楊黎敏 李曉燕 任永星 付嬈

摘要：吉林省長春市是東北黑土集中分布的區(qū)域，是我國重要的糧食生產(chǎn)基地，其轄區(qū)內(nèi)榆樹縣、農(nóng)安縣、德惠縣均為全國排名前十的產(chǎn)糧大縣，實(shí)時評價耕地土壤質(zhì)量是保障區(qū)域土地資源適宜性管理和糧食安全的基礎(chǔ)。但由于土壤指標(biāo)繁多，成本較高，給區(qū)域尺度耕地質(zhì)量評價帶來了困難。耦合GIS空間分析和主成分分析法篩選最小數(shù)據(jù)集對長春市耕地土壤質(zhì)量進(jìn)行評價，并對其影響因素進(jìn)行分析。結(jié)果表明：（1）長春市耕地土壤質(zhì)量最小數(shù)據(jù)集包括有機(jī)質(zhì)含量、全氮含量、陽離子交換量、pH值、有效鋅含量、有效鐵含量6項(xiàng)指標(biāo)，最小數(shù)據(jù)集的評價結(jié)果與全數(shù)據(jù)集具有較好的一致性（R2=0.801）;（2）研究區(qū)耕地質(zhì)量水平總體較高，一級、二級和三級土壤質(zhì)量面積占總面積的 77.34%，土壤質(zhì)量區(qū)域差異性顯著，土壤質(zhì)量較好的耕地主要集中在長春市郊區(qū)、德惠縣、榆樹縣一線，由此線向西北、東南方向土壤質(zhì)量逐降;（3）方差分析表明，土壤類型、成土母質(zhì)、地形、氣候因素對土壤質(zhì)量的區(qū)域異質(zhì)性均有顯著影響。

關(guān)鍵詞：評價指標(biāo);土壤質(zhì)量;最小數(shù)據(jù)集;環(huán)境因素;GIS;長春市

中圖分類號： S158.2 文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2019）20-0305-06

土壤是陸地生態(tài)系統(tǒng)的重要組成部分，其質(zhì)量狀況與區(qū)域生態(tài)安全與農(nóng)業(yè)可持續(xù)發(fā)展密切相關(guān)[1]。目前，土壤質(zhì)量相關(guān)研究已經(jīng)取得了豐碩成果，但仍沒有一個普適的、統(tǒng)一的評價標(biāo)準(zhǔn)[2]。不同的評價目的和對土壤不同功能的側(cè)重決定了評價指標(biāo)的差異，參評指標(biāo)主要涉及對土壤功能具有敏感性適應(yīng)改變的物理、化學(xué)和生物性質(zhì)3個方面的指標(biāo)，用于綜合反映內(nèi)在的土壤作用特征和可見的植物特征[3-5]。不同的評價方法也會對土壤質(zhì)量評價結(jié)果產(chǎn)生顯著影響，土壤質(zhì)量綜合評分法近年來使用較為普遍[2]。由于存在土壤質(zhì)量評價因子的種類、數(shù)量多，數(shù)據(jù)獲取成本高且因子共線性等問題，參評因子的選擇成為解決土壤質(zhì)量評價標(biāo)準(zhǔn)化程序的關(guān)鍵問題[6-7]。最小數(shù)據(jù)集（MDS）是可以反映土壤質(zhì)量的最少指標(biāo)參數(shù)的集合，由于高效、經(jīng)濟(jì)而在土壤質(zhì)量評價及監(jiān)測中得到了廣泛的應(yīng)用[8-9]。但由于土壤屬性的時空變異性及其影響因素的復(fù)雜性，可靠的、能夠反映區(qū)域土壤特征的MDS評價因子的選擇仍待深入探討[6]。

