-
人地矛盾冲突导致超量砍伐森林,使得生态系统退化、土地荒漠化速度加快、土壤肥力降低[1-2]。土壤质量与植被类型密切相关,一方面,林木生长吸收土壤中的养分,土壤理化性质影响植物的生长;另一方面,植物凋落物经过分解将养分归还土壤,改善土壤质量[3]。不同植被恢复措施对土壤养分状况的影响程度不同[4],土壤质量优劣综合体现于土壤生产性能、持水保水性能等方面[5]。我国滇东南喀斯特类型主要为断陷盆地,气候季节性干旱严重,土壤瘠薄,石漠化现象严重,土壤具有低磷高钙的特征。自2008年以来,滇东南实施了大面积的石漠化综合治理工程,探究不同恢复措施下的土壤质量对评判植被恢复成功与否具有重要意义。
提取合适的评价指标是土壤质量评价过程的重要环节[6],最小数据集法被广泛应用于土壤质量评价与检测工作[7-10]。杨文娜等[11]在贵州印江典型喀斯特区利用2种方法对不同土地利用方式土壤进行质量评价,得出主成分分析法及模糊评价法均能较准确评价土壤质量。孙建等[12]探讨石漠化区4种生态恢复模式对土壤质量的改善,表明金银花(Lonicera japonica Thunb.)和花椒(Zanthoxylum bungeanum Maxim.)对当地植被恢复有积极作用。尽管先前的研究探索了各种评估土壤质量的指标和方法,但在特殊地质背景下的岩溶生态脆弱区土壤质量评价仍较薄弱。本文以滇东南喀斯特区石漠化治理工程中常用的5种植被恢复措施为研究对象,深入了解不同植被恢复措施对土壤理化性质、全钙及全镁的影响;建立最小数据集土壤质量综合评价体系,并确定哪种植被恢复措施下土壤质量效果最优,为喀斯特区植被恢复提供理论指导。
-
于2016年6月,分别选取不同类型林分,包括天然阔叶次生林及人工林。人工林中乔木选取了云南松及马尾松针叶林、直杆蓝桉阔叶林,同时选取了车桑子灌木林,样地基本情况见表1。根据对不同林分类型的树种恢复效果进行对比,结果更具代表性。样地大小为20 m × 20 m,每种植被类型3个重复,共选取15个样地进行每木检尺并采样。于2016年8月从每个样地中随机挖取3个土壤剖面,移除凋落物层,采集0~10、10~20、20~30 cm3层的土壤样本。将3个剖面的同一土壤层中的样品合并,并通过2 mm与0.15 mm孔径网筛进行筛分,进行土壤化学性质及金属元素测定;同时分3层取土壤环刀并称质量,带回实验室进行物理性质测定。
表 1 不同恢复措施样地基本情况
Table 1. Basic information of different recovery measures
植被恢复类型
Type of
vegetation
restoration林分起源
Stand
origin海拔
Altitude/
m坡度
Slope/
(°)坡位
Slope
position植被覆盖率
Vegetation
cover rate/
%胸径
Breast
diameter/
cm树高
Tree
height/
m乔木层主要树种
Main tree species
in the arbor layer恢复年限
Recovery
years/aN 天然林 1 396~1 420 10~12 下坡 75 1.0~17.0 1.4~7.5 铁橡栎 Quercus cocciferoides
清香木 Pistacia weinmannifolia
黄连木 Pistacia chinensis— Y 人工林 1 555~1 562 15 下坡 80 1.0~17.0 0.6~8.5 云南松 Pinus yunnanensis 16 M 人工林 1 480~1 494 11 下坡 85 0.7~11.8 0.6~5.9 马尾松 Pinus massoniana 15 E 人工林 1 500~1 515 11 下坡 65 1.0~12.1 1.5~9.9 直杆蓝桉 Eucalyptus globulus subsp. maidenii 16 D 人工林 1 386~1 395 15 下坡 70 0.9~3.0 1.2~4.0 车桑子 Dodonaea viscosa 15 注:表中N代表天然次生林,Y代表云南松针叶林,M代表马尾松针叶林,E代表直杆蓝桉阔叶林,D代表车桑子灌木林;图1、2、3同此。
Notes: In the table, N stands for Natural secondary forest, Y stands for Pinus yunnanensis Franch.pure forest, M stands for Pinus massoniana Lamb. pure forest, E stands for Eucalyptus globulus subsp. maidenii (F. Mueller) Kirkpatrick pure forest, D stands for Dodonaea viscosa (L.) Jacq.shrub forest; Figures 1, 2 and 3 are the same. -
