江西省耕地土壤有機碳空間變異的主控因素研究①

江葉楓，饒 磊，郭 熙*，葉英聰，孫 凱，李 婕，王瀾珂，李偉峰

?

江西省耕地土壤有機碳空間變異的主控因素研究①

江葉楓1,2，饒 磊1,2，郭 熙1,2*，葉英聰2，孫 凱1,2，李 婕1,2，王瀾珂1,2，李偉峰1,2

(1 江西農業大學國土資源與環境學院，南昌 330045；2江西省鄱陽湖流域農業資源與生態重點實驗室，南昌 330045)

準確地獲取省域尺度下土壤有機碳空間變異的主控因素對土壤碳調控以及全球環境保護具有重要意義。本文基于江西省2012年測土配方施肥項目采集的16 582個耕地表層（0 ~ 20 cm）土壤樣點數據，探討江西省耕地表層土壤有機碳空間變異的主控因素。運用普通克里格法、單因素方差分析與回歸分析方法對比地形因子、耕地利用方式、成土母質、土壤類型、灌溉能力和秸稈還田方式對江西省土壤有機碳空間分布的影響。結果表明：①江西省土壤有機碳含量在5.22 ~ 40.31 g/kg之間，平均值為17.90 g/kg，變異系數為31.01%，呈中等程度的變異性。②經半方差分析，土壤有機碳的變程為30.6 km，空間自相關范圍較小；塊金效應值為12.49%，表明土壤有機碳空間變異受結構性因素影響大于隨機性因素。③在空間分布上，高值區主要分布在萍鄉市、新余市、南昌市、撫州市與景德鎮市。④回歸分析與單因素方差分析結果表明，地形因子、灌溉能力、成土母質、耕地利用方式、土壤類型和秸稈還田方式對土壤有機碳空間變異影響均顯著（<0.05），但影響程度不一。秸稈還田方式對土壤有機碳空間變異的獨立解釋能力最高，為38.9%，是江西耕地表層土壤有機碳空間變異的主控因素。

土壤有機碳；江西省；空間變異；主控因素；秸稈還田

土壤有機碳(soil organic carbon, SOC)是植物有機養分和礦質養分的主要來源，也是陸地碳庫與區域環境的重要組成部分，其含量與動態變化將直接影響著區域環境與全球碳循環[1-3]。由于受結構性與隨機性因素的影響，土壤有機碳在空間分布上存在一定的異質性，即使在相鄰位置，土壤有機碳含量也會因為復雜的環境而產生較大差異[4-6]。因此，準確地獲取土壤有機碳空間變異的主控因素對土壤碳恢復與累積以及全球環境保護具有重要意義。

土壤有機碳含量的涵養與運移以及分布是復雜的物理、化學與生物過程，受多種因素的共同作用[7-8]。目前國內外關于土壤有機碳空間變異的影響因素研究已從定性轉變到定量研究的思路中來。如顧成軍等[9]、胡玉福等[10]、羅由林等[11]、李婷等[12]在影響土壤有機碳定性因素定量化研究方面進行了探索。前人研究表明[13-14]，定性因素定量化研究對準確獲取土壤有機碳空間變異信息、精確估算土壤碳庫、區域資源優化利用以及環境保護方面具有重要作用。但以往研究大多集中在小流域或縣域尺度[15-18]，有關省域及省域以上尺度的研究較少[9]；且以往的研究中大多圍繞結構性因素(如土地利用、土壤類型和地形等)[6,9-18]對土壤有機碳空間變異進行探討，較少考慮隨機性因素(如秸稈還田方式、灌溉能力、氮肥施用量等)[19-23]。前人研究表明[8-9,11-21]，土壤有機碳空間變異受隨機性因素與結構性因素的共同作用，充分考慮隨機性與結構性因素對分析省域尺度土壤有機碳空間變異的主控因素、掌握與調控土壤有機碳的關鍵因子以及全球碳循環研究具有重要意義。

