算得來。轉(zhuǎn)化公式為:

式中:SOC為土壤有機(jī)碳含量(g/kg);SOM 為土壤有機(jī)質(zhì)含量(g/kg);1.724為van bemmelen因數(shù)。

2.3 半方差函數(shù)

2.3.1 普通克里金 半方差函數(shù)用于研究對象空間相關(guān)性,主要是在一維條件下,當(dāng)采樣點(diǎn)x在一維軸x軸上變化時(shí),區(qū)域變量y(h)在點(diǎn)xi和(xi+h)處的值為y(xi)與y(xi+h)差的1/2,定義為區(qū)域變量y(x)在x軸上的變異函數(shù),記為y(x,h)。公式為:

式中:h為變程;N(h)為以距離h為間距的實(shí)測對數(shù);Z(xi)為樣點(diǎn)xi處實(shí)測值。

2.3.2 協(xié)同克里金 協(xié)克里金法中使用的交叉半變異函數(shù)描述屬性的空間變異性[3],傳統(tǒng)的交叉半變異函數(shù)只有一個(gè)次級變量。公式為:

式中:y1為交叉半變異函數(shù);h為變程;N為給定滯后距離區(qū)間(Xi+h)中Z1(Xi)和Z2(Xi)的個(gè)數(shù)。

基臺值(C0+C)、塊金值(C0)和變程(h)是半方差函數(shù)的參數(shù),其中基臺值表示變量在空間上的總變異大小,塊金值表示隨機(jī)因素引起的空間變異,變程反映空間變異的范圍[16]。塊金值與基臺值的比值,即C0/(C0+C),為塊金系數(shù)。當(dāng)塊金系數(shù)小于25%時(shí),空間相關(guān)性最強(qiáng);其值處于25%～75%,即為空間相關(guān)性中等;其值大于75%,則空間相關(guān)性較弱。

變異系數(shù)(CV)可反映土壤特性的空間變異程度[17]。當(dāng)CV≤0.1時(shí)為弱變異,0.1＜CV＜1時(shí)為中等變異,CV≥1時(shí)為強(qiáng)變異。

2.4 空間插值方法

2.4.1 普通克里金法 克里金插值是一種基于變差函數(shù)理論和結(jié)構(gòu)分析的有限區(qū)域內(nèi)區(qū)域變量無偏最優(yōu)估計(jì)方法。公式為:

式中:Z(x0)為位置x0的估計(jì)值;z(xi)為位置xi的已知值;λi為與數(shù)據(jù)相關(guān)的權(quán)重值。

2.4.2 協(xié)同克里金法 協(xié)同克里金法是普通克里金法的擴(kuò)展應(yīng)用,它利用了多種變量類型,將主變量的自相關(guān)和協(xié)同變量的互相關(guān)聯(lián)結(jié)合在一起進(jìn)行無偏最優(yōu)估計(jì)。公式為:

式中:Z1(x0)為x0點(diǎn)的估計(jì)值;z1(xi)為初始變量xi的真實(shí)值;z2(xi)為同位二級變量xi的真實(shí)值;λi為與z1(xi)相關(guān)的權(quán)重;μi為與z2(xi)相關(guān)的權(quán)重;n1和n2分別為z1和z2的鄰域個(gè)數(shù)。

2.5 精度評價(jià)

評價(jià)指標(biāo):平均絕對誤差(MAE)、平均相對誤差(MRE)、均方根誤差(RMSE)和平均標(biāo)準(zhǔn)誤差(MSE)。平均絕對誤差確切地表示偏離真值的實(shí)際大小,平均相對誤差反映模擬的可信程度,均方根誤差反映模擬值的靈敏度和極值效應(yīng),平均標(biāo)準(zhǔn)誤差表示樣本均值與總體均值的離散程度。誤差越小,效果越好。計(jì)算公式如下:

式中:zoi與zpi分別為土壤呼吸的實(shí)測值與預(yù)測值;n為樣本數(shù)量。

2.6 數(shù)據(jù)處理

應(yīng)用Microsoft Excel 2010計(jì)算均值、標(biāo)準(zhǔn)差,最大(小)值。SPSS 24.0做描述統(tǒng)計(jì),K-S正態(tài)分布檢驗(yàn)。Origin 2021制作相關(guān)性圖。GS+(9.0)軟件完成半方差函數(shù)模型擬合。ArcGIS 10.7 軟件做空間插值、誤差驗(yàn)證。

3 結(jié)果與分析

3.1 土壤指標(biāo)統(tǒng)計(jì)特征

統(tǒng)計(jì)分析表明,耕地、草地和林地土壤呼吸速率的變化范圍依次是1.08～3.54,1.75～6.35,0.50～3.77 μmol/(m3·s)(表1)。耕地、草地和林地土壤呼吸速率均呈現(xiàn)中等程度變異,變異系數(shù)依次為33%,24%,31%。

