Effects of short distance sampling on the prediction accuracy of the spatial variability of soil respiration
-
摘要: 不同采样设计会对土壤呼吸空间变异特征的预测精度产生重要影响。本研究选取黄淮海平原北部潮土区1 km×1 km夏玉米样地，在7×7单元规则格网（样点间距167 m）、完全随机（样点平均间距433 m）以及3×3单元规则格网+完全随机（样点平均间距405 m）3种布点方式的基础上，保持样本总量（49）不变，以占总样点2%~14%的短距离样点（样点间距4 m）随机替换原方案相应样点个数的方法优化布点方式，应用普通克里金法插值，以均方根误差（RMSE）和确定系数（R2）作为验证指标，检验基于3种布点方式设置的短距离样点对土壤呼吸空间变异预测精度的影响。结果表明：研究区土壤呼吸平均速率为2.65 μmol·m-2·s-1，空间分布均呈西高东低，表现出中等程度变异。采样设计对土壤呼吸空间分布的预测精度影响显著，基于3种布点方式设置短距离样点可提高预测精度7%~13%。无短距离样点替换时，规则格网+完全随机的布点方式最优，比完全随机布点和规则格网布点的空间插值预测精度分别提高10%和22%；设置短距离样点替换后，在最优布点方式（规则格网+完全随机）中，对土壤呼吸空间变异的预测精度可再提高4%~7%，其中短距离样点个数占样本总量10%对土壤呼吸空间变异预测精度的提高最为明显。研究发现，基于相同的样本数量设置短距离样点可增加区域范围内样点密度，提高土壤呼吸空间变异预测精度及试验结果的可靠性。因此，在黄淮海平原北部潮土区100 hm2尺度的夏玉米样地中，规则格网+完全随机+10%短距离样点的布点方式是预测土壤呼吸空间变异最适宜的采样布点方式。Abstract: Sampling design is important for the prediction accuracy of the spatial variability of soil respiration. In this study, a plot of 1 km×1 km was selected in a summer maize field from the northern part of the Huang-Huai-Hai Plain. Each of the forty-nine sampling sites were set on the basis of three different sampling designs, including a regular grid of 7×7 unit rule (with a spacing of 167 m), completely random (with an average spacing of 433 m), and a regular grid of 3×3 unit rule combined with completely random (with an average spacing of 405 m). To optimize the layout, based on the 3 designs, we maintained the total number of samples (49) and replaced the original sampling with short-distance sampling points for 2% to 14% of the total number of samples (with a spacing of 4 m). The spatial interpolation was finished with the ordinary Kriging interpolation method. The root mean square error (RMSE) and determination coefficient (R2) were chosen as indicators to investigate the effects of short distance sampling on the prediction accuracy of the spatial variability of soil respiration. The results showed that the spatial distribution of soil respiration under the three sampling designs was high in the west and low in the east, with moderate variation. Different sampling designs had significant impacts on the prediction accuracy of the spatial variability of soil respiration. The short distance sampling under the three sampling designs increased the prediction accuracy of the spatial variability of soil respiration by 7%-13%. Without short distance samples, the sampling design of the regular grid combined with completely random had the highest prediction accuracy, which was 10% and 22% higher than the regular grid and completely random sampling designs, respectively. Upon the replacement with short distance sampling, the prediction accuracy of the optimal sampling design (regular grid combined with completely random) was increased by 4%-7%. The prediction accuracy of the spatial variability of soil respiration was most obviously improved when the proportion of short distance samples was 10% of the whole size. This study found that setting short distance samples based on the same sample size could increase the sample density within a region and improve the prediction accuracy of soil respiration spatial variation and the reliability of experimental results. Therefore, a completely random sampling design combined with a regular grid and 10% short distance samples is a better choice for the soil respiration spatial variation estimation of a 1 km×1 km plot in a summer maize field from the northern part of the Huang-Huai-Hai Plain. The results of this study provide guidance for relevant research and field sampling designs.
-
生态系统服务是指生态系统对人类的福祉[1-2], 山区作为一个复杂的生态系统, 能为人类提供多种直接或间接的生态系统服务, 如气候调节、自然资源供给、生物多样性保护等。土地利用是人类活动最直接的反映, 土地利用变化通过改变生态系统的结构、过程和功能进而影响生态系统服务, 是生态系统服务变化的重要驱动力之一[3]。农户生计是农村家庭谋求生存的基本方式, 其依赖于生态系统服务中各种物质资源和环境, 土地利用的改变亦会对农户生计产生影响。探究山区土地利用变化引起的生态系统服务变化对于优化山区土地资源配置、维护山区生态安全具有重要意义。
前人已从小流域尺度对土地利用引起的生态系统服务和农户生计变化进行了研究, 但还存在不足, 如Tolessa等[4]和Leh等[5]发现埃塞俄比亚西北部芬查流域和阿肯色州西北部典型农业流域土地利用变化下生态系统服务显著提高, 但仅考虑了对生态系统服务的影响, 没有考虑农户生计; Amsalu等[6]揭示了埃塞俄比亚贝雷萨流域土地利用最重要的变化是天然林的减少以及种植园、牧场面积的增加, 使得农户收入增加、农户生计多样化, 但是实施这种策略并没有考虑流域整体的生态系统服务价值, 对土地利用变化引起的生态效应的研究也不够完善, 不能确保其在该地区具有可持续性。同时, 基于“生产、生活、生态”的“三生”视角开展土地利用变化对生态系统服务影响的研究受到越来越多的学者关注, 从“三生”用地变化的角度进行区域生态系统服务研究多集中于经济发达地区或城镇化快速发展区, 研究尺度也多以区域、省域、市域等宏观大尺度为主[7], 如戴文远等[8]研究发现福州新区生态系统服务下降的主要原因是生产空间和生活空间对生态空间的侵占; 秦方[9]研究表明“三生”用地转变导致郑州市生态系统服务持续降低; 少有文章对于山区进行研究, 山区小流域“三生”用地变化对生态系统服务和农户生计影响尚缺乏系统的研究。
