青藏高原溫泉地區(qū)土壤黏粒含量剖面分布模式及其影響因素①

劉亞東，李旺平*，趙 林，吳曉東，黃立鑫，李志紅

青藏高原溫泉地區(qū)土壤黏粒含量剖面分布模式及其影響因素①

劉亞東1，李旺平1*，趙 林2，吳曉東3，黃立鑫1，李志紅1

(1 蘭州理工大學土木學院，蘭州 730050；2 南京信息工程大學地理學院，南京 210044；3 中國科學院西北生態(tài)環(huán)境資源研究院冰凍圈國家重點實驗室青藏高原冰凍圈觀測研究站，蘭州 730000)

以青藏高原溫泉地區(qū)作為研究區(qū)域，通過野外土壤調(diào)查，獲取了58個深度大于1 m的土壤剖面，分析了變異系數(shù)最大的黏粒剖面分布模式及其與氣候、地形、植被和成土母質(zhì)等環(huán)境變量之間的關(guān)系。結(jié)果表明：青藏高原溫泉地區(qū)土壤砂粒含量最大，占80% 以上，但黏粒的變異系數(shù)最大；溫泉地區(qū)黏粒含量的剖面分布模式可分為遞減型、先增后減型、先減后增型和不規(guī)則型4類；遞減型分布模式的主控因子是坡度、坡向和冷季地溫，先增后減型分布模式的主控因子是暖季和冷季地溫，先減后增型分布模式的主控因子是高程、地形濕度指數(shù)和NDVI，不規(guī)則型分布模式的主控因子是地形濕度指數(shù)、平面曲率和高程。研究表明，青藏高原溫泉地區(qū)氣候和地形因素是影響土壤黏粒剖面分布模式的決定性因素。

青藏高原；多年凍土；黏粒；剖面分布模式

土壤顆粒組成或機械組成是土壤重要的物理屬性[1-2]，是影響土壤肥力、作物產(chǎn)量[3-5]、水分在土體內(nèi)運移和儲存的關(guān)鍵因素[6]，同時也是陸面過程模型、水文模型和耦合陸面過程的大氣模型的重要輸入?yún)?shù)。

已有研究表明土壤顆粒組成受土壤有機質(zhì)、氣候、植被類型、地形地貌、土地利用等因素的影響[7]。如羅緒強等[8]研究發(fā)現(xiàn)喀斯特高原區(qū)貴州省清鎮(zhèn)市土壤顆粒組成主要受土壤有機質(zhì)的影響；朱麗東等[9]研究發(fā)現(xiàn)洞庭湖地區(qū)土壤顆粒組成主要受氣候因素的影響；夏江寶等[10]研究發(fā)現(xiàn)紅壤丘陵區(qū)土壤顆粒組成主要受植被類型的影響；龐龍輝等[11]研究發(fā)現(xiàn)地形因素會影響土壤顆粒在空間上的分布；張宏和劉建軍[12]分析了在黃土溝壑區(qū)不同的土地利用方式下土壤顆粒組成的垂直分布特征。這些研究結(jié)果表明土壤顆粒組成受多種因素的影響，且存在著明顯的區(qū)域差異。

近年來，機器學習方法被廣泛應用于土壤顆粒組成的數(shù)字制圖，如孫艷俊等[13]采用基于人工神經(jīng)網(wǎng)絡的方法進行了土壤顆粒組成制圖；劉超等[14]采用支持向量機、模糊邏輯和決策樹的方法對黑河流域土壤顆粒組成進行制圖研究。隨機森林作為一種新興的機器學習方法，也開始被應用于數(shù)字土壤制圖與環(huán)境因素之間的關(guān)系探究，如李璇等[15]利用隨機森林模型預測了祁連山區(qū)土壤砂粒含量與環(huán)境變量之間的關(guān)系；史靜靜等[16]在黑龍江鶴山農(nóng)場運用隨機森林模型對影響包括土壤顆粒組成的土壤屬性地形因子進行重要性排序并制圖。

