森林土壤有機(jī)碳深度分布模型的構(gòu)建與應(yīng)用

田耀武，曾立雄,黃志霖，肖文發(fā)，向 勇

1 河南科技大學(xué)林學(xué)院， 洛陽(yáng) 471003 2 中國(guó)林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所 國(guó)家林業(yè)局森林生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室， 北京 100091 3 秭歸縣林業(yè)局，秭歸 443600

森林土壤有機(jī)碳深度分布模型的構(gòu)建與應(yīng)用

田耀武1,2，曾立雄2,*,黃志霖2，肖文發(fā)2，向 勇3

1 河南科技大學(xué)林學(xué)院， 洛陽(yáng) 471003 2 中國(guó)林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所 國(guó)家林業(yè)局森林生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室， 北京 100091 3 秭歸縣林業(yè)局，秭歸 443600

了解森林土壤有機(jī)碳 (SOC)的深度分布模式對(duì)正確估算森林碳儲(chǔ)量，充分發(fā)揮森林碳匯功能，減緩全球氣候變化有著重要意義。選取寒溫帶針葉林、溫帶落葉林、亞熱帶針闊混交林、熱帶常綠闊葉林等4類(lèi)森林生物群系，建立SOC深度分布數(shù)據(jù)庫(kù)，構(gòu)建SOC質(zhì)量密度的深度分布模型；使用Nash-Sutcliffe效率系數(shù) (E)、誤差百分比 (PE)、決定系數(shù) (R2) 等統(tǒng)計(jì)參量評(píng)定模型的模擬效果；利用構(gòu)建的深度分布模型外推更深層SOC密度。研究結(jié)果表明：(1) 本文所構(gòu)建的森林SOC深度分布模型模擬值與觀測(cè)值較為吻合，Nash-Sutcliffe效率E、誤差百分比PE和決定系數(shù)R2平均為0.74、6.95%、0.88 (P< 0.05)，模型模擬能力較高 (E> 0.6)，模擬誤差值低于可接受的臨界值 (PE< ±15%)，說(shuō)明構(gòu)建的模型可以對(duì)該地區(qū)森林SOC密度值進(jìn)行估算；(2) 寒溫帶針葉林0—20 cm層SOC質(zhì)量密度較高，熱帶常綠闊葉林較低；20 cm以下則是寒溫帶針葉林較低，熱帶常綠闊葉林較高，熱帶常綠闊葉林具有更深層的SOC分布；用0—100 cm深度的SOC來(lái)表征區(qū)域SOC儲(chǔ)量時(shí)結(jié)果偏低。若考慮0—200 cm深度，0—100 cm深度SOC值平均偏低約21.8%，在熱帶地區(qū)這種偏低趨勢(shì)可能更加突出，誤差可能更大。(3) 模型對(duì)表層SOC密度有偏低預(yù)測(cè)趨勢(shì)，對(duì)深層SOC密度預(yù)測(cè)值可能偏高；作為一個(gè)森林SOC深度分布模擬工具，模型可以在有限區(qū)域條件下估算不同深度SOC密度值。

森林；土壤有機(jī)碳；深度分布；模型

森林有機(jī)碳 (SOC)庫(kù)的動(dòng)態(tài)變化顯著影響森林主要的生態(tài)過(guò)程、溫室氣體成分以及氣候變化速率[1-2]。森林SOC的深度分布模式對(duì)土壤肥力、林業(yè)生產(chǎn)、以及調(diào)控全球氣候變化有著重要作用。森林SOC的豐度影響森林生產(chǎn)力并受森林生產(chǎn)力的影響。了解森林SOC深度分布模式對(duì)正確認(rèn)識(shí)森林生物圈至關(guān)重要[3]。已有大量文獻(xiàn)研究了森林SOC的遷移、轉(zhuǎn)化、存儲(chǔ)機(jī)制，SOC的深度分布，SOC儲(chǔ)量隨海拔的變化，地帶性氣候?qū)ι諷OC儲(chǔ)量影響因素等[3- 7]。但是，森林SOC調(diào)查深度目前沒(méi)有統(tǒng)一標(biāo)準(zhǔn)，有采用100 cm深度，還有采用30、50 cm深度[8- 11]，鮮有文獻(xiàn)涉及低于100 cm及100 cm以下SOC豐度對(duì)全土壤層的影響[12]。一般地，森林SOC表層密度值最高，隨深度的增加，密度值呈指數(shù)函數(shù)形式迅速下降[6, 13- 15]?；诖?，本文的研究目標(biāo)是：(1) 建立我國(guó)寒溫帶針葉林、溫帶落葉林、亞熱帶針闊混交林、熱帶常綠闊葉林等4類(lèi)主要森林生物群系SOC的深度分布函數(shù)，選取統(tǒng)計(jì)參量對(duì)模型模擬能力進(jìn)行評(píng)定；(2) 使用深度分布函數(shù)對(duì)低于100 cm深度的SOC豐度進(jìn)行外推，評(píng)估4類(lèi)森林生物群系SOC的深度分布規(guī)律，量化0—100 cm深度SOC豐度估算誤差。

