基于最小數據集的黃土高原礦區復墾土壤質量評價

李鵬飛，張興昌，郝明德，張燕江，崔勇興,3，朱世雷

基于最小數據集的黃土高原礦區復墾土壤質量評價

李鵬飛1,2,3，張興昌2※，郝明德2，張燕江4，崔勇興2,3，朱世雷4

（1. 水利部黃河水利委員會黃河上中游管理局，西安 710021；2. 中國科學院水利部水土保持研究所 黃土高原土壤侵蝕與旱地農業國家重點實驗室，楊凌 712100；3.中國科學院大學，北京 100049；4.西北農林科技大學資源環境學院，楊凌 712100；）

礦產開發影響了土壤質量，特別是在黃土高原生態脆弱地區。通過植被恢復能夠改善礦區復墾土壤質量。為了揭示礦區復墾土壤質量在植被恢復過程中的變化，該文以黑岱溝礦區排土場不同恢復年限不同植被類型、未復墾地和周邊自然植被恢復區為研究對象，選取21項理化生指標作為總數據集（total data set，TDS），運用主成分分析（principal component analysis，PCA）結合Norm值構建評價指標最小數據集（minimum data set，MDS），通過非線性（non-Linear，NL）和線性（linear，L）兩種評價方法對研究區土壤質量進行了評價。研究表明：黃土高原北部典型礦區復墾土壤質量評價指標MDS包括粉粒百分比、有機質、速效磷、鈉吸附比和微生物碳；2種評價方法下，植被恢復均對復墾土壤質量指數（soil quality index，SQI）有了顯著提升（< 0.05），復墾20 a灌木SQI高于復墾10 a灌木SQI，復墾12 a草本SQI高于復墾20 a草本SQI，然而所有復墾土壤SQI均未達到自然植被恢復土壤SQI；由于非線性土壤質量評價方法（SQI-NL）具有更大的土壤質量指數變化區間和變異系數，此外，在SQI-NL和線性土壤質量（SQI-L）評價兩種方法下，MDS和TDS之間決定系數分別為0.911和0.866，因此，非線性土壤質量評價方法在該區域具有更好的適用性，并且最小數據集能夠較準確地進行土壤質量評價。

復墾；植被；土壤質量評價方法；礦區；主成分分析；最小數據集；黃土高原

0 引 言

中國經濟快速發展得益于豐富的能源，煤炭消費隨著經濟和工業的擴張而不斷上升[1]。礦產資源的大規模開發雖然對國民經濟發展做出了重要貢獻，但不可避免地會破壞相當大的土地面積，引發一系列生態環境問題[2]，如土壤質量和土地生產力退化，生物多樣性減少，甚至嚴重的土壤、空氣和水污染[3-4]。人為引起的土壤結構和性質的變化對生態系統的健康發展有著深遠的影響，特別是在干旱半干旱生態脆弱地區[5]。對礦區廢棄地進行植被恢復，可以保護和改善礦區復墾土地的土壤環境質量，重建可持續健康的土壤生態系統。

提高土壤質量是實現土地可持續利用和管理的最終目標。對土壤質量的認識來源于可靠準確的土壤質量評價，它是一種對已知土壤各項屬性進行量化綜合表達的決策方法，其中以土壤質量指數法最為常用，這是得益于其靈活性高以及易于實施[6-7]。土壤質量指數通常包括三個步驟：1）選擇合適的指標；2）對指標進行評分；3）將指標得分合并成綜合指數。單一的土壤指標無法準確評估植被恢復對土壤質量的影響[3]，能夠影響土壤功能并對環境變化敏感的土壤物理、化學和生物特性通常被選為土壤質量指標[8-9]，特別是生物指標，由于其易于評價環境變化對土壤功能的短期影響，而引起了關注[10-11]。周俊英[12]以14項土壤指標作為綜合評價因子，對黃土高原地區土壤進行了質量評價。然而，對大量的土壤質量指標進行試驗分析是比較困難的。因此，需要通過適當的方法來減少土壤質量評價指標總數據集（TDS）中的指標數目，建立評價指標最小數據集（MDS），以減少勞動時間和費用，提高工作效率。

之前的相關研究中，一些國內外學者[6,13-14]使用線性評分模型（Linear model, L）評價土壤質量，這種方法建立了質量分數和對土壤變化敏感的實測數據之間的線性關系。此外，另一些研究者發現質量分數與指標值之間沒有線性關系，因此使用了非線性評分模型（Non-linear model, NL）對土壤質量進行評價[15-16]。準確的評價結果取決于適當的分析方法，然而，由于土壤因地點而異，具有復雜性和變異性，合適的土壤質量評價方法必須經過驗證和比較[17]。因此，選擇一種合適的方法來評估特定土壤或地區的土壤質量是至關重要的。評價土壤質量的方法有很多，每種方法都有優缺點。目前已有關于土壤質量評價方法的適用性研究，如在中國黃河下游沉積土地區[17]以及愛爾蘭溫帶耕作地區[18]。對黃土高原土壤質量評價的研究較多，研究對象多為自然植被恢復下土壤[12,19-22]，然而，針對黃土高原北部礦區擾動后復墾土壤質量評價的研究較少。

因此，本研究以土壤物理、化學以及生物3方面的性質為立足點，通過最小數據集篩選，確定指標權重以及對不同評價方法的適用性進行驗證，從而揭示研究區域土壤質量變化情況以及提供最適合的土壤質量評價方法，為保護和提高黃土高原北部礦區復墾土壤質量提供科學依據。

