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.
-
土壤是农业发展的物质基础，其质量维护与提高是耕地管理的重要任务之一[1]，受到政府的高度重视和学术界的广泛研究。土壤综合质量是土壤特性的综合反映，能体现自然因素及人类活动对土壤的影响[2]，其评价也是耕地质量评价的核心内容之一。国内外相关研究主要选取土壤理化性质和重金属污染等常规指标作为土壤综合质量评价的主要依据，而将土壤生物学指标纳入土壤质量评价的研究较少[3-7]。但土壤生物学性质对土壤质量和健康的变化具有灵敏的反应，是土壤综合质量评价的关键指标[6, 8-9]。其中，土壤微生物直接或间接参与土壤养分循环、能量流动和污染物降解等[10]，在生态系统物质转化和能量循环流动过程中起主导作用[11]，其多样性和活性是表征土壤综合质量变化最可靠、直接、敏感的指标[9]；土壤微生物磷脂脂肪酸是表征土壤微生物群落结构和微生物量的重要指标之一[12]。土壤是一个复杂的生态系统，依靠传统的理化指标评价土壤综合质量难以实现土壤评价的全面性和动态性，因此，需要将土壤理化和生物学性质结合起来，快速确定耕地土壤质量的动态变化[6, 13]，全面反映土壤综合质量。
土壤是五大成土因素和人类活动长期综合作用形成的复杂时空连续变异体[4]，其空间异质性受生物、地形、气候、母质、时间等结构性因素及人类活动等随机性因素影响，是当前生态学、土壤学和地理学等领域的研究热点[14]。土壤特性如土壤微生物量、有机质和碱解氮含量等空间分布特征直接影响耕地生产力、生态恢复路径[14]。随着地统计学方法日趋成熟，国内外许多学者探索了土壤不同理化性质的空间格局及其异质性，研究尺度覆盖了全球、流域、各个行政单元及地块[4]。土壤微生物空间特征的研究相对欠缺，其空间分布研究多集中在不同海拔、纬度下微生物多样性的变化特征[15-16]。也有部分研究探索了全球、洲际、植物根际等尺度的土壤微生物空间分布特征[17]，但不同区域的微生物多样性分布特征有较大差别，如真菌和细菌的多样性在全球表土的纬度梯度上表现出相反的特征，温带生境中细菌的分类多样性最高，而非真菌[17]。可见，在各种空间尺度、地理区域和人类干预条件下，影响土壤综合质量空间演变的关键因素各异，进而形成特定的空间变异规律。目前县域耕地土壤微生物空间分布特征的研究报道仍然较少，而县(区、旗)域是实行耕地管理政策的重要平台和关键地域单元[4]，区域内农业管理特征多样且生态环境复杂。因此，明确县域土壤特性空间变异的演变与形成是深入研究土壤综合质量空间格局、促进耕地可持续利用的基础。
综上，本研究以肇庆市高要区为例，采用地统计学与ArcGIS技术相结合的方法，探讨土壤理化性质和土壤微生物的空间变异规律，并应用主成分分析法和土壤质量综合指数(General indicator of soil quality，GISQ)法探究影响区域内耕地土壤质量变化的主要因素，从而明确耕地土壤质量空间格局的影响因素，全面展现耕地土壤质量状况，为区域耕地土壤质量的提升、保护以及促进耕地的合理利用提供参考依据。
1. 材料与方法
1.1 研究区域概况
广东省肇庆市高要区(22°46'—23°26'N，112°10'—112°48'E)地处广东省中部，西江下游，全区总面积2 185.62 km2。地势由西北向东南倾斜，海拔1~917 m。该区域气候类型为亚热带季风气候，雨热充沛，无霜期长。该区自然土壤以赤红壤为主；水田土壤属水稻土类，是主要耕地类型，占耕地面积的92.3%；旱地土壤占比较少，仅为1.6%；全区土壤类型丰富，涵盖赤红壤、水稻土、黄壤、红壤、基水地、红色石灰土和潮沙泥土7个土类，11个亚类，27个土属，63个土种[18]。
1.2 试验设计与样品采集
研究前期，为了深入研究高要区的耕地土壤质量，本研究参考该区土地利用现状、《第三次全国国土调查技术规程》(TD/T 1055—2019)[19]、《农用地质量分等规程》(GB/T 28407—2012)[20]以及文献[21]，结合地理信息技术将高要区分为北部丘陵区、中部平原区、东部平原区和南部丘陵区(图1)进行深入研究。耕地土壤取样根据高要区农业部门设定的47个耕地质量监控单元进行，该监控单元的设定是在兼顾耕地自然质量和利用等的前提下，根据预布设样点数量和耕地土种面积分配样点，由于部分区域耕地较少所以监控单元布设的数量相对较少，目前，该47个监控单元覆盖25种土壤类型，总面积占全区耕地面积的73.17%，能较大程度反映全区耕地情况。监控单元基本情况见表1。
