-
土壤是一种由不同颗粒组成,具有不规则形状自相似结构的多孔介质,并且具有一定的分形特征[1-2]。分形理论最早由Mandelbort[3]提出,Tyler[4]将其引入土壤学的研究中,杨培岭用土壤重量分布来表征土壤颗粒的分形维数,他提出土壤粒径分布的分形维数反映了土壤粒径大小的影响和土壤质地的均一程度。分形维数越高则土壤结构越紧实反之则松散、通透性越好[5]。梁国栋[6]则提出了用土壤体积分数计算分形维数的方法,得到了与前者相同的结论。杨金玲[7]对以上两人采用的质量分形维数与体积分形维数方法进行了对比发现两种方法测得的分形维数值具有相关性(P<0.01),但对土壤分级增多后会略微降低体积分形维数值。因此在后来的董雪等[8-9]在研究中根据不同土壤粒径分级标准采用了不同的方法,他们的研究发现土壤分形维数不仅可以表征土壤质地,而且与土壤养分存在显著的相关性。在夏江宝等[10-13]的研究中通过分析比较不同植被类型下土壤分形特征及其与养分指标的相关性,以分形维数值来表征土壤质地和养分状况,进而提出改良和优化植被生长的建议。
清水河县人工林是生态公益林 [14],由于单一种植或不合理配置模式导致固土保肥能力不足而形成水肥流失,不同林分质量差异明显,直接影响着土壤的结构和养分差异。研究区人工林位于黄河沿岸黄土丘陵沟壑区,土壤养分随流水冲刷流失较为严重,树种对土壤保水保肥能力显得尤为重要,对于这部分地区人工林土壤的结构和养分研究较少。在上述学者对其他地区土壤分形维数与养分的研究中,仅仅是对不同土地利用类型的养分含量与土壤颗粒体积及分形维数进行相关性分析,没有对土壤养分进行具体评价。土壤重量分布特征相比于体积分数来说,体积分数更容易通过激光粒度仪得到[15]。采用美国农业部的分级标准,将土壤划分粘粒、粉粒、砂粒3级,用土壤体积分形维数计算方法,通过计算激光粒度分析仪测得的不同人工林类型下、不同土层的土壤粒径的分形维数特征,在对土壤养分进行评价后,得到不同养分元素指标的隶属值和贡献率来评价不同林分类型的养分状况,再将土壤体积分形维数与土壤粒径、养分的相关分析,用土壤分形特征来评价不同人工林对土壤的结构及养分的影响,为生态公益林的树种选择及合理化经营提供参考依据。
-
研究区位于清水河县黄土丘陵沟壑区北纬39°35′—40°11′,东经111°21′—112°07′之间,海拔在960 m~1 837 m之间,属于内蒙古高原与黄土高原交接处,以低山为主体,低缓沟壑、土石山和冲积平原并存的地貌类型。清水河县地处中温带,属半干旱典型的大陆性气候。主要特点为冬长夏短,寒冷干燥,风多雨少。降水主要集中在6-8月,占全年降水80%。黄土覆盖较厚,土壤类型主要有栗钙土、栗褐土、灰褐土。主要树种包括油松(Pinus tabuliformis Carr.)、落叶松(Larix gmelinii (Rupr.) Kuzen.)、山杏(Armeniaca sibirica (L.) Lam.)、柠条(Caragana korshinskii Kom.)、沙棘(Hippophae rhamnoides Linn.),森林覆盖率约为30.8%。
-
在查阅文献资料和实地调查基础上,在研究区内选取分布范围广,立地条件为栗钙土、阳坡、海拔1200~1300 m,林龄>15年,郁闭度0.5~0.69,生长状况良好的典型林组,选择连续的林地一般在5 hm2以上,纯林包括油松、落叶松、山杏、沙棘、柠条,混交林包括沙棘×柠条,柠条×山杏,油松×山杏,油松×落叶松,无林地作为对照,共10个样地(见表1),所选人工林均在种植以后浇水外无人为影响。
样地编号
Plot number人工林类型
Plantation type林龄/a
Age郁闭度/覆盖度
Coverage树高/m
Tree height胸径/cm
DBH枯落物层厚度/cm
Litter layer thickness地理坐标
Geographic coordinateY1 柠条 17 0.55 2.1±0.5 -- 0.4±0.1 39°42'12''N 111°26'35''E Y2 油松 20 0.6 9.2±2.2 15.3±0.7 1.8±0.2 39°42'10''N 111°26'36''E Y3 沙棘 18 0.65 0.6±0.2 -- 0.6±0.1 39°51'25''N 111°55'02''E Y4 山杏 20 0.55 3.3±1.2 10.5±0.3 1.0±0.1 39°54'06''N 111°53'57''E Y5 落叶松 17 0.5 10.2±2.3 16.3±1.1 2.1±0.2 39°50'01''N 111°37'16''E Y6 柠条×沙棘 18 0.69 2.0±0.8 -- 0.9±0.1 39°51'07''N 111°54'36''E Y7 柠条×山杏 17 0.65 2.2±0.6/
3.4±1.5--/
10.3±0.51.1±0.1 39°51'25''N 111°55'04''E Y8 油松×山杏 17 0.65 8.7±2.5/
