基于Landsat遙感影像和1∶50 000土壤數(shù)據(jù)庫(kù)的福州市耕地有機(jī)碳動(dòng)態(tài)變化研究*

李 亞, 張黎明, 陳瀚閱**, 袁玉琦, 邢世和

?

基于Landsat遙感影像和1∶50 000土壤數(shù)據(jù)庫(kù)的福州市耕地有機(jī)碳動(dòng)態(tài)變化研究*

李 亞1,2, 張黎明1,2, 陳瀚閱1,2**, 袁玉琦1,2, 邢世和2

(1. 福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院 福州 350002; 2. 土壤生態(tài)系統(tǒng)健康與調(diào)控福建省高校重點(diǎn)實(shí)驗(yàn)室 福州 350002)

耕地土壤碳庫(kù)是全球碳庫(kù)中最為活躍的部分, 其變化對(duì)全球氣候變化產(chǎn)生重要影響。目前對(duì)耕地土壤有機(jī)碳估算多采用中、小系列比例尺的土壤數(shù)據(jù)庫(kù), 較少結(jié)合遙感影像與大比例尺土壤數(shù)據(jù)庫(kù)進(jìn)行估算?；诖? 本研究采用Landsat遙感影像和1∶50 000高精度土壤數(shù)據(jù)庫(kù), 以福建省福州市為例, 基于遙感與碳循環(huán)過(guò)程模型對(duì)1987年和2016年耕地土壤有機(jī)碳動(dòng)態(tài)變化進(jìn)行研究。結(jié)果表明, 利用Landsat影像反演得到的耕地土壤基礎(chǔ)呼吸與土壤有機(jī)碳相關(guān)性強(qiáng), 建立的1987年和2016年模型2分別為0.637和0.752。研究期間, 全市耕地土壤有機(jī)碳密度從東部沿海向西部?jī)?nèi)陸地區(qū)遞增, 整體發(fā)揮著“碳匯”作用, 有機(jī)碳密度和儲(chǔ)量分別增加0.20 kg?m-2和2.946×105t。從不同土壤類(lèi)型比較得出, 黃壤、紅壤和水稻土是“碳匯”, 有機(jī)碳密度分別增加0.70 kg?m-2、0.40 kg?m-2和0.19 kg?m-2; 其他土類(lèi)為“碳源”, 其中, 水稻土碳儲(chǔ)量最大, 兩期在全市總碳儲(chǔ)量中占比均超過(guò)90%。從不同行政區(qū)比較得出, 倉(cāng)山區(qū)、長(zhǎng)樂(lè)區(qū)、馬尾區(qū)和連江縣為“碳源區(qū)”, 其他地區(qū)為“碳匯區(qū)”, 其中, 倉(cāng)山區(qū)碳儲(chǔ)量一直為全市最低, 兩期占比均不足0.5%, 而福清市則一直居于全市首位, 占比均高于20%?？傮w而言, 福州市耕地土壤有機(jī)碳30年間空間動(dòng)態(tài)變化顯著, 在不同土類(lèi)和行政區(qū)間存在差異, 今后應(yīng)根據(jù)不同耕地土壤類(lèi)型和行政區(qū)的有機(jī)碳情況有針對(duì)性進(jìn)行耕地管理。

耕地; 土壤有機(jī)碳密度; 土壤有機(jī)碳儲(chǔ)量; 遙感反演; 碳循環(huán)過(guò)程模型; 土壤基礎(chǔ)呼吸; 福州市

土壤是陸地生態(tài)系統(tǒng)中最大的碳庫(kù), 全球1 m厚土壤碳總量為2 500 Gt, 其中包括約1 550 Gt的土壤有機(jī)碳和950 Gt土壤無(wú)機(jī)碳[1]。耕地土壤碳庫(kù)作為陸地碳庫(kù)的重要組成部分, 不僅是全球碳庫(kù)中最為活躍的部分, 也是受人類(lèi)活動(dòng)影響最大且能在相對(duì)較短時(shí)間內(nèi)被人為調(diào)節(jié)的碳庫(kù)[2-3]。因此, 明確耕地土壤碳儲(chǔ)量的動(dòng)態(tài)變化對(duì)了解陸地生態(tài)系統(tǒng)碳循環(huán)具有重大意義, 也可以為調(diào)整與耕地土壤相關(guān)的人類(lèi)活動(dòng)提供參考依據(jù)。

目前, 國(guó)內(nèi)外大量學(xué)者在不同尺度上對(duì)碳儲(chǔ)量展開(kāi)了研究。國(guó)外學(xué)者多基于小比例尺的土壤數(shù)據(jù)庫(kù)和土壤剖面數(shù)據(jù)直接進(jìn)行碳儲(chǔ)量的估算。如Batjes[4]基于1∶500萬(wàn)土壤數(shù)據(jù)庫(kù)和4 353個(gè)土壤剖面, 估算全球1 m土壤有機(jī)碳儲(chǔ)量為1 462~1 502 Pg。Batjes[5]利用1∶250萬(wàn)土壤數(shù)據(jù)庫(kù)和663個(gè)土壤剖面估算出中歐和東歐13個(gè)國(guó)家1 m土壤有機(jī)碳儲(chǔ)量為110 Pg。Ross等[6]采用1965—2009年的實(shí)測(cè)樣點(diǎn)數(shù)據(jù)估算出美國(guó)圣約翰河流域和佛羅里達(dá)州奧克拉瓦哈河流域5 061 km2的農(nóng)田土壤0~20 cm有機(jī)碳儲(chǔ)量為16.4 Tg。國(guó)內(nèi)學(xué)者多采用中、小系列比例尺土壤數(shù)據(jù)庫(kù), 基于土壤類(lèi)型法[7-8]對(duì)國(guó)家、區(qū)域尺度的土壤碳儲(chǔ)量進(jìn)行估算。如解憲麗等[7]基于1∶400萬(wàn)《中華人民共和國(guó)土壤圖》和全國(guó)第2次土壤普查數(shù)據(jù), 運(yùn)用土壤類(lèi)型法估算出中國(guó)0~20 cm土壤有機(jī)碳儲(chǔ)量為27.4 Pg。周金霖等[8]基于全國(guó)第2次土壤普查數(shù)據(jù)和2007—2011年農(nóng)業(yè)部“測(cè)土配方施肥”項(xiàng)目的數(shù)據(jù), 采用土壤類(lèi)型法估算重慶市1∶25萬(wàn)比例尺下0~20 cm農(nóng)田土壤有機(jī)碳儲(chǔ)量為2.335 4×107t。此類(lèi)方法簡(jiǎn)單直接, 且多基于有限的離散土壤數(shù)據(jù)進(jìn)行估算, 空間連續(xù)性差, 不利于揭示土壤有機(jī)碳的空間動(dòng)態(tài)變化?；诖? 周濤等[9]建立遙感與碳循環(huán)過(guò)程模型, 采用1982—1999年空間分辨率為8 km的月AVHRR NDVI數(shù)據(jù)集、1∶400萬(wàn)中國(guó)土壤類(lèi)型圖和全國(guó)第2次土壤普查數(shù)據(jù), 對(duì)中國(guó)典型地帶性土壤有機(jī)碳儲(chǔ)量進(jìn)行估算。此后, Zhou等[10]、李婷等[11]采用該方法對(duì)碳儲(chǔ)量進(jìn)行了研究, 結(jié)果表明該模型具有好的適用性。但這些研究中, 采用的遙感影像空間分辨率低, 在表征區(qū)域有機(jī)碳空間異質(zhì)性方面尚顯不足。相關(guān)研究表明不同比例尺土壤數(shù)據(jù)庫(kù)對(duì)碳儲(chǔ)量的估算產(chǎn)生影響, 統(tǒng)計(jì)表明我國(guó)土壤碳儲(chǔ)量估算結(jié)果相差達(dá)4倍[12]。