青藏高原是世界上海拔最高的高原，有“世界屋脊”之稱[17]，其氣候具有獨特的特征[18]，是全球氣候變化響應較敏感的地區(qū)[19]，會對全球氣候的變化產(chǎn)生重要的影響[20]。此外，青藏高原分布著約為105萬～ 150萬km2的凍土面積，其土壤具有一系列獨特的特征[21-22]，加之地形復雜，區(qū)域土壤顆粒剖面分布模式一般多是復雜多樣，很難定量地預測[15]，因此，目前對于青藏高原土壤顆粒組成的剖面分布模式及其與環(huán)境因素之間的關(guān)系的報道甚少。為此，本文選擇青藏高原東部溫泉地區(qū)，開展土壤調(diào)查并獲取其土壤剖面數(shù)據(jù)，采用隨機森林模型探討各個土壤剖面顆粒組成的垂直分布模式及其與環(huán)境因素之間的關(guān)系，并希望得到影響其分布的主控因子，以期為青藏高原的地球系統(tǒng)模式科學研究和相關(guān)工程建設提供基礎數(shù)據(jù)和科學依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

青藏高原溫泉區(qū)(35°06′ ～ 35°42′N，99°06′ ～ 99°42′E)位于青海省瑪多縣、興海縣、都蘭縣及瑪沁縣的交界處(圖１)，總面積約 3 800 km2，其海拔梯度大，介于 3 405 ～ 5 294 m，地形復雜多樣。研究表明該區(qū)氣溫變化大，全年氣溫較低[19]，年均氣溫–3.2 ℃，最高氣溫為 18.5 ℃，最低氣溫為 –32.5℃[23]；年均降水量 500 ～ 600 mm，屬寒溫帶大陸性氣候[24]。根據(jù)野外實地調(diào)查，研究區(qū)以草原生態(tài)系統(tǒng)為主，研究區(qū)內(nèi)以牧業(yè)為主，成土母質(zhì)類型相對較少，以坡積物、沖積–洪積物為主，母巖有碳酸鹽巖類、碎屑巖類、火成巖及變質(zhì)巖類[25]。

1.2 土壤剖面的布設與調(diào)查采樣

由于研究區(qū)處于高山地帶，受交通不便和地理條件的限制，數(shù)據(jù)采集不能按照簡單的隨機取樣法進行均勻采樣[26]。溫泉區(qū)樣點的采集遵循先沿著G214國道進行，再根據(jù)沿線海拔、植被分布狀況和地貌等因素進行局部調(diào)整的原則進行，這種基于專家知識和野外實際情況結(jié)合的采樣方案在很大程度上可以減弱數(shù)據(jù)采集不均勻所造成的問題[22]。根據(jù)采樣方案共獲得了73個樣點及其詳細的剖面、植被、地貌等信息。采用基于沉降法原理的SEDIMAT 4-12 土壤粒徑分析系統(tǒng)在實驗室測定各個剖面不同層次土壤顆粒組成的含量及理化性質(zhì)，粒度分級采用美國制，將土壤顆粒按大小分為黏粒(<0.002 mm)、粉粒(0.05 ～ 0.002 mm)、砂粒(2 ～ 0.05 mm)3類[27]。按照《中國土壤系統(tǒng)分類檢索(第三版)》分類標準[28]，該區(qū)分布有干潤雛形土、潮濕雛形土、寒凍雛形土、永凍潛育土、干潤均腐土5類土壤(亞綱)。

1.3 環(huán)境變量數(shù)據(jù)及其來源

土壤是氣候、生物、地形、母質(zhì)和時間綜合作用的產(chǎn)物[29]，時間因素不易表達，主要通過氣候及植被因子間接體現(xiàn)[30]。因此本文最終選擇的環(huán)境變量主要包括氣候、生物、地形和母質(zhì)4個方面，其中氣候因子主要選用了地表溫度，考慮到青藏高原海拔高、氣溫變化大，根據(jù)湯懋蒼等[31]對青藏高原冷暖季的劃分標準(9月至4月為冷季，5月至8月為暖季)，將地表溫度分解為分季變量(冷季和暖季)[22]。生物因子主要選用了NDVI；地形因子有高程、坡度、坡向、平面曲率、坡面曲率和地形濕度指數(shù)；母質(zhì)因子主要是成土母質(zhì)；此外，還加入了土壤類型和土地利用因子。這些環(huán)境因素可分為兩類：可量化的和不可量化的。前者包括：高程、坡度、坡向、平面曲率、坡面曲率、NDVI、地形濕度指數(shù)和地表溫度，其具體特征如表1所示；后者包括：土壤類型、成土母質(zhì)、土地利用，其類型和剖面?zhèn)€數(shù)分布如表2所示。

