周倩倩，丁建麗，黃 帥

(新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院 綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830046)

土壤有機(jī)碳(soil organic carbon，SOC)是一個(gè)重要的土壤屬性，對(duì)土壤和植物之間的相互作用影響較大。它不僅是土壤侵蝕和退化過(guò)程的反映，同時(shí)也是土壤持水能力和滲透能力的調(diào)節(jié)因子[1]。土壤有機(jī)碳含量是衡量土壤肥力的重要參數(shù)，始終影響著土壤的物理和化學(xué)屬性[2]，尤其在干旱與半干旱地區(qū)，土壤有機(jī)碳對(duì)綠洲農(nóng)業(yè)起著決定性的作用。在人類(lèi)活動(dòng)的影響下，土壤有機(jī)碳循環(huán)的加速改變引起了土壤環(huán)境的變化，同時(shí)各種環(huán)境因子交互作用深刻影響著碳庫(kù)的遷移和轉(zhuǎn)化[3]。對(duì)于時(shí)空變異小的小尺度區(qū)域有機(jī)碳的估算主要有直接測(cè)量法和渦度相關(guān)法[4]等，而精準(zhǔn)農(nóng)業(yè)要實(shí)現(xiàn)高精度的土壤有機(jī)碳監(jiān)測(cè)則需要較高的采樣密度。然而，常規(guī)土壤分析往往更費(fèi)時(shí)、費(fèi)力和費(fèi)錢(qián)[5]，因此發(fā)展出了一系列有機(jī)碳的間接估算方法，如對(duì)照樣地法[6]、遙感法[7]等。

土壤反射光譜是土壤理化性質(zhì)的重要體現(xiàn)，近年來(lái)可見(jiàn)光(VIS)和近紅外(NIR)區(qū)域的成像光譜技術(shù)優(yōu)勢(shì)明顯，是一種更高效、快速和較廉價(jià)的技術(shù)，它提供了具有高空間分辨率和時(shí)間分辨率的數(shù)據(jù)，其應(yīng)用領(lǐng)域開(kāi)始不斷擴(kuò)大，被廣泛的應(yīng)用于土壤有機(jī)碳[8]的分析。目前，國(guó)內(nèi)外的許多學(xué)者已經(jīng)通過(guò)各種方法建立了土壤有機(jī)碳與高光譜反射率之間的反演模型，常用的方法有多元線(xiàn)性回歸、主成分回歸、人工神經(jīng)網(wǎng)絡(luò)等[9,10]，通常情況下，通過(guò)將可見(jiàn)/近紅外區(qū)域的光譜信息集中到幾個(gè)變量中，然后經(jīng)過(guò)反復(fù)優(yōu)化建立預(yù)測(cè)模型來(lái)估計(jì)土壤有機(jī)碳。偏最小二乘回歸法(Partial Least Squares Regression，PLSR)是集多種分析方法優(yōu)點(diǎn)于一身的新型的多元統(tǒng)計(jì)數(shù)據(jù)分析方法，可以同時(shí)從不同類(lèi)型的光譜中定量的反映土壤理化性質(zhì)，是一個(gè)用于分析土壤高光譜數(shù)據(jù)的常用工具，它較好地解決了樣本個(gè)數(shù)少于變量個(gè)數(shù)等一系列問(wèn)題[11]，大大提高了模型的精度、可靠性以及應(yīng)用能力。國(guó)內(nèi)外很多學(xué)者都采用偏最小二乘回歸模型對(duì)土壤參數(shù)進(jìn)行分析，并取得了較好的效果[12-14]。然而由于深層土壤取樣工作較為困難，使目前有關(guān)土壤有機(jī)碳空間分布的研究都普遍集中于表層土壤，對(duì)土壤有機(jī)碳的垂直變化以及剖面土壤有機(jī)碳估算的研究相對(duì)較少[15]。

本文在綜合分析前人研究的基礎(chǔ)上，以新疆典型的干旱區(qū)綠洲渭干河-庫(kù)車(chē)河三角洲綠洲(以下簡(jiǎn)稱(chēng)為渭-庫(kù)綠洲)為研究區(qū)，對(duì)干旱區(qū)綠洲土壤有機(jī)碳進(jìn)行研究。借助可見(jiàn)光/近紅外光譜，分析其與土壤有機(jī)碳含量之間的相關(guān)性，并選擇相關(guān)性好的光譜波段，利用機(jī)器學(xué)習(xí)方法構(gòu)建了干旱區(qū)綠洲土壤有機(jī)碳的預(yù)測(cè)模型，選擇最優(yōu)預(yù)測(cè)模型估算的數(shù)據(jù)進(jìn)行空間插值，以直觀的反映出偏最小二乘回歸模型的估算結(jié)果，并提高土壤有機(jī)碳含量的預(yù)測(cè)精度。此外，還對(duì)土壤表層有機(jī)碳及其環(huán)境影響因子進(jìn)行分析，以揭示不同環(huán)境因子對(duì)土壤表層有機(jī)碳的影響大小。