1 材料與方法

1.1 森林SOC質(zhì)量密度的深度分布

地表層森林SOC密度值最高，隨深度增加SOC急劇下降，接近母質(zhì)層時(shí)SOC密度值最低。本文選取指數(shù)函數(shù) (式1)來(lái)表示SOC深度分布模式，利用式2來(lái)計(jì)算給定深度的SOC密度[8,12,14]:

Sh=S∞+(S0-S∞)·exp(k·h)

(1)

Qh=h·S∞+(S0-S∞)·(ek·h-1)/k

(2)

式中，Sh為h深度SOC質(zhì)量密度 (kg/m3)；h，土壤某一深度 (m)；S0為土壤表層SOC質(zhì)量密度 (kg/m3)；S∞為接近母質(zhì)層時(shí)SOC質(zhì)量密度值 (kg/m3)；k為常數(shù)；Qh為單位面積h深度內(nèi)SOC密度 (kg/m2)。

1.2 土壤有機(jī)碳含量的測(cè)定

選擇黑龍江省群勝林場(chǎng) (F1，寒溫帶針葉林)、河南省大溝河林場(chǎng) (F2，溫帶落葉林)、湖北省九嶺頭林場(chǎng) (F3，亞熱帶針闊混交林)和海南省尖峰嶺自然保護(hù)區(qū) (F4，熱帶常綠闊葉林)等4個(gè)森林經(jīng)營(yíng)單位作為采樣區(qū)。2012年，按均勻性和代表性原則，在4個(gè)樣區(qū)內(nèi)分別確定85—109個(gè)采樣點(diǎn) (表1)，并對(duì)各樣點(diǎn)進(jìn)行編號(hào)。測(cè)定各樣點(diǎn)表層 (S0)土壤容重及SOC含量；用Φ5 cm土鉆以20 cm深度間隔取樣，直至母質(zhì)層。測(cè)定各段土壤容重、SOC的平均含量；測(cè)定土壤剖面最底層S∞土壤容重、SOC含量。4個(gè)樣區(qū)內(nèi)約60%土壤剖面數(shù)據(jù)用于模型參數(shù)率定，約40%樣點(diǎn)數(shù)據(jù)用于模型的驗(yàn)證 (表1)。土壤容重、SOC含量均按國(guó)家相關(guān)標(biāo)準(zhǔn)進(jìn)行[16]。

表1 采樣區(qū)域分布Table 1 Sampling regional distribution

SOC質(zhì)量密度與含量用式(3) 來(lái)?yè)Q算。土壤容重是影響SOC儲(chǔ)量和密度的重要指標(biāo)，對(duì)于難以測(cè)定的土段的容重，用式(4) 進(jìn)行估算[8,14,17]。

(3)

(3)

式中，ρs為土壤容重；[C]為有機(jī)碳含量。

用上述SOC深度分布數(shù)據(jù)，分別構(gòu)建4類(lèi)森林生物群系SOC深度分布模型，用SPSS相關(guān)模塊進(jìn)行非線性參數(shù)估計(jì)。

1.3 模型模擬效果評(píng)估

SOC深度分布模型參數(shù)率定后，輸出各樣點(diǎn)SOC深度分布數(shù)據(jù)。使用Nash-Sutcliffe預(yù)測(cè)效率系數(shù)E[18](式5)、誤差百分比PE(式6)、決定系數(shù)R2(式7) 等3個(gè)統(tǒng)計(jì)參量評(píng)定模型模擬能力。