3.3±1.315.5±0.7/
10.2±0.22.0±0.2 39°43'58''N 111°25'35''E Y9 油松×落叶松 20 0.65 10.5±2.3/
10.5±2.515.7±1.2/
16.4±1.12.3±0.2 39°42'17''N 111°28'42''E Y10 无林地 -- -- -- -- -- 39°44'21''N 111°31'55''E Table 1. Basic information of the sample plots
-
采样时间为2020年8—9月。选取的样地每个随机设置30 m×30 m的3个作为重复。每个样地内采取五点取样法,将表层杂草、枯落物除去后,挖土壤剖面(1.2 m深×1.0 m宽),用环刀采集0~20 cm、20~40 cm和40~60 cm土样,带回实验室风干处理备用。
-
将取回的土通过2 mm(10目)筛,分别混匀、称量后盛于广口瓶内。粒径分布测定采用马尔文 3000激光粒度分析仪。将土样过1 mm(16目)筛后采用碱解扩散法测碱解氮,碳酸氢钠浸提-钼锑比色法测速效磷,乙酸氨浸提-火焰光度法测定速效钾。测有机质含量,需将土通过0.25 mm(60目)筛后,再用重铬酸钾法测定[16]。
-
颗粒分级采用美国农业部土壤质地标准对土壤粒径进行分级:黏粒(<2 μm)、粉粒(2~50 μm)、砂粒(50~2 000 μm)。本研究采用王国梁等[6]采用的分形维数的计算方法:
式中:r表示测量土壤颗粒直径,Rb为最大粒级土粒的直径,V(r<Rs)为小于Rs的累积土壤颗粒体积,VT为土壤各粒级体积的总和,D是土壤颗粒分布分形维数。计算方法为:首先求出土壤样品不同粒径(Rs)的体积比V(r<Rs)/VT和不同粒径比(Rs/Rb),同时对两者求对数。然后以lgV(r<Rs)/VT为纵坐标、以lgRs/Rb为横坐标作散点图并进行线性拟合,拟合后的直线回归方程的斜率为K=3-D,则分形维数D可求出。数据和绘图采用Excel2010和Spss23软件,用Excel2010对原始数据进行处理,绘制条形统计图。用Spss23软件对不同人工林、无林地的土壤粒径、分形维数、养分做方差分析,对土壤体积分形维数与粒径、养分做相关性分析。
-
土壤养分单项评价指标常常被用于立地条件相似,相同的土地利用类型,用于描述单一养分指标对土壤养分的影响程度[17]。土壤中的氮、磷、钾对植物的生长发育影响显著,而碱解氮、有效磷、速效钾反映了土壤现实供应指标,另外,土壤有机质含量是土壤肥力的一个重要标志[18]。因此计算这四种指标对土壤养分的隶属值和贡献率,并得出不同林分类型的土壤养分。为了使养分各项指标具有可比性,需要将各项指标进行标准化处理,创建隶属度函数,计算隶属度值。将指标数据转化成0.1~1.0的无纲量化数值。对于离散程度较大的碱解氮、有机质、速效磷、速效钾则适用S型隶属度函数。计算公式:
式中x为指标实际值,x1、x2为转折点取值。假定指标在一固定区间增长反映对树木生长的最大影响,高于或低于此区间,则影响变小。根据土壤养分分级标准和土壤普查数据及相关文献资料[19-20],x1、x2转折点取值见表2。
转折点
Turning point有效磷/(mg·kg−1)
Available phosphorus速效钾/(mg·kg−1)
Available potassium碱解氮/(mg·kg−1)
Alkali-hydrolyzable nitrogen有机质/(g·kg−1)
Organic matterX1 10 50 5 15 X2 25 200 100 22 Table 2. Turning point value of membership function
-
研究区人工林土壤样品的颗粒组成以砂粒为主,占35.9%-84.1%,均值为60%,其次是粉粒占22.3%-57%,均值为35.3%;最小的为黏粒占1.8%-11%,均值为4.7%(见表3)。表明研究区是典型的砂土地区,说明该地区土壤保水保肥能力较差,土壤较疏松,有机质分解快。土壤黏粒有林地高于无林地,而砂粒含量则相反。有林地黏粒含量最高的为油松×落叶松,最低为油松。不同人工林的土壤粉粒、砂粒含量差异显著,其中落叶松林、油松×山杏和油松×落叶松土壤粉粒含量较大,而土壤砂粒含量较低。无林地的土壤黏粒、粉粒含量明显小于有林地,而土壤砂粒含量明显高于有林地。落叶松、油松×山杏和油松×落叶松土壤黏粒含量在随着土层深度增加;沙棘、山杏、沙棘×柠条土壤粉粒含量增加,落叶松土壤粉粒含量先增后减;山杏、沙棘、油松×落叶松土壤砂粒含量逐渐下降。
样地
