桂西北典型喀斯特峰叢洼地退耕還林還草的固碳效益評價

劉淑娟，張 偉，王克林,*，蘇以榮

1 中國科學院亞熱帶農業生態研究所，亞熱帶農業生態過程重點實驗室，長沙 410125 2 中國科學院環江喀斯特生態系統觀測研究站，環江 547100 3 中國科學院大學，北京 100049

?

桂西北典型喀斯特峰叢洼地退耕還林還草的固碳效益評價

劉淑娟1,2,3，張 偉1,2，王克林1,2,*，蘇以榮1,2

1 中國科學院亞熱帶農業生態研究所，亞熱帶農業生態過程重點實驗室，長沙 410125 2 中國科學院環江喀斯特生態系統觀測研究站，環江 547100 3 中國科學院大學，北京 100049

退耕還林還草作為桂西北喀斯特地區主要的土地利用轉變方式，對該區域產生了積極的生態效益。就退耕還林還草政策的實施對該區域土壤有機碳儲量的影響進行評價。結果表明：1) 將剖面碳密度與深度做對數擬合得到的參數進行協同克里格插值的方法能較準確估算研究區碳密度，R2為0.723；2) 退耕還林還草措施對土壤有機碳(SOC)含量產生了顯著的影響，耕地(19.3 g/kg)轉變為牧草(23.5 g/kg，退耕近10a)和草地(34.6 g/kg，退耕30a)的SOC含量均有增加，轉變為人工林(17.8 g/kg，退耕8a)的SOC含量略有下降；3) 退耕還林還草工程實施后研究區土壤碳儲量提高了23.43%，退耕后單位面積土壤碳儲量為2938 tC/km2;4) 種植牧草兼顧固碳效益和經濟效益，是一種較好的退耕模式。

喀斯特；峰叢洼地；退耕還林還草；固碳效益

提升土壤的固碳能力是減少大氣二氧化碳含量，遏制全球氣候變化的重要途徑[1-2]?？λ固氐貐^由于其特殊的地質和氣候條件造成該地區環境容量小，抗干擾能力弱，穩定性低，自我調整能力差[3]。20世紀末，不斷增長的人口壓力使得該地區大面積毀林開荒，植被破壞嚴重[4]。加之該地區地表崎嶇破碎，坡度陡峭，溶蝕、水蝕作用強烈，導致石漠化現象愈演愈烈。在石漠化過程中，強烈的水蝕作用使土壤表層細粒物質被侵蝕，出現明顯砂化現象，從而導致土壤保水保肥性能惡化，造成土地生產力下降[5]，而土地生產力的下降又會進一步推動石漠化的發展。自20世紀90年代以來，政府實施退耕還林還草政策，使得部分不利于耕種的耕地轉變為其他用地類型，如種植牧草，種植經濟林或撂荒為草地。廖洪凱等以西南喀斯特山區幾種典型退耕土地利用方式為對象，研究了土地利用及退耕對全土、團聚體活性有機碳及其恢復能力的影響[6]。袁海偉等就喀斯特峰叢洼地不同退耕方式的土地利用類型的土壤有機碳含量和儲量進行了研究[7]。Chang等在黃土高原評價了造林對土壤有機碳和土壤無機碳產生的影響，研究表明林地土壤有機碳庫大于農田土壤有機碳庫，并且林地的凋落物歸還量是農田的兩倍之多[8]。白雪爽等在科爾沁沙地以農田和不同退耕還林年限(5、10、15a)的楊樹人工林為對象，開展了退耕還林對生態系統有機碳儲量和分配格局特征的研究[9]。王靜等利用植被NDVI數據針對南方丘陵地區的退耕還林還草工程對該區域植被覆蓋度的影響進行了時空變化及驅動因子分析[10]。本研究區內，隨著退耕還林還草政策的實施，生態效益已日益突顯，但由于喀斯特地區土壤發育和土壤有機碳積累過程的特殊性，其土壤的固碳效益亟需進行定量評價，并借此對退化生態系統管理調控的進一步深入實施提供科學指導。

因此，本文借鑒前人的研究成果和未解決的問題，調查了研究區退耕還林還草的現狀，分析不同退耕類型土壤有機碳(SOC)含量的差別，并估算退耕還林還草前后土壤碳儲量變化。以期能夠闡明退耕還林還草政策對實施區域土壤固碳能力的影響，探究哪種退耕方式更適合喀斯特區域，進而為制訂適合喀斯特區域的“退耕還林還草”政策提供依據，為指導該政策實施提供科學支撐。

