常亞鵬, 李 路, 許仲林, 2,*

1 新疆大學資源與環(huán)境科學學院,烏魯木齊 830046 2 新疆大學資源與環(huán)境科學學院綠洲生態(tài)教育部重點實驗室,烏魯木齊 830046

天山北坡雪嶺云杉林地開墾的土壤有機碳損失估算

常亞鵬1, 李 路1, 許仲林1, 2,*

1 新疆大學資源與環(huán)境科學學院,烏魯木齊 830046 2 新疆大學資源與環(huán)境科學學院綠洲生態(tài)教育部重點實驗室,烏魯木齊 830046

在全球變暖的背景下,由土地利用變化導致的土壤碳庫的變化已經受到越來越多的關注。首先采用物種分布模型預測了天山北坡雪嶺云杉林的潛在分布,其次估計了與被開墾為農田的雪嶺云杉林面積(PSC)以及由林地開墾為農田造成的有機碳損失。PSC分別由雪嶺云杉林的現實分布、潛在分布和農田的現實分布確定。云杉林地和農田的土壤有機碳含量由野外采樣和實驗室分析獲得。研究發(fā)現,PSC面積為2.68×106hm2,被開墾為農田的雪嶺云杉林土壤有機碳的損失為171.7 t/hm2；研究區(qū)總有機碳的損失為459.70Tg。結果表明,研究區(qū)的林地恢復和重建項目將會使土壤有機碳儲量有所增加,且土壤表層的增加量多于深層。

天山；雪嶺云杉林；潛在分布；土地利用變化；土壤有機碳損失

在過去的幾十年里,大氣中溫室氣體的濃度與全球變暖之間的關系一直是科研所關注的焦點問題。Mauna Loa Observatory 和Le Quere的觀測記錄表明,大氣中二氧化碳(CO2,最重要的溫室氣體)的濃度已達到400μL/L,幾乎是工業(yè)革命前濃度的135%(278μL/L)[1- 2]。聯(lián)合國政府間氣候變化專門委員會(IPCC)的報告表明,現階段大氣中CO2濃度和相關輻射強迫正在以前所未有的速度增加[3],且大氣中CO2濃度的增加主要是由人為的土地利用變化和化石燃料的使用造成的[4]。由于森林土壤中儲存了大量的有機碳,因此,科學家在不同的森林生態(tài)系統(tǒng)中,開展了關于森林土地利用覆蓋變化(LUCC)和相應的有機碳損失的研究[5- 7]。然而在我國西北干旱區(qū),對山地森林區(qū)域LUCC造成的碳損失的研究較為缺乏。

本研究估算了天山北坡雪嶺云杉林從林地到耕地的土地覆蓋變化過程中碳的損失。相關工作主要集中于以下幾點：(1)對遙感圖像進行分類,得到研究區(qū)的雪嶺云杉林和農田的實際分布；(2)采用最大熵(Maximum entropy model, Maxent)模型預測雪嶺云杉林的潛在分布；(3)計算已被開墾為農田的潛在林地的土地面積(Potential Schrenk′s spruce forest that has been cultivated to Cropland, PSC)；(4)采集土壤樣本,測定林地和耕地中土壤有機碳的含量和密度；(5)利用土壤有機碳的含量和密度數據以及PSC面積估算相關土地利用覆蓋變化的碳損失。

1 材料與方法

1.1 研究區(qū)域

天山位于塔克拉瑪干沙漠的北部和西部地區(qū),塔里木盆地以北(圖1),是喜馬拉雅造山帶的一部分,于新生代時期由印度板塊和亞歐板塊撞擊形成[8]。天山的植被覆蓋類型(從低海拔到高海拔)包括草原、森林草原、亞高山灌叢、高山草甸、永久性冰雪。天山北坡(陰坡)草原森林帶的范圍是從海拔1400m到2800m,森林主要由雪嶺云杉(Piceaschrenkiana)林組成。

圖1 研究區(qū)示意圖(天山北坡,藍色的陰影區(qū)域)Fig.1 Study area (north slope of the Tianshan Mountains, blue-shaded regions)

