应用最小数据集评价不同采伐强度天然针阔混交林的土壤质量1)

崔雪 王海燕 邹佳何 杜雪 孟海

(北京林业大学，北京，100083)

土壤不仅是人类赖以生存的物质基础，也维持着自然界植物与环境间的养分平衡[1]。随着人们对环境可持续发展意识的提高，土壤质量水平已被视作衡量植被生长、人类生存条件的重要依据[2]。森林土壤质量与土壤养分水平密切相关[3]。一方面，林木从土壤中汲取养分供自身生长，土壤养分水平对林木生长以及植被分布具有显著影响；另一方面，通过植被死亡、凋落物分解将有机质及养分归还给土壤，以维持土壤健康水平[4]。因此，研究森林土壤养分的累积规律，评价森林土壤质量，有助于进行土壤和植被管理，对于维持土壤生产力和森林的可持续经营具有重大意义。

目前土壤质量评价方法主要有模型评价法[5-6]、灰色关联法[7]、模糊综合评价法[8]、空间插值法[9]、主成分分析法[10]和最小数据集法(MDS)[11]。其中主成分分析法、模糊数学法和灰色关联法通过计算土壤质量指数评价土壤质量[12-13]，这些方法在评价指标选取和权重计算时容易受人为主观因素的干扰，评价结果的不确定性较高。空间插值法通过对采样区域内图斑进行空间赋值，能够清晰地显示土壤养分的空间异质性，但不同的采样密度及插值方法产生的评价结果具有差异。模型评价法能够从土壤功能的角度对土壤理化性质进行全面、综合的评价，但计算过程繁琐且主观性较强，而且对数据进行“降维”过程中容易导致指标信息的遗漏，造成评价结果不准确[14]。标准值能够反映指标在不同维度的重要性，利用主成分分析结合标准值确定最小数据集指标的评价方法，弥补了模型评价法的不足[15]。目前应用MDS对土壤质量的评价多集中在矿区复垦区、典型地貌区、农业农耕区域以及人工林下的土壤[5，16-19]，对于天然云冷杉阔叶混交林的研究主要集中在凋落物性质、林分郁闭度的空间异质性和立地因子质量评价等方面[20-22]，而对于天然林的土壤质量评价较少。因此，以长白山地区不同采伐强度的天然云冷杉阔叶混交林样地为研究对象，综合土壤pH、有机质(SOM)、全氮(TN)、全磷(TP)、有效磷(AP)、速效钾(AK)、土壤密度(BD)和土壤含水量(SMC)等土壤指标，应用主成分分析和标准值构建土壤评价指标的MDS，评价影响长白山地区天然林土壤质量的限制性因素，以及不同采伐强度的林地土壤质量。

1 研究区概况

研究区位于吉林省汪清林业局金沟岭林场(129°25′～130°20′E，43°17′～43°25′N)，海拔300～1 200 m，坡度5°～25°，为低山丘陵区。该区属温带季风气候，全年平均气温约为3.9 ℃，年均降水量为547 mm。土壤类型以暗棕壤为主，平均土层厚度为40 cm，成土母质为花岗岩、玄武岩及片麻岩的残积物和堆积物。天然云冷杉阔叶混交林是该区的主要森林类型，主要树种包括红皮云杉(PiceakoraiensisNakai)、鱼鳞云杉(Piceajezoensisvar.microsperma(Lindl.) W. C. Cheng et L. K. Fu)、臭冷杉(Abiesnephrolepis(Trautv.) Maxim.)、红松(PinuskoraiensisSiebold. et Zucc.)、紫椴(TiliaamurensisRupr.)和山杨(PopulusdavidianaDode)等。

2 材料与方法

2.1 土壤样品采集及理化性质测定

于2013年在天然云冷杉阔叶混交林内设置面积为1 hm2的12块方形样地，2015年1月对样地进行了采伐作业，按单位面积采伐蓄积量计算了采伐强度。2018年8月，选取采伐强度分别为6.29%(样地Ⅰ)和11.22%(样地Ⅱ)的两块样地(见表1)。在各样地中，采用网格法设置100个10 m×10 m的样方进行采样。在土层深(h)0