本研究采用遙感與碳循環(huán)過(guò)程模型[9], 以空間分辨率30 m的Landsat遙感影像作為數(shù)據(jù)源, 結(jié)合福建省第2次土壤普查樣點(diǎn)數(shù)據(jù)和2016年測(cè)土配方施肥數(shù)據(jù), 對(duì)福州市1987年和2016年兩期1∶50 000比例尺土壤數(shù)據(jù)庫(kù)下的耕地有機(jī)碳密度和儲(chǔ)量進(jìn)行估算。研究結(jié)果可為區(qū)域尺度耕地土壤有機(jī)碳估算提供參考, 為亞熱帶耕地資源可持續(xù)利用與糧食安全提供科學(xué)依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

福州市位于福建省東部, 位于25°15′~26°39′N(xiāo), 118°08′~120°31′E。屬亞熱帶季風(fēng)氣候, 年均日照時(shí)數(shù)1 700~1 980 h, 年均降水量900~2 100 mm, 年均氣溫20~25 ℃, 極端高溫42.3 ℃, 極端低溫-2.5 ℃。全市2016年耕地面積(不包括鼓樓區(qū)和臺(tái)江區(qū))149 309 hm2。全市耕地土壤類(lèi)型以水稻土為主, 總面積139 469 hm2, 占耕地面積的93%; 其次是紅壤, 總面積8 399 hm2, 占耕地面積的5.63%; 而濱海鹽土、風(fēng)砂土、潮土、赤紅壤、黃壤和紫色土面積較小, 共占耕地面積的0.97%。

1.2 數(shù)據(jù)來(lái)源

1.2.1 遙感數(shù)據(jù)及處理

本研究遙感影像均來(lái)源于美國(guó)地質(zhì)調(diào)查局(USGS), 1987年為L(zhǎng)andsat TM影像, 2016年為L(zhǎng)andsat 8 OLI影像, 空間分辨率均為30 m, 投影坐標(biāo)系均為WGS_1984_UTM_Zone_50N。用ENVI5.1對(duì)遙感影像進(jìn)行圖像配準(zhǔn)、輻射定標(biāo)和大氣校正等預(yù)處理之后計(jì)算出每幅影像的歸一化植被指數(shù)(NDVI), 再根據(jù)最大值合成法(max value composite, MVC)得到月NDVI最大值。最后, 用研究區(qū)邊界矢量進(jìn)行裁剪, 得到研究區(qū)1987年和2016年逐月的NDVI最大值。因?yàn)?987年缺少1月和11月的遙感影像, 所以分別用12月和2月的NDVI最大值均值、10月和12月的NDVI最大值均值來(lái)代替1月、11月NDVI最大值。

1.2.2 氣象基礎(chǔ)數(shù)據(jù)及處理

本研究氣象基礎(chǔ)數(shù)據(jù)來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)提供的福建省28個(gè)標(biāo)準(zhǔn)氣象站點(diǎn)(圖1)的月平均溫度、月降水量數(shù)據(jù), 月總太陽(yáng)輻射量采用氣象站點(diǎn)數(shù)據(jù)計(jì)算[13](1987年和2016年標(biāo)準(zhǔn)氣象站點(diǎn)數(shù)分別為21個(gè)和28個(gè))。在ARCGIS中用克里格法對(duì)福建省氣象基礎(chǔ)數(shù)據(jù)進(jìn)行插值, 空間分辨率和投影系統(tǒng)均與遙感影像保持一致。最后, 用研究區(qū)邊界矢量進(jìn)行裁剪, 得到研究區(qū)1987年和2016年的氣象柵格數(shù)據(jù)。

圖1 福建省1987年(21個(gè), 左)和2016年(28個(gè), 右)標(biāo)準(zhǔn)氣象站點(diǎn)分布

1.2.3 調(diào)查樣點(diǎn)屬性數(shù)據(jù)

本研究采用的實(shí)測(cè)耕地土壤有機(jī)碳數(shù)據(jù)為福建省第2次土壤普查樣點(diǎn)相關(guān)土壤理化性質(zhì)數(shù)據(jù)和2016年福建省測(cè)土配方施肥調(diào)查樣點(diǎn)地理坐標(biāo)及相關(guān)土壤理化屬性分析數(shù)據(jù)(圖2), 數(shù)據(jù)均來(lái)自福建省農(nóng)業(yè)廳。選取與福州市耕地底圖圖斑土類(lèi)一致的樣點(diǎn), 其中, 第2次土壤普查樣點(diǎn)共44個(gè)(1982年, 圖2)、2016年測(cè)土配方施肥調(diào)查樣點(diǎn)共131個(gè)(圖2), 選取80%樣點(diǎn)進(jìn)行建模, 20%的樣點(diǎn)用來(lái)進(jìn)行驗(yàn)證。20世紀(jì)80年代, 研究區(qū)經(jīng)濟(jì)發(fā)展程度低, 耕地利用變化小, 所以采用福建省第2次土壤普查樣點(diǎn)數(shù)據(jù)具有可適性。

1.2.4 其他數(shù)據(jù)

1∶50 000福建省土地利用現(xiàn)狀數(shù)據(jù)庫(kù)和1∶50 000福建省土壤類(lèi)型分布數(shù)據(jù)庫(kù), 數(shù)據(jù)來(lái)源于福建省國(guó)土資源廳和農(nóng)業(yè)廳。運(yùn)用 ARCGIS 軟件從1∶50 000福建省土地利用現(xiàn)狀數(shù)據(jù)庫(kù)中提取出耕地利用現(xiàn)狀數(shù)據(jù)庫(kù), 再用“Intersect”命令將耕地利用現(xiàn)狀圖與土壤圖進(jìn)行疊加得到福建省1∶50 000耕地利用現(xiàn)狀-土壤空間數(shù)據(jù)庫(kù)。最后, 對(duì)福州市進(jìn)行提取, 作為本研究評(píng)價(jià)底圖, 其耕地利用和土壤類(lèi)型分布如圖2所示。

