Effects of irrigation methods on distribution characteristics, stability and nutrient contents of calcareous brown soil aggregates
-
摘要: 为探明不同灌溉方式对石灰性褐土团聚体分布特征、稳定性及养分含量的影响, 于2016—2021年在山西农业大学小麦研究所韩村试验基地开展大田定位试验。设连续微喷灌(SI)、连续滴灌(DI)、连续漫灌(FI)和第1、2、5年漫灌与第3、4年微喷灌轮换(RI) 4个处理。定位5年后, 测定土壤>0.25 mm团聚体重量百分含量(DR0.25、WR0.25)、平均重量直径(MWD)、几何平均直径(GMD)、破坏率(PAD)、分形维数(D)等土壤团聚体粒径分布、稳定性指标, 以及土壤水稳性团聚体有机碳、有效磷、速效钾含量等养分指标, 并对水稳性团聚体分布特征、稳定性及养分含量进行了相关分析。结果表明: 1)机械稳定性团聚体在0~10 cm土层SI、DI和RI处理均以0.5~1 mm为优势粒径(FI为<0.25 mm), 在10~20 cm土层DI、FI和RI处理均以>5 mm为优势粒径(SI为0.5~1 mm), 在20~50 cm土层各灌溉处理的优势粒径则均为>5 mm; 水稳性团聚体在0~50 cm土层4种灌溉处理均以<0.25 mm为优势粒径, 但FI处理的重量百分比最高。2) SI和DI处理在0~50 cm土层有效提高了WR0.25、降低了D, 且MWD、GMD总体上高于FI和RI处理, 并在30~50 cm土层显著降低了PAD, 而FI、RI处理的这些稳定性指标受土层深度影响较大。3)与其他2个处理相比, SI、DI处理在0~50 cm土层提高了土壤水稳性大团聚体(>0.25 mm)有机碳、有效磷、速效钾含量, 尤其在提高0~30 cm土层有效磷含量和30~50 cm土层速效钾含量上效果更为显著。4)相关性分析表明, 土层、WR0.25、MWD、GMD、PAD、D、水稳性大团聚体养分含量(有机碳、有效磷、速效钾)之间的相关性均达到显著(P<0.05)或极显著(P<0.01)水平。综上所述, 微喷灌、滴灌水肥一体化更有利于改善土壤结构和性状, 促进土壤大团聚体形成, 提高水稳性团聚体稳定水平及养分含量, 应值得推广应用。Abstract: A field experiment was conducted at the Hancun Experimental Base of the Wheat Research Institute, Shanxi Agricultural University, from 2016 to 2021 to explore the effects of different irrigation methods (continuous micro-sprinkler irrigation, SI; continuous drip irrigation, DI; continuous flooding irrigation, FI; and annual rotation of flooding irrigation and micro-sprinkler irrigation, RI) on the distribution characteristics, stability, and nutrients contents of calcareous brown soil aggregates. After five years of positioning, >0.25 mm aggregates weight percentage of machine-stable aggregates (DR0.25) and water-stable aggregates (WR0.25), mean weight diameter (MWD), geometric mean diameter (GMD), destruction rate (PAD), fractal dimension (D), and nutrients (organic carbon, available phosphorus, and available potassium) contents of soil water-stable aggregates were determined. In addition, the correlations among the distribution characteristics, stability, and nutrients contents of soil water-stable aggregates were analyzed. The main results were as follows: 1) In the 0–10 cm soil layer, the dominant particle sizes of mechine-stable soil aggregates of treatments SI, DI, and RI were 0.5–1 mm, that of treatment FI was <0.25 mm. In the 10–20 cm soil layer, the dominant particle sizes of mechine-stable soil aggregates of treatments DI, FI, and RI were > 5 mm, while that of treatment SI was 0.5–1 mm; that for all treatments were > 5 mm in the 20–50 cm soil layer. The dominant particle size of the water-stable aggregate of the four treatments was <0.25 mm in the 0–50 cm soil layer, but the highest percentage of weight was observed in FI. 2) SI and DI effectively increased WR0.25, reduced D, and resulted in higher MWD and GMD overall in the 0–50 cm soil layer, as well as decreased PAD in the 30–50 cm soil layer compared to FI and RI. However, the aggregates stability indices of treatments FI and RI were largely affected by the soil depth. 3) Compared to FI and RI, SI and DI resulted in higher contents of organic carbon, available phosphorus, and available potassium in soil water-stable macro-aggregates (>0.25 mm), and had obvious advantages in increasing available phosphorus content in the 0–30 cm soil layer and available potassium content in the 30–50 cm soil layer. 4) The results of the correlation analysis showed that the relationships between soil depth, WR0.25, MWD, GMD, PAD, D, and nutrients (organic carbon, available phosphorus, and available potassium) contents of soil water-stable macro-aggregates were significant (P<0.05) or extremely significant (P<0.01). Overall, SI and DI were more advantageous in improving the structure and properties of soil, promoting the formation of soil macro-aggregates, and increasing the level of stability and nutrients contents of water-stable aggregates, and should be popularized and applied.
-
Keywords:
- Irrigation methods /
- Soil aggregates /
- Distribution characteristics /