测定指标包括基础理化性质:土壤密度、总孔隙度、毛管孔隙度、非毛管孔隙度、毛管持水量、饱和含水量、pH值、有机碳、全氮、全磷、氨态氮、硝态氮、有效磷、速效钾,其参照土壤农化分析方法进行测定[15]。研究区属于岩溶区,母岩多为石灰岩及白云岩,而石灰岩主要由CaCO3组成,白云岩主要由方解石组成,富含钙、镁元素,全钙、全镁对于植物生长发育有较大影响[16]。全钙及全镁采用HNO3-HF-HCl微波消解法并采用电感耦合等离子体质谱仪测定[17]。
-
选取不同植被恢复措施0~20 cm表层[18]土壤指标,利用SPSS对其理化性质及全钙、全镁进行因子分析并计算指标Norm值[6]。Norm值(Nik)计算公式如下:
$ N_{i k}=\sqrt{\sum\limits_{i=1}^{k}\left(u_{i k}^{2} \cdot \lambda_{k}\right)} $
式中:Nik是第i个指标在特征值≥1的前k个主成分上的综合载荷[6];uik是第i个指标在第k个主成分上的载荷[6];
$ \lambda_{k}$ 是第k个主成分的特征值[6]。 -
在R语言中采用Ward法(欧氏距离)进行聚类分析,将指标分为表征不同土壤质量特征的组别,组内相关性较高的可代替,结合参考文献[15]及野外调查数据,剔除冗余指标。
-
利用“S”型函数、反“S”型函数及抛物线函数,进行土壤质量指数计算。
土壤有机碳、全氮、氨态氮、硝态氮、全磷、有效磷、速效钾、毛管孔隙度、总孔隙度、毛管持水量、饱和含水量在一定范围内与评价指标及土壤质量成正相关,采用“S”型函数进行计算。
$ u(x)=\left\{\begin{array}{l} 1, x \geqslant b \\ \dfrac{x-a}{b-a}, a<x<b \\ 0, x \leqslant a \end{array}\right. $
土壤全钙、全镁、非毛管孔隙度在一定范围内与评价指标成负相关,采用反“S”型函数进行计算。
$ u(x)=\left\{\begin{array}{l}1, x \leqslant a \\ \dfrac{x-b}{a-b}, a<x<b \\ 0, x \geqslant b\end{array}\right. $
土壤pH值、密度的指标值具有最佳适宜范围,偏离程度越大则对土壤功能影响越小[6],故采用抛物线函数进行计算。
$ u(x)=\left\{\begin{array}{l} 1, b_{1} \geqslant x \geqslant b_{2} \\ \dfrac{x-a_{1}}{b_{1}-a_{1}}, a_{1}<x<b_{2} \\ \dfrac{x-a_{2}}{b_{2}-a_{2}}, a_{2}>x>b_{2} \\ 0, x \leqslant a_{1} \text {或}\, x \geqslant a_{2} \end{array}\right. $
式中:u(x)为隶属函数,x为指标实际值,a为指标阈值下限,b为指标阈值上限[6];a1指标临界值下限,a2指标临界值上限,b1最适宜值上界点,b2最适宜值下界点[6]。
采用主成分分析法中的权重进行土壤质量指数(SQI)计算:
$ S Q I=\sum\limits_{i=1}^{n} w_{i} N_{i} $
式中: wi是第i个指标的权重,Ni为第i个指标的隶属值[19]。
-
图1表明:毛管持水量、饱和含水量排序为:车桑子灌木林>马尾松针叶林>天然次生林>直杆蓝桉阔叶林>云南松针叶林。车桑子灌木林土壤饱和含水量显著高于其他植被恢复模式,其保水持水效果最佳,云南松针叶林则较差(p<0.05)。除土壤密度外,其他指标均随土层深度增加呈降低趋势。
图2表明:pH值在5.43~7.1间浮动,马尾松针叶林及车桑子灌木林土壤偏酸性。土壤有机碳、全氮、氨态氮、硝态氮、全磷整体呈随土壤深度增加而降低趋势(车桑子灌木林氨态氮除外);有效磷及速效钾呈不规则浮动,车桑子灌木林速效钾显著高于其他恢复措施(p<0.05)。图3表明,全钙在不同恢复措施间无显著差异,天然林及直干蓝桉阔叶林全镁含量显著高于其他恢复措施(p<0.05)。
-
利用土壤理化性质及全钙、全镁等16个指标对土壤质量指数进行计算,得出5种植被恢复措施的土壤质量指数顺序为:车桑子灌木林(0.496)>马尾松针叶林(0.475)>云南松针叶林(0.460)>然次生林(0.440)>直杆蓝桉阔叶林(0.395)。
-
利用主成分分析法对全量数据集进行因子分析,按照累积方差贡献率≥80%的原则[20],提取了前4个公因子。根据因子载荷分为4组(表2),其中,第1组土壤有机碳与pH值、硝态氮、有效磷、速效钾、土壤密度及全钙显著相关(表3),选取土壤有机碳进入最小数据集;总孔隙度与毛管孔隙度、毛管持水量、饱和含水量高度相关(表3),选取总孔隙度进入最小数据集。第2组氨态氮与全磷显著相关,选取氨态氮进入最小数据集;全镁直接进入最小数据集(表3)。第3组全氮直接进入最小数据集。第4组非毛管孔隙度直接进入最小数据集。基于主成分分析法提取的最小数据集包括土壤有机碳、氨态氮、全镁、全氮、总孔隙度、非毛管孔隙度。根据选取出的6个指标计算土壤质量指数,不同植被恢复措施排名为:马尾松针叶林(0.202)>车桑子灌木林(0.199)>天然次生林(0.191)>直杆蓝桉阔叶林(0.183)>云南松针叶林(0.149)。
