中国东北地区城市化梯度效应与土壤有机碳储量的空间异质性

《CATENA》：Urbanization gradient effects and spatial heterogeneity of soil organic carbon stocks in Northeast China

本研究基于东北黑土区289个县级行政单元，构建城市化强度指数（UI），分析0-30cm和0-100cm土壤深度SOC时空异质性及其驱动机制。结果表明：SOC储量随UI增加显著下降，且表层（0-30cm）降幅（99.7%）远超深层（0-100cm，98.7%）；气候因子pet和vpd、植被NDVI及短波辐射Srad是主要驱动因素，其中pet与NDVI（表层）和CEC（深层）的交互作用最强（q值达0.925和0.918），揭示城市化通过改变热量、水分及植被-土壤协同作用影响SOC。研究提出分层管理策略，低UI区需强化土地规划，高UI区应侧重生态修复和绿色基建。

　　土壤有机碳（SOC）是维持土壤肥力和生态系统稳定的关键因素。随着快速城市化的推进，土地利用发生了深刻变化，进而导致SOC储量呈现出复杂的演变趋势。因此，理解SOC对城市化的响应，并识别其空间驱动因素具有重要意义。本研究聚焦于中国东北地区的289个县级行政单位，构建了一个城市化强度指数（UI），并基于两个土壤深度（0–30厘米和0–100厘米）的SOC储量数据，分析了SOC的空间差异性、城乡梯度变化以及主导的环境驱动因素。研究目标包括：（1）描述两个土壤深度SOC储量对城市化强度的动态响应；（2）识别影响SOC空间分布的主要因素；（3）评估城市化对SOC时空异质性的影响。研究结果表明，SOC储量在不同深度上呈现出一致的空间分布模式，其中小兴安岭、长白山脉和三江平原地区的SOC储量较高，而辽河平原和松嫩平原西部的SOC储量较低。SOC储量随着UI的增加而显著下降，且SOC与UI之间的相关性在城市化程度较低的地区更为明显。代表性城市的案例研究证实了SOC在城乡梯度上表现出异质性响应。通过Geodetector分析，识别出潜在蒸散发（PET）、蒸气压差（VPD）、归一化植被指数（NDVI）和短波辐射（Srad）为主要驱动因素，其中PET在所有交互作用中均作为核心驱动因素。在表层土壤中，PET与NDVI的交互作用在解释SOC变异方面表现出最强的解释力和“双因子增强”效应；而在亚表层土壤中，PET与阳离子交换容量（CEC）的交互作用同样显著。这些发现突显了环境和气候因素，尤其是PET、VPD、NDVI和Srad在城市化背景下塑造SOC储量空间异质性中的关键作用，为东北黑土区的可持续碳管理与土地利用规划提供了机制性见解。

在东北地区，SOC的动态变化受到多种因素的影响，包括气候、植被、地形、土壤理化性质和人类活动。这些因素的复杂相互作用导致SOC的空间异质性，使得对SOC的监测和建模面临挑战。东北地区作为中国重要的黑土区，其土壤具有高有机质含量和强肥力的特点，支撑着广泛的耕地和农业基础。然而，随着城市化进程的加快，耕地、森林和湿地不断被转化为道路、住宅区和工业区等“灰色基础设施”，这种土地利用格局的转变对SOC的时空动态产生了深远影响。城市化不仅改变了土地系统的结构和功能，还显著影响了全球碳循环。例如，城市居民在全球范围内贡献了约22%的陆地碳吸收和24%的碳排放。已有研究表明，城市化往往引发碳源增加和碳汇减弱的双重影响，即“碳源激增—碳汇减少”的效应，这对区域碳预算和全球气候变化具有重要影响。

