Spatial heterogeneity of physicochemical property and microbial characteristic and comprehensive quality assessment of farmland soils in Gaoyao District, Zhaoqing City, Guangdong Province
-
摘要:目的
探究县域尺度下耕地土壤理化性质和微生物特征的空间异质性，以及这些因素在土壤综合质量评价中的应用，为耕地可持续利用提供理论支撑。
方法采集广东省肇庆市高要区47个监控单元耕地表层土壤样品，结合地统计学和ArcGIS相关技术，分析pH，黏粒、有机质、全氮、碱解氮和全磷含量等土壤理化性质，以及土壤呼吸、微生物量和真菌生物量/细菌生物量等土壤微生物特征的空间异质性，运用主成分分析法、相关性分析法和土壤质量综合指数(GISQ)法，阐明不同因素对耕地土壤综合质量的影响。
结果土壤pH，黏粒、有机质、可溶性有机碳、全氮、碱解氮和全磷含量的块金系数介于25%~75%，属于中等空间自相关性，受结构因素和随机因素共同影响；土壤微生物特征指标中，土壤呼吸的块金系数为29.4%，属于中等空间自相关性，但土壤微生物总量以及真菌、放线菌、细菌生物量的块金系数均大于75%，空间自相关性弱，受人类活动等随机因素影响大，空间结构性差。土壤微生物是高要区耕地土壤质量分化的主要驱动因素，特别是土壤微生物总量以及细菌、真菌和放线菌生物量；土壤有机质、全氮和碱解氮含量等理化性质对耕地土壤质量也有较大影响，且有机质、全氮和碱解氮含量呈显著正相关(P<0.05)。高要区耕地土壤质量整体处于良好水平，空间格局呈现为：北部丘陵区>东部平原区>中部平原区>南部丘陵区。
结论在县域尺度下，土壤理化性质空间结构相对稳定，土壤呼吸是适宜进行微生物空间变异分析的指标，土壤微生物量及结构在县域尺度内存在明显的空间异质性；土壤理化性质和微生物特征指标共同应用于耕地土壤综合质量评估能更加全面地反映耕地土壤质量的变化。
Abstract:ObjectiveTo examine the spatial heterogeneity of soil physicochemical property and microbial characteristic at the county scale and their application in soil comprehensive quality assessment, and offer a theoretical foundation for sustainable use of cultivated land.
MethodSurface soil samples of farmland from 47 monitoring units in Gaoyao District, Zhaoqing City, Gunagdong Province were collected. The spatial heterogeneity of soil physicochemical properties such as pH, the contents of clay, organic matter, total nitrogen, alkali-hydrolyzed nitrogen and total phosphorus, as well as soil microbial characteristics including soil respiration, mircrobial biomass, and fungi biomass/bacteria biomass were analyzed combining geostatistics and ArcGIS-related techniques. By employing principal component analysis, correlation analysis and general indicator of soil quality (GISQ) method, we elucidated the influence of different factors on the comprehensive quality of farmland.
ResultThe nugget coefficients of soil pH, as well as clay, organic matter, dissolved organic carbon, total nitrogen, alkali-hydrolyzed nitrogen, total phosphorus contents ranged from 25% to 75%, indicating moderate spatial autocorrelation, and was affected by both structural and random factors. Among the soil microbial characteristic indicators, the nugget coefficient of soil respiration was 29.4%, indicating moderate spatial autocorrelation, but the nugget coefficients of the total soil microbial biomass, as well as fungi, actinomycetes, bacteria biomass were all greater than 75%, indicating weak spatial autocorrelation and poor spatial structure, and influenced by random factors such as human activities. Soil microorganisms were the primary driving factors of soil quality differentiation of farmland in Gaoyao District, especially the total soil mricrobial biomass, as well as bacterial, fungi, actinomycete biomass. Physicochemical properties such as soil organic matter, total and alkali-hydrolyzed nitrogen contents also had considerable impact on farmland soil quality. Additionally, organic matter, total and alkali-hydrolyzed nitrogen contents were significantly positively correlated (P<0.05). The soil quality of farmland in Gaoyao District was generally in a good level, the spatial pattern was presented as northern hilly area > eastern plain area > central plain area > southern hilly area.