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″ 土壤样品采集是在13.33 hm2以内的连片耕地上按棋盘法进行，采集0~20 cm的表层土，每个土样间隔10~15 m，在每个监控单元内采用15点取样法，即采15个土样混合均匀后通过四分法进行取样，最终在每个监控单元取土样约2 kg。47个监控单元共取47个样品，密封带回实验室后，各取出100 g土壤样本存储于−20 ℃冰箱，用于土壤微生物指标测定，另各取500 g土样风干研磨后进行土壤理化性质测定。
1.3 测定项目与方法
土壤理化性质指标包括土壤pH，黏粒、有机质、可溶性有机碳、全氮、碱解氮、全磷和速效磷含量。土壤pH采用pH计电位法(土、水质量比1.0∶2.5)测定；黏粒含量采用吸管法测定；有机质含量采用重铬酸钾−外加热法测定；可溶性有机碳含量采用硫酸钾浸提法测定；全氮含量采用凯氏定氮法测定；碱解氮含量采用碱解扩散法测定；全磷含量采用氢氧化钠熔融−钼锑抗比色法测定；速效磷含量采用碳酸氢钠浸提−钼锑抗比色法测定[22]。
选取土壤呼吸，土壤革兰阳性菌、细菌、革兰阴性菌、真菌、丛枝菌根真菌、放线菌生物量和土壤微生物总量作为微生物指标。土壤呼吸使用室内密闭培养法测定[22]；土壤微生物量测定通过脂类提取和磷脂脂肪酸分析进行，主要分3步，首先采用单相提取液提取总脂，进而通过固相抽提柱层析分离脂类，最后是脂类的碱性甲醇水解和甲基化[11]。采用配备MIDI峰识别软件的Agilent 6890N气相色谱进行分析，色谱柱为Agilent 1909lB-102，以氢气作为载气，气相色谱的升温程序按照MIDI软件的要求设置，以甲基十九烷脂肪酸(19:0)为内标，总量用nmol·g−1表示[11]。本研究以14:00、15:00、16:1 w9c、17:00、18:00表征一般细菌生物量，18:1 w9c和18:2 w6c表征真菌生物量，10Me 16:0、10Me 17:0、10Me 18:0表征放线菌生物量，14:0 iso、15:0 iso、15:0 anteiso、16:0 iso、17:0 iso、17:0 anteiso表征革兰阳性菌生物量，16:1 w7c、18:1 w7c、17:1 w8c、17:0 cyclo表征革兰阴性菌生物量，16:1 w5c表征丛枝菌根真菌生物量。细菌生物量以革兰阳性菌、革兰阴性菌和一般细菌生物量加和表示，土壤微生物总量以细菌、放线菌和真菌生物量加和表示[11]。
1.4 地统计学分析
土壤理化性质和土壤微生物性质是一种区域化变量，在空间分布上是一个连续的过程，因此，可通过半方差函数对其空间变异及结构特征进行定量描述。而克里金插值(Kriging interpolation)是以变异函数理论和结构分析为基础，在有限区域内对已知样点赋权重，求取未知样点值的线性无偏最优估计[23]。因此，可用克里金插值方法对土壤理化性质和微生物特征进行研究，变异函数公式如下：
$$ r\left( h \right) = \dfrac{1}{{2N\left( h \right)}}\displaystyle\sum\limits_{i = 1}^{N\left( h \right)} [ Z(x_i) - {Z(x_i + h)]^2}\text{，} $$ (1) 式中：r(h)为变异函数，N(h)为样点集合中间距为h的点对数量，Z(xi)和Z(xi+h)为样点在xi和xi+h处的观测值[23]。
1.5 数据处理
在SPSS 26.0中对数据进行描述性统计分析；使用OriginPro 2024制作相关性热图；由于是非均匀采样，因此，通过ArcGIS 10.8空间统计工具获取采样点平均距离和最大距离，为半方差分析选择步长提供合理范围；通过GS+7.0进行半方差函数拟合，为了避免数据非正态分布导致半方差函数产生比例效应，使用GS+7.0软件对数据进行正态分布检验并根据需要对非正态分布的数据进行对数转换，使其符合要求(偏度接近0)，从而获取相关参数和确定最优拟合模型，进而使用ArcGIS 10.8地统计功能进行普通克里金插值和可视化分析[24]。考虑到后期研究需要明确各土壤理化以及微生物性质对耕地土壤综合质量的影响程度，通过R语言中的ADE-4和vegan包对各处理中关联的多个变量进行主成分分析，进一步明晰影响耕地土壤综合质量的因素，并在此基础上根据GISQ评价方法，将土壤理化性质和微生物特征作为综合质量评估的变量，计算各区域的GISQ，公式[25]如下：