尽管已有大量研究探讨了城市化对SOC的影响，但目前的研究结果仍存在不一致，尤其是在深度依赖性和区域差异方面。多数研究集中于表层土壤或城市层面的案例分析，而对不同深度和广泛农业景观的系统评估仍然不足。因此，SOC在垂直剖面和环境梯度上的响应机制尚不明确，特别是在寒冷、以农田为主的地区如东北黑土区。为弥补这一知识空白，本研究假设SOC对城市化的响应幅度和方向会随着土壤深度、环境背景和人类压力的不同而变化。因此，本研究选取了东北地区的289个县级行政单位，整合了多源空间数据与两个深度的SOC储量测量，以实现以下目标：（1）描述两个深度SOC储量对城市化强度的动态响应；（2）识别影响SOC空间分布的主要因素；（3）评估城市化对SOC时空异质性的影响。研究结果有望为区域土壤碳储量管理及土地利用策略的优化提供理论依据和政策指导。研究假设城市化会对SOC储量产生显著的深度依赖性影响，导致东北地区SOC响应的空间异质性。

在数据来源方面，本研究利用了SOC储量和不透水面积两个主要数据集。此外，还选择了13个代表性的环境和人为变量，以全面分析城市化压力下SOC的空间分布及其驱动机制。SOC数据来源于由Poggio等人（2021）开发的SoilGrids250m 2.0平台，该平台整合了来自世界土壤信息系统（WoSIS）数据库的超过23万个土壤剖面观测数据，作为模型校准和验证的地面控制点。通过结合广泛的环境协变量并采用机器学习算法，该平台提供了高可靠性的空间连续预测。不透水面积数据则来自Gong等人（2020）发布的全球人工不透水面积（GAIA）数据集，该数据集通过时间序列Landsat影像和多个辅助数据集生成，空间分辨率为30米，能够准确勾勒出城市扩张和人为干扰的边界。

为了识别影响SOC分布的关键因素，研究选择了代表五个维度的13个变量：人为活动、生态条件、地形、土壤性质和气候。这些变量基于其对SOC动态的理论相关性、在整个研究区域的数据可用性以及在先前SOC建模研究中的重要性进行选择。这一多维框架使得对SOC动态的自然和人为驱动因素的综合评估成为可能。夜间光强度（NL）和人口密度（POP）作为城市化和人为干扰水平的代理变量；归一化植被指数（NDVI）、潜在蒸散发（PET）、蒸气压差（VPD）和径流（Q）反映了植被生产力、水资源可利用性和碳传输路径；阳离子交换容量（CEC）、pH值和土壤湿度（Soil）则指示了养分保持、微生物活动和水分调节能力，这些对于SOC的稳定至关重要；数字高程模型（DEM）和坡度影响了土壤形成过程和侵蚀潜力；年均温（Temp）和下行短波辐射（Srad）调节有机质分解速率和碳固定能力。这些变量具有理论基础、空间明确性和区域适用性，使得对SOC模式和其在不同城市化程度下的响应进行稳健分析成为可能。

在城市化强度指数（UI）的构建方面，本研究将UI定义为每个1公里×1公里网格单元内不透水面积的比例。UI值范围从0%（最小城市干扰）到100%（最大城市干扰），提供了一个连续的指标来表征城市化程度。UI的计算公式如下：UI_i = (UA_i / GA_i) × 100%，其中UI_i表示第i个网格单元的UI值，UA_i表示该单元内的不透水面积，GA_i是网格的总面积（即1公里×1公里）。考虑到研究区域的广阔空间范围和城市化发展的显著差异——从密集的建成区到稀疏的人口农村景观，我们采用了自然断裂（Jenks）分类法将UI值划分为两个不同的等级：低强度（UI ≤ 25%）和高强度（UI > 25%）。低强度等级对应于城市影响最小的区域，其中SOC储量可能受到自然环境因素和有限人为干扰的共同作用。相比之下，高强度等级代表了中等至高度城市化的区域，其中人为活动是SOC动态的主要驱动因素。这种分类有助于更细致地理解SOC在城乡梯度上的变化，并增强后续空间分析的稳健性和可解释性。