Plot黏粒/% Clay/% 粉粒/% Silt/% 砂粒/% Sand/% 0~20 cm 20~40 cm 40~60 cm 0~20 cm 20~40 cm 40~60 cm 0~20 cm 20~40 cm 40~60 cm Y1 3.8±0.3d 4.2±0.4c 4.2±0.2cd 31.3±3.3c 31.1±2.3c 30.8±1.2d 65.9±5.2c 64.5±3.3b 64.4±2.5b Y2 1.8±0.2e 2.5±0.2e 2.1±0.2e 22.7±1.7d 24.9±1.3d 24.4±1.4e 75.4±4.1ab 72.8±3.0ab 73.4±3.4a Y3 3.7±0.2d 3.7±0.2cd 3.8±0.4cd 22.3±2.3d 23.7±2.5d 27.0±1.3de 75.0±3.2Aab 73.1±3.5Aab 68.8±2.3Bb Y4 4.1±0.3cd 4.9±0.3c 4.8±0.2c 25.6±2.5cd 31.0±1.4c 30.0±1.7d 71.3±1.2Ab 66.0±2.4Bb 65.0±1.1Bb Y5 6.5±0.7Ab 6.2±0.3ABb 5.5±0.3Bc 55.0±4.4 56.7±1.2 57.0±1.4a 39.7±2.5d 38.3±2.2d 37.4±1.5d Y6 4.9±0.2d 4.4±0.2cd 4.3±0.2cd 25.4±1.6cd 31.0±1.2c 24.9±1.2e 71.03±4.2b 67.6±5.5b 71.4±2.2ab Y7 3.8±0.2d 4.2±0.2cd 3.6±0.2d 28.0±1.2d 28.6±2.4d 29.2±1.3d 69.1±3.5b 67.5±1.7b 67.5±3.2b Y8 7.9±0.4Ab 7.5±0.5Ab 5.1±0.7Ba 40.1±2.4b 43.0±1.5b 44.0±2.3c 52.0±4.3d 51.0±2.8c 51.0±2.1c Y9 9.5±1.2Aa 9.0±0.2Aa 7.8±0.3Ba 42.0±1.5Bb 42.0±1.2Bb 49.0±1.5Ab 48.2±1.2Ae 49.0±2.0Ad 42.0±1.5Bd Y10 1.6±0.2e 2.2±0.2e 2.0±0.2e 19.8±1.2d 21.4±1.2d 22.0±1.2e 78.6±5.5a 76.4±1.9a 75.2±1.3a 注:不同小写字母表示不同人工林土壤体积分形维数的显著差异,不同大写字母表示同一人工林不同土层显著差异(P<0.05) Note: Different lowercase letters indicate significant differences in fractal dimension of soil volume of different plantations, and different capital letters indicate significant differences in different soil layers of the same plantation (P<0.05). Table 3. Soil particle size distribution of different plantations
-
土壤体积分形维数是反映土壤颗粒分布的重要指标,而土壤结构指土壤颗粒(包括土壤团聚体)的排列和组合形式,在一定范围内,土壤分形维数越高,黏粒含量越高,越容易形成稳定的团聚体,土壤结构越稳定[21-22]。根据土壤体积分形维数公式计算出不同人工林及无林地的土壤体积分形维数,及不同土层深度的平均值,并进行方差分析,结果如图 1所示:研究区土壤体积分形维数均值为2.2427,在2.1475到2.3192之间变动;从整体上看,分形维数值有林地大于无林地;混交林大于除落叶松林以外的纯林;0~60 cm土层平均值,油松×落叶松>落叶松、油松×山杏(P>0.5)>沙棘×柠条、山杏×柠条、沙棘(P>0.5)>油松、柠条、山杏(P>0.5)>裸地;在不同深度的土壤,除油松×落叶松、落叶松外,其他人工林分形维数变化不显著,说明这两种人工林对不同深度土壤结构影响较大;0~20 cm土壤结构明显优于下层土壤(P<0.5);落叶松、油松×山杏、油松×落叶松土壤结构较好,而山杏纯林、油松纯林土壤结构较差,有林地土壤结构明显优于无林地。
-
测得土壤养分含量如图2。在0~20 cm土层,混交林与纯林土壤速效磷含量差异显著,纯林中落叶松速效磷最高,柠条较低,混交林中油松×落叶松速效磷高,其余人工林差异不显著;20~40 cm土层中,除上述混交林较高外,其余人工林速效磷差异不显著,40~60 cm土层,无林地与有林地差异显著;相同人工林类型下,表层土壤速效磷最多,下两层土壤差异小。速效钾含量:不同人工林0~40 cm土层中速效钾变化情况与速效磷变化类似。研究区速效钾丰富,不同土层的速效钾基本在80 mg·kg−1以上,落叶松和油松×落叶松的速效钾较多,油松的速效钾较少;40~60cm土层中,油松速效钾增加,其余各人工林差异变小。碱解氮含量:0~60 cm土层中沙棘、落叶松、油松×山杏、油松×落叶林较高,所有人工林及无林地上层与下两层差异显著。有机质含量:不同林分类型在不同深度土壤中有机质差异显著,落叶松、油松×落叶松的有机质较高,其余林分类型都处于较低水平,其中山杏的有机质最低。四种养分指标在土壤深度变化上基本呈下降趋势。不同人工林类型四种养分的差异都逐渐变小,无林地与有林地四种养分指标差异显著。整体上看,在上两层土壤养分比较时下降剧烈,而到20~40 cm土层与40~60 cm土层养分差异变小。