$$ P_n = S_1 \left( {\alpha_ 1x + \beta_ 1y + \gamma_ 1z} \right) + S_2 \left( {\alpha _2x + \beta_ 2y + \gamma_ 2z} \right)\text{，} $$ (2) 式中：S1是第1主成分的方差贡献率，S2为第2主成分的方差贡献率，α、β和γ代表变量对各自主成分的贡献，x、y和z是所选变量在其对应轴上的得分。将Pn进行标准化转换，使其值为0.1~1.0，最终得到各区域的GISQ[25]。
2. 结果与分析
2.1 土壤理化性质及微生物特征指标描述性统计
从表2可以看出，土壤pH为5.75，黏粒质量分数为23.18%，有机质、可溶性有机碳、全氮、碱解氮、全磷、速效磷质量分数分别为30.98 g·kg−1、0.04 g·kg−1、0.85 g·kg−1、142.91 mg·kg−1、1.62 g·kg−1、20.50 mg·kg−1，土壤呼吸为317.03 mg·kg−1；土壤中各微生物量呈现为：细菌>革兰阳性菌>放线菌>真菌>革兰阴性菌。前人研究[23]根据变异系数(Coefficient of variation，CV)划分等级，CV<10%为弱变异性；CV 10%~100%为中等变异性；CV>100%为强变异性。土壤pH，有机质、碱解氮、全磷、黏粒、全氮、速效磷含量，土壤呼吸，以及放线菌、真菌、细菌、丛枝菌根真菌、革兰阳性菌、革兰阴性菌生物量和土壤微生物总量的CV均在10%~100%，属于中等变异；可溶性有机碳含量CV>100%，属于强变异。
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 indicatorsn=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 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 2.2 土壤理化性质及微生物特征指标空间变异结构特征
根据数据描述性统计分析所提供的CV的大小可以估计变量的变异程度，概括各指标的全貌和整体特征，但不能反映其局部的变化特征以及定量刻画变量的随机性和结构性，为了更加深入了解各指标的空间变异特征，本研究进一步采用地统计学方法对各指标性质空间结构进行分析。
通过半方差函数曲线可以得到块金值(C0)与基台值(C0+C)。块金值与基台值的比值称为块基比，又称块金系数，可作为空间变异程度的衡量指标。该值越高，表明由随机因素引起的空间变异性程度越大；相反，则是空间自相关部分引起的空间变异性程度越大；若块金系数接近100%，反映该变量在研究区域内具有恒定的变异[26-28]。从函数结构分析角度看，块金系数可以反映系统变量的空间相关性程度。当块金系数<25%，表明变量具有显著的空间自相关性，其变异性主要受结构因素(自然因素如母质、气候和地形等)影响；块金系数为25%~75%，表明变量具有中等程度的空间自相关性，受结构和随机因素(人类活动如施肥、种植制度以及耕作方式等)共同作用；块金系数>75%表明变量在空间上呈现随机分布现象，空间自相关程度低[26]。
2.2.1 土壤理化性质空间结构特征
土壤理化性质指标的半方差函数模型拟合结果(表3)显示：8个指标的决定系数(R2)均大于0.6，均符合地统计要求[23]。土壤基本理化性质中，仅有速效磷含量的块金系数>75%，表明该变量空间自相关性弱，空间分布极大程度上受随机因素影响，结构因素影响小；pH，黏粒、有机质、全氮、碱解氮、可溶性有机碳、全磷含量的块金系数为25%~50%，属于中等程度空间自相关，表明受区域性结构因素和随机因素共同影响，但块金系数未超过50%，说明更多受结构因素影响。从分布(图2)来看，pH整体上在中部平原和北部丘陵北端分布较高，在其余地区分布相对较低；黏粒含量、有机质含量和碱解氮含量总体上在北部丘陵区和东部平原区分布较高，在中部平原区和南部丘陵区分布较低；可溶性有机碳含量自北向南递减；全氮含量在东部平原区分布最高，北部丘陵区次之，中部平原区和南部丘陵区最低；全磷含量分布呈现出中部平原区>南部丘陵区>北部丘陵区>东部平原区；速效磷含量分布大致呈现出东北和西南部高并向中部递减，西北和东南部相对较低。