長春市是東北黑土集中分布的區(qū)域，是我國重要的糧食生產(chǎn)基地，其轄區(qū)內(nèi)榆樹縣、農(nóng)安縣、德惠縣均為全國排名前十的產(chǎn)糧大縣。由于開墾年代較久，開墾強(qiáng)度較大，該區(qū)面臨著土壤侵蝕、有機(jī)質(zhì)含量降低、土層變薄、土壤板結(jié)、土壤封閉、鹽堿化等嚴(yán)重土壤退化問題。開展土壤質(zhì)量評價，在此基礎(chǔ)上發(fā)展適宜性管理是黑土可持續(xù)利用及保障區(qū)域糧食安全的前提和基礎(chǔ)。研究耦合GIS空間分析和主成分分析法篩選最小數(shù)據(jù)集，對長春市耕地土壤質(zhì)量展開評價，并分析了土壤環(huán)境因素對區(qū)域土壤質(zhì)量分異的影響。評價結(jié)果可為合理規(guī)劃區(qū)域農(nóng)業(yè)生產(chǎn)及因地制宜進(jìn)行施肥提供參考及理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

長春市地處我國東北平原腹地（124°18′～127°05′E、243°05′～45°15′N），總面積206萬hm2。該區(qū)屬北溫帶大陸性季風(fēng)氣候，年平均氣溫4.8 ℃，年平均降水量為582 mm，具有四季分明、雨熱同季、干濕適中的氣候特征。長春市以臺地、平原為主，兼有山地、丘陵，形成了“一山四崗五分川”的地貌格局。長春市自東向西分布著暗棕壤帶、黑土帶和黑鈣土帶，不同地帶內(nèi)由于地域性因素的影響土壤系列各不相同，形成了以暗棕壤、黑土、黑鈣土、草甸土為主的眾多的土壤類型。

1.2 數(shù)據(jù)來源

1.2.1 樣品采集與處理

基于隨機(jī)性原則和代表性原則，采用混合采樣法在研究區(qū)耕地表層（20 cm）采集土壤樣品 1 241個。采集的土壤樣品經(jīng)自然風(fēng)干、磨碎、過2 mm篩以供測定，選取指標(biāo)實(shí)驗(yàn)室測定方法如下：土壤陽離子交互量（CEC）采用醋酸銨法測定;pH值采用電位法測定;有機(jī)質(zhì)含量采用重鉻酸鉀容量-外加熱法測定;全氮含量采用半微量凱氏定氮法測定;堿解氮含量采用堿解擴(kuò)散法測定;有效磷含量采用碳酸氫鈉浸提-鉬銻抗比色法測定;速效鉀含量采用乙酸銨浸提-火焰光度法測定;緩效鉀含量采用硝酸浸提-火焰光度法測定;有效鋅、有效銅、有效鐵含量采用鹽酸浸 提-ICP-AES法測定[10]。

1.2.2 土地覆被數(shù)據(jù)

在美國地質(zhì)調(diào)查局網(wǎng)站下載完全覆蓋研究區(qū)范圍的同時期遙感影像數(shù)據(jù)（Landsat/OLI），經(jīng)幾何校正、影像增強(qiáng)、裁剪和拼接等預(yù)處理過程獲得研究區(qū)影像數(shù)據(jù)。依據(jù)HJ 192—2015《生態(tài)環(huán)境狀況評價技術(shù)規(guī)范》將土地覆被類型劃分為7種類型：耕地、林地、草地、濕地、水體、人工表面和裸地。在eCognition軟件中采用面向?qū)ο蠓诸惙椒▽τ跋駭?shù)據(jù)進(jìn)行解譯，獲得研究區(qū)土地覆被數(shù)據(jù)[11]（圖1-b）。提取耕地作為土地質(zhì)量評價的范圍。

1.2.3 環(huán)境數(shù)據(jù)來源

環(huán)境數(shù)據(jù)包括土壤數(shù)據(jù)、氣候數(shù)據(jù)和地形數(shù)據(jù)。其中，數(shù)字化土壤類型分布圖由吉林省土肥站提供。母質(zhì)數(shù)據(jù)是在1 ∶250 000萬地質(zhì)圖的基礎(chǔ)上經(jīng)野外調(diào)研補(bǔ)充生成。2000—2013年間的月降水量和日均溫?cái)?shù)據(jù)由吉林省氣象局提供，在此基礎(chǔ)上計(jì)算多年平均降水量和≥10 ℃ 積溫，并在ArcGIS 10.2軟件中采用克呂格空間插值進(jìn)行空間化，生成研究區(qū)年平均降水量和≥10 ℃積溫分布圖。DEM數(shù)據(jù)由地理云數(shù)據(jù)網(wǎng)下載（http：//www.gscloud.cn），對原始ASTER GDEMV2數(shù)據(jù)進(jìn)行校正、裁剪后，提取研究區(qū)的DEM。