根据土壤养分分级标准[18],9种人工林0~60 cm土层的土壤所含有速效钾、速效磷丰富,都属于三级左右(中上水平),而有机质、碱解氮较少,属于四级及以下(中下水平)。没有林分覆盖的无林地所有养分最少,养分流失最严重,都在5级以下水分。所有的人工林的营养元素在垂直深度变化中,除有机质处于5级外,0~20 cm的土壤养分都处于2-4级之间,土壤养分状况中等,而20~60 cm土壤养分状况处于中下及较低水平。
-
雷达图(见图3)表明:不同林分类型的几种指标越集中在原点越远位置,则表明土壤养分含量越高,围成的面积越大的指标作用分越高,综合贡献率养分指标距离原点越远,综合贡献率越高。在0~20 cm土层,油松×落叶松、落叶松四个养分指标的隶属度值都大于0.5,而油松、沙棘的养分指标的隶属度值都小于0.5,说明前两种人工林在土壤养分状况较好,而后两种林分类型养分状况较差。四种养分指标都对土壤养分评价有较大影响,其中速效钾围成面积最大,有机质围成面积最小,在对研究区0~20 cm土壤养分状况评价时速效钾作用分最高。在20~40 cm土层,对土壤养分单项指标评价的因子只有速效钾、速效磷、碱解氮,而有机质的隶属值都在0.1;在40~60 cm土层,只有速效钾隶属度值大于0.1。因此在20 cm以下土层,各人工林类型的养分差异在逐渐减小。由于指标间对土壤养分状况的差异性,对单一指标的贡献率进行了验证,对计算的隶属值进行了相关分析,并计算权重系数,得到不同林分各项养分指标的贡献率,速效钾(0.176)>速效磷(0.132)>碱解氮(0.080)>有机质(0.054),因此速效钾、速效磷的含量最能反映土壤养分状况。
-
将土壤体积分形维数与粒径体积分数及四种养分指标含量进行相关分析得到(见表4):土壤体积分形维数与土壤黏粒、速效磷、土壤速效钾、碱解氮呈显著正相关(P<0.05)而与土壤粉粒、有机质没有达到显著水平,与土壤砂粒呈显著负相关(P<0.05);土壤速效钾、速效磷、碱解氮与土壤黏粒体积分数呈正相关,土壤速效钾、速效磷、碱解氮与砂粒体积分数呈显著负相关(P<0.05);由相关关系可知,在整个土层中,土壤体积分形维数越高,土壤黏粒含量越高,砂粒含量越少;土壤体积分形维数越高,土壤速效钾、速效磷、碱解氮含量越多。
分形维数值
Fractal dimension value有机质/(g·kg−1)
Oraganic matter速效磷/(mg·kg−1)
Available phosphorus速效钾/(mg·kg−1)
Available potassium碱解氮/(mg·kg−1)
Alkali- hydrolyzable nitrogen分形维数值Fractal dimension value 1 0.148 0.712* 0.789** 0.642* 黏粒体积分数Clay volume fraction 0.894** 0.160 0.803** 0.813** 0.666* 粉粒体积分数Silt volume fraction 0.425 −0.048 0.562 0.562 0.565 砂粒体积分数Sand volume fraction −0.782* −0.034 −0.663* −0.753* −0.488* 注:“**”P<0.01相关性极显著,“*”P<0.05相关性显著 Note: "* *" p<0.01 indicates extremely significant correlation, and "*" p<0.05 indicates significant correlation. Table 4. Correlation analysis of soil volume fractal dimension, particle size and nutrients
Effects of Different Plantations on Soil Structure and Nutrients in Loess Hilly and Gully Region Based on Fractal Dimension
doi: 10.12172/202108160001
- Received Date: 2021-08-16
- Available Online: 2022-03-11
- Publish Date: 2022-06-09
-
Key words:
- Soil particle size /
- Fractal dimension of soil volume /
- Soil nutrients /
- Plantation
