删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

北京市耕地表层土壤有机碳分布及其影响因素

本站小编 Free考研考试/2021-12-29
孔祥斌1, 胡莹洁2, 李月1, 段增强11. 中国农业大学土地科学与技术学院,北京 100193
2. 江西师范大学城市建设学院,南昌 330022

Distribution and influencing factors of soil organic carbon of cultivated land topsoil in Beijing

KONG Xiangbin1, HU Yingjie2, LI Yue1, DUAN Zengqiang11. College of Land Sciences and Technology, China Agricultural University, Beijing 100193, China
2. College of City Construction, Jiangxi Normal University, Nanchang 330022, China

收稿日期:2018-09-27修回日期:2019-09-24网络出版日期:2019-12-25
基金资助:北京市自然科学基金重点项目.8151001
国家自然科学基金项目.41771561


Received:2018-09-27Revised:2019-09-24Online:2019-12-25
作者简介 About authors
孔祥斌,男,河北承德人,教授,研究方向为耕地利用与保护,耕地质量评价E-mail:kxb@cau.edu.cn。






摘要
土壤有机碳既是影响全球气候变化的生态因子,也是影响耕地质量的肥力因子,研究耕地土壤有机碳分布特征及其影响因素对增加耕地碳储量和提升耕地生产能力具有重要指导意义。本文以北京市为研究区,以第二次土壤普查的土壤类型及质地数据、2010年测土配方施肥项目土壤养分调查成果、数字高程模型（DEM）及耕地种植类型分布图为基础数据,分析区域耕地土壤有机碳密度及储量空间分布特征。结果表明：①2010年北京市耕地表层土壤平均有机碳密度为22.51 t/hm 2,碳储量为990.34×10 4 t;②北京市西北部山区以及城市近郊区耕地碳密度较大,各区县中耕地表层土壤平均有机碳密度最大的是门头沟区,达39.93 t/hm 2;③地形、土壤类型、土壤质地及种植类型对耕地土壤有机碳密度均有影响,具随着海拔升高耕地土壤有机碳密度整体呈增加趋势;土壤类型为棕壤、褐土的耕地有机碳密度显著高于其他类型,整体表现出土壤质地越黏重土壤有机碳密度越大的趋势;利用方式为非粮作物的耕地土壤有机碳密度略高于粮食作物;④综合分析表明,在中山、低山区域春玉米土壤碳密度最高,而在丘陵、平原区则是露天菜、设施农业碳密度最高。当前北京市耕地利用调整应综合考虑当地地貌地形、土壤条件以及人为利用因素对耕地表层土壤有机碳的影响,因地制宜提高或保持耕地固碳能力。
关键词： 耕地;表层土壤;有机碳密度;有机碳储量;耕地利用;北京市

Abstract
Soil organic carbon (SOC) is an ecological factor as well a typical fertility factor. The study of distribution characteristics and influencing factors of SOC are of great significance for enhancing the cultivated land production capacity and soil carbon storage. Based on agricultural soil sampling data, land use map, digital elevation model (DEM), and cultivated land type distribution map in 2010 and using the zonal statistic function of ArcGIS 10.0 software, we analyzed the spatial distribution feature of SOC density and the influence of natural and human factors in Beijing. The results are as follows: (1) In 2010, the average SOC density of the cultivated land in Beijing was 22.51 t/hm 2 and the carbon storage was 990.34×10 4 t; (2) The SOC densities of cultivated land topsoil in the northwestern mountainous areas and suburban areas were higher than the other areas in Beijing. The average SOC density in the surface soil in Mentougou District was the highest among all the 16 districts, reaching 39.93 t/hm 2 ; (3) Topography, soil type, soil texture, and planting type had significant effects on SOC density, The organic carbon density of cultivated topsoil generally increased with altitude; The SOC density of brown soil and cinnamon soil is higher than the other soil types, and the SOC density of cultivated topsoil generally increased with the clay content; The cultivated SOC density of cash crops is slightly higher than that of grain crops; (4) The comprehensive analysis showed that the SOC density of spring maize was the highest in middle and low mountain areas, while the open-air vegetable and facility agriculture fields had the highest SOC densities in hills and plain areas. The adjustment of cultivated land use in Beijing should consider the influence of topography, soil condition, and human factors on the SOC content of cultivated land, and the carbon sequestration capacity of cultivated land should be improved or maintained according to local conditions.
Keywords：cultivated land;topsoil;organic carbon density;organic carbon storage;cultivated land use;Beijing Municipality


PDF (6065KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
孔祥斌, 胡莹洁, 李月, 段增强. 北京市耕地表层土壤有机碳分布及其影响因素. 资源科学[J], 2019, 41(12): 2307-2315 doi:10.18402/resci.2019.12.14
KONG Xiangbin. Distribution and influencing factors of soil organic carbon of cultivated land topsoil in Beijing. RESOURCES SCIENCE[J], 2019, 41(12): 2307-2315 doi:10.18402/resci.2019.12.14


1 引言

土壤碳库是地球陆地生态系统中最大的碳库,其碳储量约为大气碳库的3倍、陆地植被碳库的2.5倍[1,2]。土壤碳库及其动态变化被视为影响大气CO2浓度的重要生态过程,对全球气候变化具有重要影响[3]。通过增加土壤碳库以固定大气中的碳,对缓解温室效应尤为重要,已成为当前气候变化领域的研究热点和焦点[4,5,6]。对于耕地而言,土壤有机碳（Soil Organic Carbon,SOC）不仅是重要的生态因子,同时还是影响耕地质量和农业可持续性的重要因素[7,8]。耕地土壤有机碳密度及储量受自然和人为因素的综合影响。自然因素方面,Davidson等[9]从气温敏感性的角度综述了气候变化对土壤有机碳含量的影响;李龙等[10]研究了地形因子对梯田土壤有机碳含量的影响;王淑芳等[11]研究了气候、地形和土壤属性对土壤有机碳密度及储量的影响。人为因素方面,多数研究侧重于耕地利用方式和利用强度[12,13],农业生产管理措施[14,15]和区域农地保护政策[16,17]等因素对耕地土壤有机碳的影响。总体来说,目前关于耕地有机碳影响因素的研究大多集中在自然或人为的某单一因素上,综合分析自然因素和人为因素的研究还不多。从数据来源上看,不少研究使用的数据源于1979—1985年开展的第二次全国土壤普查[18,19,20]或1999年开始实施的全国多目标区域地球化学调查[21,22],也有部分研究使用的是小区实验土壤样点数据[23,24]。前者研究空间尺度较大,但数据年份相对陈旧;后者研究尺度小,且只能研究碳密度,缺乏区域土壤碳储量特征。此外,也有少部分****利用各地从2006年开始的测土配方施肥土壤养分调查成果,研究区域耕地土壤有机碳密度及储量分布特征及影响因素,如江叶枫等[25]利用测土配方施肥项目成果,在研究江西省耕地土壤有机碳空间特征的基础上,识别主控影响因素。类似的研究还有吉林省[26]、粤北山区[27]、下辽河平原区[28]等地。使用近期区域尺度数据对大都市区耕地有机碳分布特征及其影响因素开展研究的相对较少。

在快速城市化和工业化的背景下,北京市耕地土壤有机碳既受到诸如土壤条件等自然因素的影响,又受到多种多样人为利用方式的强烈影响[29]。揭示地貌、土壤类型和质地以及利用方式对北京市耕地表层土壤有机碳密度和储量的影响规律,在为增加耕地土壤碳库储量、减缓CO2排放、提高耕地质量提供科学依据方面具有重要的研究意义。

2 研究区概况

北京市地处华北平原北部（115°25′E—117°30′E,39°28′N—41°05′N）,地势西北高耸,东南低缓,西部、北部和东北部环太行山脉和燕山山脉,东南是向渤海倾斜的平原[30],全市平均海拔为43.5 m,山地海拔为1000~1500 m,平原地区海拔高度20~60 m。北京气候为暖温带半干旱半湿润大陆性季风气候,年均气温为11~13.5℃,≥10℃积温为4100~4500℃,无霜期为190~200 d,年降雨量550~570 mm;土壤类型以潮土、褐土、棕壤等为主。山前平原区土地平坦,土层较深,热量条件满足一年两熟制,典型种植制度为冬小麦-夏玉米,主要耕地利用方式还包括春玉米、陆地蔬菜及设施农业（如温室大棚等）。北京市行政区划及地形如图1所示,下辖东城区、西城区、朝阳区、海淀区、丰台区、石景山区等16个区县。

图1

新窗口打开|下载原图ZIP|生成PPT
图1北京市行政区划及数字高程图

Figure 1Administrative division and digital elevation model (DEM) of Beijing Municipality