表 2 主成分因子载荷矩阵及因子权重
Table 2. Principal Component Factor Load Matrix and Factor Weight of Soil Physicochemical Properties
指标
Index分组
Grouping成分 Component Norm值
Norm valuePCA1 PCA2 PCA3 PCA4 Z1(pH值) 1 −0.585 −0.200 0.276 0.555 2.32 Z2(有机碳) 1 0.883 0.087 0.228 0.042 6.31 Z3(全氮) 3 −0.429 0.220 0.761 −0.307 2.45 Z4(氨态氮) 2 0.420 0.589 −0.411 0.324 2.47 Z5(硝态氮) 1 0.731 −0.367 −0.260 0.335 4.67 Z6(全磷) 2 −0.240 0.831 −0.072 0.262 2.08 Z7(有效磷) 1 −0.580 0.300 −0.177 0.245 2.94 Z8(速效钾) 1 0.784 −0.279 −0.083 −0.127 5.09 Z9(土壤密度) 1 −0.879 −0.226 −0.291 0.014 6.40 Z10(毛管孔隙度) 1 0.913 0.208 −0.088 −0.131 6.75 Z11(总孔隙度) 1 0.969 0.051 0.116 0.086 7.51 Z12(非毛管孔隙度) 4 0.280 −0.395 0.537 0.566 1.43 Z13(毛管持水量) 1 0.939 0.177 0.063 −0.074 7.10 Z14(饱和含水量) 1 0.953 0.096 0.171 0.043 7.30 Z15(全钙) 1 −0.675 −0.320 −0.050 0.025 3.87 Z16(全镁) 2 −0.384 0.715 0.307 0.065 2.51 特征值 7.967 2.343 1.511 1.123 方差贡献率/% 49.796 14.644 9.444 7.020 累积方差贡献率/% 49.796 64.440 73.884 80.903 表 3 土壤理化性质及全钙全镁相关性矩阵
Table 3. Physical and chemical properties and correlation matrix of total calcium and total magnesium
Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 Z11 Z12 Z13 Z14 Z15 Z2 −0.397* Z3 0.270 −0.232 Z4 −0.227 0.354 −0.405* Z5 −0.241 0.555** −0.648** 0.274 Z6 0.032 −0.137 0.099 0.416* −0.416* Z7 0.320 −0.586** 0.153 −0.068 −0.351 0.374* Z8 −0.411* 0.602** −0.404* 0.168 0.638** −0.493** −0.423* Z9 0.444* −0.812** 0.113 −0.359 −0.472** 0.049 0.432* −0.585** Z10 −0.465** 0.787** −0.353 0.474** 0.554** −0.091 −0.428* 0.702** −0.813** Z11 −0.369* 0.876** −0.340 0.392* 0.671** −0.174 −0.506** 0.744** −0.885** 0.929** Z12 0.192 0.352 −0.014 −0.155 0.393** −0.237 −0.271 0.211 −0.309 −0.051 0.323 Z13 −0.440* 0.823** −0.296 0.408* 0.548** −0.102 −0.448* 0.692** −0.917** 0.963** 0.954** 0.112 Z14 −0.380* 0.858** −0.282 0.360 0.600** −0.140 −0.480** 0.700** −0.941** 0.911** 0.976** 0.304 0.980** Z15 0.572** −0.604** 0.114 −0.449* −0.463** −0.083 0.314 −0.353 0.629** −0.567** −0.607** −0.188 −0.584** −0.594** Z16 0.144 −0.186 0.499** 0.159 −0.535** 0.581** 0.417* −0.399* 0.115 −0.238 −0.294 −0.185 −0.247 −0.270 0.084 -