为了进一步研究城市化对SOC储量的影响，我们采用了二次回归模型来拟合SOC储量与UI值之间的关系。在UI梯度上，SOC储量的变化可能表现出三种典型模式：增加、减少或无显著变化。此外，SOC变化率可能随着UI的增加而加速或减缓，反映出城市化进程对土壤碳动态的潜在影响。为了捕捉这些非线性模式，我们应用了二次回归模型。在该模型中，Y代表SOC储量，X表示UI。系数a、b和c分别对应于回归方程的参数。具体来说，系数a决定了曲线的方向：如果a > 0，曲线向上开口，表明SOC随UI增加而先减少后增加；如果a < 0，曲线向下开口，表明SOC随UI增加而呈倒U型趋势。a的绝对值反映了曲线的弯曲程度——更大的值意味着更显著的非线性响应。系数b控制曲线的整体斜率：正的b表明SOC随UI增加而总体上升，负的b则表明SOC随UI增加而下降。截距c代表UI为0时的初始SOC储量，对应于垂直（SOC）轴上的值。通过拟合这样的二次曲线，我们不仅能够确定SOC在城市化梯度上是增加、减少还是呈非线性模式，还能评估SOC变化率在UI增加时是加速还是减缓。决定系数（R2）用于评估模型的拟合优度。较高的R2值表明二次回归模型更有效地解释了与UI变化相关的SOC变异。

为了进一步探讨城市化对SOC储量的影响，我们选取了三个代表性城市——沈阳、吉林和双鸭山，基于其UI梯度和功能定位。所有统计分析均使用R版本4.3.3进行，空间数据处理和可视化则采用ArcGIS 10.8。通过分析这些城市在不同深度上的SOC储量变化，我们能够更清晰地理解SOC在城市化过程中的动态响应。研究发现，尽管所有三个城市都表现出SOC储量随UI增加而显著下降的趋势，但下降模式和敏感性存在明显差异。在双鸭山，SOC储量表现出非线性下降趋势，最佳拟合曲线为向上开口的二次曲线，表明在中等城市化水平下SOC下降更为迅速，其R2值分别为0.644（0–30厘米）和0.611（0–100厘米）。相比之下，吉林表现出相对较线性且适度的下降，其R2值分别为0.619和0.588，这表明吉林的城市化对SOC的影响较弱或城市发展较为均匀。沈阳则表现出最显著的负相关性，SOC储量随着UI的增加急剧下降，拟合曲线为向下开口的抛物线，其R2值高达0.926（0–30厘米）和0.945（0–100厘米），表明其对城市化压力的响应尤为强烈。这些结果强调了城市类型、发展阶段和土地利用策略在塑造城市土壤碳动态中的重要性。值得注意的是，SOC与UI之间的相关性在整体UI较高的城市中更为显著。具体而言，沈阳表现出最强的相关性，其次是双鸭山，最后是吉林。这些发现加深了我们对城市生态系统中碳循环空间异质性的理解，并为制定有针对性的城市土地管理和黑土保护政策提供了科学依据。

在不同土壤深度的驱动因素和交互效应分析中，Geodetector模型的结果显示，所有选定的环境和生态因素都显著解释了SOC储量的空间变化。根据置换检验，所有q值均具有统计学意义（P < 0.05），确认了空间关联性并非由随机效应导致。在0–30厘米深度，四个最具影响力的因子是PET、VPD、NDVI和Srad，其对应的q值分别为0.8285、0.7668、0.6586和0.6200。相比之下，在0–100厘米深度，主导因子的排名略有不同：PET（q = 0.8134）、VPD（q = 0.7869）、Srad（q = 0.6415）和NDVI（q = 0.6405）。这些结果表明，尽管PET和VPD在两种深度上均发挥主导作用，但NDVI和Srad在不同深度上的相对重要性有所变化。具体而言，NDVI对表层SOC的影响更为显著，这可能归因于表层有机碳对植被覆盖变化的更高敏感性。相反，Srad在更深层土壤中更为重要，这可能反映了热力和水文过程在调控深层SOC积累和稳定中的更大作用。