- Stability /
- Nutrient content
-
气候变化和可持续发展是人类社会面临的两大挑战[1]。植被作为陆地生态系统的首要生产者和主要组成部分[2], 其生长受到多种因素的影响。当前, 气候变化对植被的适应性和稳定性产生了重要影响, 增加了植被生态系统的不确定性。这种不确定性进一步影响着碳水循环, 进而对气候模式和社会发展产生深远影响。海南岛作为我国最大的热带岛屿, 具有丰富的植被资源, 在气候调节和碳循环中发挥着至关重要的作用[3]。因此, 研究海南岛植被时空变化对于维护生态平衡和政策制定具有重要意义。
近年来, 许多研究利用遥感方法, 将各种植被指数作为全球、国家和区域尺度的指标, 以确定植被的变化。基于遥感影像的归一化植被指数(normalized difference vegetation index, NDVI)主要反映了植被的光谱反射特征, 被广泛应用于植被覆盖的定量研究[4]。陈甲豪等[5]基于GIMMS NDVI数据, 运用趋势分析法研究了1982—2015年海南岛NDVI的时空变化趋势, 并通过偏相关分析和主成分回归分析探讨了气候对植被变化的影响。然而, NDVI在高植被覆盖区存在饱和现象[6], 这严重影响了对地表植被真实情况的准确反映。相比之下, 叶面积指数(LAI)考虑了叶片的空间分布和层次结构, 其定义为单位土地面积上所有叶片的单面面积之和[7], 常用于描述植被冠层结构及功能, 是生态模拟、作物估产等模型的重要输入参数, 是深刻理解气候变化和生态系统碳储量的重要数据支撑[7-9]。
国内外许多学者开展了植被变化及其驱动机制研究[10-14]。为了更深入地探究植被时空变化特征及其对气候因子的响应, 众多学者利用LAI数据进行分析。Sun等[15]将中国生态脆弱地区的LAI与气候因素相结合, 发现温度是主导气象因素。张佳华等[16]研究了全球植被LAI对温度和降水的响应。此外, 长时间序列LAI的变化能够揭示区域生态的演化过程, 在植被生长状态监测、农产品估产等方面具有高度应用价值。Zou等[17]对京津冀地区2001—2020年的植被时空格局进行了分析, 发现气温和降水与LAI呈正相关。Reygadas等[18]评估了2002—2017年间墨西哥中部LAI与地表温度(LST)在年内和季节内的关系。趋势分析是一种用于识别数据随时间或其他独立变量变化的统计方法, 能够较好地理解变量的演变规律。皇彦等[19]结合气象数据, 利用趋势分析等方法探讨了乌兰察布市LAI时空变化及与气温、降水、土壤湿度的关系, 发现乌兰察布市2000—2019年LAI整体呈上升趋势, 并与气温呈负相关, 与降水和土壤湿度呈正相关。Theil-Sen中值分析是一种高效、稳健的非参数统计方法, 它通过计算所有数据点组合之间可能的斜率, 并使用这些斜率的中位数来估计趋势, 在长时间序列数据的趋势分析中具有广泛应用。杨正兰等[20]使用Theil-Sen中值分析方法对2001—2018年横断山区植被LAI进行研究, 认为该地区整体LAI呈上升趋势, 且空间分布与地形因素相关。
海南是中国自然植被类型丰富的地区之一, 也是中国“双碳”计划实施的重要地区[21]。然而, 目前关于该地区LAI及其与气候因子相关性研究相对缺乏。因此, 本文基于MODIS (Moderate Resolution Imaging Spectroradiometer) LAI数据, 采用Theil-Sen中值分析、Mann-Kendall趋势检验和相关分析方法, 研究2002—2022年海南岛LAI的时空分布变化以及LAI与气候因子的关系, 从而了解海南岛植被资源现状、发展趋势, 为海南岛植被多样性保护、生态安全政策制定提供相应的科学依据。
1. 材料与方法
1.1 研究区概况
海南岛(18°10′~20°10′N, 108°37′~111°03′E, 图1)地处中国南端, 东、南、西三面环海, 北隔琼州海峡与广东省相望, 岛形椭圆, 全岛面积约 3.5万km2。海南岛位于热带季风区, 年平均气温22~26℃, 年均降水量大于1600 mm[22]。岛内雨量充沛但降水分布不均, 雨季(5—10月)和干季(11—4月)明显; 受海洋影响, 岛内年温差较小。年平均日照1750~2650 h, 光照充足且光合潜力高。海南岛地势中部高、四周低, 河流大都发源于中部山区, 成辐射状水系。岛内地势变化大, 地貌景观多样, 有山地、丘陵、平原等地形单元, 地形结构阶梯状明显[23]。复杂的地形和优越的水热资源使该岛植被丰富多样, 森林覆盖率在62%以上, 在气候调节、涵养水源等方面发挥着重要作用。
![]()
图 1 研究区域海南岛概况HK: 海口市; SY: 三亚市; DZ: 儋州市; WZS: 五指山市; WC: 文昌市; QH: 琼海市; WN: 万宁市; DF: 东方市; DA: 定安县; TC: 屯昌县; CM: 澄迈县; LG: 临高县; BS: 白沙黎族自治县; CJ: 昌江黎族自治县; LD: 乐东黎族自治县; LS: 陵水黎族自治县; BT: 保亭黎族苗族自治县; QZ: 琼中黎族苗族自治县。Figure 1. Overview of the study area of the Hainan IslandHK: Haikou City; SY: Sanya City; DZ: Danzhou City; WZS: Wuzhishan City; WC: Wenchang City; QH: Qionghai City; WN: Wanning City; DF: Dongfang City; DA: Ding’an County; TC: Tunchang County; CM: Chengmai County; LG: Lingao County; BS: Baisha Li Autonomous County; CJ: Changjiang Li Autonomous County; LD: Ledong Li Autonomous County; LS: Lingshui Li Autonomous County; BT: Baoting Li and Miao Autonomous County; QZ: Qiongzhong Li Autonomous County.1.2 数据来源
从美国国家航空航天局(NASA)网站 (https://ladsweb.modaps.eosdis.nasa.gov/) 获取 2002—2022 年的 MODIS LAI数据, 其空间分辨率为500 m, 时间分辨率为8 d, 该产品经过了辐射校正和大气校正等预处理。Zou等[24]的研究结果表明, MODIS LAI的时间质量相对稳定, 产品持续可用。为了确保数据的一致性和适用性, 采用MODIS重投影工具(MODIS Reprojection Tool, MRT)软件将数据进行重投影, 使用ENVI 5.3对研究区进行裁剪, 采用最大值合成(Maximum Value Composition, MVC)方法提取LAI的月最大值作为月值, 并将各月最大值的平均值作为LAI年值。气象数据(温度、降水)来自地球大数据科学工程数据共享服务系统(https://data.casearth.cn/), 空间分辨率为500 m。DEM高程数据下载自地理空间数据云网站(http://www.gscloud.cn/), 空间分辨率为 30 m。
1.3 研究方法
1.3.1 植被变化趋势分析方法
采用Theil-Sen中值分析结合Mann-Kendall (M-K)检验方法[25]对海南岛LAI长时间序列进行趋势识别。Theil-Sen中值分析是一种稳健的非参数统计的趋势计算方法。它通过计算所有点对(两两数据点)的斜率来估计趋势, 然后取这些斜率的中位数作为最终估计值[26]。该方法计算效率高, 对于测量误差和异常数据敏感性低, 因此在长时间序列数据的趋势分析中得到了广泛应用。其计算公式如下:
$$ S_{\mathrm{LAI}} = \mathrm{Median}\left(\frac{\mathrm{LAI}_j - \mathrm{LAI}_i}{j - i}\right) \quad \forall \;\; i < j $$ (1) 式中: SLAI为LAI的变化趋势,
$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{j} $ 和$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{i} $ 分别表示第j年和i年的叶面积指数。SLAI>0表示LAI呈增加趋势, SLAI=0表示LAI不变, SLAI<0表示LAI呈下降趋势。SLAI的绝对值越大, 表明趋势变化越明显。由于Theil-Sen中值分析缺乏对趋势分析的统计显著性检验, 采用M-K检验方法进行评估。M-K检验是一种非参数统计检验方法, 可用于长时间序列数据的趋势显著性检验。最初由Mann在1945年提出[27], 后由Kendall和Sneyers进一步完善。该方法功能强大, 不需要样本遵从一定的分布, 部分数据缺失不会对结果造成影响, 适用性强, 被广泛应用于长时间序列数据趋势显著性检验, 不仅能够检验时间序列的变化趋势, 还能检测时间序列是否发生突变, 在植被覆盖度、LAI、净初级生产力(NPP)等方面的应用尤为广泛。M-K检验公式如下:
$$ S={\sum }_{i=1}^{n-1}{\sum }_{j=i+1}^{n}\mathrm{s}\mathrm{g}\mathrm{n}(\mathrm{L}\mathrm{A}{\mathrm{I}}_{j}-\mathrm{L}\mathrm{A}{\mathrm{I}}_{i}) $$ (2) $$ \mathrm{s}\mathrm{g}\mathrm{n}\left(\mathrm{L}\mathrm{A}{\mathrm{I}}_{j}-\mathrm{L}\mathrm{A}{\mathrm{I}}_{i}\right)=\left\{\begin{array}{l} 1, \quad {\mathrm{LAI}}_{j} > {\mathrm{LAI}}_{i}\\ 0, \quad {\mathrm{LAI}}_{j}={\mathrm{LAI}}_{i}\\ -1, \quad {\mathrm{LAI}}_{j} < {\mathrm{LAI}}_{i}\end{array}\right. \forall \;\; i<j $$ (3) $$ \mathrm{V}\mathrm{a}\mathrm{r}\left(S\right)=\frac{n(n-1)(2n+5)}{18} $$ (4) 式中: S为检验的统计量, n为时间序列的长度,
$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{j} $ 和$ {\mathrm{L}\mathrm{A}\mathrm{I}}_{i} $ 分别表示第j年和i年的叶面积指数, sgn是符号函数, Var(S)为方差。在n≥10的情况下, 统计量S的分布近似为标准正态分布, 趋势检验采用检验统计量Z。本研究的时间序列长度为21 (2002—2022年), 对检验统计量进行标准化后, 计算公式如下:
$$Z = \left\{ \begin{array}{ll} \dfrac{S-1}{\sqrt{\mathrm{Var}(S)}}, & S > 0 \\ \qquad 0, & S = 0 \\ \dfrac{S+1}{\sqrt{\mathrm{Var}(S)}}, & S < 0 \end{array} \right. $$ (5) 在不同的显著性水平下, 对检验统计量Z的阈值进行设定, 用于判断趋势是否具有显著性。其中, 当|Z|大于1.65、1.96和2.58时, 表示趋势分别通过了置信度为90%、95%和99%的显著性检验[28]。
1.3.2 变异系数
变异系数是衡量数据系列中数据点围绕均值分散程度的统计量, 常用于反映数据的相对变化程度[29]。为了衡量LAI的波动大小, 引入变异系数(CV), 计算公式如下:
$$ \mathrm{C}\mathrm{V}=\frac{\sigma }{\mu } $$ (6) 式中:
$ \mu $ 为海南岛LAI平均值,$ \sigma $ 为样本标准差。$ \mathrm{C}\mathrm{V} $ 值越大表示LAI波动越大, 相反则表示LAI波动较小。1.3.3 相关性分析
两组变量的相关关系可以通过相关系数表达, 皮尔逊相关系数是其中最为常见的一种。本研究使用皮尔逊相关系数(r)分析LAI与同期平均气温、降水之间的相关性。计算公式为:
$$ r=\frac{{\displaystyle\sum }_{i=1}^{n}({X}_{i}-\overline{X})({Y}_{i}-\overline{Y})}{\sqrt{{\displaystyle\sum }_{i=1}^{n}({X}_{i}-\overline{X}{)}^{2}{\displaystyle\sum }_{i=1}^{n}({Y}_{i}-\overline{Y}{)}^{2}}} $$ (7) 式中:
$ {X}_{i}\mathrm{和}{Y}_{i} $ 分别为第i年的气温或降水数据和相应的LAI值;$ \overline{X}\mathrm{和}\overline{Y} $ 分别为多年气温或降水的平均值和LAI的平均值; r的取值范围为[−1, 1], 绝对值越大表示关联越强, 反之表示关联越弱。如果r为正值, 则表示两个变量之间存在正相关关系, 即当一个变量增加时, 另一个变量也会增加; 反之则为负相关关系。2. 结果与分析
2.1 海南岛LAI时空分布特征
2002—2022 年海南岛LAI呈由中部向四周递减的空间分布格局(图2), LAI介于0.20~6.73, 平均值为3.33。低值区主要分布在研究区东北部, 集中于海口—文昌—临高一带(图2和图3), 与该区域平原面积较广, 城市分布密集, 人类活动频繁有关。高值区主要分布在研究区中部和南部, 集中在五指山—白沙—琼中—保亭一带(图2和图3), 该区域多为山地和丘陵, 中部地区热带森林分布广泛, 南部地区种植业较为发达。
![]()
图 2 2002—2022年海南岛植被叶面积指数(LAI)均值空间分布图Figure 2. Spatial distribution of mean leaf area index (LAI) values in Hainan Island from 2002 to 2022![]()
图 3 2002—2022年海南岛不同地区植被叶面积指数(LAI)变化符号说明见图1。Figure 3. Variation of leaf area index (LAI) of different regions in Hainan Island from 2002 to 2022Details of the code can be seen in Figure 1.海南岛地形差异大, 地势中部高, 四周低, 结构阶梯状明显。研究发现海南岛地势分布与LAI具有高度相关性。LAI低值区多集中在300 m以下的低海拔区域, 高值区多集中在600 m以上海拔区域。为了进一步分析LAI与海拔的关系, 将研究区高程进行间隔分级, 结果表明(图4a): 500 m以下高程区间LAI值随海拔升高呈快速上升趋势, 500~1600 m高程区间LAI值随海拔升高呈缓慢下降趋势, 1600 m以上高程区间LAI变化趋于稳定。随高程升高, LAI值变化呈“升高—降低—稳定”的特征, 该现象可能与研究区植被垂直带谱有关。
![]()
图 4 海南岛植被叶面积指数(LAI)随高程变化(a)和随坡向变化(b)Figure 4. Variations of vegetation leaf area index (LAI) with elevation (a) and aspect (b) in Hainan Island坡向作为地形的一个基本属性, 影响着光照角度和持续时间, 进而影响地表温度和微气候条件, 对植物生长有重要影响。LAI随坡向变化(图4b)显示: 北面坡向的LAI值最高, 而西面坡向的LAI值相对较低。海南岛位于热带北缘, 光热资源充足。北坡的LAI值最高可能是由于北坡接收到的直射日光较少, 水分蒸发速率较慢, 湿度更高, 从而支持了更密集的植被生长。相反, 南坡存在更强烈的蒸发压力, 从而降低了LAI。此外, 海南岛属热带季风气候区, 夏季主要受东南季风影响, 冬季则受西北季风影响。东南侧作为夏季风的迎风坡, 降水相对较多, 对植被生长起到促进作用, 从而导致东坡的LAI值高于西坡。
从时间维度, LAI年际间波动上升, 增长速率为0.03∙a−1 (图5)。进一步分析, LAI 最小值出现在2005年, 为2.80, 通过查阅和分析海南省水务厅发布的历年海南省水资源公报发现: 2005年海南岛LAI的低值可归因于连续两年的极端天气事件, 2004年的严重干旱和2005年的连续热带风暴及冬春连旱[30]严重影响了植被生长, 尤其是农作物, 从而显著降低了海南岛的LAI值。LAI最大值出现在2019年, 为3.65。海南岛LAI值在年内具有明显的季节性变化特征: 2—6月LAI值迅速升高, 6—9月上升速度减缓, 9月达到峰值, 随后呈下降趋势, 直至次年1月降至最低点。总体而言, 多年月均LAI值表现出植被生长过程中的周期性变化, 与现实一致。
![]()
图 5 2002—2022年海南岛植被叶面积指数(LAI)的年际(a)和多年月平均(b)变化图Figure 5. Inter-annual (a) and monthly average (b) variations of leaf area index (LAI) in Hainan Island from 2002 to 20222.2 海南岛LAI的空间变化趋势