表1 可量化的環(huán)境變量

表2 不可量化的環(huán)境變量

采樣點的經(jīng)緯度和海拔數(shù)據(jù)由手持式GPS儀獲取，研究區(qū)的高程、坡度、坡向、平面曲率、坡面曲率和地形濕度指數(shù)等地形因子數(shù)據(jù)是基于CGIAR- CSI 提供的30 m SRTM-DEM數(shù)據(jù)運用ArcGIS10.2和3dMapper軟件生成；NDVI數(shù)據(jù)由NASA提供的2000—2009年分辨率為 250 m、16 d合成的MODIS-NDVI數(shù)據(jù)生成；地表溫度數(shù)據(jù)由NASA 提供的2003—2008年分辨率為 1 km的MODIS 逐日地表溫度數(shù)據(jù)生成；成土母質(zhì)、土地利用和土壤類型數(shù)據(jù)是在野外調(diào)查過程中獲得。

1.4 隨機森林模型

隨機森林模型是Breiman于2001年在決策樹算法的基礎上發(fā)展而來，相較于其他分類方法，隨機森林具有預測精度高、運行速度快、可避免過擬合、用袋外估計(OOB error)進行無偏估計等優(yōu)點[32]。隨機森林模型可以通過R語言中的Random Forest軟件包實現(xiàn)。

1.5 數(shù)據(jù)處理與分析

數(shù)據(jù)處理主要包括土壤剖面數(shù)據(jù)的層次標準化處理和各種環(huán)境因子的提取。由于野外調(diào)查獲得的73個樣點中，有15個樣點的剖面深度≤1 m，為確保分析結(jié)果的可靠性，本文只對其余58個剖面深度≥1 m的標準化樣點進行剖面分布模式分析，此外，由于測定的土壤質(zhì)地是基于發(fā)生層，不同剖面劃分的層次數(shù)目和各層次的深度不一，因此需要標準化處理。本文根據(jù)大多數(shù)據(jù)土壤剖面的發(fā)生層次情況，將標準化層次的深度分為5層，依次是0 ～ 15、15 ～ 30、30 ～ 60、60 ～ 100和100 ～ 300 cm。對剖面深度≥1 m的58個標準化樣點，按照美國制的不同粒級，在Microsoft Excel 2016中進行標準化處理，其計算方法如公式(1)所示。

式中：PCt-b為標準化層次t-b的某一粒級的含量，t、b分別代表該層次的頂部深度和底部深度；代表剖面和發(fā)生層數(shù)目，PC代表發(fā)生層的某一粒級的含量，H代表層的深度在標準化層次t-b中所占的比例。

利用Microsoft Excel 2016和IBM Statistics SPSS 24.0軟件對標準化后的土壤樣點顆粒含量進行統(tǒng)計分析，再借助Origin 8平臺進行土壤顆粒剖面分布模式的制圖。環(huán)境因子的提取主要借助于ArcGIS10.2、3dMapper和ENVI軟件，對可定量化的環(huán)境變量，采用隨機森林模型分析其與土壤剖面分布模式之間的關(guān)系，對不可量化的環(huán)境因子進行統(tǒng)計分析。利用varImpPlot()函數(shù)對影響?zhàn)ち：科拭娣植寄Ｊ降沫h(huán)境變量進行重要性排序[33-34]，其中，Mean decrease accuracy(MDA)(把一個變量的取值變?yōu)殡S機數(shù)，隨機森林預測準確性的降低程度)和Mean decrease gini(MDG)(計算每個變量對分類樹每個節(jié)點上觀測值的異質(zhì)性的影響，從而比較變量的重要性)值越大，表明自變量越重要。

2 結(jié)果與分析

2.1 土壤顆粒組成垂直分布模式

表3是58個剖面經(jīng)過標準化處理后的砂粒、黏粒、粉粒含量的統(tǒng)計信息，可以看出，砂粒含量最多，平均含量在810 g/kg左右，變異系數(shù)為8.3% ～ 11.8%；黏粒居中，平均含量在100 g/kg左右，變異系數(shù)為36.8% ～ 66.2%；粉粒最少，平均含量在90 g/kg左右，變異系數(shù)為36.5% ～ 50.7%。從各個層級土壤砂粒、粉粒和黏粒的峰度和偏度值發(fā)現(xiàn)，基本服從正態(tài)分布。黏粒的變異系數(shù)明顯高于砂粒和粉粒，其剖面分布的特征應更為明顯。為了更好地理解青藏高原溫泉區(qū)土壤顆粒組成垂直分布特征，選擇變異系數(shù)大的黏粒進行分析。