进一步分析表明，PET在所有交互作用中都扮演了核心角色。在0–30厘米深度，涉及PET的交互q值范围从0.829到0.925；而在0–100厘米深度，该范围从0.815到0.918。这些发现表明，PET不仅对SOC分布有显著的直接影响，还通过与生态、气候和土壤因子的相互作用增强了其调控效果。所有交互效应在P < 0.05的水平上均具有统计学意义，进一步确认了这些关系的稳健性。观察到的表层与深层SOC主导交互机制的差异也表明，表层SOC更易受到近期土地利用、人为干扰和生态输入的影响，而深层SOC则表现出更强的惯性特征，反映了累积过程。

综上所述，SOC储量在不同深度上的空间分布是由多维自然和人为驱动因素的耦合效应所塑造的，表层和亚表层的响应机制存在明显差异。这些发现为识别关键驱动因素并制定针对不同深度的SOC管理策略提供了有价值的见解。模型诊断结果与空间模式的一致性进一步支持了GWR分析的稳健性和可靠性。

在讨论部分，我们强调了不同城市化管理策略的重要性。研究发现，随着UI的增加，东北地区表层（0–30厘米）和亚表层（0–100厘米）SOC储量均显著下降（P < 0.05），其中表层SOC储量的下降幅度高达99.7%，而亚表层SOC储量的下降幅度为98.7%。此外，UI与SOC之间的关系在低城市化地区更为稳定，其R2值通常超过0.39。相比之下，在高城市化地区（UI > 25%），SOC对城市化的响应变得更加复杂，模型表现明显下降。这些发现表明，UI的变化不仅影响SOC的损失幅度，还影响有效的碳管理与干预的可能性。因此，碳管理政策应根据城市化水平进行空间差异化设计。

在低城市化地区（UI ≤ 25%），SOC储量相对较高，城市干扰尚未广泛存在。这些地区是东北地区重要的碳库。在城市扩张的背景下，城市和区域规划措施比常规的农业实践更具相关性。这些措施包括划定黑土生态保护区、将SOC指标纳入土地利用评估，并保持绿色生态廊道。此外，地方政府应加强土壤碳监测，并将SOC保护目标纳入区域发展战略，确保碳保护成为城市化规划的明确组成部分。这种以规划为导向的方法对于即将面临城市扩张的低UI区域尤为重要，因为这些区域的主动空间管理可以有效防止SOC损失的发生。

在高城市化地区（UI > 25%），由于人为干扰的加剧和土地覆盖的频繁变化，SOC储量已大幅下降，传统的生态恢复方法在恢复碳储存能力方面效果有限。因此，应着重发展绿色城市基础设施和生态土地恢复，包括优化城市绿地、实施垂直绿化（如屋顶花园和绿色墙壁）以及对退化土地进行重新造林，以增强城市碳汇潜力。此外，严格的土地利用规划和控制至关重要，包括对建设用地审批的严格监管和对耕地向非农业用途转化的严格限制，以防止低效的城市扩张和进一步的SOC损失。

本研究还揭示了在冷地区城市化背景下SOC响应机制的独特性。东北地区是典型的寒冷农业区，其SOC动态机制呈现出显著的特征。与温带和南方地区相比，寒冷地区的土壤受到长期低温和季节性冻融循环的影响，这显著减缓了土壤有机质的分解速度。因此，这些地区通常维持较高的基础SOC储量。然而，这也使得土壤碳平衡对干扰更加敏感。当高碳土地（如耕地或绿地）被转化为建设用地时，原有的平衡容易被打破，导致表层SOC的快速损失。自1990年代以来，东北地区城市化过程频繁涉及黑土区和稻田的开发，这些区域本身具有较高的碳密度。这种土地利用变化不仅直接消耗SOC，还可能改变土壤结构和热-水文条件，从而影响深层碳库。此外，寒冷地区城市基础设施的发展需要特定的适应措施，如集中供暖系统和广泛的地面硬化，这进一步增加了对土地资源的压力并加剧了SOC的消耗。寒冷地区城市化的另一个显著特征是其时间上的集中性。由于冬季施工的限制，土地利用变化往往以突发、高强度的方式发生。这种“脉冲式”转变通常使得SOC难以达到新的稳定状态，引入了城市化景观中碳动态的显著不确定性。这一现象可能部分解释了本研究中观察到的模式，即SOC与UI之间的相关性在UI增加时减弱。