1 材料與方法

1.1 研究區(qū)概況

渭-庫(kù)綠洲位于新疆維吾爾自治區(qū)塔里木盆地北緣，天山南麓，隸屬阿克蘇地區(qū)，包括庫(kù)車(chē)、沙雅、新河三個(gè)縣。地勢(shì)西高東低、北高南低，是一個(gè)典型且完整的山前沖洪積扇平原綠洲[16]。該區(qū)溫差較大，年平均氣溫為10.5～14.4℃，最高氣溫為40.1～41.5℃，年均降水量?jī)H43.1 mm，年均蒸發(fā)量高達(dá)1 992.0～2 863.5 mm，蒸降比高，屬于干旱與極端干旱地區(qū)。主要土壤類(lèi)型為潮土、灌淤土、草甸土、灌耕棕漠土、水稻土、灌耕風(fēng)沙土、沼澤土、鹽土、棕鈣土等[17]。研究區(qū)范圍為東經(jīng)82°10′～83°40′、北緯41°06′～41°40′。

圖1 研究區(qū)地理位置及采樣點(diǎn)分布情況Fig.1 Location of study area and distribution of sampling points

1.2 數(shù)據(jù)采集與處理

1.2.1 土壤樣品采集與處理 由于該研究區(qū)是典型的極端干旱區(qū)，河流成為綠洲生存和發(fā)展的關(guān)鍵因素。綠洲內(nèi)各區(qū)域土壤類(lèi)型差異較大，因此根據(jù)渭-庫(kù)綠洲主要土壤類(lèi)型和水系分布，遵循多點(diǎn)混合的采樣原則，利用GPS定位技術(shù)獲取每個(gè)采樣點(diǎn)的坐標(biāo)，采用五點(diǎn)法沿渭干河、庫(kù)車(chē)河進(jìn)行采樣并使采樣點(diǎn)分散于綠洲內(nèi)部、荒漠以及荒漠-綠洲交錯(cuò)帶，以便得到整個(gè)綠洲土壤有機(jī)碳含量的差異及規(guī)律。參考該區(qū)域以往研究[18-20]，選取土壤類(lèi)型為砂質(zhì)土，土壤質(zhì)地較為一致的典型樣點(diǎn)39個(gè)(圖1)，每個(gè)采樣點(diǎn)的土壤分六層(0～10 cm、10～20 cm、20～40 cm、40～60 cm、60～80 cm、80～100 cm)進(jìn)行采樣，共采集土壤樣品234個(gè)。將采集的土樣裝入塑料袋中，在實(shí)驗(yàn)室內(nèi)自然風(fēng)干、磨碎、過(guò)不同孔徑篩。采用重鉻酸鉀容量法-外加熱法(油浴)測(cè)定土壤有機(jī)碳含量[20]；烘干法測(cè)定土壤含水量；按1∶5的土水比提取土壤浸提液，以測(cè)定土壤含鹽量和pH[21]。

1.2.2 光譜數(shù)據(jù)采集與處理 采用美國(guó)ASD公司的ASD Fieldspec3便攜式光譜儀進(jìn)行光譜測(cè)定，波長(zhǎng)范圍為350～2 500 nm，光譜分辨率為1 nm。將過(guò)0.25 mm孔徑篩的土樣裝入直徑12 cm、深1.8 cm的盛樣皿內(nèi)，將土樣用直尺刮平，在暗室內(nèi)進(jìn)行光譜測(cè)量，每個(gè)土樣重復(fù)測(cè)10次，取平均值作為該土樣的反射率光譜值[22]。