江西省地處中國東南部，是南方紅壤區典型的農業大省，也是我國糧食輸出省份之一。耕地質量關系到糧食安全，土壤有機碳是表征耕地質量的最重要因素之一，對土壤有機碳空間變異的主控因素研究是有效應對糧食安全和農業可持續發展的重要依據[15,24]。本研究以江西省為案例區，基于2012年測土配方施肥項目采集的16 582個耕地表層(0 ~ 20 cm)土壤樣點數據，運用普通克里格法、單因素方差分析和回歸分析方法，結合地形因子、耕地利用方式、成土母質、土壤類型、灌溉能力和秸稈還田方式，對江西省土壤有機碳空間變異的主控因素進行研究。以期為江西省耕地土壤碳調控和指導土壤有機碳數字制圖方面提供科學依據。

1 材料與方法

1.1 研究區概況

江西省位于中國東南部，地理坐標介于24°29′ 14″ ~ 30°04′41″N，113°34′36″ ~ 118°28′58″E，土地總面積為16.69萬km2，人口4 566萬，轄11個地級行政區、100個縣級行政區、1個國家級新區。全省氣候溫暖濕潤，四季分明，春秋短而夏冬長。省內東、西、南三面環山，中部丘陵和河谷平原交錯分布，北部則為鄱陽湖平原。年平均氣溫16.3 ~ 17.5 ℃，年均降水量1 700 ~ 1 943 mm；全年無霜期約240 ~ 300 d，為亞熱帶濕潤氣候。土地利用類型以耕地、林地和園地為主(圖1A)，其中耕地面積為3.87萬km2，占全省土地總面積的23.19%。土壤類型主要有水稻土、紅壤、黃褐土和潮土等。植被以常綠闊葉林為主，具有典型的亞熱帶森林植物群落。

圖1 江西省土地利用類型、樣點分布以及DEM

1.2 土壤采樣

土壤樣品按照《全國耕地地力調查與質量評價技術規程》，于2012年11月至2013年2月農作物收獲后采用多點混合的方法采集耕地表層(0 ~ 20 cm)土壤樣品16 582個(圖1B)。每個樣點采集樣品1 kg，土壤樣品經過自然風干后，帶回實驗室磨碎過篩，采用重鉻酸鉀(K2Cr2O7)油浴加熱測定土壤有機碳含量[25]。

1.3 數據處理

式中：表示某類定性因素，第類表示肯定類型，其他表示否定類型。通過對定性變量進行虛擬變量賦值，實現對定性的定量化研究。本文只有某一類別的定性因素進行回歸分析，等價于單因素方差分析，可用于揭示不同變量是否存在顯著差異，同時回歸分析可以定量地表達各定性因素對土壤有機碳空間變異的獨立解釋能力。Pearson相關性分析用于分析地形因子與土壤有機碳的相關性。常規性統計分析均在SPSS(version 22)中完成。在GS+軟件對土壤有機碳進行半變異函數分析與模型擬合，采用ArcGIS10.2軟件中普通克里格法對江西省土壤有機碳進行空間插值。

2 結果與分析

2.1 土壤有機碳的常規性統計分析

16 109個土壤樣點數據統計分析結果表明(表1)，土壤有機碳含量值域范圍為5.22 ~ 40.31 g/kg，平均值為17.90 g/kg，與我國平均水平(17.53 g/kg)[29]相比，高出0.37 g/kg，也高于江西省其他縣市的土壤有機碳含量[30-31]。變異系數為31.01%，呈中等程度的變異性。從K-S檢驗的>0.05可以得出土壤有機碳均符合正態分布，可以進行半變異函數分析和普通克里格法插值。

2.2 半變異函數分析

半變異函數能較好地描述土壤有機碳空間分布的隨機性和結構性，是刻畫土壤有機碳空間變異最有效的方法。從圖2和表2可以看出，土壤有機碳的最優模型為指數模型，模型的擬合系數為0.713。從模型的參數來看，土壤有機碳的塊金效應(隨機性因素引起的空間變異占系統總空間變異的比值)[32-33]為12.49%，表明土壤有機碳呈強空間相關性，受結構性因素引起的空間變異程度大于隨機性因素。變程為30.6 km，表明土壤有機碳的空間自相關范圍較小，這與江西省復雜地形地貌空間結構特征相符合。