ConclusionAt the county scale, the spatial structure of soil physicochemical properties is relatively stable, and soil respiration is a suitable indicator for analyzing microbial spatial variability. Soil microbial biomass and structure exhibit significant spatial heterogeneity at the county scale. The combined application of soil physicochemical property and microbial characteristic indicators in soil quality evaluation can more comprehensively reflect the changes in the farmland quality.
-
种群是物种存在、进化及种间关系的基本单位，是连接群落和个体的纽带，也是生态系统的基本组成部分[1]。扩散是几乎所有生物生活史的一个基本特征，生物的扩散过程大大影响生物组织的形成，如：个体的存活、生长和繁殖，种群和群落的组成、结构和动态，物种的维持、进化和地理分布等[2-3]。目前，种群扩散研究日益受到广泛关注，已成为生态学研究中的一个热点领域[4-7]。在自然界中，大部分植物通过花粉和种子扩散来完成种群的扩张和迁移，花粉和种子扩散是关乎植物群落动态的一个重要生态过程[8]，它与生境、种源特征和传播者有着密切的关系，因植物生活型和所处生境的不同而存在明显的差别[9-10]；同时，它能够直接影响幼苗的命运，进而影响种群的更新动态和分布格局[11]。因此，种群扩散机制的研究，对种群的维持、物种的进化、物种的成种和预测其种群演化趋势等方面具有重要意义。
黄牛木Cratoxylum cochinchinense是亚热带地区的乡土树种[12]，其抗逆性好、适生性强，在酸性、砂质等贫瘠土壤中生长良好，是我国华南地区的优良先锋树种[13-14]。黄牛木还是极具潜力的城市景观树种，其黄褐色树干形成的特色林内景观以及春夏花期形成的彩色景观具有较高观赏价值[15]。目前，对黄牛木的研究主要集中于成分分析及药用价值方面[16-17]，其种群生态学的研究较少，鲜见有种群扩散方面的研究报道。纵观我国华南珠三角等发达地区，尽管城市内的绿地景观已发展得较为成熟，但城市周边仍有一些生态脆弱的山林地，这些困难立地林相不稳定，景观效果有待提升。黄牛木具备优良的品种特性，可作为该地区植被修复和生态改造工程的优选树种。因此，黄牛木种群扩散动态的研究，不仅可为其种群的天然更新和保护管理提供理论依据，为华南地区乡土树种的种群扩散研究提供参考，同时也可促进这一优良乡土树种的开发和利用，从而为森林群落的生态修复及生态系统的可持续发展作出贡献。
1. 材料与方法
1.1 研究地概况
茶山公园(简称茶山)位于广州天河区的五山街(原五山镇，茶山是五山中的其中一山)，北与沙河镇长湴村(现天河区长兴街)相邻，南至广九铁路。地理位置为113°21′~113°22′E和23°9′~23°8′N，低丘地形，海拔93.6 m。本文调研样地选自鸡笼顶，样地土壤为花岗岩、变质石英砂岩、流纹岩和红色砾岩发育的赤红壤。
白云山风景名胜区(简称白云山)座落于广州市东北部，位于北纬23°09′~23°13′，东经113°16′~113°19′，为九连山脉向东南延伸的支脉，属丘陵地形，素有“南粤第一山”之称。白云山景区面积28 km2，最高峰为摩星岭，海拔382 m，属南亚热带季风海洋性气候，年均气温21.4~21.8 ℃，年降水量1 689.3~1 876.5 mm，雨季集中在4—9月份，且降水量占全年降水量的85%以上，年均湿度79%。本文调研样地选自竹园景区，样地土壤为流纹状花岗岩、砂页岩、石英岩及混合岩母质发育而成的酸性赤红壤[18]。
石花山森林公园(简称石花山)位于广东省台山市的东北部，地理位置为22°26′~22°81′N和112°81′~112°9′E，石花山虽高300余m，却融奇、秀、幽于一山。台山属亚热带海洋性季风气候，年平均气温21.8 ℃，年平均日照2 006 h，年均降雨量1 936 mm。公园内随处可见未被人工化的自然群落，本文调研样地选自西严寺东面山顶，样地土壤类型为花岗岩发育的酸性赤红壤。
1.2 研究方法
1.2.1 外业调查
在林分踏查的基础上，采用典型取样法，选择具有代表性的黄牛木天然群落地段作为样地布设区域。于2015年12月至2016年2月期间，在广州茶山公园的鸡笼顶(东南坡)、广州白云山风景名胜区的竹园景区(西北坡)分别选取3 900 m2的样地，并在台山石花山森林公园的西严寺东面选取3 200 m2的样地(其中东南坡2 000 m2，西北坡1 200 m2)，总面积11 000 m2。对样地内所有高度≥1.3 m的黄牛木个体的胸径、树高、冠幅、枝下高等生长因子进行测定，高度<1.3 m的黄牛木个体测定除胸径之外的其他生长因子，并记录黄牛木个体之间的相对坐标。
1.2.2 种群径阶划分
参照有关种群大小级结构代替年龄结构的分析方法[19]，以“空间替代时间”，将林木的胸径大小作为度量其年龄大小的指标。把树高<1.3 m和胸径<1 cm的黄牛木幼苗记为1径阶；树高≥1.3 m且胸径≥1 cm时，每隔2 cm增加一个径阶，将黄牛木依次划分为若干径阶。
1.2.3 种子传播与种群扩散
运用ArcGIS分别绘制样地黄牛木种群个体和冠幅空间分布专题图，分析黄牛木个体的聚集情况和种子的传播方向及种群的扩散方式，然后采用缓冲区分析与空间计算功能测定种群各径阶的累计冠层投影面积，分析其累计面积的增长规律，结合SPSS 17.0软件进行回归模拟分析，构建种群扩散速率相关模型，进而预测黄牛木种群扩散的动态规律。
1.2.4 扩散速率
借鉴胡梦宇[20]对藜蒴Castanopsis fissa种群扩散速率的研究方法，通过计算种群达到某一冠幅时投影增长量所需要的时间，测算黄牛木种群的扩散速率，即单位时间内种群冠层投影的增长面积。本文以胸径代替时间变化，种群扩散速率=种群冠层增长面积/胸径。
2. 结果与分析
2.1 种群扩散方式分析
绘制各样地黄牛木种群扩散分布图(图1)。从图1可以看出，黄牛木个体总是在母树某一方向上呈现明显的聚集分布并逐渐向外扩散，但这一方向不全为下坡方向，白云山的黄牛木种群甚至沿斜上坡方向扩散。可见，黄牛木扩散不只是靠种子重力传播。从图1还可以看出，3个样地的黄牛木种群均表现出不同程度的聚集分布，而且在常年风向的下风向的聚集现象更为明显，说明黄牛木种子的传播受风向影响的可能性较大。风传播是常见的非生物传播方式，许多植物的果实和种子以此方式传播[21]，它们一般具有下述特征：1)细小质轻，能悬浮在空气中被风力吹送至远处，如兰科植物稗Echinochloa crusgalli、马唐Digitaria sanguinalis等；2)果实或种子的表面常生有絮毛、果翅，或其他有助于承受风力飞翔的特殊构造, 如马兜铃Aristolochia debilis、云杉属Picea、滇油杉Keteleeria evelyniana等。黄牛木种子为蒴果，一侧具翅，成熟期为夏季，成熟后小而轻[22]。初步推断，风力是黄牛木种群扩散传播的主要动力。
![]()
图 1 黄牛木种群扩散分布情况图中每一景观栅格为10 m×10 m，着色区域代表黄牛木个体的空间分布情况，红色区域为其种群斑块内的胸径最大个体，即种群母树Figure 1. Diffusion and distribution of Cratoxylum cochinchinense populationEach lattice is 10 m × 10 m in the graph，the coloring part indicates spatial distribution of Cratoxylum cochinchinense, and the red part indicates the parent tree with the largest DBH in population文献显示，广州的风向常年为偏北或东北方向，夏季盛行风向为东风和东南风[23]。从图1a可以看出，在夏季盛行风向(偏东和东南方向)和常年风向(偏北或东北方向)上，茶山样地的植株呈现明显的聚集现象和扩散趋势，在偏东方向上尤为明显，因此认为种子的扩散受风力的影响极大。当然，由于该样地夏季盛行风向也是该坡的斜下坡方向，故不能排除种子由于受重力作用沿斜坡滚落散布在母树周边区域，使得幼苗在母株周围呈现密集的簇状分布。但从图1b可以看出，白云山种群个体扩散方向为该坡的斜上坡方向，正是该地种子成熟期盛行风向(东南风)的下风向。因此可基本断定，黄牛木种群靠风力扩散。