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 ![]()
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 indicators2.2.2 土壤微生物性质空间结构特征
土壤微生物指标的半方差函数模型拟合结果(表4)显示，其R2均大于0.6，基本符合地统计要求[23]。土壤微生物指标中，土壤呼吸块金系数<50%，受结构因素和随机因素共同影响。其余指标块金系数均大于75%；其中，革兰阳性菌生物量/革兰阴性菌生物量以及真菌生物量/细菌生物量的块金系数达到100%，空间结构为纯块金效应，在空间上有恒定的变异，因此，这2个指标只能建立线性函数模型。土壤微生物总量，革兰阳性菌、革兰阴性菌、放线菌、真菌、丛枝菌根真菌生物量的块金系数为80%~98%，反映空间相关性弱，主要受随机因素影响；其中，革兰阳性菌、革兰阴性菌、放线菌和丛枝菌根真菌生物量的空间相关性虽弱，但均高于土壤微生物总量、真菌和细菌生物量，表明后者受随机因素影响更强。从分布(图3)上看，土壤呼吸是北部丘陵区>东部平原区>中部平原区>南部丘陵区；土壤微生物总量，革兰阳性菌、革兰阴性菌、放线菌、真菌、细菌、丛枝菌根真菌生物量空间分布较为一致，整体呈现出自西北、东南向中部递减趋势；真菌生物量/细菌生物量较高区域主要分布在南部丘陵区和中部平原区，北部丘陵区和东部平原区较低；北部丘陵区的革兰阳性菌生物量/革兰阴性菌生物量水平高于中部平原区、东部平原区和南部丘陵区。
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 ![]()
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 indicators2.3 土壤理化性质与微生物特征指标的综合分析
研究区域内耕地的土壤理化性质及微生物特征的主成分分析如图4所示，第1主成分和第2主成分累计方差贡献率达到70%，能反映影响区域内耕地土壤综合质量变化因素的大部分信息。其中第1主成分的方差贡献率为45.1%，主要与土壤微生物总量，细菌、革兰阴性菌、丛枝菌根真菌、真菌、放线菌和革兰阳性菌生物量的变化有关；第2主成分的方差贡献率为24.9%，主要与碱解氮、有机质、全氮含量和土壤呼吸的变化有关。
![]()
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 indicatorsClay: 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.主成分载荷图(图4A)中代表各指标的箭头间的角度揭示各指标的相互关系，角度越小，反映其正相关性越高，角度越大，其负相关性越高。主成分分析和相关性分析结果(图4、5)表明土壤微生物总量，细菌、革兰阴性菌、丛枝菌根真菌、真菌、放线菌和革兰阳性菌生物量之间有显著的正相关关系(P<0.05)；可溶性有机碳、土壤有机质、碱解氮含量，土壤呼吸之间呈显著正相关；黏粒含量和全氮含量呈显著正相关。主成分得分图(图4B)显示，北部丘陵区、中部平原区、南部丘陵区和东部平原区差异显著，北部丘陵区、东部平原区与中部平原区、南部丘陵区差异主要体现在第2主成分上，北部丘陵区和东部平原区偏向土壤有机质含量、全氮含量、碱解氮含量、土壤呼吸较高的方向，而中部平原区和南部丘陵区偏向全磷含量更高的方向，且南部丘陵区更偏向于速效磷含量更高的方向；中部平原区和东部平原区的差异主要体现在第1、2主成分上，中部平原区偏向于土壤微生物总量，细菌、革兰阳性菌、丛枝菌根真菌、真菌、放线菌和革兰阳性菌生物量较高的方向，东部平原区偏向土壤有机质、碱解氮、全氮、可溶性有机碳、黏粒含量和土壤呼吸更高的方向。