太行山区是华北平原尤其京津地区的重要生态屏障和水源涵养地, 也是生态敏感区, 在过去的几十年内太行山区由于受人类活动的影响, 多个小流域土地利用结构产生了很大的变化, 进而影响了山区小流域“三生”用地结构、生态系统服务和山区农户生计。洞阳坡小流域位于太行山中山区井陉县内, 是太行山区由亚高山区向丘陵区过渡的典型过渡性地理空间。鉴于此, 本文以太行山中山区典型小流域洞阳坡为研究对象, 定量分析2000—2020年洞阳坡小流域 “三生”用地转型的动态变化特征, 并采用改进的当量因子法评估其生态系统服务, 探讨了“三生”用地变化对生态系统服务及农户生计的影响, 以期为山区小流域尺度生态经济协同发展提供一定的决策参考。
1. 研究区概况与数据来源
1.1 研究区概况
洞阳坡小流域位于太行山区中南段西麓地带井陉县内(114°08′00″~14°11′00″E, 37°51′00″~37°52′30″N), 面积为526.59 hm2 (图1)。最高海拔为1118 m, 最低海拔为492 m。气候属温带大陆性季风气候, 四季分明, 夏季凉爽多雨, 是避暑度假胜地, 冬季由于地势挡住西北冷空气直接入侵, 气候温和, 2020年平均气温11.2 ℃, 年降雨量692.3 mm, 其中7—9月份为雨季, 降雨量约为435.4 mm, 占全年降雨量的62.89%。
小流域内仅有两个行政村, 包含苍岩山镇洞阳坡村和南王庄乡皂门沟村, 人口数量少, 且存在人口迁移, 外来干扰较少, 洞阳坡小流域所在的井陉县又是典型的山区贫困县, 交通不便导致的经济落后和生态的脆弱相叠加, 使得研究区贫困程度加深。
为绿化荒山和脱贫, 洞阳坡小流域选择了本地具有经济价值的优势种连翘(Forsythia suspensa)进行大面积种植, 并进行了一系列的省级森林公园开发活动。洞阳坡小流域整体是典型的人工林生态系统, 小流域内植被主要以人工林为主, 自2001年起人工种植了连翘80万株、香椿(Toona sinensis) 10万株、毛梾(Cornus walteri) 5万株, 同时还分散种植了杜梨(Pyrus betulifolia)、黄栌(Cotinus coggygria)、楸树(Sorbus pohuashanensis)、合欢(Albizia julibrissin)、栾树(Koelreuteria paniculata)、刺槐(Robinia pseudoacacia)等其他树种, 于2009年被评为河北省省级森林公园。
1.2 数据来源
本文数据主要包括土地利用、高程(DEM)、矢量及社会经济数据。土地利用数据来源于2000年Landsat遥感影像、2010年SPOT-5遥感影像和2020年GF-1遥感影像, 通过几何校正、图像配准、人工目视解译等预处理, 参照《土地利用现状分类》(GB/T 21010—2017)[10]和刘纪远等[11]的分类方法, 将土地利用分为林地、耕地、草地、建设用地、未利用地、水域6类, 同时根据实地调研将林地细分为香椿林地、毛梾林地、连翘林地和其他林地4类。DEM数据来源于地理空间数据云(http://www.gscloud.cn/), 分辨率为30 m×30 m; 矢量数据来源于《河北洞阳坡省级森林公园总体规划》; 社会经济数据来源于洞阳坡小流域农户问卷调查数据。
2. 研究方法
2.1 “三生”用地变化
本文根据前人拟定的“三生空间”分类方案[12-14], 以突出主体功能为原则, 基于洞阳坡小流域的土地利用类型, 构建了适宜洞阳坡小流域的“三生”用地分类体系(表1)。“三生”用地动态变化研究通过转移矩阵模型实现, 根据转移矩阵, 可以计算不同用地数量的转入面积和转出面积。
表 1 洞阳坡小流域“三生”用地分类体系Table 1. Classification system of “Production-Living-Ecological” lands in Dongyangpo watershed用地分类 Land classification 土地利用类型 Land use type 生态用地 Ecological land 草地 Grassland 连翘林地 Forsythia suspensa forest land 毛梾林地 Cornus walteri forest land 香椿林地 Toona sinensis forest land 其他林地 Other forest lands 水域 Waters 未利用地 Unused land 生产用地 Land for production 耕地 Cultivated land 生活用地 Living land 建设用地 Land used for building 2.2 生态系统服务评估及参数修订
生态系统服务是指人类能从生态系统中获取的价值量, 当量法是生态系统服务计算最常用的方法, 但在小流域尺度上还需要进一步优化。本文参考谢高地等[15]推算的我国陆地生态系统服务价值当量, 结合洞阳坡小流域实际情况, 利用自然修订系数和人文修订系数调整生态系统服务当量因子。自然修正系数参考Gao等[16]利用植被净初级生产力(NPP)修订的太行山区生态系统服务价值当量表, 人文系数利用洞阳坡小流域人均收入与全国收入的比值进行调整, 通过农户问卷调查得出洞阳坡小流域2020年人均收入为25 680元, 对比同期全国人均收入为32 189元, 得出人文修订系数为0.798。
连翘果实是优质的中药原材料, 连翘叶可制作为连翘茶; 毛梾是木本油料植物, 毛梾果实含油达27%~38%, 可供食用或作高级润滑油, 油渣也可作饲料。通过专家咨询和市场调查得知连翘生产价值约9万元∙hm−2, 毛梾生产价值约为75万元∙hm−2, 因此按价值比例调整了连翘林地和毛梾林地的原材料生产服务当量。
同时, 连翘树姿优美, 花期长、花量多, 盛开时满枝金黄, 芬芳四溢, 令人赏心悦目, 其根系发达, 具有良好的水土保持作用, 是国家推荐的退耕还林优良生态树种和黄土高原防治水土流失的最佳经济作物, 因此适当提高了连翘的土壤保持服务和美学景观服务的当量因子。鉴于香椿叶可食用, 因此将香椿的食品生产服务当量调整为与旱地相同。
经过调整后, 最终得到洞阳坡小流域单位面积生态系统服务当量表(表2)。
表 2 修订后的洞阳坡小流域生态系统服务价值当量表Table 2. Revised ecosystem services value equivalents of Dongyangpo watershed土地利用类型
Land use type供给服务
Supply service调节服务
Regulatory service支持服务
Support service文化服务
Cultural service一级分类
Primary classification二级分类
Secondary classificationFP RMP WS GR CR EC HR SC NCM BM AL 耕地
Cultivated land旱地
Dry land0.51 0.24 0.02 0.40 0.22 0.06 0.16 0.61 0.07 0.08 0.04 林地
Woodland连翘林地
Forsythia suspensa forest land0.10 6.09 0.12 0.77 2.30 0.69 1.82 1.35 0.07 0.85 0.38 毛梾林地
Cornus walteri forest land0.10 50.73 0.12 0.77 2.30 0.69 1.82 0.93 0.07 0.85 0.38 香椿林地
Toona sinensis forest land0.51 0.23 0.12 0.77 2.30 0.69 1.82 0.93 0.07 0.85 0.38 其他林地
Other forest lands0.10 0.23 0.12 0.77 2.30 0.69 1.82 0.93 0.07 0.85 0.38 草地
Grassland草原
Grassland0.10 0.14 0.08 0.52 1.37 0.45 1.00 0.63 0.05 0.57 0.26 建设用地
Land used for building建设用地
Land used for building0 0 0 0 0 0 0 0 0 0 0 未利用地
Unused land裸地
Naked land0 0 0 0.02 0 0.08 0.02 0.02 0 0.02 0.01 水域
Waters水系
River system0.30 0.09 3.15 0.30 0.87 2.11 38.89 0.35 0.02 0.97 0.72 FP: 食品生产; RMP: 原材料生产; WS: 水资源供给; GR: 气体调节; CR: 气候调节; EC: 净化环境; HR: 水文调节; SC: 土壤保持; NCM: 维持养分循环; BM: 生物多样性; AL: 美学景观。FP: food production; RMP: raw material production; WS: water supply; GR: gas regulation; CR: climate regulation; EC: clean the environment; HR: hydrological regulation; SC: soil conservation; NCM: maintain nutrient cycle; BM: biodiversity; AL: aesthetic landscape. 利用修正后的生态服务价值当量因子进行计算, 公式如下:
$$ \mathrm{E}\mathrm{S}\mathrm{V}=\sum_{j=1}^{m}\sum _{i=1}^{n}{E}_{ij}\times {S} _{j} $$ (1) $$ {E}_{{ij}}={E}_{{\rm{a}}}\times {e}_{ij} $$ (2) 式中: ESV为区域生态系统服务功能的总价值(元),
${S} _{j}$ 是j类型生态系统面积(hm²),$ {E}_{ij} $ 是第j类生态系统第i项生态系统服务的单位面积价值(元∙hm−2), m为生态系统服务总数, n为生态系统类型总数,$ {E}_{\mathrm{a}} $ 为单位面积自然农田生态系统食物生产价值(元∙hm−2),$ {e}_{ij} $ 为表2中的当量因子。2.3 农户生计调查
农户生计的数据来自于2021年3—4月在洞阳坡小流域进行实地入户调查, 采用不重复抽样的方法随机抽取农户进行调查。为保证信息的准确性, 数据调查利用开放式问卷通过采访农户获取该家庭2000年和2020年社会经济等相关数据, 最后收回有效农户生计调查问卷50份, 并运用Excel软件进行数据的汇总与分析。
3. 结果与分析
3.1 “三生”用地变化
基于遥感解译数据得到洞阳坡小流域2000年、2010年和2020年土地利用分布图(图2), 2000—2020年间, 洞阳坡小流域土地利用变化主要表现为草地面积的减少以及香椿林地、毛梾林地、连翘林地和其他林地4类林地面积的增加。根据2000—2020年3期的土地利用分类数据, 结合表1中的“三生”用地功能分类方法, 得到洞阳坡小流域“三生”用地分布图(图3), 2000—2020年间生态用地为洞阳坡小流域的主要类型。
![]()
图 2 洞阳坡小流域2000—2020年土地利用分布图Figure 2. Land use distribution of Dongyangpo watershed from 2000 to 2020![]()
图 3 洞阳坡小流域2000—2020年“三生”用地分布图Figure 3. Distribution of “Production-Living-Ecological” lands in Dongyangpo watershed from 2000 to 2020为细化“三生”用地的动态变化程度, 探讨了洞阳坡小流域“三生”用地空间格局的演变特征。研究时段内, 洞阳坡小流域生态用地于2000—2010年减少9.2×103 m2, 2010—2020年增加1.38×104 m2; 生产用地2000—2020年总面积减少1.62×104 m2; 生活用地在研究期内总面积增加0.16×104 m2。总体上, 洞阳坡小流域“三生”用地结构基本保持不变(表3)。
表 3 洞阳坡小流域2000—2020年“三生”用地结构变化情况Table 3. Change of “Production-Living-Ecological” land structure in Dongyangpo watershed from 2000 to 2020用地分类
Land classification2000 2010 2020 面积
Area (×104 m2)比例
Proportion (%)面积
Area (×104 m2)比例
Proportion (%)面积
Area (×104 m2)比例
Proportion (%)生态用地 Ecological land 509.00 96.66 508.09 96.49 509.47 96.75 生活用地 Living land 3.99 0.57 4.05 0.77 4.15 0.79 生产用地 Production land 14.60 2.77 14.46 2.74 12.98 2.46 为进一步探明洞阳坡小流域“三生”用地格局演变的具体情况, 分别构建了洞阳坡小流域2000—2010年和2010—2020年“三生”用地转移矩阵(表4)。结果表明, 2000—2010年, 洞阳坡小流域生活用地的增加主要来源于对生态用地和生产用地的侵占。洞阳坡小流域“三生”用地各类型两两相互转换的情况较少, 仅有生态用地向生活用地、生产用地向生活用地的转换, 其中生态用地转出面积最多, 达0.92×104 m2, 占转移总面积的86.79%。2010—2020年, 生态用地和生产用地向生活用地转移的面积幅度降低, “三生”用地变化主要表现为生产用地向生态用地的转变, 生产用地转出面积达1.44×104 m2, 占转移总面积的96.64%。
表 4 2000—2010年和2010—2020年洞阳坡小流域“三生”用地转移矩阵Table 4. Land transfer matrixs of “Production-Living-Ecological” lands in Dongyangpo watershed from 2000 to 2010 and 2010 to 2020生态用地 Ecological land 生活用地 Living land 生产用地 Ecological land 总计 Total 2000 ×104 m2 2010 生态用地 Ecological land 508.09 508.09 生活用地 Living land 0.92 2.99 0.14 4.05 生产用地 Land for production 14.46 14.45 总计 Total 509.00 2.99 14.60 526.59 2010 2020 生态用地 Ecological land 508.03 1.44 509.47 生活用地 Living land 0.05 4.05 0.05 4.15 生产用地 Production land 12.98 12.98 总计 Total 508.09 4.05 14.46 526.59 3.2 生态系统服务对“三生”用地变化的响应
3.2.1 生态系统总服务价值
将生态服务价值当量因子(表2)与“三生”用地面积相乘, 可得出2000—2020年洞阳坡小流域各空间类型的生态系统服务价值(表5)。
表 5 洞阳坡小流域2000—2020年“三生”用地的生态系统服务价值Table 5. Ecosystem services values of “Production-Living-Ecological” lands in Dongyangpo watershed from 2000 to 2020用地类型
Land classification生态服务价值 Ecosystem service value (×105 ¥) 变化率 Change rate (%) 2000 2010 2020 2000—2010 2010—2020 生态用地 Ecological land 95.0 234.5 248.1 146.89 5.81 生活用地 Living land 0 0 0 0 0 生产用地 Production land 1.2 1.2 1.1 −0.97 −10.25 从生态系统总服务价值来看, 洞阳坡小流域2000年、2010年和2020年的生态系统服务价值分别为962万元、2356万元和2492万元。其中, 生态用地对生态系统总服务的贡献最大, 在各时段的生态系统总服务均占总量的99%以上。
2000年, 洞阳坡小流域生态系统服务中调节服务>支持服务>供给服务>文化服务, 而2010年和2020年洞阳坡小流域供给服务增加4种服务, 表现为供给服务>调节服务>支持服务>文化服务(图4)。
![]()
图 4 洞阳坡小流域2000—2020年生态系统服务价值Figure 4. Ecosystem service values of Dongyangpo watershed from 2000 to 2020总体而言, 2000—2020年洞阳坡小流域内生态系统服务均处于持续上升趋势, 尤以2000年以后上升明显, 变化率达146.89%。其中, 生态用地的生态系统服务价值处于增长趋势, 共计增加1531.2万元, 主要归因于林地面积的增加使得洞阳坡小流域生态用地的生态系统服务功能得以提升; 生产用地的生态系统服务价值则处于下降趋势, 共计减少1.33万元, 主要归因于耕地面积逐年减少使得其生态系统服务下降; 生活用地生态系统服务始终为0, 所以未发生变化。
3.2.2 单位面积生态系统服务价值
利用ArcGIS 10.4软件, 基于面转栅格功能绘制了2000年、2010年和2020年洞阳坡小流域每公顷的生态系统服务价值的空间差异, 并根据自然断裂点法将单位面积(每公顷)的生态系统服务价值划分为0~1万元、1万~2万元、2万~5万元、5万~20万元和大于20万元共计5个等级(图5)。
![]()
图 5 洞阳坡小流域2000—2020年生态系统服务价值空间分布图Figure 5. Spatial distribution of ecosystem services values in Dongyangpo watershed from 2000 to 2020从单位面积生态系统服务价值来看(图5), 洞阳坡小流域生态系统服务价值在空间上表现为东部和西北部生态系统服务价值相对较高, 西部和中南部生态系统服务相对较低的趋势。西部存在部分未利用地, 同时海拔较高, 人工种植较为困难, 土地利用类型主要为草地导致西部生态系统服务价值与林地相比相对较低。同时, 由于洞阳坡小流域内的建设用地主要位于中南部, 所以中南部生态系统服务较低。
从4种生态系统服务类型来看(表6), 2000—2020年, “三生”用地的4种生态系统服务功能也呈现出不同的趋势, 生态用地单位面积供给服务、调节服务、支持服务和文化服务等的价值逐年提高, 生产用地和生活用地单位面积的4种生态系统服务价值不变。其中生态用地生态系统服务2000年以调节服务为主, 2010年和2020年以供给服务和调节服务为主, 而在生产用地中除文化服务外, 其余3种服务功能都是生产用地的主体功能。
表 6 洞阳坡小流域2000—2020年“三生”用地单位面积生态系统服务价值Table 6. Ecosystem services per unit area of “Production-Living-Ecological” lands in Dongyangpo watershed from 2000 to 2020用地类型