3 数据来源与研究方法

3.1 数据来源及处理

本文所用的数据包括4类：土壤数据、数字高程模型（Digital Elevation Model,DEM）、土地利用数据及耕地种植类型数据。其中,土壤数据包括土壤有机碳数据、土壤类型和土壤质地数据。土壤有机碳数据来源于北京市土肥站测土配方施肥项目土壤养分调查成果,土壤采样时间为2006—2008年,样点共计24009个,按照农化采样要求,取样时用GPS进行空间定位,在样点四周100 m范围选择3~5个点,取0~20 cm表层土壤,然后按照四分法混合采集样品,将其中的石块、植物根系残体等杂物剔除,并进行风干,土壤有机碳含量采用“重铬酸钾氧化-外加热法”进行测定,土壤容重通过环刀法测定。土壤类型和土壤质地数据源于北京市第二次土壤调查数据,并参考全国第二次土壤普查数据进行验证。土地利用与覆被数据源于中国科学院资源环境科学数据中心（http://www.resdc.cn）,分辨率为100 m,由Landsat-TM和MODIS卫星遥感影像解译而来;DEM数据源于中国科学院计算机网络信息中心国际科学数据镜像网站（http://www.gscloud.cn）,分辨率为90 m。耕地种植类型数据源于遥感影像解译结合实地调研。采用2010年Landsat影像,利用ENVI和ArcGIS软件,运用人机交互式解译方法得到北京市耕地种植类型分布。根据北京市耕地利用特点以及本文需要,将耕地种植类型分为5种类型：冬小麦、露天蔬菜、设施农业、春玉米和冬小麦-夏玉米。为排除高程及地形的影响,本文仅针对平原区研究种植类型对耕地土壤有机碳的影响,考虑到果园大多分布在山区,少数位于平原区的果园在遥感影像纹理特征上与平原造林不易区分,因此本文耕地种植类型划分中未考虑果园。利用实地调查样点及Google Earth高分辨率遥感影像对解译结果进行精度检验,实地调查的70个样点中有57个解译结果与实际类型相符,Google Earth软件同时期高分辨率遥感影像上补充的30个样点中有25个相符,整体上解译结果准确率超过80%,可信度较高。

3.2 耕地表层土壤有机碳储量估算方法

本文研究对象为耕地表层的土壤有机碳,土壤厚度为20 cm[31],有机碳含量由有机质含量除以1.724得到,表层土壤碳密度（Doc）由以下公式[32]求得：

Doc=Soc×γ×H×10-1

式中：Doc为土壤碳密度（t/hm2）;Soc为土壤有机碳含量（g/kg）;γ为土壤容重（g/cm3）;H为耕地表层厚度,为20 cm。

土壤表层总有机碳储量（Poc）计算公式[33]如下：

Poc=∑i=1nSi×Doci

式中：Poc是土壤碳储量（t）;Si为第i个土壤图斑的面积（hm2）;Doci为第i个土壤图斑的碳密度（t/hm2）;n为图斑总数,i=1, 2, 3, …, n。

3.3 耕地表层土壤有机碳分布特征分析

本文主要借助ArcGIS软件对耕地表层土壤有机碳密度的空间分布特征进行分析,将2010年北京市土地利用现状图与土壤有机碳密度图进行叠加提取得到2010年耕地表层土壤有机碳密度栅格数据,然后将耕地表层土壤碳密度空间分布图与地貌类型、土壤类型、土壤质地和种植类型数据进行叠加区域统计,得到北京市不同地貌类型、土壤类型、土壤质地和种植类型的耕地面积及对应土壤有机碳密度和碳储量的差异特征。在对上述结果进行描述性统计分析的同时,利用SPSS软件对不同地貌类型、土壤类型、土壤质地和种植类型耕地表层土壤有机碳密度进行方差分析,辅助说明不同自然和人为因素对北京市耕地土壤有机碳密度的影响。

4 研究结果

4.1 耕地表层土壤有机碳密度空间分布

2010年北京市耕地表层土壤有机碳平均碳密度为22.51 t/hm2,标准差为5.58 t/hm2,耕地表层土壤有机碳储量为990.34×104 t。北京市耕地土壤碳密度分布图显示（图2）,全市耕地表层土壤有机碳密度多集中在18.00~30.00 t/hm2,占耕地总面积的61.97%,耕地表层碳密度处于0.00~18.00 t/hm2范围的耕地面积占耕地总面积约1/4,超过85%的耕地表层有机碳密度低于30.00 t/hm2,有机碳密度超过43.00 t/hm2的耕地面积占比小于2%。

图2

新窗口打开|下载原图ZIP|生成PPT
图2北京市耕地土壤碳密度分布

Figure 2Cultivated land soil carbon density distribution of Beijing



北京市各区县耕地土壤碳密度和碳储量分布表（表1）显示,各区县中门头沟区耕地表层土壤有机碳密度最大,达39.93 t/hm2,其次是石景山区,为32.93 t/hm2,顺义区耕地表层土壤有机碳密度最小,仅为17.70 t/hm2（表1）。各区县中变异系数最大的是延庆区,达43.96%,表明延庆区耕地土壤碳密度分布最为分散,其次是房山区,为39.84%;丰台区的变异系数最小,为15.71%。2010年土地利用现状图表明,北京市耕地面积为44.01×104 hm2,多集中分布在山前平原,少量分布于山区。各区县中大兴区耕地面积最大,为6.63×104 hm2,占全市耕地总面积15.08%,石景山区耕地面积最小,仅为19 hm2。各区县中通州区耕地表层土壤有机碳储量最大,为136.68×104 t,占全市的13.80%,其次是大兴区,为135.50×104 t,占比为13.68%,石景山区的碳储量最小,仅占0.01%,主要由于该区耕地面积最小。

Table 1
表1
表1北京各区县耕地土壤碳密度和碳储量
Table 1Carbon density and carbon storage of cultivated land in the districts of Beijing
各区耕地面积土壤有机碳密度/(t/hm2)有机碳储量/104 t
均值标准差变异系数/%
丰台区631425.734.0415.7116.25
大兴区6633820.434.7723.33135.50
密云区4431621.276.6831.4194.26
平谷区3017022.282.7712.4367.22
延庆区4564922.629.9443.96103.25
怀柔区2794426.967.6428.3275.33
房山区4610023.309.2839.84107.43
昌平区2941122.994.8521.1167.63
朝阳区894727.704.7116.9924.78
海淀区919027.585.5820.2225.34
石景山区1932.933.3610.190.06
通州区5770423.694.8520.46136.68
门头沟区736239.936.4416.1229.39
顺义区6058917.703.1817.94107.23
合计44005322.515.5822.72990.34

新窗口打开|下载CSV

耕地土壤碳密度空间分布图显示（图3）,西北部地区土壤碳密度较大,山地区域耕地土壤碳密度整体高于平原地区,这可能与山区土壤受机械翻耕影响较小有关。平原区城市近郊耕地表层土壤碳密度相对较高,可能与近郊区多种植蔬菜施肥量巨大[34]有关。

图3

新窗口打开|下载原图ZIP|生成PPT
图3北京市耕地土壤碳密度空间分布

Figure 3Spatial distribution of carbon density of cultivated land in Beijing



4.2 耕地表层土壤有机碳影响因素

耕地表层土壤有机碳的差异主要取决于土壤中有机质的矿化分解、腐殖化等土壤中碳的输入和输出之间的平衡,影响土壤有机碳含量的因素主要包括气候、植被、母质、地形及人类的土地利用及田间管理[35]。本文从自然因素和土地利用方式角度出发,选取地貌类型、土壤类型、土壤质地及耕地利用方式4项因素对土壤有机碳密度分布的影响因素进行分析研究。

4.2.1 不同地貌类型的耕地土壤碳密度差异

地貌类型的划分沿袭研究区已有地貌类型区划[36],并结合耕地的区位分布确定地貌划分标准。首先以100 m高程作为平原与山区的高程分界线,然后综合考虑地貌形态及耕地分布将北京市耕地划分为以下几种地貌类型：①平原：高程≤100 m;②丘陵：高程101~300 m;③低山：301~800 m;④中山：高程801~1600 m;⑤高山：高程>1600 m。

北京市不同地貌类型耕地土壤碳密度存在一定差异（表2）,具体大小关系为：平原<丘陵<低山<中山。因高山无耕地分布,故不作分析。整体上耕地土壤碳密度随着高程增加呈现逐渐增加的趋势。在各地貌类型中,中山耕地表层土壤碳密度最大,达41.72 t/hm2,平原耕地表层有机碳密度最小,为21.09 t/hm2。和平原区相比,山区耕地在被开垦前大多为林地植被,生物有机碳输入及积累水平较高,具有较高的土壤有机碳含量。同时山地区域机械化水平低,土壤受到机械翻耕扰动较小,进而为土壤有机碳积累提供了条件,与传统耕作相比更有利于土壤有机碳的固持[37,38]。此外,随着海拔的升高,气温及土壤温度逐渐降低,降水量增加,导致微生物对土壤有机质的分解减弱,促进了土壤有机碳的积累[39]。与此对应的是,随着海拔高度的降低,温度升高,促进了微生物对土壤有机质的分解;加之平原区耕地土壤受翻耕扰动较大,土壤通透性及呼吸作用增强,有机碳的分解速率加快,使有机碳含量降低,故而平原区耕地土壤有机碳含量低于山区。从变异系数看,平原区耕地土壤碳密度的变异系数最小,碳密度分布最为集中,原因可能是平原区耕地土壤在耕作的同时会定期不断施肥,土壤间有机碳含量的差异变小,较为稳定;相较于平原区,山区耕地土壤有机碳含量受有机碳历史积累水平的影响更大,开垦前不同的植被（如森林、草甸）覆盖下土壤有机碳含量不同,变异性更强[39];此外,不同坡面朝向（阴坡、阳坡）及其造成的水热条件差异,也是山区耕地土壤变异性较大的重要原因。