圖2 福州市土壤類(lèi)型(a)、耕地利用類(lèi)型及采樣點(diǎn)分布(b)圖

2 研究方法

為綜合應(yīng)用遙感影像和耕地土壤數(shù)據(jù)庫(kù), 本研究采用遙感與碳循環(huán)過(guò)程模型[9]估算耕地土壤有機(jī)碳儲(chǔ)量。首先以Landsat遙感影像為數(shù)據(jù)源, 基于光能利用率模型(Carnegie-Ames-Stanford Approach, CASA模型)[14]得到區(qū)域耕地凈初級(jí)生產(chǎn)力(NPP)值, 用其驅(qū)動(dòng)改進(jìn)后土壤基礎(chǔ)呼吸模型[9]得到耕地土壤基礎(chǔ)呼吸的空間分布。然后, 結(jié)合福建省第2次土壤普查樣點(diǎn)數(shù)據(jù)和2016年測(cè)土配方施肥數(shù)據(jù), 建立兩期耕地土壤有機(jī)碳密度與耕地土壤基礎(chǔ)呼吸的關(guān)系模型, 進(jìn)一步估算出30 m空間分辨率下的耕地土壤有機(jī)碳密度空間分布, 實(shí)現(xiàn)對(duì)研究區(qū)耕地土壤有機(jī)碳密度和碳儲(chǔ)量的估算。

2.1 CASA模型

NPP是光合作用所產(chǎn)生的有機(jī)質(zhì)總量中扣除自養(yǎng)呼吸后的剩余部分, 本研究采用朱文泉等[14]改進(jìn)后的CASA模型對(duì)福州市1987年和2016年兩期的耕地NPP進(jìn)行估算, 計(jì)算公式如下:

NPP=APAR′(1)

式中: NPP表示凈初級(jí)生產(chǎn)力[g(C)?m-2?month-1], APAR表示月吸收的光合有效輻射[g(C)?m-2?month-1],表示月實(shí)際光能利用率[g(C)?MJ-1]。

2.1.1 APAR計(jì)算

光合有效輻射(PAR)是植物光合作用的驅(qū)動(dòng)力, 植被吸收的光合有效輻射取決于太陽(yáng)總輻射和植物本身的特征[14], 計(jì)算公式如下:

APAR=SOL′FPAR′0.5 (2)

SOL=(a+b′/)′a(3)

式中: APAR表示月吸收的光合有效輻射[g(C)?m-2?month-1]; SOL表示太陽(yáng)輻射量(MJ?m-2?month-1); FPAR表示植被層對(duì)入射光合有效輻射的吸收比例, 由NDVI和比值植被指數(shù)(SR)估算出的FPAR值取平均; 0.5為植被所能利用的太陽(yáng)有效輻射占太陽(yáng)總輻射的比例[14];a為大氣上界垂直入射的太陽(yáng)輻射;為日照百分率; a和b為常數(shù), 值分別為0.207和0.725[15]。

2.1.2 實(shí)際光能利用率()計(jì)算

光能利用率是植被把所吸收的光合有效輻射(PAR)轉(zhuǎn)化為有機(jī)碳的效率, 它主要受溫度和水分的影響[16], 計(jì)算公式如下:

式中:T1、T2和W分別表示低溫、高溫和水分對(duì)光能利用率的脅迫作用;max表示理想條件下的最大光能利用率[g(C)?m-2?MJ-1], 本研究采用朱文泉等[17]根據(jù)誤差最小原則, 利用中國(guó)NPP實(shí)測(cè)數(shù)據(jù), 模擬出的不同植被類(lèi)型的最大光能利用率, 其中耕地的最大光能利用率為0.542;opt為植被最適溫度(℃);為月均溫(℃);為區(qū)域?qū)嶋H蒸散量(mm);p為區(qū)域潛在蒸散量(mm)。

2.2 土壤基礎(chǔ)呼吸模型

本研究采用改進(jìn)后的土壤基礎(chǔ)呼吸模型[9]來(lái)反演土壤基礎(chǔ)呼吸, 在此基礎(chǔ)上建立耕地土壤基礎(chǔ)呼吸與實(shí)測(cè)耕地土壤有機(jī)碳密度之間的關(guān)系模型。具體計(jì)算公式如下:

式中:a為土壤基礎(chǔ)呼吸(g·m-2·month-1),表示空間經(jīng)緯度;為溫度敏感性系數(shù), 取值0.030 6[18];H為土壤異養(yǎng)呼吸釋放的有機(jī)碳[g(C)?m-2?month-1];s為土壤溫度(℃); PPT為年降水量(mm); PET為年潛在蒸散量(mm)。

2.3 土壤有機(jī)碳密度與儲(chǔ)量估算

本研究采用土壤類(lèi)型法對(duì)土壤有機(jī)碳密度(soil organic carbon density, SOCD)進(jìn)行計(jì)算[19-21], 計(jì)算公式如下:

式中:為土層數(shù);%為第層>2 mm礫石含量(體積百分含量);ρ為第層土壤容重(g?cm-3);C為第層土壤有機(jī)碳含量(g?kg-1), 由土壤有機(jī)質(zhì)含量乘以0.58(Bemmelen轉(zhuǎn)換系數(shù))得到;T為第層土層厚度(cm), 本研究為表土層(0~15 cm)的土壤有機(jī)碳密度。

土壤有機(jī)碳儲(chǔ)量(soil organic carbon storage, SOCS)[22]計(jì)算公式如下:

式中: SOCS為土壤有機(jī)碳儲(chǔ)量(kg), SOCD為第個(gè)土壤圖斑的有機(jī)碳密度(kg·m-2),S為第個(gè)土壤圖斑的平差面積(m2),為圖斑數(shù)。

3 結(jié)果與分析

3.1 耕地土壤有機(jī)碳建模及驗(yàn)證

將1987年和2016年的耕地土壤基礎(chǔ)呼吸反演結(jié)果分別與福建省第2次土壤普查樣點(diǎn)數(shù)據(jù)和2016年測(cè)土配方施肥數(shù)據(jù)結(jié)合, 進(jìn)行回歸分析。研究結(jié)果表明, 利用Landsat影像遙感反演的1987年和2016年耕地土壤基礎(chǔ)呼吸和實(shí)測(cè)耕地土壤有機(jī)碳密度呈線性相關(guān), 確定系數(shù)(2)分別為0.637和0.752(圖3), 模型模擬的耕地土壤有機(jī)碳密度與實(shí)測(cè)耕地土壤有機(jī)碳密度的2分別為0.784和0.705(圖4), 均方根預(yù)測(cè)誤差(RMSE)分別為0.306和0.249, 建模和驗(yàn)證結(jié)果均表明研究結(jié)果具有較好的可信度。