1.2 實際林地

研究區(qū)內雪嶺云杉林和農田的實際分布是通過對TM遙感影像(2014年6月1日至8月31日)進行分類(分類和回歸樹方法,ENVI 4.8)得到的。分類結果的精度利用214個隨機樣點和kappa系數進行評價,通過計算得到kappa系數為0.8,表明了分類結果的合理性。

1.3 雪嶺云杉林的潛在分布模型

本研究確定了155個雪嶺云杉林樣點(139個位于中國境內,16個位于哈薩克斯坦和吉爾吉斯斯坦),用來模擬森林物種的潛在分布(圖1)。位于中國的樣點通過2012—2014年的野外調查確立的。哈薩克斯坦和吉爾吉斯斯坦的樣點通過谷歌地球軟件確定。

雪嶺云杉林的潛在分布由Maxent模型進行預測[9]。該模型已經被應用于森林的恢復規(guī)劃[10]、氣候變化影響預測[11-12]等。在本研究中,選取了年平均氣溫、最冷月份的最低氣溫、年平均降水量、最濕潤季節(jié)的降水量4個與生物氣候變量以及由(Digital Elevation Model, DEM)計算得到的坡向、坡度、太陽輻射量和地形濕度指數[13]作為預測變量。最大熵模型(3.3.3K版本)在運行時默認值的設置如下：隨機測試百分比,25；正則化因子,1；最大背景樣本數,10000；重復次數,10。實際運算過程中,本研究使用了75%的樣點作為訓練樣本,其他25%為驗證樣本。獲得雪嶺云杉林潛在分布的概率圖后,通過最大化敏感性和特異性的閾值選擇策略將概率值轉化為二進制值[14]。

在默認的情況下,最大熵模型采用受試者工作特征曲線(Receiver Operating Character, ROC)和ROC曲線下面積(Area Under ROC, AUC)值來評估模型性能。鑒于有研究對AUC提出質疑[15],因此,在本研究中評價最大熵模型性能的是真實技巧統(tǒng)計值(True Skill Statistic, TSS)。根據 Liu 等的研究[16],TSS的值可以從預測誤差矩陣中計算得到。

1.4 PSC面積估算

被開墾為農田的潛在林地的土地面積(PSC)分別由雪嶺云杉林的現實分布(Actual distribution of theP.schrenkianaforests,Pa)、潛在分布(Potential distribution of theP.schrenkianaforests,Pp)和農田的現實分布(Actual distribution of the Cropland,Ca)確定,可表示為：Pa∈Pp,Pp∩Ca=PSC；由ArcGIS計算可得被開墾為農田的潛在林地的土地面積。

1.5 碳損失估算

野外工作中,在每一個野外樣地采樣點(雪嶺云杉林和農田)平行的采集3個土壤剖面的土壤,帶回實驗室分析獲得該樣點土壤有機碳的平均值。在每個剖面以10cm為間隔采集土壤樣本(0—80cm,或遇到基巖為止)。實驗室分析過程中,采用重鉻酸鉀容量法測定碳的密度[17]。獲得碳含量之后,通過如下公式計算得到整個土壤剖面的有機碳密度[18]：

(1)

式中,ρi是<2mm土壤顆粒的體積密度(g/cm3),δi為≥2mm部分的相對體積(%),di為i土層的厚度(此處di=10cm),Ci是i土層的碳含量(g/kg)。

2 結果

2.1 雪嶺云杉林實際和潛在分布

圖2 雪嶺云杉林和實際分布和潛在分布Fig.2 Actual and pontential distributions the P.schrenkiana forests

雪嶺云杉林的實際分布從遙感影像的分類結果中提取。結果表明,天山北坡雪嶺云杉林的面積為2.43×106hm2。Maxent模型模擬結果表明雪嶺云杉林的潛在分布土地面積占地為8.42×106hm2(TSS值為0.753,表明對目標物種的潛在分布區(qū)的預測是合理的)。圖2顯示了雪嶺云杉林的實際分布和潛在分布。通過比較雪嶺云杉林的實際和潛在的分布,研究發(fā)現實際分布和潛在分布的面積差異為5.99×106hm2,實際分布(2.43×106hm2)僅占潛在分布(8.42×106hm2)的28.81%。退化的森林可能已經被開墾為農田、草地或其他類型的土地覆蓋或土地利用類型。本研究關注的是雪嶺云杉林被開墾為農田潛在分布。經過計算可得,PSC面積為2.68×106hm2(圖2)。