基于M-K趋势检验的Z值结果, 在α=0.05的显著性水平下, 对海南岛的LAI趋势进行分类: S>0, |Z|≥1.96, 显著改善; S>0, |Z|<1.96, 不显著改善; S=0, 无变化; S<0, |Z|<1.96, 不显著退化; S<0, |Z|≥1.96, 显著退化[31]。结果显示(图6): 2002—2022 年间海南岛LAI整体呈增长趋势, 北部的增长高于南部。其中, 显著改善趋势面积占研究区总面积的59.06%, 集中分布在研究区北部的白沙—儋州—临高—澄迈一带, 说明该地区植被处于增长状态。儋州、白沙等地天然橡胶产胶潜力较高[32], 在生态保护以及橡胶树产业扶持的大背景下[33], 种植业迅速发展使LAI增长速度加快。不显著改善区域面积占研究区总面积的27.65%, 地区分布较广, 整个海南岛均有涉及。中部如五指山市、屯昌县、琼中黎族苗族自治县等地区增长速度相对较慢, 由于该区域热带雨林分布较广[34], 植被覆盖基数较大, LAI增加的主要原因是草地转化为林地。显著退化区域面积占研究区总面积的2.31%, 集中分布于海口北部和三亚南部, 与当地房地产建设、旅游资源开发等人类活动密切相关[35], 城镇化建设导致林地和农田减少, 进而显著削弱该区域的LAI[36]。不显著退化区域面积占比约为8.25%, 主要分布在研究区南部和中部。以上研究表明海南岛植被整体变化趋势呈上升状态。
![]()
图 6 2002—2022年海南岛植被叶面积指数(LAI)变化趋势分布Figure 6. Distribution of leaf area index (LAI) trends in Hainan Island from 2002 to 20222.3 海南岛LAI稳定性的空间格局
通过逐像元计算变异系数(CV)对2002—2022年海南岛LAI空间格局进行分析(图7)。借鉴王雅鑫等[37]的研究并结合海南岛实际情况, 将变异系数分为7个等级以定量评估海南岛LAI空间变化的稳定性。结果表明: 海南岛大部分地区LAI的CV介于0.1~0.3之间(占98.09%), 其中, 0.10~0.15区间的面积占比最大, 达26.14%。小部分区域CV>0.3, 表明2002—2022年这些区域植被处于不断波动状态。2002—2022年间, 整个研究区的平均CV为0.136, 这表明该地区LAI值变异性较低, 波动相对较小。
![]()
图 7 2002—2022年海南岛植被叶面积指数(LAI)变异系数空间分布图Figure 7. Spatial distribution of coefficient of variation of leaf area index (LAI) in Hainan Island from 2002 to 2022从空间分布角度来看(图7), LAI的CV呈北高南低的特征, 具有明显空间异质性。CV<0.20的区域面积占比达82.03%, 表明海南岛绝大部分地区LAI波动较小。可能与该区热带雨林广布相关, 由于该地区具有较为一致的环境条件, 如稳定的高温和丰富的降水, 有利于植被持续稳定生长而不会产生过大波动。此外, 热带雨林广布区的生物多样性高、生态系统稳定性强也有助于减少LAI的变异性, 表明即便面临自然或轻微人为干扰, 热带雨林仍能保持其内在的生态平衡和一致性。CV≥0.20的区域集中在儋州—临高—澄迈一带以及文昌北部和东部沿海, 表明该区域LAI的年际波动大, 植被不稳定, 可能与该区域人类活动频繁相关。
2.4 海南岛植被LAI对气候因子的响应
2.4.1 植被LAI对气温的响应分析
植被对环境变化十分敏感, 由于不同地区水热条件和植被类型存在差异, 植被变化及其对气候因子的响应也呈明显异质性[38]。2002—2022年海南岛气温呈波动上升趋势(图8a), 年均气温为22.45~24.03℃, 多年平均气温为23.47℃, 热量充足, 雨季、干季气温具有一定差异(图8b)。气温与海拔存在较高相关性, 气温随海拔升高逐渐递减, 整体呈中间低, 四周高的分布趋势, 其中西北部为高温多发区(图8c)。
![]()
图 8 海南岛2002—2022年平均气温(a)、不同季节平均气温(b)变化及多年平均气温的空间分布(c)Figure 8. Variations of annual mean temperature (a), seasonal mean temperature (b) and spatial distribution of multi-year mean temperature (c) in Hainan Island from 2002 to 2022海南岛LAI与气温相关性分析结果表明(图9), LAI与气温主要呈正相关。LAI与气温的相关性存在明显的南北空间分布差异, 受气温空间分布影响, 气温对LAI的促进作用呈北方强于南方的空间格局。在海南岛北部地区, LAI对温度的响应较为强烈, 呈正相关区域主要分布于白沙黎族自治县—儋州东南部—澄迈西南部—琼中黎族苗族自治县—屯昌县—琼海市一带, 面积占比为76.96%, 温度升高导致植物生长季延长, 从而导致LAI增加。然而, 在海南岛南部大部分区域(占研究区总面积23.04%), LAI与温度的相关系数为负值, 主要分布在乐东黎族自治县—三亚市—保亭黎族苗族自治县—陵水黎族自治县一带。高温常伴随蒸发量增加, 土壤水分减少, 进而引起水分胁迫, 可能抑制植被生长, 导致LAI值下降。海南岛东北部和西部沿海温度与LAI的相关系数绝对值较大。考虑到海南岛东北部人类活动影响显著, 人类活动导致的城镇化和土地利用改变使得植被覆盖减少, 从而降低LAI值。此外, 海南岛降水呈由东到西递减的空间格局(图10), 西部地区降水量不足以抵消高温引起的蒸发增加, 加剧了水分胁迫, 从而进一步降低LAI。因此, 海南岛东北部和西部沿海温度与LAI呈较强的负相关性, 主要是人类活动导致的植被覆盖度减少和降水不足造成的水分胁迫共同作用的结果。
![]()
图 9 海南岛植被叶面积指数(LAI)与多年平均气温的相关系数空间分布图Figure 9. Spatial distribution of correlation coefficients between vegetation leaf area index (LAI) and multi-year mean temperature of Hainan Island2.4.2 植被LAI对降水的响应分析
研究区降水量为1301.63~2275.25 mm, 多年平均降水量为1877.03 mm。其中, 2004—2009年降水呈波动上升趋势, 随后年降水呈波动下降趋势(图10a); 降水分布的时间和空间差距较大, 降水空间分布呈东多西少的特征(图10b), 由于热带风暴或台风的影响, 70%~90%的降水发生在雨季(5—10月) (图10a)。
![]()
图 10 海南岛2002—2022年降水时间变化(a)及空间分布(b)Figure 10. Time variations (a) and spatial distribution (b) of precipitation in Hainan Island from 2002 to 2022海南岛LAI与降水相关性分析结果表明, LAI与降水主要呈负相关。如图11所示, 海南岛LAI与降水相关系数整体偏小, 植被对降水的响应弱于温度, 这与其他学者研究结果基本一致[5]。呈负相关区域主要分布于白沙—琼中—五指山—屯昌一带以及儋州市东南部, 占研究区总面积的77.09%。这是因为海南岛位于热带季风气候区, 全年降雨量充沛。从宏观角度来看, 降水对植被的影响力减弱, 甚至在部分地区出现过饱和现象, 降水成为限制中部林地植被增长的主要因素。海南岛降水呈现自东向西递减趋势, 西南部沿海地区如乐东黎族自治县、东方市、昌江黎族自治县等地区(占研究区总面积22.91%)的降水量较少(图10), 降水增多将促进植被生长, 因此该区域LAI与降水呈正相关(图11)。
![]()
图 11 海南岛植被叶面积指数(LAI)与降水的相关系数空间分布Figure 11. Spatial distribution of correlation coefficients between vegetation leaf area index (LAI) and precipitation of Hainan Island3. 讨论
本研究采用2002—2022年的LAI长时间序列数据探讨了海南岛植被时空变化及其对气候因子的响应, 研究数据时间跨度较大且样本数量丰富。结果表明, 2002—2022年海南岛绝大部分地区(占研究区总面积的86.71%)植被呈增加趋势, 说明该地区植被覆盖度增加, 生态环境得到改善。此外, 温度是海南岛LAI增长的主要气候驱动力, 这一发现与当前全球气候变暖导致北半球大部分地区植被发生显著“绿化”的主流观点一致[39]。
海南岛地处热带地区, 台风、暴雨、干旱等气象灾害频发, 严重影响植被生长。2005年的台风“达维”、2011年的台风“纳沙”和“海马”、2014年的台风“威马逊”均从海南岛及周边登陆。其中, 2005年的台风“达维”造成海南岛18个市(县)全部受灾, 农作物受灾面积7700 km2, 绝收面积1550 km2; 2014年超强台风“威马逊”造成海南岛、广东省、广西壮族自治区的59个市(县)、742.3万人、4690 km2农作物受灾[40]。从图5也可以看出, 2005年、2014年海南岛LAI大幅下降, 一方面是由于台风可直接破坏树木, 造成当年海南岛LAI明显降低; 另一方面台风灾害的滞后效应使受灾农作物和植被LAI恢复缓慢[41]。