利用View SpecPro對(duì)土壤反射率光譜曲線(xiàn)進(jìn)行斷點(diǎn)校正以及平均值的計(jì)算并去除噪聲較大的波段(350～399 nm和2 451～2 500 nm)，運(yùn)用OriginPro 9.0對(duì)光譜曲線(xiàn)進(jìn)行Savitaky-Golay(2次多項(xiàng)式，5個(gè)點(diǎn))平滑去噪處理，最終得到400～2 450 nm波段的光譜反射率，將其作為原始光譜數(shù)據(jù)。對(duì)實(shí)測(cè)土壤反射光譜進(jìn)行分析時(shí)，將光譜進(jìn)行微分變換是比較常用的方法，相關(guān)研究表明，土壤原始反射率光譜經(jīng)微分變換后，反射率曲線(xiàn)隨波長(zhǎng)變化更明顯，更能凸顯出細(xì)微差異引起的反射率變化。與土壤原始反射率和一階微分的反射率相比，土壤有機(jī)碳與二階微分的反射率有更強(qiáng)的相關(guān)性[23]。對(duì)反射率進(jìn)行反射率一階微分A′、二階微分A″、倒數(shù)1/A、倒數(shù)一階微分(1/A)′、倒數(shù)二階微分(1/A)″、對(duì)數(shù)lgA、對(duì)數(shù)一階微分(lgA)′、對(duì)數(shù)二階微分(lgA)″等8種變換后與原始反射率一起作為光譜指標(biāo)，通過(guò)分析9種土壤光譜指標(biāo)與土壤有機(jī)碳含量的相關(guān)性，選擇敏感波段用于建模。

1.2.3 DEM數(shù)據(jù)處理 在ArcGIS 10.2 for Desktop中對(duì)研究區(qū)空間分辨率為90 m數(shù)字高程數(shù)據(jù)(Digital Elevation Model，DEM)進(jìn)行處理并提取研究區(qū)高程(Elevation)、坡度(Slope)、坡向(Aspect)、曲率(Curvature)4個(gè)地形因子數(shù)據(jù)(圖2)。

圖2 研究區(qū)地形因子Fig.2 Terrain attributes of study area

1.2.4 模型數(shù)據(jù)及檢驗(yàn)標(biāo)準(zhǔn) 在39個(gè)樣本中隨機(jī)選擇29個(gè)作為建模樣本集，10個(gè)作為驗(yàn)證樣本集。以土壤有機(jī)碳含量作為估算模型的因變量，敏感波段的值為自變量，分析其相關(guān)性，選擇相關(guān)性較好的變換處理和特征波段運(yùn)用偏最小二乘法建立土壤碳含量的估算模型。模型估測(cè)精度通過(guò)決定系數(shù)R2、均方根誤差(RMSE)、相對(duì)分析(RPD)3個(gè)參數(shù)進(jìn)行檢驗(yàn)，R2越接近1，RMSE越小，模型估算穩(wěn)定性越好、準(zhǔn)確性越高；當(dāng)RPD<1.4時(shí)，模型預(yù)測(cè)精度一般，當(dāng)1.4≤RPD≤2.0時(shí)，說(shuō)明模型預(yù)測(cè)能力尚可，當(dāng)RPD>2.0時(shí)，說(shuō)明模型具有較好的預(yù)測(cè)能力[25]。

2 結(jié)果與分析

2.1 土壤有機(jī)碳描述性統(tǒng)計(jì)特征分析

對(duì)渭-庫(kù)綠洲土壤39個(gè)土壤樣本的有機(jī)碳含量數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析發(fā)現(xiàn)土壤有機(jī)碳含量的垂直分布具有明顯的規(guī)律性，結(jié)果如表1所示。1 m深土壤內(nèi)有機(jī)碳含量在0.172～17.376 g·kg-1范圍內(nèi)變化，并主要富集在0～60 cm深度的土壤中，在這4個(gè)土層，有機(jī)碳含量約占到整個(gè)采樣剖面的80%，說(shuō)明作物殘余物分解后輸入土壤的有機(jī)碳都聚集在土壤表層，導(dǎo)致土壤有機(jī)碳的表聚性較明顯；而60 cm以下土層，土壤有機(jī)碳含量差異變小，這主要是因?yàn)橥寥莱赏聊纲|(zhì)大致相同，植物殘留及外界差異對(duì)其影響較小。0～10 cm、10～20 cm、20～40 cm、40～60 cm、60～80 cm、80～100 cm土壤有機(jī)碳均值分別為7.806、4.442、3.621、3.117、2.844、2.492 (g·kg-1)，表明土壤深度與有機(jī)碳含量呈負(fù)相關(guān)性；土壤有機(jī)碳具表聚性，隨土層深度增加，土壤含碳量呈減少趨勢(shì)。各深度土壤有機(jī)碳含量的變異系數(shù)相差不大，在35%～53%之間，均表現(xiàn)為中等變異[24]。

