陕西省土壤无机碳的时空分布特征及影响因素

2024-04-24冯晓琳张楚天许晨阳耿增超胡斐南杜伟

中国农业科学 2024年8期

冯晓琳，张楚天，许晨阳, 2，耿增超, 2，胡斐南，杜伟, 2

冯晓琳1，张楚天1，许晨阳1, 2，耿增超1, 2，胡斐南3, 4，杜伟1, 2

1西北农林科技大学资源环境学院，陕西杨凌 712100；2西北农林科技大学西北农业农村部植物营养与农业环境重点实验室，陕西杨凌 712100；3西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西杨凌 712100；4中国科学院水利部水土保持研究所，陕西杨凌 712100

【目的】土壤无机碳对于调节全球碳循环有重要作用，然而我国区域尺度上土壤无机碳的分布特征及影响因素尚不明确。对陕西省土壤无机碳时空分布和关键影响因子进行研究可为明确无机碳在陆地生态系统碳循环中的作用和地位提供参考和依据。【方法】收集陕西省1980s和2010s两期的65个和142个土壤样本以及相关的地形因素、气候条件、土地利用类型、植被状况和土壤性质数据，采用方差分析和随机森林（Random Forest，RF）模型分析土壤无机碳含量的时间和空间分布特征，并探讨土壤无机碳含量变化的影响因素。【结果】陕西省1980s各区域的土壤无机碳含量表现为：陕北＞关中＞陕南；与1980s相比，2010s陕北土壤无机碳含量下降了31.5%，关中地区基本保持不变，陕南小幅度上升。1980s到2010s，0—100 cm剖面上不同土层无机碳含量的降幅范围为20.6%—27.7%，其中以0—20和80—100 cm土层降幅最大。随机森林模型分析表明，年平均降水量、容重、pH是影响1980s和2010s土壤无机碳含量变化的重要因素，在年平均降水量450—650 mm时土壤无机碳含量最高；土壤无机碳含量随着pH的增加而增加；低容重土壤无机碳含量高于高容重土壤。【结论】总体来看，陕西省土壤无机碳含量呈现从北向南逐渐降低的趋势。与1980s相比，2010s陕西省表层土壤和陕北地区整个土壤剖面无机碳含量显著下降，1980s和2010s陕西省土壤无机碳含量主要受年平均降水量、pH、容重的调控。

土壤无机碳；时空分布；随机森林模型；陕西省

0 引言

【研究意义】全球气候变化是人类所面临的重要生态环境问题之一，以CO2形式排放到大气中的碳对气候变化有着深刻的影响[1]。土壤碳库是最大的陆地碳库（约2 500 Pg），大于大气碳库（867 Pg）和植被碳库（560 Pg）的总和[2]。土壤碳包括有机碳（SOC）和无机碳（SIC），土壤有机碳库变化对大气CO2浓度有重要的调节作用[3]。目前，对于土壤有机碳在固碳循环中发挥的作用已有大量研究成果，但关于土壤无机碳在碳循环中作用的研究相对较少。然而，土壤无机碳库可以通过吸收和释放CO2直接调节全球碳循环[4]，比如，大气中的CO2可以通过某些过程（如碳酸钙风化作用）以土壤无机碳的形式封存在土壤中，使得沉积物中土壤无机碳含量较高[5]；也可以通过影响土壤的物理和化学性质发挥间接作用[6]。因此研究土壤无机碳的分布特征和影响因素对于全球碳循环研究必不可少。全球土壤无机碳库主要分布于干旱和半干旱地区，以碳酸盐形式存在[7]，干旱区土壤无机碳库约是有机碳库的2—5倍[8]。因此，研究干旱区土壤无机碳库对全面认识土壤碳库动态及全球碳循环具有重要意义。【前人研究进展】土壤无机碳含量及分布受到多种因素的影响，包括地形、气候、土地利用类型等[9]。在小区域范围内，土壤理化性质和植被状况同样也会对土壤无机碳含量及分布产生影响[10]。而有研究指出黄土高原陕西境内土壤无机碳含量与降水量、温度的相关性并不显著，因此土壤无机碳含量的影响因素存在争议[11]。【本研究切入点】目前关于陕西省土壤无机碳的研究地点主要集中在陕西省北部[12-13]，很少涉及陕西省全域土壤无机碳含量空间分布的报道，且在已有研究中，尚缺乏土壤无机碳含量与成土因子（地形因子、气候条件、植被状况、土地利用、土壤性质等因素）之间相互影响关系的系统分析。陕西省境内地形地貌和气候差异较大，因此该区土壤无机碳的空间分布特征和影响因素更加复杂。陕北北部长城沿线属中温带气候，关中及陕北大部属暖温带气候，陕南属北亚热带气候。陕北及关中地区土层深厚，含有丰富的碳酸钙，而陕南地区土壤则为中性或酸性，土体碳酸钙储量大幅降低。【拟解决的关键问题】本研究以陕西省为研究区域，收集了1980s和2010s的共207个土壤剖面数据，对陕西省土壤无机碳含量分布特征及地形、气候、植被、土地利用、理化性质等因子进行系统分析，研究结果有助于揭示区域尺度土壤无机碳的分布变化及其主要影响因素，为明确无机碳在陆地生态系统碳循环中的作用和地位提供参考和依据。

