丁倩 ，张弛 *

1.中国科学院新疆生态与地理研究所/荒漠与绿洲生态国家重点实验室，新疆 乌鲁木齐 830011；2.中国科学院大学，北京 100049；3.中国科学院中亚生态与环境研究中心，新疆 乌鲁木齐 830011

土壤有机碳（soil organic carbon，SOC）是土壤有机化合物中的碳元素。土壤碳储量是地球表层其他各碳库的2倍以上（Batjes，1996），SOC是土壤碳库的重要组成部分，在全球碳循环中扮演着重要角色，间接影响全球气候变化。陆地生态系统作为地球表层系统重要的碳库参与全球碳循环（方精云等，2007；Heimann et al.，2008；Piao et al.，2009；Pan et al.，2011）。中国是全球陆地生态系统的重要组成部分，中国陆地面积约占全球 6.4%，2010年中国土壤SOC储存量为77.79—95.21 Pg（Xu et al.，2019），占全球SOC储量（1359 Pg）的5.72%—7%（Post et al.，1982）。已有研究表明中国陆地生态系统 SOC密度动态显著影响全球碳储量收支平衡（Levine et al.，2008；Piao et al.，2009）。

由于 SOC动态对全球环境可持续发展具有重要意义，因此对影响SOC格局的环境控制因子（包括自然因素和人类干扰）进行解析是全球碳循环研究的关键。国内外学者对 SOC的区域空间分布格局开展了大量研究，包括基于生态过程的模拟（Yu et al.，2012）和基于DSM-时空替代（Stockmann et al.，2015）等方法的近似研究。但当前研究因为缺乏对于影响 SOC空间分布关键因子的综合定量归因分析，造成其评估模型和模型参数的有效性存在争议，导致对 SOC时空分布及变化的研究具有很大的不确定性。对于中等尺度和大尺度 SOC储量估算的不确定性范围处于20%—50%之间（王绍强等，2003）。

目前针对地理事物或现象的空间分布影响因素定量归因的统计学方法极少，地理探测器模型是Wang et al.（2010）、王劲峰等（2017）、Wang et al.（2016）提出的用于检验地理事物现象是否存在空间分异性的工具，最初应用于疾病空间传播与成因分析（Wang et al.，2010），之后在人文经济、自然地理及生态学等领域广泛应用（裴志林等，2019），如城市流动人口房租收入格局影响因素研究（李在军等，2020）、地质灾害影响因子定量研究（刘小青等，2020）、流域景观生态风险时空变化驱动因素研究（张文静等，2020）等。地理探测器模型在分析SOC空间分布影响因子方面在国内也已经有所应用。在较小区域尺度上，多位学者利用地理探测器模型对珠江三角洲地区 SOC影响因子进行分析，如分析土地利用方式、景观特征、坡度、海拔等不同地理因素对固碳能力的影响（Xu et al.，2017），识别珠江三角洲核心区农田耕层 SOC储量的时空变化及其影响因素（任向宁等，2018a），以及构建SOC含量多元复合模型（任向宁等，2018b）及SOC影响因子体系（周伟文，2018）。其他学者通过地理探测器模型对宁夏贺兰山东麓SOC（陈锋等，2020）及宝天曼自然保护区SOC（李理等，2020）空间异质性影响因素进行了研究。在中等区域尺度上，有学者采用地理探测器方法对中国东南部沭阳、如皋和上海3个地区SOC在1981—2011年的时空变化的驱动因素进行了探索（Xie et al.，2020）。目前尚无关于全国大范围尺度 SOC的空间分异性影响因子的研究。

本研究基于已公开的4440个中国土壤样点数据集（徐丽等，2018），采用地理探测器对影响SOC密度空间分布的多个自然和人类相关因子进行量化分析，以期揭示中国 SOC库的主要控制因子并探讨主控因子的空间变异格局，为今后更加准确合理的 SOC储量和分布的空间化模型的构建和参数确定提供科学依据。