(5)

(6)

(7)

E值的統(tǒng)計(jì)意義為，觀測(cè)值與模擬值回歸線與1∶1線的符合程度[19]，為負(fù)值或較小時(shí)其統(tǒng)計(jì)意義表示不能被接受，E> 0.6表示模擬結(jié)果可以接受[20]，E= 1時(shí)表示觀測(cè)值與模擬值完全相等；PE值表示模擬值對(duì)觀測(cè)值誤差百分比，Chiew等[20]認(rèn)為PE< 15%時(shí)模型模擬誤差可以接受；決定系數(shù)R2統(tǒng)計(jì)意義為觀測(cè)值與模擬值之間可以相互以直線關(guān)系說(shuō)明部分所占的比率。

1.4 模型應(yīng)用

利用參數(shù)率定后的模型1、2，估算各樣區(qū)各剖面層SOC密度，計(jì)算各層SOC密度與0—100 cm層SOC密度的比值。

2 結(jié)果與分析

2.1 SOC的深度分布模型

用各樣區(qū)SOC數(shù)據(jù)進(jìn)行非線性回歸參數(shù)估計(jì)，得到SOC深度分布模型:

F1Sh=1.535+68.45×exp(-7.8924×h)

(8)

F2Sh=2.105+52.71×exp(-6.340×h)

(9)

F3Sh=2.465+49.87×exp(-5.970×h)

(10)

F4Sh=2.965+43.35×exp(-4.662×h)

(11)

圖1 SOC密度與深度分布關(guān)系 Fig.1 The relationship between soil organic carbon density and depth distribution

方差分析結(jié)果表明，4樣區(qū)S0層SOC質(zhì)量密度差異極為顯著 (P< 0.01)，表現(xiàn)為寒溫帶針葉林 (68.45 kg/m3) > 溫帶落葉林 (52.71 kg/m3) > 亞熱帶針闊混交林 (49.87 kg/m3) > 熱帶常綠闊葉林 (43.35 kg/m3)；剖面底層S∞質(zhì)量密度差異顯著 (P< 0.05)，但順序與表層相反，表現(xiàn)為寒溫帶針葉林 (1.535 kg/m3) < 溫帶落葉林 (2.105 kg/m3) < 亞熱帶針闊混交林 (2.465 kg/m3) < 熱帶常綠闊葉林 (2.965 kg/m3)。所有樣區(qū)SOC質(zhì)量密度隨深度的增加而呈指數(shù)形式迅速下降 (圖1)。 寒溫帶針葉林下降最為迅速，熱帶常綠闊葉林下降較緩，上述特點(diǎn)在模型中表現(xiàn)為指數(shù)k的變化：熱帶常綠闊葉林 (-4.662) > 亞熱帶針闊混交林 (-5.970) > 溫帶落葉林 (-6.340) > 寒溫帶針葉林 (-7.8924)。

2.2 率定期模型模擬能力

SOC深度分布模型參數(shù)率定是優(yōu)化森林經(jīng)營(yíng)管理，增加碳匯功能的重要一步。模型在參數(shù)率定階段模擬值與觀測(cè)值結(jié)果見(jiàn)圖2。寒溫帶針葉林SOC模擬值與觀測(cè)值較為吻合，Nash-Sutcliffe效率系數(shù)E、誤差百分比PE和決定系數(shù)R2等值分別為0.68、6.9%、0.89 (P< 0.05)；溫帶落葉林效率系數(shù)E、誤差百分比PE和決定系數(shù)R2等值分別為0.76、8.8%、0.94 (P< 0.05)；亞熱帶針闊混交林E、PE和R2等值分別為0.75、-5.8%、0.91 (P< 0.05)；熱帶常綠闊葉林E、PE和R2等值分別為0.78、7.9%、0.91 (P< 0.05)。所有樣區(qū)中E值均高于可接受界值0.6，百分比誤差遠(yuǎn)小于±15%，表明模型在率定階段模擬能力較高，誤差較小。