1.3 研究方法

1.3.1 最小數(shù)據(jù)集的構(gòu)建

研究綜合選取表征土壤理化性質(zhì)的11個指標(biāo)建立土壤質(zhì)量評價全數(shù)據(jù)集（TDS），采取主成分分析法（PCA）遴選最小數(shù)據(jù)集。選取特征值大于1的主成分、各主成分中高因子載荷指標(biāo)，包括最大因子載荷指標(biāo)及因子載荷絕對值達(dá)到最大因子載荷90%的指標(biāo)，當(dāng)1個主成分高因子載荷指標(biāo)只有1個時，該指標(biāo)進(jìn)入最小數(shù)據(jù)集[9]。當(dāng)1個主成分中有超過1個高因子載荷指標(biāo)時，若相關(guān)系數(shù) r<0.6，各高因子載荷指標(biāo)均被選入最小數(shù)據(jù)集;若相關(guān)系數(shù)r>0.6，認(rèn)為存在冗余指標(biāo)，須進(jìn)一步取舍[12]。

1.3.2 土壤質(zhì)量評價方法

土壤質(zhì)量評價采用應(yīng)用比較廣泛的綜合質(zhì)量指數(shù)法進(jìn)行計(jì)算，計(jì)算公式如下[10]：

指標(biāo)權(quán)重由主成分分析獲得的指標(biāo)公因子方差所占比例確定[13]，指標(biāo)因子線性得分值由標(biāo)準(zhǔn)化函數(shù)確定。依據(jù)土壤指標(biāo)不同的功能屬性，選取戒上型函數(shù)（UL）和峰值型函數(shù)（PL）2類函數(shù)。PL型函數(shù)具有最適宜的范圍;UL函數(shù)指標(biāo)越大，表明土壤質(zhì)量越好。計(jì)算公式如下[2]：

UL型函數(shù)

1.3.3 環(huán)境因素影響的方差分析

土壤理化性質(zhì)的差異是氣候因素、成土母質(zhì)、地形地貌、土壤生物類型及生物量等長期綜合作用的結(jié)果[4]。對土壤類型、成土母質(zhì)、高程及氣候因子進(jìn)行方差分析，探究環(huán)境因素與土壤質(zhì)量的關(guān)系，計(jì)算的顯著性概率P用來說明各環(huán)境因素對土壤質(zhì)量是否具有顯著性影響。主成分分析和方差分析在SPSS 24.0軟件中完成。

2 結(jié)果與分析

2.1 土壤要素的統(tǒng)計(jì)特征分析

有機(jī)質(zhì)及氮、磷、鉀是土壤主要營養(yǎng)物質(zhì)，CEC是表征土壤物理環(huán)境的重要指標(biāo)，pH值與土壤外部環(huán)境、土壤結(jié)構(gòu)相關(guān)，微量元素銅、鐵、鋅影響土壤養(yǎng)分的吸收與循環(huán)，共同反映土壤質(zhì)量水平[14]。由表1可知，研究區(qū)有機(jī)質(zhì)、全氮、堿解氮、有效磷、速效鉀、緩效鉀含量分別為25.6 g/kg、1.4 g/kg、125.6 mg/kg、18.6 mg/kg、147.0 mg/kg、1 029.2 mg/kg，土壤養(yǎng)分狀況總體較好。有機(jī)質(zhì)和堿解氮含量在區(qū)域尺度變化較小，變異系數(shù)<25%;有效磷含量變異較大，變異系數(shù)為 68.8%;CEC為24.3 cmol/kg，表明土壤緩沖能力、保肥性能較好;pH值平均值為6.5，變異系數(shù)為15.8%，區(qū)域差異較小;微量元素有效鋅、有效銅、有效鐵含量平均值分別為1.6、3.1、33.4 mg/kg，均高于吉林省平均值，其中有效銅、有效鐵變異系數(shù)較高，分別為73.0%、83.7%，表明元素區(qū)域分布差異性顯著。正態(tài)檢驗(yàn)表明，CEC、pH值、有機(jī)質(zhì)含量、全氮含量、堿解氮含量符合正態(tài)分布，其他元素經(jīng)對數(shù)轉(zhuǎn)換后符合正態(tài)分布。