表1 江西省耕地土壤有機碳的描述性統計特征

圖2 江西省土壤有機碳半方差函數圖

2.3 空間變異特征

為了直觀反映土壤有機碳的空間變異特征，在半變異函數模型擬合的基礎上運用普通克里格法對江西省耕地土壤有機碳進行空間插值，進而得到土壤有機碳的空間分布。如圖3所示，江西省土壤有機碳高值區域主要分布在萍鄉市、新余市、南昌市、撫州市與景德鎮市；低值區域主要分布在九江市、贛州市、上饒市與吉安市。土壤有機碳含量在14.0 ~ 18.0 g/kg之間的區域面積最廣，總體水平較高，與常規性統計分析結果較為一致。大部分高值區域均在海拔相對較低處(圖1B)，與Pearson相關性分析結果一致。

表2 土壤有機碳的半變異函數參數

2.4 土壤有機碳空間變異的影響因素

2.4.1 地形因子 地形因子通過影響土壤水熱資源的再分配與土壤生態系統的物質循環過程與強度來影響土壤有機碳空間變異。Pearson相關性分析結果表明(表3)，江西耕地土壤有機碳與高程呈極顯著的負相關關系(<0.01)，與坡向呈顯著的正相關關系(<0.05)，相關系數分別為–0.031和0.021，表明地形低洼處，坡向轉北(陰坡)時，土壤有機碳含量越大，這與以往研究結果一致[6-7]。與其他地形因子相關性均不顯著，這與以往研究有所不同[13-14]。這可能與本文研究尺度有關，縣域或小流域尺度相對省域尺度而言由于地形導致的土壤有機碳累積與遷移較為明顯。

2.4.2 成土母質 成土母質通過影響土壤礦物質組成、物理化學風化過程與土壤質地等進而引起土壤有機碳含量的差異。成土母質對江西省土壤有機碳空間變異影響顯著(<0.01，表4)。不同成土母質類型間均值差異明顯(表5)。其中由碳酸巖類風化物發育而來的土壤有機碳含量最高，為18.96 g/kg；然后依次是第四紀紅色黏土(18.67 g/kg)，酸性結晶巖類風化物(18.41 g/kg)、泥質巖類風化物(18.18 g/kg)、河湖沉積物(17.87 g/kg)、石英巖類風化物(17.68 g/kg)、紫色巖類風化物(17.50 g/kg)、紅砂巖類風化物(16.92 g/kg)、下蜀系黃土狀物(12.97 g/kg)。從變異系數來看，不同成土母質發育的土壤有機碳的變異系數范圍在25% ~ 75%，均為中等程度的變異性。

2.4.3 土壤類型 表4表明不同土壤類型土壤有機碳含量差異顯著(<0.01)，表6表明不同土壤類型平均值差異明顯。從土類可以看出，以水稻土平均值含量最高，為18.18 g/kg，遠遠大于其他土類，其次為石灰土(13.76 g/kg)，含量最低的為黃褐土(11.28 g/kg)。從亞類來看，水稻土3種亞類均值為：潛育型水稻土>潴育型水稻土>淹育型水稻土，這表明水稻土的不同亞類之間由于成土過程、發育程度以及耕作管理水平的不同導致其土壤有機碳含量存在差異性。從不同土屬的均值含量看，17個土屬中，以黃泥田土壤有機碳含量最高，平均值達到18.97 g/kg，是含量最小的馬肝泥土的1.70倍。從土類、亞類和土屬的變異系數來看，變異系數范圍為19.31% ~ 31.35%，均呈中等程度的變異性。

2.4.4 耕地利用方式 從表7可以看出，不同耕地利用方式平均值差異明顯，其平均含量大小依次為：兩季水田(18.43 g/kg)>一季水田(17.70 g/kg)>水旱輪作(17.69 g/kg)>一季旱地(12.66 g/kg)>兩季旱地(12.11 g/kg)，表現為水田大于旱地的總體趨勢。這是因為水田一般灌溉條件好，處于淹水時間長，作物管理水平較高，有機碳分解緩慢且不易流失；而旱地由于土壤通氣條件較好，土壤有機碳礦化速率大，同時地表作物大多被人為收取，歸還量小，這使得土壤有機碳處于相對較低水平[6,19]。從變異系數來看，變異系數在21.14% ~ 31.91%，均為中等變異性。