2.2 雪嶺云杉林與農田的土壤有機碳

室內分析顯示,在本研究的采樣點區(qū)域,雪嶺云杉林表層土壤(0—10cm)的土壤有機碳密度為4.25—13.79kg/m2(42.5—137.9 t/hm2),平均值為8.86kg/m2(88.6 t/hm2)(表1)。表層土壤中的土壤有機碳密度最高,之后土壤有機碳密度沿土壤剖面從表層至底層逐漸降低。土壤剖面深度為70—80cm處的土壤有機碳密度最低,在0.14—3.68kg/m2之間(1.4—36.8 t/hm2),平均為1.88kg/m2(18.8 t/hm2)。森林土壤有機碳密度為34.91kg/m2(349.1 t/hm2)。

表1 雪嶺云杉林土壤剖面的土壤有機碳密度

圖3 農田土壤剖面深度與土壤有機碳密度之間的關系 Fig.3 General trend of the SOC density along the soil profiles of the cropland

在0—20cm深度的農田土壤層,土壤有機碳密度(0—10cm土壤層為2.40kg/m2,10—20cm土壤層為3.07kg/m2,平均為2.74kg/m2)比20—50cm土壤層(20—30cm,30—40cm,40—50cm土壤層分別為1.66kg/m2,2.40kg/m2,1.85kg/m2；平均為1.97kg/m2)高。這一結果揭示了土壤有機碳密度從表層向深層的遞減趨勢。然而,減少的趨勢沒有延續(xù)到更深的土壤層。在50—60cm與60—70cm土層深度,土壤有機碳密度各自增加到3.33 kg/m2與3.02 kg/m2,平均密度為3.18 kg/m2(圖3)。農田土壤總有機碳密度為17.74 kg/m2(177.4 t/hm2)。

2.3 碳損失估算

由前述結果可知,云杉林土壤總有機碳密度為349.1 t/hm2,農田土壤總有機碳密度為177.4 t/hm2。因此,由林地到農田的土地利用覆蓋變化,可導致土壤總有機碳含量的變化量為171.7 t/hm2,約為林地土壤總有機碳的近50%(49.18%)。當在整個研究區(qū)內考慮土壤的碳損失時(即考慮PSC土地面積2.68×106hm2),計算可得從森林土壤到農田對應的土地覆蓋變化的碳損失約為459.70Tg。然而,需要注意的是,林地轉化為農田之后,與自然土壤相比,農田土壤碳密度的變化是自然因素和農業(yè)管理的綜合作用。考慮到本研究中采集的土壤樣本來自于農田經營管理措施之下,相關研究表明通過秸稈還田與有機肥施用、化肥投入增加與合理的養(yǎng)分配比以及少(免)耕技術的推廣,會導致農田土壤有機碳的增加[19]。因此,本文計算的林地與農田總有機碳密度的差異可能會減小,也即最終的碳損失量可能會有所減少。

3 討論

圖4 森林和農田土壤有機碳的差異 Fig.4 Difference in SOC density between the forest and cropland soils

由于各種環(huán)境和人為因素的影響,難以獲得林地被耕作后的土壤有機碳損失量。Niu和Duiker 通過在林地邊緣農業(yè)用地上劃定潛在林地來評定實踐造林的碳損失[20]。在估算過程中,作者利用土地覆蓋數據集和土壤地理數據庫來確定潛在的林業(yè)用地。這不失為一種估計碳損失量的方法,然而,劃定的林業(yè)用地在生物氣候空間上是否適宜森林生長仍不清楚。Schulp[21]等將整個歐洲作為研究區(qū)開展了未來土地利用變化對土壤和植被碳儲量變化影響的研究。在該研究中,作者將土地利用變化模型(Dyna-CLUE)和碳模型(大尺度bookkeeping模型)相結合來預測未來的土地利用和相應的碳損失量。該研究對比了不同尺度上兩種模型進行結合所關聯(lián)的復雜性。鑒于土地利用變化模型和土地利用情景預測的不確定性,造成評估結果的變化較大。在本研究中,通過實地調查、實驗室分析和模型模擬估算了天山北坡農田的碳損失量。與基于過程估算相比,本研究所要求的數據類型較少,因此適用于在區(qū)域范圍內做相應的估算。然而需要指出的是,由于SDM模型具有不確定性,所以,提高潛在分布模擬精度也是必要之舉。