3.2 福州市耕地土壤有機(jī)碳密度和儲(chǔ)量變化

從表1可以看出, 1987年和2016年福州市149 309 hm2耕地土壤面積加權(quán)后的有機(jī)碳密度均值分別為3.12 kg·m-2和3.31 kg·m-2, 研究期間上升0.20 kg·m-2, 有機(jī)碳儲(chǔ)量增加2.95×105t, 表明全市耕地土壤總體起到了“碳匯”的作用。從空間分布來(lái)看(圖5), 兩期耕地土壤有機(jī)碳密度總體呈現(xiàn)從東部沿海地區(qū)向西部?jī)?nèi)陸地區(qū)增加的趨勢(shì)。1987年土壤有機(jī)碳密度低于2.5 kg·m-2的耕地主要分布在東部沿海地區(qū), 總面積8 258 hm2, 2016年則主要分布在城市建成區(qū)的倉(cāng)山、馬尾和長(zhǎng)樂(lè)區(qū)以及東部沿海地區(qū)的連江縣南部、福清市東北部, 總面積有顯著增加, 達(dá)20 798 hm2。1987年和2016年土壤有機(jī)碳密度高于3.5 kg·m-2的耕地均主要分布在西北部的閩侯、閩清和永泰3縣以及南部的福清市, 總面積增幅達(dá)40 009 hm2, 土壤類(lèi)型以水稻土為主, 兩期占比均高于90%。

圖3 1987年(a)和2016年(b)福州市耕地土壤有機(jī)碳密度與土壤基礎(chǔ)呼吸的關(guān)系模型

圖4 1987年(a)和2016年(b)福州市耕地土壤有機(jī)碳密度模擬值與觀測(cè)值的比較

表1 1987年和2016年福州市耕地土壤有機(jī)碳密度統(tǒng)計(jì)

圖5 1987年(a)和2016年(b)福州市土壤有機(jī)碳密度(SOCD)空間分布

3.3 不同耕地土壤類(lèi)型有機(jī)碳密度和碳儲(chǔ)量變化

從表2可以看出, 福州市不同耕地土壤類(lèi)型有機(jī)碳密度和碳儲(chǔ)量差異明顯。1987年和2016年, 水稻土始終處在前列; 風(fēng)砂土則一直低于平均水平(3.12 kg·m-2、3.31 kg·m-2), 兩期差值分別為0.38 kg·m-2、0.69 kg·m-2。兩期對(duì)比發(fā)現(xiàn), 紅壤、黃壤和水稻土的有機(jī)碳密度呈上升趨勢(shì), 以黃壤最為明顯, 上漲幅度為19%, 紅壤和水稻土則分別為12%和6%。其余耕地土壤的有機(jī)碳密度均呈下降趨勢(shì), 下降幅度最大的是潮土, 為13%。其次為赤紅壤、紫色土, 下降均超過(guò)9%, 風(fēng)砂土和濱海鹽土也略有下降。從不同耕地土壤有機(jī)碳儲(chǔ)量來(lái)看(表2), 1987年和2016年均是水稻土最高, 在全市總碳儲(chǔ)量中占比均超過(guò)90%。紫色土、赤紅壤和黃壤兩期有機(jī)碳儲(chǔ)量一直較低, 1987年和2016年3種土類(lèi)碳儲(chǔ)量共計(jì)占比不足0.1%?？傮w來(lái)看, 水稻土、紅壤和黃壤在研究期間表現(xiàn)為“碳匯”, 其他土類(lèi)則表現(xiàn)為“碳源”。

表2 1987年和2016年福州市不同土類(lèi)耕地土壤有機(jī)碳密度和儲(chǔ)量

3.4 不同行政區(qū)耕地土壤有機(jī)碳密度和碳儲(chǔ)量變化

從表3可見(jiàn), 福州市不同行政區(qū)耕地土壤有機(jī)碳密度和碳儲(chǔ)量有明顯差異。閩清縣的耕地土壤有機(jī)碳密度最高, 1987年為3.23 kg·m-2, 2016年為3.63 kg·m-2, 此外, 永泰縣和閩侯縣兩期有機(jī)碳密度也均高于全市水平(3.12 kg·m-2、3.31 kg·m-2)。倉(cāng)山區(qū)的耕地土壤有機(jī)碳密度最低, 1987年為2.79 kg·m-2, 2016年為1.95 kg·m-2。從變化情況來(lái)看(表3), 閩侯縣有機(jī)碳密度增幅最大, 為0.43 kg·m-2, 而倉(cāng)山區(qū)降幅最大, 為0.84 kg·m-2, 其他行政區(qū), 福清市、晉安區(qū)、永泰縣和羅源縣均呈現(xiàn)增長(zhǎng)趨勢(shì), 長(zhǎng)樂(lè)區(qū)、馬尾區(qū)和連江縣則呈現(xiàn)降低趨勢(shì)。從不同行政區(qū)耕地土壤有機(jī)碳儲(chǔ)量來(lái)看, 倉(cāng)山區(qū)一直為全市最低, 兩期占比均不足0.5%, 而福清市則一直居于全市首位, 兩期占比均高于20%。兩期對(duì)比發(fā)現(xiàn), 福清市有機(jī)碳儲(chǔ)量增幅最大, 閩侯縣次之, 而長(zhǎng)樂(lè)區(qū)則下降最多。總體來(lái)看, 研究期間, 福州市“碳源區(qū)”分布在沿海地區(qū)和城市建成區(qū), “碳匯區(qū)”分布在內(nèi)陸地區(qū)。