2.2 土壤質(zhì)量評價最小數(shù)據(jù)集

采用主成分分析法選取4個特征值大于1的主成分，累積貢獻(xiàn)率達(dá)到62.387%（表2）?；诟咻d荷指標(biāo)選取原則，確定全氮含量、CEC、有效鐵含量、有機(jī)質(zhì)含量、pH值、有效鋅含量6項(xiàng)指標(biāo)構(gòu)建研究區(qū)土壤質(zhì)量評價的最小數(shù)據(jù)集。6個因子相關(guān)性均小于0.6，表明冗余較小地代表了黑土地區(qū)土壤的特性。其中，全氮含量和pH值是影響研究區(qū)土壤質(zhì)量的重要因素，權(quán)重分別為0.187、0.185，有效鋅含量的貢獻(xiàn)率最低，為0.129。

2.3 基于MDS的長春市耕地土壤質(zhì)量評價

研究區(qū)強(qiáng)酸、強(qiáng)堿性對土壤質(zhì)量均有較大的負(fù)效應(yīng)，pH值屬于PL隸屬度型函數(shù)。CEC、全氮含量、有效鐵含量、有機(jī)質(zhì)含量、有效鋅含量對土壤質(zhì)量均具有積極作用，屬于UL隸屬度型函數(shù)。根據(jù)各因子線性得分及權(quán)重采用公式（1）至（3）計(jì)算研究區(qū)耕地土壤質(zhì)量?；谟?jì)算結(jié)果，采用ArcGIS 10.0中普通克里金的空間插值模型實(shí)現(xiàn)土壤質(zhì)量的空間化（圖2）。結(jié)合文獻(xiàn)資料和區(qū)域特點(diǎn)將研究區(qū)土壤評價結(jié)果劃分為5級，其閾值分級見表3。一級耕地土壤質(zhì)量最高，最適宜農(nóng)業(yè)生產(chǎn)。從1～5級，土壤質(zhì)量指數(shù)值越來越小，對植物生長適宜性逐漸下降，而對植物生長的障礙程度逐步上升[2]。

土壤質(zhì)量評價結(jié)果（表4）表明，研究區(qū)內(nèi)土壤質(zhì)量條帶狀分布特征明顯，其中1級土壤占總面積的4.64%，主要分布在研究區(qū)中部，位于西部平原和東部丘陵的交界處，在長春市郊區(qū)和德惠境內(nèi)有成片分布;2級土壤面積為5 331 hm2，占總面積的31.04%，分布上沿1級土壤向外延伸，集中分布在榆樹、德惠和長春郊區(qū)。1級和2級土壤分布區(qū)地處松遼平原腹地，地勢平坦，境內(nèi)水資源豐富。3級土壤面積為 7 156 hm2，是各級土壤中面積最大的，占總面積的41.66%，大面積分布在3級土壤的兩側(cè)及研究區(qū)西南角。4級土壤面積為3 200 hm2，占總面積的18.63%，集中分布在農(nóng)安及德惠東部。5級土壤面積最小，為694 hm2，占總面積的4.04%，僅分布在農(nóng)安縣北部。總體來說，土壤質(zhì)量較高，1～3級土壤所占面積占研究區(qū)總面積的75%以上。以長春市郊區(qū)、德惠縣、榆樹縣一線土壤質(zhì)量最好，由此線向西北、東南方向土壤質(zhì)量逐漸下降。從各區(qū)域土壤IQI平均狀況來看，德惠縣平均值最高，農(nóng)安縣最低（表5）。德惠縣內(nèi)中部飲馬河自北向南縱貫全縣，由于中部地勢平坦，水源充足，為黑土和草甸土集中分布的地區(qū)，耕地質(zhì)量較高，多為1級和2級耕地，由此向西北和東南耕地質(zhì)量有所下降。農(nóng)安縣雖然由于耕地面積廣大而產(chǎn)量較高，但近年來沙化、鹽堿化日益加重，尤其是北部和西北部土壤退化嚴(yán)重[15-16]，除東南部耕地質(zhì)量較高外，耕地土壤質(zhì)量普遍較低。