基于聚类分析法中Ward法(欧氏距离)聚类,对评价指标进行分类。图4表明:在聚合水平0~3.5之间,指标可明显划分为4类。第一类土壤密度与毛管孔隙度、总孔隙度、毛管持水量存在相关性,合适的土壤密度有助于植物生长,是最常用的物理指标[21],选取土壤密度进入最小数据集。全磷及有效磷中,对于短期土壤质量有明显变化的为有效磷[22],且其属于强变异,故选取有效磷进入最小数据集。非毛管孔隙度、全镁与组内其他因子无明显相关性,其中,非毛管孔隙度与土壤密度评价效果重叠,故将其剔除,全镁进入最小数据集。第二类速效钾与全钙均进入最小数据集。第三类全氮与氨态氮存在相关性(表3),全氮、硝态氮及氨态氮在植物生长发育过程中,起作用较大的为硝态氮及氨态氮[23],在pH值较低和氮限制下,植物对于氨态氮吸收更好[20],选取氨态氮、pH值进入最小数据集。第四类有机碳与饱和含水量高度相关(表3),碳含量处在合理范围内,可以对饱和含水量进行有效调控[24],选取有机碳进入最小数据集。基于聚类分析法提取的最小数据集包括土壤密度、有效磷、全镁、速效钾、全钙、氨态氮、pH值、有机碳。根据选取出的8个指标计算的土壤质量指数排序为:车桑子灌木林(0.292)>直杆蓝桉阔叶林(0.259)>马尾松针叶林(0.226)>云南松针叶林(0.216)>天然次生林(0.211)。
-
将全量数据集土壤质量指数与最小数据集土壤质量指数作散点图进行回归分析,从拟合效果看(图5),全量数据集-土壤质量指数与主成分分析-土壤质量指数的相关系数为0.843 5,全量数据集-土壤质量指数与聚类分析-土壤质量指数的相关系数为0.767 9。滇东南喀斯特区主成分分析法更适用于提取最小数据集指标进行土壤质量评价。
喀斯特区不同植被恢复措施土壤质量评价
Soil Quality Evaluation of Different Vegetation Restoration Measures in Karst Area
-
摘要:
目的 本研究旨在评价滇东南喀斯特区不同植被恢复措施的土壤质量,以期为石漠化治理和植被生态恢复提供依据。 方法 以云南省建水县不同植被恢复措施为研究对象,基于聚类分析及主成分分析法建立最小数据集,利用全量及最小数据集土壤质量指数进行土壤质量评价。 结果 显示:(1)不同植被恢复措施的土壤理化性质差异显著(p<0.05),随土层深度增加而降低(土壤密度除外);车桑子灌木林有机碳、速效钾含量显著高于其他恢复措施;云南松针叶林总孔隙度及速效钾含量低于其他恢复措施。(2)基于主成分分析法的最小数据集适合作为喀斯特区最小数据集提取方法;最小数据集由有机碳、全氮、氨态氮、总孔隙度、非毛管孔隙度、全镁组成。(3)5种恢复措施土壤质量排序为:马尾松针叶林>车桑子灌木林>天然次生林>直杆蓝桉阔叶林>云南松针叶林。 结论 喀斯特区进行人工林恢复时可优先选择马尾松针叶林进行种植。 Abstract:Objective To evaluate the soil quality of different vegetation restoration measures in karst region of southeast Yunnan for providing basics for the control of rocky desertification and ecological restoration of vegetation. Method In this paper, different vegetation restoration measures in Jianshui County of Yunnan Province were carried out. The minimum data sets were established by cluster analysis and principal component analysis. The soil quality indexes of the full and minimum data set were used to evaluate soil quality. Result The results showed that: (1) There were significant differences in soil physical and chemical properties among different vegetation restoration measures (P < 0.05), which decreased with the increase of soil depth. The contents of organic carbon and available potassium in Dodonaea viscosa forest were significantly higher than those through other restoration measures. The total porosity and available potassium content of Pinus yunnanensis Franch. pure forest were lower than those through other restoration measures.