表3 1987年和2016年福州市不同行政區(qū)耕地土壤有機(jī)碳密度和儲(chǔ)量

4 討論與結(jié)論

4.1 討論

研究結(jié)果表明, 福州市耕地土壤在1987—2016年30年間發(fā)揮著“碳匯”的作用, 與大多數(shù)學(xué)者的研究一致, 如龍軍等[23]研究表明, 1982—2008年間福建省耕地土壤起到了弱“碳匯”的作用, 劉書(shū)田[24]的研究表明我國(guó)緯度低于40°的地區(qū), 測(cè)土配方施肥的土壤有機(jī)碳含量數(shù)據(jù)整體高于第2次土壤普查數(shù)據(jù), 表明30年來(lái)這一地區(qū)土壤起到了“碳匯”作用。兩期耕地土壤有機(jī)碳密度空間分布與張楠[25]的研究結(jié)果一致?？偟膩?lái)看, “碳源區(qū)”均處于東部沿海地區(qū)。一方面, 東部沿海地區(qū)降水量相對(duì)較少而溫度則相對(duì)較高的氣候環(huán)境加速了土壤呼吸的速率, 另一方面, 濱海鹽土、赤紅壤和風(fēng)砂土等有機(jī)碳密度下降的土類(lèi)主要分布在這些地區(qū)。1987年有機(jī)碳密度低于2.5 kg·m-2的耕地主要分布在東部沿海地區(qū), 2016年則主要分布在城市建成區(qū)的倉(cāng)山、馬尾和長(zhǎng)樂(lè)區(qū)以及東部沿海地區(qū)的連江縣南部、福清市東北部, 可能因?yàn)檫@些地區(qū)城市化速度較其他地區(qū)快, 城市化產(chǎn)生熱島效應(yīng), 其年均溫(圖6)在1987年和2016年分別高于其他地區(qū)0.30 ℃和0.51 ℃, 溫差值呈現(xiàn)增長(zhǎng)趨勢(shì)。與此同時(shí), 其兩期年降水量(圖6)分別低于其他地區(qū)153 mm和85 mm, 研究表明高溫少雨的自然環(huán)境會(huì)加快耕地土壤有機(jī)碳的分解速率, 不利于土壤有機(jī)碳的積累[3]。此外, 全市有機(jī)碳密度低的土類(lèi), 如赤紅壤和風(fēng)砂土全部分布在這些區(qū)域, 濱海鹽土所占比重也高于95%。1987年和2016年土壤有機(jī)碳密度高于3.5 kg·m-2的耕地均主要分布在西北部的閩侯、閩清和永泰3縣以及南部的福清市, 原因在于其土壤類(lèi)型以水稻土為主, 在水耕熟化的過(guò)程中, 因人為的灌溉和施肥, 有機(jī)碳密度增加是普遍趨勢(shì)[23]。兩期變化來(lái)看, 閩侯縣增幅最大, 因?yàn)槠渫令?lèi)主要為有機(jī)碳密度上升的水稻土、紅壤和黃壤, 面積占比高達(dá)99.98%。倉(cāng)山區(qū)因溫度高降水量少(圖6)的環(huán)境加快其有機(jī)質(zhì)的分解速度, 因而耕地土壤有機(jī)碳密度降幅最大。由此可見(jiàn), 溫度、降水和土類(lèi)是不同行政區(qū)耕地土壤有機(jī)碳密度的重要影響因子。針對(duì)耕地土壤有機(jī)碳儲(chǔ)量, 兩期最大值均出現(xiàn)在福清市。影響土壤有機(jī)碳儲(chǔ)量的因素主要是碳密度和面積[26-27]: 一方面, 福清市主要的耕地土壤類(lèi)型為水稻土, 占全縣耕地面積的99.55%; 另一方面, 全縣耕地總面積為35 105 hm2, 居全市第一。倉(cāng)山區(qū)有機(jī)碳儲(chǔ)量一直為全市最低, 因?yàn)樵搮^(qū)耕地面積小且有機(jī)碳密度也為全市最低。兩期對(duì)比發(fā)現(xiàn), 福清市有機(jī)碳儲(chǔ)量增幅最大, 閩侯縣次之, 原因在于兩縣的有機(jī)碳密度居于全市前列且耕地面積大。長(zhǎng)樂(lè)區(qū)有機(jī)碳儲(chǔ)量下降最多, 原因在于有機(jī)碳密度下降的土壤類(lèi)型, 比如赤紅壤全部分布在長(zhǎng)樂(lè)區(qū), 風(fēng)砂土占比也高于85%。

1: 福清市; 2: 長(zhǎng)樂(lè)區(qū); 3: 倉(cāng)山區(qū); 4: 馬尾區(qū); 5: 晉安區(qū); 6: 連江縣; 7: 永泰縣; 8: 閩侯縣; 9: 閩清縣; 10: 羅源縣。1: Fuqing City; 2: Changle District; 3: Cangshan District; 4: Mawei District; 5: Jin’an District; 6: Lianjiang County; 7: Yongtai County; 8: Minhou County; 9: Minqing County; 10: Luoyuan County.

從不同土類(lèi)有機(jī)碳密度來(lái)看, 研究期間, 水稻土始終處在前列, 這與大多數(shù)學(xué)者的研究一致。如龍軍等[23]的研究表明福建省水稻土有機(jī)碳密度一直處在前列, 陳曦[28]對(duì)廣西土壤有機(jī)碳儲(chǔ)量估算的研究中水稻土有機(jī)碳密度僅次于黃壤。風(fēng)砂土主要分布在福州市的東部沿海地區(qū), 海拔在13~147 m, 年降水量低于全省平均水平, 年均溫反之, 不利于有機(jī)質(zhì)積累, 因而其有機(jī)碳密度一直較低, 這與張楠[25]的研究一致。總體來(lái)看, 紅壤、黃壤和水稻土的有機(jī)碳密度呈上升趨勢(shì), 黃壤上漲幅度最大, 為19%。全市黃壤主要分布在閩侯縣和閩清縣的中山地帶, 海拔高度在750~950 m, 溫度較低, 不利于有機(jī)質(zhì)的分解, 因而有機(jī)質(zhì)積累多, 這與前人研究一致[26,28-29]。潮土、赤紅壤、紫色土、風(fēng)沙土和濱海鹽土有機(jī)碳密度均呈下降趨勢(shì), 其中潮土因受生物、氣候和土壤水分狀況的限制, 生物積累較少, 有機(jī)質(zhì)含量不高, 肥力較低[30], 導(dǎo)致其下降幅度最大。保肥能力差, 多年的耕作和土壤侵蝕, 土層逐漸變薄, 土壤養(yǎng)分減少、肥力下降, 這些原因綜合導(dǎo)致赤紅壤、紫色土、風(fēng)沙土和濱海鹽土有機(jī)碳密度下降。從不同土類(lèi)有機(jī)碳儲(chǔ)量來(lái)看, 研究期間, 最大值土類(lèi)均是水稻土。研究期間水稻土有機(jī)碳密度始終居于前列, 且面積占比遠(yuǎn)高于其他土類(lèi), 因此有機(jī)碳儲(chǔ)量始終最高。紫色土、赤紅壤和黃壤兩期有機(jī)碳儲(chǔ)量一直較低, 面積小是主要原因, 與此同時(shí), 赤紅壤有機(jī)碳密度一直低于全省水平也是導(dǎo)致其有機(jī)碳儲(chǔ)量低的重要原因。兩期對(duì)比來(lái)看, 水稻土有機(jī)碳儲(chǔ)量增長(zhǎng)最多, 是碳密度升高和面積占比大共同作用所致。潮土有機(jī)碳儲(chǔ)量下降幅度最大是因?yàn)樘济芏认陆底畲? 其因受生物、氣候和土壤水分狀況的限制, 生物積累較少[30]。風(fēng)砂土和濱海鹽土有機(jī)碳儲(chǔ)量下降高于赤紅壤和紫色土, 主要原因是其面積遠(yuǎn)高于這兩種土類(lèi): 風(fēng)砂土是赤紅壤的9倍, 紫色土的35倍, 而濱海鹽土則分別為13倍和48倍。

