劉 昊,楊董琳

中南林業(yè)科技大學,湖南 長沙 410004

經過10 年造林，寧遠縣森林覆蓋面積已接近70%，但部分區(qū)域仍然呈現出石漠化現象，有必要進行森林保護工作。土壤是人類時間尺度上的不可再生資源，是森林生態(tài)系統的重要組成部分，土壤質量下降一直是當前全球性的環(huán)境和經濟問題[1]。評價并掌握不同森林類型的林地土壤質量變化對于維持土壤生產力，促進森林發(fā)展具有重要意義。

土壤質量指數（SQI）是評估土壤質量的有效工具，但如何選擇最小數據集指標仍然是使用SQI進行土壤質量評估過程中的一個難題。當前，使用基于主成分分析的最小數據集（MDS）選擇指標有較大誤差，一些與土壤理化性質和生物指標相關的重要指標通常不包括在最小數據集內。在Liu ZJ等[2]和Andrews SS 等[3]的研究中，僅使用主成分分析將性質單一的指標保留在其最小數據集中，缺乏代表土壤理化性質和生物指標，這會降低SQI 對土壤質量變化的敏感性。而Yu PJ 等[4]提出的修訂最小數據集概念，通過比較基于總數據集、最小數據集和修訂最小數據集的SQI 相關性和F值，證明修訂最小數據集比最小數據集具有更高的可靠性和準確度。因此，本文采用基于修訂最小數據集的方法進行研究。

本研究以寧遠縣不同森林類型林地土壤為研究對象，從31 個土壤理化和生物學指標中通過修訂最小數據集篩選出評價土壤質量指標體系，比較不同森林類型對土壤質量的影響，進行土壤質量評價。本研究目的是：（1）比較寧遠不同森林類型的土壤理化性質和生物指標；（2）確定全面的林地土壤質量評價指標體系；（3）綜合評價寧遠林地土壤質量，提出最適宜持續(xù)發(fā)展的森林類型。本研究旨在為寧遠的森林生態(tài)體系建設提供理論指導。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于中國湖南省寧遠縣（東經110°42′-112°27′，北緯25°11′-26°08′）。該地區(qū)屬于亞熱帶季風濕潤區(qū)，年平均氣溫為18.4 ℃，年平均相對濕度達到了79%。森林覆蓋面積接近70%，優(yōu)勢樹種為杉木、馬尾松和油茶。

1.2 實驗設計與土壤采樣

選擇具有代表性的櫟木純林（Quercusspp.，M1）、常見闊葉樹種混交林（M2）、杉木純林（Chinese fir，M3）、馬尾松純林（Pinus massonianaLamb，M4）、常見闊葉樹種+杉木混交林（M5）和常見闊葉樹種+馬尾松混交林（M6）六種常見森林類型。每種類型布置4 個立地因子相似的20 m×20 m的樣地（表1）。在每個樣地的0～20 cm 土層深度中隨機收集8 個土芯，混合成一個復合樣品，共收集24 個復合土壤樣品。立即將土壤樣品在4 ℃環(huán)境下運輸回實驗室并低溫保存。將新鮮土壤（約500 g）風干研磨后過2 mm、1 mm、0.149 mm 篩用以分析土壤化學性質和酶活性，剩余的新鮮土壤在4 ℃環(huán)境下儲存，用于微生物生物量分析。同時每個樣地用環(huán)刀取2～3 個樣品用以測定土壤物理性質。

表1 標準地基本概況Table 1 Basic characteristics of the sampling plots

1.3 土壤樣品分析

土壤物理性質測定：土壤質地由鮑式比重計測定[5]；土壤容重、持水量、總孔隙度和毛管孔隙度等指標，參照國家標準測定[6-8]。

土壤化學性質測定：土壤pH 采用電位法（1:2.5 土水比）[9]；有機質（SOM）采用重鉻酸鉀-濃硫酸高溫外熱法[10]；全氮（TN）采用半微量凱氏定氮法[11]；全磷（TP）、全鉀（TK）采用氫氧化鈉熔融法[12]；有效磷（AP）用雙酸浸提—鉬銻抗比色法[13]；速效鉀（AK）用醋酸銨浸提—火焰光度計法[13]；有效鈣（ACa）、鎂（AMg）、鐵（AFe）、錳（AMn）、銅（ACu）、鋅（AZn）采用Mehlich 3 聯合浸提法[13]；有效硼（AB）用加活性炭沸水浸提5 min 后用全自動間斷化學分析儀測定[14]；陽離子交換量（CEC）采用乙酸銨交換法測定[15]。

土壤酶活性：過氧化氫酶活性（Catalase）測定采用高錳酸鉀滴定法；脲酶活性（Urease）測定采用苯酚鈉次氯酸鈉比色法；磷酸酶活性（ACP）測定采用磷酸苯二鈉比色法；蔗糖酶活性（Sucrase）測定采用3,5—二硝基水楊酸鈉比色法[16]。