表1 样地基本概况

将混合土样带回实验室后放至阴凉处，土样经风干、研磨和过筛(2.00和0.25 mm)后进行化学性质指标测定。土壤pH采用酸度计法；土壤有机质质量分数采用重铬酸钾氧化-外加热法；全氮质量分数采用半微量凯氏法；全磷质量分数采用酸溶-钼锑抗比色法；有效磷质量分数采用氟化铵-盐酸浸提-钼锑抗比色法；速效钾质量分数采用中性乙酸铵浸提-火焰光度计法。环刀样品用于测定土壤密度；土壤含水量采用烘干法测定[23]。

2.2 土壤质量评价方法

2.2.1 建立最小数据集

主成分通常拥有较大的特征值和因子载荷，结合累计方差百分比，确定提取的主成分是否足以解释绝大部分的数据。为避免主成分分析过程中造成重要指标数据的遗漏引入标准值，标准值的大小代表了该指标能够解释土壤质量信息能力的强弱。因此，提取特征值>1，且累计方差百分比≥60%的主成分，从中挑选因子载荷绝对值≥0.5的指标分组，选取各组标准值在最大参数值10%范围内的指标进入最小数据集。当同一主成分中存在多个指标满足要求时，采用Pearson相关分析；当指标间相关系数<0.5时(指标间相关性未达到显著水平)，保留全部指标；当指标间相关系数≥0.5时，选取最大标准值指标进入最小数据集。采用拉依达法则[24]对数据异常值进行剔除，为使各指标单位统一，消除由于量纲不一致产生的误差，对数据进行标准化。标准值计算公式[15]：

式中：Nik为第i个变量在特征值大于1的前k个主成分的综合荷载；vik为第i个变量在第k个主成分的荷载；λk为第k个主成分的特征值。

2.2.2 确定线性评分函数

对所选指标的数据按线性评分函数进行评分。根据各指标对土壤功能的贡献，确定了3种类型的评分函数，分别为“越多越好”型(M(x))、“越少越好”型(L(x))和“最适”型(R(x))。按照各土壤指标的功能性，选定了适合的评分函数。

(1)

(2)

(3)

式中:M(x)、L(x)、R(x)为土壤指标得分;x为土壤指标实测值;x1、x2分别为土壤指标中的最大值和最小值;r1、r2分别为“最适”评分函数中指标的上、下限值。

本研究中，土壤有机质、全氮、全磷、有效磷和速效钾等指标采用“越多越好”型评分函数(M(x))，土壤密度、pH和土壤含水量等指标采用“最适”型评分函数(R(x))。

2.2.3 土壤质量综合指数

土壤质量综合指数(ISQ)被广泛应用于确定土壤质量监测指标、评价土壤养分水平、土壤功能稳定性以及矿区、复垦地土壤的可持续利用性[25-28]。本研究采用得分和权重加权求和法计算ISQ，权重为各指标公因子方差占所有指标公因子方差之和的比例。

式中:Bi为第i项土壤指标所对应的指标得分;Wi为第i项土壤指标权重系数；n为参与评价的土壤指标数。

2.3 数据处理

本研究采用拉依达法则对数据异常值进行剔除，最终满足要求的样本总数量为340。采用 SPSS 22.0 和Microsoft Excel 2010 进行数据处理；应用 SPSS 22.0 对数据进行相关性分析、t检验、主成分分析和线性回归分析；利用Microsoft Excel 2010 绘制散点图。

3 结果与分析

3.1 土壤质量评价指标统计量

由表2可知，研究区土壤整体呈弱酸性，且样地Ⅱ(中度采伐)的土壤pH值略高于样地Ⅰ(轻度采伐)。随着土壤深度增加，2块样地的土壤有机质、全氮、全磷、有效磷、速效钾的质量分数和土壤含水量均降低，而土壤密度呈逐渐增大的趋势。变异系数(CV)可作为评价土壤指标敏感度的依据，变异系数越大说明土壤指标对土壤理化性质的差异变化越敏感。依据变异系数值进行分类：CV≤10%为不敏感指标，10%

表2 土壤指标描述性统计分析结果(N=340)

土层深度(h)/cm统计量样地ⅡpHSOM质量分数/g·kg-1TN质量分数/g·kg-1TP质量分数/g·kg-1AP质量分数/mg·kg-1AK质量分数/mg·kg-1BD/g·cm-3SMC/%0

续(表2)

由表3可知，样地Ⅰ和样地Ⅱ相比，土壤的有机质、全氮、全磷质量分数以及pH和土壤含水量均呈极显著差异(P<0.01)，且样地Ⅱ高于样地Ⅰ；而样地间土壤有效磷、速效钾和土壤密度无显著差异(P>0.05)。不同土层间土壤指标均呈极显著差异(P<0.01)，0