1 研究區概況和研究方法

1.1 研究區概況

研究區域位于廣西區環江縣古周移民遷出示范區。古周移民遷出示范區(107°55′ E，24°50′ N)位于廣西壯族自治區環江毛南族自治縣的下南鄉西南部，海拔在375—816 m，屬亞熱帶季風氣候，多年平均氣溫16.5—20.5 ℃，多年平均降雨量為1380 mm，雨季平均持續130—140d，且主要集中在4—9月，尤以6月中旬至7月中旬最多，達350—460 mm，洼地常出現水澇，10月至次年3月為旱季，各月平均降水量不及90 mm。一年內日照時數以2月份最低，7月份最高；日照率以3月份最低，9月份最高。研究區內87%的土地面積為坡地，僅13%為洼地，屬于典型的喀斯特峰叢洼地。研究區面積10.24 km2，為石灰巖母質，土壤pH在6.29—7.85之間。洼地土壤深度為50—80 cm，坡地土壤深度為10—30 cm。20世紀80年代前，研究區由于耕作和砍伐受到嚴重的干擾，1996年后，有居民陸續遷出，部分坡耕地也受到“退耕還林還草”政策的影響而退耕。退耕至今有牧草、人工林、退耕草地分布，其中，牧草為桂牧一號(Pennisetumpurpureumcv. Guimu- 1)。人工林以木豆(Cajanuscajan)，荏豆(Zeniainsignis)，板栗(C.mollisima)，柑橘(CitrusreticulataBlanco)為主，退耕草地的優勢種主要以五節芒(Miscanthusfloridulus)、類蘆(Neyraudiareynaudiana)、白茅(Imperatacylindrica)等為主。該區域另有林地分布，灌木林優勢種主要為紅背山麻桿(Alchorneatrewioides)、灰毛漿果楝(Cipadessacinerascens)、鹽膚木(Rhuschinensis)、聚果羊蹄甲(Bauhiniabrachycarpavar.cavaleriei)。次生林主要優勢種為香椿(Toonasinensis)、皂莢樹(GleditsiasinensisLam)、菜豆樹(Radermacherasinica)、聚果羊蹄甲(Bauhiniabrachycarpavar.cavaleriei)、粉蘋婆(Sterculiaeuosma)、廣西密花樹(Rapaneakwangsiensis)等，喬木林內伴生有扁擔藤(Tetrastigmaplanicaule)、藤黃檀(Dalbergiahancei)等藤本及麒麟尾(Epipremnumpinnatum)、腎蕨(Nephrolepiscordifolia)等林下物種。坡腳及洼地仍有耕地，農作物主要有玉米(ZeamaysL.)，大豆(Glycinemax(Linn.)Merr.)，紅薯(Ipomoeabatatas(L.)Lam.)。

1.2 研究方法

1.2.1 樣地情況及樣品采集

網格采樣法已被廣泛的應用于土壤有機碳空間異質性和區域碳儲量估算研究[11-13]。本文實驗數據是2011年11月份，在研究區(10.24 km2)利用標準網格法(200 m×200 m)采集了表層(0—15 cm)土壤樣品249個，以及基于典型植被類型(耕地、牧草、人工林、退耕草地、灌木林、次生林)和坡位(上、中、下坡位和洼地)開挖的土壤剖面。為了增加樣本量，提高估算精度，剖面樣品補充了于2009年11月份以相同方法采集的剖面，因此剖面共計達到81個。土壤剖面按照0—10，10—20，20—30，30—50，50—70 cm及70—100 cm 固定深度采集不同層次土壤樣品，剖面挖至1 m，土深不足1 m則挖至基巖。81個剖面共收集到424個土壤樣品。網格樣點共設計289個樣點，但由于部分樣點分布在懸崖峭壁，不可達或者樣點附近無土，實際采集土壤樣品249個，每個樣點記錄其4 m×4 m范圍內的植被類型、植被覆蓋度、坡度、坡向、土層厚度和裸巖率等環境信息，用GPS(E640+MobileMapper)記錄每個樣點的經緯度及高程信息。