1 数据与方法

1.1 SOC的决定因子及其代理变量

SOC密度由碳输入和碳分解决定。碳输入方式包括凋落物等植被残体、动物残体和排泄物、人为施肥等。碳分解主要受土壤温度（Zhou et al.，2019）、土壤湿度（Wiesmeier et al.，2019）等土壤环境因素，以及土壤微生物丰度和土壤酶活性制约（Wieder et al.，2015）。可将影响陆地生态系统SOC密度的空间分布的因素的代理变量归纳为自然因素和人为因素两大类。自然因素包括气候因素、海拔高度因素、植被因素、陆地生态系统类型。人为因素主要是人口密度和土地利用方式。气候因素包含温度和降水，温度和降水首先影响地表生物量以及土壤温度和土壤湿度，进而影响凋落物等 SOC输入和分解。相比深层土壤，通常深度为 0—20 cm的表层SOC含量对气候因素变化的响应更显著。海拔高度因素通过影响温度、降水和光照最终对 SOC含量造成影响（De Brogniez et al.，2014）。植被是SOC输入的重要来源，同时植被量与生物量呈正相关，动植物是碳源，而土壤微生物影响SOC的分解。人口密度是衡量人类活动对 SOC影响程度的重要指标。土地利用方式决定了陆地生态系统的类型（森林生态系统、草地生态系统、湿地生态系统等），每种生态系统都有其特殊的碳输入和碳分解特性因而有机碳储量不同（Xu et al.，2019）。根据以上分析，本研究选取了6个代理变量以分析影响SOC分布的地理因素（图1）。

图1 SOC决定因子及其代理变量Fig.1 SOC determinants and their proxy variables

1.2 数据来源及处理

陆地生态系统表层 SOC密度数据使用徐丽等（2018）在中国科学数据发表的2010s陆地生态系统土壤碳数据集。该数据集是基于 2010—2014年发表文献检索和实验测量，通过直接实验获取、文献数据直接整理和文献数据转换推导3种方法收集汇总，数据集包括地上植被碳密度、地下植被碳密度和不同深度（0—20、0—100 cm）的SOC密度，每类数据包含碳密度数据、采样点经纬度位置、采样点所属陆地生态系统类型等内容。本研究从该数据集中选取具有完整代理变量数据的4440个采样点的 0—20 cm土壤碳密度数据作为中国陆地生态系统SOC密度的抽样采样点数据。

中国六大区域空间分布数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）发布的中国自然地理分区数据库，用于对采样点位置的分区和可视化显示（图 2a），分区数据综合自然地理特征和人文地理特征将中国分为东北、中南、华东、华北、西北和西南六大区域（图 2b）。其他地理代理变量数据也均来源于中国科学院资源环境科学数据中心。2010年中国人口密度栅格数据反映了 2010年全国人口的空间分布状况，每个栅格大小为1 km×1 km，数据单位为person·km−2。2010年中国年均气温数据和 2010年中国年均降水量数据是利用 ANUSPLIN插值软件基于样条函数插值理论（Hutchinson，1995）对全国2400多个气象观测站点数据插值生成，原始数据单位分别为0.1 ℃和0.1 mm，利用ArcGIS10.6软件的栅格计算器工具计算后得到单位分别为℃和mm的年均气温和降水量数据。利用卫星影像数据、通过最大值合成法生成的 2010年归一化植被指数（Normalized difference vegetation index，NDVI）数据反映中国空间尺度上的植被覆盖状况。中国海拔高度（Digital elevation model，DEM）空间分布数据基于美国奋进号航天飞机的雷达地形测绘（SRTM）V 4.1数据重采样生成，分辨率为250 m。