2.4 MDS評價結(jié)果的可靠性檢驗(yàn)

最小數(shù)據(jù)集評價結(jié)果能夠在多大程度上反映全數(shù)據(jù)集的評價結(jié)果，須對其進(jìn)行驗(yàn)證。本研究對最小數(shù)據(jù)集和全數(shù)據(jù)集的土壤質(zhì)量指數(shù)進(jìn)行回歸分析，對最小數(shù)據(jù)集評價結(jié)果的可靠性進(jìn)行了驗(yàn)證[10]。從線性回歸分析結(jié)果（圖3）可知，兩者線性顯著相關(guān)（r2=0.801，P=0.001），表明研究區(qū)內(nèi)所選的最小數(shù)據(jù)集能較好地代替全數(shù)據(jù)集來反映區(qū)域土壤質(zhì)量。

2.5 環(huán)境特征對土壤質(zhì)量的影響

采用方差分析法（ANOVA）分析了土壤類型、成土母質(zhì)、地形及氣候?qū)ν寥蕾|(zhì)量的作用。結(jié)果（表6）表明，土壤類型（F=88.501，P<0.001）、成土母質(zhì)（F=25.945，P<0.001）、高程（F=11.057，P<0.001、年降水量（F=596.087，P<0.001）和≥10 ℃積溫（F=127.148，P<0.001）均對土壤質(zhì)量的影響作用顯著。

土壤類型方差分析（表6）中，水稻土的土壤質(zhì)量指數(shù)最大，為0.660;黑土（0.647）次之;黑鈣土和風(fēng)沙土土壤質(zhì)量指數(shù)較低，土壤質(zhì)量指數(shù)分別為0.569、0.506。黑土和黑鈣土的標(biāo)準(zhǔn)差最小，均為0.047，而草甸土（0.061）、風(fēng)沙土（0.059）和水稻土（0.057）標(biāo)準(zhǔn)差較大。

成土母質(zhì)的土壤質(zhì)量指數(shù)由大到小排序?yàn)楹e母質(zhì)>沖積母質(zhì)>黃土母質(zhì)>坡積母質(zhì)>風(fēng)沙沉積物，標(biāo)準(zhǔn)差由大到小排序?yàn)楹e母質(zhì)>沖積母質(zhì)>黃土母質(zhì)>風(fēng)沙沉積物>坡積母質(zhì)，可以看出，風(fēng)沙沉積物發(fā)育的土壤質(zhì)量普遍較低，由湖積母質(zhì)和沖積母質(zhì)發(fā)育而來的土壤質(zhì)量雖然較高，但標(biāo)準(zhǔn)差較大，說明土壤質(zhì)量受自然因素或人為因素影響區(qū)域變異性較大。

研究區(qū)地勢相對平坦，坡度極緩，僅以高程200 m作為閾值將研究區(qū)劃分成2組：DEM<200 m和DEM≥200 m，兩區(qū)域土壤質(zhì)量指數(shù)分別為0.631、0.618，標(biāo)準(zhǔn)差分別為0.059、0.068。相比較高程較低區(qū)域土壤質(zhì)量較高，區(qū)域分布較均衡。

氣候通過降水、溫度和光照驅(qū)動著土壤物質(zhì)的轉(zhuǎn)化和運(yùn)動，影響人類對土壤的利用方式[6]。以550 mm和2 900 ℃分別作為年降水和≥10 ℃積溫的閾值進(jìn)行分組。結(jié)果表明，氣溫和降水量對土壤質(zhì)量具有顯著影響，年降水量≥550 mm地區(qū)和≥10 ℃積溫<2 900 ℃的地區(qū)土壤質(zhì)量普遍較高，區(qū)域變異性小，主要分布在1～3級土壤，年降水量<550 mm和≥10 ℃積溫≥2 900 ℃地區(qū)以4、5級土壤為主。