Table 2
表2
表2北京市各地貌类型耕地土壤碳密度和碳储量
Table 2Carbon density and carbon storage of cultivated land of different geomorphic types in Beijing
地貌类型栅格面积/hm2土壤有机碳密度/(t/hm2)有机碳储量/104 t
均值标准差变异系数/%
平原31900521.09c4.9423.42672.74
丘陵4283024.39b7.2529.73104.48
低山7259626.26b10.3939.57190.65
中山517541.72a13.7833.0321.59
注：均值数字后的不同字母表示耕地土壤有机碳密度差异显著（P<0.05）,字母相同表示差异不显著,字母不同表示差异显著。

新窗口打开|下载CSV

4.2.2 不同土壤类型的耕地土壤碳密度差异

北京市主要土壤类型包括：潮土、风砂土、褐土、水稻土、棕壤等（图4）。平原区多为潮土,山地区域则以褐土为主。为排除地形、高程等其他自然因素的影响,分析土壤类型对耕地表层土壤有机碳密度的影响时仅考虑山前平原区（高程<200 m）。将土壤类型图与土壤有机碳密度空间分布图进行空间叠加和区域统计,得到不同土壤类型耕地表层土壤有机碳密度（表3）,大小关系为：风砂土<沼泽土<褐土<潮土<水稻土<棕壤。棕壤的平均有机碳密度最大,达29.20 t/hm2,棕壤大多分布于山区,开垦为耕地之前大多为森林或草甸植被覆盖,生物积累作用较强,同时高海拔的水热条件有助于积累大量的有机质或腐殖质,使得其土壤有机碳含量较高;风砂土的碳密度最小,为18.51 t/hm2,风沙土土壤颗粒相对较粗,有机质积累能力相对较差,因此其土壤有机碳含量较低;沼泽土、褐土、潮土和水稻土的平均有机碳密度介于19.45~22.22 t/hm2之间,差距相对较小。从变异系数的角度上看,棕壤的变异系数最大,达27.91%,表明该土壤类型有机碳密度分布更为分散,沼泽土的变异系数最小,为15.27%。潮土、风砂土、褐土、水稻土的变异系数相近,介于23.46%~26.74%之间。各土壤类型的碳储量大小关系为：棕壤<风砂土<沼泽土<水稻土<褐土<潮土。潮土有机碳储量最大,达476.17×104 t,棕壤有机碳储量最小,仅为1103 t。平原区耕地中潮土面积最大,因此虽然潮土平均碳密度不是最大,但储量最高。类似地,虽然棕壤的平均碳密度最大,但因其在平原区耕地中面积最小,故而棕壤碳储量在各土壤类型中位居最小。

图4

新窗口打开|下载原图ZIP|生成PPT
图4北京市土壤类型图

Figure 4Soil map of Beijing



Table 3
表3
表3不同土壤类型耕地土壤碳密度与碳储量
Table 3Carbon density and carbon storage of cultivated land of different soil types
土壤类型图斑面积/hm2土壤有机碳密度 /(t/hm2)有机碳储量/104t
均值标准差变异系数/%
潮土22480821.23bc4.9823.46476.17
风砂土66318.51d4.9526.741.24
褐土8653920.95c5.0824.25180.46
水稻土524922.22b5.3624.1211.29
棕壤4429.20a8.1527.910.11
沼泽土107719.45c2.9715.272.03

新窗口打开|下载CSV

4.2.3 不同土壤质地的耕地土壤碳密度差异

与土壤类型的分析类似,排除高程及地形的影响,对北京市山前平原区（高程<200 m）不同土壤质地的土壤碳密度进行分析,主要包括以下6种土壤质地：轻壤质、砂壤质、砂质、粘壤质、中壤质、重壤质。表4统计汇总了不同土壤质地土壤有机碳密度与储量,结果显示：土壤有机碳密度由小到大的土壤质地依次为砂质<砂壤质<轻壤质<中壤质<重壤质<粘壤质,整体表现出质地越黏重土壤有机碳密度越大的趋势。砂质土壤平均有机碳密度最低,仅为18.01 t/hm2,粘壤质最高,达26.64 t/hm2,;从变异系数的角度上看,砂质土壤最大,达24.71%,粘壤质较小,为17.79%,其他4种质地变异系数相近;对于各土壤质地的碳储量,轻壤质碳储量最大,达321.23×104 t,主要由于该种质地面积最大,因此虽然轻壤质土壤有机碳密度并非最高,但储量最大;类似地,虽然粘壤质土壤碳密度最大,但由于其面积最小,故而其碳储量最小。整体上土壤有机碳密度较大的几类土壤质地（粘壤质、重壤质、中壤质等）面积不占优势,相应碳储量也不高。

Table 4
表4
表4不同土壤质地耕地土壤有机碳密度与储量
Table 4Carbon density and carbon storage of cultivated land with different soil texture
土壤质地图斑面积/hm2土壤有机碳密度 /(t/hm2)有机碳储量/104t
均值标准差变异系数/%
轻壤质14929721.47c4.8422.54321.23
砂壤质8377820.66c4.7923.18171.65
砂质3311018.01d4.4524.7158.18
粘壤质314226.64a4.7417.798.31
中壤质4151122.68b5.1022.4994.65
重壤质514523.99b5.8524.3912.28

新窗口打开|下载CSV

4.2.4 不同耕地利用方式的土壤有机碳密度差异

北京市耕地利用方式主要包括冬小麦、冬小麦-夏玉米、春玉米、露天菜、设施农业5种,其表层土壤有机碳密度的大小关系为：冬小麦-夏玉米<冬小麦<露天菜<设施农业<春玉米（表5）,5种耕地利用方式中,土壤平均有机碳密度最大的是春玉米,为21.00 t/hm2,最小的是冬小麦-夏玉米,为19.67 t/hm2,可见不同利用方式之间土壤有机碳密度差距不大。通常来说,蔬菜的肥料投入要显著高于粮食作物,有助于土壤有机碳含量提升。但是本文结果中,蔬菜和粮食作物土壤有机碳密度差距不太显著,这可能是由于蔬菜在肥料高投入的同时,产量也显著高于粮食作物,这种高投入高产出的特征可能使得蔬菜土壤碳积累水平未必显著高于粮食作物。从变异系数的角度上看,5种耕地利用方式中,土壤有机碳密度变异系数最大的是春玉米,达33.00%,其次为设施农业,为24.66%,最小为冬小麦,为21.11%。从碳储量的角度上看,春玉米的播种面积最大,为49642 hm2,且其土壤有机碳密度较大,故5种耕地利用方式中,春玉米碳储量最大,达104.27×104 t,其次为设施农业、冬小麦-夏玉米、露天菜、冬小麦。

Table 5
表5
表5不同耕地利用方式土壤有机碳密度与碳储量
Table 5Carbon density and carbon storage of cultivated land under different planting system
耕地利用方式面积/hm2土壤有机碳密度 /(t/hm2)有机碳储量/104t
均值标准差变异系数/%
冬小麦84420.134.2521.111.70
露天菜766020.314.7923.5815.56
设施农业1816120.485.0524.6637.19
春玉米4964221.006.9333.00104.27
冬小麦-夏玉米1794119.674.5022.8835.29

新窗口打开|下载CSV

5 结论

本文分析了北京市耕地表层土壤有机碳密度空间分布差异特征,在此基础上揭示了地貌类型、土壤类型、土壤质地和耕地利用方式对北京市耕地表层土壤有机碳密度的影响规律,对北京市调整耕地利用、提高耕地固碳能力具有一定的理论和现实意义。

（1）2010年北京市耕地表层土壤有机碳平均密度为22.51 t/hm2,碳储量为990.34×104 t。北京市耕地表层土壤有机碳密度多集中在18.00~30.00 t/hm2,约占耕地总面积的62%;空间上,北京市西北部山区及平原城市近郊区耕地表层土壤有机碳密度较大。各区县中,门头沟区耕地表层土壤有机碳密度最大,达39.93 t/hm2,顺义区耕地表层土壤有机碳密度最小,为17.70 t/hm2。