圖2 模型率定期觀測(cè)值與模擬值對(duì)比Fig.2 Comparison between observed and simulated SOC for model calibration

2.3 模型驗(yàn)證期模擬能力評(píng)估

驗(yàn)證階段模型模擬值與觀測(cè)值見(jiàn)圖3。與率定期的結(jié)果類(lèi)似，所有樣區(qū)E值均高于可接受界值0.6，百分比誤差遠(yuǎn)小于 ±15%，這充分說(shuō)明可以用該模型進(jìn)行本地區(qū)SOC深度分布的模擬。對(duì)模擬效率，熱帶常綠闊葉林E值 > 寒溫帶針葉林E值 > 亞熱帶針闊混交林E值 > 溫帶落葉林E值。這與模型率定期表現(xiàn)規(guī)律并不相同，說(shuō)明SOC深度分布影響因素并不局限于地理位置。

寒溫帶針葉林模擬效率E值和決定系數(shù)R2值均大于參數(shù)率定階段，而誤差百分比PE又小于前一階段，這說(shuō)明寒溫帶針葉林模型驗(yàn)證階段的模擬效果優(yōu)于率定階段；而亞熱帶針闊混交林與寒溫帶針葉林結(jié)果相反；溫帶落葉林和熱帶常綠闊葉林表現(xiàn)出一定的不確定性。

圖3 模型驗(yàn)證期觀測(cè)值與模擬值對(duì)比Fig.3 Comparison between observed and simulated SOC for model validation

深度分布模型在率定期和驗(yàn)證期均表現(xiàn)為SOC模擬值與觀測(cè)值較為吻合，Nash-Sutcliffe效率系數(shù)E、誤差百分比PE和決定系數(shù)R2差異不顯著 (P> 0.05)。E、PE、R2平均值為0.74、6.95%、0.88，以上所構(gòu)建的模型對(duì)各樣區(qū)SOC的深度分布預(yù)測(cè)能力較高，可以對(duì)SOC的深度分布進(jìn)行估算。

2.4 森林土壤有機(jī)碳密度值的估算

利用式1、式2，得到樣區(qū)，0—20 cm、0—30 cm、…、0—200 cm以及0—20 cm、20—40 cm、…、100—200 cm等各土壤剖面層SOC密度值 (表2)。

由表2，看到單位面積森林SOC儲(chǔ)量均隨深度的增加而增加。如，寒溫帶針葉林0—20 cm層SOC密度為7.04 kg/m2，0—100 cm為10.01 kg/m2，0—200 cm時(shí)已增至11.54 kg/m2；在以20 cm為間隔的深度分布層次上，隨深度的增加SOC密度急劇下降。如，寒溫帶針葉林0—20 cm層SOC密度為7.04 kg/m2，20—40 cm已降至為1.69 kg/m2，80—100 cm時(shí)已低至0.32 kg/m2。

在0—20 cm層內(nèi)，4類(lèi)森林SOC密度差異顯著 (P< 0.05)，表現(xiàn)為：寒溫帶針葉林 (7.04 kg/m2) > 溫帶落葉林 (6.16 kg/m2) >亞熱帶針闊混交林 (6.03 kg/m2) > 熱帶常綠闊葉林 (5.85 kg/m2)。這可能與降雨量、平均氣溫以及土壤微生物環(huán)境因素有關(guān)；0—100 cm層內(nèi)，4類(lèi)森林SOC密度差異并不明顯 (P> 0.05)；0—200 cm層4類(lèi)森林SOC密度值表現(xiàn)為：寒溫帶針葉林 (11.54 kg/m2) < 溫帶落葉林 (12.19 kg/m2) < 亞熱帶針闊混交林 (12.87 kg/m2) < 熱帶常綠闊葉林 (14.59 kg/m2)，這也充分說(shuō)明熱帶常綠闊葉林有更深的SOC分布。

由表2看到，4個(gè)樣區(qū)內(nèi)，0—20 cm層SOC密度均占到0—100 cm層的50%以上。寒溫帶植被群系比值高達(dá)70.29%，熱帶雨林最低為50.63%。0—50 cm/0—100 cm的SOC密度比值，4樣區(qū)均超過(guò)了80%，這可能是多數(shù)文獻(xiàn)把森林SOC研究深度限定于100 cm的原因。