人类活动引起的土地利用变化对植被有深远影响[42]。土地利用变化(包括农业扩张、城市化、林地开发和转换为其他用途)会导致植被类型、结构和区域配置的改变。人类活动引起的土地利用变化, 如城市化导致的建筑用地增加及农业扩张引起的经济作物种植面积增加, 将直接影响植被覆盖程度和类型, 进而导致LAI的变化。通过分析发现(图6), 2002—2022年间海口北部和三亚南部植被存在显著退化趋势, 通过进一步分析显著退化地区的土地利用变化(图12)发现: 草地和耕地转化为建筑用地可能是导致该区域LAI大幅降低的原因, 表明人类活动可能是影响LAI的重要驱动因素之一。未来需深入分析和量化人类活动对LAI的影响。
![]()
图 12 2002—2022年显著退化区土地利用/覆盖变化和弦图Figure 12. Chord diagram of land use/cover change in significant degradation region from 2002 to 2022当前存在众多LAI产品, 其优缺点各有不同。MODIS LAI产品主要基于三维辐射传输模型和查找表法得到LAI, 其反演结果受到输入地表反射率和植被类型数据的显著影响。虽然本研究使用的MODIS LAI数据已经过消除水汽和云层影响等处理, 且采用最大值合成法进一步消除异常值影响, 数据可靠性提高, 但不可否认的是MODIS LAI在其他区域可能存在一定的局限性。近年来, 一些研究通过利用MODIS数据生成了分辨率较高的产品, 旨在进一步提升LAI的可靠性。在未来的研究中, 使用或生产出精度更高的LAI产品, 有望进一步提高分析结果的准确性。
4. 结论
基于MODIS LAI数据、气象数据结合Theil-Sen中值分析和Mann-Kendall趋势检验方法对海南岛2002—2022年LAI时空分布变化及气候因子对LAI的影响进行分析, 得到以下结论:
1) 2002—2022年海南岛年均LAI总体呈明显上升趋势, 增长速率为0.03·a−1; LAI值较高, 多年均值为3.33。LAI在年际变化中具有明显的季节性趋势, 9月为LAI高峰值, 次年1月为低谷值。LAI值与海拔和坡向密切相关, 表现出随海拔升高先增加后减少最后稳定的趋势; 坡向对LAI值也有显著影响, 北面坡向的LAI值最高, 而西面坡向的LAI值相对较低, 这可能与不同坡向光照、水分蒸发量和降水量不同有关。进一步分析时空变化发现, 海南岛LAI北部增长趋势高于南部。其中, 呈显著改善趋势的地区集中分布在研究区北部的白沙—儋州—临高—澄迈一带(占总研究面积的59.06%); 不显著改善区域面积分布较广, 整个研究区内均有涉及(占研究区总面积的27.65%)。显著退化区域集中分布于海口北部、三亚南部等区域; 不显著退化区域主要分布在研究区南部和中部。
2)海南岛LAI变异系数(CV)呈现明显的空间异质性。海南岛LAI多年平均CV为0.136, 大部分区域LAI的CV值介于0.1~0.3。低变异区(CV<0.2)面积占比为82.03%, 表明海南大部分地区植被变化波动较小, 这主要得益于热带雨林的稳定环境条件, 如恒定高温和充沛降水, 促进植被稳定生长而不会产生过大波动。儋州、临高、澄迈等地的部分地区为高变异区域(CV≥0.2), 植被年际波动显著, 反映出植被的不稳定性, 这可能与人类活动有关。
3)相较于降水, 温度与LAI相关性更强。在研究区中部和北部的大部分地区, LAI与气温呈正相关, 这与温度上升使得作物生长季延长相关。在研究区南部的大部分地区, LAI与气温呈负相关, 可能是因为高温加剧了水分胁迫, 从而抑制植被生长。在研究区中部和北部, LAI与降水呈现负相关, 该区降水充足, 降水对LAI的促进作用存在饱和效应。在研究区西南部沿海区, 降水与LAI多呈正相关, 是由于该地区属于半干旱区, 降水量增多促进植被生长。
综上所述, 本研究的结论与同行研究成果总体一致[5], 即海南岛LAI整体呈增加趋势, 气候变化和人类活动是影响LAI变化的重要因素。本研究的时间跨度更长, 数据更新, 综合考虑了气候变化和人类活动两个方面的驱动因素, 有助于加深对海南岛植被动态变化规律的理解, 为区域生态保护和可持续发展提供科学依据。
-
![]()
图 1 不同灌溉方式下不同土层土壤机械稳定性团聚体构成
Figure 1. Constitutions of machine-stable aggregates of different soil layers under different irrigation methods
![]()
图 2 不同灌溉方式下不同土层土壤水稳性团聚体构成
Figure 2. Constitutions of soil water-stable aggregates of different soil layers under different irrigation methods
![]()
图 3 不同灌溉方式下土壤水稳性大团聚体(>0.25 mm)有机碳、有效磷和速效钾含量
Figure 3. Contents of organic carbon, available phosphorus and available potassium of soil water-stable macro aggregate (>0.25 mm) under different irrigation treatments
表 1 冬小麦生育期各处理灌水时期及灌水量
Table 1 Irrigation stages and amounts of each treatment during winter wheat growth period
处理
Treatment灌溉方式
Irrigation method灌水量 Irrigation rate (m3∙hm−2) 总灌水量
Total irrigation rate
(m3∙hm−2)越冬期
Over-wintering返青期
Returning green拔节期
Jointing灌浆期
FillingSI 微喷灌 Micro-sprinkler irrigation 600 300 600 300 1800 DI 滴灌 Drip irrigation 600 300 600 300 1800 FI 漫灌 Flooding irrigation 900 0 1200 0 2100 RI 漫灌-微喷灌
Annual rotational of flooding irrigation and micro-sprinkler irrigation900-600 0-300 1200-600 0-300 2100-1800 
下载: 导出CSV
表 2 冬小麦生育期各处理施肥时期及施肥量
Table 2 Fertilization stages and amounts of each treatment during winter wheat growth period
处理
Treatment施肥量 Fertilization rate (kg∙hm−2) 播前(基肥)
Before sowing (basal)拔节期
Jointing stage灌浆期
Filling stage总施肥量
Total fertilization rate
(kg∙hm−2)N P2O5 K2O N P2O5 K2O N P2O5 K2O N P2O5 K2O SI 144 54 21.6 72 27 10.8 24 9 3.6 240 90 36 DI 144 54 21.6 72 27 10.8 24 9 3.6 240 90 36 FI 180 72 28.8 120 48 19.2 0 0 0 300 120 48 RI 180-144 72-54 28.8-21.6 120-72 48-27 19.2-10.8 0-24 0-9 0-3.6 300-240 120-90 48-36 1)施肥方式: 微喷灌、滴灌播前撒施, 拔节期、灌浆期水肥一体化; 漫灌所有施肥时期均为撒施。2)肥料种类: 撒施用尿素(46.4% N)、磷酸二铵(N-P为18-46)、氯化钾(60% K2O); 水肥一体化用尿素(46.4% N)、磷酸二铵(N-P为18-46)和磷酸二氢钾(N-P-K为0-52-34)。1) Fertilization methods: broadcasting before sowing and fertigation at jointing and filling periods for micro-sprinkler and drip irrigation; broadcasting at all fertilization periods for flooding irrigation. 2) Fertilizer types: urea (46.4% N), diammonium phosphate (N-P=18-46), and potassium chloride (60% K2O) for broadcasting; urea (46.4% N), diammonium phosphate (N-P=18-46), and potassium dihydrogen phosphate (N-P-K=0-52-34) for fertigation.