在耕地土壤有機(jī)碳估算中, 采用1∶50 000高精度土壤數(shù)據(jù)庫(kù), 能更精確地估算出耕地土壤有機(jī)碳密度與儲(chǔ)量[12], 但因?yàn)槭芑A(chǔ)資料的限制, 研究結(jié)果仍存在一定的不確定性。首先, 采用1987年Landsat影像和福建省第2次土壤普查樣點(diǎn)數(shù)據(jù)建立關(guān)系模型, 年際之間耕地土壤有機(jī)碳差異會(huì)影響模型精度; 其次, 研究采用Landsat影像計(jì)算耕地NPP相對(duì)于MODIS產(chǎn)品擁有高空間分辨率, 但時(shí)間分辨率低, 受氣象條件影響的概率增大, 從而影響耕地土壤基礎(chǔ)呼吸的計(jì)算結(jié)果; 此外, 氣溫、降水量、太陽(yáng)輻射量等氣象因子是遙感與碳循環(huán)過(guò)程模型的重要修正參數(shù), 因研究區(qū)氣象站點(diǎn)少, 采用克里格插值提取區(qū)域氣象因子空間分布存在一定的局限性。針對(duì)上述問(wèn)題, 今后將展開(kāi)相關(guān)研究以提高反演精度, 如: 采用MODIS與Landsat融合后的產(chǎn)品估算耕地NPP, 提高時(shí)間分辨率的同時(shí)保證空間分辨率[31], 同時(shí), 通過(guò)ANUSPLIN軟件, 以經(jīng)緯度為自變量, 高程為協(xié)變量對(duì)氣象因子進(jìn)行插值[32]。

4.2 結(jié)論

本研究采用Landsat遙感影像和1∶50 000高精度土壤數(shù)據(jù)庫(kù), 結(jié)合遙感與碳循環(huán)過(guò)程模型對(duì)福州市1987年和2016年的耕地土壤有機(jī)碳密度和儲(chǔ)量進(jìn)行估算, 結(jié)論如下: 福州市耕地土壤有機(jī)碳密度存在明顯的空間分布規(guī)律, 整體表現(xiàn)為從東部沿海地區(qū)向西部?jī)?nèi)陸地區(qū)遞增。在不同土壤類(lèi)型中, 溫度、降水、地形和人類(lèi)活動(dòng)是耕地土壤有機(jī)碳密度的重要影響因子, 黃壤、紅壤和水稻土為“碳匯”, 其中, 黃壤有機(jī)碳密度增加最多, 紅壤次之, 水稻土有機(jī)碳密度則始終位于前列, 其他土類(lèi)為“碳源”。在不同行政區(qū)中, 溫度、降水和土類(lèi)構(gòu)成是耕地土壤有機(jī)碳密度的重要影響因子, “碳源區(qū)”分布在沿海地區(qū)和城市建成區(qū), “碳匯區(qū)”則主要分布在內(nèi)陸地區(qū)?？傮w來(lái)看, 全市耕地土壤30年間整體表現(xiàn)為“碳匯”, 但在不同土壤類(lèi)型和行政區(qū)間存在差異。因此, 在今后的耕地資源利用與管理中, 針對(duì)不同的土壤類(lèi)型和行政區(qū), 需要實(shí)施不同的政策, 如對(duì)不同行政區(qū)因其發(fā)展階段不一致可以建立碳交易市場(chǎng)等。

[1] LAL R. Soil carbon sequestration impacts on global climate change and food security[J]. Science, 2004, 304(5677): 1623–1627

[2] 張旭博, 孫楠, 徐明崗, 等. 全球氣候變化下中國(guó)農(nóng)田土壤碳庫(kù)未來(lái)變化[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2014, 47(23): 4648–4657 ZHANG X B, SUN N, XU M G, et al. Soil organic carbon in agricultural soils in China under global climate change[J]. Scientia Agricultura Sinica, 2014, 47(23): 4648–4657

[3] 姜藍(lán)齊, 臧淑英, 張麗娟, 等. 松嫩平原農(nóng)田土壤有機(jī)碳變化及固碳潛力估算[J]. 生態(tài)學(xué)報(bào), 2017, 37(21): 7068–7081 JIANG L Q, ZANG S Y, ZHANG L J, et al. Temporal and spatial variations of organic carbon and evaluation of carbon sequestration potential in the agricultural topsoil of Songnen Plain[J]. Acta Ecological Sinica, 2017, 37(21): 7068–7081

[4] BATJES N H. Total carbon and nitrogen in the soils of the world[J]. European Journal of Soil Science, 1996, 47(2): 151–163

[5] BATJES N H. Carbon and nitrogen stocks in the soils of Central and Eastern Europe[J]. Soil Use and Management, 2002, 18(4): 324–329

[6] ROSS C W, GRUNWALD S, MYERS D B, et al. Land use, land use change and soil carbon sequestration in the St. Johns River Basin, Florida, USA[J]. Geoderma Regional, 2016, 7(1): 19–28

[7] 解憲麗, 孫波, 周慧珍, 等. 中國(guó)土壤有機(jī)碳密度和儲(chǔ)量的估算與空間分布分析[J]. 土壤學(xué)報(bào), 2004, 41(1): 35–43 XIE X L, SUN B, ZHOU H Z, et al. Organic carbon density and storage in soils of China and spatial analysis[J]. Acta Pedologica Sinica, 2004, 41(1): 35–43

[8] 周金霖, 黃陽(yáng), 陳佳婧, 等. 重慶市農(nóng)田土壤有機(jī)碳時(shí)空變化與固碳潛力分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 2015, 35(11): 3647–3654 ZHOU J L, HUANG Y, CHEN J J, et al. Analysis on temporal and spatial variations of organic carbon and carbon sequestration potential in farmland soil in Chongqing[J]. Acta Scientiae Circumstantiae, 2015, 35(11): 3647–3654