Land classification2000 2010 2020 生态用地
Ecological land生产用地
Production land生活用地
Living land生态用地
Ecological land生产用地
Production land生活用地
Living land生态用地
Ecological land生产用地
Production land生活用地
Living land¥∙hm−2 供给服务
Supply service1833.89 2609.65 0 21 277.84 2609.65 0 21 384.69 2609.65 0 调节服务
Regulatory service11 558.68 2854.31 0 17 041.52 2854.31 0 18 916.77 2854.31 0 支持服务
Support service4362.27 2609.65 0 6367.93 2609.65 0 6836.32 2609.65 0 文化服务
Cultural service902.21 135.92 0 1457.23 135.92 0 1557.01 135.92 0 3.2.3 生态系统服务对“三生”用地转型的响应
根据前文研究表明, 洞阳坡小流域在2000年至2020年“三生”用地结构基本保持不变, 而根据表5的结果, 2020年洞阳坡小流域生态系统服务价值比2000年共提高1531.2万元, 因此需要进一步探明生态系统服务对“三生”用地转型的响应。
结合土地利用转移矩阵(表4)与生态系统服务当量因子表(表2), 计算得出2000—2020年洞阳坡小流域“三生”用地转型导致的生态系统服务变化(图6、表7)。
![]()
图 6 2000—2020年洞阳坡小流域生态系统服务变化的空间分布图Figure 6. Spatial distribution of ecosystem services change in Dongyangpo watershed from 2000 to 2020表 7 2000—2020年洞阳坡小流域“三生”用地转型导致的生态系统服务价值变化Table 7. Changes of ecosystem service values caused by “Production-Living-Ecological” land use transformation in Dongyangpo watershed from 2000 to 2020“三生”用地转型方式
Transformation of “Production-Living-Ecological” lands面积
Area
(hm²)生态系统服务价值 Ecosystem services value (×104 ¥) 2000年转换前
Before conversion in 20002020年转换后
After conversion in 2020增加值
Added value生态用地→生态用地
Ecological land → ecological land草地→香椿林地
Grassland → Toona sinensis forest land28.81 50.75 85.06 34.31 草地→毛梾林地
Grassland → Cornus walteri forest land33.33 58.71 667.27 608.56 草地→连翘林地
Grassland → Forsythia suspensa forest land225.97 398.05 1133.85 735.80 草地→其他林地
Grassland → other forest lands146.42 257.92 411.44 153.52 草地→水域
Grassland → waters0.69 1.22 11.23 10.01 未利用地→其他林地
Unused land → other forest lands1.41 0.08 3.96 3.88 生产用地→生态用地
Production land → ecological land耕地→连翘林地
Cultivated land → Forsythia suspensa forest land1.44 1.18 7.23 6.05 生态用地→生活用地
Ecological land → living land草地→建设用地
Grassland → land used for building0.97 1.71 0.00 −1.71 生产用地→生活用地
Production land → living land耕地→建设用地
Cultivated land → land used for building0.19 0.16 0.00 −0.16 结果表明: 洞阳坡小流域生态系统服务提高的主要原因是生态用地内部功能的变化, 生态用地内部功能转变, 但生态用地总面积保持不变, 具体到各土地利用类型, 表现为大量草地转化为以连翘为代表的林地, 如香椿林地、毛梾林地和其他林地, 其中草地转为香椿林地增加34.31万元的生态系统服务, 转为毛梾林地增加608.56万元, 转为连翘林地增加735.80万元, 转为其他林地增加153.52万元, 共提高1532.19万元的生态系统服务, 占生态系统总服务提高量的99.95%, 说明这部分生态用地内部功能的变化对于洞阳坡小流域生态系统服务的提升起到了主导作用。
此外, 鉴于连翘带来的经济效益高, 自2010年起, 洞阳坡小流域内部分耕地转为连翘林地, 使得生态系统服务也有所增加, 促进了当地农户生计及生态效益的提升。总体来说, 洞阳坡小流域主要通过人工造林和退耕还林等措施提高生态系统服务价值。生态系统服务价值提高的同时, 生活用地对其他用地的侵入也对当地生态环境产生了损耗, 降低了生态环境质量, 尤其以生活用地对生态用地的侵入影响最大, 共有0.97×104 m2生态用地转为生活用地, 降低了生态系统服务, 且少量的生产用地向生活用地的转移降低了生态系统服务价值。生态系统服务降低主要由于洞阳坡省级森林公园的建设对生态用地和生产用地的侵占。
总体而言, 洞阳坡小流域生态系统服务价值提高的主要原因是生态用地中大量的草地转化为以连翘为代表的林地, 共提高1532.19万元的生态系统服务价值, 林地生态系统服务价值的提高对生态系统总服务价值提高的贡献率为99.95%。
3.3 生态系统服务价值增加对农户生计的贡献
3.3.1 连翘林地供给服务价值的增加量
基于解译的洞阳坡小流域土地利用数据和改进的生态系统服务当量因子表, 得到洞阳坡小流域和连翘林地的生态系统服务价值(表8)。
表 8 2000—2020年洞阳坡小流域及其连翘林地的生态系统服务增加量Table 8. Ecosystem services value increase in Dongyangpo watershed and Forsythia suspensa forest land from 2000 to 2020项目
Item洞阳坡小流域
Dongyangpo watershed连翘林地
Forsythia suspensa forest land2000 2020 增加量 Increase 2000 2020 增加量 Increase 生态系统总服务 Total ecosystem services (104 ¥) 961.63 2491.50 1529.87 91.13 1091.71 1000.58 供给服务 Supply service (104 ¥) 97.16 1092.87 995.71 39.04 467.67 428.63 从生态系统总服务来看, 2000年到2020年洞阳坡小流域生态系统服务增加1529.87万元, 20年来小流域内大量的草地转化为以连翘为代表的林地, 即“三生”用地内部结构变化下, 洞阳坡小流域生态系统总服务显著提高。通过大量种植本地优势树种连翘, 连翘林地的生态系统总服务增加1000.58万元, 占小流域生态系统服务增加的65.40%, 说明连翘林地的生态系统服务占比高, 在小流域起着至关重要的作用。
从供给服务来看, 洞阳坡小流域和连翘林地的供给服务价值的增加量分别为995.71万元和428.63万元, 连翘林地供给服务价值的增加量占小流域供给服务价值增加量的43.05%, 占小流域生态系统总服务价值增加量的28.02%, 可见连翘林地的供给服务对小流域生态系统总服务的重要性。
生态系统服务就是生态系统对人类提供的各种福祉, 供给服务对小流域农户福祉的贡献最为直观, 是农户基本物质需求得到满足的根本来源, 连翘林地生态系统服务供给效益的提高能增加农户收入, 进而影响农户生计。
3.3.2 连翘林地供给服务对农户生计的贡献
为研究连翘林地供给服务对农户生计的贡献, 进行了洞阳坡小流域农户生计调研。参与问卷调查的农户中, 受访者以男性居多, 共32人, 占调查总数的64%。受访者以年龄较大的居多, 40岁以上的受访者共45人, 占总数的90%, 40岁以下的仅有5人。这主要是因为年轻人多在外打工, 在家务农的以中老年人为主。在所有受访者中, 初中及以下文化程度的有34人, 占总数的68%, 本科及以上仅有2人, 说明受访农户整体文化水平较低。整体上, 受访者年龄大、男性多、文化水平低。
据调查统计, 2000年月收入在1000元以下的为39户, 而在2020年仅有2户, 2000年每户耐用消费品数量平均值为0.78, 2020年增加为3.36。小流域内原有建档立卡贫困户11户26人, 截至2020年底已全部脱贫。
通过分析小流域农户基于连翘林地提供的供给服务获得的收入占总收入的比值(图7), 发现在参与调查的农户中, 共有66%的农户通过受益于连翘林地带来的供给服务获得了收入, 且有20%的农户收入显著提高。
![]()