Abstract: The fractal characteristics of soil particles of different plantations and their relationship with soil structure and nutrients in loess hilly and gully region of Qingshuihe county were studied, and the effects of different plantations on soil structure and nutrients in Qingshuihe county were compared with the fractal dimension of soil volume, so as to understand the soil structure and nutrient status of different plantations and provide reference for the selection of local artificial forests and rational management. Nine kinds of plantations in the study area were selected as the research objects, and the woodland free land was used as the control. The particle size distribution of soil was measured by laser particle size analyzer and the fractal dimension was calculated. The nutrient status was evaluated by single index, and the correlation between the fractal dimension of soil and nutrient was analyzed. The fractal dimension of soil volume of plantations in the study area was between 2.1785-2.3192, and the fractal dimension of soil volume was as follows: Pinus tabuliformis Carr.×Larix gmelinii (Rupr.) Kuzen. > Larix gmelinii (Rupr.) Kuzen. and PinPinus tabuliformis Carr. × Armeniaca sibirica (L.) Lam. (P>0.5) > Hippophae rhamnoides Linn. × Caragana korshinskii Kom., Armeniaca sibirica (L.) Lam. × Caragana korshinskii Kom., Hippophae rhamnoides Linn. (P>0.5) > Pinus tabuliformis Carr., Caragana korshinskii Kom., Armeniaca sibirica (L.) Lam. (P>0.5) > bare land. The fractal dimension of soil volume was positively correlated with clay, alkali-hydrolyzable nitrogen, available potassium and available phosphorus (P<0.5), and negatively correlated with sand (P<0.5), but not significantly correlated with silt and organic matter. There was no significant difference between nutrient evaluation results and fractal dimension of different plantations. The plantations in the study area had remarkable effects for improving soil structure and nutrients, and Pinus tabuliformis Carr.×Larix gmelinii (Rupr.) Kuzen., PinPinus tabuliformis Carr. × Armeniaca sibirica (L.) Lam. mixed forest and Larix gmelinii (Rupr.) Kuzen. pure forest had great impacts on soil structure and nutrients, and the improvement effect was the best.