1 材料與方法

1.1 研究區概況

本研究在內蒙古自治區準格爾旗東南（39°43′～39°49′N，111°13′～111°20′E）黑岱溝露天煤礦開展。研究區位于黃土高原北部，該地區生態脆弱，屬干旱半干旱、溫帶大陸性氣候。年平均降水量401.6 mm，集中在7～9月，約占年降水量的60%～70%，年蒸發量1 824.7～2 896.1 mm。地帶性土壤為以砒砂巖為母巖的栗褐土，礦區土壤為黃土性土壤和風沙土，土壤疏松，抗蝕性差，堿性弱，肥力低。嚴重的采礦擾動使當地土壤固有的理化和生物特性發生了很大的變化，主要表現在對土壤團聚體的嚴重破壞、養分的嚴重流失、地形的變化等方面。

礦區地帶性植被屬于暖草原帶，植被稀疏，覆蓋度低，一般小于30%。主要植被類型有：喬木（北京楊、油松、樟子松、山杏）、灌木（歐李、檸條錦雞兒、丁香、沙棘、紫穗槐），和草本植物（長芒草、沙蒿、達烏里胡枝子、硬質早熟禾、草木犀狀黃芪、沙打旺、紫花苜蓿、冰草、拂子茅、阿爾泰狗娃花、狗尾草）[23]。

1.2 采樣方法與土壤理化生性質測定

前人的研究成果證實該礦區排土場土壤背景值屬于同一田間試驗區的正常變異范圍，可認為該排土場植被恢復前其土壤背景情況基本一致[24]。通過查閱相關資料，并且與礦區工作人員進行溝通，我們于2016年7-8月在黑岱溝露天煤礦北排土場和東排土場采集了5種不同恢復年限下不同植被配置類型的土壤樣品，分別為復墾12 a草本（herbs reclamation for 12 years, RLH 12）、復墾20 a草本（herbs reclamation for 20 years, RLH 20）、復墾10 a灌木（shrubs reclamation for 10 years, RLS 10）、復墾20 a灌木（shrubs reclamation for 20 years, RLS 20）以及復墾20 a喬木（arbors reclamation for 20 years, RLA 20）并在礦區內采集了未復墾（unreclaimed, UL）土壤樣品，同時采集了礦區周邊自然植被恢復（natural, NL）的土壤樣品，所有樣品采集深度均為0～20 cm。每個采樣點采用五點采樣法，然后形成一個混合樣品。采樣點數量根據不同植被配置類型的面積確定，共計92個采樣點，采樣點分布如圖1所示。樣品被分為兩部分：一部分帶回實驗室風干后過篩進行理化性質的測定；另外一部分保存在-4 ℃環境中盡快帶回實驗室進行土壤酶活性以及土壤微生物量碳、氮的測定。

Note:herbs reclamation for 12 years, RLH 12; herbs reclamation for 20 years, shrubs reclamation for 10 years, RLS 10;;shrubs reclamation for 20 years, RLS 20; arbors reclamation for 20 years, RLA 20; unreclaimed land, UL; natural land, NL. The same below.

通過總結相關研究成果[25-27]，本研究共測定土壤物理、化學和生物指標21項，測定方法如下：pH值采用水土比1:1電極法測定，電導率采用電導法測定，容重采用環刀法測定，砂粒、粉粒和黏粒百分比采用馬爾文激光粒度儀分析，有機質采用重鉻酸鉀容量法測定，全氮采用全自動開氏定氮法測定，速效氮采用堿解擴散法測定，全磷采用鉬銻抗比色法測定，速效磷采用Olsen法測定，全鉀和速效鉀采用火焰光度法測定，陽離子交換量采用銨交換法測定，鈉吸附比使用水土飽和浸提液中的鈉、鈣和鎂離子含量進行計算，過氧化氫酶采用高錳酸鉀滴定法測定，堿性磷酸酶采用苯磷酸二鈉比色法測定，脲酶采用靛酚藍光度法測定，蔗糖酶采用3,5-二硝基水楊酸比色法測定，微生物碳和微生物氮采用氯仿熏蒸浸提法測定。

1.3 土壤質量評價方法

1.3.1 基于主成分分析的評價指標最小數據集的構建

土壤質量評價需要選擇合適的土壤質量指標，這些指標應對土壤功能和最終評價結果具有顯著影響[28]，并被選擇為最小數據集（MDS）。主成分分析作為一種數據簡化工具，通過降維將多個指標轉化為少數指標，用來進行最小數據集的構建[29]。總體思路為：提取特征值≥1的主成分，指標載荷大于0.5的分為一組。如某種指標在不同主成分中的載荷均大于0.5，則將其并入與其他指標相關性較低的一組。分別計算各組指標的Norm值，選取每組中Norm值在該組中最大Norm值的10%范圍內的指標。當一個組中保留有多個指標時，使用Pearson相關系數來確定是否需要保留每個指標，如指標間相關系數小于0.5，則所有指標均可保留，如各指標在主成分內顯著相關（≥0.5），則選擇Norm值最高的指標進入MDS[30]。

其中，Norm值越大，意味著該指標對所有主成分的綜合載荷越大，則該指標所包含的土壤質量信息就越多。Norm值的計算公式如下

式中N表示第個指標在特征值大于1的前個主成分的Norm值；u表示第個指標在第個主成分的載荷；e為第個主成分的特征值。

1.3.2 土壤質量評分模型的建立

1）土壤質量非線性（Non-linear）評分模型

土壤指標實測值通過非線性評價模型轉換為0～1之間適當的分值，模型如下

式中S是介于0～1之間的土壤指標得分，為最大得分，在這里被確定為1，是土壤實測指標值，0為相應的指標平均值，為方程的斜率，“越多越好”類型指標被確定為-2.5，“越少越好”類型指標被確定為2.5[31]。