图 7 洞阳坡小流域连翘收入占总收入的比值Figure 7. Ratio of Forsythia suspensa income to total income in Dongyangpo watershed同时, 通过对比分析2000年和2020年洞阳坡小流域农户收入来源(图8), 研究表明以连翘为代表的人工林的种植改变了洞阳坡小流域的收入结构, 使得农户收入多样化。2000年洞阳坡小流域农户收入以务农为主, 由于耕地质量不佳、水资源缺乏等问题所致的收入不稳定一直是农户的困扰。到2020年, 连翘的大规模种植拓宽了农户家庭的收入来源, 农户通过连翘采摘能获得一定的收入, 每年3、4月连翘开花引来大规模游客参观, 游客购买柴鸡蛋等山区农产品也能带动更多的农户做小生意增加收入, 同时农户也可以通过洞阳坡小流域内森林公园建设打工和外出打工的形式获得收入。
![]()
图 8 洞阳坡小流域2000年和2020年收入来源A、B、C、D和E分别代表务工、务农、养殖、做生意和采摘连翘。A, B, C, D and E represent working, farming, breeding, doing business and picking Forsythia suspensa, respectively.Figure 8. Income sources of Dongyangpo watershed in 2000 and 2020总体上, 连翘林地生态系统服务供给效益的提高增加了洞阳坡小流域的农户收入, 与2000年相比, 2020年洞阳坡小流域农户月收入有所提高, 共有66%的农户通过连翘林地的供给服务获得了收入, 且有20%的农户收入显著提高。同时, 连翘种植还拓宽了农户收入来源, 使得农户生计多样化。连翘种植带来的“三生”用地变化对农户收入来源结构起到了优化调整的作用。
4. 讨论与结论
4.1 讨论
4.1.1 基于特定区域的当量因子法的修正
本文通过对洞阳坡小流域“三生”用地结构变化和生态系统服务的研究, 探明了生态用地对生态系统服务的贡献最大, 主要表现为人工造林后林地面积的增加带来了区域生态系统服务价值的提高, 这与彭媛媛[17]在太行山西部的研究结果相同, 由于林地在总生态服务价值中贡献率较高, 林地面积的增加显著提高了生态系统服务价值。
就研究方法而言, 本文在使用当量法的过程中, 为减少当量表与研究区现状的脱节, 结合洞阳坡小流域实际情况, 综合自然因素和人文因素进行了系数修正, 并通过专家咨询和市场调查获得连翘、毛梾的生产价值, 进一步按价值比例调整了原材料生产服务当量。宋敏敏等[18]和Renetzeder等[19]曾指出要想准确获取区域的生态系统服务价值, 唯一方法就是采用特定区域生态系统服务的特定单位。这种基于特定区域的当量因子法的修正结果具有的高精度和可信服度, 有利于展现小流域人工造林后的实施效果, 也有利于提高小流域内农户对生态效益的重视程度。
当然, 本研究在修正方法上有待完善, 虽然本文以NPP和人均收入为代表综合考虑了影响生态系统服务价值的自然因素和人文因素, 但洞阳坡小流域是太行山区典型的过渡性地理空间, 在人文自然复合作用下, 影响其生态系统服务价值的因素有很多, 如地貌、气候变化、生物多样性、城市化等。因此, 还需要进一步的探索, 以便构建更为精准的生态系统服务估算模型。
4.1.2 连翘林地带来生态效益与经济效益的权衡
我国是全球人工林总面积贡献最大的国家, 人工林面积达7.9×1011 m2, 占全球人工林总面积的28.4%和中国森林总面积的38.0%, 然而我国人工林总体上质量不高, 经济效益和生态效益也较低, 急需提升人工林的质量及其多种生态系统服务功能[20]。人工种植下如何权衡好生态效益和经济效益的关系是当前面临且亟需解决的科学问题。
洞阳坡小流域通过大面积人工种植本地优势树种连翘使得土地利用功能发生变化, 在未破坏环境的情况下, 不仅提升了洞阳坡小流域的生态系统服务, 还带来了一定的经济效益, 提高了小流域内农户的生活水平, 实现了生态、经济的双重发展。在小流域的生态系统供给服务中, 连翘的原材料供给服务是农户维持生计与小流域直接经济效益的体现。在农户调查中也发现, 洞阳坡小流域内有76%的受访者参与了连翘种植, 并且100%的受访者表示支持连翘种植, 他们愿意为小流域保护做出贡献可能是由于他们需要从中获取经济价值。
而在埃塞俄比亚高地贝雷萨流域, 农户在流域内陡坡上扩大耕作、大面积破坏自然植被导致水土流失加剧, 虽然这种模式能获得短期的经济效益, 但会加大流域内生态效益与经济效益的不均衡, 并不能保证该流域的长期可持续发展[6]。委内瑞拉安第斯山脉小流域中通过种植咖啡(Coffea arabica)取代了大面积的天然林, 农户收入提高但生态环境被破坏, 山体滑坡和洪水风险加大, 生态系统服务降低[21]。可见在小流域开展适当的人文经济活动对于小流域可持续管理, 发展生态效益和经济效益协同作用至关重要。
太行山区面临人口、资源、环境三重压力, 本研究可为太行山区的生态经济协同发展提供一定的理论依据。连翘是洞阳坡小流域本地的优势树种和经济树种, 建议后期对小流域内的生态用地进行重点保护, 更好地发挥连翘种植的生态效益及经济效益。
4.2 结论
本文基于“三生”视角, 利用GIS空间分析与数理统计方法, 分析了2000—2020年间生态系统服务和农户生计对洞阳坡小流域“三生”用地结构变化的响应, 结论如下:
1) 20年来, 洞阳坡小流域“三生”用地结构比例基本保持不变, 呈现出生态用地>生产用地>生活用地; 但生态用地内部的土地利用方式发生了变化, 具体表现为人文作用下, 主要表现为草地面积减少和林地面积增加, 尤其当地优势树种连翘种植面积显著增加。
2)洞阳坡小流域生态用地对生态系统服务总价值的贡献大, 在各时段其生态服务价值均占总量的99%以上。洞阳坡小流域生态系统服务价值在空间上表现为东部和西北部相对较高, 西部和中南部相对较低的趋势。
3) 20年来, 洞阳坡小流域内“三生”用地结构比例不变, 但生态系统服务价值却显著提高, 增加146.89%, 其主要原因是生态用地中大量草地转化为以连翘林为代表的林地, 由此增加的生态服务价值对生态系统服务总价值提高的贡献率为99.95%。
4) 20年来, 洞阳坡小流域农户生计水平有所改善, 连翘林地供给服务的增加占小流域供给服务增加的43.05%, 占小流域生态系统总服务增加的28.02%, 连翘林地生态系统服务供给效益的提高增加了洞阳坡小流域的农户收入, 连翘种植带来的“三生”用地变化对农户收入来源结构也起到了优化调整的作用。
-
![]()
图 1 研究区域不同样点布设方案的样点分布图
Figure 1. Samples distribution of different sampling methods in the study area
![]()
图 2 不同样点布设方案下基于普通克里金插值的土壤呼吸空间分布特征(上:无短距离样点; 下: 10%短距离样点)
Figure 2. Spatial distribution of soil respiration rate based on Ordinary Kriging interpolation under different sampling methods (top: no short distance samples; bottom: with 10% short distance samples)
![]()
图 3 不同样点布设方案下土壤呼吸速率预测相关系数和均方根预测误差(RMSE)随短距离样点占比增加的变化
Figure 3. Variation of estimation correlation coefficient and root mean square prediction error (RMSE) of soil respiration rate with the proportion of short distance samples under different sampling methods
表 1 不同样点设计方案的样点布设方法
Table 1 Sample layout of different sampling methods
布点方案
Sampling method基础布点方法
Basic sampling method短距离样点数
Short distance samples number1)a 规则格网点(49个样点)
Regular grid (7×7 unit with plots spacing of 167 m)样点总数的0~14%, 0~7个逐个增加
0-7 (0-14% of total samples) short distance samplesb 完全随机点(49个样点)
Completely random (49 samples, average samples spacing 433 m)样点总数的0~14%, 0~7个逐个增加
0-7 (0-14% of total samples) short distance samplesc 规则格网点(9个样点)+完全随机点(40个)
Regular grid (9 samples) and completely random (40 samples)样点总数的0~14%, 0~7个逐个增加
0-7 (0-14% of total samples) short distance samples1)在增加短距离样点数的同时, 相应随机减少常规布设的样点数。1) The total number of every sampling method is kept the same at 49 samples, including basic samples and short distance samples, i.e. with the increase of short distance samples number, the basic samples number decreased. 