1 材料与方法

1.1 研究区概况

陕西省位于西北内陆腹地，东经105°29'—111°15'，北纬31°42'—39°35'，横跨黄河和长江两大流域中部，是连接我国东、中部地区和西北、西南的重要枢纽。陕西省南北长约880 km，东西长约160—490 km，总面积为20.58万km2。陕西省年均降水量为965.2 mm，年均温度为13.0 ℃。从北向南可分为陕北高原、关中平原、秦巴山地3个地貌区，其中高原面积为926万hm2，水土流失严重，生态环境脆弱；山地面积为741万hm2，平原面积为391万hm2。主要山脉有秦岭、大巴山等。陕西省境内自然条件与土壤类型复杂多样。陕北地形以高原为主，属于中温带气候，年均降水量为579.4 mm，年均温度为10.6 ℃，代表性土壤类型有淡栗钙土、黄绵土等。关中主要以平原地形为主，属暖温带气候，年均降水量为954.8 mm，年均温度为13.2 ℃，代表性土壤类型有褐土、黑垆土等。陕南属北亚热带气候，年均降水量为 1 333.7 mm，年均温度为14.4 ℃，代表性土壤类型有黄棕壤、黄褐土等[14]。

1.2 研究方法

1.2.1 数据来源

（1）土壤数据：1980s（1979—1985年）数据来源于陕西省第二次土壤普查数据结果汇总资料—《陕西土种志》[15]和《陕西土壤》[16]；2010s（2014—2017年）数据来源于陕西省土系调查成果资料—《中国土系志·陕西卷》[17]。两期土壤无机碳剖面数据分别为65个和142个，各有13个和16个土类。每个土壤剖面包括：剖面厚度、碳酸钙含量、容重、pH等土壤物理和化学性质，以及土地利用类型数据。土壤无机碳含量用碳酸碳含量乘以0.12来表示，即碳（C）含量表示。土壤剖面按照土壤发生层采样，层次及深度参差不齐。为便于对比分析，本研究根据剖面层次厚度加权平均方法[18]将土壤剖面发生层次土壤碳数据转换为等间隔深度的土壤剖面层次（0—20、20—40、40—60、60—80和80—100 cm）。部分样点采集深度仅为40 cm或60 cm，采用线性深度加权法对更深层次的土壤无机碳含量进行填充[19]。

（2）陕西省30 m分辨率的ASTER GDEM数据来源于地理空间数据云（http://www.gscloud.cn），海拔、坡度、坡向、曲率为DEM的派生数据。

（3）气候数据：来源于中国科学院资源环境科学数据中心资源环境数据云平台（http://www.resdc.cn），为1980—1989年和2014—2015年1 km分辨率的年平均降水量和年平均温度数据。

（4）归一化植被指数（NDVI）数据：来源于中国科学院资源环境科学数据中心资源环境数据云平台1981—1985年8 km分辨率的NDVI数据（http:// www.resdc.cn）和来源于地理空间数据云2015—2016年的MODND1M中国NDVI合成产品，分辨率为500 m（http://www.gscloud.cn）。利用ArcGIS 10.3将所有的协变量栅格数据重采样为100 m分辨率，并提取至点。

1.2.2 数据统计分析使用SPSS 25.0分析土壤无机碳含量和海拔、坡度、坡向、曲率、年平均降水量、年平均温度、土地利用类型、归一化植被指数、容重、pH的关系，并进一步进行用单因素方差分析和Duncan检验的两两多重比较（＜0.05），比较各因子不同区间土壤无机碳含量平均值的差异。使用Origin 2021绘制图形。

1.2.3 随机森林模型分析随机森林（RF）模型是一种集成学习方法，属于机器学习的一部分。随机森林模型具有提高预测精度、减少过拟合、对缺失数据和多元共线性不敏感的特点，能够处理大量定量和定性数据，且预测效果稳定，被证明对土壤属性有较好的预测效果[20]。它集成了多个CART决策树，从原始样本中运用bootstrap重抽样法随机选择多个样本，建立决策树模型。随机森林模型建立过程中涉及两个关键参数：mtry和ntree。mtry为每次重建决策树模型时的节点分裂数；ntree为决策树数目，即使用bootstrap重抽样法选择样本的次数。这两个关键参数的确定基于RF模型操作中产生的实际误差大小。随机森林的分类结果是由每棵分类决策树的输出结果进行投票来决定的，而在回归预测中，预测值为所有回归树输出结果的平均值，表达式为：

式中，为预测值；θ是一个独立分布的随机向量，它能够决定决策树的生长；为输入矩阵；(;θ)为第棵回归树的输出结果；是回归树的数量。

使用R语言软件中的Random Forest包进行建模。其中土壤无机碳含量作为预测变量，海拔、坡度、坡向、曲率、年平均降水量、年平均温度、土地利用类型、归一化植被指数、容重、pH作为模型的解释变量，分析各变量对土壤无机碳含量影响的相对重要性。为了消除变量共线性对模型拟合的影响，真实地反映两个变量间相关的性质和密切程度，进一步进行偏相关分析法来分析土壤无机碳含量与各变量之间的关系。建模时样点随机被分为两个集进行训练（80%）和测试（20%），通过测试集的决定系数（2）和均方根误差（RMSE）来评估训练后模型的预测性能。

2 结果

2.1 陕西省土壤无机碳的时空分布特征

陕西省不同区域在1980s和2010s土壤无机碳含量剖面分布如图1所示。从图中可以看出，1980s和2010s各区域土层之间的土壤无机碳含量差异显著。1980s各区域土壤无机碳含量随着土壤深度的增加而增大，其中陕北（12.06 g·kg-1）和关中（10.33 g·kg-1）80—100 cm土层的土壤无机碳含量达到最大；陕南（2.75 g·kg-1）60—80 cm土层的无机碳含量最高（图1-A），同一土层内各区域的土壤无机碳含量为陕北＞关中＞陕南。2010s各区域土壤无机碳含量整体上呈现出随着土壤深度的增加而增大的趋势，陕北（8.73 g·kg-1）和关中（9.41 g·kg-1）80—100 cm土层的土壤无机碳含量最大，占0—100 cm土层土壤无机碳含量的21.6%和22.0%；而陕南（2.42 g·kg-1）土壤无机碳含量则是在20—40 cm土层处达到最大，占总体土壤无机碳含量的21.9%（图1-B），同一土层内各区域的土壤无机碳含量以关中最大，陕北次之，陕南最小。