表3 溫泉區(qū)土壤顆粒組成統(tǒng)計(g/kg，n = 58)

對標準化后的58個樣點在5個剖面深度處的黏粒數(shù)據(jù)進行統(tǒng)計分析，發(fā)現(xiàn)其可分為4種類型：遞減型、先增后減型、先減后增型和不規(guī)則型(圖2)，其中遞減型的分布模式樣點最多，有19個，占32.8%；隨后依次是先減后增型、不規(guī)則型和先增后減型，分別有17、16和6個樣點，分別占29.3%、27.6% 和10.3%。遞減型、先增后減型和先減后增分布模式的標準差線圖和各自的剖面分布模式保持一致，不規(guī)則分布模式由于各個標準層數(shù)據(jù)規(guī)律比較差，其標準差線圖呈先增后減型分布(圖2)。

2.2 土壤黏粒剖面分布模式與環(huán)境因素之間的關(guān)系

對影響?zhàn)ち：科拭娣植寄Ｊ降沫h(huán)境變量進行重要性排序，結(jié)果見圖3和表4。從圖3可以看出，MDA和MDG兩個指標在同一剖面類型中對同一環(huán)境因素的排序不一定相同，為保障篩選的準確性，將同時位于MDA和MDG兩個指標前3位的環(huán)境因素作為主控因子。結(jié)合圖3中的這兩個特征值進行綜合分析，結(jié)果顯示，對于遞減型分布模式，坡度、坡向和冷季地溫是其主控因子；先增后減型的主控因子為暖季和冷季地溫；先減后增型的主控因子為高程、地形濕度指數(shù)和NDVI；不規(guī)則型的主控因子為地形濕度指數(shù)、平面曲率和高程。

從表4分析可知，遞減型的成土母質(zhì)主要為坡積物，而先增后減型、先減后增型和不規(guī)則型的成土母質(zhì)主要是坡積物和沖積-洪積物，這說明遞減型主要發(fā)育在山坡上，而其他3類主要發(fā)育在山坡下部或底部。4種模式在土地利用和土壤類型方面具有相似性，即先減后增型的土地利用和土壤類型分別是高寒草原和干潤雛形土，而其他3類均分別為高寒草甸草原和干潤雛形土與干潤均腐土。高寒草甸草原相對于高寒草原來說，其分布的位置往往水分條件更好；雛形土是剖面發(fā)育程度較低的未成熟土壤，在本區(qū)域內(nèi)大面積分布的主要是因為溫泉地區(qū)年均氣溫較低，且降雨相對較少，導致土壤發(fā)育程度較弱。而均腐土是指具有暗沃表層和均腐殖質(zhì)特性的土壤，在本區(qū)域內(nèi)往往發(fā)育在水分條件相對較好、高寒草甸分布廣泛的地方。從兩種土地利用類型和土壤類型對比可以看出，先減后增型剖面在本區(qū)域內(nèi)主要分布在相對較干的位置。

2.3 黏粒含量與不同剖面分布模式的典型案例

結(jié)合野外考察和實驗室對各個層次土壤理化性質(zhì)的分析發(fā)現(xiàn)，遞減型剖面分布模式的主要特征是土體上部以較細的黏粒和粉粒為主，下部以較粗的寒凍風化物(塊狀礫石)為主，黏土的含量隨著深度的增加呈現(xiàn)遞減的趨勢。如圖4A為該模式的典型剖面，其位于山體陰坡中部，其細顆粒物質(zhì)在重力和較高雨水共同作用下，易向外置更低的地區(qū)遷移，在垂直分布上黏粒含量就表現(xiàn)為隨著深度的增加而減少。這也進一步映證了坡度和坡向作為遞減型模式的主控因子，通過影響土體的穩(wěn)定性和地表水流的聚排[35]對土壤顆粒的分布產(chǎn)生了影響；而冷季地溫過低會抑制植被的生長，進而影響研究區(qū)土壤的發(fā)育，遞減型土壤剖面上部土層較薄，下部基本上是由寒凍風化物組成的坡積物。