[9] 周濤, 史培軍, 羅巾英, 等. 基于遙感與碳循環(huán)過(guò)程模型估算土壤有機(jī)碳儲(chǔ)量[J]. 遙感學(xué)報(bào), 2007, 11(1): 127–136 ZHOU T, SHI P J, LUO J Y, et al. Estimation of soil organic carbon based on remote sensing and process model[J]. Journal of Remote Sensing, 2007, 11(1): 127–136

[10] ZHOU T, SHI P J, JIA G S, et al. Nonsteady state carbon sequestration in forest ecosystems of China estimated by data assimilation[J]. Journal of Geophysical Research-Biogeosciences, 2013, 118(4): 1369–1384

[11] 李婷, 李晶, 楊歡. 基于遙感和碳循環(huán)過(guò)程模型的土壤固碳價(jià)值估算——以關(guān)中-天水經(jīng)濟(jì)區(qū)為例[J]. 干旱區(qū)地理, 2016, 39(2): 451–459LI T, LI J, YANG H. Estimate value of soil organic carbon based on remote sensing and process model in Guanzhong-Tianshui Economic Region[J]. Arid Land Geography, 2016, 39(2): 451–459

[12] 陳中星, 張楠, 張黎明, 等. 福建省土壤有機(jī)碳儲(chǔ)量估算的尺度效應(yīng)研究[J]. 土壤學(xué)報(bào), 2018, 55(3): 606–619 CHEN Z X, ZHANG N, ZHANG L M, et al. Scale effects of estimation of soil organic carbon storage in Fujian Province, China[J]. Acta Pedologica Sinica, 2018, 55(3): 606–619

[13] 吳艷艷. 城市化過(guò)程廣州土地覆蓋變化對(duì)凈初級(jí)生產(chǎn)力格局的影響[D]. 廣州: 中山大學(xué), 2016 WU Y Y. The effects of land cover change on patterns of net primary productivity in the process of urbanization of Guangzhou[D]. Guangzhou: Sun Yat-Sen University, 2016

[14] 朱文泉, 潘耀忠, 張錦水. 中國(guó)陸地植被凈初級(jí)生產(chǎn)力遙感估算[J]. 植物生態(tài)學(xué)報(bào), 2007, 31(3): 413–424 ZHU W Q, PAN Y Z, ZHANG J S. Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J]. Journal of Plant Ecology, 2007, 31(3): 413–424

[15] 侯光良, 李繼由, 張誼光. 中國(guó)農(nóng)業(yè)氣候資源[M]. 北京: 中國(guó)人民大學(xué)出版社, 1993 HOU G L, LI J Y, ZHANG Y G. China Agricultural Climate Resources[M]. Beijing: China Renmin University Press, 1993

[16] 周偉, 牟鳳云, 剛成誠(chéng), 等. 1982—2010年中國(guó)草地凈初級(jí)生產(chǎn)力時(shí)空動(dòng)態(tài)及其與氣候因子的關(guān)系[J]. 生態(tài)學(xué)報(bào), 2017, 37(13): 4335–4345 ZHOU W, MU F Y, GANG C C, et al. Spatio-temporal dynamics of grassland net primary productivity and their relationship with climatic factors from 1982 to 2010 in China[J]. Acta Ecological Sinica, 2017, 37(13): 4335–4345

[17] 朱文泉, 潘耀忠, 何浩, 等. 中國(guó)典型植被最大光利用率模擬[J].科學(xué)通報(bào), 2006, 51(6): 700–706 ZHU W Q, PAN Y Z, HE H, et al. Simulation of maximum light use efficiency for some typical vegetation types in China[J]. Chinese Science Bulletin, 2006, 51(6): 700–706

[18] RAICH J W, POTTER C S. Global patterns of carbon dioxide emissions from soils[J]. Global Biogeochemical Cycles, 1995, 9(1): 23–36

[19] PAN G X, LI L Q, ZHANG Q, et al. Organic carbon stock in topsoil of Jiangsu Province, China, and the recent trend of carbon sequestration[J]. Journal of Environmental Sciences, 2005, 17(1): 1–7

[20] 袁芳, 趙小敏, 樂(lè)麗紅, 等. 江西省表層土壤有機(jī)碳庫(kù)儲(chǔ)量估算與空間分布特征[J]. 生態(tài)環(huán)境, 2008, 17(1): 268–272 YUAN F, ZHAO X M, LE L H, et al. Organic carbon reserves of topsoil and spatial distribution in Jiangxi Province[J]. Ecology and Environment, 2008, 17(1): 268–272

[21] SONG G H, PAN G X, ZHANG Q. Topsoil organic carbon storage of China and its loss by cultivation[J]. Biogeochemistry, 2005, 74(1): 47–62

[22] WANG S Q, TIAN H Q, LIU J Y, et al. Pattern and change of soil organic carbon storage in China: 1960s-1980s[J]. Tellus B: Chemical and Physical Meteorology, 2003, 55(2): 416–427

[23] 龍軍, 張黎明, 毛艷玲, 等. 福建省不同耕地土壤和土地利用類(lèi)型對(duì)“碳源/匯”的貢獻(xiàn)差異研究[J]. 土壤學(xué)報(bào), 2013, 50(4): 664–674 LONG J, ZHANG L M, MAO Y L, et al. Study on the difference of contributions made by various cropland soil and land use types to carbon source / sink in Fujian Province, China[J]. Acta Pedologica Sinica, 2013, 50(4): 664–674

[24] 劉書(shū)田. 中國(guó)農(nóng)田土壤有機(jī)碳時(shí)空分布規(guī)律及影響因素研究[D]. 長(zhǎng)春: 吉林農(nóng)業(yè)大學(xué), 2016 LIU S T. The rule of temporal and spatial distribution of soil organic carbon of cropland and its influencing factors in China[D]. Changchun: Jilin Agricultural University, 2016

[25] 張楠. 基于高精度數(shù)據(jù)庫(kù)和3D模型的福建省土壤有機(jī)碳儲(chǔ)量估算研究[D]. 福州: 福建農(nóng)林大學(xué), 2017 ZHANG N. Study on high precision database and 3D model of soil organic carbon stocks estimation of Fujian Province[D]. Fuzhou: Fujian Agriculture and Forestry University, 2017

[26] 高巖紅. 普定縣農(nóng)田土壤有機(jī)碳庫(kù)演變特征及影響因素研究[D]. 重慶: 西南大學(xué), 2014 GAO Y H. Study on evolution characteristic and affecting factors of soil organic carbon in cropland in Puding County[D]. Chongqing: Southwest University, 2014

[27] 鐘聰, 楊忠芳, 夏學(xué)齊, 等. 青海省土壤有機(jī)碳儲(chǔ)量估算及其源匯因素分析[J]. 現(xiàn)代地質(zhì), 2012, 26(5): 896–909 ZHONG C, YANG Z F, XIA X Q, et al. Estimation of soil organic carbon storage and analysis of soil carbon source / sink factors in Qinghai Province[J]. Geoscience, 2012, 26(5): 896–909