土壤微生物生物量：微生物生物量碳(MBC)、氮(MBN)、磷(MBP)采用氯仿熏蒸法測定[17]。

1.4 土壤質量評價

1.4.1 指標選擇 對31 個指標進行單因素方差分析，以評估不同森林類型對土壤指標的影響。僅選擇顯著差異的指標（P＜0.05）進入總數據集（TDS）。采用因子分析和判別分析作為數據簡化工具，與Pearson 相關性分析結合，建立修訂最小數據集（Revised MDS）。

通過因子分析獲得主成分，然后對所有主成分進行判別分析，分離出最具有鑒別性的成分，在這些最具有鑒別價值的成分中，高權重指標定義為絕對值在最高權重載荷10%以內的指標，如果這些變量之間不相關則都保留在修訂最小數據集中（r＜0.75）[18]，否則選擇具有最高相關性的變量進入修訂最小數據集[3]。為了檢驗修訂最小數據集中所選擇的土壤質量指標是否合理，使用基于修訂最小數據集的判別函數對所有樣本進行判別分類，并與實際歸屬進行準確度比較。

1.4.2 指標得分 基于指標的標準評分函數，將土壤指標歸一化為0 到1。評分函數遵循“正向”或“負向”的評分曲線趨勢。土壤養(yǎng)分使用“正向”函數；持水性、孔隙度和酶等使用“正向”函數；因為容重過高對根系生長和土壤孔隙度產生抑制作用[18]，容重選擇“負向”函數；因為湖南省的土壤由第四紀紅土母質發(fā)育而來的，呈酸性，pH 選擇“負向”函數[19]。以下線性評分曲線用作“正向”（1）或“負向”（2）函數[20]：

其中：Si是土壤指標的線性得分(0～1)，x是土壤指標值，L和H分別是土壤指標的最小值和最大值。

1.4.3 權重分配 確定修訂最小數據集后，再次使用修訂最小數據集進行因子分析，每個修訂最小數據集變量的權重由其公因子方差計算[21]，其等于其公因子方差與修訂最小數據集所有變量公因子方差總和之比。

1.4.4 計算土壤質量指數 在對所有修訂最小數據集指標進行評分和加權后，使用綜合質量指數公式（3）計算SQI[22]：

其中：SQI是土壤質量指數，Si是線性指標得分，n是最小數據集中的土壤指標數，Wi是土壤指標權重值。

1.5 數據分析

使用單因素方差分析確定不同森林類型間土壤性質的顯著差異，只有具有顯著差異的變量才能被選入總數據集（TDS）；使用Pearson 相關性分析確定土壤各指標之間的關系。通過因子分析和判別分析，選擇最合適的土壤質量指標，構建修訂最小數據集（Revised MDS）并驗證。使用聚類分析將各樣地土壤質量指數分類。所有數據統計分析使用SPSS 19.0 軟件完成。散點圖使用Origin 軟件完成。

2 結果與分析

2.1 不同森林類型土壤物理、化學和生物學性質

三種物理性質，八種化學性質，四種生物指標存在顯著性差異（P＜0.05）（表2）。而在MWC、MaxWC、MinWC、Non-CP、CP、TN、CEC、AMg、AFe、AMn、ACu、AB、MBN、Catalase 和Urease 等指標中不存在顯著性差異(P＞0.05)。M3 和M4 森林類型的BD 顯著高于其他森林類型，除了BD 最小的M2 以外，其他森林類型的BD 不存在顯著性差異，同時M3 和M4 中的pH 顯著低于其他森林類型。在M1 和M2 中觀察到較高的SOM、TP、TK、AP、AK，同時這些指標在M3 和M4 中都較低。M4 和M2 中觀察到最低和最高的MBC，其他森林類型的MBC 無顯著性差異。M3和M5 中的MBP 顯著低于其他森林類型。M3 和M4 中同時觀察到最低的Sucrase 和最高的ACP。

表2 不同森林類型的土壤理化性質和生物指標Table 2 Different vegetation types of soil physical,chemical and biological properties