2）土壤質量線性（Linear）評分模型

通過線性評價模型將每個指標轉換為0～1之間無量綱分數。本研究中選取“越多越好”型方程和“越少越好”型，模型如下

式中S代表線性評分（0～1），代表指標實測值，代表指標最低值，代表指標最高值。方程（3）為“越多越好”型指標評分函數，方程（4）為“越少越好”型指標評分函數[32]。

1.3.3 評價指標的權重

通過主成分分析得到的公因子方差能夠反映出某一指標對整體方差的貢獻程度，其越大則對整體方差貢獻越大[33]。本研究采用主成分分析法計算各指標的權重值。權重等于各指標的公因子方差占所有指標公因子方差之和的比例[34]。

1.3.4 土壤質量指數計算

得到各指標的評分和權重后，根據方程（5）計算土壤質量指數（Soil quality index, SQI）：

式中S代表指標得分，為指標數量，W代表指標權重值，SQI值越高，代表土壤質量更好。

1.4 數據處理

采用SPSS 22.0、Origin 2019和Microsoft Excel 2015進行數據處理，應用SPSS22.0對數據進行相關性分析、方差分析和主成分分析，Origin 2019進行線性回歸分析，Microsoft Excel 2015繪制柱狀圖。

2 結果與分析

2.1 土壤質量評價指標統計量

各樣地下土壤物理、化學以及生物性質如表1所示。各樣地中未復墾地土壤容重、砂粒百分比以及黏粒百分比最高，粉粒百分比最低。pH值在未復墾地最高，自然恢復最低，分別為8.76和8.49；電導率在各樣地間差異不顯著（>0.05）；有機質和全氮含量表現為自然恢復顯著高于其他樣地（<0.05），分別為15.96和0.44 g/kg，未復墾地最低，分別為5.55和0.14 g/kg；速效氮在復墾12 a草地中最高，為9.92 mg/kg，在未復墾地中最低，為6.22 mg/kg，其余樣地之間差異不顯著（>0.05）；全磷含量在復墾20 a草地中最高，為0.53 g/kg，在自然恢復中最低，為0.39 g/kg；復墾地和自然恢復下土壤速效磷含量顯著高于未復墾地（<0.05）；全鉀含量在復墾20 a灌木中最高，為17.47 g/kg，在未復墾地中最低，為5.64 g/kg；速效鉀含量在自然恢復中最高，為99.24 mg/kg，在未復墾地中最低，為36.05 mg/kg；陽離子交換量在各樣地間差異不顯著（>0.05）；未復墾地土壤鈉吸附比顯著高于其他樣地（<0.05），為0.84；過氧化氫酶活性和微生物氮均在復墾20 a灌木中最高，分別為4.98mg/(g·d)和42.02 mg/kg，均在未復墾地最低，分別為2.70 mg/(g·d)和15.31 mg/kg；堿性磷酸酶活性在個各樣地間差異不顯著（>0.05）；脲酶活性、蔗糖酶活性以及微生物碳在各樣地中差異顯著（<0.05），均在自然恢復地最高，分別為0.83 mg/(g·d)、8.05 mg/(g·d)和186.72 mg/kg，均在未復墾地中最低。

表1 不同樣地土壤質量評價指標統計量

注：采用單因素方差LSD法分析同一指標在不同樣地之間差異性（<0.05），不同字母表示差異顯著。電導率：EC；容重：BD；有機質：OM；全氮：TN；速效氮：AN；全磷：TP；速效磷：AP；全鉀：TK；速效鉀：AK；陽離子交換量：CEC；鈉吸附比：SAR；過氧化氫酶：CAT；堿性磷酸酶：ALP；尿酶：URE；蔗糖酶：SUC；微生物碳：MBC；微生物氮：MBN。下同。

Note: Different lowercase letters indicate significant differences (< 0.05) among the different sites under the same indicator based on one-way ANOVA followed by LSD test. Electrical conductivity: EC; Bulk density: BD; Organic matter: OM; Total nitrogen: TN; Available nitrogen: AN; Total phosphorus: TP; Available phosphorus: AP; Total potassium: TK; Available potassium: AK; Cation exchange capacity: CEC; Sodium adsorption ratio: SAR; Catalase: CAT; Alkaline phosphatase: ALP; Urease: URE; Sucrase: SUC; Microbial biomass carbon: MBC; Microbial biomass nitrogen: MBN. The same below.

2.2 土壤質量評價指標最小數據集

主成分分析結果如表2所示，發現只有前5個主成分特征值大于1，且累計解釋的總方差達到了80.50%，表明前5個主成分解釋能力較強。

對各主成分中載荷絕對值大于0.5的指標進行分組后，分別計算各指標在各組中的Norm值，按照每組中Norm值在最高值10%范圍內的選取原則，得到以下初選指標：ALP、URE、SUC、MBC、MBN、Silt、AP、OM和SAR。通過指標間相關性分析（表3），比較同組內兩兩指標間相關系數，最終確定本研究土壤質量評價指標最小數據集為MBC、Silt、AP、OM和SAR。

2.3 基于兩種評分模型的土壤質量評價

對MDS進行主成分分析，得到各指標公因子方差，進而計算各指標權重。如表4所示，Silt、OM、AP、SAR和MBC的權重值分別為0.174、0.235、0.193、0.157和0.241。通過方程（2），（3）和（4）將MDS指標轉換為0-1之間的分數。本研究中，SAR適用“越少越好”型函數，這是由于土壤中過高的鹽度會影響植物的生長，最終導致土壤質量降低。Silt、OM、AP和MBC表征了土壤的結構和養分狀況，適用于“越多越好”型函數。

表2 各指標載荷矩陣和Norm值

表3 土壤質量評價指標相關系數矩陣

注：**代表在0.01水平上顯著相關，*代表在0.05水平上顯著相關。

Note: **means the significant correlation at<0.01, * means the significant correlation at<0.05.