图1 陕西省1980s（A）和2010s（B）各区域土壤无机碳含量的空间分布（平均值±标准误）

不同时期各区域土壤无机碳含量如图2-A所示。从图中可以看出，1980s各区域土壤无机碳含量存在显著差异（＜0.05），各区域土壤无机碳含量总体表现为：陕北（11.81 g·kg-1）＞关中（8.40 g·kg-1）＞陕南（1.99 g·kg-1）。在2010s，陕北（8.10 g·kg-1）和关中（8.55 g·kg-1）的土壤无机碳含量差异不显著，但陕北和关中的土壤无机碳含量显著高于陕南（2.21 g·kg-1）。与1980s土壤无机碳含量相比，2010s陕北土壤无机碳含量大幅度下降，降幅为31.5%，关中基本保持不变；陕南地区小幅度上升，但差异不显著。

1980s各土层无机碳含量均显著高于2010s的土壤无机碳含量（图2-B）。1980s研究区0—100 cm土层无机碳含量变化范围为8.57—10.30 g·kg-1，无机碳含量呈现出随着土壤深度的增加而增大的趋势，80—100 cm时无机碳含量最大。2010s各土层土壤无机碳含量除60—80 cm土层外呈现出随着土壤深度的增加而增大的趋势，在80—100 cm土层处无机碳含量最高（7.44 g·kg-1），占0—100 cm土层土壤无机碳含量的21.7%。不同土层无机碳含量随时间变化降幅不同，伴随剖面深度增加，0—20、20—40、40—60、60—80、80—100 cm土层的无机碳含量降幅依次为27.1%、22.0%、20.6%、27.2%、27.7%。

2.2 陕西省土壤无机碳含量的影响因素

2.2.1 土壤无机碳含量的描述性统计分析陕西省1980s和2010s土壤无机碳含量及相关变量的描述性统计结果见表1。与干旱半干旱区土壤无机碳含量的均值13.17 g·kg-1相比[21]，研究区1980s（9.17 g·kg-1）和2010s（6.88 g·kg-1）土壤无机碳含量较低，变异系数为70.4%和90.0%，介于0.1—1，属于中等程度变异。1980s和2010s其他环境因子中，海拔均值分别为878.31和908.74 m，变异性较小；坡度变化较大，变化范围在0.20—18.37和0.37— 32.38°；年平均降水量为658.62和645.23 mm，最高可达1 448.37和993.64 mm；年平均温度变化范围在4.90—15.83和4.72—16.78 ℃；归一化植被指数均值接近，分别为0.64和0.63。研究区1980s和2010s土壤容重均值为1.35和1.50 g·cm-3，容重较大，土壤孔隙度较小；pH均值为8.1和8.3，土壤偏碱性。在各相关因子中，除了曲率的变异性较强，容重和pH变异较小外，其他因子变异程度均为中等变异。

图2 陕西省土壤无机碳含量的时间分布特征（平均值±标准误）

表1 陕西省1980s和2010s样点土壤无机碳含量及各因素描述性统计

2.2.2 地形因素的影响 1980s和2010s土壤无机碳含量随着海拔的升高先增大后减小，分别在海拔700—1 000 m（11.51 g·kg-1）和1 000—1 300 m（8.61 g·kg-1）时，土壤无机碳含量最高；均在海拔400—700 m时土壤无机碳含量最低，分别为6.41和4.07 g·kg-1（图3-A、3-E）。1980s和2010s土壤无机碳含量在各坡度组间均不存在显著差异（图3-B、3-F）。1980s和2010s不同坡向之间土壤无机碳含量均差异不显著（图3-C、3-G）。此外1980s土壤无机碳含量呈现出随着曲率的增大而减小的趋势（图3-D），而2010s土壤无机碳含量随着曲率的变化则呈现出与1980s土壤无机碳含量变化完全相反的趋势（图3-H）。

2.2.3 气候条件的影响如图4-A、4-C所示，1980s和2010s土壤无机碳含量整体上随着年平均降水量的增加而减少，分别在年平均降水量450— 550和550—650 mm时土壤无机碳含量最高（13.35和9.90 g·kg-1），均在≥750 mm时土壤无机碳含量最低，分别4.68和2.18 g·kg-1。1980s和2010s年平均温度对于土壤无机碳含量有显著影响，均在年平均温度11—13 ℃时土壤无机碳含量最高，且在年平均温度≥13℃时土壤无机碳含量显著下降（图4-B、4-D）。

2.2.4 土地利用类型的影响土地利用类型对1980s和2010s土壤无机碳含量的影响如图5所示。不同土地利用类型的土壤无机碳含量有所不同。1980s草地的土壤无机碳含量（17.26 g·kg-1）显著高于农田（8.33 g·kg-1）、林地（4.87 g·kg-1）和荒地（8.45 g·kg-1），而农田、林地、荒地的无机碳含量差异不显著。2010s草地无机碳平均含量最高，为10.06 g·kg-1，荒地次之（9.21 g·kg-1），农田无机碳平均含量为6.14 g·kg-1,园地为6.43 g·kg-1，林地土壤无机碳平均含量最低，为5.69 g·kg-1。

2.2.5 植被状况的影响如图6所示，1980s和2010s土壤无机碳含量在归一化植被指数均在≤0.4和0.4—0.6的范围内呈增加的趋势，0.6—0.8和≥0.8范围内下降。1980s和2010s土壤无机碳含量整体上均呈现出随着归一化植被指数的增大先增大后减小的趋势，1980s和2010s土壤无机碳含量随着归一化植被指数的变化范围分别为6.15—12.61和6.11— 8.98 g·kg-1。