台山的风向常年为东北风、偏北风，夏季盛行南风[24]。从图1c可以看出，石花山样地的植株在南坡沿正南方向扩散，即种子成熟期盛行风向；在北坡沿东北偏北方向扩散，为该地常年风向。故进一步确定，黄牛木种群靠风力扩散。
2.2 种群扩散动态分析
上述分析表明，种群在不同的地域均呈现出聚集分布，这种分布特性直接关系到林木冠层空间分布的形成。为更直观地呈现黄牛木种群在不同发育阶段的扩散动态，结合样地中黄牛木个体的相对位置和各径阶平均冠幅，运用地理信息系统(GIS)数字化和输出专题图功能绘制黄牛木种群的冠层扩散分布图(图2)。
![]()
图 2 黄牛木种群冠层扩散情况图中每一景观栅格为10 m×10 m，着色区域代表黄牛木冠层投影的空间分布Figure 2. Canopy diffusion of Cratoxylum cochinchinense populationEach lattice is 10 m × 10 m in the graph，the coloring part indicates projection of Cratoxylum cochinchinense canopy结合茶山样地的黄牛木种群冠层扩散分布图(图2a)，运用GIS软件中的合并计算功能，将各径阶分布依次合并，通过图层属性表的几何计算功能得到茶山黄牛木各个径阶冠层投影面积，茶山黄牛木种群第1~11径阶冠层投影增长面积依次为69.245、16.871、182.252、262.519、232.929、258.751、136.663、102.866、64.192、125.410和49.288 m2(表1)。由此可见，黄牛木种群冠层投影面积的增长量随径阶的增加而先增大后减小，说明种群扩散程度随径阶增大先上升后下降，在第4径阶时冠层面积增长量达到最大值262.519 m2，此时种群的扩散程度最高。
表 1 黄牛木种群生长因子统计与扩散速率测定结果Table 1. Growth factor statistics and diffusion rate of Cratoxylum cochinchinense population调查地点
Sample
plot径阶1)
Diameter
class平均胸径/cm
Average
DBH平均冠幅/m
Average crown width投影面积/m2
Canopy projection area累计投影面积/m2
Cumulative projection area投影增长面积/m2
Growth of projected area扩散速率2)/
(m2·cm-1)
Diffusion rate茶山
Chashan1 0.7 0.64 57.970 1 500.986 69.245 54.73 2 2.0 1.54 278.237 1 431.741 16.871 9.24 3 3.8 2.25 452.280 1 414.870 182.252 90.15 4 5.8 3.15 506.477 1 232.618 262.519 132.91 5 7.8 3.54 386.610 970.099 232.929 128.33 6 9.6 4.23 317.200 737.170 258.751 122.28 7 11.8 4.36 161.358 478.419 136.663 82.22 8 13.4 5.99 146.789 341.756 102.866 42.27 9 15.9 6.38 64.192 238.890 64.192 35.66 10 17.7 6.58 125.410 174.698 125.410 67.79 11 19.5 7.90 49.288 49.288 49.288 − 白云山
Baiyun mountain1 0.8 0.79 74.644 1 374.181 17.406 15.27 2 1.9 1.24 301.900 1 356.775 102.391 54.52 3 3.8 1.94 458.132 1 254.384 232.904 112.39 4 5.9 2.61 517.476 1 021.480 366.714 189.88 5 7.8 3.28 340.751 654.766 262.731 137.16 6 9.7 3.84 189.505 392.035 170.537 98.44 7 11.5 3.99 148.960 221.498 136.265 49.55 8 14.2 4.55 16.249 85.233 16.249 8.78 9 16.1 4.69 68.984 68.984 68.984 − 石花山
Shihua mountain1 0.8 0.38 0.775 709.426 0.115 0.09 2 2.1 1.11 16.533 709.311 6.207 3.14 3 4.1 2.10 91.076 703.104 42.808 24.96 4 5.8 2.66 177.765 660.296 100.895 45.04 5 8.0 3.49 244.906 559.401 152.533 91.28 6 9.7 4.23 220.326 406.868 186.753 79.85 7 12.1 5.25 194.700 220.115 194.700 76.35 8 14.6 1.45 1.673 25.415 1.672 1.11 9 16.1 5.50 23.743 23.743 23.743 − 1)第1径阶为树高 <1.3 m 和胸径 <1 cm 的黄牛木个体，其余径阶为树高 ≥1.3 m 且胸径≥1 cm 的黄牛木个体，胸径每隔 2 cm 增加一个径阶；2) “−” 代表需测得下一径阶数据方可进行计算
1) The first diameter class includes Cratoxylum cochinchinense trees with height <1.3 m and DBH <1 cm, the other diameter classes include trees with height≥1.3 m and DBH≥1 cm, and the diameter class increases one class with every 2 cm increase in DBH; 2) “−” indicates the value can not be calculated without data of the next diameter class结合白云山样地的黄牛木种群冠层扩散分布图(图2b)，计算得到白云山黄牛木种群第1~9径阶冠层投影增长面积依次为17.406、102.39、232.904、366.714、262.731、170.537、136.265、16.249和68.984 m2(表1)。可见，黄牛木种群的冠层投影面积的增长量随径阶的增加而先增大后减小，和茶山的冠层投影面积增长趋势相似，在第4径阶种群扩散程度最高。
结合石花山样地的黄牛木种群冠层扩散分布图(图2c)，计算得到黄牛木种群从第1~9径阶冠层投影增长面积依次为0.115、6.207、42.808、100.895、152.533、186.753、194.700、1.672和23.743 m2(表1)。可见，该地黄牛木种群的冠层扩散趋势与另外2个样地相似，冠层投影面积的增长量随径阶的增加而先增大后减小，但种群的扩散峰值有所延后，在第7径阶达到最大值，种群扩散程度最高。
2.3 种群扩散速率分析