(2) Quality evaluation of the minimum dataset using principal component analysis was suitable for the extraction of karst area. The minimum data set consisted of organic carbon, total nitrogen, ammonium nitrogen, total porosity, non-capillary porosity and total magnesium.(3) The soil quality of the five restoration measures was ranked as: Pinus massoniana pure forest>Dodonaea viscosa shrub forest > Natural secondary forests>Eucalyptus maideni pure forest>Pinus yunnanensis pure forest. Conclusion Pinus massoniana Lamb. are preferred species for plantation restoration in karst areas. -
Key words:
- Karst
- / vegetation restoration
- / soil quality
- / cluster analysis
- / principal component analysis
- / minimum data set
-
表 1 不同恢复措施样地基本情况
Table 1. Basic information of different recovery measures
植被恢复类型
Type of
vegetation
restoration林分起源
Stand
origin海拔
Altitude/
m坡度
Slope/
(°)坡位
Slope
position植被覆盖率
Vegetation
cover rate/
%胸径
Breast
diameter/
cm树高
Tree
height/
m乔木层主要树种
Main tree species
in the arbor layer恢复年限
Recovery
years/aN 天然林 1 396~1 420 10~12 下坡 75 1.0~17.0 1.4~7.5 铁橡栎 Quercus cocciferoides
清香木 Pistacia weinmannifolia
黄连木 Pistacia chinensis— Y 人工林 1 555~1 562 15 下坡 80 1.0~17.0 0.6~8.5 云南松 Pinus yunnanensis 16 M 人工林 1 480~1 494 11 下坡 85 0.7~11.8 0.6~5.9 马尾松 Pinus massoniana 15 E 人工林 1 500~1 515 11 下坡 65 1.0~12.1 1.5~9.9 直杆蓝桉 Eucalyptus globulus subsp. maidenii 16 D 人工林 1 386~1 395 15 下坡 70 0.9~3.0 1.2~4.0 车桑子 Dodonaea viscosa 15 注:表中N代表天然次生林,Y代表云南松针叶林,M代表马尾松针叶林,E代表直杆蓝桉阔叶林,D代表车桑子灌木林;图1、2、3同此。
Notes: In the table, N stands for Natural secondary forest, Y stands for Pinus yunnanensis Franch.pure forest, M stands for Pinus massoniana Lamb. pure forest, E stands for Eucalyptus globulus subsp. maidenii (F. Mueller) Kirkpatrick pure forest, D stands for Dodonaea viscosa (L.) Jacq.shrub forest; Figures 1, 2 and 3 are the same.表 2 主成分因子载荷矩阵及因子权重