2.2.6 土壤性质的影响土壤性质对无机碳含量的影响如图7所示。从图7-A、7-C可以看出，1980s和2010s土壤无机碳含量随着容重的增加而减小，均在容重≤1.33 g·cm-3时土壤无机碳含量最大（13.37和11.12 g·kg-1）。此外，1980s和2010s土壤无机碳含量受到土壤pH的影响，土壤无机碳含量随土壤pH增加有明显的分界线，酸性（pH ≤6.5）和中性（pH = 6.5—7.5）土壤无机碳平均含量极低，当土壤呈碱性（pH≥ 7.5）时土壤无机碳含量显著增加，且随着土壤碱性的升高，土壤无机碳含量逐渐增加，变化范围分别为从0.75—12.34 g·kg-1到0.54—8.96 g·kg-1（图7-B、7-D）。

2.3 随机森林模型分析

2.3.1 变量重要性分析使用随机森林模型分别对1980s和2010s的海拔、坡度、坡向、曲率、年平均降水量、年平均温度、土地利用类型、归一化植被指数、容重和pH共计10个因子对土壤无机碳含量影响的重要性进行分析。通过调整RF模型的参数，均在mtry=4，ntree=200时对土壤无机碳含量的拟合效果最好，2分别为0.40和0.37，RMSE为3.69和4.64。进一步对各变量的重要性进行排序，RF模型以均方误差增加率（IncMSE（%））为变量重要性衡量指标，该值越大则变量重要性最高。从图8-a中可以看出在1980s，年平均降水量、pH、曲率、归一化植被指数、坡度、容重是影响土壤无机碳含量的重要因素。而2010s影响土壤无机碳含量的主要因素是年平均降水量、pH、容重、年平均温度、海拔、归一化植被指数（图8-b），其中年平均降水量和pH的相对重要性远大于其他因子。

箱体上小写字母表示各组间土壤无机碳含量差异显著（P＜0.05）。箱形图红色和黑色的圆点分别表示平均值和异常值。箱体中的水平线对应于数据的中位数。箱体的上边缘线、下边缘线、上误差线、下误差线分别表示第 25、75、5、95 百分位数。下同

图4 年平均降水量和年平均温度对1980s（A、B）和2010s（C、D）土壤无机碳含量的影响

图5 土地利用类型对1980s（A）和2010s（B）土壤无机碳含量的影响

图6 归一化植被指数对1980s（A）和2010s（B）土壤无机碳含量的影响

图7 容重和pH对1980s（A, B）和2010s（C, D）土壤无机碳含量的影响

2.3.2 偏相关分析为排除变量共线性的干扰，进一步对1980s和2010s土壤无机碳含量与各变量进行偏相关分析，单变量偏相关分析结果如图9所示。1980s和2010s土壤无机碳含量在海拔、坡度、坡向和曲率影响下的变化范围均较小，说明地形因子对土壤无机碳含量的影响很小。气候因子中，年平均降水量对土壤无机碳含量有较强的负向影响，在400—800 mm范围内土壤无机碳含量变化剧烈，随着年平均降水量的增加，土壤无机碳含量先升高后降低。当年平均降水量＞800 mm时，土壤无机碳含量趋于稳定。对于年平均温度，土壤无机碳含量在0—13 ℃的范围内变化较小，在年平均温度＞13 ℃时快速下降。1980s和2010s不同土地利用类型的土壤中无机碳含量均较为接近（9.35—9.9和6.72—6.83 g·kg-1），表明土地利用类型对土壤无机碳含量的影响很小。归一化植被指数对土壤无机碳含量的影响整体上呈现出随着归一化植被指数的增加先增大后减小的趋势。土壤容重在1—1.3 g·cm-3范围内土壤无机碳含量变化不显著，在＞1.3 g·cm-3时土壤无机碳含量快速下降，在此范围之外，土壤无机碳含量随容重增加的变化不显著。土壤无机碳含量与pH呈正相关关系，在pH大于7.5时土壤无机碳含量急剧增加。

MAP：年平均降水量Average annual rainfall；Curvature：曲率；NDVI：归一化植被指数Normalized vegetation index；Slope：坡度；BD：容重Bulk weight；SD：坡向Slope direction；Altitude：海拔Above sea level；MAT：年平均温度Mean annual temperature；LUT：土地利用类型Land use type

3 讨论

3.1 陕西省土壤无机碳含量的变化趋势

图2结果表明，在区域尺度上，陕西省土壤无机碳含量的分布从北向南呈现逐渐降低的趋势。在1980s，陕北土壤无机碳显著高于关中，关中土壤无机碳含量显著高于陕南。这与张瑞[22]的研究结论一致。在2010s，由于陕北土壤无机碳含量下降明显，陕北与关中土壤无机碳含量差异不显著，但都显著高于陕南地区。涂夏明等[11]对2009年黄土高原陕西境内关中和陕北地区的土壤无机碳含量空间分布的研究也表现为关中和陕北地区差异不大。总体来看，由于陕西省南部降水量多，使得在湿润气候条件下，淋溶强度较大，增强了土壤风化和发育，而北部干旱少雨，蒸发量高，土壤无机碳淋溶降低[23]，所以导致了南部土壤无机碳含量要低于北部。1980s和2010s陕西省各区域土壤无机碳含量整体上均随着土壤深度增加而增加（图1），这与SHI等[24]的研究结果一致，主要是由于陕西省土壤母质以第四纪沉积物黄土为主，其富含碳酸钙，因此剖面底层土中无机碳含量较高，而伴随土壤逐渐发育熟化，碳酸钙发生淋溶，因此伴随剖面从上到下，无机碳含量逐渐升高。