黄牛木种群始终处于动态变化中，不同时期的种群斑块有不同的形状及大小。经统计相关数据，结合GIS空间分析与几何计算功能测定黄牛木种群冠层投影面积，进而计算种群的扩散速率，测定结果见表1。
运用SPSS 17.0软件进行曲线回归分析，得到黄牛木种群扩散速率与平均胸径的函数拟合曲线模型，茶山的相关参数估计值见表2(其他省略)。R2值越大、P值越小，两者的相关性越显著，据此选取黄牛木种群扩散速率的最适函数模型：茶山y1=−1.018 1x12+ 18.071x1+ 27.365(R2=0.443，P=0.129)；白云山y2=−3.086 2x22+ 43.308x2 − 8.6201( R2=0.821，P=0.000)；石花山y3=−1.5698x32 + 26.826x3 −39.059( R2=0.790，P=0.048)。其中x是各个径阶对应的平均胸径，cm；y是各个径阶对应的扩散速率，m2/cm。
表 2 茶山样地黄牛木种群扩散速率与平均胸径的函数模型方程及参数估计Table 2. Function model and parameter estimation of diffusion rate - average DBH for Cratoxylum cochinchinense population in Chashan sample plot方程
Equation参数估计值 Estimated parameter R2 F ν1 ν2 P a b1 b2 线性 Linear 0.003 0.023 1 8 0.882 80.041 −0.393 对数 Logarithm 0.037 0.310 1 8 0.593 61.672 8.042 倒数 Reciprocal 0.082 0.717 1 8 0.422 85.001 −30.106 二次 Quadratic 0.443 2.786 2 7 0.129 27.365 18.071 −1.018 复合 Composite 0.018 0.145 1 8 0.713 52.329 1.019 幂 Power 0.082 0.719 1 8 0.421 40.396 0.229 S 0.065 0.560 1 8 0.476 4.266 −0.514 增长 Growth 0.018 0.145 1 8 0.713 3.958 0.019 指数 Index 0.018 0.145 1 8 0.713 52.329 0.019 Logistic 0.018 0.145 1 8 0.713 0.019 0.982 模型构建结果表明，各样地种群扩散速率的函数模型均为一元二次方程。可以计算出，当种群的扩散速率无限接近0时，黄牛木种群冠幅的扩散受到阻碍，此时必须对黄牛木进行间伐，以促进种群的生长与更新。将y=0分别代入各样地的函数模型，得到x1=19.2 cm，x2=13.8 cm，x3=15.5 cm；即黄牛木的茶山种群处于第10径阶，白云山种群处于第8径阶，石花山种群处于第9径阶时，应对黄牛木种群进行间伐。因此，在目前的生长状态下，3个样地均应采取适当的间伐措施，以促进黄牛木天然林的更新生长和保护管理。
从模型构建结果还可以看出，各样地黄牛木种群扩散趋势相似，可以整理获得黄牛木种群扩散的一般规律。计算黄牛木种群胸径和扩散速率的平均值，并运用SPSS软件进行曲线拟合回归分析，得到黄牛木种群的扩散速率模型：y =−0.969 2x2 + 17.336x + 20.531(R2=0.943，P=0.020)。
2.4 单株黄牛木扩散速率分析
整理外业调查数据，得到单株黄牛木各径阶的胸径、冠幅、冠幅面积以及冠幅增长面积，结果见表3。通过对冠幅与胸径进行回归分析，得到二次函数的R2最大，为0.998，P为0.000，说明冠幅(y)与胸径(x)呈显著正相关，故单株黄牛木的冠幅与胸径的最佳拟合模型是一元二次方程，函数公式为y4=−0.009 6x42 + 0.481 9x4 + 0.303 9(R2=0.999，P=0.000)。当黄牛木的胸径为3.03 cm时，黄牛木的模拟冠幅为1.18 m，与实际调查数据1.67 m相差不大，拟合情况较好。
表 3 黄牛木单株生长因子调查与模拟结果Table 3. Survey and simulation results of growth factors of individual Cratoxylum cochinchinense tree径阶1)
Diameter
class数量/株
Number胸径/cm
DBH实际调查结果 Survey result 模拟分析结果 Simulation analysis result 冠幅/m
crown width冠幅面积/m2
crown area增长面积/m2
growth area冠幅/m
crown width冠幅面积/m2
crown area增长面积/m2
growth area扩散速率/
(m2·cm−1) Diffusion rate1 422 0.8 0.60 0.286 0.286 0.68 0.366 0.366 0.4 2 607 2.0 1.29 1.316 1.030 1.24 1.209 0.843 0.7 3 389 3.9 2.10 3.451 2.135 2.02 3.209 2.000 1.1 4 250 5.8 2.81 6.189 2.738 2.79 6.114 2.905 1.5 5 123 7.9 3.43 9.259 3.070 3.51 9.681 3.567 1.7 6 59 9.7 4.10 13.190 3.930 4.08 13.060 3.379 1.9 7 34 11.7 4.53 15.658 2.468 4.63 16.828 3.769 1.9 8 8 14.1 5.27 21.809 6.151 5.19 21.126 4.298 1.8 9 7 16.0 5.52 23.926 2.118 5.56 24.238 3.112 1.6 1) 第 1 径阶为树高 <1.3 m 和胸径 <1 cm 的黄牛木个体，树高≥1.3 m 且胸径≥1 cm 的黄牛木个体，其胸径每隔 2 cm 增加一个径阶
1) The first diameter class includes Cratoxylum cochinchinense trees with height <1.3 m and DBH <1 cm, the other diameter classes include trees with height≥1.3 m and DBH≥1 cm, and the diameter class increases one class with every 2 cm increase in DBH由冠幅−胸径函数得到单株黄牛木冠幅模拟数据，计算出冠幅扩散速率的数值，模拟结果见表3。运用扩散速率与胸径作回归分析，其最佳拟合模型亦是一元二次方程，函数公式为：y0=−0.013 5x02 + 0.310 6x0 + 0.111 3(R2=0.999，P=0.000)。
从表3中数据可以看出，单株黄牛木的扩散速率随径阶增大先增大后减小，说明黄牛木在生长发育的初期，营养、空间等资源较充足，种群扩散比较顺利；随着黄牛木年龄的增长，种群扩散速率趋势由上升趋势变为下降，直至无限接近于0，其冠幅扩散速率同样无限接近于0，此时黄牛木冠幅达到最大值，若不采取适当措施，黄牛木的冠幅增长将受到限制。
3. 讨论与结论
本文结合种群生态学和景观生态学的研究方法，通过GIS技术，对黄牛木种群的扩散规律进行系列分析，从种子的传播方式到种群的扩散动态，然后建立种群扩散速率的函数模型，进而模拟预测种群未来的发展趋势。本研究为植物种群扩散和空间分布研究提供了一种新的思路和方法。