因此，寒冷地区的SOC对城市化带来的干扰更为脆弱，恢复周期更长，生态系统修复的难度更大。这些独特的脆弱性突显了制定差异化土地利用政策和碳管理策略的必要性。不应简单地将为南方地区或全国平均开发的模型或框架应用于寒冷地区城市。相反，应开发符合寒冷地区城市气候、生态和社会经济现实的定制化方法，以确保区域土壤碳资源的保护和适应性调控。

本研究的强项在于其整合Geodetector和GWR框架，对东北地区SOC与城市化互动进行了全面的空间评估。该研究的一个主要优势是其多尺度分析框架，能够同时捕捉SOC储量在表层（0–30厘米）和亚表层（0–100厘米）上的空间异质性和局部空间依赖性。与以往主要依赖全球回归或相关性分析的研究相比，本研究的方法使我们能够更深入地理解SOC空间变化的驱动因素。Geodetector和GWR的结合不仅量化了每个因素的解释力，还阐明了其地理变化的影响，为理解城市化强度与土壤碳动态之间的复杂耦合提供了细致的见解。另一个优势是将一致的行政和空间尺度上的多样环境和人为变量进行整合，使得对SOC响应自然和人为梯度的全面评估成为可能。本研究还为全球重要但高度受扰的黑土区提供了新的实证证据，为区域碳管理与可持续土地利用规划提供了宝贵的信息。

然而，研究也存在一些局限性。首先，数据集的空间分辨率并不完全统一（例如，土地利用为30米，而气候变量为4公里），这可能在多源数据整合和模型输出中引入不确定性。其次，Geodetector和GWR分析基于县级聚合数据，虽然这减少了随机噪声，但也可能掩盖县级异质性。第三，研究聚焦于东北地区特定的气候和社会经济区域，这限制了研究结论在其他地理背景下的直接可转移性。此外，尽管通过诊断统计验证了模型的稳健性，但进一步结合独立的实地样本或时间验证将有助于增强研究结果的普适性。

未来的研究应致力于解决这些局限性，例如：（1）整合更高分辨率和时间一致的数据集；（2）纳入动态城市扩张轨迹和土地利用转变；（3）将空间统计方法与基于过程的碳模型相结合，以更好地捕捉人为干扰与SOC动态之间的机制联系。此外，扩展至其他主要农业区域的比较分析有助于推广研究结论并增强其全球相关性。

综上所述，本研究通过多源空间数据和Geodetector-GWR结合框架，探索了东北地区SOC储量对城市化的动态响应。研究结果表明，SOC储量随城市化强度的增加而显著下降，其中表层SOC（0–30厘米）的损失大于亚表层SOC（0–100厘米）。SOC与UI之间的关系在低城市化地区较强，但在高城市化地区变得更为不确定，反映了复杂的人为过程对SOC的影响日益增强。自然环境因素——PET、VPD、NDVI和Srad——被识别为SOC空间变化的主要驱动因素。气候与生态变量之间的交互作用增强了解释力，揭示了SOC异质性是由多种耦合过程共同调控的。GWR结果进一步确认了这些关系的空间非平稳性，其中生态和气候热因素在主要平原地区表现出最强的影响。人为因素虽然总体解释力较弱，但在城市化聚集区却显示出局部显著效应。

本研究为评估SOC与城市化之间的联系提供了一个可扩展的框架，并为寒冷农业区的可持续土壤碳管理提供了实证依据。然而，研究仍存在一些局限性，包括多源数据集的空间分辨率混合以及县级数据的区域代表性。未来的工作应整合更高分辨率和时间一致的数据，利用独立的实地样本验证模型输出，并扩展至其他气候和土地利用背景下的比较分析。总体而言，研究结果为在快速城市化和环境变化背景下维持土壤碳稳定性提供了理论支持和政策指导。