本研究发现，1980s到2010s各土层无机碳含量都呈现下降的趋势，其中表层的下降幅度为27.1%（图2-b）。TAO等[25]对中国旱地农田的土壤无机碳密度变化和驱动因子的分析表明，1980s和2010s之间 0—20 和20—40 cm土层无机碳含量密度分别降低38.0%和27.0%，并将其归因为氮肥施用和土壤水分收支状况，本文研究结果与其接近。与1980s相比，2010s陕西省陕南土壤无机碳含量小幅度上升，关中地区土壤无机碳含量基本保持不变，而陕北土壤无机碳含量大幅下降，降幅为31.5%（图2-A），这可能与陕北化学肥料施用量大幅增加有关。根据陕西省统计年鉴，与1988年相比，陕北地区在2015年的平均化肥施用量增幅为43.3%，而同期关中地区和陕南地区的施肥量变化幅度较小[14]。氮肥等化学肥料的施用引起土壤酸化[25-26]，使得土壤无机碳含量大量损失，因此陕北化肥使用量增加导致了其土壤无机碳含量的损失显著高于关中和陕南。

3.2 陕西省土壤无机碳含量变化的归因

研究发现，地形因素中海拔对陕西省土壤无机碳含量有正向的影响（图3-A、3-E）。海拔与土壤无机碳含量之间的正相关归因于年平均降水量和年平均温度随海拔升高而降低[27]。气候条件中的年平均降水量是影响1980s和2010s土壤无机碳含量最重要的因素（图8、9），本研究发现在降水量＞600 mm时土壤无机碳含量迅速下降（图4-A、4-C），降水量增多使得环境湿度的增加，有助于有机碳累积，通常会导致土壤酸度相对较低。较低的土壤酸度对应于土壤溶液中较高的H+含量，这将减少的碳酸盐沉淀，导致土壤无机碳损失[28]。而本研究中年平均温度对于土壤无机碳含量有显著的正向影响，这与DANG等[29]报道的土壤无机碳含量与年平均温度呈正相关的结论一致，与YANG等[30]在西藏草原的研究结果相反。这可能是由于环境温度的升高削弱了有机碳的积累，导致有机碳矿化产生相对较低的CO2分压。较低的CO2分压使得产生了更多的碳酸盐沉淀，增强了无机碳的累积[31]。此外本研究发现，年平均温度＞13.0 ℃，随着温度升高土壤无机碳含量呈现下降的趋势；年平均温度＜13.0 ℃时，土壤无机碳含量随着年平均温度的升高而增加（图4-B、4-D）。这与近期对青藏高原高寒草原土壤无机碳在自然气候梯度上动态变化的规律相似[32]。

不同土地利用方式下土壤无机碳含量不同，其含量大小为：草地＞荒地＞园地＞农田＞林地，这与崔丽峰等[33]发现的黄土高原地区不同土地利用类型和植被覆盖类型下土壤无机碳含量的大小顺序基本一致。不同土地利用类型意味着其上覆盖的植被类型和植被生长状况不同，NDVI作为衡量植被生长状态的重要指标，在本研究中对土壤无机碳含量也有显著的影响（图6）。NDVI越大，其上覆盖的植被盖度、生长力和林龄越大[34]，其土壤无机碳含量也逐渐降低。这可能是因为与没有植被覆盖的荒地相比，森林地上凋落物、细根生物量和土壤有机碳储量较高，这可以促进土壤无机碳溶解和淋溶，从而影响土壤无机碳含量[35]。农田则由于长期人为耕作活动而导致土壤无机碳加速分解，使得土壤无机碳含量降低。我国农田土壤中大约有51%的耕地面积遭受土壤无机碳损失[36]。

土壤性质深刻影响着土壤无机碳含量，容重对于土壤无机碳含量有重要的影响（图7、8），低容重土壤无机碳含量显著高于高容重土壤（图7-a、7-c），这可能是因为容重较低的土壤孔隙较大，使得大气中的CO2能较为容易地进入土壤，形成更多的土壤无机碳[37]。pH则是与土壤无机碳含量呈显著正相关关系，其对土壤无机碳含量影响的重要性仅次于年平均降水量（图8），在碱性土壤中土壤无机碳含量远高于中性和酸性土，这与以往研究中的报道一致[38]。较高的土壤酸度对应于土壤溶液中较高的H+含量，这将减少的碳酸盐沉淀[39]，导致土壤无机碳降低。大气氮沉降和大量施用氮肥是造成土壤酸化的主要因素，土壤酸化使得土壤无机碳以CO2形态释放到空气中，造成土壤无机碳大量损失[40-41]。

4 结论

陕西省1980s各区域土壤无机碳含量为陕北最高，关中次之，陕南最低。与1980s相比，2010s陕北土壤无机碳含量下降了31.5%，关中地区基本保持不变，而陕南小幅度上升。自1980s到2010s，不同土层无机碳含量随时间变化降幅不同，其在0—20、20—40、40—60、60—80、80—100 cm土层上的降幅依次为27.1%、22.0%、20.6%、27.2%和27.7%。1980s和2010s各区域土层之间无机碳含量均差异明显，1980s和2010s土壤无机碳含量均具有随着土壤深度增加而增大的趋势。采用随机森林模型对影响土壤无机碳含量的各因子进行重要性分析，结果表明，年平均降水量、pH、容重是影响1980s和2010s土壤无机碳含量的重要因素，在年平均降水量450— 650 mm时土壤无机碳含量最高，土壤无机碳含量随着pH的增加而增加，低容重土壤无机碳含量高于高容重土壤。

[1] YANG P P, SHU Q, LIU Q, HU Z, ZHANG S J, MA Y Y. Distribution and factors influencing organic and inorganic carbon in surface sediments

of tidal flats in northern Jiangsu, China. Ecological Indicators, 2021, 126: 107633.