另外，為了更準確的描述研究區的裸巖率及土深等分布特征，采樣過程中補充調查了150個點的裸巖率和土層厚度信息。土壤厚度調查采用長1 m有刻度標記的鐵釬在調查點4 m×4 m范圍內隨機選擇10個點測定土深，計算其平均深度作為該點的土壤厚度。采用目測法估算調查點4 m×4 m范圍內的裸巖率。利用環刀法測定土壤容重，每個采樣點(或土壤剖面每個層次)取3個重復。每個樣點采2 kg土樣帶回實驗室以備理化性質分析，土樣放置于聚乙烯袋內保存。在實驗室進行風干并制成10目樣品備測。土樣的理化性質及樣地信息見表1。

1.2.2 樣品分析方法

土壤有機碳(SOC)采用重鉻酸鉀氧化-外加熱法(油浴)(GB7857- 87)測定[14]。土壤pH用pH計測定。

表1 退耕后各植被類型下表層土壤的理化性質及樣地信息

n為調查樣本數；數值為某一類型下各指標的均值，括號內為標準誤;不同小寫字母表示差異顯著(P<0.05)

1.2.3 數據分析

數據分析處理之前，對SOC及所有環境信息數據進行正態分布檢驗和方差齊性檢驗(t檢驗)。利用ANOVA進行不同植被類型的各因素差異性分析。利用Pearson相關分析探討SOC與環境因子之間的關系。以上分析均在SPSS 16.0環境下進行(SPSS Inc., Chicago, IL, USA)。

1.2.4 碳密度估算方法驗證

土壤有機碳含量是估算土壤碳密度的必要參數，土壤碳密度估算是土壤碳儲量估算的基礎?？紤]不同土層容重并不均一，因此在估算碳密度時，每層容重ρ(g/cm3)分別測定，并將SOC含量由單位質量含量(Cm，g/kg)轉化為單位體積含量(Cv，kg/m3)：

Cv=Cmρ

(1)

通常，SOC含量隨著土層厚度的加深而呈指數分布降低。在已發表的各種模擬SOC含量與土壤深度關系時，SOC含量與土層深度呈指對數分布是最常用的模型[12,15-16]。公式2的對數方程即滿足每個剖面樣點從表層至底層的有機碳密度數據擬合：

(2)

式中，Cv是SOC密度(kg/m3)，D是指定土深(m)，a和b是符合對數方程的參數。運用參數a，b結合指數方程可以計算得到指定深度的土壤有機碳密度：

(3)

式中，Cs是碳密度(kg/m2)，D為土深(m)，a和b是符合對數方程的參數，Z為指定土體深度(m)，λ是樣點的裸巖率(%)。

求從表層到指定深度Z的碳密度，可以將上式解為：

(4)

本文欲利用剖面碳密度與土層深度進行對數擬合得到的參數進行克里格插值的方法得到研究區的土壤碳儲量。為了驗證該方法的可信度，先將81個剖面分為兩部分，隨機選取12個作為驗證點，其他69個用于插值運算。

將69個剖面的參數a和b運用R軟件(R i386 3.1.1)進行Moran′s Index (I)空間自相關分析(Moran，1950)。Moran′sI分析結果表明參數b具有顯著的空間自相關性(Moran′sI=0.121，P<0.05)，而參數a不具有顯著空間自相關性(Moran′sI=-0.017，P>0.05)。因此，可以將參數b運用插值技術得到整個區域的參數b(b插值圖)。通過相關分析得知，參數b與環境變量植被類型、裸巖率、海拔、坡度具有顯著相關性(Pearson系數分別為-0.606，-0.448，-0.343，-0.302)。因此，可以選擇協同克里格(OCK)插值方法將環境信息融入插值過程，提高參數b的插值精度。以上工作在ArcGIS 9.2平臺下完成。

在b插值圖中提取12個剖面驗證點的參數b，運用公式5計算得到驗證點的參數a：

(5)

式中,b為插值得到，Cv0—10是剖面點0—10 cm層的土壤碳密度，常數0.05是0—10 cm層的中間值。

將驗證點的估算參數a、b，實測土深Z、裸巖率λ，代入公式4得到估算碳密度。

根據調查數據，采用分層計算的方法得到12個驗證剖面的實測碳密度：

(6)

式中，Csr是土體的實測碳密度(kg/m2)，Cm是各土層的SOC含量(g/kg)，D是各土層的厚度(m)，i是各剖面的土層數量，ρ是土壤容重(g/cm3)，λ是樣點的裸巖率。

將估算碳密度與實測碳密度運用非線性方程擬合優度(公式7)進行比較，

(7)