（2）北京市耕地表层土壤有机碳含量呈现随高程增加而逐渐增加的趋势,不同地貌类型耕地表层土壤碳密度分布特征为：平原<丘陵<低山<中山。同时,土壤条件也是影响耕地表层土壤有机碳含量的重要因素,北京市耕地表层土壤有机碳含量按照土壤类型的分布特征为：风砂土<潮土<水稻土<褐土<棕壤,按照土壤表层质地分布的特征为：砂质<砂壤质<轻壤质<中壤质<重壤质<粘壤质。

（3）此外,耕地利用方式对北京市耕地土壤有机碳含量也有明显影响,不同种植类型耕地土壤有机碳含量分布特征为：冬小麦-夏玉米<冬小麦<露天菜<设施农业<春玉米。在中山、低山区域春玉米土壤碳密度最高,而在丘陵、平原区则是露天菜、设施农业碳密度最高。

耕地表层土壤有机碳密度同时受到自然因素和人为利用的影响,要提高耕地表层土壤碳含量,需综合考虑地貌、土壤类型、质地和利用方式,既可以通过优化种植结构提升耕地表层碳密度,也可以通过增施有机肥、改土等土地整治手段,改善表层土壤质地,提高耕地有机碳密度。

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

Scharlemann J P W, Tanner E, Hiederer R , et al. Global soil carbon: Understanding and managing the largest terrestrial carbon pool
[J]. Carbon Management, 2014,5(1):81-91.
DOI:10.4155/CMT.13.77URL [本文引用: 1]
Carbon stored in soils worldwide exceeds the amount of carbon stored in phytomass and the atmosphere. Despite the large quantity of carbon stored as soil organic carbon (SOC), consensus is lacking on the size of global SOC stocks, their spatial distribution, and the carbon emissions from soils due to changes in land use and land cover. This article summarizes published estimates of global SOC stocks through time and provides an overview of the likely impacts of management options on SOC stocks. We then discuss the implications of existing knowledge of SOC stocks, their geographical distribution and the emissions due to management regimes on policy decisions, and the need for better soil carbon science to mitigate losses and enhance soil carbon stocks.

Stockmann U, Adams M A, Crawford J W , et al. The knowns, known unknowns and unknowns of sequestration of soil organic carbon
[J]. Agriculture Ecosystems & Environment, 2013,164:80-99.
DOI:10.1007/s11427-019-1580-5URLPMID:31883065 [本文引用: 1]
Overgrazing is a primary contributor to severe reduction in forage quality and production in Inner Mongolia, leading to extensive ecosystem degradation, sheep health impairment and growth performance reduction. Further studies to identify serum biomarkers that reflect changes in sheep health and nutritional status following overgrazing would be beneficial. We hereby hypothesize that reduced sheep growth performance under overgrazing conditions would be associated with metabolic and immune response alterations. This study used an untargeted metabolomics analysis by conducting ultra-high-performance liquid chromatography combined with quadrupole time-of-flight mass spectrometry (UHPLC-Q-TOF/MS) of sheep serum under overgrazing and light grazing conditions to identify metabolic disruptions in response to overgrazing.

Horwath W R, Kuzyakov Y . Chapter three-the potential for soils to mitigate climate change through carbon sequestration
[J]. Developments in Soil Science, 2018,35:61-92.
[本文引用: 1]

Pries C E H, Castanha C, Porras R C , et al. The whole-soil carbon flux in response to warming
[J]. Science, 2017,355(6332):1420-1422.
DOI:10.1126/science.aal1319URLPMID:28280251 [本文引用: 1]
Soil organic carbon harbors three times as much carbon as Earth's atmosphere, and its decomposition is a potentially large climate change feedback and major source of uncertainty in climate projections. The response of whole-soil profiles to warming has not been tested in situ. In a deep warming experiment in mineral soil, we found that CO2 production from all soil depths increased with 4°C warming; annual soil respiration increased by 34 to 37%. All depths responded to warming with similar temperature sensitivities, driven by decomposition of decadal-aged carbon. Whole-soil warming reveals a larger soil respiration response than many in situ experiments (most of which only warm the surface soil) and models.

Minasny B, Malone B P, Mcbratney A B , et al. Soil carbon 4 per mille
[J]. Geoderma, 2017,292:59-86.
DOI:10.1111/gcb.14844URLPMID:31532049 [本文引用: 1]
To limit warming to well below 2°C, most scenario projections rely on greenhouse gas removal technologies (GGRTs); one such GGRT uses soil carbon sequestration (SCS) in agricultural land. In addition to their role in mitigating climate change, SCS practices play a role in delivering agroecosystem resilience, climate change adaptability and food security. Environmental heterogeneity and differences in agricultural practices challenge the practical implementation of SCS, and our analysis addresses the associated knowledge gap. Previous assessments have focused on global potentials, but there is a need among policymakers to operationalise SCS. Here, we assess a range of practices already proposed to deliver SCS, and distil these into a subset of specific measures. We provide a multidisciplinary summary of the barriers and potential incentives towards practical implementation of these measures. First, we identify specific practices with potential for both a positive impact on SCS at farm level and an uptake rate compatible with global impact. These focus on: (a) optimising crop primary productivity (e.g. nutrient optimisation, pH management, irrigation); (b) reducing soil disturbance and managing soil physical properties (e.g. improved rotations, minimum till); (c) minimising deliberate removal of C or lateral transport via erosion processes (e.g. support measures, bare fallow reduction); (d) addition of C produced outside the system (e.g. organic manure amendments, biochar addition); (e) provision of additional C inputs within the cropping system (e.g. agroforestry, cover cropping). We then consider economic and non-cost barriers and incentives for land managers implementing these measures, along with the potential externalised impacts of implementation. This offers a framework and reference point for holistic assessment of the impacts of SCS. Finally, we summarise and discuss the ability of extant scientific approaches to quantify the technical potential and externalities of SCS measures, and the barriers and incentives to their implementation in global agricultural systems.

Corbeels M, Cardinael R, Naudin K , et al. The 4 per 1000 goal and soil carbon storage under agroforestry and conservation agriculture systems in sub-Saharan Africa
[J]. Soil & Tillage Research, 2019,188:16-26.
DOI:10.1016/j.chemosphere.2019.125614URLPMID:31883478 [本文引用: 1]
Cadmium (Cd) is found widely in soil and is severely toxic for plants, causing oxidative damage in plant cells because of its heavy metal characteristics. The DNA damage response (DDR) is triggered in plants to cope with the Cd stress. The DNA mismatch repair (MMR) system known for its mismatch repair function determines DDR, as mispairs are easily generated by a translesional synthesis under Cd-induced genomic instability. Cd-induced mismatches are recognized by three heterodimeric complexes including MutSα (MSH2/MSH6), MutSβ (MSH2/MSH3), and MutSγ (MSH2/MSH7). MutLα (MLH1/PMS1), PCNA/RFC, EXO1, DNA polymerase δ and DNA ligase participate in mismatch repair in turn. Meanwhile, ATR is preferentially activated by MSH2 to trigger DDR including the regulation of the cell cycle, endoreduplication, cell death, and recruitment of other DNA repair, which enhances plant tolerance to Cd. However, plants with deficient MutS will bypass MMR-mediated DDR and release the multiple-effect MLH1 from requisition of the MMR system, which leads to weak tolerance to Cd in plants. In this review, we systematically illustrate how the plant DNA MMR system works in a Cd-induced DDR, and how MMR genes regulate plant tolerance to Cd. Additionally, we also reviewed multiple epigenetic regulation systems acting on MMR genes under stress.

Johannes A, Matter A, Schulin R , et al. Optimal organic carbon values for soil structure quality of arable soils. Does clay content matter?
[J]. Geoderma, 2017,302:14-21.
DOI:10.1016/j.geoderma.2017.04.021URL [本文引用: 1]