寒溫帶針葉林 (0—20) cm/(0—100) cm SOC密度比值為70.29%，(20—40) cm/(0—100) cm比值 (16.88%) 迅速下降，(80—100) cm/(0—100) cm下降到了3.19%；熱帶常綠闊葉林中 (0—20) cm/(0—100) cm比值為50.63%，(20—40) cm/(0—100) cm值迅速下降，但下降速度明顯小于寒溫帶群系，其 (80—100) cm/(0—100) cm的比值約為寒溫帶群系的2倍，這說(shuō)明熱帶常綠闊葉林受氣候地理?xiàng)l件的影響，SOC向下層遷移速度高于寒溫帶針葉林，亞熱帶和溫帶生物群系SOC密度變化趨勢(shì)處于二者之間。

特別地，寒溫帶針葉林 (100—200) cm/(0—100) cm SOC密度比值為15.37%，熱帶常綠闊葉林 (100—200) cm/(0—100) cm比值高達(dá)26.38%，平均為21.8%。這說(shuō)明當(dāng)使用0—100 cm剖面中SOC含量來(lái)推算某生物群系整個(gè)SOC密度值時(shí)，得到的結(jié)果可能偏低，在熱帶地區(qū)表現(xiàn)可能更為突出。

表2 各土壤剖面SOC密度與0—100 cm層的比值Table 2 The ratio of soil organic carbon density in soil profile layer and 0—100 cm layer

3 討論

植被分布格局是SOC的深度分布的主要影響因素，氣候和土壤質(zhì)地是區(qū)域SOC總量的控制因素[11,21]。森林植被生產(chǎn)力、地上和地下生物量配置、土壤微生物機(jī)制等都深刻影響SOC的深度分布模式[22]，相關(guān)學(xué)者已構(gòu)建類(lèi)似的SOC的深度分布模型來(lái)推測(cè)區(qū)域SOC儲(chǔ)量[4-5,8]，以上文獻(xiàn)和本文均認(rèn)為指數(shù)函數(shù)模型較適合于研究SOC的深度分布。本文在所構(gòu)建的SOC深度分布模型的率定和驗(yàn)證上，均表現(xiàn)出一定的不確定性，這可能與所選取指數(shù)函數(shù)模型的自身缺陷、選樣時(shí)間、SOC含量的測(cè)定方法，以及模型評(píng)定方法的選擇有關(guān)[13]。因?yàn)榘ū疚脑趦?nèi)的所有模型在參數(shù)率定時(shí)，均是假設(shè)調(diào)試數(shù)據(jù)真實(shí)可靠，但部分?jǐn)?shù)據(jù)總存在一定的誤差和錯(cuò)誤，這也可能是模型不確定性因素之一。本文盡管選取了不同氣候帶內(nèi)的4個(gè)樣區(qū)，盡量保證各林區(qū)內(nèi)生境的相似性，但還有微生物因素、微地形因素，以及采樣時(shí)間的差異并沒(méi)有考慮。

森林SOC調(diào)查的典型深度通常確定為100 cm[23]，這在估算SOC儲(chǔ)量時(shí)，存在有較大的誤差。Batjes[24]認(rèn)為，全球0—100 cm層中SOC儲(chǔ)量約為1500—1600 Pg，如果考慮100—200 cm土壤剖面層，SOC量會(huì)增加60%。對(duì)4類(lèi)森林類(lèi)型的調(diào)查結(jié)果表明，如果考慮100—200 cm的深度，SOC儲(chǔ)量將增加20%左右，增加的比值較小，這可能與森林土壤的特性有關(guān)。SOC深度分布函數(shù)可以對(duì)更深剖面SOC含量進(jìn)行外推，有利于更深層SOC的計(jì)量研究。本文利用建立的深度分布模型，測(cè)算出三峽庫(kù)區(qū)秭歸縣九嶺頭林場(chǎng)樣點(diǎn)區(qū)域0—100 cm土層內(nèi)SOC約為10.39 kg/m2，與我國(guó)林地10.78 kg/m2的平均密度值相當(dāng)[1]，但低于王鵬程等[25]采用樣點(diǎn)法對(duì)三峽庫(kù)區(qū)森林生態(tài)系統(tǒng)SOC密度11.77 kg/m2的估算值；如果考慮200 cm的深度，九嶺頭林場(chǎng)樣點(diǎn)區(qū)域SOC密度約為12.87 kg/m2，高于全國(guó)林地SOC密度的平均值，也高于王鵬程等[25]三峽庫(kù)區(qū)11.77 kg/m2的估算值。

