《Journal of Environmental Management》：Potentials and drivers of soil quality improvement – an index based on-farm evaluation
编辑推荐：
土壤质量指数（Soil Quality Index，SQI）是基于土壤化学、物理及生物学属性构建的综合评价工具。本研究在奥地利21个位点开展田间配对试验，比较了先行农场（Pioneer）、标准农场（Standard）及非耕作参考样地（Reference）在0–
土壤质量指数（Soil Quality Index，SQI）是基于土壤化学、物理及生物学属性构建的综合评价工具。本研究在奥地利21个位点开展田间配对试验，比较了先行农场（Pioneer）、标准农场（Standard）及非耕作参考样地（Reference）在0–5、5–20和20–35 cm三个土层深度上的土壤质量差异。通过主成分分析（PCA）筛选出最小数据集（MDS），最终确定微生物生物量碳（Microbial Biomass Carbon，MBC）、微生物碳利用效率（Carbon Use Efficiency，CUE）、碳获取酶（C-acquiring enzymes）和团聚体稳定性（Aggregate Stability，AggStab）为核心指标，并基于非线性评分函数与加权加和法构建SQI。结果表明，与标准农场相比，先行农场的土壤质量平均提升22.0%；非耕作参考样地的SQI最高，其次为先行农场，标准农场最低。在各土层中，MBC均为解释SQI变异的最主导因子，其次为碳获取酶，而团聚体稳定性的贡献随土层加深而增大。该研究证实了数据驱动的SQI方法在田间尺度上监测土壤健康提升的适用性，并为土壤健康监测政策（如欧盟《土壤监测与韧性指令》）提供了最小指标数据集参考。
一、研究背景与科学问题
土壤系统在人为干扰下面临功能退化风险，磷（P）、氮（N）生物地球化学循环、土地利用变化、生物多样性丧失及气候调节等多项与土壤功能相关的行星边界已被突破。土壤质量（Soil Quality）被定义为土壤保障多种生态系统服务的能力，包括初级生产、养分循环、水分净化与调节、生物多样性和气候调节等。近年来，土壤微生物在调控土壤多功能性中的核心作用日益受到关注，土壤健康（Soil Health）概念强调土壤作为活的生命系统，微生物是其多功能性的关键且脆弱的基础。欧盟已启动大规模土壤健康恢复战略，如《土壤监测与韧性指令》（Directive on Soil Monitoring and Resilience，DSMR），将其作为实现绿色新政净零排放目标的关键杠杆之一。
当前土壤健康评估的关键步骤是指标筛选。常用方法包括基于专家知识的归纳法（如土壤管理评估框架）、利益相关者参与法，以及统计数据挖掘方法（如因子分析、偏最小二乘回归、决策树等），后者可克服先验专家选择的主观性。然而，基于土壤质量指数（SQI）的田间农场评估研究仍然较少，尤其是在不同土壤条件下长期实施土壤健康导向管理措施后可达成的土壤健康提升幅度方面。为此，本研究依托奥地利先行农场网络（由Boden.Leben和Humusbewegung两个农民协会发起），采用数据驱动的SQI方法，对土壤健康导向农场与现行标准农场及非耕作参考样地进行系统比较，旨在（1）验证SQI方法在田间尺度监测土壤健康提升的适用性，（2）从真实世界最佳实践案例中提炼土壤健康监测的最小数据集（Minimum Data Set，MDS）。
二、研究内容与主要结论
研究在奥地利东北部21个位点开展，每个位点设置先行农场（Pioneer）、标准农场（Standard）和非耕作参考样地（Reference）三种土壤利用系统。先行农场采用再生农业、保护性农业或有机农业实践，实施时长至少9年，平均26年；标准农场代表该区域现行主流管理实践；参考样地为永久植被的田边或树篱，未受耕作干扰。在0–5、5–20和20–35 cm三个深度采集共189个土壤样品，测定包括土壤有机碳（SOC）、全氮（TN）、微生物生物量碳（MBC）、微生物坏死物（Sum necromass）、碳获取酶（C enzymes）、氮获取酶（N enzymes）、基础呼吸（Respiration）、微生物碳利用效率（CUE）、溶解性有机碳（DOC）、电导率（EC）、团聚体稳定性（AggStab）和pH等指标。