表4 土壤質量評價最小數據集和總數據集的公因子方差和權重

如圖2a所示，不同植被恢復類型下，基于最小數據集的非線性土壤質量評價指數平均為：自然恢復（0.587）>復墾20年灌木（0.479）>復墾12 a草本（0.455）>復墾10年灌木（0.453）>復墾20 a草本（0.424）>復墾20 a喬木（0.364）>未復墾地（0.262），如圖2b所示，不同植被恢復類型下，基于最小數據集的線性土壤質量評價指數平均為：自然恢復（0.522）>復墾20 a灌木（0.444）>復墾10 a灌木（0.412）>復墾12 a草本（0.401）>復墾20 a草本（0.400）>復墾20 a喬木（0.326）>未復墾地（0.228）。兩種評價方式下，土壤質量指數在不同植被恢復類型下的分布情況基本一致，主要表現為與未復墾地相比，植被恢復顯著提高了土壤質量指數（<0.05），盡管如此，復墾地植被恢復下土壤質量指數仍然顯著低于自然恢復下土壤質量指數（<0.05），其中，復墾12 a草本、復墾20 a草本、復墾10 a灌木以及復墾20 a灌木的土壤質量指數與自然恢復下土壤質量指數較為接近。兩種評價方法下，復墾20 a草本的土壤質量指數與復墾12 a草本相比均有不同程度的降低，而復墾20 a灌木的土壤質量指數與復墾10 a灌木相比均有不同程度的提高。說明在植被恢復初期，草本對土壤質量的恢復效果較好，而隨著恢復年限的增加，灌木下土壤質量逐漸提升。經過植被恢復，礦區復墾土壤質量指數已經接近自然恢復下土壤質量指數，復墾20 a灌木種植下的土壤質量指數最高，未復墾地土壤質量指數最低。

注：不同小寫字母表示差異顯著（P<0.05）。

2.4 基于最小數據集的土壤質量評價方法的適用性驗證

通常，通過土壤質量評價指標總數據集對土壤質量進行評價往往能夠獲得較高的準確性。然而，由于指標眾多，導致試驗分析復雜化，費時費力。通過一系列統計分析可對指標數據集進行簡化，但會導致評估準確度下降。因此需要對一個具體區域或一種具體土壤的評價指標最小數據集的適用性進行驗證。通過主成分分析（PCA）獲取總數據集各指標公因子方差，繼而獲得總數據集各指標權重（表4），采用前述方法，對基于土壤質量評價指標總數據集的土壤質量進行分析。

通過圖3可知，兩種土壤質量評價方法下指標最小數據集和指標總數據集之間相關性較高。非線性評價方法（圖3a）回歸方程為：

=0.722+0.138（=92,2=0.911,<0.001），線性評價方法（圖3b）回歸方程為：=0.812+0.095（=92,2= 0.866,<0.001），其中，代表總數據集，代表最小數據集。

基于MDS非線性評價方法土壤質量指數（SQI-NL）變化區間為0.070～0.829，變異系數為40.65%；基于MDS線性評價方法土壤質量指數（SQI-L）變化區間為0.103～0.744，變異系數為36.81%。由此可知，相比于SQI-L方法，基于MDS的SQI-NL方法得到的土壤質量指數變化區間和變異系數較大，說明該方法對土壤質量指數的變化情況反應更為敏感。此外，從擬合效果來看（圖3），在SQI-NL和SQI-L兩種評價方法下，TDS與MDS均呈極顯著正相關，但2分別為0.911和0.866，通過SQI-NL方法得到的擬合效果更優，因此具有較高的準確性，能夠替代TDS進行土壤質量評價。

圖3 兩種評價方法下最小數據集和總數據集之間的關系

3 討 論

在礦區進行植被恢復能有效控制土壤侵蝕和提高土壤質量[35]。人工植被恢復是為了使生態水平恢復至未開采前水平。本文以黃土高原北部典型礦區為研究區域，利用多項土壤指標，通過2種土壤質量評價方法，研究了礦產開發和植被恢復對土壤環境的影響，同時驗證了不同土壤質量評價方法在該地區的適用性。本研究利用主成分分析結合Norm值進行了最小數據集的篩選，引入Norm值考慮了指標在所有主成分上的載荷，避免了指標在其它主成分上信息的損失[36]。有學者對國內外土壤質量評價MDS的研究成果進行了匯總[33,37]，其結果幾乎涵蓋了土壤質量的物理、化學和生物等各個方面的特征，土壤容重、pH值、有機質、粉粒百分比、砂粒百分比、速效磷以及含水量等具有較高的使用頻率，本研究粉粒百分比、有機質和速效磷這3個指標與大多數國內外研究結果一致，除此之外，鈉吸附比和微生物碳入選了該研究區的MDS，說明該研究區域土壤質量的主要影響因素除了有機質、速效磷和粉粒百分比以外，土壤鹽漬化程度和微生物量對土壤質量的影響作用也較為顯著。這是該研究區域自然情況以及土壤特點而決定的，由于該地區年降雨量小而蒸發量大，導致鹽分離子淋溶較弱而隨著水分蒸發向上運移，使土壤鹽漬化程度加劇；該地區生態系統脆弱，礦區開發對自然土壤的大規模擾動使土壤中微生物量產生了急劇下降，而對擾動后土壤進行植被恢復，可以顯著提升土壤中微生物量（表1）。因此本研究選出的5個MDS指標對于黃土高原北部地區礦區復墾土壤質量評價具有一定的實用意義。