式中，R2為決定系數，又稱擬合優度，是趨勢線擬合程度的指標。它的數值大小可以反映估計值與實際數據之間的擬合程度，R2取值范圍在0—1之間，當R2等于1或接近1時，其可靠性最高，反之越低。yfit為估計值，y為實測值。

1.2.5 碳密度估算過程

經驗證運用剖面碳密度與深度做對數擬合得到的參數進行協同克里格插值的方法能較準確的對土壤碳密度進行估算后(圖2)，將該方法運用于僅利用表層土壤碳密度來估算研究區域土壤碳密度。

在b插值圖中提取249個表層網格點的參數b，運用公式8計算得到該點的參數a：

(8)

式中,b為插值得到，TCv是表層網格點的土壤碳密度，常數0.075是0—15 cm土層的中間值。

將249個表層網格點的參數a和b進行空間自相關分析。R軟件計算得到的Moran′sI表明，參數a和b均具有顯著的空間自相關性(Moran′sI=0.106，P<0.05；Moran′sI=0.791，P<0.05)。因此可以利用插值方法將參數a和b擴展至整個研究區域。參數a與以下環境因子相關，裸巖率、土壤厚度、植被類型，Pearson相關系數分別為0.429，-0.301，0.246。參數b與以下環境因子相關，植被類型、海拔、裸巖率、坡度，Pearson相關系數分別為-0.432，-0.269，0.256，-0.203。插值時選擇協同克里格(OCK)插值方法將環境信息融入插值過程，提高參數a和b的插值精度。

將399個樣點(249個表層樣點和150個補充樣點)的裸巖率及土層厚度進行空間自相關分析，結果顯示裸巖率的Moran′sI=0.115，P<0.05，土層厚度的Moran′sI=0.102，P<0.05，均具有顯著自相關性。通過普通克里格插值(OK)，得到研究區的裸巖率和土層厚度狀況。將得到的參數a、b、土層厚度、裸巖率插值圖層代入公式4得到整個區域的平均土壤碳密度，并乘以區域面積，得到區域碳儲量。計算流程見圖1。

圖1 區域碳儲量估算流程圖Fig.1 Flowchart of estimating C store虛線框內為方法驗證過程，圖中[1]、[2]、[4]、[5]、[6]、[7]、[8]表示公式1、2、4、5、6、7、8

由于退耕前的歷史SOC數據已無法搜集，而土壤有機碳密度經空間自相關檢驗，具有顯著的空間自相關性(Moran′sI=0.376，P<0.05)。因此，本文退耕前耕地的SOC數據采用退耕后的臨近耕地樣地SOC數據進行替代[17]。退耕前碳儲量估算方法同退耕后碳儲量估算方法。

2 結果

2.1 碳密度估算驗證

將經過Kriging插值得到的12個驗證剖面的參數b，和運用公式5得到的參數a，代入公式4，得到驗證剖面的碳密度估算值。與運用公式6得到的實測碳密度進行ANOVA分析，結果顯示估算值與實測值無顯著差異(P>0.05)(表2)。經公式7進行擬合度檢驗，得到決定系數(R2)為0.723(圖2)。綜上結果表明，運用剖面碳密度與深度做對數擬合得到的參數進行協同克里格插值的方法估算土壤碳密度是可行的。

表2 驗證點的預測碳密度與實測碳密度的ANOVA分析

圖2 驗證點的預測碳密度與實測碳密度比較 Fig.2 Correlation of measured and estimated carbon density in validation data sets

2.2 退耕還林還草前后SOC含量比較

研究區內退耕前耕地面積為3.33 km2，退耕后耕地面積為0.82 km2，退耕面積達到總面積的24.50%，占耕地面積的75.32%。退耕還林還草措施對SOC含量產生了顯著的變化，其中，耕地(19.3 g/kg)轉化為牧草(23.5 g/kg)和草地(34.6 g/kg)的SOC含量均有增加，轉化為人工林(17.8 g/kg)的SOC含量略有下降。耕地轉變為人工林在短期內可能存在SOC含量暫時下降的情況。研究區內各植被類型土壤理化性質及樣地信息見表1。

根據統計分析，退耕現狀表現為：海拔較低(平均海拔489.78 m)的耕地大多轉化為牧草，海拔較高的耕地大多轉化為人工林或退耕草地(平均海拔560 m以上)。坡度較小(平均坡度23.43°)的耕地大多轉化為牧草，坡度較大的耕地大多轉化為人工林或退耕草地(平均坡度30°以上)。