Adhikari K, Owens P R, Libohova Z , et al. Assessing soil organic carbon stock of Wisconsin, USA and its fate under future land use and climate change
[J]. Science of the Total Environment, 2019,667:833-845.
DOI:10.1016/j.scitotenv.2019.02.420URLPMID:30852437 [本文引用: 1]
Carbon stored in soils contributes to a variety of soil functions, including biomass production, water storage and filtering, biodiversity maintenance, and many other ecosystem services. Understanding soil organic carbon (SOC) spatial distribution and projection of its future condition is essential for future CO2 emission estimates and management options for storing carbon. However, modeling SOC spatiotemporal dynamics is challenging due to the inherent spatial heterogeneity and data limitation. The present study developed a spatially explicit prediction model in which the spatial relationship between SOC observation and seventeen environmental variables was established using the Cubist regression tree algorithm. The model was used to compile a baseline SOC stock map for the top 30?cm soil depth in the State of Wisconsin (WI) at a 90?m?×?90?m grid resolution. Temporal SOC trend was assessed by comparing baseline and future SOC stock maps based on the space-for-time substitution model. SOC prediction for future considers land use, precipitation and temperature for the year 2050 at medium (A1B) CO2 emissions scenario of the Intergovernmental Panel on Climate Change. Field soil observations were related to factors that are known to influence SOC distribution using the digital soil mapping framework. The model was validated on 25% test profiles (R2: 0.38; RMSE: 0.64; ME: -0.03) that were not used during model training that used the remaining 75% of the data (R2: 0.76; RMSE: 0.40; ME: -0.006). In addition, maps of the model error, and areal extent of Cubist prediction rules were reported. The model identified soil parent material and land use as key drivers of SOC distribution including temperature and precipitation. Among the terrain attributes, elevation, mass-balance index, mid-slope position, slope-length factor and wind effect were important. Results showed that Wisconsin soils had an average baseline SOC stock of 90?Mg?ha-1 and the distribution was highly variable (CV: 64%). It was estimated that WI soils would have an additional 20?Mg?ha-1 SOC by the year 2050 under changing land use and climate. Histosols and Spodosols were expected to lose 19?Mg?ha-1 and 4?Mg?ha-1, respectively, while Mollisols were expected to accumulate the largest SOC stock (62?Mg?ha-1). All land-use types would be accumulating SOC by 2050 except for wetlands (-34?Mg C ha-1). This study found that Wisconsin soils will continue to sequester more carbon in the coming decades and most of the Driftless Area will be sequestering the greatest SOC (+63?Mg C ha-1). Most of the SOC would be lost from the Northern Lakes and Forests ecological zone (-12?Mg C ha-1). The study highlighted areas of potential C sequestration and areas under threat of C loss. The maps generated in this study would be highly useful in farm management and environmental policy decisions at different spatial levels in Wisconsin.

Davidson E A, Janssens I A . Temperature sensitivity of soil carbon decomposition and feedbacks to climate change
[J]. Nature, 2006,440(7081):165-173.
DOI:10.1038/nature04514URLPMID:16525463 [本文引用: 1]
Significantly more carbon is stored in the world's soils--including peatlands, wetlands and permafrost--than is present in the atmosphere. Disagreement exists, however, regarding the effects of climate change on global soil carbon stocks. If carbon stored belowground is transferred to the atmosphere by a warming-induced acceleration of its decomposition, a positive feedback to climate change would occur. Conversely, if increases of plant-derived carbon inputs to soils exceed increases in decomposition, the feedback would be negative. Despite much research, a consensus has not yet emerged on the temperature sensitivity of soil carbon decomposition. Unravelling the feedback effect is particularly difficult, because the diverse soil organic compounds exhibit a wide range of kinetic properties, which determine the intrinsic temperature sensitivity of their decomposition. Moreover, several environmental constraints obscure the intrinsic temperature sensitivity of substrate decomposition, causing lower observed 'apparent' temperature sensitivity, and these constraints may, themselves, be sensitive to climate.

李龙, 姚云峰, 秦富仓 . 内蒙古赤峰梯田土壤有机碳含量分布特征及其影响因素
[J]. 生态学杂志, 2014,33(11):2930-2935.
URL [本文引用: 1]
选择内蒙古赤峰市敖汉旗内水平梯田为研究对象，对不同水平梯田进行采样，分析了梯田土壤有机碳含量的垂直分布特征，以及地形因子和人类活动对其影响。结果表明: 研究区梯田1 m深土壤剖面有机碳含量在0.87～10.25 g·kg-1，平均含量为5.91 g·kg-1。不同土层间有机碳含量存在明显差异，有机碳含量随着土壤深度的增加而降低；表层土壤有机碳平均碳含量为7.54 g·kg-1，分别是中层和底层土壤有机碳含量的1.32倍和1.67倍。各层土壤有机碳含量随坡位的变化均表现为上坡位<中坡位<下坡位；不同坡向上土壤有机碳平均含量表现为阴坡>半阴坡>半阳坡>阳坡，且坡位和坡向对土壤有机碳的影响均存在显著差异（P<0.05）。人为因素对梯田土壤有机碳含量的影响主要体现在不同的耕作制度和管护措施上，秸秆还田、免耕等措施有助于提高土壤有机碳含量。

[ Li L, Yao Y F, Qin F C . Distribution and affecting factors of soil organic carbon of terraced fields in Chifeng, Inner Mongolia
[J]. Chinese Journal of Ecology, 2014,33(11):2930-2935. ]
URL [本文引用: 1]
选择内蒙古赤峰市敖汉旗内水平梯田为研究对象，对不同水平梯田进行采样，分析了梯田土壤有机碳含量的垂直分布特征，以及地形因子和人类活动对其影响。结果表明: 研究区梯田1 m深土壤剖面有机碳含量在0.87～10.25 g·kg-1，平均含量为5.91 g·kg-1。不同土层间有机碳含量存在明显差异，有机碳含量随着土壤深度的增加而降低；表层土壤有机碳平均碳含量为7.54 g·kg-1，分别是中层和底层土壤有机碳含量的1.32倍和1.67倍。各层土壤有机碳含量随坡位的变化均表现为上坡位<中坡位<下坡位；不同坡向上土壤有机碳平均含量表现为阴坡>半阴坡>半阳坡>阳坡，且坡位和坡向对土壤有机碳的影响均存在显著差异（P<0.05）。人为因素对梯田土壤有机碳含量的影响主要体现在不同的耕作制度和管护措施上，秸秆还田、免耕等措施有助于提高土壤有机碳含量。


王淑芳, 王效科, 欧阳志云 . 密云水库上游流域土壤有机碳特征及其影响因素
[J]. 土壤, 2011,43(4):515-524.
[本文引用: 1]

[ Wang S F, Wang X K, Ouyang Z Y . Characteristics and influencing factors of soil organic carbon in upstream watershed of Miyun Reservoir in North China
[J]. Soils, 2011,43(4):515-524. ]
[本文引用: 1]

崔东, 李卫红, 朱成刚 , 等. 伊犁河谷不同土地利用方式下土壤有机碳含量与土壤理化性质相关性分析
[J]. 资源科学, 2016,38(7):1239-1245.
DOI:10.18402/resci.2016.07.05URL [本文引用: 1]
通过对伊犁河谷地区四种典型土地利用类型（耕地,草地,园地和林地）0~60cm土层深度土壤有机碳含量与理化性质（速效氮、磷、钾,蔗糖酶活性,脲酶活性,过氧化氢酶活性）进行测定并分析土壤有机碳与理化性质的剖面分布特征及内在联系。结果表明：有机碳含量、速效氮、磷、钾、蔗糖酶、脲酶和过氧化氢酶的含量都随着土壤深度增加而降低。其中草地的有机碳含量、耕地的速效氮含量、园地的速效钾、速效磷含量、林地的蔗糖酶、脲酶、过氧化氢酶活性都高于其余三种土地利用方式。耕地的有机碳含量与速效氮、速效钾、速效磷和蔗糖酶活性在0.01水平上显著相关,园地的有机碳含量与速效氮、钾,脲酶和过氧化氢酶在0.01水平上显著相关,草地的有机碳含量与速效氮、磷、钾和两种酶活性（蔗糖酶和脲酶）呈极显著相关（P<0.01）,林地的有机碳含量与速效钾,脲酶和过氧化氢酶呈极显著相关（P<0.01）。
[ Cui D, Li W H, Zhu C G , et al. Soil organic carbon content in relation to soil physicochemical properties under different land use types in the Yili Valley
[J]. Resources Science, 2016,38(7):1239-1245. ]
DOI:10.18402/resci.2016.07.05URL [本文引用: 1]
通过对伊犁河谷地区四种典型土地利用类型（耕地,草地,园地和林地）0~60cm土层深度土壤有机碳含量与理化性质（速效氮、磷、钾,蔗糖酶活性,脲酶活性,过氧化氢酶活性）进行测定并分析土壤有机碳与理化性质的剖面分布特征及内在联系。结果表明：有机碳含量、速效氮、磷、钾、蔗糖酶、脲酶和过氧化氢酶的含量都随着土壤深度增加而降低。其中草地的有机碳含量、耕地的速效氮含量、园地的速效钾、速效磷含量、林地的蔗糖酶、脲酶、过氧化氢酶活性都高于其余三种土地利用方式。耕地的有机碳含量与速效氮、速效钾、速效磷和蔗糖酶活性在0.01水平上显著相关,园地的有机碳含量与速效氮、钾,脲酶和过氧化氢酶在0.01水平上显著相关,草地的有机碳含量与速效氮、磷、钾和两种酶活性（蔗糖酶和脲酶）呈极显著相关（P<0.01）,林地的有机碳含量与速效钾,脲酶和过氧化氢酶呈极显著相关（P<0.01）。

邰继承, 靳振江, 崔立强 , 等. 不同土地利用下湖北江汉平原湿地起源土壤有机碳组分的变化
[J]. 水土保持学报, 2011,25(6):124-128.
[本文引用: 1]

[ Tai J C, Jin Z J, Cui L Q , et al. Changes in soil organic carbon fractions with land uses in soils reclaimed from wetlands of Jianghan Plain, Hubei Province
[J]. Journal of Soil and Water Conservation, 2011,25(6):124-128. ]
[本文引用: 1]