本研究提出了非線性和線性兩種土壤質量評價方法，并對兩種評價方法在該研究區的適用性進行了驗證。兩種方法得出的土壤質量總體空間格局相似，但在細節上仍存在差異。總體來說，相比于礦區未復墾地，礦區復墾地植被恢復對土壤質量均有不同程度的顯著提升，但仍然未達到自然恢復地土壤質量水平，其中，復墾20年灌木種植下的土壤質量指數高于復墾10年灌木，并且在五種復墾植被類型中最為接近自然植被恢復下土壤質量。與之前的研究結果一致[38]，在黃土高原干旱半干旱地區種植灌木能夠顯著增加土壤養分，這種現象被成為“沃島效應”[39]，這可能是由于以豆科植物為主的灌木根系分泌大量的糖、氨基酸以及其它低分子量有機化合物，這些化合物對土壤微生物以及土壤養分有積極影響。在黃土高原礦區，以豆科為主的灌木作為主要的生態恢復植物[40]。從未復墾地到復墾12年草本再到復墾20年草本，土壤質量指數呈現出先增加后降低的趨勢，之前的研究發現了類似的結果，敖伊敏[41]對不同恢復年限下典型草地土壤進行研究發現，土壤養分隨恢復年限的增加而增加，恢復14年時達到最大值，隨著恢復年限的增加，土壤養分呈降低趨勢。地上生物量與土壤性質密切相關，趙凌平等[42]研究發現隨著草地封育年限的增加，地上生物量和物種多樣性先增加后減小，在15年到達峰值。導致這一結果的原因可能是枯落物的過量積累對草地優勢物種的生長有一定的抑制作用[43]，過多的枯落物未分解層阻礙了種子和土壤的接觸，降低了發芽率，從而降低了地上生物量[42]。因此，在復墾初期，種植草本植物可較快提升土壤質量，隨后種植灌木維持并持續提升土壤質量，防止因草地退化而導致的土壤質量下降。

本文發現基于MDS的SQI-L土壤質量指數變化區間（0.103～0.744）和變異系數（36.81%）均小于SQI-NL土壤質量指數變化區間（0.070～0.829）和變異系數（40.65%）。對土壤質量進行分級的主要目標是準確評價土壤質量狀況并發現是否存在問題，為如何提高土壤質量提供依據。而在土壤質量指數變化區間較小的情況下，會使土壤質量的識別和分類增加難度[17]。而變異系數的大小代表土壤質量指數對不同環境條件變化響應的敏感程度，對環境條件變化響應敏感程度越高，能夠更清晰的反映出土壤質量變化的影響因素，從而更為有效指導對提升土壤質量的科學管理。此外，在多數情況下，SQI-L方法相應地需要了解指標閾值等一些參數，而這些參數都是從以往的試驗研究中獲取的經驗值，且大多是基于特定土壤或區域提出的，在其他區域或者土壤條件下并不適用，本研究使用實測指標值最大值和最小值替代指標上下限閾值，因此SQI-L方法的結果只表征了試驗區域的相對土壤質量。基于上述結果，與SQI-L方法相比，SQI-NL方法具有更好的準確性和實用性，這一結果與前人研究結果一致，Andrews等[7]認為，SQI-NL方法比SQI-L方法更能真實地反映土壤的功能。與SQI-L方法相比，SQI-NL方法MDS和TDS之間相關性更高，說明基于MDS的SQI-NL評價方法能更為真實地反映土壤質量狀況。因此，基于MDS的SQI-NL評價方法在該研究區域具有較好的適用性，推薦未來在相同區域和土壤條件下進行研究與應用。

4 結 論

1）適用于黃土高原北部礦區復墾土壤質量評價的指標最小數據集及其權重排序為：微生物碳（0.241）>有機質（0.235）>速效磷（0.193）>粉粒百分比（0.174）>鈉吸附比（0.157）。

2）植被恢復對礦區復墾土壤質量有明顯提高作用，但仍未達到自然恢復下土壤質量。基于最小數據集的非線性評價方法土壤質量指數排序為：自然恢復>復墾20 a灌木>復墾12 a草本>復墾10 a灌木>復墾20 a草本>復墾20 a喬木>未復墾地；基于最小數據集的線性評價方法土壤質量指數排序為：自然恢復>復墾20 a灌木>復墾10 a灌木>復墾12 a草本>復墾20 a草本>復墾20 a喬木>未復墾地。

3）與線性土壤質量評價方法相比，非線性土壤質量評價方法對該區域土壤質量評價具有更好的適用性。

4）在非線性土壤質量評價方法和線性土壤質量評價方法下，最小數據集和總數據集之間決定系數分別為0.911和0.866，說明最小數據集能夠較準確地代替總數據集對該研究區域進行土壤質量評價。

[1] Tang Xu, Snowden S, McLellan B C, et al. Clean coal use in China: Challenges and policy implications[J]. Energy Policy, 2015, 87:517－523.

[2] Mukhopadhyay S, Masto R E, Yadav A, et al. Soil quality index for evaluation of reclaimed coal mine spoil[J]. Science of the Total Environment, 2016, 542, 540－550.