2.3 退耕還林還草前后的土壤碳儲量比較

退耕還林還草措施能夠提高土壤碳儲量。由表3可見，研究區域碳儲量由退耕前的2.438萬tC增加到退耕后的3.009萬tC，區域碳匯能力提升了23.43%。單位面積碳儲量也由退耕前的2.381 kg/m2增加到退耕后的2.938 kg/m2。

3 討論

退耕還林還草措施對SOC含量產生了顯著影響，耕地轉變為牧草和退耕草地后SOC含量增加，轉變為人工林SOC含量略有降低。不同退耕方式后的管理措施不盡相同(表1)，耕地轉化為牧草后，農民為了提高牧草產量仍會繼續為牧草地添加肥料，另外，牧草的翻耕頻率為每5a以上翻耕1次，大大減少了對土壤的擾動，因此有利于SOC的積累。而轉變為人工林后不會人為施加肥料，因此耕地轉變為人工林在短期內可能存在SOC含量暫時下降的情況。已有學者針對耕地退耕后在短期內出現SOC含量下降的情況進行了研究，如退耕4—5a的退耕地土壤有機碳儲量低于對照農田[9,18]。王俊明等[19]也發現在退耕的初始階段，退耕草地的碳儲量在退耕后迅速下降，之后緩慢回升，需要經過很長一段時間才能達到退耕前水平。造成退耕還林還草初期土壤碳含量下降的主要原因是退耕后不再人為進行肥料添加，而農田退耕還林早期枯落物來源不足，土壤中原來的有機質持續分解，再加上退耕過程的干擾，促進了土壤中有機質的氧化分解過程，從而引起土壤碳含量在恢復早期的下降[19-20]。而本研究中退耕草地退耕時間已有20年，SOC含量較耕地有所增加，通過退耕還草提高土壤碳儲量的效益已初步顯現。綜合以上3種退耕方式，種植牧草既可以提高土壤的固碳能力，又可以為退耕后的農民產生一定的經濟效益，是一種兼顧生態效益和經濟效益的退耕措施。

表3 退耕還林還草前后碳儲量狀況比較

退耕還林還草措施提高了研究區域23.43%的土壤碳儲量。退耕后單位面積土壤碳儲量為2938 tC/km2，每平方公里增加557 tC。但與黃土丘陵區農田土壤碳儲量5962 tC/km2(1 m土層碳儲量值)比較[21]，喀斯特地區單位面積土壤碳儲量僅為黃土丘陵區的49%。四川西部退耕還林地的土壤碳儲量可達11245 tC/km2，是喀斯特地區單位面積碳儲量的4倍[22]。可見，喀斯特地區土層淺薄(平均土深0.28 m)，裸巖率高(平均為67%)是導致該地區土壤碳儲量低的重要原因。由此可見，在計算喀斯特地區碳儲量時不能套用其他地區的公式。已有一些學者針對喀斯特地區土被不連續的特點進行了土壤碳儲量估算方法的研究，如Chen[23]，Qi[24]，Zheng[25]等。但準確測量和估計土壤的裸巖率及土層厚度仍然是估算喀斯特地區土壤碳儲量的難點，有待進一步探索。

4 結論

由于退耕方式和退耕時間不同，退耕還林還草措施對SOC含量產生了不同的影響，耕地轉化為牧草和草地的SOC含量有所增加，轉化為人工林的SOC含量略有下降；退耕還林還草工程實施后研究區土壤碳儲量提高了23.43%，退耕后單位面積土壤碳儲量為2938 tC/km2。種植牧草作為一種既有固碳生態效益又有經濟效益的退耕模式，適宜在喀斯特地區進行退耕方式推廣。

[1] Jenkinson D S, Adams D E, Wild A. Model estimates of CO2emissions from soil in response to global warming. Nature, 1991, 351(6324): 304- 306.

[2] Knorr W, Prentice I C, House J I, Holland E A. Long-term sensitivity of soil carbon turnover to warming. Nature, 2005, 433(7023): 298- 301.

[3] 陳洪松, 聶云鵬, 王克林. 巖溶山區水分時空異質性及植物適應機理研究進展. 生態學報, 2013, 33(2): 317- 326.

[4] 姚長宏, 蔣忠誠, 袁道先. 西南巖溶地區植被喀斯特效應. 地球學報, 2001, 22(2): 159- 164.