圖3 江西省耕地土壤有機碳空間分布

表3 地形因子與土壤有機碳的Pearson相關系數

注：*表示相關性達到<0.05顯著水平，**表示相關性達到<0.01顯著水平。

表4 不同因素對土壤有機碳的回歸分析

表5 不同成土母質類型土壤有機碳描述性統計特征

表6 不同土壤類型土壤有機碳描述性統計特征

表7 不同耕地利用方式土壤有機碳描述性統計特征

2.4.5 灌溉能力 灌溉作為耕地的主要管理措施之一，除了可以改善土壤水分狀況，滿足作物生長需求外，還可能帶來土壤有機碳礦化分解速率、微生物生物量及其活性、根系生物量以及氣體在土壤孔隙中擴散速率等的改變進而影響土壤有機碳含量[23,34]。不同灌溉能力間土壤有機碳含量差異顯著(<0.01，表4)。從表8可以看出，在水分虧缺條件下，土壤有機碳含量均值與灌溉能力呈正比，最大最小值也說明了這一點。這是因為灌溉帶來的土壤含水量增加促進了根系的呼吸以及微生物群落的活動，增加了土壤呼吸的速率，使得土壤有機碳含量上升。從變異系數看，不滿足的變異系數為34.17%，基本滿足的變異系數為30.51%，充分滿足的變異系數為30.64%，均表現中等變異性。

表8 不同灌溉能力下土壤有機碳描述性統計特征值

2.4.6 秸稈還田方式 從表9可以看出，秸稈不還田與還田土壤有機碳含量差異明顯，秸稈還田比不還田土壤有機碳增加63.70% ~ 71.32%。究其原因：①秸稈不還田時，部分碳以農產品和作物秸稈的形式向系統外輸出，導致土壤有機碳含量降低。②秸稈還田后，秸稈周圍會有大量的微生物進行繁殖，形成土壤微生物活動層，加速了對秸稈中有機態養分的分解釋放，可提高土壤有機碳含量[21-22]。且秸稈釋放有機物質是個逐漸的過程，這樣既增加土壤有機質含量，又有利于土壤改良和可持續發展。同時，翻壓和覆蓋兩種還田方式下土壤有機碳均值差異顯著(= 0.000)，具體表現為覆蓋還田>翻壓還田。這是因為覆蓋由于不擾動土壤，大大降低了土壤有機碳的礦化率，從而增加土壤有機碳含量。從變異系數的范圍(23.46% ~ 24.90%)可以得出，不同秸稈還田方式均呈中等程度的變異性。

表9 不同秸稈還田方式下土壤有機碳描述性統計特征值

2.5 主控因素研究

為定量解釋各影響因素對土壤有機碳的空間變異的獨立解釋能力。對地形因子、耕地利用方式、成土母質、土壤類型、灌溉能力和秸稈還田方式進行回歸分析(表4)。地形因子對土壤有機碳空間變異的獨立解釋能力較低，僅為0.1%；灌溉能力次之，為0.9%；成土母質的獨立解釋能力為2.6%；耕地利用方式的獨立解釋能力為5.7%；土類、亞類和土屬分別能解釋5.1%、5.6% 和35.9% 的土壤有機碳空間變異，土壤類型的獨立解釋能力隨分類級別降低而升高，這與其他區域研究結果一致；這是因為級別越低，反映的成土過程、母巖特性、土體構型等信息越多，因此其獨立解釋能力越高。秸稈還田方式的獨立解釋能力最高，為38.9%，遠遠高于其他影響因素。這表明江西省土壤有機碳空間變異的主控因素為秸稈還田方式。

3 討論

3.1 結構性因素對土壤有機碳的影響

江西省耕地表層土壤有機碳空間分布主要受結構性因素和隨機性因素共同影響。耕地利用方式的獨立解釋能力為5.7%，相對于地形因子與成土母質而言影響較高，但要低于顧成軍等[9]對河北平原地區以及羅由林等[11]對川中丘陵地區的研究結果。其原因是不同土地利用方式下土壤有機碳差異顯著可能與有機物本身化學性質的差異以及碳氮的積累速度[35-36]有關，而本文只研究耕地，無法比較更多土地利用方式下的土壤有機碳空間變異狀況。土壤類型對土壤有機碳空間變異性的獨立解釋能力與土壤分類級別呈反比，這與Bell等[37]和張忠啟等[38]研究結果基本一致，這是因為相同土壤類型具有相似的土壤性質，而不同土壤類型其反映成土過程、母質特性與發育階段性信息具有顯著差異。