2.2 選擇關鍵土壤指標：修訂最小數據集

確定具有顯著性差異（P＜0.05）的3 個物理指標、8 個化學指標和4 個生物學指標分別進行因子分析和逐步判別分析。物理指標因子分析確定了兩個主成分（表3），逐步判別分析表明這兩個判別函數具有顯著性，均被選入鑒別器（表4）。PC1 中載荷最高的BD 與CMR 極顯著相關（P＜0.01），所以BD 作為修訂的最小數據集的成員（表5），而PC2 的CMR 測量值穩(wěn)定性差，因此舍棄?；瘜W指標因子分析確定了五個主成分PC1、PC2、PC3、PC4 和PC5 中，AP 具有最高載荷，且與ACa 極顯著相關（P＜0.01），所以AP 保留，ACa 舍棄，pH 與AK 顯著相關（P＜0.05），因此均舍棄，SOM與TK 分別在PC4 和PC5 中擁有最高載荷，為保證足夠數量的指標因子，均選入鑒別器，因此，選擇AP、SOM 和TK 進入修訂最小數據集（表5）。生物指標因子分析和逐步判別分析結果表明：MBC、MBP 和ACP 作為三個成分各自的最高載荷值，它們相關性不顯著（表3），但由于MBC 與MBP 相關性顯著，所以最終選擇MBP 和ACP 進入修訂最小數據集。

表3 基于因子分析土壤理化性質和生物指標的旋轉成分矩陣和公因子方差Table 3 Rotational component matrix and communality of soil physical,chemical and biological properties based on factor analysis

表4 土壤理化性質和生物指標的因子得分系數矩陣的逐步判別分析Table 4 Stepwise discriminant analysis of factor score coefficient matrix of soil physical,chemical and biological properties

表5 土壤理化性質和生物指標的Pearson 相關分析Table 5 Pearson correlation analysis of soil physical,chemical and biological properties

最后，選擇BD、SOM、TK、AP、MBP 和ACP 作為修訂最小數據集計算SQI，它們被認為是區(qū)別不同森林類型最有力的鑒別因子。其次，它們的第二次判別分析同時也呈現了較高的判別系數：BD、SOM、TK、AP、MBP 和ACP 分別為-0.681、0.669、0.781、0.638、0.628 和0.739（表4）。

2.3 修訂最小數據集的驗證

根據表4 結果分析，使用基于修訂最小數據集的判別函數的樣本點分類結果與原始情況相似，正確判斷率為91.7%。在M1-M5 土壤中，全部樣品均正確分類，正確率為100%。而對于M6 土壤，只有2 個被正確分類為M6，另外1 個被分類為M2，1 個被分類為M4，準確度只有50%。

2.4 土壤質量評價

不同森林類型間的土壤質量存在顯著差異（P=0.005），M1 到M6 的土壤質量指數（SQI）平均評分分別為0.45,0.52,0.32,0.34,0.39 和0.48（圖1）。來自闊葉林（M1 和M2）的土壤質量最高，顯著高于來自針闊混交林（M5 和M6）的土壤，而針葉林（M3 和M4）的土壤質量最差。通過第二次因子分析，保留在修訂最小數據集中的各指標權重依次為：MBP（0.228）＞ACP（0.181）＞BD（0.172）＞TK（0.158）＞SOM（0.148）＞AP（0.113）。所有土壤樣品的SQI得分，變化范圍為0.25至0.59，平均值為0.42?；赟QI的聚類分析，確定了四類不同的土壤質量：高質量（SQI≥0.57）、中等質量（0.45≤SQI＜0.57）、較低質量（0.32≤SQI＜0.45）和低質量（SQI＜0.32）（圖2）?；谛抻喿钚祿腟QI顯示出與基于18 個測量指標（總數據集）的SQI相似的趨勢（圖3），相關系數為0.722（P＜0.001），表明了基于修訂最小數據集的SQI具有數據降維思想的代表意義，符合研究目的。

圖1 不同森林類型的土壤質量指數 Fig.1 SQI for different forest types

圖2 基于土壤質量指數的聚類分析Fig.2 Cluster analysis on SQI

圖3 基于修訂最小數據集與基于15個測量指標的土壤質量指數的相關性Fig.3 Correlation of SQI on Revised-MDS and 15 measurement indexes

3 討論

3.1 不同森林類型對土壤理化性質和生物指標的影響

寧遠縣森林的土壤理化性質和生物指標呈現出櫟木純林和常見闊葉樹種混交林最優(yōu)，常見闊葉樹種＋杉木/馬尾松混交林次之，杉木純林和馬尾松純林最差的趨勢。容重、毛管持水量和總孔隙度等土壤物理指標在不同森林類型之間存在顯著差異（P＜0.05），由闊葉林向針闊混交林再至針葉林的轉變中，土壤容重變大，土壤孔隙度變小，土壤通氣性能變弱，表明針葉林的土壤較緊實、持水性能較低。對比六種典型森林類型的土壤化學性質，常見闊葉樹種＋杉木/馬尾松混交林的pH、有機質、全鉀的含量均顯著高于杉木純林與馬尾松純林，可能是針葉凋落物在分解過程中產生的有機酸在一定程度上略微增強了土壤酸性[23]，而闊葉樹林下土壤酸性較弱可能是源于闊葉樹凋落物中含有較多的灰分[24]。因此，與針葉林相比，針闊混交林能提升土壤pH 值，增加土壤中有機質的含量，更好地改變酸性土壤的肥力水平。櫟木純林與常見闊葉樹種混交林中的有機質和其他養(yǎng)分元素均顯著高于其他森林類型，其中有機質含量高的主要原因是闊葉林凋落物的輸入比其他森林類型大，在森林生態(tài)系統中，土壤有機質的積累受凋落物和細根的主要影響[25]。常見闊葉混交林中土壤微生物生物量碳、氮、磷以及酶活性顯著高于其他森林類型，并且杉木純林與馬尾松純林具有最低值，可能是與闊葉林混交林中較多的有機質投入有關。大量土壤凋落物和廣泛根系的表層土壤增加了土壤有機碳，促進了土壤團聚體的形成并提高了其穩(wěn)定性[26]，團聚體的形成與穩(wěn)定性的提高可以降低容重，增加孔隙度，顯著改善土壤的物理性質，良好的土壤物理性質可以提高土壤的微生物數量與酶活性，這與牛小云等[27]的研究結果一致。