赵明松, 李德成, 王世航 . 近30年安徽省耕地土壤有机碳变化及影响因素
[J]. 土壤学报, 2018,55(3):595-605.
[本文引用: 1]

[ Zhao M S, Li D C, Wang S H . Variation of soil organic carbon in farmland of Anhui and its influencing factors in the 30 years from 1980 to 2010
[J]. Acta Pedologica Sinica, 2018,55(3):595-605. ]
[本文引用: 1]

徐尚起, 黄光辉, 李永 , 等. 农业措施对农田土壤碳影响研究进展
[J]. 中国农学通报, 2011,27(8):259-264.
[本文引用: 1]

[ Xu S Q, Huang G H, Li Y , et al. The research progress about effects of agricultural measures on soil carbon content
[J]. Chinese Agricultural Science Bulletin, 2011,27(8):259-264. ]
[本文引用: 1]

Wang Z M, Wu J G, Madden M , et al. China’s wetlands: Conservation plans and policy impacts
[J]. AMBIO, 2012,41(7):782-786.
DOI:10.1007/s13280-012-0280-7URLPMID:22457078 [本文引用: 1]

Cao S X . Impact of China’s large-scale ecological restoration program on the environment and society in arid and semiarid areas of China: Achievements, problems, synjournal, and applications
[J]. Critical Reviews in Environmental Science and Technology, 2011,41(4):317-335.
DOI:10.1080/10643380902800034URL [本文引用: 1]
Since, 1978, China has pursued some of the world's most ambitious conservation programs, including the Three Norths Shelter Forest System Project, Grain for Green Project, and the Natural Forest Conservation Program. After 30 years of experience with these programs, researchers have found that improving agricultural technology and providing appropriate payment for ecosystem service (PES) to farmers displaced by these programs can improve both the environment and society while avoiding the malignant cycle in which poverty leads to environmental destruction, which then deepens poverty. However, flaws in the implementation of these programs mean that it remains necessary to watch for damage to the environment and society caused by inappropriate technology and policy.

严宁珍, 程永毅, 杨剑虹 , 等. 岩溶山地土壤有机碳的分布特征及表层土壤有机碳的影响因素分析: 以重庆市北碚区为例
[J]. 中国岩溶, 2013,32(3):292-298.
[本文引用: 1]

[ Yan N Z, Cheng Y Y, Yang J H , et al. Distribution and impact factor of soil organic carbon on topsoil in karst mountain: A case study of Beibei District of Chongqing
[J]. Carsologica Sinica, 2013,32(3):292-298. ]
[本文引用: 1]

刘宪锋, 任志远, 林志慧 . 基于GIS的陕西省土壤有机碳估算及其空间差异分析
[J]. 资源科学, 2012,34(5):911-918.
URL [本文引用: 1]
本文旨在估算陕西省土壤有机碳密度和储量及分析其空间差异特征,为准确评价陕西省土地质量以及环境质量提供参考。利用陕西省第二次土壤普查数据,采用土壤类型法计算了陕西省各土壤类型不同土层深度的土壤有机碳密度和储量,建立了以土属为单元的土壤有机碳空间数据库,分析其空间差异特征,并对影响土壤有机碳的自然和人为因素进行分析。结果表明:0~20cm、0 ~100cm和全剖面土层中土壤有机碳平均密度分别为3.886kg/m2,8.955 kg/m2,10.548 kg/m2,0~20cm、0~100cm和全剖面土层中土壤有机碳的储量分别为7.744亿t,17.845亿t,21.020亿t。土壤有机碳密度在空间上呈现由北向南逐渐增加的趋势,而土壤有机碳储量高值区主要分布在榆林的东南部、延安地区、铜川、咸阳、宝鸡的北部以及秦巴山区等地,碳储量较低的区域主要有榆林的府谷县、神木县、定边县等地,以及关中的大部分地区。土壤有机碳密度随气温和降水的增加而逐渐增加,不同土地利用类型中,土壤有机碳密度大小排序为:林地>草地>耕地,土地利用类型变化是影响土壤有机碳最主要的人为因素。
[ Liu X F, Ren Z Y, Lin Z H . Estimation of soil organic carbon in Shaanxi Province and analysis of its spatial difference based on GIS
[J]. Resources Science, 2012,34(5):911-918. ]
URL [本文引用: 1]
本文旨在估算陕西省土壤有机碳密度和储量及分析其空间差异特征,为准确评价陕西省土地质量以及环境质量提供参考。利用陕西省第二次土壤普查数据,采用土壤类型法计算了陕西省各土壤类型不同土层深度的土壤有机碳密度和储量,建立了以土属为单元的土壤有机碳空间数据库,分析其空间差异特征,并对影响土壤有机碳的自然和人为因素进行分析。结果表明:0~20cm、0 ~100cm和全剖面土层中土壤有机碳平均密度分别为3.886kg/m2,8.955 kg/m2,10.548 kg/m2,0~20cm、0~100cm和全剖面土层中土壤有机碳的储量分别为7.744亿t,17.845亿t,21.020亿t。土壤有机碳密度在空间上呈现由北向南逐渐增加的趋势,而土壤有机碳储量高值区主要分布在榆林的东南部、延安地区、铜川、咸阳、宝鸡的北部以及秦巴山区等地,碳储量较低的区域主要有榆林的府谷县、神木县、定边县等地,以及关中的大部分地区。土壤有机碳密度随气温和降水的增加而逐渐增加,不同土地利用类型中,土壤有机碳密度大小排序为:林地>草地>耕地,土地利用类型变化是影响土壤有机碳最主要的人为因素。

李典友, 陈良松, 李军 , 等. 霍山县县域范围内不同空间尺度下农田土壤有机碳变异分析
[J]. 地理研究, 2012,31(9):1571-1579.
URL [本文引用: 1]
基于安徽省霍山县第二次土壤普查数据,提取2005～2008年耕地监测数据资料建成土壤有机碳含量数据库,对耕地监测的有机碳数据按县域内不同空间尺度进行了统计分析。结果表明:20年来该县农田表土有机碳含量明显提高,显示农田土壤的有机碳库积累。县域范围内耕地土壤有机碳含量的不同尺度的变异系数介于4.53%～14.91%。村民组(自然村)单元内变异性最高,有机碳含量乡镇间变异性低于行政村间变异性。因此,从县级尺度的农田土壤碳计量来说,以乡镇尺度采样研究比村级尺度可靠性要高。影响县域内农田土壤有机碳含量与变异的动力因子主要是农业利用和农田基本建设,茶、桑和水稻利用下农田土壤有机碳含量明显较高。
[ Li D Y, Chen L S, Li J , et al. Variabilities of soil organic carbon in farmlands at different spatial scales in Huoshan County, Anhui Province
[J]. Geographical Research, 2012,31(9):1571-1579. ]
URL [本文引用: 1]
基于安徽省霍山县第二次土壤普查数据,提取2005～2008年耕地监测数据资料建成土壤有机碳含量数据库,对耕地监测的有机碳数据按县域内不同空间尺度进行了统计分析。结果表明:20年来该县农田表土有机碳含量明显提高,显示农田土壤的有机碳库积累。县域范围内耕地土壤有机碳含量的不同尺度的变异系数介于4.53%～14.91%。村民组(自然村)单元内变异性最高,有机碳含量乡镇间变异性低于行政村间变异性。因此,从县级尺度的农田土壤碳计量来说,以乡镇尺度采样研究比村级尺度可靠性要高。影响县域内农田土壤有机碳含量与变异的动力因子主要是农业利用和农田基本建设,茶、桑和水稻利用下农田土壤有机碳含量明显较高。