植物种群扩散通常与种子扩散关系密切，而种子扩散往往需要借助动物、风、水、机械及人等媒介。在热带雨林中，满身是刺的黑尾狐棕靠刺鼠偷食其种子得以扩散传播[25]；胡梦宇[20]则通过对不同样地藜蒴种群的景观物种流研究，确定了藜蒴种子靠重力传播。黄牛木种子质轻具翅，其种子扩散方向多为当地夏季(黄牛木种子成熟期)盛行风向或常年风向的下风向，这与风传播的特征吻合[21, 26]，因此认为黄牛木种群靠风力扩散。但是，不排除其他方式传播的可能性，例如，在种子和根茎的扩散过程中遇到障碍使大量繁殖体集中在一处而其他地方很少或完全没有，动物及人为活动对聚集分布也有加强作用。今后可以采用标记黄牛木种子的方法来精确、直接地研究种子的传播，进一步确定种子在不同途径下的传播机制，丰富黄牛木的生物学理论，为种群空间分布动态和扩散规律提供更深厚的研究基础。
黄牛木的冠层扩散情况表明，冠层扩散程度随径阶增大先上升后下降，原因是群落环境水分、光照、养分等自然条件从充足到紧缺、种内和种间的竞争加大，最终导致扩散程度的变化，这种变化为物种生长扩散过程中的正常现象，该结果支持了前人的研究[20, 27-28]。但石花山的扩散程度峰值有所延后，原因可能是在生长发育初期，种群基数小，产生的种子也较少，以至于扩散程度较低，随着种群数量的增加，种群基数也逐年增加，扩散程度亦逐渐上升；也有可能是种群在扩散过程中受到环境、人为等方面的影响，具体原因有待进一步研究。研究黄牛木种群的冠层变化规律，有利于深入了解植物上层空间随时间变化的特点，为种群空间分布研究提供理论基础。
运用冠层面积增长动态推算种群扩散规律，结果表明，种群扩散速率随种群年龄增加先增大后减小，各样地种群扩散速率与胸径的函数模型为一元二次方程，这与胡梦宇[20]对珠三角地区不同样地藜蒴景观林的研究结果基本一致，说明不同种群的扩散趋势有相似之处。但各个模拟函数的系数均不相同，说明不同的生长环境其生长情况可能不同，模拟方程呈现的是特定区域种群生长扩散的规律，不能盲目套用，一概而论。赵强民[28]通过对广州白云山木荷种群的扩散速率进行研究，得到木荷种群的冠层累计投影面积与径阶的函数模型为一元一次方程，说明种群扩散速率的模型构建有不同的拟合选择，应充分根据不同研究对象进行合理选择。未来，还要进一步考虑边缘效应、林窗效应、自然稀疏的随机性以及种子传播过程中风速产生的影响，提升黄牛木种群扩散速率模拟预测的精确度，为种群的合理间伐及抚育更新提供理论依据。
通过对单株黄牛木的胸径增长和冠幅扩散规律进行研究，利用扩散速率与胸径的函数模型，可进一步确定人工经营下黄牛木种植密度以及间伐时间，由扩散速率-胸径函数模型计算得到，当y达到最大值1.90 m2/cm时，x =11.5 cm，即黄牛木的胸径为11.5 cm时，种群处于第6径阶，其冠幅扩散速率达到最大值1.90 m2/cm，此时应对种群进行适当间伐，以保证其最大效益；将y=0代入函数，计算得到x=23.4，即黄牛木胸径达到23.4 cm时，种群处于第12径阶，此时必须对黄牛木进行间伐，否则将会阻碍种群的生长。当然，树种的生长状况处于不断变化中，以上推论为理想状态下黄牛木的间伐时间，但可以肯定的是，适时进行合理的人工疏伐，有利于实现人工经营下黄牛木种群的最大景观价值和森林生产效益。
黄牛木作为华南地区的优良乡土树种，目前仍处于天然群落生长状态，对黄牛木扩散机制的研究还不够深入，对其种子传播后种子的命运、种子适应各种传播途径的机理以及扩散速率与风速之间的关系等方面的研究都有待加强。因此，只有了解了黄牛木的扩散机制，才能采取有针对性的措施，实现黄牛木天然林的合理抚育和有效管理。从人工经营管理的角度而言，分析黄牛木的生长规律和扩散动态，可加快黄牛木在景观绿化及植被修复中的推广应用，从而促进困难立地的生态平衡与发展。
-
![]()
图 2 土壤理化性质指标克里金插值的空间分布
Figure 2. Spatial distribution for Kriging interpolation of soil physicochemical property indicators
![]()
图 3 土壤微生物特征指标克里金插值的空间分布
Figure 3. Spatial distribution for Kriging interpolation of soil microbial characteristic indicators
![]()
图 4 土壤理化性质和微生物特征指标的主成分(PC)分析
Clay：黏粒含量，SOM：土壤有机质含量，DOC：可溶性有机碳含量，TN：全氮含量，AN：碱解氮含量，TP：全磷含量，AP：速效磷含量，Rs：土壤呼吸，G+：革兰阳性菌生物量，G−：革兰阴性菌生物量，ACT：放线菌生物量，F：真菌生物量，B：细菌生物量，AMF：丛枝菌根真菌生物量，TSM：土壤微生物总量；I：北部丘陵区，II：中部平原区，III：南部丘陵区，IV：东部平原区。
Figure 4. Principal component (PC) analysis of soil physicochemical property and microbial characteristic indicators
Clay: Clay content, SOM: Soil organic matter content, DOC: Dissolved organic carbon content, TN: Total nitrogen content, AN: Alkali-hydrolyzed nitrogen content, TP: Total phosphorus content, AP: Available phosphorus content, Rs: Soil respiration, G+: Gram-positive bacteria biomass, G−: Gram-negative bacteria biomass, ACT: Actinomycetes biomass, F: Fungi biomass, B: Bacteria biomass, AMF: Arbuscular mycorrhizal fungi biomass, TSM: Total soil microbial biomass; I: Northern hill region, II: Central plain region, III: Southern hill region, IV: Eastern plain region.
![]()
图 5 土壤理化性质和微生物特征指标的相关性分析
Clay：黏粒含量，SOM：土壤有机质含量，DOC：可溶性有机碳含量，TN：全氮含量，AN：碱解氮含量，TP：全磷含量，AP：速效磷含量，Rs：土壤呼吸，G+：革兰阳性菌生物量，G−：革兰阴性菌生物量，ACT：放线菌生物量，F：真菌生物量，B：细菌生物量，AMF：丛枝菌根真菌生物量，TSM：土壤微生物总量；*表示在P<0.05水平显著相关（Pearson法）。
Figure 5. Correlation analysis of soil physicochemical property and microbial characteristic indicators
Clay: Clay content, SOM: Soil organic matter content, DOC: Dissolved organic carbon content, TN: Total nitrogen content, AN: Alkali-hydrolyzed nitrogen content, TP: Total phosphorus content, AP: Available phosphorus content, Rs: Soil respiration, G+: Gram-positive bacteria biomass, G−: Gram-negative bacteria biomass, ACT: Actinomycetes biomass, F: Fungi biomass; B: Bacteria biomass; AMF: Arbuscular mycorrhizal fungi biomass; TSM: Total soil microbial biomass; * indicates significant correlation at P<0.05 (Pearson method).