3.2 選擇修訂最小數據集

基于修訂最小數據集，選擇BD、SOM、TK、AP、MBP 和ACP 共6 個指標建立寧遠縣森林土壤質量評價指標體系。對不同土壤進行差異分析時，土壤指標過多，反而影響了土壤的特性，模糊了土壤間的差異[28]，但若指標過少，則會降低SQI對土壤質量變化的敏感性。所以實際評價時應該考慮實際情況靈活選擇，利用有限的數據得到最接近真實的結果。本文使用修訂最小數據集，綜合考慮了土壤物理、化學和生物學性質，在因子降維的基礎上提高了評價的可信度。所選因子中，BD是重要的土壤質量和宜林性能指標，與土壤持水性、土壤孔隙度都顯著相關。SOM 是土壤質量評價中必不可少的指標，與土壤礦物質共同作為林木營養(yǎng)的來源，直接影響土壤的理化性質和生物指標，還可以增加土壤離子吸收能量、調節(jié)pH 絡合無機離子[29]。TK 和AP 是土壤中的速效養(yǎng)分，與植物生長過程密切相關。MBP 與ACP 在數據分析過程中所占公因子方差較大，能解釋較多的土壤信息，且與BD、SOM、TK、AP 顯著相關。與前人研究結果相比，本文確定的修訂最小數據集既包含了土壤質量評價中不可或缺的指標，又涵蓋了土壤理化性質和生物指標，能夠全面準確的表征土壤質量。

3.3 不同森林類型下土壤質量評價

6 種森林類型土壤質量高低依次為：常見闊葉樹種混交林（M2）＞常見闊葉樹種＋馬尾松混交林（M6）＞櫟木純林（M1）＞常見闊葉樹種＋杉木混交林（M5）＞馬尾松純林（M4）＞杉木純林（M3），M1 到M6 的土壤質量指數（SQI）分別為0.45,0.52,0.32,0.34,0.39 和0.48。其中杉木純林（M3）和馬尾松純林（M4）土壤質量指數較低，可能是由于杉木純林和和馬尾松純林多為人工用材林，受人為因素影響較大，長期的砍伐與連栽使得林地的土壤質量嚴重退化。對比杉木純林和常見闊葉樹種＋杉木（M3 和M5）、馬尾松純林和常見闊葉樹種＋馬尾松混交林（M4 和M6），發(fā)現M5 的土壤質量指數相較M3 提高了21.88%；M6 相較M4 提高了41.18%，這表明針闊混交林對土壤質量的改善顯著，這與黃宇[30]的研究結果一致。與其他森林類型相比，常見闊葉樹種混交林（M2）的土壤質量指數最高，此類植被多為次生演替群落，物種多樣性豐富，且受人為干擾少，土壤中的養(yǎng)分元素被植物根系所吸收，通過以凋落物等形式歸還至地表，然后通過微生物等分解作用釋放至土壤，從而實現其在系統內的循環(huán),維持土壤質量的可持續(xù)發(fā)展[31]。

4 結論

通過因子分析和判別分析，確定基于修訂最小數據集的土壤質量指數是一種評價不同森林類型林地土壤質量的優(yōu)秀工具，通過這種工具，發(fā)現寧遠縣不同森林類型的林地土壤質量指數存在顯著性差異，呈常見闊葉樹種混交林＞常見闊葉樹種＋馬尾松混交林＞櫟木純林＞常見闊葉樹種＋杉木混交林＞馬尾松純林＞杉木純林的趨勢。針葉林地的土壤質量指數普遍較低，尤其是常年集約利用的杉木林。與馬尾松純林和杉木純林相比，常見闊葉樹種＋杉木/馬尾松混交林的土壤質量指數顯著提升。因此，在杉木林中間種當地常見闊葉樹種是維持經濟效益下保持土壤質量的解決方案。