[5] 龍健, 李娟, 鄧啟瓊, 李陽冰, 熊康寧. 貴州喀斯特山區石漠化土壤理化性質及分形特征研究. 土壤通報, 2006, 37(4): 635- 639.

[6] 廖洪凱, 李娟, 龍健, 張文娟, 劉靈飛. 土地利用及退耕對喀斯特山區土壤活性有機碳的影響. 環境科學, 2014, 35(1): 240- 247.

[7] 袁海偉, 蘇以榮, 鄭華, 黃道友, 吳金水. 喀斯特峰叢洼地不同土地利用類型土壤有機碳和氮素分布特征. 生態學雜志, 2007, 26(10): 1579- 1584.

[8] Chang R Y, Fu B J, Liu G H, Wang S, Yao X L. The effects of afforestation on soil organic and inorganic carbon: A case study of theLoess Plateau of China. Catena, 2012, 95: 145- 152.

[9] 白雪爽, 胡亞林, 曾德慧, 蔣志榮. 半干旱沙區退耕還林對碳儲量和分配格局的影響. 生態學雜志, 2008, 27(10): 1647- 1652.

[10] 王靜, 王克林, 張明陽, 段亞鋒. 南方丘陵山地帶NDVI時空變化及其驅動因子分析. 資源科學, 2014, 36(8): 1712- 1723.

[11] Baxter S J, Oliver M A. The spatial prediction of soil mineral Nand potentially available N using elevation. Geoderma, 2005, 128(3/4): 325- 339.

[12] Minasny B M, McBratney A B, Mendonca-Santos M L, OdehI O A, Guyon B. Prediction and digital mapping of soil carbon storage in theLower Namoi Valley. AustralianJournalof Soil Research, 2006, 44(3): 233- 244.

[13] Simbahan G C, Dobermann A, Goovaerts P, Ping J L, Haddix M L. Fine resolution mapping of soil organic carbon based on multivariatesecondary data. Geoderma, 2006, 132(3/4): 471- 489.

[14] 劉光崧. 土壤理化分析與剖面描述. 北京: 中國標準出版社, 1996.

[15] MestdaghI, Lootens P, Van Cleemput O, Carlier L. Soil organiccarbon stocks in Flemish grasslands: How accurate are they?. Grass and Forage Science, 2004, 59(4): 310- 317.

[16] Zinn YL, Lal R, Resck DVS. Texture and organic carbon relations described by a profile pedotransfer function for BrazilianCerrado soils. Geoderma, 2005, 127(1/2): 168- 173.

[17] 許文強, 陳曦, 羅格平, 王濤, 藺卿. 干旱區三工河流域土壤有機碳儲量及空間分布特征. 自然資源學報, 2009, 24(10): 1740- 1747.

[18] Zhang K, Dang H, Tan S, Chen X, Zhang Q. Change in soil organic carbon following the ‘grain-for-green’programme in China. Land Degradation & Development, 2010, 21(1): 13- 23.

[19] 王俊明, 張興昌. 退耕草地演替過程中的碳儲量變化. 草業學報, 2009, 18(1): 1- 8.

[20] Thuille A, Schulze E D. Carbon dynamics in successional and afforested spruce stands in Thuringia and the Alps. Global Change Biology, 2006, 12(2): 325- 342.

[21] 劉迎春, 王秋鳳, 于貴瑞, 朱先進, 展小云, 郭群, 楊浩, 李勝功, 胡中民. 黃土丘陵區兩種主要退耕還林樹種生態系統碳儲量和固碳潛力. 生態學報, 2011, 31(15): 4277- 4286.

[22] 黃從德, 張健, 鄧玉林, 楊萬勤. 退耕還林地在植被恢復初期碳儲量及分配格局研究. 水土保持學報, 2007, 21(4): 130- 133.

[23] Chen XB, Zheng H, Zhang W, He XY, Li L, Wu JS, Huang DY, Su YR. Effects of land cover on soil organic carbon stock in a karst landscapewith discontinuous soil distribution. Journal of Mountain Science, 2014, 11(3): 774- 781.

[24] Qi XK, Wang KL, Zhang CH, Chen HS, Zhang W. Effects of the implementation of ecological restoration policies onsoil organic carbon storage in a discontinuous soil region. ActaAgriculturaeScandinavica, Section B - Soil & Plant Science, 2014, 64(2): 97- 108.