![]()
图 6 高要区耕地土壤综合质量分布
Figure 6. Distribution of soil comprehensive quality of farmland in Gaoyao District
表 1 监控单元基本情况
Table 1 General information about monitoring unit
监控单元编号
Monitoring unit code区域
Region土壤类型
Soil type东经
East longitude (E)北纬
North latitude (N)作物
Crop剖面构型[20]
Profile configuration1 北部丘陵区 红积砂泥田 112°19′55.039″ 23°23′29.379″ 水稻 通体壤 2 薄有机质层厚层花岗岩 112°15′16.882″ 23°20′59.162″ 花生 3 红积砂泥田 112°18′07.592″ 23°21′04.110″ 水稻 4 112°19′54.966″ 23°21′26.874″ 通体黏 5 河黏土田 112°19′34.188″ 23°16′11.340″ 通体壤 6 薄有机质层薄层石灰土 112°18′28.473″ 23°13′57.084″ 7 薄有机质层中层砂页岩 112°21′58.249″ 23°17′20.773″ 通体黏 8 红积砂泥田 112°24′41.355″ 23°17′55.160″ 花生 通体壤 9 河砂泥田 112°22′20.757″ 23°08′25.086″ 水稻 通体黏 10 中有机质层厚层砂页岩 112°24′13.697″ 23°07′46.090″ 通体壤 11 中部平原区 河黏土田 112°21′45.140″ 23°03′31.241″ 蔬菜 12 河黄泥底田 112°23′13.023″ 23°02′57.152″ 水稻 13 潮砂地 112°24′46.026″ 22°59′48.359″ 通体黏 14 烂湴田 112°20′04.259″ 22°57′04.027″ 玉米 15 泥田 112°21′48.028″ 22°57′11.401″ 通体壤 16 潮砂泥地 112°22′50.548″ 22°57′17.800″ 蔬菜 17 赤红砂泥土地 112°24′06.394″ 22°57′24.175″ 水稻 18 河砂泥田 112°24′14.769″ 22°57′00.208″ 19 潮砂地 112°27′53.095″ 23°00′45.917″ 通体砂 20 赤红地 112°27′55.879″ 22°59′01.813″ 通体壤 21 河砂泥田 112°27′46.119″ 22°58′17.261″ 22 南部丘陵区 河泥田 112°28′54.263″ 22°56′56.692″ 花生 23 麻砂泥田 112°30′13.452″ 22°56′42.037″ 水稻 24 中部平原区 河泥田 112°32′22.863″ 23°02′54.078″ 蔬菜 25 河砂泥田 112°31′57.247″ 23°02′07.790″ 26 红积泥田 112°33′08.271″ 23°01′08.925″ 水稻 27 页红砂质田 112°35′01.946″ 22°58′21.768″ 蔬菜 壤砂壤 28 烂湴田 112°36′04.510″ 22°58′05.894″ 水稻 29 页砂泥田 112°37′34.540″ 22°56′07.285″ 花生 通体壤 30 赤红地 112°36′27.531″ 22°54′16.948″ 稻田 通体黏 31 薄有机质层中层砂页岩 112°37′32.628″ 22°59′08.319″ 水稻 通体壤 32 东部平原区 红积黄泥沙田 112°37′16.573″ 23°02′38.835″ 33 112°38′17.229″ 23°02′55.303″ 玉米 34 112°38′15.161″ 23°01′52.241″ 红薯 35 红积砂泥田 112°40′02.673″ 23°00′21.586″ 芋头 36 赤红地 112°40′55.317″ 22°59′04.601″ 水稻 壤砂砂 37 河泥田 112°46′05.302″ 23°04′01.325″ 花生 通体壤 38 泥肉田 112°47′49.244″ 23°04′53.556″ 蔬菜 39 南部丘陵区 红积泥田 112°23′55.262″ 22°54′34.529″ 40 厚有机质层厚层花岗岩 112°23′48.790″ 22°53′48.835″ 水稻 41 潮砂地 112°26′45.021″ 22°49′24.520″ 花生 42 112°29′19.181″ 22°48′54.186″ 水稻 43 厚有机质层中层砂页岩 112°33′10.760″ 22°50′35.033″ 花生 壤砂砂 44 薄有机质层薄层砂页岩 112°22′50.548″ 22°57′17.800″ 水稻 通体壤 45 中部平原区 河砂泥田 112°27′55.879″ 22°59′01.813″ 蔬菜 46 黄泥底砂质田 112°21′45.140″ 22°03′31.241″ 水稻 47 北部丘陵区 河砂泥田 112°18′28.473″ 22°13′57.084″ 
下载: 导出CSV
表 2 土壤理化性质和微生物特征指标统计特征
Table 2 Statistical characters of soil physicochemical property and microbial characteristic indicators
n=47 特征
CharacterpH w(黏粒)/%
Clay
contentw/(g·kg−1) w/(mg·kg−1) 有机质
Organic
matter全氮
Total
nitrogen全磷
Total
phosphorus可溶有机碳
Dissolved
organic carbon碱解氮
Alkali-hydrolyzed
nitrogen速效磷
Available
phosphorus土壤呼吸
Soil
respiration最小值Min 4.28 6.03 17.20 0.30 0.55 0.00 61.60 3.70 21.58 最大值Max 8.15 63.71 48.80 2.42 2.85 0.22 246.40 45.55 809.09 平均值Mean 5.75 23.18 30.98 0.85 1.62 0.04 142.91 20.50 317.03 变异系数/% CV 15 53 28 62 36 113 37 59 60
下载: 导出CSV
特征
Characterb/(nmol·g−1) 革兰阳性菌
Gram-positive
bacteria革兰阴性菌
Gram-negative
bacteria放线菌
Actinomycetes真菌
Fungi细菌
Bacteria丛枝菌根真菌
Arbuscular
mycorrhizal fungi土壤微生物总量
Total soil microbial
biomass最小值 Min 1.19 0.28 0.60 0.25 1.85 0.06 2.72 最大值 Max 13.89 4.20 5.98 4.50 21.16 1.04 31.64 平均值 Mean 4.86 1.30 2.12 1.32 7.22 0.29 10.67 变异系数/% CV 87 89 79 95 87 100 86
下载: 导出CSV
表 3 土壤理化性质指标的半方差函数理论模型及参数
Table 3 Theoretical model and parameters of semi-variance function of soil physicochemical property indicators
指标
Indicator模型
Model块金值
Nugget基台值
Sill块金系数/%
Nugget coefficient决定系数
R2残差
ResidualpH 指数 0.242 0.523 46.3 0.98 0.00 黏粒含量 Clay content 1.162 2.325 50.0 0.90 0.04 有机质含量 Organic matter content 0.045 0.090 49.6 0.98 0.00 可溶性有机碳含量 Dissolved organic carbon content 高斯 0.004 0.013 31.1 0.95 0.00 全氮含量 Total nitrogen content 指数 0.206 0.584 35.3 0.80 0.00 碱解氮含量 Alkali-hydrolyzed nitrogen content 0.094 0.334 28.0 0.90 0.00 全磷含量 Total phosphorus content 0.041 0.083 49.9 0.89 0.00 速效磷含量 Available phosphorus content 高斯 105.000 135.160 77.7 0.99 0.00