[2] LAL R. Digging deeper: a holistic perspective of factors affecting soil organic carbon sequestration in agroecosystems. Global Change Biology, 2018, 24(8): 3285-3301.

[3] TRUMBORE S E, CZIMCZIK C I. An uncertain future for soil carbon. Science, 2008, 321(5895): 1455-1456.

[4] EMMERICH W E. Carbon dioxide fluxes in a semiarid environment with high carbonate soils. Agricultural and Forest Meteorology, 2003, 116(1/2): 91-102.

[5] ZHANG G L, BAI J H, ZHAO Q Q, JIA J, WANG X, WANG W, WANG X Y. Soil carbon storage and carbon sources under different Spartina alterniflora invasion periods in a salt marsh ecosystem. CATENA, 2021, 196: 104831.

[6] BOWMAN W D, CLEVELAND C C, HALADA Ĺ, HREŠKO J, BARON J S. Negative impact of nitrogen deposition on soil buffering capacity. Nature Geoscience, 2008, 1(11): 767-770.

[7] 许文强, 陈曦, 罗格平, 蔺卿. 土壤碳循环研究进展及干旱区土壤碳循环研究展望. 干旱区地理, 2011, 34(4): 614-620.

XU W Q, CHEN X, LUO G P, LIN Q. Progress of research on soil carbon cycle and perspectives of soil carbon cycle in arid region. Arid Land Geography, 2011, 34(4): 614-620. (in Chinese)

[8] LAL R. Soil carbon dynamics in cropland and rangeland. Environmental Pollution, 2002, 116(3): 353-362.

[9] HUSSAIN S, SHARMA V, ARYA V M, SHARMA K R, RAO C S. Total organic and inorganic carbon in soils under different land use/land cover systems in the foothill Himalayas. Catena, 2019, 182: 104104.

[10] QUIJANO L, KUHN N J, NAVAS A. Effects of interrill erosion on the distribution of soil organic and inorganic carbon in different sized particles of Mediterranean Calcisols. Soil and Tillage Research, 2020, 196: 104461.

[11] 涂夏明, 曹军骥, 韩永明, 沈振兴, 张宝成. 黄土高原表土有机碳和无机碳的空间分布及碳储量. 干旱区资源与环境, 2012, 26(2): 114-118.

TU X M, CAO J J, HAN Y M, SHEN Z X, ZHANG B C. Storage and spatial distribution of organic and inorganic carbon in the topsoil of Loess Plateau. Journal of Arid Land Resources and Environment, 2012, 26(2): 114-118. (in Chinese)

[12] 党珍珍, 王凯博, 周正朝, 张晓艳. 黄土丘陵区人工刺槐林恢复对土壤碳库动态的影响. 干旱区研究, 2015, 32(6): 1082-1087.

DANG Z Z, WANG K B, ZHOU Z C, ZHANG X Y. Impact ofrestoration on soil carbon pool in the loess hilly region. Arid Zone Research, 2015, 32(6): 1082-1087. (in Chinese)

[13] 张力. 黄土丘陵沟壑区不同植被恢复下土壤有机碳和无机碳动态变化研究[D]. 北京: 中国科学院大学 (中国科学院教育部水土保持与生态环境研究中心), 2018.

ZHANG L. The dynamic of soil organic and inorganic carbon in soil under different vegetation restoration in Loess Hilly and Gully Region[D]. Beijing: University of Chinese Academy of Sciences (Research Center of Soil and Water Conservation and Ecological Environment of The University of Chinese Academy of Sciences and Ministry of Education), 2018. (in Chinese)

[14] 陕西省统计局, 国家统计局陕西调查总队. 陕西统计年鉴-2022. 北京: 中国统计出版社, 2022.

Shaanxi Provincial Bureau of Statistics. Survey Office of the National Bureau of Statistics in Shaanxi. Shaanxi Statistical Yearbook. Beijing: China Statistics Press, 2022. (in Chinese)

[15] 陕西省土壤普查办公室. 陕西土种志. 西安: 陕西科学技术出版社, 1993.

Soil Census Office of Shaanxi Province. History of Shaanxi Soil Species. Xian: Shaanxi Science and Technology Press, 1993. (in Chinese)

[16] 郭兆元, 黄自立, 冯立孝. 陕西土壤. 北京: 科学出版社, 1992.

GUO Z Y, HUANG Z L, FENG L X. Soil in Shaanxi. Beijing: Science Press, 1992. (in Chinese)

[17] 常庆瑞, 齐雁冰, 刘梦云. 中国土系志·陕西卷. 北京: 科学出版社, 2021.

CHANG Q R, QI Y B, LIU M Y. Soil History of China·Shaanxi Volume. Beijing: Science Press, 2021. (in Chinese)

[18] 姜赛平, 张认连, 张维理, 徐爱国, 张怀志, 谢良商, 冀宏杰. 近30年海南岛土壤有机质时空变异特征及成因分析. 中国农业科学, 2019, 52(6): 1032-1044. doi: 10.3864/j.issn.0578-1752.2019.06.007.