对各代理变量数据如表1所示进行重分类分级分区，并可视化显示（图2c—g）。利用ArcGIS 10.6软件提取多个数据到点工具，提取4440个土壤采样点对应的年均温度、降水量、海拔高度、NDVI、人口密度分级分区数值，便于后续分析。人口密度按照一般分级原则（党安荣，1990）分为8个区间，温度每5 ℃划分1个区间，降水量依据大比例尺制图的常用分级分为 8个区间（尚宗波等，2001），DEM先根据平原（＜200 m）、丘陵（200—500 m）、山地（500—1000 m）、高原（＞1000 m）5个基本地形划分，再将大于1000 m区域每隔1000 m划分为1个区间。由于NDVI无常用分类标准，对其采用自然断点法进行重分类，划分为9个区间，自然断点法根据数据内在的分布规律识别分类间隔，在避免人为干扰的情况下使各组之间差异最大（杨淑萍等，2019；刘彦随等，2017）。

表1 代理变量重分类区间Table 1 Reclassification interval of proxy variables

图2 采样点及各代理变量空间分布Fig.2 Spatial distribution of sampling points and various proxy variables

1.3 研究方法

地理现象普遍具有空间分层异质性，即空间分异性。空间分异性是空间数据的基本性质，研究对象可以分为不同区或类，即分层，各分层内部具有相似性，各分层之间差别明显，即各分层内部方差小于各层间方差。地理探测器基于统计学非中心F分布、F统计量和t统计量进行空间方差分析，对空间分异性背后的影响因子进行量化的有效统计分析方法，包括分异及因子探测器、交互作用探测器、风险探测器和生态探测器4个部分。

1.3.1 分异及因子探测器

分异及因子探测器可以探测因变量Y（陆地生态系统表层SOC密度）的空间分异性，以及探测各影响因子Xi（人口密度、温度、降水量、NDVI、DEM、陆地生态系统类型）对因变量的空间分异解释程度大小，并检验解释程度大小的可信程度。解释程度大小用q表示，公式为：

对q进行简单变换即可满足非中心F分布：

q取值介于0—1之间。q值越大，空间分层异质性越强，自变量Xi对因变量Y的解释程度越强；q=1时，Y存在完全的空间分异性，自变量Xi可以完全解释因变量Y空间分异性，即Y的空间分异性完全由Xi决定；q=0时，Y完全随机，Xi不能解释Y的空间分异性，Xi与Y无关。

1.3.2 交互作用探测器

交互作用探测器用于识别各影响因子Xi（人口密度、温度、降水量、NDVI、DEM、陆地生态系统类型）的两两交互作用对因变量Y（陆地生态系统表层 SOC密度）的空间分层异质性解释程度的增强或减弱作用。通过比较单个因子X1和X2分别对因变量Y的解释程度q(X1)和q(X2)，与X1、X2两个影响因子交互作用时对Y的解释程度q(X1∩X2)，确定影响因子交互作用的类型，根据判别方法（表2）进行探测。

表2 交互作用类型及判别依据Table 2 Interaction types and discriminant basis

1.3.3 风险探测器

风险探测器可以探测各影响因子Xi（人口密度、温度、降水量、NDVI、DEM、陆地生态系统类型）的不同分区的SOC密度均值，并通过t检验来检验各影响因子的不同分区 SOC密度均值是否存在显著性差异（P＜0.05）。利用风险探测可以检测SOC密度的低值区和高值区。

1.3.4 生态探测器

生态探测器可以通过F检验探测各影响因子对SOC密度的空间分异性的影响程度之间是否具有显著性差异（P＜0.05）。

2 结果

2.1 SOC分异性影响因子探测及生态探测

利用分异和因子探测器探测陆地生态系统类型、人口密度、温度、降水量、NDVI、DEM对中国陆地生态系统表层（0—20 cm）土壤有机碳密度的影响（表3）。各影响因子q值均大于0，且P值均为0，说明SOC在各影响因子分区的空间分布存在空间异质性且结果可信。对于 SOC的空间分异性，各影响因子的解释程度排序为：温度 (0.22)＞NDVI (0.16)＞DEM (0.12)＞ 陆 地 生 态 系 统 类 型(0.09)＞降水量 (0.06)＞人口密度 (0.04)。中国陆地生态系统表层土壤有机碳密度的空间分异性是自然因素和人为因素共同作用的结果。温度、NDVI和DEM对SOC空间分异性的解释程度较强，人口密度的解释程度最弱，具有人文与自然双重性质陆地生态系统类型的解释程度也较弱。因此，对于中国陆地生态系统表层土壤有机碳密度空间分异性主要是自然因素的影响，人文因素影响较小。