2.2 光譜與土壤有機(jī)碳相關(guān)性分析

將土壤光譜原始反射率、一階微分A′、二階微分A″、倒數(shù)1/A、倒數(shù)一階微分(1/A)′、倒數(shù)二階微分(1/A)″、對(duì)數(shù)lgA、對(duì)數(shù)一階微分(lgA)′、對(duì)數(shù)二階微分(lgA)″、與土壤含碳量進(jìn)行相關(guān)性分析，并對(duì)相關(guān)系數(shù)進(jìn)行0.005的顯著性檢驗(yàn)，結(jié)果如圖3所示。

表1 土壤有機(jī)碳統(tǒng)計(jì)特征

圖3 不同處理的光譜數(shù)據(jù)與土壤有機(jī)碳含量之間的相關(guān)分析Fig.3 The correlation coefficient between soil spectral reflectance and soil organic carbon content

土壤光譜A、lgA和1/A與土壤碳含量的相關(guān)性較小，沒(méi)有通過(guò)0.005顯著性檢驗(yàn)的波段，因此不能作為自變量進(jìn)行建模分析。而A′、A″、(lgA)′、(lgA)″、(1/A)′、(1/A)″與土壤有機(jī)碳含量的相關(guān)性均符合自變量的選取要求，這是由于光譜經(jīng)過(guò)微分變換，突出了光譜反射率與土壤有機(jī)碳的關(guān)系所致。土壤光譜與土壤有機(jī)碳含量相關(guān)系數(shù)絕對(duì)值最大的波段550 nm、650 nm、780 nm、818 nm、866 nm、1 423 nm、1 733 nm、2 005 nm以及2 172 nm等9個(gè)波段相關(guān)性較強(qiáng)。

2.3 土壤有機(jī)碳的最優(yōu)偏最小二乘估算模型

將土壤光譜A′、A″、(lgA)′、(lgA)″、(1/A)′、(1/A)″6種處理中通過(guò)0.005顯著性檢驗(yàn)的波段作為自變量，土壤有機(jī)碳含量作為因變量，利用The Unscrambler 9.7建立偏最小二乘回歸模型。本文共建立36組土壤含碳量預(yù)測(cè)模型，對(duì)建模結(jié)果的R2、RMSE、RPD進(jìn)行對(duì)比分析，選擇出6組最優(yōu)模型，結(jié)果如表2所示，各土層最佳處理方式依次為對(duì)數(shù)二階微分、對(duì)數(shù)二階微分、二階微分、對(duì)數(shù)二階微分、對(duì)數(shù)二階微分、倒數(shù)二階微分，通過(guò)偏最小二乘回歸擬合，主成分個(gè)數(shù)在6～7之間。以上模型建模集的R2均大于0.8，驗(yàn)證集的R2均大于0.6，且各組RPD均大于1.5，各項(xiàng)參數(shù)顯示出模型精度和穩(wěn)定性均較高，因此可以利用這些模型對(duì)土壤有機(jī)碳含量進(jìn)行較精確的估算。

2.4 土壤有機(jī)碳插值結(jié)果

克里金(kriging)插值方法在不同的樣點(diǎn)分布條件下，預(yù)留空間信息的能力較強(qiáng)，對(duì)總體和局部趨勢(shì)均具有良好表現(xiàn)，預(yù)測(cè)精度較高，屬于最優(yōu)無(wú)偏內(nèi)插計(jì)量方法。為了更加直觀的反映出土壤有機(jī)碳的反演結(jié)果，對(duì)研究區(qū)土壤有機(jī)碳估算得到的數(shù)據(jù)應(yīng)用kriging插值并繪制了土壤有機(jī)碳的空間分布圖(圖4)。