[28] 陳曦. 廣西土壤有機(jī)碳儲(chǔ)量估算及與全國(guó)部分省區(qū)的比較研究[J]. 地理科學(xué), 2014, 34(10): 1247–1253 CHEN X. Estimation of soil organic carbon reserves in Guangxi and comparison study with some provinces in China[J]. Scientia Geographica Sinica, 2014, 34(10): 1247–1253

[29] 支俊俊, 荊長(zhǎng)偉, 張操, 等. 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[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(3): 683–689 ZHI J J, JING C W, ZHANG C, et al. Estimation of soil organic carbon density and storage in Zhejiang Province of East China by using 1∶50000 soil database[J]. Chinese Journal of Applied Ecology, 2013, 24(3): 683–689

[30] 福建省土壤普查辦公室. 福建土壤[M]. 福州: 福建科學(xué)技術(shù)出版社, 1991 Soil Survey Office in Fujian Province. Soils of Fujian[M]. Fuzhou: Fujian Science and Technology Publishing House, 1991

[31] GEVAERT C M, GARCíA-HARO F J. A comparison of STARFM and an unmixing-based algorithm for Landsat and MODIS data fusion[J]. Remote Sensing of Environment, 2015, 156: 34–44

[32] 趙芬. 基于CASA模型的錫林郭勒盟草地凈初級(jí)生產(chǎn)力遙感估算與驗(yàn)證[D]. 北京: 中國(guó)農(nóng)業(yè)科學(xué)院, 2015ZHAO F. Remote sensing estimation and validation of net primary production in the Xilingol grassland based on CASA model[D]. Beijing: Chinese Academy of Agricultural Sciences, 2015

Estimation of changes in soil organic carbon in farmlands in Fuzhou City using Landsat vegetation data and 1∶50 000 soil database*

LI Ya1,2, ZHANG Liming1,2, CHEN Hanyue1,2**, YUAN Yuqi1,2, XING Shihe2

(1. College of Resources and Environment, Fujian Agriculture and Forestry University, Fuzhou 350002, China; 2. University Key Lab of Soil Ecosystem Health and Regulation in Fujian, Fuzhou 350002, China)

Carbon pools in farmlands are critical drivers of change in global carbon stock and a small change in these pools could have a huge influence on CO2concentration in the atmosphere, causing global greenhouse condition. Though medium and small scale soil databases have often been used in estimating soil organic carbon (SOC) in farmlands, remote sensing image and large-scale soil database have rarely been used. In this study, we combined remote sensing and carbon cycle model to estimate SOC in farmland of Fuzhou City (in subtropical China) using Landsat TM and Landsat 8 OLI remote sensing images plus 1∶50 000 high-resolution soil database. In the study area, SOC in farmlands was calculated for 1987 and 2016. The purpose of the study was to determine whether the study area was source or sink of SOC and the dynamics of SOC pool in the region. The results showed that: 1) there was a strong linear relationship between soil basal respiration and soil organic carbon density (SOCD) in farmlands in Fuzhou City. The determinant coefficient2was 0.637 for 1987 and 0.752 for 2016. 2) For the study period, SOCD in farmlands increased from eastern coastal area to western inland area. In general, SOCD and soil organic carbon storage (SOCS) increased by 0.20 kg·m-2in the eastern coastal area and 2.946×105kg·m-2in western inland area, indicating that farmlands in Fuzhou City served as a weak “carbon sink” in the past 30 years. 3) In terms of soil type, yellow earth, red earth and paddy soil contributed the largest to “carbon sink” across the soil groups, with respective SOCD increases of 0.70 kg·m-2, 0.40 kg·m-2and 0.19 kg·m-2. Fluvo-aquic soil, latosolic red soil, aeolian soil, coastal solonchak and purplish soil were the biggest contributors to “carbon source” across the soil group. Comparison of SOCS of different soil types in 1987 with those in 2016 showed that SOCS was highest in paddy soil, accounting for over 90% of the total carbon storage in Fuzhou City. 4) In terms of administrative region, Cangshan District, Changle District, Mawei District and Lianjiang County were “carbon source” areas. Then Minhou County, Minqing County, Fuqing City, Jin’an District, Yongtai County and Luoyuan County were “carbon sink” areas. The lowest SOCS was in Cangshan District in Fuzhou City, with less than 0.5% of total SOCS. Fuqing City always ranked the highest in Fuzhou City, accounting for over 20.0% of the total SOCS. In general, the spatial dynamics of SOCD in farmlands in Fuzhou City during the 30-year period were significant. Additionally, there were differences in different soil types and administrative regions in terms of SOCD. In future, it was beneficial to conduct farmland management based on soil type in different farmlands and SOC in the administrative regions.

Farmland; Soil organic carbon density; Soil organic carbon storage; Remote sensing inversion; Carbon process-based model; Soil basal respiration; Fuzhou City

, E-mail: chenhanyue.420@163.com

Sep. 8, 2018;

Nov. 30, 2018

10.13930/j.cnki.cjea.180753

S15

A

2096-6237(2019)04-0581-10

陳瀚閱, 研究方向?yàn)檗r(nóng)業(yè)遙感。E-mail: chenhanyue.420@163.com

李亞, 研究方向?yàn)橥恋刭Y源可持續(xù)利用。E-mail: liya95519@163.com

2018-09-08

2018-11-30

* This work was supported by the Fund for Outstanding Youth Scholars of Fujian Agriculture and Forestry University (xjq201508), the National Natural Science Foundation of China (41401399), and the Special Fund for S&T Innovation of Fujian Agriculture and Forestry University (KFA17616A).

* 福建農(nóng)林大學(xué)校杰出青年科研人才計(jì)劃項(xiàng)目(xjq201508)、國(guó)家自然科學(xué)基金青年項(xiàng)目(41401399)和福建農(nóng)林大學(xué)科技創(chuàng)新專(zhuān)項(xiàng)基金項(xiàng)目(KFA17616A)資助

李亞, 張黎明, 陳瀚閱, 袁玉琦, 邢世和. 基于Landsat遙感影像和1∶50 000土壤數(shù)據(jù)庫(kù)的福州市耕地有機(jī)碳動(dòng)態(tài)變化研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(4): 581-590

LI Y, ZHANG L M, CHEN H Y, YUAN Y Q, XING S H. Estimation of changes in soil organic carbon in farmlands in Fuzhou City using Landsat vegetation data and 1∶50 000 soil database[J]. Chinese Journal of Eco-Agriculture, 2019, 27(4): 581-590