下载: 导出CSV
表 3 不同灌溉方式下不同土层土壤团聚体的稳定性指标
Table 3 Soil aggregates stability indexes of different soil layers under different irrigation methods
土 层
Soil depth (cm)处 理
Treatment机械稳定性团聚体
Machine-stable aggregates水稳性团聚体
Water-stable aggregatesDR0.25 (%) WR0.25 (%) MWD (mm) GMD (mm) PAD (%) D 0~10 SI 87.93±1.64a 69.47±2.31a 1.14±0.07b 0.73±0.04ab 20.99±3.14a 2.61±0.03b DI 85.54±1.81a 68.18±2.06a 1.35±0.11a 0.78±0.05a 20.29±2.08a 2.63±0.03b FI 73.66±1.43c 60.66±2.09c 1.17±0.11ab 0.64±0.05b 17.65±2.35a 2.72±0.01a RI 81.01±1.21b 64.71±1.83b 1.22±0.06ab 0.73±0.07ab 20.12±3.35a 2.65±0.04b 10~20 SI 92.33±1.51ab 64.62±2.23ab 1.63±0.12a 0.94±0.05a 30.01±3.04ab 2.68±0.04a DI 94.48±1.89a 68.12±2.14a 1.47±0.09b 0.85±0.11ab 27.90±2.55ab 2.65±0.02a FI 85.82±1.71c 63.62±1.94b 1.55±0.12ab 0.81±0.04b 25.87±2.83b 2.69±0.02a RI 91.07±1.36b 61.95±1.85b 1.46±0.10b 0.83±0.02ab 31.98±3.09a 2.70±0.10a 20~30 SI 94.93±1.57a 50.11±3.17b 1.28±0.11a 0.55±0.02b 47.21±3.16b 2.80±0.01b DI 95.06±1.30a 37.12±2.88d 1.13±0.04b 0.48±0.02c 60.95±3.87a 2.86±0.02a FI 93.40±0.83ab 44.77±2.79c 1.02±0.07c 0.52±0.04bc 52.07±3.42b 2.83±0.01ab RI 91.49±1.14b 56.09±2.43a 1.34±0.08a 0.61±0.03a 38.70±2.92c 2.75±0.04c 30~40 SI 97.27±1.15a 33.52±2.92a 0.72±0.01a 0.38±0.01ab 65.54±2.78c 2.88±0.01c DI 97.42±1.05a 32.59±2.43a 0.70±0.02a 0.40±0.02a 66.54±2.32c 2.89±0.02bc FI 96.69±0.62ab 22.15±2.31c 0.57±0.01c 0.35±0.02b 77.09±2.25a 2.93±0.01a RI 95.77±0.89b 27.36±3.14b 0.62±0.01b 0.37±0.03ab 71.44±2.46b 2.91±0.01ab 40~50 SI 97.66±1.01ab 38.38±2.35a 0.63±0.05a 0.40±0.02a 60.70±3.34b 2.86±0.02b DI 98.39±1.22a 39.46±2.80a 0.65±0.06a 0.41±0.04a 59.89±2.72b 2.85±0.03b FI 96.07±1.35b 24.39±2.25b 0.51±0.05b 0.34±0.02b 74.61±3.73a 2.92±0.02a RI 97.48±0.95ab 23.56±2.10b 0.52±0.05b 0.34±0.02b 75.83±3.32a 2.92±0.02a DR0.25: >0.25 mm机械稳定性团聚体重量百分比; WR0.25: >0.25 mm水稳性团聚体重量百分比; MWD: 平均重量直径; GMD: 几何平均直径; PAD: 破坏率; D: 分形维数。表中同列同一土层不同小写字母表示不同处理间在P<0.05水平差异显著; 表中数据为平均值±标准差。DR0.25: >0.25 mm machine-stable aggregates weight percentage; WR0.25: >0.25 mm water-stable aggregates weight percentage; MWD: mean weight diameter; GMD: geometric mean diameter; PAD: destruction rate; D: fractal dimension. Different small letters within the same column for the same soil depth indicate significant differences among treatments at P<0.05. Data in the table are mean ± standard deviation.
下载: 导出CSV
表 4 土壤水稳性团聚体分布特征、稳定性及养分含量相关分析结果统计
Table 4 Statistics of correlation analysis result among distribution characteristics, stability and nutrient contents of soil water-stable aggregates
土层 Soil depth WR0.25 MWD GMD PAD D OC AP AK WR0.25 −0.891** 1.000 MWD −0.828** 0.896** 1.000 GMD −0.865** 0.960** 0.963** 1.000 PAD 0.927** −0.982** −0.865** −0.931** 1.000 D 0.904** −0.986** −0.860** −0.951** 0.974** 1.000 OC −0.964** 0.929** 0.835** 0.903** −0.947** −0.951** 1.000 AP −0.869** 0.810** 0.577** 0.702** −0.842** −0.867** 0.905** 1.000 AK −0.800** 0.763** 0.481* 0.633** −0.821** −0.820** 0.833** 0.950** 1.000 n=180; *和**分别表示P<0.05和P<0.01水平显著相关(双侧)。WR0.25: >0.25 mm水稳性团聚体重量百分比; MWD: 平均重量直径; GMD: 几何平均直径; PAD: 破坏率; D: 分形维数; OC: 水稳性大团聚体有机碳含量; AP: 水稳性大团聚体有效磷含量; AK: 水稳性大团聚体速效钾含量。WR0.25: >0.25 mm water-stable aggregates weight percentage; MWD: mean weight diameter; GMD: geometric mean diameter; PAD: destruction rate; D: fractal dimension. OC: organic carbon content of soil water-stable macro aggregates; AP: available phosphorus content of soil water-stable macro aggregates; AK: available potassium content of soil water-stable macro aggregates. n=180; * and ** indicate significant correlation at P<0.05 and P<0.01 (bilateral), respectively.