森林和農田土壤有機碳的差異為可能存在的碳匯提供了科學依據。在土地利用變化及其土壤有機碳儲量變化的研究中,Don[22]等認為最高的碳損失是由原始森林轉變?yōu)檗r田(-25%)和多年生農作物(-30%)造成的。本研究結果發(fā)現如果農田能夠恢復成天然林,那么可能帶來碳儲量的增加。由于土壤有機碳的增加可能發(fā)生在每一土層中,因此研究土壤有機碳在土壤各層中的增加差異,有助于深入理解土地利用變化對應的土壤有機碳的變化過程。本研究除了進一步證實林地土壤有機碳隨著土壤深度的增加而降低的趨勢[23],還發(fā)現森林與農田上層土壤有機碳含量的差異大于下層土壤(圖4),因此上層土壤可能會更多的貢獻于退耕還林及其他森林恢復工程所產生的碳匯增加。

[1] Le Quéré C, Moriarty R, Andrew R M, Peters G P, Ciais P, Friedlingstein P, Jones S D, Sitch S, Tans P, Arneth A, Boden T A, Bopp L, Bozec Y, Canadell J G, Chevallier F, Cosca C E, Harris I, Hoppema M, Houghton R A, House J I, Jain A, Johannessen T, Kato E, Keeling R F, Kitidis V, Klein Goldewijk K, Koven C, Landa C S, Landschützer P, Lenton A, Lima I D, Marland G, Mathis J T, Metzl N, Nojiri Y, Olsen A, Ono T, Peters W, Pfeil B, Poulter B, Raupach M R, Regnier P, R?denbeck C, Saito S, Salisbury J E, Schuster U, Schwinger J, Séférian R, Segschneider J, Steinhoff T, Stocker B D, Sutton A J, Takahashi T, Tilbrook B, van der Werf G R, Viovy N, Wang Y P, Wanninkhof R, Wiltshire A, Zeng N. Global carbon budget 2014. Earth System Science Data Discussions, 2014, 7(2): 521- 610.

[2] Mauna Loa Observatory. Hawaii. 2014[2015-01- 15]. http://co2now.org/.

[3] IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013.

[4] Houghton R A. Balancing the global carbon budget. Annual Review of Earth and Planetary Sciences, 2007, 35(1): 313- 347.

[5] Barni P E, Fearnside P M, de Alencastro Gra?a P M L. Simulating deforestation and carbon loss in Amazonia: impacts in Brazil′s Roraima State from reconstructing highway BR- 319 (Manaus-Porto Velho). Environmental Management, 2015, 55(2): 259- 278.

[6] Carlson K M, Curran L M, Ratnasari D, Pittman A M, Soares-Filho B S, Asner G P, Trigg S N, Gaveau D A, Lawrence D, Rodrigues H O. Committed carbon emissions, deforestation, and community land conversion from oil palm plantation expansion in West Kalimantan, Indonesia. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(19): 7559- 7564.

[7] Yang Y S, Xie J S, Sheng H, Chen G S, Li X, Yang Z J. The impact of land use/cover change on storage and quality of soil organic carbon in midsubtropical mountainous area of southern China. Journal of Geographical Sciences, 2009, 19(1): 49- 57.

[8] Yin A, Nie S, Craig P, Harrison T M, Ryerson F J, Qian X L, Yang G. Late Cenozoic tectonic evolution of the southern Chinese Tian Shan. Tectonics, 1998, 17(1): 1- 27.

[9] Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distribution. Ecological Modelling, 2006, 190(3/4): 231- 259.

[10] Vessella F, Schirone B. Predicting potential distribution ofQuercussuberin Italy based on ecological niche models: conservation insights and reforestation involvements. Forest Ecology and Management, 2013, 304: 150- 161.

[11] Xu Z L, Feng Z D, Yang J J, Zheng J H, Zhang F. Nowhere to invade:RumexcrispusandTyphalatifoliaprojected to disappear under future climate scenarios. PLoS One, 2013, 8(7): e70728.