下载: 导出CSV
表 4 土壤微生物特征指标的半方差函数理论模型及参数
Table 4 Theoretical model and parameters of semi-variance function of soil microbial indicators
指标
Indicator模型
Model块金值
Nugget基台值
Sill块金系数/%
Nugget coefficient决定系数
R2残差
Residual土壤呼吸 Soil respiration 高斯 22 100.000 75 300.000 29.4 0.93 0.00 土壤微生物总量 Total soil microbial biomass 0.596 0.621 96.0 0.90 0.00 革兰阳性菌生物量 Gram-positive bacteria biomass 0.554 0.625 88.6 0.92 0.00 革兰阴性菌生物量 Gram-negative bacteria biomass 0.631 0.702 89.9 0.93 0.00 放线菌生物量 Actinomycetes biomass 0.440 0.513 85.8 0.82 0.00 真菌生物量 Fungi biomass 指数 0.737 0.774 95.2 0.99 0.00 细菌生物量 Bacteria biomass 0.497 0.507 97.9 0.92 0.00 丛枝菌根真菌生物量
Arbuscular mycorrhizal fungi biomass高斯 0.579 0.664 87.2 0.92 0.00 革兰阳性菌生物量/革兰阴性菌生物量
Gram-positive bacteria biomass/Gram-negative bacteria biomass线性 0.290 0.290 100.0 0.63 0.00 真菌生物量/细菌生物量 Fungi biomass/bacteria biomass 0.057 0.057 100.0 0.73 0.00
下载: 导出CSV
-
[1] 沈仁芳, 陈美军, 孔祥斌, 等. 耕地质量的概念和评价与管理对策[J]. 土壤学报, 2012, 49(6): 1210-1217. [2] 刘占锋, 傅伯杰, 刘国华, 等. 土壤质量与土壤质量指标及其评价[J]. 生态学报, 2006, 26(3): 901-913. [3] HOZZEIN W N, ABUELSOUD W, WADAAN M A, et al. Exploring the potential of actinomycetes in improving soil fertility and grain quality of economically important cereals[J]. Science of the Total Environment, 2019, 651: 2787-2798. doi: 10.1016/j.scitotenv.2018.10.048
[4] 林芬芳. 不同尺度土壤质量空间变异机理、评价及其应用研究[D]. 杭州: 浙江大学, 2009. [5] KARLEN D L, VEUM K S, SUDDUTH K A, et al. Soil health assessment: Past accomplishments, current activities, and future opportunities[J]. Soil and Tillage Research, 2019, 195: 104365. doi: 10.1016/j.still.2019.104365
[6] BÜNEMANN E K, BONGIORNO G, BAI Z, et al. Soil quality: A critical review[J]. Soil Biology and Biochemistry, 2018, 120: 105-125. doi: 10.1016/j.soilbio.2018.01.030
[7] ZHANG J, LI B, GAO W, et al. Bacteria not fungi drive soil chemical quality index in banana plantations with increasing years of organic fertilizer application[J]. Journal of the Science of Food and Agriculture, 2023, 103(2): 560-568. doi: 10.1002/jsfa.12167
[8] LI J, XIN Z, YAN J, et al. Physicochemical and microbiological assessment of soil quality on a chronosequence of a mine reclamation site[J]. European Journal of Soil Science, 2018, 69(6): 1056-1067. doi: 10.1111/ejss.12714
[9] SCHLOTER M, NANNIPIERI P, SØRENSEN S J, et al. Microbial indicators for soil quality[J]. Biology and Fertility of Soils, 2018, 54(1): 1-10. doi: 10.1007/s00374-017-1248-3
[10] PETERSEN D G, BLAZEWICZ S J, FIRESTONE M, et al. Abundance of microbial genes associated with nitrogen cycling as indices of biogeochemical process rates across a vegetation gradient in Alaska[J]. Environmental Microbiology, 2012, 14(4): 993-1008. doi: 10.1111/j.1462-2920.2011.02679.x
[11] MOORE-KUCERA J, DICK R P. PLFA profiling of microbial community structure and seasonal shifts in soils of a Douglas-fir chronosequence[J]. Microbial Ecology, 2008, 55(3): 500-511. doi: 10.1007/s00248-007-9295-1
[12] PUGLISI E, NICELLI M, CAPRI E, et al. A soil alteration index based on phospholipid fatty acids[J]. Chemosphere, 2005, 61(11): 1548-1557. doi: 10.1016/j.chemosphere.2005.04.106
[13] COLVAN S R, SYERS J K, O’DONNELL A G. Effect of long-term fertiliser use on acid and alkaline phosphomonoesterase and phosphodiesterase activities in managed grassland[J]. Biology and Fertility of Soils, 2001, 34(4): 258-263. doi: 10.1007/s003740100411
[14] 苏松锦, 刘金福, 何中声, 等. 格氏栲天然林土壤养分空间异质性[J]. 生态学报, 2012, 32(18): 5673-5682. [15] FIERER N, JACKSON R B. The diversity and biogeography of soil bacterial communities[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103(3): 626-631.
[16] CHU H, GAO G F, MA Y, et al. Soil microbial biogeography in a changing world: Recent advances and future perspectives[J]. mSystems, 2020, 5(2): e00803-19.