下载: 导出CSV
-
[1] YUDINA A, KUZYAKOV Y. Saving the face of soil aggregates[J]. Global Change Biology, 2019, 25(11): 3574−3577 doi: 10.1111/gcb.14779
[2] LIU S, YAN C R, HE W Q, et al. Effects of different tillage practices on soil water-stable aggregation and organic carbon distribution in dryland farming in northern China[J]. Acta Ecologica Sinica, 2015, 35(4): 65−69 doi: 10.1016/j.chnaes.2015.06.005
[3] BOSILJ P, GOULD I, DUCKETT T, et al. Estimating soil aggregate size distribution from images using pattern spectra[J]. Biosystems Engineering, 2020, 198: 63−77 doi: 10.1016/j.biosystemseng.2020.07.012
[4] ZHENG H, WANG X, LUO X X, et al. Biochar-induced negative carbon mineralization priming effects in a coastal wetland soil: roles of soil aggregation and microbial modulation[J]. Science of the Total Environment, 2018, 610/611: 951−960 doi: 10.1016/j.scitotenv.2017.08.166
[5] SIX J, BOSSUYT H, DEGRYZE S, et al. A history of research on the link between (micro) aggregates, soil biota, and soil organic matter dynamics[J]. Soil and Tillage Research, 2004, 79(1): 7−31 doi: 10.1016/j.still.2004.03.008
[6] 张旭冉, 张卫青. 土壤团聚体研究进展[J]. 北方园艺, 2020(21): 131−137 ZHANG X R, ZHANG W Q. Research progress of soil aggregates[J]. Northern Horticulture, 2020(21): 131−137
[7] PETH S, HORN R, BECKMANN F, et al. Three-dimensional quantification of intra-aggregate pore-space features using synchrotron-radiation-based microtomography[J]. Soil Science Society of America Journal, 2008, 72(4): 897−907 doi: 10.2136/sssaj2007.0130
[8] 袁德玲, 张玉龙, 唐首锋, 等. 不同灌溉方式对保护地土壤水稳性团聚体的影响[J]. 水土保持学报, 2009, 23(3): 125−128, 134 YUAN D L, ZHANG Y L, TANG S F, et al. Effect on soil water-stable aggregates of different irrigation methods in protected field[J]. Journal of Soil and Water Conservation, 2009, 23(3): 125−128, 134
[9] 马建辉, 叶旭红, 韩冰, 等. 膜下滴灌不同灌水控制下限对设施土壤团聚体分布特征的影响[J]. 中国农业科学, 2017, 50(18): 3561−3571 MA J H, YE X H, HAN B, et al. Effects of different controlled irrigation low limits on the size distribution of soil aggregates with drip irrigation under film mulching in a greenhouse soil[J]. Scientia Agricultura Sinica, 2017, 50(18): 3561−3571
[10] 阎亭廷, 张玉龙, 李爽, 等. 灌溉方式对保护地土壤微团聚体及其碳、氮分布的影响[J]. 水土保持学报, 2013, 27(4): 278−282 YAN T T, ZHANG Y L, LI S, et al. Effect on soil micro-aggregates and its distributions of total carbon and nitrogen under different irrigation modes in protected field[J]. Journal of Soil and Water Conservation, 2013, 27(4): 278−282
[11] 武爱莲, 王劲松, 董二伟, 等. 施用生物炭和秸秆对石灰性褐土氮肥去向的影响[J]. 土壤学报, 2019, 56(1): 176−185 WU A L, WANG J S, DONG E W, et al. Effect of application of biochar and straw on fate of fertilizer N in cinnamon soil[J]. Acta Pedologica Sinica, 2019, 56(1): 176−185
[12] 林成谷, 李中平, 张毓庄, 等. 山西石灰性褐土地带提高磷肥肥效的研究[J]. 土壤通报, 1964(1): 4−12 LIN C G, LI Z P, ZHANG Y Z, et al. Study on improving phosphate fertilizer efficiency in calcareous brown soil of Shanxi Province[J]. Chinese Journal of Soil Science, 1964(1): 4−12
[13] 李恋卿, 潘根兴, 杜慧玲, 等. 粉煤灰改良粘质石灰性褐土的效应研究[J]. 农业环境保护, 2001, 20(3): 172−174 LI L Q, PAN G X, DU H L, et al. Effects of coal ash application on clay calcic cinnamon soils[J]. Agro-Environmental Protection, 2001, 20(3): 172−174
[14] LV H F, ZHAO Y M, WANG Y F, et al. Conventional flooding irrigation and over fertilization drives soil pH decrease not only in the top- but also in subsoil layers in solar greenhouse vegetable production systems[J]. Geoderma, 2020, 363: 114156 doi: 10.1016/j.geoderma.2019.114156
[15] SHEN W S, LIN X G, SHI W M, et al. Higher rates of nitrogen fertilization decrease soil enzyme activities, microbial functional diversity and nitrification capacity in a Chinese polytunnel greenhouse vegetable land[J]. Plant and Soil, 2010, 337(1/2): 137−150
[16] ZHAO Y M, LV H F, QASIM W, et al. Drip fertigation with straw incorporation significantly reduces N2O emission and N leaching while maintaining high vegetable yields in solar greenhouse production[J]. Environmental Pollution, 2021, 273: 116521 doi: 10.1016/j.envpol.2021.116521
[17] 赵英, 郭旭新, 樊会芳, 等. 不同灌溉方式对猕猴桃园土壤团聚体结构和养分的影响[J]. 水土保持学报, 2021, 35(3): 320−325 ZHAO Y, GUO X X, FAN H F, et al. Effects of different irrigation methods on soil aggregate structure and nutrients in kiwifruit orchard[J]. Journal of Soil and Water Conservation, 2021, 35(3): 320−325
[18] 马建辉, 叶旭红, 韩昌东, 等. 膜下滴灌不同灌水控制下限对设施土壤团聚体养分、酶活性和球囊霉素含量的影响[J]. 应用生态学报, 2018, 29(8): 2713−2720 MA J H, YE X H, HAN C D, et al. Effects of different low limits of irrigation on nutrients, enzyme activity and glomalin-related soil protein in soil aggregates of drip irrigation under plastic film[J]. Chinese Journal of Applied Ecology, 2018, 29(8): 2713−2720
[19] UTOMO W H, DEXTER A R. Changes in soil aggregate water stability induced by wetting and drying cycles in non-saturated soil[J]. Journal of Soil Science, 1982, 33(4): 623−637 doi: 10.1111/j.1365-2389.1982.tb01794.x
[20] DENEF K, SIX J, BOSSUYT H, et al. Influence of dry-wet cycles on the interrelationship between aggregate, particulate organic matter, and microbial community dynamics[J]. Soil Biology and Biochemistry, 2001, 33(12/13): 1599−1611
[21] 包丽君, 贾仲君. 模拟干湿交替对水稻土古菌群落结构的影响[J]. 土壤学报, 2017, 54(1): 191−203 doi: 10.11766/trxb201603140046 BAO L J, JIA Z J. Changes of archaeal communities in a paddy soil under drying and re-wetting cycles[J]. Acta Pedologica Sinica, 2017, 54(1): 191−203 doi: 10.11766/trxb201603140046
[22] PARK E J, SUL W J, SMUCKER A J M. Glucose additions to aggregates subjected to drying/wetting cycles promote carbon sequestration and aggregate stability[J]. Soil Biology and Biochemistry, 2007, 39(11): 2758−2768 doi: 10.1016/j.soilbio.2007.06.007
[23] 刘艳丽, 张斌, 胡锋, 等. 干湿交替对水稻土碳氮矿化的影响[J]. 土壤, 2008, 40(4): 554−560 LIU Y L, ZHANG B, HU F, et al. Carbon and nitrogen mineralization of paddy soils as affected by wetting and drying[J]. Soils, 2008, 40(4): 554−560
[24] THANH NGUYEN B, MARSCHNER P. Effect of drying and rewetting on phosphorus transformations in red brown soils with different soil organic matter content[J]. Soil Biology and Biochemistry, 2005, 37(8): 1573−1576 doi: 10.1016/j.soilbio.2005.01.015
[25] 裴雪霞, 党建友, 张定一, 等. 近54年来晋南气候变化及其对旱地小麦产量的影响[J]. 麦类作物学报, 2016, 36(11): 1502−1509 doi: 10.7606/j.issn.1009-1041.2016.11.13 PEI X X, DANG J Y, ZHANG D Y, et al. Climate change during nearly 54 years in south of Shanxi and its effect on wheat yield in dry land[J]. Journal of Triticeae Crops, 2016, 36(11): 1502−1509 doi: 10.7606/j.issn.1009-1041.2016.11.13