表3 土壤指标配对样本t检验(N=170)

土层深度(h)/cm0～20cm 土层与20～40cm土层配对土壤指标pHSOM质量分数/g·kg-1TN质量分数/g·kg-1TP质量分数/g·kg-1AP质量分数/mg·kg-1AK质量分数/mg·kg-1BD/g·cm-3SMC/%0

3.2 建立土壤质量评价指标最小数据集

由表4可知，第一主成分(PC1)和第二主成分(PC2)的特征值均大于1，每个主成分至少解释了18%的数据信息，累积方差解释率为65.71%。因此，利用前两个主成分建立最小数据集。提取的前两个主成分能够解释土壤pH、有机质、全氮和全磷指标超过70%的数据变异。速效钾的公因子方差最小，为46%，因此，速效钾质量分数对土壤质量的贡献度最小。

依据指标分组标准，将土壤有机质、全氮、全磷、土壤密度和土壤含水量归为1组，pH、有效磷和速效钾归为2组。按照公式计算各指标标准值，1组中土壤有机质的标准值最大，依据选取各组中标准值在最大值10%范围内的指标进入最小数据集(MDS)的原则，土壤有机质、全氮和土壤含水量符合要求。

表4 土壤质量评价指标主成分因子载荷及标准值

由表5可知，土壤有机质、全氮和土壤含水量呈极显著相关(P<0.01)，土壤有机质相关系数最大为0.845，因此仅选取土壤有机质进入最小数据集(MDS)。同样在第2组中，pH、有效磷、速效钾的绝对因子载荷值都≥0.5，其中，pH和有效磷的标准值在最大标准值10%范围内，pH和有效磷二者相关系数<0.5。因此，选择pH和有效磷进入最小数据集。最终，选取土壤有机质、pH和有效磷等3个指标进入土壤质量评价指标的最小数据集。

表5 土壤质量评价指标相关系数矩阵

3.3 土壤质量评价结果

选取土壤pH、有机质、全氮、全磷、有效磷、速效钾、土壤密度和土壤含水量等8个指标作为总数据集。将土壤有机质、pH和有效磷等3个指标作为最小数据集。相关研究表明全氮是评价森林土壤养分水平的重要指标[30]。但在本研究中全氮未进入最小数据集，因此，利用全氮替代土壤有机质建立最小数据集，以检验最小数据集的合理性。

由表6可知，根据评分函数，对筛选出的3个最小数据集指标进行评分。对得分进行加权求和可得到基于最小数据集的土壤质量综合指数(ISQ-MDS)，同理计算总数据集的土壤质量综合指数(ISQ-TDS)以及全氮替代土壤有机质建立最小数据集的土壤质量综合指数(ISQ-MDSTN)。样地Ⅰ的ISQ-MDS、ISQ-TDS、ISQ-MDSTN分别为0.348、0.285、0.326；样地Ⅱ的ISQ-MDS、ISQ-TDS、ISQ-MDSTN分别为0.370、0.276、0.333。综合比较3种数据集的土壤质量综合指数，样地Ⅱ均大于样地Ⅰ(即中度采伐样地高于轻度采伐样地)。

表6 土壤质量评价最小数据集和总数据集的公因子方差和权重

为验证最小数据集指标能否有效代替总数据集指标进行土壤质量评价，对ISQ-MDS、ISQ-TDS及ISQ-MDSTN进行线性回归分析(见图1、图2)。ISQ-MDS与ISQ-TDS呈y=0.436 6x+0.069 2的线性关系(R2=0.869 2)；ISQ-MDS与ISQ-MDSTN呈y=0.792 6x+0.040 1的线性关系(R2=0.943 4)。表明MDS与TDS和MDSTN之间的土壤质量综合指数变化趋势一致，R2均大于0.8，线性拟合程度较好，最小数据集能够有效代替总数据集对土壤质量进行评价。