[17] BAHRAM M, HILDEBRAND F, FORSLUND S K, et al. Structure and function of the global topsoil microbiome[J]. Nature, 2018, 560(7717): 233-237. doi: 10.1038/s41586-018-0386-6
[18] 广东省土壤普查办公室. 广东土壤[M]. 北京: 科学出版社, 1993: 72-132. [19] 中华人民共和国自然资源部. 第三次全国国土调查技术规程: TD/T 1055—2019[S]. 北京: 中国标准出版社, 2019: 11. [20] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 农用地质量分等规程: GB/T 28407—2012[S]. 北京: 中国标准出版社, 2012: 142-149. [21] 周羽佳, 朱大明. 基于ArcGIS的耕地坡度等级分析[J]. 软件, 2018, 39(11): 207-211. doi: 10.3969/j.issn.1003-6970.2018.11.043 [22] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000: 30-84. [23] 尚白军, 郑博文, 周智彬, 等. 克拉玛依市玛依湖区土壤有机质空间异质性分析[J]. 华南农业大学学报, 2021, 42(1): 72-81. [24] 渠悦, 马涛, 胡月明, 等. 从化区农田耕层土壤有效硅空间分布及影响因素[J]. 农业资源与环境学报, 2021, 38(6): 989-998. [25] VELASQUEZ E, LAVELLE P, ANDRADE M. GISQ, a multifunctional indicator of soil quality[J]. Soil Biology and Biochemistry, 2007, 39(12): 3066-3080. doi: 10.1016/j.soilbio.2007.06.013
[26] SCHLOEDER C A, ZIMMERMAN N E, JACOBS M J. Comparison of methods for interpolating soil properties using limited data[J]. Soil Science Society of America Journal, 2001, 65(2): 470-479. doi: 10.2136/sssaj2001.652470x
[27] CAMBARDELLA C A, MOORMAN T B, NOVAK J M, et al. Field-scale variability of soil properties in central Iowa soils[J]. Soil Science Society of America Journal, 1994, 58(5): 1501-1511. doi: 10.2136/sssaj1994.03615995005800050033x
[28] JIANG Y J, LI L L, WU Y X, et al. Temporal-spatial variability of soil fertility in Karst Region: A case study of Xiaojiang watershed Yunnan[J]. Environmental Geology, 2008, 55(4): 875-887. doi: 10.1007/s00254-007-1039-5
[29] 陈桂香, 高灯州, 曾从盛, 等. 福州市农田土壤养分空间变异特征[J]. 地球信息科学学报, 2017, 19(2): 216-224. [30] 宋莎, 李廷轩, 王永东, 等. 县域农田土壤有机质空间变异及其影响因素分析[J]. 土壤, 2011, 43(1): 44-49. [31] 杨树明, 余小芬, 邹炳礼, 等. 曲靖植烟土壤pH和主要养分空间变异特征及其影响因素[J]. 土壤, 2021, 53(6): 1299-1308. [32] 汪涛, 杨元合, 马文红. 中国土壤磷库的大小、分布及其影响因素[J]. 北京大学学报(自然科学版), 2008, 44(6): 945-952. [33] 邵方丽, 余新晓, 杨志坚, 等. 北京山区典型森林土壤的养分空间变异与环境因子的关系[J]. 应用基础与工程科学学报, 2012, 20(4): 581-591. [34] 王慧颖. 长期不同施肥下我国典型农田土壤细菌和真菌群落的特征[D]. 北京: 中国农业科学院, 2018. [35] CHU H Y, LIN X G, FUJII T, et al. Soil microbial biomass, dehydrogenase activity, bacterial community structure in response to long-term fertilizer management[J]. Soil Biology and Biochemistry, 2007, 39(11): 2971-2976.
[36] PARTEY S T, PREZIOSI R F, ROBSON G D. Improving maize residue use in soil fertility restoration by mixing with residues of low C-to-N ratio: Effects on C and N mineralization and soil microbial biomass[J]. Journal of Soil Science and Plant Nutrition, 2014, 14(3): 518-531.
[37] FENG Y, MOTTA A C, REEVES D W, et al. Soil microbial communities under conventional-till and no-till continuous cotton systems[J]. Soil Biology and Biochemistry, 2003, 35(12): 1693-1703. doi: 10.1016/j.soilbio.2003.08.016
[38] 褚海燕, 刘满强, 韦中, 等. 保持土壤生命力, 保护土壤生物多样性[J]. 科学, 2020, 72(6): 38-42. [39] WEI M, HU G Q, WANG H, et al. 35 years of manure and chemical fertilizer application alters soil microbial community composition in a Fluvo-aquic soil in Northern China[J]. European Journal of Soil Biology, 2017, 82: 27-34. doi: 10.1016/j.ejsobi.2017.08.002
[40] BAILEY V L, SMITH J L, BOLTON H, et al. Fungal-to-bacterial ratios in soils investigated for enhanced C sequestration[J]. Soil Biology and Biochemistry, 2002, 34(7): 997-1007. doi: 10.1016/S0038-0717(02)00033-0
[41] HOLLAND E A, COLEMAN D C. Litter placement effects on microbial and organic matter dynamics in an agroecosystem[J]. Ecology, 1987, 68(2): 425-433. doi: 10.2307/1939274
[42] MEYER K M, MEMIAGHE H, KORTE L, et al. Why do microbes exhibit weak biogeographic patterns?[J]. ISME Journal, 2018, 12(6): 1404-1413. doi: 10.1038/s41396-018-0103-3
[43] HE Z L, YANG X E, BALIGAR V C, et al. Microbiological and biochemical indexing systems for assessing quality of acid soils[M]//Advances in agronomy. Amsterdam: Elsevier, 2003: 89-138.
[44] PHILIPPOT L, CHENU C, KAPPLER A, et al. The interplay between microbial communities and soil properties[J]. Nature Reviews Microbiology, 2023, 22(4): 226-239.
[45] SUMFLETH K, DUTTMANN R. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J]. Ecological Indicators, 2008, 8(5): 485-501. doi: 10.1016/j.ecolind.2007.05.005
[46] 包耀贤. 黄土高原坝地和梯田土壤质量特征及评价[D]. 杨凌: 西北农林科技大学, 2008. [47] 高旭梅. 长期连作棉田土壤微生物多样性及对耕作措施的响应[D]. 石河子: 石河子大学, 2010. -
期刊类型引用(1)
1. 许凯，马英，陈三雄，骆金初，黄伟城，郭微，王龙远. 广东德庆县香山森林公园黄牛木种群特征研究. 安徽农业科学. 2022(13): 125-129 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 123
- HTML全文浏览量: 42
- PDF下载量: 74
- 被引次数: 1