Table 2. Principal Component Factor Load Matrix and Factor Weight of Soil Physicochemical Properties
指标
Index分组
Grouping成分 Component Norm值
Norm valuePCA1 PCA2 PCA3 PCA4 Z1(pH值) 1 −0.585 −0.200 0.276 0.555 2.32 Z2(有机碳) 1 0.883 0.087 0.228 0.042 6.31 Z3(全氮) 3 −0.429 0.220 0.761 −0.307 2.45 Z4(氨态氮) 2 0.420 0.589 −0.411 0.324 2.47 Z5(硝态氮) 1 0.731 −0.367 −0.260 0.335 4.67 Z6(全磷) 2 −0.240 0.831 −0.072 0.262 2.08 Z7(有效磷) 1 −0.580 0.300 −0.177 0.245 2.94 Z8(速效钾) 1 0.784 −0.279 −0.083 −0.127 5.09 Z9(土壤密度) 1 −0.879 −0.226 −0.291 0.014 6.40 Z10(毛管孔隙度) 1 0.913 0.208 −0.088 −0.131 6.75 Z11(总孔隙度) 1 0.969 0.051 0.116 0.086 7.51 Z12(非毛管孔隙度) 4 0.280 −0.395 0.537 0.566 1.43 Z13(毛管持水量) 1 0.939 0.177 0.063 −0.074 7.10 Z14(饱和含水量) 1 0.953 0.096 0.171 0.043 7.30 Z15(全钙) 1 −0.675 −0.320 −0.050 0.025 3.87 Z16(全镁) 2 −0.384 0.715 0.307 0.065 2.51 特征值 7.967 2.343 1.511 1.123 方差贡献率/% 49.796 14.644 9.444 7.020 累积方差贡献率/% 49.796 64.440 73.884 80.903 表 3 土壤理化性质及全钙全镁相关性矩阵
Table 3. Physical and chemical properties and correlation matrix of total calcium and total magnesium
Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 Z11 Z12 Z13 Z14 Z15 Z2 −0.397* Z3 0.270 −0.232 Z4 −0.227 0.354 −0.405* Z5 −0.241 0.555** −0.648** 0.274 Z6 0.032 −0.137 0.099 0.416* −0.416* Z7 0.320 −0.586** 0.153 −0.068 −0.351 0.374* Z8 −0.411* 0.602** −0.404* 0.168 0.638** −0.493** −0.423* Z9 0.444* −0.812** 0.113 −0.359 −0.472** 0.049 0.432* −0.585** Z10 −0.465** 0.787** −0.353 0.474** 0.554** −0.091 −0.428* 0.702** −0.813** Z11 −0.369* 0.876** −0.340 0.392* 0.671** −0.174 −0.506** 0.744** −0.885** 0.929** Z12 0.192 0.352 −0.014 −0.155 0.393** −0.237 −0.271 0.211 −0.309 −0.051 0.323 Z13 −0.440* 0.823** −0.296 0.408* 0.548** −0.102 −0.448* 0.692** −0.917** 0.963** 0.954** 0.112 Z14 −0.380* 0.858** −0.282 0.360 0.600** −0.140 −0.480** 0.700** −0.941** 0.911** 0.976** 0.304 0.980** Z15 0.572** −0.604** 0.114 −0.449* −0.463** −0.083 0.314 −0.353 0.629** −0.567** −0.607** −0.188 −0.584** −0.594** Z16 0.144 −0.186 0.499** 0.159 −0.535** 0.581** 0.417* −0.399* 0.115 −0.238 −0.294 −0.185 −0.247 −0.270 0.084 -