熱帶常綠闊葉林頂層SOC密度值較低，但下層SOC密度值較高，熱帶森林具有比寒溫帶森林更深的SOC分布。熱帶地區(qū)SOC隨深度下降較慢的原因不是深層SOC性質(zhì)更穩(wěn)定[4]，很可能是熱帶土壤由于降雨、微生物作用，具有更強(qiáng)烈和更深入的生物混合，SOC向下垂直運(yùn)輸速度較快，從而使表層SOC密度值減少，深層密度值增加，所以熱帶地區(qū)森林具有較深的SOC深度分布。Don等[11]認(rèn)為高滲透性土壤這一現(xiàn)象更為明顯。我們?cè)谘芯恐幸舶l(fā)現(xiàn)，即使是同一地區(qū)的林地，如果砂粒含量越高，土壤毛細(xì)孔越大，土壤滲透性越強(qiáng)，垂直運(yùn)輸?shù)奶攸c(diǎn)就越明顯，SOC隨深度下降趨勢(shì)就較慢。

雖然指數(shù)形式的模型可以外推更深層SOC密度，但可能高估低于100 cm深度時(shí)SOC的密度值。我們?cè)谡{(diào)試時(shí)就發(fā)現(xiàn)模型對(duì)表層SOC含量預(yù)測(cè)結(jié)果有偏低趨勢(shì)，對(duì)深層SOC含量有偏高模擬趨勢(shì)，因?yàn)樵趯?shí)際采樣中，很難確定基巖對(duì)土壤深度的限制作用。特別是現(xiàn)有的SOC深度分布模式是基于典型的土壤剖面數(shù)據(jù)，而沒(méi)有考慮SOC向下遷移轉(zhuǎn)化時(shí)，土體內(nèi)部發(fā)生的物理障礙作用。一些研究認(rèn)為由于土壤層的限制而夸大SOC含量誤差約為7%左右。特別是在一些坡度較大、生境較為惡劣、土壤剖面較淺的林地，其影響可能更大。對(duì)深層SOC的密度分析，需要進(jìn)一步考慮，特殊地段的模型估計(jì)也有待于進(jìn)一步論證。

[1] 劉世榮, 王暉, 欒軍偉. 中國(guó)森林土壤碳儲(chǔ)量與土壤碳過(guò)程研究進(jìn)展. 生態(tài)學(xué)報(bào), 2011, 31(19): 5437- 5448.

[2] 王敏, 李貴才, 仲?lài)?guó)慶, 周才平. 區(qū)域尺度上森林生態(tài)系統(tǒng)碳儲(chǔ)量的估算方法分析. 林業(yè)資源管理, 2010, 28(2): 107- 112.

[3] 黃志霖, 田耀武, 肖文發(fā), 馬德舉. 三峽庫(kù)區(qū)防護(hù)林土壤有機(jī)碳的累積. 南京林業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2013, 37(2): 15- 20.

[4] Mishra U, Lal R, Slater B, Calhoun F, Liu D S, Van Meirvenne M. Predicting soil organic carbon stock using profile depth distribution functions and ordinary kriging. Soil Science Society of America Journal, 2009, 73(2): 614- 621.

[5] Zinn Y L, Lal R, Resck D V S. Texture and organic carbon relations described by a profile pedotransfer function for Brazilian Cerrado soils. Geoderma, 2005, 127(1- 2): 168- 173.

[6] 田耀武, 黃志霖, 肖文發(fā). 三峽庫(kù)區(qū)典型流域退耕地植物種類(lèi)及凋落物對(duì)土壤有機(jī)碳固定的影響. 生態(tài)學(xué)雜志, 2012, 31(11): 2742- 2747.