鲍丽然, 严明书, 贾中民 , 等. 重庆西部表层土壤有机碳储量与密度分布
[J]. 物探与化探, 2015,39(1):180-185.
DOI:10.11720/wtyht.2015.1.29URL [本文引用: 1]
利用多目标区域地球化学调查数据,估算了重庆西部地区表层土壤有机碳密度和储量.结果表明,重庆西部地区表层(0~20 cm)土壤有机碳储量为41 038 589 t,平均密度为2 929 t·km-2.从地貌类型看,低山(2 984 t·km-2)和中山(2 986 t·km-2)区土壤有机碳密度较高,丘陵区(2 628 t·km-2)最低,山地土壤有机碳储量最丰富.不同类型土壤中,石灰土有机碳平均密度最高(5 043 t·km-2),其次为黄壤(3 756 t·km-2),紫色土最低(2 329 t·km-2),紫色土有机碳储量最大.就土地利用方式而言,林地土壤有机碳平均密度最高(4 071 t·km-2),耕地土壤处于中等水平(2 752 t·km-2),居民及建筑用地有机碳密度最低(2 416 t·km-2),耕地土壤有机碳储量最大.与第二次土壤普查数据对比发现,该区土壤有机碳储量和密度呈降低趋势,表层土壤作为碳源向大气释放碳,尤其是江津、潼南地区土壤有机碳密度分别降低了56.7%、45.1%.
[ Bao L R, Yan M S, Jia Z M , et al. The distribution of the surface soil organic carbon storage and density in western Chongqing
[J]. Geophysical and Geochemical Exploration, 2015,39(1):180-185. ]
DOI:10.11720/wtyht.2015.1.29URL [本文引用: 1]
利用多目标区域地球化学调查数据,估算了重庆西部地区表层土壤有机碳密度和储量.结果表明,重庆西部地区表层(0~20 cm)土壤有机碳储量为41 038 589 t,平均密度为2 929 t·km-2.从地貌类型看,低山(2 984 t·km-2)和中山(2 986 t·km-2)区土壤有机碳密度较高,丘陵区(2 628 t·km-2)最低,山地土壤有机碳储量最丰富.不同类型土壤中,石灰土有机碳平均密度最高(5 043 t·km-2),其次为黄壤(3 756 t·km-2),紫色土最低(2 329 t·km-2),紫色土有机碳储量最大.就土地利用方式而言,林地土壤有机碳平均密度最高(4 071 t·km-2),耕地土壤处于中等水平(2 752 t·km-2),居民及建筑用地有机碳密度最低(2 416 t·km-2),耕地土壤有机碳储量最大.与第二次土壤普查数据对比发现,该区土壤有机碳储量和密度呈降低趋势,表层土壤作为碳源向大气释放碳,尤其是江津、潼南地区土壤有机碳密度分别降低了56.7%、45.1%.

张固成, 傅杨荣, 何玉生 , 等. 海南岛土壤有机碳空间分布特征及储量
[J]. 热带地理, 2011,31(6):554-558.
URL [本文引用: 1]
利用2005年海南岛生态地球化学调查获得的8713件表层土壤和2197件深层土壤样品,计算分析海南岛土壤有机碳的空间分布特征,结果显示:0～20 cm、0～100 cm、0～180 cm 3个深度的土壤有机碳密度分别为2.86、9.48、13.72 kg/m2,与国内其他典型地区相比,几乎处于最低水平.区域土壤有机碳密度图显示,海南岛土壤有机碳的分布与地貌类型关系密切,高值区分布在山地、丘陵、火山岩台地等地区,其次是平原区,最低为滨海地区.统计显示,土地利用类型、土类不同,土壤有机碳密度差异明显,不同地类
[ Zhang G C, Fu Y R, He Y S , et al. Distribution and storage of soil organic carbon in Hainan Island
[J]. Tropical Geography, 2011,31(6):554-558. ]
URL [本文引用: 1]
利用2005年海南岛生态地球化学调查获得的8713件表层土壤和2197件深层土壤样品,计算分析海南岛土壤有机碳的空间分布特征,结果显示:0～20 cm、0～100 cm、0～180 cm 3个深度的土壤有机碳密度分别为2.86、9.48、13.72 kg/m2,与国内其他典型地区相比,几乎处于最低水平.区域土壤有机碳密度图显示,海南岛土壤有机碳的分布与地貌类型关系密切,高值区分布在山地、丘陵、火山岩台地等地区,其次是平原区,最低为滨海地区.统计显示,土地利用类型、土类不同,土壤有机碳密度差异明显,不同地类

李杨梅, 贡璐, 解丽娜 . 塔里木盆地北缘绿洲不同土地利用方式下土壤有机碳含量及其碳矿化特征
[J]. 水土保持通报, 2017,37(3):216-221.
[本文引用: 1]

[ Li Y M, Gong L, Xie L N . Soil organic carbon content and carbon mineralization characteristics under different land use types in northern Tarim Basin
[J]. Bulletin of Soil and Water Conservation, 2017,37(3):216-221. ]
[本文引用: 1]

叶新新, 王冰清, 刘少君 , 等. 耕作方式和秸秆还田对砂姜黑土碳库及玉米小麦产量的影响
[J]. 农业工程学报, 2019,35(14):112-118.
[本文引用: 1]

[ Ye X X, Wang B Q, Liu S J , et al. Influence of tillage and straw retention on soil carbon pool and maize-wheat yield in Shajiang black soil
[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019,35(14):112-118. ]
[本文引用: 1]

江叶枫, 饶磊, 郭熙 , 等. 江西省耕地土壤有机碳空间变异的主控因素研究
[J]. 土壤, 2018,50(4):778-786.
[本文引用: 1]

[ Jiang Y F, Rao L, Guo X , et al. Study on main controlling factors of spatial variability of farmland SOC in Jiangxi Province
[J]. Soils, 2018,50(4):778-786. ]
[本文引用: 1]

于沙沙, 窦森, 黄健 , 等. 吉林省耕层土壤有机碳储量及影响因素
[J]. 农业环境科学学报, 2014,33(10):1973-1980.
[本文引用: 1]

[ Yu S S, Dou S, Huang J , et al. Organic carbon storage of cultivated top soils and its influencing factors in Jilin Province
[J]. Journal of Agro-Environment Science, 2014,33(10):1973-1980. ]
[本文引用: 1]

文雅, 邓南荣, 刘晓南 , 等. 粤北山区近25年来耕地表层土壤有机碳变化分析
[J]. 生态环境学报, 2011,20(8):1247-1252.
[本文引用: 1]

[ Wen Y, Deng N R, Liu X N , et al. Variations of soil organic carbon of cropland topsoil in mountain area of northern Guangdong over 25 years
[J]. Ecology and Environmental Sciences, 2011,20(8):1247-1252. ]
[本文引用: 1]

宋丹, 李双异, 汪景宽 . 下辽河平原区农田土壤有机碳含量时空变异研究
[J]. 土壤通报, 2014,45(3):574-578.
[本文引用: 1]

[ Song D, Li S Y, Wang J K . Study of temporal and spatial variation for soil organic carbon in croplands in lower reaches of Liaohe river plain
[J]. Chinese Journal of Soil Science, 2014,45(3):574-578. ]
[本文引用: 1]

徐艳, 张凤荣, 郑必昭 , 等. 集约化农区经济发展对耕地土壤有机碳含量变化的影响
[J]. 生态环境, 2006,15(1):74-79.
[本文引用: 1]

[ Xu Y, Zhang F R, Zheng B C , et al. Influence of economic development level on topsoil organic carbon over time
[J]. Ecology and Environment, 2006,15(1):74-79. ]
[本文引用: 1]

施园园, 赵华甫, 郧文聚 , 等. 北京市耕地多功能空间分异及其社会经济协调模式解释
[J]. 资源科学, 2015,37(2):247-257.
URL [本文引用: 1]
以北京市为例,在解析识别耕地功能表征因子的基础上,分别对北京13个区县（不包括中心城区）耕地的生产、生态、社会功能进行评价,利用GIS反映多功能的空间分布形态,并通过信息熵模型对耕地多功能与社会经济的空间相关性进行测算,讨论各区县耕地多功能与其经济社会发展的互动关系以及发展阶段的协调模式。本文旨在揭示北京市耕地多功能在社会经济影响下的空间分异特征,为制定科学的耕地多功能利用布局方案提供理论依据。研究结果表明：北京市各区县经济社会发展水平与耕地多功能的空间相关性较强,具有明显的空间分异特征;此外在经济与政策的共同驱动下,多功能与经济的组合模式随着经济发展经历高生产-中社会-低生态的正三角形态向低生产-中社会-高生态的倒三角形态演变的一般过程。
[ Shi Y Y, Zhao H F, Yun W J , et al. Analysis on spatial differentiation of arable land multifunction and socio-economic coordination model in Beijing
[J]. Resources Science, 2015,37(2):247-257. ]
URL [本文引用: 1]
以北京市为例,在解析识别耕地功能表征因子的基础上,分别对北京13个区县（不包括中心城区）耕地的生产、生态、社会功能进行评价,利用GIS反映多功能的空间分布形态,并通过信息熵模型对耕地多功能与社会经济的空间相关性进行测算,讨论各区县耕地多功能与其经济社会发展的互动关系以及发展阶段的协调模式。本文旨在揭示北京市耕地多功能在社会经济影响下的空间分异特征,为制定科学的耕地多功能利用布局方案提供理论依据。研究结果表明：北京市各区县经济社会发展水平与耕地多功能的空间相关性较强,具有明显的空间分异特征;此外在经济与政策的共同驱动下,多功能与经济的组合模式随着经济发展经历高生产-中社会-低生态的正三角形态向低生产-中社会-高生态的倒三角形态演变的一般过程。