[1] Lu X Q, Toda H, Ding F J, et al. Effect of vegetation types on chemical and biological properties of soils of karst ecosystems[J]. European Journal of Soil Biology, 2014, 61(3): 49-57. [2] Jiang Z C, Lian Y Q, Qin X Q. Rocky desertification in Southwest China: Impacts, causes, and restoration[J]. Earthence Reviews, 2014, 132(3): 1-12. [3] 王晓荣, 胡文杰, 庞宏东, 等. 湖北省主要森林类型土壤理化性质及土壤质量[J]. 中南林业科技大学学报, 2020, 40(11):156-166. [4] 金慧芳. 耕作措施对红壤坡耕地耕层物理性能影响及调控研究[D]. 重庆: 西南大学, 2019. [5] Fu B J, Liu S L, Chen L D, et al. Soil quality regime in relation to land cover and slope position across a highly modified slope landscape[J]. Ecological Research, 2010, 19(1): 111-118. [6] 金慧芳, 史东梅, 陈正发, 等. 基于聚类及PCA分析的红壤坡耕地耕层土壤质量评价指标[J]. 农业工程学报, 2018, 34(7):155-164. doi: 10.11975/j.issn.1002-6819.2018.07.020 [7] 李 鑫, 张文菊, 邬 磊, 等. 土壤质量评价指标体系的构建及评价方法[J]. 中国农业科学, 2021, 54(14):3043-3056. doi: 10.3864/j.issn.0578-1752.2021.14.010 [8] 邓绍欢, 曾令涛, 关 强, 等. 基于最小数据集的南方地区冷浸田土壤质量评价[J]. 土壤学报, 2016, 53(5):1326-1333. [9] 乔云发, 钟 鑫, 苗淑杰, 等. 基于最小数据集的东北风沙土农田耕层土壤质量评价指标[J]. 水土保持研究, 2019, 26(4):132-138. [10] Tian K, Zhang B, Zhang H, et al. Evaluation of soil quality in major grain-producing region of the North China Plain: Integrating minimum data set and established critical limits[J]. Ecological Indicators, 2020, 117(6): 1-10. [11] 杨文娜, 任嘉欣, 李忠意, 等. 主成分分析法和模糊综合评价法判断喀斯特土壤的肥力水平[J]. 西南农业学报, 2019, 32(6):1307-1313. [12] 孙 建, 刘子琦, 朱大运, 等. 石漠化治理区不同生态恢复模式土壤质量评价[J]. 水土保持研究, 2019, 26(5):222-228. [13] Pang D B, Cao J H, Dan X Q, et al. Recovery approach affects soil quality in fragile karst ecosystems of southwest China: Implications for vegetation restoration[J]. Ecological Engineering, 2018, 123(9): 151-160. [14] 孙永磊, 周金星, 庞丹波, 等. 喀斯特断陷盆地不同植被恢复模式土壤水分动态变化[J]. 林业科学研究, 2018, 31(4):104-112. [15] 陈正发, 史东梅, 金慧芳, 等. 基于土壤管理评估框架的云南坡耕地耕层土壤质量评价[J]. 农业工程学报, 2019, 35(3):256-267. doi: 10.11975/j.issn.1002-6819.2019.03.032 [16] 胡琪娟, 盛茂银, 殷 婕, 等. 西南喀斯特石漠化环境适生植物构树细根、根际土壤化学计量特征[J]. 植物生态学报, 2020, 44(9):962-972. doi: 10.17521/cjpe.2020.0083 [17] 倪 幸, 黄其颖, 叶正钱. 竹炭施用对土壤镉形态转化和小麦镉积累的影响[J]. 江苏农业学报, 2019, 35(4):818-824. doi: 10.3969/j.issn.1000-4440.2019.04.010 [18] 张青青, 周再知, 黄桂华, 等. 间伐强度对柚木林土壤质量及生长的影响[J]. 林业科学研究, 2021, 34(3):127-134. [19] 邵国栋, 艾娟娟, 孙启武, 等. 昆嵛山不同林分类型土壤质量状况及评价[J]. 