表4 不可定量化環(huán)境因素統(tǒng)計表

先增后減型和先減后增型剖面分布模式主要特征是由于受到坡積、洪積作用的影響，土體來源較復雜，導致其剖面分布模式也復雜多樣。如圖4B為先增后減型的典型剖面，位于山坡底部，土體由來自不同時期的堆積物構(gòu)成，土體較厚，土體中上部和下部黏粒含量較少，中間黏粒較多，下面發(fā)育多年凍土，總體上土壤發(fā)育較好，地表溫度(暖季和冷季)是其主控因子。圖4C為先減后增型的典型剖面，其所在的位置海拔更低，高程與地形濕度指數(shù)反映出其是個低洼的匯水區(qū)域，NDVI反映了其植被狀況較差；土體上部以塊狀的細壤土為主，中部以砂壤土為主，下部以單顆粒的砂和黏土為主；剖面中植被根系較少，底部有積水，因下面沒有發(fā)育多年凍土(隔水層)，土壤持水能力差而導致植被較少，這與前面得到高程、地形濕度指數(shù)和NDVI為其主控因子一致。

不規(guī)則型分布模式的母質(zhì)也為坡積和沖積-洪積物，剖面主要表現(xiàn)為土–石交錯排列的特征。如圖4D是不規(guī)則型的典型剖面，其位于海拔4 250 m的坡積裙底部，經(jīng)過較長時間的坡積和洪積相互作用，大顆粒的砂石和細顆粒的土體就交錯分布；此外，圖4D剖面下部有凍融擾動現(xiàn)象，判定其下面發(fā)育多年凍土，根據(jù)前人[36]的研究，溫泉地區(qū)的多年凍土下界高程約為4 090 m。前文得到不規(guī)則型分布模式的主控因子主要為地形濕度指數(shù)、平面曲率和高程，地形濕度指數(shù)能有效地指示土壤內(nèi)水分運動方向，平面曲率影響著物質(zhì)的加速集中或減速分散，而高程則可指示多年凍土發(fā)育狀況。

3 討論

一般而言，土壤質(zhì)地剖面垂直分布模式受成土母質(zhì)、氣候、植被類型、地形地貌、土地利用等多種環(huán)境因素的影響。對于地勢平坦、母質(zhì)連續(xù)、區(qū)域氣候變化不大的地區(qū)，其土壤質(zhì)地的剖面分布模式較為簡單，多趨向于均一型；李璇等[15]認為對于地形復雜、母質(zhì)不連續(xù)的區(qū)域，其顆粒組成的剖面分布模式也往往比較復雜。但本文研究結(jié)果進一步顯示，在母質(zhì)相對連續(xù)單一的高山高寒地區(qū)，受海拔梯度變化大、年平均溫度低和凍融循環(huán)劇烈等作用影響，其土壤質(zhì)地剖面分布模式也會復雜多樣。

溫泉地區(qū)的成土母質(zhì)主要為坡積物和沖積–洪積物，但分布著4種類型的土壤質(zhì)地剖面模式，結(jié)合前面得到的主控因子來看，除了受到成土母質(zhì)的影響外，其中地形和氣候因素(地溫)也對剖面模式的分布起著決定性的作用。先看地形因子，其中坡度和坡向是遞減型模式的主控因子，主要是因為溫泉地區(qū)有一系列相間排列的山地和斷陷盆地，致使區(qū)內(nèi)地形起伏大，山坡上部的細顆粒物質(zhì)會在重力作用下向下方移動，覆蓋在山坡中部的寒凍風化物上，從而形成了坡積作用，這一點也可以從遞減型的成土母質(zhì)為坡積物得到驗證；此外，高程和地形濕度指數(shù)均為先減后增型和不規(guī)則型的主控因子，可以看出這兩種模式分布位置都在山坡底部，都是匯水區(qū)域，區(qū)別在于不規(guī)則型分布的海拔位置更低，位于季節(jié)凍土區(qū)，而先減后增型位于多年凍土區(qū)，這主要是因為溫泉地區(qū)海拔梯度大(3 405 ～ 5 294 m)，地形復雜多樣；再看氣候因素，平均地溫均是遞減型和先增后減型的主控因子，足可以看出氣候因素對本區(qū)域土壤質(zhì)地剖面模式的影響，主要是因為溫泉區(qū)處于高寒地區(qū)，年平均氣溫為 –3.2 ℃[20]，且發(fā)育著大面積的多年凍土，據(jù)前人研究[36]，溫泉地區(qū)多年凍土的面積約占整個研究區(qū)總面積的76%，低溫和劇烈的凍融循環(huán)都對本區(qū)域土壤的發(fā)育產(chǎn)生了較大的影響，也對本區(qū)域的土壤質(zhì)地剖面模式的分布產(chǎn)生了影響。