揣小伟, 黄贤金, 赖力 , 等. 基于GIS的土壤有机碳储量核算及其对土地利用变化的响应
[J]. 农业工程学报, 2011,27(9):1-6.
URL [本文引用: 1]
土地利用变化是影响土壤有机碳储量变化的重要驱动因素，为了进一步探讨土地利用变化对土壤碳储量的影响，该文根据土壤样点数据、土壤类型图、土地利用类型图，分析了江苏省1985年和2005年表层土壤有机碳密度的变化以及土地利用变化对表层土壤有机碳密度的影响，主要结论如下：1）江苏省表层土壤有机密度的空间变化趋势为：黄淮平原生态区南北差异明显，北部的沂沭泗平原丘岗以增加为主，南部的淮河下游平原以减少为主；沿海滩涂与海洋生态区持平为主；而长江三角洲平原生态区表现不一：沿江平原丘岗生态亚区以增加为主，而茅山宜溧低山丘陵生态亚区和太湖水网生态亚区均表现为有机碳密度的减少；2）各地类表层土壤有机碳密度均有所增加；耕地-林地、草地；草地-林地、建设用地；建设用地-耕地、草地、林地；水域的转出以及未利用地的转出等转换类型有利于土壤碳储量的增加、其他地类间的转换会造成一定的碳排放。
[ Chuai X W, Huang X J, Lai L , et al. Accounting of surface soil carbon storage and response to land use change based on GIS
[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011,27(9):1-6. ]
URL [本文引用: 1]
土地利用变化是影响土壤有机碳储量变化的重要驱动因素，为了进一步探讨土地利用变化对土壤碳储量的影响，该文根据土壤样点数据、土壤类型图、土地利用类型图，分析了江苏省1985年和2005年表层土壤有机碳密度的变化以及土地利用变化对表层土壤有机碳密度的影响，主要结论如下：1）江苏省表层土壤有机密度的空间变化趋势为：黄淮平原生态区南北差异明显，北部的沂沭泗平原丘岗以增加为主，南部的淮河下游平原以减少为主；沿海滩涂与海洋生态区持平为主；而长江三角洲平原生态区表现不一：沿江平原丘岗生态亚区以增加为主，而茅山宜溧低山丘陵生态亚区和太湖水网生态亚区均表现为有机碳密度的减少；2）各地类表层土壤有机碳密度均有所增加；耕地-林地、草地；草地-林地、建设用地；建设用地-耕地、草地、林地；水域的转出以及未利用地的转出等转换类型有利于土壤碳储量的增加、其他地类间的转换会造成一定的碳排放。

胡莹洁, 李月, 孔祥斌 , 等. 1980-2010年北京市农用地碳储量对土地利用变化的响应
[J]. 生态学报, 2018,38(13):4625-4636.
DOI:10.5846/stxb201706291173URL [本文引用: 1]
分析北京市农用地碳储量对土地利用变化的响应，对快速城市化和工业化区域及全国农用地低碳利用调控具有重要意义。利用1980年第二次土壤普查数据与2010年测土配方施肥项目成果土壤数据核算北京市农用地表层土壤碳储量，利用生物量遥感信息（NDVI）模型反演林地、草地植被碳储量，对北京市土地利用变化造成的农用地碳储量变化进行研究，结果表明：1）1980-2010年，北京市农用地碳储量由75.29 Tg-C增至81.13Tg-C，增加5.83 Tg-C，其中，土壤碳储量减少7.51 Tg-C，植被碳储量增加13.34 Tg-C；2）30年间，北京市农用地面积减少14.11×104 hm2，其中，耕地流失最为显著，主要去向为建设用地和林地，林地面积略有增加；3）北京市用地类型保持不变的农用地土壤碳储量减少297.63×104 t，植被碳储量增加1095.21×104 t，共计增加797.58×104 t，其中，用地类型保持不变的耕地、林地碳储量增加，草地碳储量减少；4）30年间，土地利用类型转化使北京市农用地土壤碳储量减少75.71×104 t，植被碳储量增加212.49×104 t，共计增加136.78×104 t，其他用地类型转为林地使碳储量增加，有利于碳汇的形成，林地转出为其他用地类型均会造成一定碳排放；5）平原造林、退耕还林等工程有利于增加北京市农用地固碳量。未来北京市可通过控制农用地面积减少量，优化农用地内部结构，降低用地类型间的转换频率以提高农用地碳储量。研究可为其他区域及全国在快速城市化工业化过程中提升农用地碳储量提供一定参考。
[ Hu Y J, Li Y, Kong X B , et al. Response of agricultural land carbon storage to land use change in Beijing from 1980 to 2010
[J]. Acta Ecologica Sinica, 2018,38(13):4625-4636. ]
DOI:10.5846/stxb201706291173URL [本文引用: 1]
分析北京市农用地碳储量对土地利用变化的响应，对快速城市化和工业化区域及全国农用地低碳利用调控具有重要意义。利用1980年第二次土壤普查数据与2010年测土配方施肥项目成果土壤数据核算北京市农用地表层土壤碳储量，利用生物量遥感信息（NDVI）模型反演林地、草地植被碳储量，对北京市土地利用变化造成的农用地碳储量变化进行研究，结果表明：1）1980-2010年，北京市农用地碳储量由75.29 Tg-C增至81.13Tg-C，增加5.83 Tg-C，其中，土壤碳储量减少7.51 Tg-C，植被碳储量增加13.34 Tg-C；2）30年间，北京市农用地面积减少14.11×104 hm2，其中，耕地流失最为显著，主要去向为建设用地和林地，林地面积略有增加；3）北京市用地类型保持不变的农用地土壤碳储量减少297.63×104 t，植被碳储量增加1095.21×104 t，共计增加797.58×104 t，其中，用地类型保持不变的耕地、林地碳储量增加，草地碳储量减少；4）30年间，土地利用类型转化使北京市农用地土壤碳储量减少75.71×104 t，植被碳储量增加212.49×104 t，共计增加136.78×104 t，其他用地类型转为林地使碳储量增加，有利于碳汇的形成，林地转出为其他用地类型均会造成一定碳排放；5）平原造林、退耕还林等工程有利于增加北京市农用地固碳量。未来北京市可通过控制农用地面积减少量，优化农用地内部结构，降低用地类型间的转换频率以提高农用地碳储量。研究可为其他区域及全国在快速城市化工业化过程中提升农用地碳储量提供一定参考。

李亚, 张黎明, 陈瀚阅 , 等. 基于Landsat遥感影像和1: 50000土壤数据库的福州市耕地有机碳动态变化研究
[J]. 中国生态农业学报, 2019,27(4):581-590.
[本文引用: 1]

[ Li Y, Zhang L M, Chen H Y , et al. Estimation of changes in soil organic carbon in farmlands in Fuzhou City using Landsat vegetation data and 1: 50000 soil database
[J]. Chinese Journal of Eco-Agriculture, 2019,27(4):581-590. ]
[本文引用: 1]

赵永志, 王胜涛 . 北京都市型现代农业发展与耕地土壤资源可持续利用对策探讨
C]. 广州: 土壤资源持续利用和生态环境安全-中国土壤学会第十一届二次理事扩大会议暨学术会议, 2009.
[本文引用: 1]

[ Zhao Y Z, Wang S T . Discussion on the Countermeasures of Sustainable Use of Arable Land under the Development of Beijing Metropolis Type Modern Agriculture
C]. Guangzhou: Sustainable Utilization of Soil Resources and Ecological Environment Security-the Second Enlarged Meeting and the 11th Academic Conference of Soil Science Society of China, 2009. ]
[本文引用: 1]

吕贻忠, 李保国 . 土壤学[M]. 北京: 中国农业出版社, 2006.
[本文引用: 1]

[ Lv Y Z, Li B G. Soil Science[M]. Beijing: China Agriculture Press, 2006. ]
[本文引用: 1]

李婧, 张超, 朱德海 , 等. 基于空间技术北京市地貌类型区划研究
[J]. 中国农业科技导报, 2007,9(2):126-129.
[本文引用: 1]

[ Li J, Zhang C, Zhu D H , et al. Research on the relief zonal approach of Beijing based on spatial technology
[J]. Review of China Agricultural Science and Technology, 2007,9(2):126-129. ]
[本文引用: 1]

Mehra P, Baker J, Sojka R E , et al. Chapter five: A review of tillage practices and their potential to impact the soil carbon dynamics in advances in agronomy
[J]. Advances in Agronomy, 2018,150:185-230.
[本文引用: 1]

Cillis D, Maestrini B, Pezzuolo A , et al. Modeling soil organic carbon and carbon dioxide emissions in different tillage systems supported by precision agriculture technologies under current climatic conditions
[J]. Soil and Tillage Research, 2018,183:51-59.
DOI:10.1016/j.still.2018.06.001URL [本文引用: 1]

王秀丽, 张凤荣, 朱泰峰 , 等. 北京山区土壤有机碳分布及其影响因素研究
[J]. 资源科学, 2013,35(6):1152-1158.
[本文引用: 2]

[ Wang X L, Zhang F R, Zhu T F , et al. The distribution and impact factors of soil organic carbon in mountainous areas of Beijing
[J]. Resources Science, 2013,35(6):1152-1158. ]
[本文引用: 2]

相关话题/土壤 空间 数据 地貌 生态

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.