土壤有機(jī)碳含量在綠洲不同區(qū)域存在明顯的分布差異。為探索綠洲內(nèi)部不同區(qū)域有機(jī)碳分布的差異，對(duì)綠洲內(nèi)不同土壤深度的有機(jī)碳含量進(jìn)行空間插值，用以揭示土壤剖面有機(jī)碳空間分布依深度變化的特征。從其垂直分布來(lái)看，綠洲不同區(qū)域的土壤有機(jī)碳含量均集中于土壤表層，與土層深度呈負(fù)相關(guān)性。主要原因是植物根系的集中程度從表層往下逐漸遞減，植被掉落物均在土壤表層，從而為土壤表層提供了大量的有機(jī)碳。但各土層土壤有機(jī)碳水平空間分布也存在一定的差異，均呈現(xiàn)出東南高、西北低的分布格局，這與地形、水資源狀況、土地利用等因素有關(guān)。尤其是0～10 cm土壤層，南部和北部土壤有機(jī)碳含量明顯高于中部，與其它各層均有較大差異。其原因主要是由于土壤表層受外界環(huán)境影響較大，如地表溫度、植被覆蓋等因素，但這些差異在垂直方向上隨著深度的增加，對(duì)土壤有機(jī)碳的影響逐漸減小。

2.5 環(huán)境影響因子分析

對(duì)有機(jī)碳而言，各環(huán)境因素的變化可以直接影響土壤中有機(jī)碳含量，對(duì)有機(jī)碳的空間分布格局也產(chǎn)生影響。當(dāng)生態(tài)系統(tǒng)中各環(huán)境因子作用于土壤時(shí)，土壤表層最易受環(huán)境的影響，引起土壤性質(zhì)的改變。不同的環(huán)境因子對(duì)有機(jī)碳含量的影響程度不同，揭示不同環(huán)境因子，對(duì)土壤有機(jī)碳影響的大小在土壤有機(jī)碳含量和分布研究中具有重要意義[26]。

為了更清楚地分析綠洲表層土壤有機(jī)碳的差異性，本文選擇土壤pH、含鹽量(Salt)、含水率(Moisture content，簡(jiǎn)稱(chēng)MC)、海拔高度(Elevation)、坡度(Slope)、坡向(Aspect)和曲率(Curvature)與39個(gè)采樣點(diǎn)的表層土壤有機(jī)碳含量進(jìn)行Pearson相關(guān)性分析。相關(guān)分析結(jié)果表明，各環(huán)境因子與土壤有機(jī)碳含量的相關(guān)性存在明顯差異。各環(huán)境因子對(duì)有機(jī)碳含量的影響程度由大到小依次為：土壤含鹽量>土壤含水率>曲率>坡度>高程>pH，造成這種結(jié)果的主要原因是研究區(qū)屬于鹽漬化嚴(yán)重的干旱區(qū)綠洲，鹽漬化嚴(yán)重的地區(qū)地表具有鹽結(jié)皮，對(duì)土壤有機(jī)碳含量的影響較大，從而導(dǎo)致表層與其它層在空間分布上的差異。

表2 各土層的土壤光譜最優(yōu)處理形式的偏最小二乘回歸建模和驗(yàn)證

圖4 研究區(qū)各層土壤有機(jī)碳的空間分布圖Fig.4 Spatial distribution of soil organic carbon in the study area

項(xiàng)目ItemSOCpHSaltMCElevationSlopeCurvatureAspectSOC1pH0.0061Salt0.490??0.2971MC0.412?0.0280.0361Elevation0.156-0.324-0.446?0.2991Slope0.336-0.043-0.1520.1720.2061Curvature0.397?0.1650.2900.118-0.0270.2351Aspect-0.1530.193-0.0650.107-0.31-0.2020.2361

注:*和**分別表示在0.05和0.01水平下顯著相關(guān).

Note: *and**are significantly correlated at 0.05 and 0.01 levels respectively.

3 討 論

干旱區(qū)綠洲土壤有機(jī)碳的分布非常不均，有機(jī)碳含量多的地區(qū)可達(dá)17.376 g·kg-1，,最少的地區(qū)含量?jī)H為1.551 g·kg-1。盡管不同土壤類(lèi)型的光譜曲線(xiàn)在形狀上大致相似，但是光譜反射率差異較為明顯，Srivastava[12]等研究認(rèn)為，印度河-恒河平原地區(qū)土壤有機(jī)碳與460 nm、470 nm、550 nm、1 400 nm、1 420 nm、1 920 nm、2 040 nm、2 210 nm、2 270 nm、2 320 nm具有顯著的相關(guān)關(guān)系；本研究中土壤有機(jī)碳含量與550 nm、650 nm、780 nm、818 nm、866 nm、1 423 nm、1 733 nm、2 005 nm以及2 172 nm等9個(gè)波段相關(guān)性較強(qiáng)，即不同類(lèi)型土壤有機(jī)碳的敏感波段存在差異。