3.2 隨機性因素對土壤有機碳的影響

秸稈還田方式在本研究所有影響因素中對土壤有機碳空間變異的獨立解釋能力最高，達到38.9%，遠遠高于其他因素。究其原因：①還田與不還田：秸稈進入土壤后，在適宜條件下向礦化和腐殖化兩個方向進行。一方面，在微生物的作用下被礦化；另一方面，在中間產物或者被微生物利用形成代謝產物集合成產物，繼續在微生物的參與下重新組合形成腐殖質的過程。礦化與腐殖化均會改變土壤有機碳含量。②翻壓還田與覆蓋還田：二者均可改善土壤有機碳含量。秸稈翻壓還田一方面為耕地提供了豐富的碳源，增加土壤有機碳含量；另一方面，改善土壤結構,使土壤表層疏松,減少土壤毛細管作用,相應減少了土壤有機碳的流失。而秸稈覆蓋除了以上兩方面原因外,更主要的原因是：地表覆蓋物削弱太陽對土壤的照射,降低土壤溫度，從而更有利于土壤有機碳的積累。同時由于覆蓋還田不擾動土壤，大大降低了土壤有機碳的礦化率，從而增加土壤有機碳含量。有研究表明[21-22]，我國秸稈還田率遠低于其他國家，因此加強我國秸稈還田率與改進秸稈還田方式是調控江西省土壤有機碳含量、促進農業持續發展與環境保護的重要手段。當然，秸稈還田需結合我省各地區的基本情況、農業環境情況和土壤質地類型，因地制宜地確定還田時間、溫度和數量，并與家禽糞便、化肥配合施用，充分考慮影響秸稈碳氮等物質釋放的因素，增加秸稈還田率，促進土壤碳循環農業可持續發展。

4 結論

1)江西省土壤有機碳含量在5.22 ~ 40.31 g/kg，平均含量17.90 g/kg。變異系數為31.01%，呈中等程度的變異性。經半變異函數分析，土壤有機碳塊金效應值為12.49%，表明有機碳含量受結構性因素的影響要大于隨機性因素；變程為30.6 km，空間自相關范圍較小，高值區域只要分布萍鄉市、新余市、南昌市、撫州市與景德鎮市，低值區主要分布在九江市、贛州市、上饒市和吉安市。

2)在各影響因素中，地形因子對土壤有機碳空間變異的獨立解釋能力為0.1%；灌溉能力的獨立解釋能力為0.9%；成土母質能獨立解釋2.6% 的有機碳空間變異；耕地利用方式能獨立解釋5.7%；土類、亞類、土屬的獨立解釋能力分別為5.1%、5.6% 和5.9%；秸稈還田方式獨立解釋能力最高，為38.9%，是影響江西省耕地表層土壤有機碳空間變異的主控因子。

[1] 王淑芳, 王效科, 歐陽志云. 環境因素對密云水庫上游流域土壤有機碳和全氮含量影響的通徑分析[J]. 生態環境學報, 2014, 1(8): 1378-1383

[2] Lal R. Soil carbon sequestration impacts on global climate change and food security[J]. Science, 2004, 304(5677): 1623-1627

[3] Pan G, Smith P, Pan W. The role of soil organic matter in maintaining the productivity and yield stability of cereals in China[J]. Agriculture Ecosystems & Environment, 2009, 129(1/2/3): 344-348

[4] 李啟權, 王昌全, 岳天祥, 等. 基于RBF神經網絡的土壤有機質空間變異研究方法[J]. 農業工程學報, 2010, 26(1): 87-93

[5] 潘成忠, 上官周平. 土壤空間變異性研究評述[J]. 生態環境, 2003, 12(3): 371-375

[6] 羅由林, 李啟權, 王昌全, 等. 川中丘陵縣域土壤氮素空間分布特征及其影響因素[J]. 環境科學, 2015, 36(2): 652-660

[7] 張素梅, 王宗明, 張柏, 等. 利用地形和遙感數據預測土壤養分空間分布[J]. 農業工程學報, 2010, 26(5): 188-194

[8] 李啟權, 王昌全, 岳天祥, 等. 基于神經網絡模型的中國表層土壤有機質空間分布模擬方法[J]. 地球科學進展, 2012, 27(2): 175-184