[12] Hijmans R J, Cameron S E, Parra J L, Jones P G, Jarvis A. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 2005, 25(15): 1965- 1978.

[13] Beven K J, Kirkby M J. A physically based, variable contributing area model of basin hydrology. Hydrological Sciences Bulletin, 1979, 24(1): 43- 69.

[14] Phillips S J, Dudík M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography, 2008, 31(2): 161- 175.

[15] Lobo J M, Jiménez-Valverde A, Real R. AUC: a misleading measure of the performance of predictive distribution models. Global Ecology and Biogeography, 2008, 17(2): 145- 151.

[16] Liu C R, White M, Newell G. Measuring and comparing the accuracy of species distribution models with presence-absence data. Ecography, 2011, 34(2): 232- 243.

[17] Yeomans J C, Bremner J M. A rapid and precise method for routine determination of organic carbon in soil. Communications in Soil Science and Plant Analysis, 1988, 19(13): 1467- 1476.

[18] Vesterdal L, Ritter E, Gundersen P. Change in soil organic carbon following afforestation of former arable land. Forest Ecology and Management, 2002, 169(1/2): 137- 147.

[19] 黃耀, 孫文娟. 近20年來中國大陸農田表土有機碳含量的變化趨勢. 科學通報, 2006, 51(7): 750- 763.

[20] Niu X Z, Duiker S W. Carbon sequestration potential by afforestation of marginal agricultural land in the Midwestern U.S. Forest Ecology and Management, 2006, 223(1/3): 415- 427.

[21] Schulp C J E, Nabuurs G J, Verburg P H. Future carbon sequestration in Europe—effects of land use change. Agriculture Ecosystems & Environment, 2008, 127(3/4): 251- 264.

[22] Don A, Schumacher J, Freibauer A. Impact of tropical land-use change on soil organic carbon stocks-a meta-analysis. Global Change Biology, 2011, 17(4): 1658- 1670.

[23] 阿米娜木·艾力, 常順利, 張毓?jié)? 仇瑤, 何平. 天山云杉森林土壤有機碳沿海拔的分布規(guī)律及其影響因素. 生態(tài)學報, 2014, 34(7): 1626- 1634.

Estimation of soil organic carbon loss fromPiceaschrenkianaforest to farmland in the northern Tianshan Mountains

CHANG Yapeng1, LI Lu1, XU Zhonglin1, 2,*

1CollegeofResourceandEnvironmentalScience,XinjiangUniversity,Urumqi830046,China2KeyLaboratoryofOasisEcology,CollegeofResourceandEnvironmentalScience,XinjiangUniversity,Urumqi830046,China

The effect of land-use changes on soil carbon stocks is an increasing concern in the context of global climate warming. In this study, we initially delineated the deforestation area of aPiceaschrenkianaforest cultivated to cropland (PSC) at the north slope of the Tianshan Mountains. We then estimated the corresponding soil organic carbon (SOC) loss during the land-use change. The PSC was estimated by the potential, actual distributions of forest and cropland. The SOC content of the forest and cropland soils was obtained through field sampling and laboratory analysis. We found that the area of the PSC was 2.68 × 106hm2, and the SOC loss (per unit area) caused by the cultivation of forest to cropland was 171.7 t/hm2, correspondingly. The total SOC loss in the study area was 459.70 Tg. This result implies that continuing the afforestation and reforestation programs currently implemented in the study area would increase the SOC. In addition, we found that the potential SOC sequestration is expected to increase to a greater extent in the upper soil layers than the lower layers.

Tianshan Mountains;Piceaschrenkianaforests; potential distribution; land-use change; soil organic carbon loss

國家自然科學基金資助項目(41361098, 31500398)

2016- 06- 19;

2016- 11- 24

10.5846/stxb201606191191

*通訊作者Corresponding author.E-mail: galinwa@gmail.com

常亞鵬, 李路, 許仲林.天山北坡雪嶺云杉林地開墾的土壤有機碳損失估算.生態(tài)學報,2017,37(4):1168- 1173.

Chang Y P, Li L, Xu Z L.Estimation of soil organic carbon loss fromPiceaschrenkianaforest to farmland in the northern Tianshan Mountains.Acta Ecologica Sinica,2017,37(4):1168- 1173.