基于干旱區(qū)綠洲土壤有機(jī)碳建模結(jié)果表明，建模均方根誤差小于交叉驗(yàn)證均方根誤差，建模集R2大于驗(yàn)證集R2。就本研究中對(duì)土壤光譜原始反射率的不同預(yù)處理方法的效果而言，原始反射率與一階微分在3種預(yù)處理方法中效果較差，基于反射率二階微分所建立模型的效果最好，這與Yang[27]天山北坡土壤有機(jī)碳反演的研究結(jié)果一致，這表明雖然不同的土壤類(lèi)型存在高度異質(zhì)性，但最佳預(yù)處理方法存在一致性。偏最小二乘回歸模型估算結(jié)果表明土壤有機(jī)碳在垂直方向上呈現(xiàn)為表聚性，水平方向上表現(xiàn)為綠洲內(nèi)部高于綠洲外圍，與實(shí)地考察結(jié)果一致。

由于不同區(qū)域、不同類(lèi)型土壤的成土因素復(fù)雜，土壤的屬性存在較明顯的差異，本研究發(fā)現(xiàn)土壤含鹽量是與土壤有機(jī)碳含量相關(guān)性最大的環(huán)境因子，這也是干旱區(qū)土壤的特色之一，此結(jié)論與楊順華[28]研究結(jié)果不同，表明不同區(qū)域土壤屬性的空間變異性的影響因子是不同的。由于不同區(qū)域鹽漬土的形成過(guò)程以及地域環(huán)境的差異，在未來(lái)的研究中有待更大范圍的研究，以了解不同區(qū)域鹽漬化土壤的屬性以及光譜反射率等特征對(duì)于估算土壤有機(jī)碳含量的影響，為干旱區(qū)綠洲地區(qū)土壤有機(jī)碳估算、農(nóng)業(yè)生產(chǎn)及土壤改良等提供參考。

4 結(jié) 論

選取新疆塔里木盆地南緣渭-庫(kù)綠洲為研究對(duì)象，利用光譜儀測(cè)定的土壤高光譜數(shù)據(jù)，結(jié)合實(shí)驗(yàn)室測(cè)定的土壤有機(jī)碳數(shù)據(jù)，研究出一種土壤高光譜和偏最小二乘回歸模型相結(jié)合的土壤有機(jī)碳估算方法，并分析了表層土壤有機(jī)碳含量與環(huán)境因子之間的相關(guān)性?？傻萌缦陆Y(jié)論：

1)通過(guò)對(duì)土壤光譜原始反射率、一階微分、二階微分、倒數(shù)、倒數(shù)一階微分、倒數(shù)二階微分、對(duì)數(shù)、對(duì)數(shù)一階微分、對(duì)數(shù)二階微分9種光譜指標(biāo)進(jìn)行分析，發(fā)現(xiàn)經(jīng)過(guò)數(shù)學(xué)變換后，明顯提高了土壤有機(jī)碳與高光譜的相關(guān)性，反射率二階微分效果明顯優(yōu)于原始反射率和反射率一階微分。建模分析發(fā)現(xiàn)對(duì)數(shù)二階微分、原始二階微分、倒數(shù)二階微分變換在該研究中效果較好，所建模型可以實(shí)現(xiàn)土壤有機(jī)碳的快速估算。

2)在研究區(qū)1m的土壤深度內(nèi)，土壤有機(jī)碳含量介于0.172～17.376 g·kg-1之間，并與土壤深度呈顯著負(fù)相關(guān)。土壤有機(jī)碳主要富集在0～60 cm土層內(nèi)，占到整個(gè)剖面有機(jī)碳含量的80%。六個(gè)土層土壤有機(jī)碳的偏最小二乘最優(yōu)估算模型的R2均大于0.8，且各組殘留預(yù)測(cè)偏差RPD均大于1.5，模型精度和穩(wěn)定性均較好。從土壤有機(jī)碳的空間插值結(jié)果來(lái)看，由于該地區(qū)獨(dú)特的地理環(huán)境，研究區(qū)土壤有機(jī)碳的分布存在顯著的空間差異。

3)不同環(huán)境因子與土壤有機(jī)碳的Pearson相關(guān)性分析結(jié)果表明，土壤含鹽量對(duì)土壤有機(jī)碳的影響最為顯著，說(shuō)明干旱區(qū)綠洲土壤鹽漬化對(duì)土壤作物的影響作用于土壤有機(jī)碳，鹽漬化越重越不利于有機(jī)碳的積累。