相比于前人在其他區(qū)域研究得到的相似結(jié)論，如朱麗東等[9]研究發(fā)現(xiàn)洞庭湖地區(qū)土壤顆粒組成主要受氣候因素的影響；盧宏亮等[37]研究發(fā)現(xiàn)安徽省土壤黏粒含量在空間的分布主要受地形因素的影響；龐龍輝等[11]研究發(fā)現(xiàn)地表溫度和地形因素會影響青海省土壤顆粒在空間上的分布?？梢园l(fā)現(xiàn)影響洞庭湖地區(qū)土壤質(zhì)地的氣候因素主要是指該區(qū)域的季風風向和大小，因為該區(qū)域的土壤顆粒組成具有較強的風成特性；影響安徽省土壤質(zhì)地的地形因素主要是高程、山谷平坦指數(shù)和平面曲率，是因為該區(qū)域內(nèi)地形地貌復雜，既有平原和丘陵，又有大別山這樣的高山區(qū)；而影響青海省土壤質(zhì)地的環(huán)境因子主要是地表溫度和高程，本文研究結(jié)論與此一致，因為本文研究區(qū)也位于青海省，屬于青藏高原范圍內(nèi)，海拔梯度大、地形復雜多樣、年均溫度低，導致了氣候和地形因素是其主控因子。

綜合以上分析，可以看出土壤顆粒組成受多種環(huán)境因素的影響，且存在著明顯的區(qū)域差異。而青藏高原作為我國的高山和高寒區(qū)，其主控因子既有和其他地區(qū)相似的地形因子，也有自己獨特的氣候因子。整體來說，地形和氣候因子是共同影響青藏高原溫泉地區(qū)土壤黏粒剖面分布模式的決定性因素，這也是青藏高原所獨有的特征。

4 結(jié)論

青藏高原溫泉地區(qū)土壤砂粒含量最大，但黏粒的變異系數(shù)最大。黏粒的剖面分布模式可分為遞減型、先增后減型、先減后增型和不規(guī)則型4種類型。

黏粒遞減型分布模式的主控因子是坡度、坡向和冷季地溫，先增后減型分布模式的主控因子是暖季和冷季地溫，先減后增型分布模式的主控因子是高程、地形濕度指數(shù)和NDVI，不規(guī)則型分布模式的主控因子是地形濕度指數(shù)、平面曲率和高程。氣候和地形因素是影響土壤黏粒剖面分布模式的決定性因素。

[1] 吳克寧, 趙瑞. 土壤質(zhì)地分類及其在我國應用探討[J]. 土壤學報, 2019, 56(1): 227–241.

[2] 張衛(wèi)青, 龐獎勵, 賽西雅拉圖, 等. 土壤顆粒組成及土壤容重對土地利用變化的響應[J]. 內(nèi)蒙古師范大學學報(自然科學漢文版), 2016, 45(6): 870–874, 878.

[3] 譚軍, 鐘繼洪, 駱伯勝, 等. 廣東坡地紅壤顆粒組成狀況的研究——Ⅲ. 土壤顆粒組成與土壤理化性質(zhì)的關(guān)系[J]. 熱帶亞熱帶土壤科學, 1998, 7(2): 102–105.

[4] 麥積山, 鄭江坤, 趙廷寧, 等. 北川震后滑坡體表層土壤顆粒組成及團聚體空間變化特征[J]. 山地學報, 2019, 37(1): 30–40.

[5] Naveed M, Herath L, Moldrup P, et al. Spatial variability of microbial richness and diversity and relationships with soil organic carbon, texture and structure across an agricultural field[J]. Applied Soil Ecology, 2016, 103: 44– 55.

[6] 盛月凡, 王海燕, 喬鈜元, 等. 不同土壤質(zhì)地對平邑甜茶幼苗連作障礙程度的影響[J]. 中國農(nóng)業(yè)科學, 2019, 52(4): 715–724.