[7] 路秋玲, 王國(guó)兵, 楊平, 鄭阿寶, 阮宏華. 森林生態(tài)系統(tǒng)不同碳庫(kù)碳儲(chǔ)量估算方法的評(píng)價(jià). 南京林業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 36(5): 155- 160.

[8] Jobbágy E G, Jackson R B. The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecological Applications, 2000, 10(2): 423- 436.

[9] 于東升, 史學(xué)正, 孫維俠, 王洪杰, 劉慶花, 趙永存. 基于1∶100萬(wàn)土壤數(shù)據(jù)庫(kù)的中國(guó)土壤有機(jī)碳密度及儲(chǔ)量研究. 應(yīng)用生態(tài)學(xué)報(bào), 2005, 16(12): 2279- 2283.

[10] 趙俊芳, 延曉冬, 賈根鎖. 1981—2002年中國(guó)東北地區(qū)森林生態(tài)系統(tǒng)碳儲(chǔ)量的模擬. 應(yīng)用生態(tài)學(xué)報(bào), 2009, 20(2): 241- 249.

[11] Don A, Schumacher J, Scherer-Lorenzen M, Scholten T, Schulze E D. Spatial and vertical variation of soil carbon at two grassland sites-implications for measuring soil carbon stocks. Geoderma, 2007, 141(3- 4): 272- 282.

[12] Fontaine S, Barot S, Barré P, Bdioui N, Mary B, Rumpel C. Stability of organic carbon in deep soil layers controlled by fresh carbon supply. Nature, 2007, 450(7167): 277- 280.

[13] Baginska B, Milne-Home W, Cornish P S. Modelling nutrient transport in Currency Creek, NSW with AnnAGNPS and PEST. Environmental Modelling and Software, 2003, 18(8- 9): 801- 808.

[14] Meersmans J, De Ridder F, Canters F, De Baets S, Van Molle M. A multiple regression approach to assess the spatial distribution of Soil Organic Carbon (SOC) at the regional scale (Flanders, Belgium). Geoderma. 2008, 143(1- 2): 1- 13.

[15] 許文強(qiáng), 陳曦, 羅格平, 張清, 張?jiān)シ? 唐飛. 基于CENTURY模型研究干旱區(qū)人工綠洲開(kāi)發(fā)與管理模式變化對(duì)土壤碳動(dòng)態(tài)的影響. 生態(tài)學(xué)報(bào), 2010, 30(14): 3707- 3716.

[16] 魯如坤. 土壤農(nóng)業(yè)化學(xué)分析法. 北京: 中國(guó)農(nóng)業(yè)科學(xué)出版社, 2000.

[17] Wu H B, Guo Z T, Peng C H. Land use induced changes of organic carbon storage in soils of China. Globe Change Biology, 2003, 9(3): 305- 315.

[18] Nash J E, Sutcliffe J V. River flow forecasting through conceptual models part I---A discussion of principles. Journal of Hydrology, 1970, 10(3): 282- 290.

[19] Cheng H G, Ouyang W, Hao F H, Ren X Y, Yang S T. The non-point source pollution in livestock-breeding areas of the Heihe River basin in Yellow River. Stochastic Environmental Research and Risk Assessment, 2007, 21(3): 213- 221.

[20] Chiew F H S, Stewardson M J, McMahon T A. Comparison of six rainfall-runoff modelling approaches. Journal of Hydrology, 1993, 147(1- 4): 1- 36.

[21] 支俊俊, 荊長(zhǎng)偉, 張操, 吳嘉平, 倪治華, 陳紅金, 徐進(jìn). 利用1∶5萬(wàn)土壤數(shù)據(jù)庫(kù)估算浙江省土壤有機(jī)碳密度及儲(chǔ)量. 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(3): 683- 689.

[22] Yu D S, Shi X Z, Wang H J, Sun W X, Chen J M, Liu Q H, Zhao Y C. Regional patterns of soil organic carbon stocks in China. Journal of Environmental Management, 2007, 85(3): 680- 689.

[23] Baisden W T, Parfit R L. Bomb14C enrichment indicates decadal C pool in deep soil?. Biochemistry, 2007, 85(1): 59- 68.

[24] Batjes N H. Total carbon and nitrogen in the soils of the world. European Journal of Soil Science, 1996, 47(2): 151- 163.