[3] Mukhopadhyay S, Maiti S K, Masto R E. Development of mine soil quality index (MSQI) for evaluation of reclamation success: A chronosequence study[J]. Ecological Engineering, 2014, 71:10－20.

[4] Maiti S K. Ecorestoration of the Coalmine Degraded Lands[M]. Springer, Berlin, 2013.

[5] Huang Lei, Zhang Peng, Hu Yigang, et al. Vegetation and soil restoration in refuse dumps from open pit coal mines[J]. Ecological Engineering, 2016, 94, 638－646.

[6] Swanepoel P A, Du Preez C C, Botha P R, et al. Soil quality characteristics of kikuyu–ryegrass pastures in South Africa[J]. Geoderma, 2014, 232-234:589－599.

[7] Andrews S S, Karlen D L, Mitchell J P. A comparison of soil quality indexing methods for vegetable production systems in northern California[J]. Agriculture Ecosystems & Environ-ment, 2002, 90(1): 25－45.

[8] Nosrati K. Assessing soil quality indicator under different land use and soil erosion using multivariate statistical techn-iq-ues[J]. Environmental Monitoring & Assessment, 2013, 185(4): 2895－2907.

[9] Takoutsing B, Weber J, Aynekulu E, et al. Assessment of soil health indicators for sustainable production of maize in smallholder farming systems in the highlands of Cameroon[J]. Geoderma, 2016, 276: 64－73.

[10] Dose H L, Fortuna A M, Cihacek L J, et al. Biological indicators provide short term soil health assessment during sodic soil reclamation[J]. Ecological Indicators, 2015, 58: 244－253.

[11] Júlia C N, Lolata G B, Carvalho G M D, et al. Microbial indicators of soil health as tools for ecological risk assessment of a metal contaminated site in Brazil[J]. Applied Soil Ecology, 2012, 59: 96－105.

[12] 周俊英. 黃土丘陵區典型種植梯田土壤肥力質量評價[D]. 楊凌：西北農林科技大學，2017. Zhou Junying. Evaluation of Soil Fertility Quality of Typical Terraced Field in Loess Hilly Region[D]. Yangling: Northwest A & F University, 2017. (in Chinese with English abstract)

[13] Liu Zhanjun, Zhou Wei, Shen Jianbo, et al. Soil quality assessment of Albic soils with different productivities for eastern China[J]. Soil & Tillage Research, 2014, 140(140): 74－81.

[14] 周瑤，馬紅彬，賈希洋，等. 不同生態恢復措施下寧夏黃土丘陵典型草原土壤質量評價[J]. 農業工程學報，2017，33(18)：102－110. Zhou Yao, Ma Hongbin, Jia Xiyang, et al. Soil quality assessment under different ecological restoration measures in typical steppe in loess hilly area in Ningxia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 102－110. (in Chinese with English abstract)

[15] Bi Chunjuan, Chen Zhenlou, Wang Jun, et al. Quantitative assessment of soil health under different planting patterns and soil types[J]. Pedosphere, 2013, 23(2): 194－204.

[16] Li Q, Jia Z, Liu T, et al. Effects of different plantation types on soil properties after vegetation restoration in an alpine sandy land on the Tibetan Plateau, China[J]. Journal of Arid Land, 2017, 9(2): 200－209.

[17] Guo Linlin, Sun Zhigang, Ouyang Zhu, et al. A comparison of soil quality evaluation methods for Fluvisol along the lower Yellow River[J]. Catena, 2017, 152: 135－143.

[18] Askari M S, Holden N M. Quantitative soil quality indexing of temperate arable management systems[J]. Soil and Tillage Research, 2015, 150: 57－67.

[19] 馬芊紅，張光輝，耿韌，等. 黃土高原紙坊溝流域不同土地利用類型土壤質量評價[J]. 水土保持研究，2018，25(4)：34－39，46. Ma Qianhong, Zhang Guanghui, Geng Ren, et al. Evaluation on soil quality of different land use types in Zhifanggou Watershed of the loess plateau[J]. Research of Soil and Water Conservation, 2018, 25(4): 34－39, 46. (in Chinese with English abstract)

[20] 黃婷，岳西杰，葛璽祖，等. 基于主成分分析的黃土溝壑區土壤肥力質量評價：以長武縣耕地土壤為例[J]. 干旱地區農業研究，2010，28(3)：141－147. Huang Ting, Yue Xijie, Ge Xizu, et al. Evaluation of soil quality on gully region of loess plateau based on principal component analysis[J]. Agricultural Research in the Arid Areas, 2010, 28(3): 141－147. (in Chinese with English abstract)

[21] 金晶煒，蘇紀帥，白于，等. 寧南山區土壤質量對人工植被恢復模式的響應[J]. 農業工程學報，2014，30(16)：283－289. Jin Jingwei, Su Jishuai, Bai Yu, et al. Response of soil quality to artificial vegetation restoration patterns in hilly area of Southern Ningxia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(16): 283－289. (in Chinese with English abstract)

[22] 姚小萌，牛椏楓，黨珍珍，等. 黃土高原自然植被恢復對土壤質量的影響[J]. 地球環境學報，2015(4)：238－247. Yao Xiaomeng, Niu Yafeng, Dang Zhenzhen, et al. Effects of natural vegetation restoration on soil quality on the Loess Plateau[J]. Journal of Earth Environment, 2015(4): 238－247. (in Chinese with English abstract)