[7] Shangguan W, Dai Y J, Liu B Y, et al. A soil particle-size distribution dataset for regional land and climate modelling in China[J]. Geoderma, 2012, 171/172: 85–91.

[8] 羅緒強, 王世杰, 張桂玲, 等. 喀斯特石漠化過程中土壤顆粒組成的空間分異特征[J]. 中國農(nóng)學通報, 2009, 25(12): 227–233.

[9] 朱麗東, 谷喜吉, 葉瑋, 等. 洞庭湖周邊地區(qū)第四紀紅土粒度特征及環(huán)境意義[J]. 地理科學進展, 2014, 33(1): 13–22.

[10] 夏江寶, 顧祝軍, 周峰, 等. 紅壤丘陵區(qū)不同植被類型土壤顆粒分形與水分物理特征[J]. 中國水土保持科學, 2012, 10(5): 9–15.

[11] 龐龍輝, 劉峰, 趙霞, 等. 青海省表層土壤屬性數(shù)字制圖[J]. 土壤通報, 2019, 50(3): 505–513.

[12] 張宏, 劉建軍. 黃土溝壑區(qū)不同土地利用方式下土壤養(yǎng)分及其與土壤顆粒組成關(guān)系[J]. 中南林業(yè)科技大學學報, 2016, 36(11): 80–85.

[13] 孫艷俊, 張甘霖, 楊金玲, 等. 基于人工神經(jīng)網(wǎng)絡的土壤顆粒組成制圖[J]. 土壤, 2012, 44(2): 312–318.

[14] 劉超, 盧玲, 胡曉利. 數(shù)字土壤質(zhì)地制圖方法比較——以黑河張掖地區(qū)為例[J]. 遙感技術(shù)與應用, 2011, 26(2): 177–185.

[15] 李璇, 楊帆, 李德成, 等. 祁連山區(qū)土壤砂粒含量剖面分布模式及其影響因素[J]. 土壤學報, 2017, 54(4): 854– 863.

[16] 史靜靜, 楊琳, 曾燦英, 等. 土壤制圖中多目標屬性的環(huán)境因子及其尺度選擇——以黑龍江鶴山農(nóng)場為例[J]. 地理研究, 2018, 37(3): 635–646.

[17] 周軍. 神奇的世界屋脊——青藏高原[J]. 地理教育, 2019(8): 13.

[18] 孫夏, 范廣洲, 張永莉, 等. 夏季青藏高原不同層次土壤濕度時空變化特征[J]. 干旱氣象, 2019, 37(2): 252– 261.

[19] 黃文潔, 曾桐瑤, 黃曉東. 青藏高原高寒草地植被物候時空變化特征[J]. 草業(yè)科學, 2019, 36(4): 1032–1043, 919.

[20] 常姝婷, 劉玉芝, 華珊, 等. 全球變暖背景下青藏高原夏季大氣中水汽含量的變化特征[J]. 高原氣象, 2019, 38(2): 227–236.

[21] 方一平, 朱付彪, 宜樹華, 等. 多年凍土對青藏高原草地生態(tài)承載力的貢獻研究[J]. 氣候變化研究進展, 2019, 15(2): 150–157.

[22] 石偉, 南卓銅, 李韌, 等. 基于支持向量機的典型凍土區(qū)土壤制圖研究[J]. 土壤學報, 2011, 48(3): 461–469.

[23] 丑亞玲, 盛煜, 韋振明. 多年凍土區(qū)公路路基陰陽坡溫度及變形差異分析[J]. 巖石力學與工程學報, 2009, 28(9): 1896–1903.

[24] 張秀敏, 盛煜, 南卓銅, 等. 基于決策樹方法的青藏高原溫泉區(qū)域高寒草地植被分類研究[J]. 草業(yè)科學, 2011, 28(12): 2074–2083.

[25] 李榮社, 楊永成, 孟勇. 青藏高原1∶25萬區(qū)域地質(zhì)調(diào)查主要成果和進展綜述(北區(qū))[J]. 地質(zhì)通報, 2004, 23(Z1): 421–426.

[26] 江厚龍, 劉淑端, 許安定, 等. 不同取樣方式下土壤質(zhì)地空間插值的精度分析[J]. 中國生態(tài)農(nóng)業(yè)學報, 2014, 22(2): 217–224.