3 結(jié)論與討論

3.1 結(jié)論

東北黑土區(qū)是我國重要糧食生產(chǎn)基地，開展土壤質(zhì)量評價，在此基礎(chǔ)上發(fā)展適宜性管理是黑土可持續(xù)利用及保障區(qū)域糧食安全的前提和基礎(chǔ)。研究耦合GIS空間分析和主成分分析法篩選最小數(shù)據(jù)集，對長春市耕地土壤質(zhì)量展開評價，并分析土壤環(huán)境因素對區(qū)域土壤質(zhì)量分異的影響。得到以下主要結(jié)論：

（1）最小數(shù)據(jù)集在一定程度上能降低參評因子的數(shù)量，減少數(shù)據(jù)冗雜。所確定的全氮含量、CEC、有效鐵含量、有機(jī)質(zhì)含量、pH值、有效鋅含量6個指標(biāo)能夠較好地反映區(qū)域尺度耕地土壤質(zhì)量。

（2）長春市地處東北黑土帶，土壤質(zhì)量總體水平較高，1～3級質(zhì)量的耕地面積占總面積的77.34%。土壤質(zhì)量較好的耕地主要集中在長春市郊區(qū)、德惠縣、榆樹縣一線，土壤質(zhì)量由此線向西北、東南方向逐漸下降，質(zhì)量最低的土壤分布在農(nóng)安縣西北部。各縣（市、區(qū)）耕地土壤平均狀況由高到低依次為德惠縣>長春市郊區(qū)>榆樹縣>雙陽區(qū)>九臺縣>農(nóng)安縣。

（3）土壤類型、成土母質(zhì)、地形和氣候因素對長春市土壤質(zhì)量影響顯著。水稻土土壤質(zhì)量最高，風(fēng)沙土最低，區(qū)域差異性均較大;黑土土壤質(zhì)量整體較高，差異性較小。由湖積母質(zhì)發(fā)育而形成的土壤質(zhì)量最高，由風(fēng)沙沉積物發(fā)育而來的土壤質(zhì)量最差。研究區(qū)內(nèi)高程與土壤質(zhì)量呈極顯著相關(guān)關(guān)系。年降水量≥550 mm的地區(qū)和積溫<2 900 ℃的地區(qū)土壤質(zhì)量較高，區(qū)域變異性較小。

3.2 討論與結(jié)論

國內(nèi)外學(xué)者已在亞熱帶、濕潤帶地區(qū)對鹽堿地、水稻土、白漿土等土壤類型下的農(nóng)業(yè)用地構(gòu)建了最小數(shù)據(jù)集的評價指標(biāo)[4，17]。所建立的最小數(shù)據(jù)集中，土壤容重、pH值、團(tuán)聚體平均質(zhì)量直徑、有機(jī)質(zhì)含量、全氮含量、鈉吸附比、黏粒、有效含水率、有效磷含量和有機(jī)碳含量為使用頻率最高的10個指標(biāo)[18]，其中全氮、有機(jī)質(zhì)含量和pH值均為高貢獻(xiàn)因子。本研究中全數(shù)據(jù)集中的指標(biāo)在其他地區(qū)農(nóng)業(yè)用地評價中均有所使用，針對典型黑土區(qū)所確定的全氮含量、CEC、有效鐵含量、有機(jī)質(zhì)含量、pH值、有效鋅含量6個指標(biāo)能夠較好地反映區(qū)域尺度耕地土壤質(zhì)量。所建立的最小數(shù)據(jù)集中全氮含量和pH值對土壤質(zhì)量貢獻(xiàn)率較大，有效鋅和有效鐵含量雖然貢獻(xiàn)率較小，但最小數(shù)據(jù)集中微量元素的入選表明微量元素對于農(nóng)業(yè)生產(chǎn)和耕地肥力具有重要指示作用。

長春市地處東北黑土帶，土壤質(zhì)量總體水平較高，這與已有研究結(jié)果[12]是一致的。同時，長春又是哈長城市群的核心城市，2000年東北振興以來城市化迅速發(fā)展。研究發(fā)現(xiàn)，長春市郊區(qū)耕地質(zhì)量普遍較高，由于城郊土地的高附加價值和高經(jīng)濟(jì)效益遠(yuǎn)遠(yuǎn)大于耕地的生產(chǎn)價值，隨著快速城市化很多高質(zhì)量的耕地被侵占，使得高質(zhì)量土壤資源遭到破壞。如何協(xié)調(diào)快速城市化與糧食安全之間的矛盾是未來區(qū)域面臨的重要問題。