[26] 杨培岭, 罗远培, 石元春. 用粒径的重量分布表征的土壤分形特征[J]. 科学通报, 1993, 38(20): 1896−1899 doi: 10.3321/j.issn:0023-074X.1993.20.010 YANG P L, LUO Y P, SHI Y C. Fractal characteristics of soil characterized by weight distribution of particle size[J]. Chinese Science Bulletin, 1993, 38(20): 1896−1899 doi: 10.3321/j.issn:0023-074X.1993.20.010
[27] 刘文利, 吴景贵, 傅民杰, 等. 种植年限对果园土壤团聚体分布与稳定性的影响[J]. 水土保持学报, 2014, 28(1): 129−135 doi: 10.3969/j.issn.1009-2242.2014.01.025 LIU W L, WU J G, FU M J, et al. Effect of different cultivation years on composition and stability of soil aggregate fractions in orchard[J]. Journal of Soil and Water Conservation, 2014, 28(1): 129−135 doi: 10.3969/j.issn.1009-2242.2014.01.025
[28] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000: 25–114 BAO S D. Soil and Agricultural Chemistry Analysis[M]. Beijing: China Agriculture Press, 2000: 25–114
[29] 范倩玉, 刘振华, 李晋, 等. 不同轮作模式对潮土团聚体及其有机碳分布的影响[J]. 应用与环境生物学报, 2021, 27(1): 81−88 FAN Q Y, LIU Z H, LI J, et al. Effects of different crop rotation patterns on soil aggregates and organic carbon distribution in fluvo-aquic soil[J]. Chinese Journal of Applied and Environmental Biology, 2021, 27(1): 81−88
[30] 罗晓虹, 王子芳, 陆畅, 等. 土地利用方式对土壤团聚体稳定性和有机碳含量的影响[J]. 环境科学, 2019, 40(8): 3816−3824 LUO X H, WANG Z F, LU C, et al. Effects of land use type on the content and stability of organic carbon in soil aggregates[J]. Environmental Science, 2019, 40(8): 3816−3824
[31] 周加森, 马阳, 吴敏, 等. 不同水肥措施下的冬小麦水氮利用和生物效应研究[J]. 灌溉排水学报, 2019, 38(9): 36−41 ZHOU J S, MA Y, WU M, et al. Water and nitrogen utilization and biological effects of winter wheat under different water and fertilizer measures[J]. Journal of Irrigation and Drainage, 2019, 38(9): 36−41
[32] QUAGGIO J A, SOUZA T R, BACHIEGA ZAMBROSI F C, et al. Nitrogen-fertilizer forms affect the nitrogen-use efficiency in fertigated Citrus groves[J]. Journal of Plant Nutrition and Soil Science, 2014, 177(3): 404−411 doi: 10.1002/jpln.201300315
[33] 王彬. 土壤可蚀性动态变化机制与土壤可蚀性估算模型[D]. 杨凌: 西北农林科技大学, 2013 WANG B. Dynamic mechanism of soil erodibility and soil erodibility calculation model[D]. Yangling: Northwest A & F University, 2013
[34] YODER R E. A direct method of aggregate analysis of soils and a study of the physical nature of erosion losses (1)[J]. Soil Science Society of America Journal, 1936, B17(2001): 165 doi: 10.2136/sssaj1936.036159950B1720010046x
[35] 孙铖, 周华真, 陈磊, 等. 东北三省农田化肥氮地下淋溶污染等级评估[J]. 农业资源与环境学报, 2018, 35(5): 405−411 SUN C, ZHOU H Z, CHEN L, et al. Pollution grade assessment of nitrogen leaching from farmland fertilizer in three northeastern provinces[J]. Journal of Agricultural Resources and Environment, 2018, 35(5): 405−411
[36] HU Y K, MOIWO J P, YANG Y H, et al. Agricultural water-saving and sustainable groundwater management in Shijiazhuang Irrigation District, North China Plain[J]. Journal of Hydrology, 2010, 393(3/4): 219−232
[37] SARAH P, RODEH Y. Soil structure variations under manipulations of water and vegetation[J]. Journal of Arid Environments, 2004, 58(1): 43−57 doi: 10.1016/S0140-1963(03)00126-5
[38] 刘中良, 宇万太, 周桦, 等. 长期施肥对土壤团聚体分布和养分含量的影响[J]. 土壤, 2011, 43(5): 720−728 LIU Z L, YU W T, ZHOU H, et al. Effects of long-term fertilization on aggregate size distribution and nutrient content[J]. Soils, 2011, 43(5): 720−728
[39] HAYNES R J, NAIDU R. Influence of lime, fertilizer and manure applications on soil organic matter content and soil physical conditions: a review[J]. Nutrient Cycling in Agroecosystems, 1998, 51: 123−137 doi: 10.1023/A:1009738307837
[40] 谷月, 吴景贵. 施用有机物料对覆膜滴灌土壤团聚体及有机碳分布影响[J/OL]. 吉林农业大学学报, 2021. https://doi.org/10.13327/j.jjlau.2021.1151 GU Y, WU J G. Effects of applying organic materials on soil aggregates and organic carbon distribution in drip irrigation with film mulching[J/OL]. Journal of Jilin Agricultural University, 2021. https://doi.org/10.13327/j.jjlau.2021.1151
[41] CUI Z L, CHEN X P, ZHANG F S. Current nitrogen management status and measures to improve the intensive wheat-maize system in China[J]. AMBIO, 2010, 39(5/6): 376−384
[42] JU X T, KOU C L, ZHANG F S, et al. Nitrogen balance and groundwater nitrate contamination: comparison among three intensive cropping systems on the North China Plain[J]. Environmental Pollution (Barking, Essex: 1987), 2006, 143(1): 117−125
[43] BAR-YOSEF B. Advances in fertigation[J]. Advances in Agronomy, 1999, 65: 1−77
[44] FARNESELLI M, BENINCASA P, TOSTI G, et al. High fertigation frequency improves nitrogen uptake and crop performance in processing tomato grown with high nitrogen and water supply[J]. Agricultural Water Management, 2015, 154: 52−58 doi: 10.1016/j.agwat.2015.03.002
[45] 马建业, 何靖, 杜宜春. 不同轮耕方式对新增耕地土壤团聚体分布及稳定性的影响[J]. 土地开发工程研究, 2019, 4(6): 31−36 MA J Y, HE J, DU Y C. Effects of different rotation tillage methods on the distribution and stability of soil aggregates in newly cultivated land[J]. Land Development and Engineering Research, 2019, 4(6): 31−36
[46] SARKER J R, SINGH B P, COWIE A L, et al. Agricultural management practices impacted carbon and nutrient concentrations in soil aggregates, with minimal influence on aggregate stability and total carbon and nutrient stocks in contrasting soils[J]. Soil and Tillage Research, 2018, 178: 209−223 doi: 10.1016/j.still.2017.12.019
[47] 于文竹, 魏霞, 赵恒策, 等. 青藏高原高寒草原草甸土壤团聚体及养分因子变化特征[J]. 水土保持学报, 2020, 34(6): 301−308, 317 YU W Z, WEI X, ZHAO H C, et al. Changes of soil aggregates and nutrient factors in alpine grassland and alpine meadow of Qinghai Tibet Plateau[J]. Journal of Soil and Water Conservation, 2020, 34(6): 301−308, 317
-
期刊类型引用(7)
1. 王子怡，李向强，张佳祺，肖凯. 节水灌溉对冬小麦/夏玉米周年两熟作物光合和细胞保护参数及产量性状的影响. 中国科技论文在线精品论文. 2023(03): 343-354 . 
百度学术
2. 刘英博，周际，陈颖露，姚旭擎，杨晓琳，杜太生. 基于CiteSpace的华北冬小麦-夏玉米周年优化灌溉制度的节水潜力分析. 中国农业大学学报. 2022(06): 1-20 . 百度学术
3. 张旭洋，林青，黄修东，徐绍辉. 大沽河流域土壤水-地下水流耦合模拟及补给量估算. 土壤学报. 2019(01): 101-113 . 百度学术
4. 张凯，刘战东，强小嫚，米兆荣，冯荣成，孙景生. 深松处理对豫北农田土壤水分与作物耗水的影响. 农业机械学报. 2019(10): 251-258 . 百度学术
5. 史鑫蕊，徐强，胡克林，李思恩. 灌水次数对绿洲春玉米田氮素损失及水氮利用效率的影响. 农业工程学报. 2018(03): 118-126 . 百度学术
6. 屈涛，范永胜，宋树柏，赵霞，马晓红，蒋雯，朱坤. 豫北麦区抗旱减灾应对措施. 农业科技通讯. 2017(08): 273-274 . 百度学术
7. 杜玲，徐长春，尹小刚，遆晋松，陈阜. 气候变化对河北低平原冬小麦需水量及水分生态适应性的影响. 中国农业大学学报. 2017(12): 1-9 . 百度学术
其他类型引用(6)
计量
- 文章访问数: 607
- HTML全文浏览量: 292
- PDF下载量: 98
- 被引次数: 13