[23] 張鵬，趙洋，黃磊，等. 植被重建對露天煤礦排土場土壤酶活性的影響[J]. 生態學報，2016，36(9)：2715－2723. Zhang Peng, Zhao Yang, Huang Lei, et al. Effect of revegetation on soil extracellular enzyme activity in the dumping site of an open-pit coal mine in Heidaigou[J]. Acta Ecologica Sinica, 2016, 36(9): 2715－2723. (in Chinese with English abstract)

[24] 唐駿. 黃土區露天煤礦排土場植被恢復的土壤環境效應[D]. 北京：中國科學院大學，2015. Tang Jun. Effects of Vegetation Restoration on Soil Environment of Opencast Coal Mine Dump in the Loess Area[D]. Beijing: University of Chinese Academy of Sciences, 2015. (in Chinese with English abstract)

[25] Zhou W, Yang K, Bai Z, et al. The development of topsoil properties under different reclaimed land uses in the Pingshuo opencast coalmine of Loess Plateau of China[J]. Ecological Engineering, 2017, 100: 237－245.

[26] 曹靖，常雅君，苗晶晶，等. 黃土高原半干旱區植被重建對不同坡位土壤肥力質量的影響[J]. 干旱區資源與環境，2009，23(1): 169－173. Cao Jing, Chang Yajun, Miao Jingjing, et al. Effect of vegetation recovery on the soil fertility quality of different slope position in semi-arid region of Loess Plateau[J]. Journal of Arid Land Resources and Environment, 2009, 23(1): 169－173. (in Chinese with English abstract)

[27] Andrews S S, Karlen D L, Cambardella C A. The soil management assessment framework[J]. Soil Science Society of America Journal, 2004, 68(6): 1945－1962.

[28] Nakajima T, Lal R, Jiang S. Soil quality index of a crosby silt loam in central Ohio[J]. Soil and Tillage Research, 2015, 146: 323－328.

[29] Rezaei S A, Gilkes R J, Andrews S S. A minimum data set for assessing soil quality in rangelands[J]. Geoderma, 2006, 136(1-2): 229－234.

[30] 張福平，高張，馬倩倩，等. 面向敦煌市綠洲土壤質量評價的最小數據集構建研究[J]. 土壤通報，2017(5)：29－36. Zhang Fuping, Gao Zhang, Ma Qianqian, et al. Construction of minimum data set for soil quality assessment in the Dunhuang Oasis[J]. Chinese Journal of Soil Science, 2017(5): 29－36. (in Chinese with English abstract)

[31] Zhang C, Xue S, Liu G B, et al. A comparison of soil qualities of different revegetation types in the Loess Plateau, China[J]. Plant Soil,2011, 347: 163－178.

[32] Masto R E, Chhonkar P K, Singh D, et al. Alternative soil quality indices for evaluating the effect of intensive cropping, fertilisation and manuring for 31 years in the semi-arid soils of India[J]. Environmental Monitoring and Assessment, 2008, 136(1/2/3): 419－435.

[33] 陳正發，史東梅，金慧芳，等. 基于土壤管理評估框架的云南坡耕地耕層土壤質量評價[J]. 農業工程學報，2019，35(3)：256－267. Chen Zhengfa, Shi Dongmei, Jin Huifang, et al. Evaluation on cultivated-layer soil quality of sloping farmland in Yunnan based on soil management assessment framework (SMAF)[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(3): 256－267. (in Chinese with English abstract)

[34] Rahmanipour F, Marzaioli R, Bahrami H A, et al. Assess-ment of soil quality indices in agricultural lands of Qazvin Province, Iran[J]. Ecological Indicators, 2014, 40: 19－26.

[35] Nicolau J M. Trends in relief design and construction in opencast mining reclamation[J]. Land Degradation & Development, 2003, 14(2): 215－226.

[36] 吳春生，劉高煥，黃翀，等. 基于MDS和模糊邏輯的黃河三角洲土壤質量評估[J]. 資源科學，2016，38(7)：1275－1286. Wu Chunsheng, Liu Gaohuan, Huang Chong, et al. Soil quality assessment of the Yellow River Delta based on MDS and Fuzzy Logic Model[J]. Resources Science, 2016, 38(7): 1275－1286. (in Chinese with English abstract)

[37] 金慧芳，史東梅，陳正發，等. 基于聚類及PCA分析的紅壤坡耕地耕層土壤質量評價指標[J]. 農業工程學報，2018，34(7)：155－164. Jin Huifang, Shi Dongmei, Chen Zhengfa, et al. Evaluation indicators of cultivated layer soil quality for red soil slope farmland based on cluster and PCA analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(7): 155－164. (in Chinese with English abstract)

[38] Wei Xiaorong, Huang Mingbin, Shao Mingan, et al. Shrubs increase soil resources heterogeneity along semiarid grass slopes in the Loess Plateau[J]. Journal of Arid Environments, 2013, 88: 175－183.

[39] Luca R, Francesco L, Paolo D. Fertility island formation and evolution in dryland ecosystems[J]. Ecology and Society, 2008, 13(1): 5－17.

[40] Li Pengfei, Zhang Xingchang, Hao Mingde, et al. Effects of vegetation restoration on soil bacterial communities, enzyme activities, and nutrients of reconstructed soil in a mining area on the Loess Plateau, China[J]. Sustainability, 2019, 11(8): 2295－2310.