![]()
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 indicatorsClay: 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).结合主成分分析结果，通过GISQ方法计算各区域的GISQ，得出北部丘陵区、中部平原区、南部丘陵区和东部平原区的GISQ分别为0.44、0.40、0.33和0.41，即4个区域的耕地土壤综合质量等别为北部丘陵区>东部平原区>中部平原区>南部丘陵区。为了更好地体现耕地土壤质量空间格局和变化趋势，采用局部多项式插值法对GISQ进行可视化，高要区耕地土壤综合质量整体是从北往南以及自东向西递减(图6)。
![]()
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 District3. 讨论与结论
3.1 高要区耕地土壤理化性质空间特征
高要区内耕地土壤各理化因子均存在半方差结构，但空间自相关程度不同。除土壤速效磷含量受随机因素影响大、空间变异性强外，土壤pH，黏粒、有机质、可溶性有机碳、全氮、碱解氮、全磷含量属于中等程度的空间自相关性，受结构性因素和随机因素共同影响[29]。这主要是因为县域尺度内气候、母质和地形等总体变化较小，但经过长期不同的农田耕作管理，特别是小农经营模式下的农业生产，呈现出多样化的农田管理方式，如肥料施用类型、秸秆还田、灌溉和耕作方式的差异[30]，导致土壤pH，黏粒、有机质、可溶性有机碳、全氮、碱解氮和全磷含量在空间分布上的异质性增强[29]。这与杨树明等[31]研究结果相一致。速效磷含量空间变异性强主要源于两个方面：一是过量施用磷肥与土壤固定作用，在追求高产的驱动下，农户可能过量施用磷肥，该地区属于亚热带季风气候，主要土壤类型多为偏酸性的红壤，这导致过量的磷易被土壤中的铁、铝氧化物固定，从而降低磷的有效性[32]；二是磷的迁移转化过程，磷在土壤中的迁移和转化过程极为复杂，涉及扩散、解吸、沉积和矿化等多种机制，这些过程的相互作用和协同效应显著影响速效磷的空间分布，进而增强其空间变异性和异质性[29, 33]。从空间分布上看，有机质、全氮和碱解氮含量的空间分布相对一致，北部丘陵区和东部平原区为高值区，中部平原和南部丘陵区为低值区。主要是因为北部丘陵区的农田多分布在西江下游流域的河谷区域，土壤母质多为河流冲积物或洪积物质，大部分为通体壤，具有良好的土壤通透性，有机质和碱解氮水平较高，土壤肥力高[18, 20]；东部平原区的土壤类型为潴育水稻土，质地适中，土体剖面结构良好，有利于协调肥力因素[18]。而中部平原区地势平坦开阔，利于开垦，且该区域是中心城镇所在地，并邻近肇庆市市中心，耕地复种指数高，生产活动频繁，水热充沛，有机质矿化作用以及淋溶作用更为强烈，导致有机质、全氮和碱解氮等养分含量较低[18, 29]；南部丘陵区的耕地多分布在丘陵台地，高温多雨的气候条件易导致水土流失和土壤侵蚀，而且强烈的有机质矿化和养分淋失导致南部丘陵区的有机质、全氮和碱解氮含量较低，肥力相对贫瘠[18]。因此，东部平原区和北部丘陵区的全氮、有机质、碱解氮含量高于中部平原区和南部丘陵区。
3.2 高要区耕地土壤微生物特征空间特征
土壤微生物对环境的响应均极为敏感，研究区域内微生物指标除土壤呼吸属于中等程度空间自相关性外，其余指标均空间变异性强，特别是表征土壤肥力和健康状况的真菌生物量/细菌生物量和革兰阳性菌生物量/革兰阳性菌生物量无空间自相关性，有明显的空间聚集特征。这主要是由于研究区内农田生产规模小、种植结构多样化以及人为管理差异大导致生态系统环境发生变化[34]，进而影响土壤微生物量和空间分布[35]。土壤微生物总量，细菌、革兰阳性菌、真菌、革兰阴性菌、放线菌、丛枝菌根真菌生物量的空间分布格局相对一致，各指标生物量自西北、东南向中部递减。这一空间分布特征可能与近年区域实施秸秆粉碎还田、有机肥配施和免耕等措施密切相关。这些措施能给微生物提供丰富的碳、氮、磷和微量元素，为微生物的生长繁殖及活性的提高创造有益的条件，刺激微生物多样性的发展[36-37]，并对土壤水、热、养分及生物特性产生不同的影响，从而改变农田土壤生态过程[38]。