表1 土壤基本指標(biāo)統(tǒng)計(jì)Table 1 Soil basic index statistics

土壤全氮、有效磷和速效鉀含量在耕地,平均值分別為2.18 g/kg,39.59 mg/kg,319.94 mg/kg(表1)。大氣溫度、5 cm 和10 cm 土壤溫度及土壤水分也表現(xiàn)為耕地最高,平均值依次為16.71℃,19.33℃,16.92℃,14%。土壤有機(jī)碳含量、p H 值、C/N 值在草地最高,平均值依次為10.99 g/kg,8.21,19.39。N/P和C/P在林地最高,平均值依次為0.09,1.55。3種土地利用方式下,大氣溫度、5 cm 和10 cm 土壤溫度及土壤p H 值均表現(xiàn)為弱變異(僅耕地ST10和林地TEMP除外)。土壤水分、土壤有機(jī)碳、土壤養(yǎng)分及其相關(guān)化學(xué)計(jì)量學(xué)指標(biāo)在耕地、草地和林地均呈現(xiàn)中等程度變異,其中變異最大的指標(biāo)均為N/P,變異系數(shù)依次為50%,60%,67%。

3.2 土壤呼吸半方差和交叉變異函數(shù)

基于普通克里金法的半方差函數(shù),在耕地和草地中為球面模型,林地中為指數(shù)模型(圖2)。耕地和草地土壤呼吸均呈現(xiàn)強(qiáng)空間相關(guān)性,塊金系數(shù)均小于3%,而林地土壤呼吸則呈現(xiàn)中等程度的空間相關(guān)性,塊金系數(shù)為40%。土壤呼吸空間相關(guān)距離由遠(yuǎn)及近依次為林地(15.12 m)、耕地(3.83 m)和草地(2.47 m),這表明在區(qū)域范圍內(nèi),林地土壤呼吸具有更遠(yuǎn)距離的空間相關(guān)性。

圖2 土壤呼吸與協(xié)同變量的交叉變異函數(shù)Fig.2 Cross variogram of soil respiration and covariance variables

基于協(xié)同克里金法的研究表明耕地和草地土壤呼吸均為穩(wěn)定模型,林地則是球狀模型(表2)。土壤呼吸與輔助變量的交叉變異分析表示耕地、草地和林地的土壤呼吸與輔助變量之間都具有強(qiáng)空間相關(guān)性。僅耕地土壤中p H 值與土壤呼吸的空間相關(guān)性較弱(圖3)。

表2 土壤呼吸插值模型誤差Table 2 Error of soil respiration interpolation model

圖3 土壤呼吸與因子相關(guān)性分析Fig.3 Correlation analysis of soil respiration and factors

3.3 土壤呼吸空間分布格局

基于普通克里金與協(xié)同克里金插值法預(yù)測的土壤呼吸空間分布格局大體保持一致,與普通克里金法相比,協(xié)同克里金法插值結(jié)果所表達(dá)的土壤呼吸空間格局在細(xì)節(jié)上更加準(zhǔn)確、豐富,土壤呼吸高低峰值空間分布更加清晰(圖4)。耕地土壤呼吸均呈現(xiàn)條帶狀,空間格局表現(xiàn)為四周高中部低。草地土壤呼吸空間分布均呈現(xiàn)不規(guī)則斑狀,空間格局是以東北—西南為軸的對稱分布。林地土壤呼吸空間分布均呈現(xiàn)明顯的嵌套狀,格局是自西向東逐漸增大。

圖4 土壤呼吸速率空間插值Fig.4 Spatial interpolation of soil respiration rate

3.4 土壤呼吸空間預(yù)測精度評估

評估結(jié)果表明應(yīng)用協(xié)同克里金法預(yù)測土壤呼吸空間變異的精度優(yōu)于普通克里金法,其在耕地、草地和林地依次平均提升了3.27%,9.98%,7.86%(表2)。基于MAE,MRE,RMSE和MSE的預(yù)測精度評估表明,與普通克里金法相比,協(xié)同克里金法的土壤呼吸空間變異預(yù)測精度在耕地提高1.15%～6.34%,在草地提高9.10%～10.87%,在林地提高4.78%～12.09%(表2)。