[9] 顧成軍, 史學正, 于東升, 等. 省域土壤有機碳空間分布的主控因子——土壤類型與土地利用比較[J]. 土壤學報, 2013, 50(3): 425-432

[10] 胡玉福, 鄧良基, 張世熔, 等. 川中丘陵區典型小流域土壤氮素空間變異特征及影響因素研究[J]. 水土保持學報, 2008, 22(3): 70-75

[11] 羅由林, 李啟權, 王昌全, 等. 近30年來川中紫色丘陵區土壤碳氮時空演變格局及其驅動因素[J]. 土壤學報, 2016, 53(3): 582-593

[12] 李婷, 張世熔, 劉潯, 等. 沱江流域中游土壤有機質的空間變異特點及其影響因素[J]. 土壤學報, 2011, 48(4): 863-868

[13] 羅由林, 李啟權, 王昌全, 等. 川中丘陵縣域土壤碳氮比空間變異特征及其影響因素[J]. 應用生態學報, 2015, 26(1): 177-185

[14] 羅由林, 李啟權, 王昌全, 等. 四川省仁壽縣土壤有機碳空間分布特征及其主控因素[J]. 中國生態農業學報, 2015, 23(1): 34-42

[15] Sarmiento L, Bottner P. Carbon and nitrogen dynamics in two soils with different fallow times in the high tropical Andes: Indications for fertility restoration[J]. Applied Soil Ecology, 2002, 19(1): 79-89

[16] 王永旭, 陳波浪, 袁郁文, 等. 耕地土壤養分空間變異特征研究[J]. 新疆農業科學, 2015, 52(1): 145-150

[17] 馬泉來, 高鳳杰, 張志民, 等. 我國東北黑土丘陵區小流域土壤有機質空間分布模擬[J]. 環境科學研究, 2016, 29(3): 382-390

[18] 楊柳, 胡玉福, 許宗林, 等. 川中丘陵區土壤養分時間變異特征研究——以中江縣玉興鎮為例[J]. 土壤通報, 2009, 40(5): 1057-1062

[19] 魯艷紅, 廖育林, 聶軍, 等. 連續施肥對不同肥力稻田土壤基礎地力和土壤養分變化的影響[J]. 中國農業科學, 2016, 49(21): 4169-4178

[20] 李新愛, 童成立, 蔣平, 等. 長期不同施肥對稻田土壤有機質和全氮的影響[J]. 土壤, 2006, 38(3): 298-303

[21] 潘劍玲, 代萬安, 尚占環, 等. 秸稈還田對土壤有機質和氮素有效性影響及機制研究進展[J]. 中國生態農業學報, 2013, 21(5): 526-535

[22] 陳金, 唐玉海, 尹燕枰, 等. 秸稈還田條件下適量施氮對冬小麥氮素利用及產量的影響[J]. 作物學報, 2015, 41(1): 160-167

[23] 齊玉春, 郭樹芳, 董云社, 等. 灌溉對農田溫室效應貢獻及土壤碳儲量影響研究進展[J]. 中國農業科學, 2014, 47(9): 1764-1773

[24] 許泉, 芮雯奕, 劉家龍, 等. 我國農田土壤碳氮耦合特征的區域差異[J]. 生態與農村環境學報, 2006, 22(3): 57-60

[25] 張甘霖, 龔子同. 土壤調查實驗室分析方法[M]. 北京: 科學出版社, 2012

[26] 王丹丹, 史學正, 于東升, 等. 東北地區旱地土壤有機碳密度的主控自然因素研究[J]. 生態環境學報, 2009, 18(3): 1049-1053

[27] Wang B W, Zhou W J, Ma S, et al. Regression-kriging of soil organic matter using the environmental variables derived from MODIS and DEM[J]. Agricultural Science & Technology, 2012, 13(4): 838-842