[41] 敖伊敏. 不同圍封年限下典型草原土壤生態化學計量特征研究[D]. 呼和浩特：內蒙古師范大學，2012. Ao Yimin. Study on Soil Ecological Stoichiometry of Enclosing Life in Typical Steppe[D]. Hohhot: Inner Mongolia Normal University, 2012. (in Chinese with English abstract)

[42] 趙凌平，白欣，譚世圖，等. 不同年限封育對黃土高原典型草原地上植被的影響[J]. 草業科學，2018，35(1)：27－35. Zhao Lingping, Bai Xin, Tan Shitu, et al. Effect of different enclosure durations on aboveground vegetation in typical steppe on Loess Plateau[J]. Pratacultural Science, 2018, 35(1): 27－35. (in Chinese with English abstract)

[43] 李曉菲. 氮沉降與枯落物輸入對松嫩草地植物及土壤特征的影響[D]. 長春：東北師范大學，2015. Li Xiaofei. Effects of Nitrogen Deposition and Litter Input on Plant and Soil Characteristics of Songnen Grassland[D]. Changchun: Northeast Normal University, 2015. (in Chinese with English abstract)

Soil quality evaluation for reclamation of mining area on Loess Plateau based on minimum data set

Li Pengfei1,2,3, Zhang Xingchang2※, Hao Mingde2, Zhang Yanjiang4, Cui Yongxing2,3, Zhu Shilei4

(1.,,710021,;2.,,712100,; 3.,100049,;4.,,712100,)

Mineral exploitation affects soil quality especially in the ecologically fragile areas the Loess Plateau. The quality of soil can be improved by vegetation restoration. In order to reveal the changes of soil quality in the process of vegetation restoration in the reclaimed land of mining, we took Heidaigou mining area and the surrounding natural vegetation restoration area as the research area, and selected 21 physicochemical indicators as the total data set (TDS). The minimum data set (MDS) was constructed by using principal component analysis (PCA) and Norm values. Two evaluation methods, non-linear (NL) and Linear (L), were used to evaluate the soil quality in this study area. The results show that the minimum data set include percentage of silt (Silt), organic matter (OM), available phosphorus (AP), sodium adsorption ratio (SAR) and microbial carbon (MBC). It indicates that in addition to conventional nutrients and physical properties, soil quality in this region is restricted by salinization and microbial biomass. The order of weight of MDS was: MBC (0.241) > OM (0.235) > AP (0.193) > Silt (0.174) > SAR (0.157). The applicability of the two evaluation methods is verified and we find that the overall spatial pattern of soil quality obtained by the two methods is similar, but there are still differences in details. According to the analysis results of the two evaluation methods, soil quality index (SQI) were all significantly improved by vegetation restoration (< 0.05).Under different vegetation restoration types, the average value of the SQI-NL based on the MDS was sorted as follows: natural vegetation restoration land (NL, 0.587) > shrubs reclamation for 20 years (RLS 20, 0.479) > herbs reclamation for 12 years (RLH 12, 0.455) > shrubs reclamation for 10 years (RLS 10, 0.453) > herbs reclamation for 20 years (RLH 20, 0.424) > arbors reclamation for 20 years (RLA 20, 0.364) > and unreclaimed land (UL, 0.262) (< 0.05), the average value of the SQI-L based on the MDS was sorted as follows: NL (0.522) > RLS 20 (0.444), > RLS 10 (0.412), > RLH 12 (0.401) > RLH 20 (0.400) > RLA 20 (0.326) > UL (0.228) (< 0.05). In summary, different vegetation restoration years and different vegetation restoration types significantly improved the SQI of reclaimed land of mine areas (< 0.05); however, the SQI of all reclaimed land has not reached that of natural vegetation restoration land, which indicates that the soil quality restoration of reclaimed land of mine areas is a long process. Since the SQI – NL method has a wider value range of SQI and coefficient of variation, this method has better applicability in this region than SQI-L, this is because 1) in the case of a wide range of soil quality index, the identification and classification accuracy of soil quality can be improved, which is conducive to the accurate evaluation of soil quality status and the timely detection of problems; 2) the coefficient of variation represents the sensitivity of SQI to changes in different environmental conditions, the higher the sensitivity of soil quality index to changes in environmental conditions is, the clearer the influence factors of soil quality change can be reflected, thus more effectively guiding the scientific management of soil quality improvement. Under the SQI-NL and SQI-L methods, the determination coefficients between MDS and TDS are 0.911 and 0.866, respectively, indicating that MDS can accurately replace TDS for soil quality evaluation. This study summarizes the MDS and soil quality evaluation methods suitable for the reclamation soil quality evaluation in the mining areas of the Loess Plateau, and recommends the future research and application in the same area and soil conditions.

reclamation;vegetation;soil quality evaluation method; mining area;principal component analysis;minimum data set; Loess Plateau

2019-04-10

2019-06-28

國家科技基礎性工作專項課題“能源開發區生態系統與環境變化調查”（SQ2012FY4910023-3）

李鵬飛，博士，主要從事土壤生態方面的研究。Email：gstslpf4334@163.com

張興昌，研究員，主要從事土壤生態和水土生態工程方面的研究。Email：zxc@xab.ac.cn

10.11975/j.issn.1002-6819.2019.16.030

S151.9; X825

A

1002-6819(2019)-16-0265-09

李鵬飛，張興昌，郝明德，張燕江，崔勇興，朱世雷. 基于最小數據集的黃土高原礦區復墾土壤質量評價[J]. 農業工程學報，2019，35(16)：265－273. doi：10.11975/j.issn.1002-6819.2019.16.030 http://www.tcsae.org

Li Pengfei, Zhang Xingchang, Hao Mingde, Zhang Yanjiang, Cui Yongxing, Zhu Shilei. Soil quality evaluation for reclamation of mining area on Loess Plateau based on minimum data set[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(16): 265－273. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.16.030 http://www.tcsae.org