图1 最小数据集与总数据集的关系

图2 最小数据集与最小数据集(全氮)的关系

4 讨论

4.1 土壤指标特征

建立最小数据集的关键是选择合适的土壤指标。土壤质量在土壤物理、化学和生物学性质的交叉作用下形成。土壤生物学指标是描述土壤动态变化最敏感的指标，由于其测定方法复杂、投入资金大，不同学者对测定方法和单位具有不同的观点，研究结果缺乏可比性[31]。土壤pH在森林演替及不同管理方式下变化显著，是评价土壤质量的重要指标[32]。研究区土壤pH随土壤深度的增加而升高，且中度采伐样地高于轻度采伐样地(P<0.01)。针叶凋落物含有的难分解成分高，造成地表凋落物堆积，其有机酸成分高于阔叶凋落物[33]。因此，针阔树种混交比例差异导致研究区凋落物性质和分解速率不同从而影响土壤pH。土壤有机质是表征土壤肥力质量的重要指标。森林土壤有机质主要来自于凋落物，采伐通过影响凋落物现存量和分解速率改变土壤有机质含量[34-36]。周成军等[37]研究发现中度择伐比未采伐和重度采伐的林分，杉阔混交林凋落物现存量显著提高。本研究中，中度采伐样地土壤有机质极显著高于轻度采伐样地(P<0.01)，各样地土壤有机质均随土壤深度增加而下降，这与戴雯笑等[38]的研究结果一致。由于中度采伐强度下凋落物大量积聚为其分解提供条件，从而使表层土壤有机质提高。此外，研究区轻度采伐样地的林分密度较低，林木对所占空间的利用程度小，林下光照充足，土壤温度高，促进土壤原有机质的分解，使土壤有机质含量下降。本研究中，全氮、全磷、有效磷和速效钾质量分数均随土壤深度增加而减少，全氮、全磷与土壤有机质呈极显著正相关(P<0.01)，这与Shao和杨振其等的研究结果一致[15，19]。随着凋落物分解，养分逐渐向深层土壤中淋溶，所以表层土壤养分高于深层[39]。采伐有利于促进林分胸径生长，全磷和有效磷是影响胸径生长的主要土壤因子[40-41]。研究区中度采伐样地有效磷质量分数低于轻度采伐样地，平均胸径大于轻度采伐样地。这与刘晓彤等[42]发现有效磷质量分数与平均胸径成正相关的结果不一致。这是由于研究区地理位置和取样方式不同造成测定结果略有偏差，不同土层有效磷质量分数具有极显著差异(P<0.01)。参照全国第二次土壤普查养分分级标准[43]，样地土壤有效磷和速效钾水平均为四级，有效养分水平为中等。适宜的土壤密度能够增加土壤孔隙，提高土壤的通气透水性，促进植物根系的伸展。随着土壤深度的增加，研究区土壤密度增加，土壤含水量减小(P<0.01)。表层根系聚集改善了0

4.2 MDS方法评价

土壤质量评价需要综合多个指标信息，指标测定分析过程复杂且投资大。目前权重和隶属度取值方法不统一，受主观因素影响，不同评价方法对同一样地的评价结果具有差异。郑琦等[45]采用模糊综合评价法、内梅罗加权综合污染指数法和土壤质量综合指数法评价新疆棉田土壤质量，结果表明不同评价方法间结果具有差异。邹辉等[11]利用不同采样密度与空间插值方法评价江汉平原典型区土壤质量，发现采样密度对土壤属性空间预测影响不显著，而插值方法显著影响土壤养分指标分级。本研究通过主成分分析结合标准值确定最小数据集，减少了数据冗余和人为因素的干扰。姜龙群等[46]利用最小数据集结合因子分析的方法对北京房山平原区土壤养分进行评价，认为此法更能反映养分空间分布的异同，评价结果更为可靠。本研究中，采用最小数据集能够有效代替总数据集评价土壤质量，认为土壤有机质和有效磷是土壤质量评价或养分评价中最小数据集的重要指标。

5 结论

研究区土壤呈弱酸性，有效磷和速效钾质量分数达中等水平，有效磷质量分数与pH呈极显著负相关。中度采伐样地的土壤有机质、全氮、全磷和土壤含水量极显著高于轻度采伐样地。随着土壤深度增加，两块样地土壤有机质、全氮、全磷质量分数和土壤含水量均降低，而土壤密度逐渐增加。中度采伐样地的土壤质量综合指数高于轻度采伐样地，土壤pH、有机质和有效磷是长白山天然云冷杉阔叶混交林土壤质量的主要限制因子。因此，对天然云冷杉阔叶混交林进行合理采伐，能够改善研究区土壤孔隙状况，提升养分水平，维持森林生态系统功能的可持续性和植物生产力。但本研究还缺乏关于土壤质量随时间变化的评价，有待进一步监测研究区土壤质量的长期演变。