下载: 导出CSV
表 2 不同样点布设方案下土壤呼吸速率的描述性统计结果
Table 2 Descriptive statistical results of soil respiration rate of different sampling methods
布点设计Sampling method 最小值
Min (μmol∙m-2∙s-1)最大值
Max (μmol∙m-2∙s-1)平均值
Average (μmol∙m-2∙s-1)标准差
Standard deviation (μmol∙m-2∙s-1)偏度
Skewness峰度
Kurtosis变异系数
Coefficient of variation (%)K-S检验(P值)
K-S test (P value)基础布点方法
Basic method短距离样点比
Ratio of short distance samples (%)全部采样点All sampling 1.16 4.88 2.65 0.72 0.58 0.41 27 0.84 规则格网
Regular grid0 1.58 4.88 2.89 0.76 0.72 –0.21 26 0.92 10 1.58 4.88 2.86 0.74 0.71 –0.18 26 0.91 完全随机
Completely random0 1.16 4.88 2.49 0.65 0.38 0.50 26 0.91 10 1.16 4.88 2.51 0.64 0.35 0.55 26 0.91 规则格网+完全随机
Regular grid + completely random0 1.16 4.28 2.55 0.67 0.26 0.18 26 0.86 10 1.16 4.28 2.61 0.67 0.28 0.15 26 0.86
下载: 导出CSV
表 3 不同样点布设方案下土壤呼吸空间半变差函数模型及参数
Table 3 Semi-variation function models and parameters of soil respiration under different sampling methods
基础布点方法
Basic sampling method模型
Model模型参数
Model parameter短距离样本点占比Ratio of short distance samples (%) 0 2 4 6 8 10 12 14 规则格网
Regular grid球状
SphericalC0/(C0+C) (%) 48 50 54 60 63 70 69 71 R2 0.58 0.6 0.6 0.6 0.63 0.68 0.67 0.68 C0 0.11 0.08 0.07 0.07 0.08 0.06 0.06 0.06 变程Range (m) 296 325 312 350 314 307 307 301 完全随机
Completely random球状
SphericalC0/(C0+C) (%) 42 49 55 57 62 68 70 70 R2 0.47 0.56 0.57 0.59 0.61 0.62 0.65 0.65 C0 0.16 0.12 0.1 0.1 0.1 0.09 0.08 0.08 变程Range (m) 325 306 249 247 296 315 317 306 规则格网+完全随机
Regular grid + completely random球状
SphericalC0/(C0+C) (%) 55 53 52 56 65 70 71 72 R2 0.68 0.65 0.64 0.69 0.74 0.78 0.8 0.8 C0 0.05 0.03 0.03 0.05 0.05 0.05 0.04 0.03 变程Range (m) 305 289 270 287 295 295 312 308
下载: 导出CSV
表 4 研究区土壤呼吸与土壤温度、土壤水分的 Pearson相关性分析
Table 4 Correlation among soil respiration, soil temperature and soil moisture
土壤呼吸
Soil respiration土壤水分
Soil moisture土壤温度Soil temperature 5 cm 10 cm 土壤呼吸
Soil respiration1.000 0.179 0.020 0.023 土壤水分
Soil moisture1.000 0.044 –0.005
下载: 导出CSV
-
[1] 李玉宁, 王关玉, 李伟.土壤呼吸作用和全球碳循环[J].地学前缘, 2002, 9(2):351-357 doi: 10.3321/j.issn:1005-2321.2002.02.013 LI Y N, WANG G Y, LI W, et al. Soil respiration and carbon cycle[J]. Earth Science Frontiers, 2002, 9(2):351-357 doi: 10.3321/j.issn:1005-2321.2002.02.013
[2] LARK R M, MARCHANT B P. How should a spatial-coverage sample design for a geostatistical soil survey be supplemented to support estimation of spatial covariance parameters?[J]. Geoderma, 2018, 319:89-99 doi: 10.1016/j.geoderma.2017.12.022
[3] STEIN M L. Interpolation of Spatial Data[M]. New York:Springer New York, 1999
[4] HASKARD K A, CULLIS B, VERBYLA A P. Anisotropic Matérn correlation and spatial prediction using REML[J]. Journal of Agricultural, Biological, and Environmental Statistics, 2007, 12(2):147-160 doi: 10.1198/108571107X196004
[5] 杨琳, 朱阿兴, 秦承志, 等.一种基于样点代表性等级的土壤采样设计方法[J].土壤学报, 2011, 48(5):938-946 http://d.old.wanfangdata.com.cn/Periodical/trxb201105006 YANG L, ZHU A X, QIN C Z, et al. A soil sampling method based on representativeness grade of sampling points[J]. Acta Pedologica Sinica, 2011, 48(5):938-946 http://d.old.wanfangdata.com.cn/Periodical/trxb201105006
[6] 申祥民, 雷晓云, 陈大春, 等.不同布点方式的膜下滴灌棉田土壤水分的空间变异研究[J].新疆农业大学学报, 2010, 33(4):363-368 doi: 10.3969/j.issn.1007-8614.2010.04.018 SHEN X M, LEI X Y, CHEN D C, et al. Study on spatial variability of cotton soil moisture parameter under mulch drip irrigation at different sampling point[J]. Journal of Xinjiang Agricultural University, 2010, 33(4):363-368 doi: 10.3969/j.issn.1007-8614.2010.04.018
[7] WANG X J, QI F. The effects of sampling design on spatial structure analysis of contaminated soil[J]. Science of the Total Environment, 1998, 224(1/2/3):29-41 doi: 10.1016-S0048-9697(98)00278-2/
[8] BHATTACHARJEE S, MITRA P, GHOSH S K. Spatial interpolation to predict missing attributes in GIS using semantic kriging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(8):4771-4780 doi: 10.1109/TGRS.2013.2284489
[9] 杨顺华, 张海涛, 郭龙, 等.基于回归和地理加权回归Kriging的土壤有机质空间插值[J].应用生态学报, 2015, 26(6):1649-1656 http://d.old.wanfangdata.com.cn/Periodical/yystxb201506007 YANG S H, ZHANG H T, GUO L, et al. Spatial interpolation of soil organic matter using regression Kriging and geographically weighted regression Kriging[J]. Chinese Journal of Applied Ecology, 2015, 26(6):1649-1656 http://d.old.wanfangdata.com.cn/Periodical/yystxb201506007
[10] 郭龙, 张海涛, 陈家赢, 等.基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较[J].土壤学报, 2012, 49(5):1037-1042 http://d.old.wanfangdata.com.cn/Periodical/trxb201205023 GUO L, ZHANG H T, CHEN J Y, et al. Comparison between co-Kriging model and geographically weighted regression model in spatial prediction of soil attributes[J]. Acta Pedologica Sinica, 2012, 49(5):1037-1042 http://d.old.wanfangdata.com.cn/Periodical/trxb201205023
[11] 李艳, 史舟, 徐建明, 等.地统计学在土壤科学中的应用及展望[J].水土保持学报, 2003, 17(1):178-182 doi: 10.3321/j.issn:1009-2242.2003.01.046 LI Y, SHI Z, XU J M, et al. Utilization and perspective of geostatistics in soil sciences[J]. Journal of Soil and Water Conservation, 2003, 17(1):178-182 doi: 10.3321/j.issn:1009-2242.2003.01.046
[12] 贾振宇, 张俊华, 丁圣彦, 等.基于GIS和地统计学的黄泛区土壤磷空间变异——以周口为例[J].应用生态学报, 2016, 27(4):1211-1220 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yystxb201604026 JIA Z Y, ZHANG J H, DING S Y, et al. Spatial variation of soil phosphorus in flooded area of the Yellow River based on GIS and geo-statistical methods:A case study in Zhoukou City, Henan, China[J]. Chinese Journal of Applied Ecology, 2016, 27(4):1211-1220 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yystxb201604026
[13] 于伟宣, 赵明松, 王萌, 等.采样数量与空间插值方法对土壤属性预测精度的影响[J].科学技术与工程, 2017, 17(25):186-191 doi: 10.3969/j.issn.1671-1815.2017.25.030 YU W X, ZHAO M S, WANG M, et al. Effects of sampling sizes and spatial interpolation methods on prediction accuracy of soil properties[J]. Science Technology and Engineering, 2017, 17(25):186-191 doi: 10.3969/j.issn.1671-1815.2017.25.030