表3 SOC影响因子q值及P值Table 3 q and P values of SOC influential factors

2.2 SOC影响因子交互探测

利用交互作用探测器探测影响因子两两交互，共同对SOC空间分异性的影响（表4）。任何两个影响因子的交互作用对中国陆地生态系统表层SOC密度空间分异性影响的解释程度均大于单个因子的解释程度，均为增强作用，大多数为非线性增强，温度因子与其他因子的交互作用大多数为双因子增强。交互作用解释程度较大的前6对交互分别为：温度∩降水量＞温度∩DEM＞温度∩NDVI＞温度∩陆地生态系统类型=DEM∩陆地生态系统类型=DEM∩NDVI，这6对影响因子的交互作用的解释程度均在0.3以上。温度与其他影响因子的交互作用解释程度较强，人口密度与其他影响因子的交互作用均较弱。

表4 SOC影响因子交互作用的q值（交互作用类型）Table 4 q values of interaction of SOC influential factors (interaction type)

2.3 SOC风险探测

利用风险探测器探测陆地生态系统类型、人口密度、温度、降水量、NDVI、DEM的个子区域两两间的SOC密度均值是否存在显著性差异及SOC在各影响因子分区的高值区和低值区。陆地生态系统类型除农田和灌丛的 SOC密度均值不存在显著性差异外，其余类型之间均存在显著性差异（P＜0.05）。湿地生态系统的SOC密度均值最高，而其他未分类生态系统的SOC密度均值最低（图3a）。人口密度除 0—50 person·km−2分区与其他分区的SOC密度均值存在显著性差异之外，其他分区之间无显著性差异，且0—50 person·km−2分区的SOC碳密度均值最高（图3b）。年均降水量除600—800 mm和800—1000 mm、1200—2000 mm和大于2000 mm两组分区之间无显著性差异外，其他分区之间均存在显著性差异。年均降水量为800—1000 mm的区域SOC密度均值最大，降水量小于100 mm区域SOC密度均值最小（图3c）。NDVI绝大多数分区之间的SOC密度均值存在显著性差异，SOC密度均值的高值区域为NDVI值为0.816—0.92的区域，低值区为 NDVI值为 0.116—0.2的区域（图3d）。绝大多数温度分区之间的SOC密度均值存在显著性差异，−10— −5 ℃区域的SOC密度均值最高，5—10 ℃区域的 SOC密度均值最低，小于−15 ℃和−15— −10℃区域无采样点（图 3e）。大多数 DEM 分区之间存在显著性差异，海拔高度3000—4000 m的区域SOC密度均值最高，1000—2000 m区域SOC密度均最低（图3f）。

图3 影响因子分区SOC密度Fig.3 SOC density of the influential factor intervals

2.4 SOC生态探测

利用生态探测器探测陆地生态系统类型、人口密度、温度、降水量、NDVI、DEM对中国陆地生态系统土壤有机碳密度的解释程度的显著性差异。除陆地生态系统类型和DEM、人口密度和降水量两组比较无显著性差异外，其他影响因子两两之间的解释程度均存在显著性差异（表5）。

表5 各影响因子解释程度的显著性差异Table 5 The significant differences of the interpretation degree of each influential factor