中部平原区位于所在城区的中心城镇，并邻近地级市城区，尽管也采取了一定的秸秆还田措施，但高度规模化、集约化的现代农业发展模式可能导致土壤生物多样性降低[39]。此外，中部平原区和南部丘陵区的真菌生物量/细菌生物量较高，而放线菌生物量较低，主要是该区域进行了高强度农业活动，耕地复种指数高，利用强度大，因而加剧了土壤侵蚀[39]，造成原有的土壤生态环境破坏，从而导致耕层土壤细菌、放线菌和真菌生物量减少，其中放线菌和细菌生物量在一定时间内减少更快[40]，因此真菌生物量占比相对较高[41-42]。此外，区域内平原和丘陵相间分布所形成的地理阻隔不利于土壤微生物的扩散，微生物的地理衰减规律存在空间尺度的依赖性，这也可能增强区域整体各微生物生物量的空间变异性[41]。
3.3 高要区耕地土壤综合质量差异
本研究运用Velasquez等[25]的GISQ方法进行土壤综合质量分析，该方法不仅能快速直观地区分不同土壤的综合质量，还能将土壤理化及生物学指标纳入评价体系中，更加全面地反映不同区域土壤的综合质量。土壤微生物是本研究区域内土壤综合质量分化的主要因素，由于华南亚热带地区土壤高度风化和侵蚀，矿质养分释放有限，造成土壤微生物介导的有机物分解、固氮和无机物转化等生物化学过程对土壤肥力及综合质量至关重要[43]，这与Zhang等[7]的研究相似。其中，土壤微生物总量影响最大，因为土壤微生物不仅参与养分循环和有机质转化，还通过多种生物化学和生物物理机制改变土壤生境[44]。土壤细菌和真菌均是耕层土壤中动植物残体的主要分解者，能促进土壤养分有效供给和循环，提升土壤肥力，且真菌具有广泛的菌丝网络，能利用秸秆表面的碳和有机氮，促进氮素的循环[45]，提升耕地土壤质量。放线菌在有机物质的转化中也发挥重要作用，多数放线菌不仅能分解复杂有机物(如木质素、单宁和蛋白质等)生成简单化合物，还能产生生长刺激物质、维生素和抗菌素等，改善土壤质量，进而促进作物生长[39, 44]。
土壤有机质、全氮和碱解氮含量对土壤质量的影响已有较多研究证实[4, 33, 46]，本研究也证实三者对土壤质量评估的重要影响，并且三者之间呈显著正相关。土壤有机质含有大量营养元素，与土壤理化以及生物学性质密切相关，在风化作用和养分淋溶强烈的地区，其积累和转化对于维持养分供应和减少养分流失具有重要作用[4]，而且其动态变化会直接影响氮素的储存与转化过程[45-46]。全氮和碱解氮含量的丰缺程度对作物的生长和发育具有重要影响，在短期内对作物生长的影响尤为重要[45]。此外，较高的土壤有机质和氮素水平能够激发土壤微生物的活性，促进养分循环过程，进而增强土壤的呼吸作用[46]。土壤呼吸与土壤有机质、碱解氮含量呈显著正相关，空间格局也有一定的相似性，土壤有机质作为土壤呼吸的主要碳源，其含量高低直接影响土壤微生物的活性[47]。通过GISQ分析，本研究结果表现为土壤微生物丰度较高且土壤养分(有机质、碱解氮和全氮等)水平较高的北部丘陵区耕地的土壤综合质量最高；东部平原区、中部平原区和南部丘陵区的土壤微生物量较为相近，但东部平原区的土壤有机质、碱解氮、全氮和土壤呼吸水平高于南部丘陵区和中部平原区，从而使其土壤综合质量相对更高。
3.4 结论
研究区域内耕地土壤质量总体处于良好水平，空间格局主要呈现为北部丘陵区>东部平原区>中部平原区>南部丘陵区；县域尺度下，土壤微生物能灵敏反映耕地土壤质量的差异，其中，土壤细菌、真菌和放线菌生物量影响明显。同时，土壤理化性质也是影响土壤综合质量的重要因素，特别是土壤有机质、碱解氮和全氮含量等养分指标。因此，将土壤微生物特征指标如土壤细菌、真菌、放线菌生物量等，结合土壤有机质、碱解氮和全氮含量等土壤理化性质指标用于耕地土壤质量的评估，能更加全面直观地反映耕地土壤质量的变化。另外，目前研究区域内耕地土壤质量空间分布主要受土壤理化性质影响，但土壤真菌生物量/细菌生物量、革兰阳性菌生物量/革兰阴性菌生物量对土壤综合质量的变化具有较好的指示作用。因此本研究对县(区、旗)域尺度微生物空间分布特征研究以及耕地土壤综合质量评估具有重要意义。
-
![]()
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.
计量
- 文章访问数: 78
- HTML全文浏览量: 29
- PDF下载量: 50