[14] 张贝尔, 黄标, 赵永存, 等.采样数量与空间插值方法对华北平原典型区土壤质量评价空间预测精度的影响[J].土壤, 2013, 45(3):540-547 doi: 10.3969/j.issn.0253-9829.2013.03.026 ZHANG B E, HUANG B, ZHAO Y C, et al. Effects of sampling sizes and spatial interpolation method on spatial prediction accuracy of soil fertility quality index in the major grain-producing region of the North China Plain[J]. Soils, 2013, 45(3):540-547 doi: 10.3969/j.issn.0253-9829.2013.03.026
[15] 张恒, 董川成, 牛屾, 等.不同采样方法对细小可燃物含水率预测模型精度的影响[J].中南林业科技大学学报, 2018, 38(5):33-39 http://d.old.wanfangdata.com.cn/Periodical/znlxyxb201805006 ZHANG H, DONG C C, NIU S, et al. Effects of different sampling methods on forecast model accuracy of predicting fuels in forests in Pangu forest farm[J]. Journal of Central South University of Forestry & Technology, 2018, 38(5):33-39 http://d.old.wanfangdata.com.cn/Periodical/znlxyxb201805006
[16] 张忠启, 史学正, 于东升, 等.红壤区土壤有机质和全氮含量的空间预测方法[J].生态学报, 2010, 30(19):5338-5345 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stxb201019025 ZHANG Z Q, SHI X Z, YU D S, et al. Spatial prediction of soil organic matter and total nitrogen in the hilly red soil region, China[J]. Acta Ecologica Sinica, 2010, 30(19):5338-5345 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stxb201019025
[17] OLIVER M A. Geostatistics and its application to soil science[J]. Soil Use & Management, 20103, 3(1):8-20 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=10.1111/j.1475-2743.1987.tb00703.x
[18] 巫振富, 赵彦锋, 程道全, 等.样点数量与空间分布对县域尺度土壤属性空间预测效果的影响[J].土壤学报, 2019, 27(2):1-17 WU Z F, ZHAO Y F, CHEN D Q, et al. Influences of sample size and spatial distribution on accuracy of predictive soil mapping on a county scale[J]. Acta Pedologica Sinica, 2019, 27(2):1-17
[19] 赵明松, 张甘霖, 王德彩, 等.徐淮黄泛平原土壤有机质空间变异特征及主控因素分析[J].土壤学报, 2013, 50(1):1-11 http://d.old.wanfangdata.com.cn/Periodical/trxb201301001 ZHAO M S, ZHANG G L, WANG D C, et al. Spatial variability of soil organic matter and its dominating factors in Xu-Huai alluvial plain[J]. Acta Pedologica Sinica, 2013, 50(1):1-11 http://d.old.wanfangdata.com.cn/Periodical/trxb201301001
[20] 邵娜, 张认连, 张维理, 等.大尺度采样下不同模型方法预测土壤全氮空间分布研究——以海南岛为例[J].中国土壤与肥料, 2015(6):9-17 http://d.old.wanfangdata.com.cn/Periodical/trfl201506003 SHAO N, ZHANG R L, ZHANG W L, et al. Spatial prediction of soil total nitrogen by different methods in large scale-A case study of Hainan Island[J]. Soil and Fertilizer Sciences in China, 2015(6):9-17 http://d.old.wanfangdata.com.cn/Periodical/trfl201506003
[21] 海南, 赵永存, 田康, 等.不同样点数量对土壤有机质空间变异表达的影响[J].土壤学报, 2015, 52(4):783-791 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=trxb201504008 HAI N, ZHAO Y C, TIAN K, et al. Effect of number of sampling sites on characterization of spatial variability of soil organic matter[J]. Acta Pedologica Sinica, 2015, 52(4):783-791 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=trxb201504008
[22] 王志刚, 赵永存, 黄标, 等.采样点数量对长三角典型地区土壤肥力指标空间变异解析的影响[J].土壤, 2010, 42(3):421-428 http://d.old.wanfangdata.com.cn/Periodical/tr201003015 WANG Z G, ZHAO Y C, HUANG B, et al. Effects of sample size on spatial characterization of soil fertility properties in an agricultural area of the Yangtze River Delta Region, China[J]. Soils, 2010, 42(3):421-428 http://d.old.wanfangdata.com.cn/Periodical/tr201003015
[23] 苏晓燕, 赵永存, 杨浩, 等.不同采样点数量下土壤有机质含量空间预测方法对比[J].地学前缘, 2011, 18(6):34-40 http://d.old.wanfangdata.com.cn/Periodical/dxqy201106007 SU X Y, ZHAO Y C, YANG H, et al. A comparison of predictive methods for mapping the spatial distribution of soil organic matter content with different sampling densities[J]. Earth Science Frontiers, 2011, 18(6):34-40 http://d.old.wanfangdata.com.cn/Periodical/dxqy201106007
[24] 杨启红, 陈丽华, 王宇.不同采样密度的土壤水分特征参数预测[J].灌溉排水学报, 2009, 28(3):24-26 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ggps200903007 YANG Q H, CHEN L H, WANG Y. Predicting parameters of soil moisture at different sampling intensities[J]. Journal of Irrigation and Drainage, 2009, 28(3):24-26 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ggps200903007
[25] WANG Y Q, ZHANG X C, ZHANG J L, et al. Spatial variability of soil organic carbon in a watershed on the Loess Plateau[J]. Pedosphere, 2009, 19(4):486-495 doi: 10.1016/S1002-0160(09)60141-7
[26] 刘昊, 曹国军, 耿玉辉, 等.不同农业废弃物还田对土壤碳排放及碳固定的影响[J].水土保持学报, 2016, 30(3):239-243 http://d.old.wanfangdata.com.cn/Periodical/trqsystbcxb201603041 LIU H, CAO G J, GENG Y H, et al. Effects of different agricultural residues on soil carbon emission and carbon fixation[J]. Journal of Soil and Water Conservation, 2016, 30(3):239-243 http://d.old.wanfangdata.com.cn/Periodical/trqsystbcxb201603041
[27] 王珂, 沈掌泉, John S. Bailey, 等.精确农业田间土壤空间变异与采样方式研究[J].农业工程学报, 2001, 17(2):33-36 doi: 10.3321/j.issn:1002-6819.2001.02.009 WANG K, SHEN Z Q, BAILEY J S, et al. Spatial variants and sampling strategies of soil properties for precision agriculture[J]. Transactions of the CSAE, 2001, 17(2):33-36 doi: 10.3321/j.issn:1002-6819.2001.02.009
[28] 范曼曼, 吴鹏豹, 张欢, 等.采样密度对土壤有机质空间变异解析的影响[J].农业现代化研究, 2016, 37(3):594-600 http://d.old.wanfangdata.com.cn/Periodical/nyxdhyj201603026 FAN M M, WU P B, ZHANG H, et al. Effect of sampling density on spatial variability analysis of soil organic matter[J]. Research of Agricultural Modernization, 2016, 37(3):594-600 http://d.old.wanfangdata.com.cn/Periodical/nyxdhyj201603026
[29] 江叶枫, 郭熙, 叶英聪, 等.基于辅助变量和神经网络模型的土壤有机质空间分布模拟[J].长江流域资源与环境, 2017, 26(8):1150-1158 http://d.old.wanfangdata.com.cn/Periodical/cjlyzyyhj201708005 JIANG Y F, GUO X, YE Y C, et al. Simulation of distribution of soil organic matter based on auxiliary variables and neural network model[J]. Resources and Environment in the Yangtze Basin, 2017, 26(8):1150-1158 http://d.old.wanfangdata.com.cn/Periodical/cjlyzyyhj201708005
-
期刊类型引用(34)
1. 韩雨禄，尹娟，杨震，范家杨，李升. 植物营养素（复合寡糖）对滴灌水果番茄生长和土壤酶活性的影响. 节水灌溉. 2024(06): 121-127 . 