土壤質(zhì)量受人類活動與環(huán)境因素的共同作用，其中環(huán)境因素作用相對穩(wěn)定[19]。研究結(jié)果表明，土壤類型、成土母質(zhì)、地形和氣候因素等與研究區(qū)內(nèi)土壤質(zhì)量均顯著相關(guān)。黑土和水稻土雖然平均土壤質(zhì)量均較高，但水稻土質(zhì)量變異系數(shù)較大。研究區(qū)近年來旱田改水田面積持續(xù)增加[20]，雖然大面積旱田改水田可以提高產(chǎn)量和農(nóng)民的收益，但由于水稻土變異性較大，從長遠(yuǎn)來看土壤的穩(wěn)定性也被破壞，不利于黑土區(qū)農(nóng)業(yè)的可持續(xù)發(fā)展。成土母質(zhì)決定著土壤的礦物成分、質(zhì)地和類型，進(jìn)一步影響土壤抗蝕性和土壤質(zhì)量水平，控制土壤利用的方向和改良途徑[21]。本研究表明，由湖積母質(zhì)發(fā)育而形成的土壤質(zhì)量最高，由風(fēng)沙沉積物發(fā)育而來的土壤質(zhì)量最差，該結(jié)果與已有研究結(jié)果[22]相一致。海拔和坡度等地形因素通過影響地表的水熱分配和物質(zhì)堆積在分布和運(yùn)動方向、速度等上的差異而對土壤質(zhì)量產(chǎn)生影響[23]。有研究表明，土壤質(zhì)量受地形變化影響顯著，且坡度對土壤質(zhì)量的影響大于高程[24]。但研究區(qū)坡度極緩，高程與土壤質(zhì)量呈極顯著相關(guān)關(guān)系。東北為典型旱作雨養(yǎng)農(nóng)業(yè)，有研究表明，東北黑土區(qū)土壤水分的補(bǔ)給和補(bǔ)給程度取決于年降水量和年內(nèi)降水的分布，降水對東北旱作土壤具有重要意義[25]。積溫高可以延長作物生長周期，對于寒地土壤來說也會減少有機(jī)質(zhì)的累積，導(dǎo)致土壤質(zhì)量下降，溫度與作物生長并不呈線性關(guān)系。

本研究僅考慮了空間上耕地土壤質(zhì)量的差異而未考慮時間上耕地質(zhì)量的變化;沒有對影響土壤質(zhì)量的人為因素進(jìn)行分析。今后還應(yīng)開展土壤指標(biāo)的長期、大尺度、動態(tài)監(jiān)測，在系統(tǒng)、全面評價的結(jié)果基礎(chǔ)上遴選在黑土區(qū)土壤質(zhì)量評價中具有普適性的最小數(shù)據(jù)集，推進(jìn)土壤質(zhì)量評價的標(biāo)準(zhǔn)化。

參考文獻(xiàn)：

[1]Bindraban P S，Stoorvogel J J，Jansen D M，et al. Land quality indicators for sustainable land management：proposed method for yield gap and soil nutrient balance[J]. Agriculture Ecosystems & Environment，2000，81（2）：103-112.

[2]Qi Y B，Darilek J L，Huang B，et al. Evaluating soil quality indices in an agricultural region of Jiangsu Province，China[J]. Geoderma，2009，149（3/4）：325-334.

[3]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.

[4]Guo L L，Sun Z G，Ouyang Z，et al. A comparison of soil quality evaluation methods for Fluvisol along the lower Yellow River[J]. Catena，2017，152：135-143.

[5]Schwilch G，Bernet L，F(xiàn)leskens L，et al. Operationalizing ecosystem services for the mitigation of soil threats：a proposed framework[J]. Ecological Indicators，2016，67：586-597.