JIANG S P, ZHANG R L, ZHANG W L, XU A G, ZHANG H Z, XIE L S, JI H J. Spatial and temporal variation of soil organic matter and cause analysis in Hainan Island in resent 30 years. Scientia Agricultura Sinica, 2019, 52(6): 1032-1044. doi: 10.3864/j.issn.0578-1752.2019. 06.007. (in Chinese)

[19] SHANGGUAN W, DAI Y J, LIU B Y, ZHU A X, DUAN Q Y, WU L Z, JI D Y, YE A Z, YUAN H A, ZHANG Q A, CHEN D D, CHEN M, CHU J T, DOU Y J, GUO J X, LI H Q, LI J J, LIANG L, LIANG X A, LIU H P, LIU S Y, MIAO C Y, ZHANG Y Z. A China data set of soil properties for land surface modeling. Journal of Advances in Modeling Earth Systems, 2013, 5(2): 212-224.

[20] 申哲, 张认连, 龙怀玉, 徐爱国. 基于机器学习方法的宁夏南部土壤质地空间分布研究. 中国农业科学, 2022, 55(15): 2961-2972. doi: 10.3864/j.issn.0578-1752.2022.15.008.

SHEN Z, ZHANG R L, LONG H Y, XU A G. Research on spatial distribution of soil texture in southern Ningxia based on machine learning. Scientia Agricultura Sinica, 2022, 55(15): 2961-2972. doi: 10.3864/j.issn.0578-1752.2022.15.008. (in Chinese)

[21] 郭洋, 李香兰, 王秀君, 王家平, 王旭峰, 马明国, 谢先红, 孙敏敏. 干旱半干旱区农田土壤碳垂直剖面分布特征研究. 土壤学报, 2016, 53(6): 1433-1443.

GUO Y, LI X L, WANG X J, WANG J P, WANG X F, MA M G, XIE X H, SUN M M. Profile distribution of soil inorganic and organic carbon in farmland in arid and semi-arid areas of China. Acta Pedologica Sinica, 2016, 53(6): 1433-1443. (in Chinese)

[22] 张瑞. 黄土高原土壤无机碳密度分布、储量及影响因素[D]. 北京: 中国科学院大学(中国科学院教育部水土保持与生态环境研究中心), 2012.

ZHANG R. Spatial distribution of soil inorganic carbon density, stock and its affecting factors in the Loess plateau[D]. Beijing: University of Chinese Academy of Sciences (Research Center for Soil and Water Conservation and Ecological Environment of the University of Chinese Academy of Sciences and Ministry of Education), 2012. (in Chinese)

[23] 潘根兴. 中国干旱性地区土壤发生性碳酸盐及其在陆地系统碳转移上的意义. 南京农业大学学报, 1999, 22(1): 51-57.

PAN G X. Pedogenic carbonates in aridic soils of China and the significance in terrestrial carbon transfer. Journal of Nanjing Agricultural University, 1999, 22(1): 51-57. (in Chinese)

[24] SHI H J, WANG X J, ZHAO Y J, XU M G, LI D W, GUO Y. Relationship between soil inorganic carbon and organic carbon in the wheat-maize cropland of the North China Plain. Plant and Soil, 2017, 418(1): 423-436.

[25] TAO J J, RAZA S, ZHAO M Z, CUI J J, WANG P Z, SUI Y Y, ZAMANIAN K, KUZYAKOV Y, XU M G, CHEN Z J, ZHOU J B. Vulnerability and driving factors of soil inorganic carbon stocks in Chinese croplands. Science of the Total Environment, 2022, 825: 154087.

[26] SONG X D, YANG F, WU H Y, ZHANG J, LI D C, LIU F, ZHAO Y G, YANG J L, JU B, CAI C F, HUANG B, LONG H Y, LU Y, SUI Y Y, WANG Q B, WU K N, ZHANG F R, ZHANG M K, SHI Z, MA W Z, XIN G, QI Z P, CHANG Q R, CI E, YUAN D G, ZHANG Y Z, BAI J P, CHEN J Y, CHEN J, CHEN Y J, DONG Y Z, HAN C L, LI L, LIU L M, PAN J J, SONG F P, SUN F J, WANG D F, WANG T W, WEI X H, WU H Q, ZHAO X, ZHOU Q, ZHANG G L. Significant loss of soil inorganic carbon at the continental scale. National Science Review, 2022, 9(2): 13-20.

[27] MI N, WANG S Q, LIU J Y, YU G R, ZHANG W J, JOBBÁGY E. Soil inorganic carbon storage pattern in China. Global Change Biology, 2008, 14(10): 2380-2387.

[28] SMITH P. Global climate change and pedogenic carbonates. Geoderma, 2001, 104(1/2): 180-182.

[29] DANG C R, KONG F L, LI Y, JIANG Z X, XI M. Soil inorganic carbon dynamic change mediated by anthropogenic activities: an integrated study using meta-analysis and random forest model. Science of the Total Environment, 2022, 835: 155463.

[30] YANG Y H, FANG J Y, JI C J, MA W H, SU S S, TANG Z Y. Soil inorganic carbon stock in the Tibetan alpine grasslands. Global Biogeochemical Cycles, 2010(4). doi: 10.1029/2010gb003804.

[31] NORDT L C, WILDING L P, DREES L R. Pedogenic carbonate transformations in leaching soil system: implication for the global C cycle// LAL R, KIMBLE J M, ESWARAN H, STEWART B A. Global Climate Change and Pedogenic Carbonates. Boca Raton: CRC Press, 2000.

[32] DU C J, GAO Y H. Opposite patterns of soil organic and inorganic carbon along a climate gradient in the alpine steppe of northern Tibetan Plateau. Catena, 2020, 186: 104366.

[33] 崔丽峰, 刘丛强, 涂成龙, 李龙波, 丁虎. 黄土地区不同覆被下土壤无机碳分布及同位素组成特征. 生态学杂志, 2013, 32(5): 1187-1194.