百度学术
2. 高勇，齐广平，陈小龙，赵玉平，张荣. 水分调控对牧草生产性能的影响研究进展. 水利规划与设计. 2024(12): 115-119 . 百度学术
3. 乔璐，王齐，段利武，张玉雯. 云南石漠化区草地人工植草对植被及土壤恢复的影响. 中国农学通报. 2024(32): 62-67 . 百度学术
4. 刘育书，曹岭，余舟昌，田兴芳，孙琳，时嘉翊，张伟，谢治国，雷秀云，俞靓，杨培志. 紫花苜蓿生物量分配对植物-土壤化学计量的响应. 草地学报. 2023(04): 1143-1153 . 百度学术
5. 唐仲霞，齐广平，银敏华，康燕霞，马彦麟，汪精海，贾琼，汪爱霞，姜渊博. 水氮调控对无芒雀麦氮磷钾累积、品质及水氮利用的影响. 中国草地学报. 2023(05): 60-70 . 百度学术
6. 刘倬彤，崔媛媛，白柳，王悦骅，宋晓辉，李治国，韩国栋，王忠武. 模拟降水变化对荒漠草原地上、地下生物量及其分配比例的影响. 草地学报. 2023(06): 1632-1639 . 百度学术
7. 孙洪仁，穆尼热·买买提，沙吾列·沙比汗，卜耀军，乔楠. 西北荒漠绿洲区紫花苜蓿土壤氮素丰缺指标和推荐施氮量初步研究. 中国农业大学学报. 2022(02): 87-97 . 百度学术
8. 王新源，马立鹏，程小云，张琴，兰芳芳，李源，唐霞，曲浩，连杰，李玉霖. 不同治沙措施对荒漠绿洲过渡带植物群落与土壤因子的影响. 生态学报. 2022(14): 5869-5883 . 百度学术
9. 陈鑫，焦婷，牧仁，王虎宁，张霞，马淑敏，高永权，李淑艳，齐帅. 氮添加对高寒人工草地垂穗披碱草(Elymus nutans)生长及光合特性的影响. 草地学报. 2022(08): 1964-1971 . 百度学术
10. 黄佳媛，卢轩，李天琦，赵力兴，高凯. 不同灌溉施肥条件对紫花苜蓿株高、产量及肥料利用效率的影响. 草原与草坪. 2022(05): 46-53 . 百度学术
11. 才璐，罗珠珠，王林林，牛伊宁，李玲玲，蔡立群. 施肥对苜蓿土壤水分、养分和产量的影响：基于定位试验数据的Meta分析. 草业科学. 2021(01): 160-170 . 百度学术
12. 陈修斌，蒋梦婷，尹鑫，关博文，杨彬. 水氮配施对绿洲温室黄瓜氮素代谢及产量品质的影响. 土壤与作物. 2021(01): 79-90 . 百度学术
13. 常志杰，王晓雨，陈文娜，刘婧然，马杰，郑云普. 不同生育期水分亏缺对青椒气孔特征、生长过程及生物量的影响. 节水灌溉. 2021(04): 55-61 . 百度学术
14. 王小林，张盼盼，纪晓玲，张静，张雄，乔文渊. 黄土塬区施肥策略对大豆生物量分配及转化积累的影响. 中国农学通报. 2021(33): 23-29 . 百度学术
15. 吴勇，刘晓静，蔺芳，蒯佳琳. 河西灌区蔬菜地轮作紫花苜蓿的施氮效应及土壤碳氮特征. 应用生态学报. 2021(11): 4011-4020 . 百度学术
16. 武文莉，王薇，李艺妆. 交替灌溉下水磷耦合对紫花苜蓿植株性状的影响. 安徽农业科学. 2020(03): 155-157 . 百度学术
17. 文雅，周培，张忠雪，段媛媛，冯甘霖，邓雨森，郭正刚. 施氮和灌溉互作对垂穗披碱草生物量及构成要素的影响. 草业科学. 2020(02): 330-338 . 百度学术
18. 崔政军，刘栋，吴兵，剡斌，马俊，赵邦庆，高玉红，牛俊义. 水氮耦合对旱地胡麻产量形成与花后氮素积累转运的影响. 应用生态学报. 2020(03): 909-918 . 百度学术
19. 康文彦，齐广平，康燕霞，银敏华，马彦麟，张宏斌. 不同灌水模式对禾豆混播人工草地产量与品质的影响. 水利规划与设计. 2020(04): 103-109+131 . 百度学术
20. 才璐，王林林，罗珠珠，李玲玲，牛伊宁，蔡立群，谢军红. 中国苜蓿产量及水分利用效率对种植年限响应的Meta分析. 草业学报. 2020(06): 27-38 . 百度学术
21. 张贞明，李智燕，李晓鹏，任越，李兴海. 不同浅埋滴灌带间距对紫花苜蓿生产的影响. 甘肃畜牧兽医. 2020(12): 70-73 . 百度学术
22. 胡伟，张亚红，李鹏，王小菊，张鹏，何毅，康馨匀. 水氮供应对地下滴灌紫花苜蓿生产性能及水氮利用效率的影响. 草业学报. 2019(02): 41-50 . 百度学术
23. 冯甘霖，文雅，段媛媛，郭正刚. 灌溉量和密度对垂穗披碱草生长性能和物质分配的影响. 草业科学. 2019(08): 2087-2095 . 百度学术
24. 周旭姣，王琦，张登奎，尹鑫卫，李晓玲，刘青林，贾生海. 垄沟集雨种植对土壤水热效应及紫花苜蓿产量的影响. 草业学报. 2019(11): 60-74 . 百度学术
25. 张红，王欣. 微波控制理论在风电苜蓿干燥系统中的应用前景分析. 电脑迷. 2018(09): 224-225 . 百度学术
26. 黄炜，文亦芾. 紫花苜蓿研究进展. 黑龙江畜牧兽医. 2018(13): 42-44+51 . 百度学术
27. 王茜，纪树仁，渠晖，沈益新. 不同土壤水分条件下施氮水平对紫花苜蓿苗期光合作用的影响. 中国草地学报. 2018(01): 49-54 . 百度学术
28. 王小林，徐伟洲，张雄，张岁岐. 黄土塬区夏玉米物质生产及水分利用对品种间作竞争的响应. 中国生态农业学报. 2018(03): 377-387 . 百度学术
29. 文雅，张静，冯萌，郭正刚. 水氮互作对河西走廊紫花苜蓿品质的影响. 草业学报. 2018(10): 76-83 . 百度学术
30. 胡伟，张亚红，李鹏，刘瑞，蔡伟，王小菊. 水氮供应对地下滴灌紫花苜蓿生长特征及草地小气候的影响. 草业学报. 2018(12): 122-132 . 百度学术
31. 闫钟清，齐玉春，彭琴，董云社，贺云龙，李兆林. 模拟降水和氮沉降增加对草地生物量影响的研究进展. 草地学报. 2017(06): 1165-1170 . 百度学术
32. 王亚东，焦健，苏德荣. 调亏度及调亏历时对苜蓿生物量分配与水分利用效率的影响. 草地学报. 2017(06): 1287-1293 . 百度学术
33. 王茜，纪树仁，沈益新. 土壤水分和施氮水平对紫花苜蓿苗期生长的互作效应分析. 草业学报. 2017(12): 48-55 . 百度学术
34. 高娜，张玉龙，刘玉，廖常健，吴汉卿，张玉玲，邹洪涛，虞娜. 水氮调控对小油菜养分吸收、水氮利用效率及产量的影响. 中国生态农业学报. 2017(06): 821-828 . 百度学术
其他类型引用(36)
计量
- 文章访问数: 1486
- HTML全文浏览量: 148
- PDF下载量: 446
- 被引次数: 70