[27] 黃昌勇. 土壤學[M]. 北京: 中國農(nóng)業(yè)出版社, 2000.

[28] 中國科學院南京土壤研究所土壤系統(tǒng)分類課題組&中國土壤系統(tǒng)分類課題研究協(xié)作組. 中國土壤系統(tǒng)分類檢索[M]. 3版. 合肥: 中國科技大學科學出版社, 2001.

[29] 王宇坤. 羌塘高原寒旱核心區(qū)土壤—環(huán)境關(guān)系解析及土壤推理制圖[D]. 西寧: 青海師范大學, 2016.

[30] 李旺平, 趙林, 吳曉東, 等. 青藏高原多年凍土區(qū)土壤-景觀模型與土壤分布制圖[J]. 科學通報, 2015, 60(23): 2216–2228.

[31] 湯懋蒼, 鐘海玲, 李棟梁. 青藏鐵路沿線的四季劃分及其溫度變化分析[J]. 高原氣象, 2003, 22(5): 440–444.

[32] 李欣海. 隨機森林模型在分類與回歸分析中的應用[J]. 應用昆蟲學報, 2013, 50(4): 1190–1197.

[33] Breiman L. Random forests[J]. Machine Learning, 2001, 45(1): 5–32.

[34] 任麗, 楊聯(lián)安, 王輝, 等. 基于隨機森林的蘋果區(qū)土壤有機質(zhì)空間預測[J]. 干旱區(qū)資源與環(huán)境, 2018, 32(8): 141–146.

[35] 朱阿興. 精細數(shù)字土壤普查模型與方法[M]. 北京: 科學出版社, 2008.

[36] Zhang X M, Nan Z T, Wu J C, et al. Mountain permafrost distribution modeling using Multivariate Adaptive Regression Spline (MARS) in the Wenquan area over the Qinghai-Tibet Plateau[J]. Sciences in Cold and Arid Regions, 2012, 4(5): 361.

[37] 盧宏亮, 趙明松, 劉斌寅, 等. 基于隨機森林模型的安徽省土壤屬性空間分布預測[J]. 土壤, 2019, 51(3): 602– 608.

Profile Distribution of Soil Clay Contents and Its Influencing Factors in the Wenquan Regions of the Qinghai-Tibetan Plateau

LIU Yadong1, LI Wangping1*, ZHAO Lin2, WU Xiaodong3, HUANG Lixin1, Li Zhihong1

(1 School of Civil Engineering, Lanzhou University of Technology, Lanzhou 730050, China; 2 School of Geography, Nanjing University of Information Technology, Nanjing 210044, China; 3 Cryosphere Research Station on the Qinghai-Tibetan Plateau, State Key Laboratory of Cryospheric Science, Northwest Institute of the Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China)

In this paper, the Wenquan of QTP area was taken as the research area, 58 soil profiles deeper than 1 m were surveyed, and the profile distribution patterns of clay contents with the largest coefficient of variation and its relationship with environmental variables such as climate, topography, vegetation and soil parent materials were analyzed. The results showed that sand content of the Wenquan area is the largest in soil particle composition, more than 800 g/kg, but the coefficient of variation of clay content is the largest. The profile distribution pattern of clay contents can be divided into four types, i.e., decreasing, increasing first then decreasing, decreasing first then increasing and irregular. The main controlling factors are slope, aspect and the cold season ground temperature for the decreasing pattern, the surface temperature for the increasing first then decreasing pattern, elevation, topographical humidity index and NDVI for the decreasing first then increasing pattern, and topographical humidity index, plane curvature and elevation for the irregular pattern. The above results indicated that the climate and topographic factors are the decisive factors affecting the profile distribution pattern of clay content in the Wenquan area of the QTP, which provides a scientific basis for studying the soil-landscape model and spatial distribution of soil texture in the QTP.

Qinghai-Tibetan Plateau; Permafrost; Clay content; Profile distribution

S159

A

10.13758/j.cnki.tr.2021.03.025

劉亞東, 李旺平, 趙林, 等. 青藏高原溫泉地區(qū)土壤黏粒含量剖面分布模式及其影響因素. 土壤, 2021, 53(3): 637–645.

國家自然科學基金項目(41601066)資助。

(lwp_136@163.com)

劉亞東(1993—)，男，甘肅天水人，碩士研究生，主要研究方向為3S技術(shù)及應用。E-mail: lyd0407@163.com