[28] 李麗霞, 郜艷暉, 張瑛. 啞變量在統計分析中的應用[J]. 數理醫藥學雜志, 2006, 19(1): 51-53

[29] 李啟權, 岳天祥, 范澤孟, 等. 中國表層土壤有機質空間分布模擬分析方法研究[J]. 自然資源學報, 2010, 25(8): 1385-1399

[30] 舒建英, 張世熔, 孫波, 等. 江西興國水土流失治理區土壤有機質動態變化[J]. 生態學報, 2005, 25(6): 1240-1246

[31] 羅明, 潘賢章, 孫波, 等. 江西余江縣土壤有機質含量的時空變異規律研究[J]. 土壤, 2008, 40(3): 403-406

[32] Hernandezstefanoni J L, Poncehernandez R. Mapping the spatial variability of plant diversity in a tropical forest: comparison of spatial interpolation methods[J]. Environmental Monitoring & Assessment, 2006, 117(1/2/3): 307-334

[33] Zhu Q, Lin H S. Comparing ordinary kriging and regression kriging for soil properties in contrasting landscapes[J]. Pedosphere, 2010, 20(5): 594-606

[34] O’Brien S L, Jastrow J D, Grimley D A, et al. Moisture and vegetation controls on decadal-scale accrual of soil organic carbon and total nitrogen in restored grasslands[J]. Global Change Biology, 2010, 16(9): 2573-2588

[35] Fu X L, Shao M G, Wei X R, et al. Soil organic carbon and total nitrogen as affected by vegetation types in northern Loess Plateau of China[J]. Geoderma, 2010, 155(1/2): 31-35

[36] 張彥軍, 郭勝利, 南雅芳, 等. 黃土丘陵區小流域土壤碳氮比的變化及其影響因素[J]. 自然資源學報, 2012, 27(7): 1214-1223

[37] Bell M J, Worrall F. Estimating a region’s soil organic carbon baseline: The undervalued role of land management[J]. Geoderma, 2009, 152(1/2): 74-84

[38] 張忠啟. 樣點布置模式及密度對揭示土壤有機碳空間變異的影響[D]. 南京: 中國科學院南京土壤研究所, 2010

Study on Main Controlling Factors of Spatial Variability of Farmland SOC in Jiangxi Province

JIANG Yefeng1,2, RAO Lei1,2, GUO Xi1,2*, YE Yingcong2, SUN Kai1,2, LI Jie1,2, WANG Lanke1,2, LI Weifeng1,2

(1College of Land Resource and Environment, Jiangxi Agricultural University, Nanchang 330045, China; 2 Key Laboratory of Poyang Lake Watershed Agricultural Resources and Ecology of Jiangxi Province, Nanchang 330045, China)

Accurately accessing spatial variability of farmland SOC and its main driving factors at provincial scale has great influence in regulating soil carbon and environmental protection. The spatial variability of farmland SOC of Jiangxi Province and its controlling factors were quantitatively studied based on 16 582 farmland topsoil samples(0-20 cm) collected in 2012 with the methods of ordinary kriging, variance analysis and regression analysis. The results showed that farmland SOC ranged from 5.22 to 40.31 g/kg, with an average of 17.90 g/kg and the coefficient of variation of 31.01%. The range of farmland SOC was 30.6 km, the nuggest/still ratio were 12.49%, indicating the structural factors played a more important role in the spatial variability of SOC than stochastic factors.The high value of SOC are mainly distributed in Pingxiang, Xinyu, Nanchang, Fuzhou and Jingdezhen.Terrain factors, irrigation capacity, parent material, farmland-use type, soil type and straw returning patterns had significant impact on the spatial variability of SOC(<0.01), but the influence degrees were different, in which straw returning pattern could explain 38.9% of SOC spatial variability and could be regarded as the main controlling factor of spatial variability of farmland SOC in Jiangxi Province.

Soil organic carbon; Jiangxi Province; Spatial variability; Main controlling factors; Straw returning

江西省贛鄱英才“555”領軍人才項目(201295)資助。

(xig435@163.com)

江葉楓(1994—)，男，江西余干人，碩士研究生，主要從事土壤養分變異研究。E-mail: jiangyf0308@163.com

10.13758/j.cnki.tr.2018.04.018

S153.6

A