4 討論

4.1 不同土地利用方式下土壤呼吸異同

本研究發(fā)現(xiàn),草地土壤呼吸速率較耕地和林地更高,這與前人的研究結(jié)果相一致[18-19]。Raich等[20]研究認(rèn)為草地土壤呼吸速率大于耕地和林地,其指出土壤呼吸速率與不同土地利用方式下植被的差異密切相關(guān),植被能通過影響土壤微生物、土壤有機(jī)質(zhì)、土壤結(jié)構(gòu)和根呼吸來影響土壤呼吸總量。有機(jī)物提供異養(yǎng)分解的基質(zhì)[21],土壤有機(jī)碳含量作為環(huán)境背景值的重要參數(shù),在一定程度上起到調(diào)節(jié)土壤呼吸作用。土壤有機(jī)碳儲量越大的生態(tài)系統(tǒng),土壤呼吸速率相對越高,因此研究樣區(qū)中草地土壤呼吸速率比耕地和林地都更高。

4.2 輔助變量選取

選取輔助變量主要根據(jù)相關(guān)性和協(xié)同克里金模擬效果,輔助變量與土壤呼吸的相關(guān)性越大,預(yù)測效果越優(yōu)[7]。耕地、草地和林地土壤呼吸速率均與溫度(ST5,ST10,TEMP)和土壤水分呈現(xiàn)一定相關(guān)性(圖3),即土壤呼吸速率隨著溫度或水分的升高而變大,這與前人研究結(jié)果相一致[17]。

草地和林地土壤呼吸的輔助變量除共有的土壤水分和5 cm 土壤溫度外,林地的輔助變量還有氣溫,其與林地土壤呼吸呈顯著正相關(guān)關(guān)系(p＜0.01)。耕地土壤呼吸的最優(yōu)輔助變量中并未出現(xiàn)土壤溫度和土壤水分指標(biāo),而是C/P,N/P和土壤p H 值,這可能與耕地長期施用有機(jī)肥、氮磷肥等措施有關(guān),致使磷成為耕地土壤呼吸主導(dǎo)因子。孫寶玉等[13]研究表明施磷改變土壤N/P,土壤p H 值等理化指標(biāo),土壤中氮未受限制時(shí),適量磷添加使植被更容易獲取土壤磷素,相應(yīng)地減少植物根系向地下的擴(kuò)展,因此施磷引起的土壤N/P降低限制了植物根系呼吸。此外,施磷后凋落物碎屑、根系分泌物等有機(jī)碳輸入數(shù)量和質(zhì)量的變化,從而導(dǎo)致C/P 改變,進(jìn)而影響土壤呼吸[22]。耕地中土壤p H 值提升,通過改變土壤酶空間構(gòu)象來影響酶催化活性,顯著影響土壤酶對碳底物的分解,來調(diào)控土壤呼吸[23]。因此,在耕地中,N/P,C/P和土壤p H 值為土壤呼吸空間變異的輔助變量。

4.3 預(yù)測精度評估

基于協(xié)同克里金法插值表達(dá)的土壤呼吸空間變異優(yōu)于普通克里金法,可能歸結(jié)于輔助變量對土壤呼吸空間變異的解釋作用。與普通克里金法相比,協(xié)同克里金法的土壤呼吸預(yù)測在草地和林地中的MRE分別提升9.82%,12.09%,這與陽寬達(dá)等[24]研究結(jié)果相一致。胡丹桂等[25]采用RMSE 作為評價(jià)指標(biāo),在空氣濕度空間插值研究表明協(xié)同克里金法預(yù)測精度提升7.66%～20.58%。本研究中,RMSE 提升4.19%～9.10%,與前人研究結(jié)果較為一致[25-26]。有研究表明,當(dāng)主輔變量間的相關(guān)性超過0.45時(shí),協(xié)同克里金法的預(yù)測精度明顯優(yōu)于普通克里金法[5],能夠表達(dá)更為豐富的空間信息。而本研究中沒有指標(biāo)與土壤呼吸相關(guān)系數(shù)超過0.45,這可能是沒有前人研究中精度提升那么高的重要原因,這值得進(jìn)一步探究。

5 結(jié)論

(1)不同土地利用方式下土壤呼吸均呈現(xiàn)中等程度變異,平均速率由大到小依次為草地3.96μmol/(m3·s)、林地2.01μmol/(m3·s)和耕地1.97 μmol/(m3·s)。在空間自相關(guān)方面,空間相關(guān)距離呈現(xiàn)林地＞耕地＞草地,分別為15.12,3.83,2.47 m。

(2)本研究應(yīng)用協(xié)同克里金法模擬土壤呼吸空間變異的最優(yōu)輔助變量在耕地為C/P,N/P,p H 值,在草地為SM,p H 值,ST5,在林地為TEMP,SM,ST5。與普通克里金法預(yù)測相比,引入輔助變量的協(xié)同克里金法插值對耕地、草地、林地土壤呼吸空間變異預(yù)測精度的提升可達(dá)9.98%。因此,以土壤呼吸的影響因子作為輔助變量的協(xié)同克里金法可以更準(zhǔn)確地預(yù)測區(qū)域土壤呼吸的空間變異特征。