[25] 王鵬程, 邢樂(lè)杰, 肖文發(fā), 黃志霖, 潘磊, 曾立雄. 三峽庫(kù)區(qū)森林生態(tài)系統(tǒng)有機(jī)碳密度及碳儲(chǔ)量. 生態(tài)學(xué)報(bào), 2009, 29(1): 97- 107.

Construction and application of a depth distribution model for soil organic carbon in forest areas

TIAN Yaowu1,2，ZENG Lixiong2,*，HUANG Zhilin2，XIAO Wenfa2，XIANG Yong3

1CollegeofForestry,HenanUniversityofScienceandTechnology,Luoyang471003,China2StateForestryAdministrationKeyLaboratoryofForestEcologyandEnvironment,ResearchInstituteofForestEcology,EnvironmentandProtection,ChineseAcademyofForestry,Beijing100091,China3ForestryBureauofZiguiCounty,Zigui443600,China

The pool of soil organic carbon (SOC) in a forest forms an important component in the global carbon (C) cycle. SOC plays an important role in enhancing forest productivity and mitigating the net rate of global greenhouse gas emissions. The risk of global warming has caught the attention of the scientific community as it relates to SOC stocks in forest ecosystems. The precise measurement of SOC stocks and verification of the amount of C sequestered in the soil are critical factors for the implementation of C trading programs. SOC in mineral soils generally decreases with depth; however, this decrease is non-linear and has been frequently modeled as an exponential function. We selected four forest types (boreal forest, temperate deciduous forest, subtropical mixed forest, and tropical evergreen broadleaved forest) and analyzed the exponential function for SOC mass density. We established an SOC database for layers of the soil profile by measuring the SOC in typical areas in the four forest biomes. The depth distribution models for the mass density of SOC were established by a typical sampling method. The model was calibrated using 60% of the data of the profiles, and 40% of the data was used for validation purposes. The entire evaluation for the results of model simulation consisted of determining the coefficient of determination (R2), Nash-Sutcliffe coefficient of efficiency (E), and the percentage error (PE). Next, the depth distribution models evaluated here were used to simulate the distribution of SOC deeper into the soil profile. The results showed that the simulation values for the depth distribution models of the four forest biomes and the observed values were relatively consistent. The average values ofR2,E, and absolutePEwere 0.88, 0.74, and 6.95%, respectively. The model simulations had a relatively high capacity (E> 0.6), and thePEof the model was simulated within a range with acceptable accuracy (PE< ±15%). The model could be used to simulate the depth distribution of forest soil organic carbon. Second, the boreal coniferous forest had a much higher density of SOC in the 0—20 cm layer than those of the tropical deciduous forest and the two other forest types. In contrast, the SOC densities in other layers of boreal coniferous forest were lower, while those of the tropical deciduous forest were higher. The regional SOC densities were lower when SOC densities in the 0—100 cm soil layers were used to characterize the regional SOC density. When compared with the SOC densities in the range of 0—200 cm in the soil profile, the SOC densities in the 0—100 cm soil layer were about 21.8% lower than the overall density. Any error in this calculation may be greater and more prominent in regions with high temperatures and precipitation rates. For rainfall events of a small magnitude, the model generally over-estimated mass density at the bottom of the soil profile, while the opposite was true; that is, for regions with large amounts of rainfall, the model generally under-estimated the surface SOC density. In general, the model performs well at simulating the depth distribution of SOC, and it can be used as a forest SOC management tool to simulate the depth distribution of SOC in some regions.

forest; soil organic carbon (SOC); depth distribution; model

中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金(CAFRIFEEP201101)

2014- 03- 25;

日期:2015- 04- 20

10.5846/stxb201403250556

*通訊作者Corresponding author.E-mail: zenglx@caf.ac.cn

田耀武，曾立雄,黃志霖，肖文發(fā)，向勇.森林土壤有機(jī)碳深度分布模型的構(gòu)建與應(yīng)用.生態(tài)學(xué)報(bào),2015,35(22):7503- 7510.

Tian Y W，Zeng L X，Huang Z L，Xiao W F，Xiang Y.Construction and application of a depth distribution model for soil organic carbon in forest areas.Acta Ecologica Sinica,2015,35(22):7503- 7510.