2.5 SOC分区探测

对中国六大分区分别进行 SOC分异性及影响因子探测，并统计六大分区影响因子谱（表6），结果表明各分区影响因子有所差异。对于东北地区，解释程度最大的影响因子为陆地生态系统类型，东北地区存在大量湿地，其湿地生态系统的 SOC密度远大于其他陆地生态系统类型。温度是华北和西北地区 SOC空间分异性的最重要影响因子，华北地区和西北地区大部分属于干旱半干旱区，降水量较少，SOC密度的空间分异性主要受温度影响，与中国陆地生态系统整体的空间分异性的关键影响因子一致。华东地区属于中国沿海地区，降水量较大，SOC对于降水量的敏感性较高，降水量是华东地区陆地生态系统表层 SOC密度空间分异性的重要因子。中南地区和西南地区地形崎岖，DEM是两个地区的最大解释程度因子。

表6 六大分区SOC影响因子q值Table 6 q values of SOC influential factors of the six partitions

3 讨论

生态系统 SOC储量受自然因子和人类干扰的双重影响。但在全国尺度上，表层SOC空间分异由自然因素主导，尤其以气候因素为主，其次是NDVI和DEM。土壤深度越浅，气候对SOC的影响越大（Jobbagy et al.，2000；Badgery et al.，2013；Gray et al.，2015；Hobley et al.，2015）。由于本研究关注 0—20 cm表层土壤，因此气候因素占主导是合理的（Wiesmeier et al.，2019）。在气候因素中，温度对SOC的解释程度远大于降水量。其他区域和国家尺度的研究也表明 SOC与温度之间的关系比与降水更强（Allen et al.，2013；Wang et al.，2004），并且SOC分解率同温度呈指数相关（Davidson et al.，2006；Von Luetzow et al.，2007；Conant et al.，2011），所以一般认为气温与降水量的交互作用对 SOC密度空间分异性解释程度最大 SOC含量随温度的升高而降低（Jobbagy et al.，2000；Smith et al.，2005；Sleutel et al.，2007；Koven et al.，2017）。在本研究中，−10— −5℃和10—15 ℃分区确实存在这种趋势，但在 10—15 ℃之后的更高温度分区却出现了随温度升高 SOC密度反而上升的情况。原因可能是中国温度较高的地区（暖温带、亚热带）植被覆盖率和水热协同（表现在温度和降水间密切的交互效应，表 5）更好，所以这些地区虽然气温增高会刺激碳分解但也有利于植被生产力和土壤碳输入的增加。在区域尺度上，各分区的主要影响因子均为自然因素，与中国陆地生态系统整体情况一致，因此在大尺度或中等尺度规模，自然因素都是影响表层SOC密度空间分异性的主要因素。

NDVI是单因子探测中的第二重要影响因素，主要同表层土壤碳输入呈正相关（Gray et al.，2015）。虽然有研究报道 SOC储量与 DEM 相关（Leifeld et al.，2005；Neufeldt，2005；De Brogniez et al.，2014），但本研究显示其效应相对较弱。人为因素对中国陆地生态系统表层土壤碳密度的影响很小，可能因为相关研究所采集的数据样方集中于人口密度较小的野外自然生态系统，如湿地、茂密森林等，而作为陆地生态系统类型中重要组成部分的城市采样极少，未来需增加对城市土壤的研究。

SOC密度与影响因子之间的关系复杂，单个影响因子的作用相对较弱，而影响因子两两交互后的影响程度均产生极大的增强。说明SOC密度的空间分异性的复杂性，本研究仅利用当前较为前沿的地理探测器工具进行了两因素的交互分析，对多个影响因子共同作用进行定量归因目前仍有难度。

4 结论

对 SOC密度的空间分异性影响因子进行量化有利于对陆地生态系统 SOC储量进行更加准确的建模和估算。利用地理探测器工具可以对中国陆地生态系统的表层 SOC密度影响因子进行探测。影响中国陆地生态系统表层 SOC密度空间分异性的前三大影响因子按解释程度大小排序为：温度(0.22)＞NDVI (0.16)＞DEM (0.12)。气候因素是关键影响因素。各影响因子之间均具有增强的相互作用关系。多种因子共同决定中国陆地生态系统表层SOC密度的空间分异，而非受单一因素影响。中国六大分区陆地生态系统表层 SOC密度的空间分异性的主要影响因子虽然有所差异，但自然因素的影响较大。