CUI L F, LIU C Q, TU C L, LI L B, DING H. Soil inorganic carbon and its isotopic composition under different vegetation types in Loess Plateau of Northwest China. Chinese Journal of Ecology, 2013, 32(5): 1187-1194. (in Chinese)

[34] XIN Z B, QIN Y B, YU X X. Spatial variability in soil organic carbon and its influencing factors in a hilly watershed of the Loess Plateau, China. Catena, 2016, 137: 660-669.

[35] CHANG R Y, FU B J, LIU G H, WANG S, YAO X L. The effects of afforestation on soil organic and inorganic carbon: a case study of the Loess Plateau of China. Catena, 2012, 95: 145-152.

[36] WU H B, GUO Z T, GAO Q, PENG C H. Distribution of soil inorganic carbon storage and its changes due to agricultural land use activity in China. Agriculture, Ecosystems & Environment, 2009, 129(4): 413-421.

[37] SERRANO-ORTIZ P, ROLAND M, SANCHEZ-MORAL S, JANSSENS I A, DOMINGO F, GODDÉRIS Y, KOWALSKI A S. Hidden, abiotic CO2flows and gaseous reservoirs in the terrestrial carbon cycle: review and perspectives. Agricultural and Forest Meteorology, 2010, 150(3): 321-329.

[38] OBEAR G R, BARAK P, SOLDAT D J. Soil inorganic carbon accumulation in sand putting green soils II: acid-base relationships as affected by water chemistry and nitrogen source. Crop Science, 2016, 56(2): 851-861.

[39] SUAREZ D L. Impact of agriculture on CO2as affected by changes in inorganic carbon//LAL R, KIMBLE J M, ESWARAN H, STEWART B A. Global Climate Change and Pedogenic Carbonates. Boca Raton: FloridaC RC Press, 2000: 257-272.

[40] 周建斌, 陶静静, 赵梦真, 崔娇娇, 刘占军, 陈竹君. 农业生产对石灰性土壤无机碳库损失的影响. 土壤学报, 2022, 59(3): 593-602.

ZHOU J B, TAO J J, ZHAO M Z, CUI J J, LIU Z J, CHEN Z J. Effects of agricultural production on the loss of inorganic carbon from calcareous soils. Acta Pedologica Sinica, 2022, 59(3): 593-602. (in Chinese)

[41] 李小涵, 李富翠, 刘金山, 郝明德, 王朝辉. 长期施氮引起的黄土高原旱地土壤不同形态碳变化. 中国农业科学, 2014, 47(14): 2795-2803. doi: 10.3864/j.issn.0578-1752.2014.14.010.

LI X H, LI F C, LIU J S, HAO M D, WANG Z H. Changes of different carbon fractions caused by long-term N fertilization in dryland soil of the Loess Plateau. Scientia Agricultura Sinica, 2014, 47(14): 2795-2803. doi: 10.3864/j.issn.0578-1752.2014.14.010. (in Chinese)

Spatiotemporal Distribution Characteristics and Influencing Factors of Soil Inorganic Carbon in Shaanxi Province

FENG XiaoLin1, ZHANG ChuTian1, XU ChenYang1, 2, GENG ZengChao1, 2, HU FeiNan3, 4, DU Wei1, 2

1College of Natural Resources and Environment, Northwest A&F University, Yangling 712100, Shaanxi;2Key Laboratory of Plant Nutrition and the Agri-environment in Northwest China, Ministry of Agriculture and Rural Affairs, Northwest A&F University, Yangling 712100, Shaanxi;3State Key Laboratory of Soil Erosion and Dryland Farming on Loess Plateau, Northwest A&F University, Yangling 712100, Shaanxi;4Institute of Soil and Water Conservation, Chinese Academy of Sciences & Ministry of Water Resources, Yangling 712100, Shaanxi

【Objective】Soil inorganic carbon (SIC) plays an important role in regulating global carbon cycle. However, the distribution characteristics and influencing factors of SIC at regional scales are not clear. The study on the temporal and spatial distribution of SIC and its key influencing factors in Shaanxi Province can provide the reference and basis for clarifying the role and status of inorganic carbon in the terrestrial ecosystem carbon cycle. 【Method】This study collected 65 and 142 soil samples from the 1980s and 2010s in Shaanxi Province, along with relevant data on geographical factors, climatic conditions, land use types, vegetation status and soil properties. Variance analysis and Random Forest (RF) model were used to analyze the temporal and spatial distribution characteristics of SIC content. The influencing factors of SIC content in Shaanxi Province were also discussed. 【Result】SIC content in the 1980s of Shaanxi Province was in the order of Northern Shaanxi ＞ Guanzhong of Shaanxi ＞ Southern Shaanxi. Compared with the 1980s, SIC content in Northern Shaanxi Province was decreased by 31.5% in 2010s, while it remained almost unchanged in Guanzhong of Shaanxi Province, which increased slightly in southern Shaanxi Province. From the 1980s to 2010s, the decrease of inorganic carbon content in different soil layers in 0-100 cm section ranged from 20.6% to 27.7%, with the greatest decreases in 0-20 cm and 80-100 cm soil layers. Random Forest model analysis showed that average annual rainfall, bulk density and pH were the top three most important factors affecting SIC content in both 1980s and 2010s, and SIC content was the highest when the average annual rainfall were 450-650 mm. Soil inorganic carbon content increased with the increase of pH. The inorganic carbon content of soil with low bulk density was higher than that of soil with high bulk density. 【Conclusion】In general, SIC content in Shaanxi Province showed a decreasing trend from north to south. Compared with the 1980s, SIC content in topsoil of Shannxi Province and also the whole soil profile of northern Shaanxi Province decreased significantly in the 2010s. The SIC content in the 1980s and 2010s were mainly influenced by average annual rainfall, pH and bulk density.

soil inorganic carbon (SIC); spatiotemporal distribution; Random Forest model; Shaanxi Province