[25] Zheng H, Su YR, He XY, Hu LN, Wu JS, Huang DY, LiL, Zhao CX. Modified method for estimatingthe organic carbon density of discontinuous soils inpeak-karst regions in southwest China. Environmental EarthScience, 2012, 67(6): 1743- 1755.

Evaluation of carbon sequestration after conversion of cropland to forest and grassland projection in karst peak-cluster depression area of northwest Guangxi, China

LIU Shujuan1,2,3, ZHANG Wei1,2, WANG Kelin1,2,*, SU Yirong1,2

1 Key Laboratory of Subtropical Agriculture Ecology, Institute of Subtropical Agriculture, Chinese Academy of Sciences, Changsha 410125, China 2HuanjiangObservationandResearchStationforKarstEcosystems,ChineseAcademyofSciences,Huanjiang547100,China3UniversityofChineseAcademyofSciences,Beijing100049,China

Understanding the effect of vegetation restoration on soil carbon sequestration is one of the important pathways to evaluate the performance of ecological restoration efforts, and is valuable in estimating the potential of humans for climate change adaptation. In the 1980s and late 1990s, owing to the Ecological Immigrants Project and Grain for Green Project, wide spread conversions of cropland to grassland and forest have happened in the karst region in Southwest China. Several studies have been carried out to determine the changes of vegetation carbon storage induced by land cover change in this region. However, because of the high inherent terrain variability of the karst landscape, relatively little is known about the accurate size of the current soil organic carbon (SOC) storage and the degree of human-induced changes. Therefore, the objectives of this study were to develop an appropriate method for estimating SOC storage in a typical karst landscape at a local scale and to estimate SOC change responding to vegetation restoration due to the Grain for Green Project. For this study, a 200 m×200 m grid was established over the study site (10.24 km2) and a total of 249 surface soil samples (0—15 cm) were collected in 2011, and 81 soil profiles were investigated by vegetation type (cropland, forage, plantation, regressed land, shrub land, secondary forest) in 2009 and 2011. The profiles of the soil samples were separated into depth segments: 0—10, 10—20, 20—30, 30—50, 50—70 cm, and 70—100 cm. The maximum sampling depth was not greater than 100 cm and soil depth less than 100 cm was sampled to bedrock. A total of 424 samples from 81 profiles were collected. Vegetation type, canopy cover, slope, aspect, soil depth, and rock exposure (4 m×4 m) were recorded for each sample point. Additionally, soil depth and rock exposure were measured at 150 randomly selected points in the study area. All data were transformed for normality of distribution and homogeneity of variance prior to analysis. Pearson correlation test was performed to determine the relationships between SOC and various environmental parameters. Cokriging interpolation of the parameters of negative exponential profile depth function was utilized to estimate soil carbon storage in the study area. The results showed that, regional SOC storage can be estimated accurately by cokriging interpolation of logarithmic parameters fitting for carbon density and depth of each soil profiles, and the prediction performed well with a determination coefficient of 0.723. Conversion of cropland to forage, and regressed land significantly increased the SOC content from 19.3 g/kg in cropland to 23.5 g/kg in forage, and 34.6 g/kg in regressed land, whereas it slightly decreased when transforming the cropland to plantation (17.8 g/kg). Overall, vegetation restoration by the Grain for Green Project increased soil carbon storage for 23.43% in the study area. Additionally, transformation of cropland to forage is a superior approach for both ecosystem restoration and economic benefit in degraded karst ecosystems.

karst; peak-cluster depression; cropland to forest and grassland conversion; carbon sequestration benefit

戰略性先導科技專項(XDA05070403)；國家重點基礎研究發展計劃(2015CB452703)；國家自然科學基金項目(31270555；31270551)；中國科學院西部之光人才培養項目

2015- 03- 18;

日期:2015- 12- 14

10.5846/stxb201503180520

*通訊作者Corresponding author.E-mail: kelin@isa.ac.cn

劉淑娟，張偉，王克林，蘇以榮.桂西北典型喀斯特峰叢洼地退耕還林還草的固碳效益評價.生態學報,2016,36(17):5528- 5536.

Liu S J, Zhang W, Wang K L, Su Y R.Evaluation of carbon sequestration after conversion of cropland to forest and grassland projection in karst peak-cluster depression area of northwest Guangxi, China.Acta Ecologica Sinica,2016,36(17):5528- 5536.