方差分析表明，除pH和CUE外，管理方式、土壤深度及其交互作用对土壤性质均有显著影响。非耕作参考样地在SOC、TN、呼吸、DOC、C酶、N酶、MBC、坏死物、EC和AggStab等指标上均最高，标准农场普遍最低。先行农场表层土壤SOC较标准农场提升21.6%。通过主成分分析（PCA）筛选出MBC、CUE、C酶和AggStab四个核心指标构成MDS，其标准化权重分别为0.679、0.160、0.084和0.077。采用非线性评分函数（"越多越好"型）将指标转换为0–1分值，加权加和得到SQI。
三、主要技术方法
本研究采用以下关键技术方法：（1）主成分分析（PCA）与相关分析相结合的最小数据集（MDS）指标筛选方法；（2）非线性评分函数对指标进行标准化转换；（3）基于PCA方差贡献率的加权加和法构建土壤质量指数（SQI）；（4）层次分割与变异分配（rdacca.hp包）评估各指标对SQI的独立贡献；（5）单因素方差分析（ANOVA）和最小显著性差异（LSD）检验比较不同管理方式间的差异。样本来源于奥地利东北部21个位点的田间配对试验。
四、研究结果
4.1 基于土壤利用系统影响的指标筛选
方差分析结果表明，管理方式、土壤深度及其交互作用对多数土壤性质有显著影响（P < 0.05），仅pH和CUE例外。非耕作参考样地在多数指标上最高，标准农场最低。先行农场表层SOC较标准农场提升21.6%，TN呈现类似趋势。随深度增加，SOC、TN、呼吸、EC和AggStab逐渐降低；MBC在非耕作参考样地表层最高，而耕作系统在5–20 cm达到峰值。
4.2 PCA筛选独立最小数据集
除pH外，所有指标均受管理方式显著影响并纳入PCA。PC1和PC2特征值分别为6.309和1.487，累计解释70.874%方差；PC3和PC4特征值虽低于1，但结合方差覆盖和功能覆盖原则予以保留，累计解释方差提升至84.524%。MBC、CUE、C酶和AggStab分别在PC1–PC4中贡献最高，入选四指标MDS。
4.3 指标评分与土壤质量指数
四个入选指标均采用"越多越好"型非线性评分函数。标准化权重为MBC 0.679、CUE 0.160、C酶0.084、AggStab 0.077。最终SQI计算公式为：SQI = 0.679 × S(MBC) + 0.160 × S(CUE) + 0.084 × S(C酶) + 0.079 × S(AggStab)。
4.4 不同深度下土壤质量差异与指标贡献
SQI在不同管理方式和深度间差异显著，排序为非耕作参考 > 先行农场 > 标准农场。先行农场较标准农场平均提升土壤质量22.0%。表层0–5 cm区分度最强，三种系统间均差异显著；5–20 cm层次两种耕作系统间差异显著；20–35 cm层次仅标准农场显著低于其他两者。MBC在各深度均为解释SQI变异的最主导因子，贡献率分别为45.6%、57.1%和52.4%；C酶为第二贡献因子，解释方差分别为21.30%、17.2%和20.40%；AggStab的贡献随深度增加而增大，分别为14.3%、15.0%和19.7%。
五、讨论与结论
本研究表明，数据驱动的SQI方法可有效用于田间尺度土壤健康监测。MBC作为核心指标，其主导贡献部分源于较大的指数权重，但数据驱动的识别结果支持了Lehmann等（2020）关于以土壤生物学为核心的土壤质量评估观点，也与Stewart等（2018）基于美国研究的结论一致，即微生物指标（如MBC、酶活性）与团聚体稳定性最适合监测管理对土壤质量的影响。MBC是土壤有机质动态和养分循环的核心驱动因子，与SOC和TN显著正相关。C酶作为第二重要指标，其敏感性使其成为检测管理措施早期响应的良好指标。CUE与SOC形成和分解动态相关，但其与土壤质量的关系具有情境依赖性，在氮素管理视角下可能需要最优函数而非"越多越好"函数。AggStab整合了机械扰动强度及化学和生物因素（如SOC、DOC、微生物残体）的影响，其贡献随深度增加而增大。
综合来看，MBC、C酶和AggStab三者合计可解释0–35 cm土层SQI变异的70%以上。非耕作参考样地SQI最高，先行农场次之，标准农场最低，表明长期实施土壤健康导向管理措施可显著提升土壤质量。本研究为结果导向的土壤健康监测提供了最小指标数据集参考，对欧盟DSMR等政策的实施具有支撑价值，也为农民间最佳管理实践推广提供了科学依据。