[6]Bünemann E K，Bongiorno G，Bai Z G，et al. Soil quality—a critical review[J]. Soil Biology & Biochemistry，2018，120：105-125.

[7]李桂林，陳 杰，孫志英，等. 基于土壤特征和土地利用變化的土壤質(zhì)量評價最小數(shù)據(jù)集確定[J]. 生態(tài)學(xué)報，2007，27（7）：2715-2724.

[8]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 & Environment，2002，90（1）：25-45.

[9]Imaz M J，Virto I，Bescansa P，et al. Soil quality indicator response to tillage and residue management on semi-arid Mediterranean cropland[J]. Soil & Tillage Research，2010，107（1）：17-25.

[10]鄧紹歡，曾令濤，關(guān) 強(qiáng)，等. 基于最小數(shù)據(jù)集的南方地區(qū)冷浸田土壤質(zhì)量評價[J]. 土壤學(xué)報，2016，53（5）：1326-1333.

[11]滿衛(wèi)東，劉明月，李曉燕，等. 1990—2015年三江平原生態(tài)功能區(qū)生態(tài)功能狀況評估[J]. 干旱區(qū)資源與環(huán)境，2018，32（2）：136-141.

[12]Li X Y，Li H Y，Yang L M，et al. Assessment of soil quality of croplands in the corn belt of northeast China[J]. Sustainability，2018，10（1）：248.

[13]Sun B，Zhou S L，Zhao Q G. Evaluation of spatial and temporal changes of soil quality based on geostatistical analysis in the hill region of subtropical China[J]. Geoderma，2003，115：85-99.

[14]劉占鋒，傅伯杰，劉國華，等. 土壤質(zhì)量與土壤質(zhì)量指標(biāo)及其評價[J]. 生態(tài)學(xué)報，2006，26（3）：901-913.

[15]張素梅，王宗明，張 柏，等. 利用地形和遙感數(shù)據(jù)預(yù)測土壤養(yǎng)分空間分布[J]. 農(nóng)業(yè)工程學(xué)報，2010，26（5）：188-194.

[16]李永東. 農(nóng)安縣耕地質(zhì)量監(jiān)測研究[D]. 長春：吉林大學(xué)，2014.

[17]Yu P J，Liu S W，Zhang L，et al. Selecting the minimum data set and quantitative soil quality indexing of alkaline soils under different land uses in northeastern China[J]. Science of the Total Environment，2018，616-617：564-571.

[18]金慧芳，史東梅，陳正發(fā)，等. 基于聚類及PCA分析的紅壤坡耕地耕層土壤質(zhì)量評價指標(biāo)[J]. 農(nóng)業(yè)工程學(xué)報，2018，34（7）：155-164.

[19]王 丹，宋 軒，陳 杰. 基于環(huán)境因子的土壤養(yǎng)分預(yù)測制圖——以河南省封丘縣為例[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（4）：277-280.

[20]賈樹海，張佳楠，張玉玲，等. 東北黑土區(qū)旱田改稻田后土壤有機(jī)碳、全氮的變化特征[J]. 中國農(nóng)業(yè)科學(xué)，2017，50（7）：1252-1262.

[21]王秋兵，韓春蘭，丁玉榮，等. 用于大比例尺土壤調(diào)查的侵蝕分級指標(biāo)研究——以遼寧西部低山丘陵區(qū)為例[J]. 水土保持研究，2006，13（3）：111-114.

[22]楊艷麗，史學(xué)正，于東升，等. 區(qū)域尺度土壤養(yǎng)分空間變異及其影響因素研究[J]. 地理科學(xué)，2008，28（6）：788-792.

[23]秦 松，樊 燕，劉洪斌，等. 地形因子與土壤養(yǎng)分空間分布的相關(guān)性研究[J]. 水土保持研究，2008，15（1）：.275-279.

[24]Wang Z M，Zhang B，Song K S，et al. Soil organic carbon under different landscape attributes in croplands of Northeast China[J]. Plant Soil & Environment，2008，54（10）：420-427.

[25]鄒文秀，韓曉增，江 恒，等. 東北黑土區(qū)降水特征及其對土壤水分的影響[J]. 農(nóng)業(yè)工程學(xué)報，2011，27（9）：196-202.