林业科学研究, 2018, 31(6):175-184. [20] 陈洪海, 迟国泰. 基于主要信息含量的指标筛选方法[J]. 系统工程学报, 2016, 31(2):268-273. [21] 李 荣, 侯贤清, 吴鹏年, 等. 秸秆还田配施氮肥对土壤性状与水分利用效率的影响[J]. 农业机械学报, 2019, 50(8):289-298. doi: 10.6041/j.issn.1000-1298.2019.08.032 [22] Caicedo J R, Steen N P, Arce O, et al. Effect of total ammonia nitrogen concentration and pH on growth rates of duckweed (Spirodela polyrrhiza)[J]. Water Research, 2000, 34(15): 3829-3835. doi: 10.1016/S0043-1354(00)00128-7 [23] 吴春生, 刘高焕, 黄 翀, 等. 基于MDS和模糊逻辑的黄河三角洲土壤质量评估[J]. 资源科学, 2016, 38(7):1275-1286. [24] 丁文斌, 蒋 平, 史东梅, 等. 紫色土坡耕地耕层蓄水保土及耕性特征研究[J]. 水土保持学报, 2016, 30(6):24-29,37. [25] 卢翠玲, 张俊华, 丁亚鹏, 等. 基于模糊数学法的河南黄泛区土壤质量综合评价——以开封和周口为例[J]. 河南大学学报:自然科学版, 2018, 48(6):660-668. [26] 关共凑, 魏兴琥. 鼎湖山三种森林类型土壤养分特征及其相关性分析研究[J]. 环境科学与管理, 2017, 42(3):139-144. doi: 10.3969/j.issn.1673-1212.2017.03.032 [27] 范周周. 云南建水岩溶区植被根际微生物及其溶蚀效应研究[D]. 北京: 北京林业大学, 2019. [28] 和丽萍, 李贵祥, 孟广涛, 等. 高黎贡山不同森林类型土壤肥力状况研究[J]. 水土保持研究, 2015, 22(6):116-121. [29] 黄宗胜, 符裕红, 喻理飞. 喀斯特森林植被自然恢复中凋落物现存量及其碳库特征演化[J]. 林业科学研究, 2013, 26(1):8-14. doi: 10.3969/j.issn.1001-1498.2013.01.002 [30] 耿玉清, 余新晓, 岳永杰, 等. 北京山地针叶林与阔叶林土壤活性有机碳库的研究[J]. 北京林业大学学报, 2009, 31(5):19-24. doi: 10.3321/j.issn:1000-1522.2009.05.004 [31] 冯 广, 艾训儒, 臧润国, 等. 鄂西南亚热带常绿落叶阔叶混交林不同群落类型土壤特征分析[J]. 自然资源学报, 2016, 31(7):1173-1184. doi: 10.11849/zrzyxb.20150744 [32] Herlina H, Ravi P, Anggoro S E W, et al. Factors affecting runoff and soil erosion: plot-level soil loss monitoring for assessing sustainability of forest management[J]. Forest Ecology and Management, 2003, 180(1-3): 361-374. doi: 10.1016/S0378-1127(02)00656-4 [33] Derenne S, Largeau C. A Review of Some Important Families of Refractory Macromolecules: Composition, Origin, and Fate in Soils and Sediments[J]. Soil Science, 2001, 166(11): 833-847. doi: 10.1097/00010694-200111000-00008 [34] 叶 超, 安明态, 张 楠, 等. 贵州北盘江喀斯特地区车桑子造林对乡土植物物种多样性的影响[J]. 西北植物学报, 2019, 39(2):310-318. [35] 夏体渊, 段昌群, 张彩仙, 等. 桉树人工林与邻近区域群落土壤肥力研究[J]. 云南大学学报:自然科学版, 2010, 32(1):118-123. [36] 侯晓龙, 刘明新, 蔡丽平, 等. 安溪崩岗侵蚀区不同植被配置模式与恢复效果研究[J]. 亚热带水土保持, 2010, 22(1):5-10. doi: 10.3969/j.issn.1002-2651.2010.01.003 [37] 杨 慧, 陈家瑞, 梁建宏, 等. 桂林丫吉岩溶区土壤有机碳和pH值与钙形态分布的关系初探[J]. 地质论评, 2017, 63(4):1117-1126.