整合X射线计算机断层扫描与水力性质评估土壤压实下的土壤质量

《Land Degradation & Development》：Integrating X-Ray Computed Tomography and Hydraulic Properties for Soil Quality Assessment Under Soil Compaction

　　

土壤压实对土壤质量和可持续性构成重大威胁，需要先进的评估方法。研究人员假设，将X射线计算机断层扫描（XCT）衍生的孔隙特征与水力性质相结合，将显著增强土壤压实下土壤质量指数（SQI）的建立。从中国黄土高原五个代表不同土壤类型和土地利用（耕地和非耕地）的样地采集了90个表层（0–20 cm）土壤样品。样品在实验室条件下以五种容重水平进行压实，以模拟不同压实程度。数据包括基本土壤性质、水力性质的直接测量以及XCT图像分析获得的定量孔隙度量。建立了多元线性回归（MLR）模型来预测水力性质和孔隙特征。采用基于主成分分析的综合SQI，基于14个土壤性质评估土壤质量。结果发现，XCT分析揭示了孔隙网络特征的严重退化，包括随着容重增加孔隙度和连通性降低。结合基本土壤性质和XCT衍生的总孔隙度的MLR模型（MLR-MODEL3）提供了高精度预测（R²：0.864–0.999）。基于七个关键参数的SQI随压实程度增加从0.82显著下降至0.17，提供了土壤退化的清晰定量指标。XCT与水力性质及基本土壤性质的整合为土壤质量评估提供了强有力的方法，并为监测黄土高原压实效应提供了宝贵工具。

土壤压实是黄土高原土壤质量面临的主要威胁，尤其在易侵蚀的黄土沉积物区域，传统评估方法难以捕捉三维（3D）孔隙结构的复杂变化。现有研究缺乏将X射线计算机断层扫描（XCT）衍生的孔隙特征与水力性质系统整合到土壤质量指数（SQI）中的框架，无法全面揭示压实导致的结构性退化与功能损害之间的因果关系。为此，研究人员在《Land Degradation》上发表了此项研究，旨在通过整合XCT与水力性质，开发适用于不同压实程度的SQI，为黄土高原可持续土地管理提供工具。

研究人员从中国黄土高原的杨凌（A1）、淳化（A2）、富县（A3）、绥德（A4）和神木（A5）五个样地采集了90个表层（0–20 cm）土壤样品，涵盖耕地和非耕地两种土地利用类型。样品在实验室以1.00、1.10、1.20、1.30和1.40 g cm^?3五种容重水平进行压实，模拟不同压实程度。主要技术方法包括：使用XCT系统（nanoVoxel-1000）获取孔隙网络特征，通过图像分析提取总孔隙度（TP）、连通孔隙度（CP）、孔隙体积（PV）、表面积（SA）和孔隙数量（PN）等参数；采用固定水头法和mini disc infiltrometer分别测定饱和导水率（Ksat）、非饱和导水率（Kunsat）和累积入渗量（I），利用压力膜法测定植物有效水（PAW）；建立三种多元线性回归（MLR）模型预测水力性质和孔隙特征，最优模型MLR-MODEL3包含基本土壤性质（砂粒、粉粒、黏粒、有机碳、含水量）和XCT衍生的TP；基于主成分分析（PCA）和范数值法，从14个土壤性质中筛选出7个关键参数（CL、WC、TP、I、PAW、CP、PN），构建加权SQI。

研究结果包括以下部分：
**3.1 不同容重下的土壤孔隙特征（SPCs）**
XCT分析定量揭示了容重增加对孔隙网络的严重退化作用。视觉模型显示，随着容重从1.00升至1.40 g cm^?3，所有土壤类型的孔隙空间显著减小，颗粒排列更紧密，连通性降低。例如，A2（粘土）在最高容重下孔隙路径明显收缩，直接阻碍水分运动。
**3.2 基于MLR的预测模型**
MLR-MODEL3（包含基本土壤性质与XCT衍生的TP）在预测Ksat、Kunsat、I、PAW、CP、PV、SA和PN时表现最佳，其R²范围为0.864–0.999，调整R²为0.747–0.998，均方根误差（RMSE）最低（0.001–3.294），显著优于仅依赖传统参数的MLR-MODEL1和MLR-MODEL2。这表明XCT提供的3D孔隙数据直接增强了预测精度。
**3.3 土壤参数间的相关性**
Pearson相关分析表明，砂粒（SN）与Ksat、Kunsat、I、PV、SA呈强正相关，与粉粒（SI）、黏粒（CL）、WC、TP、PAW、CP、PN呈强负相关；SI与CL、WC、TP、PAW、CP、PN正相关，与水力性质负相关；OC与TP、CP、PN正相关，与水力性质负相关；TP与PAW、CP、PN正相关，与Ksat、I、PV、SA负相关。这些关系揭示了孔隙结构与水力功能之间的内在联系。
**3.4 土壤质量指数（SQI）的评估**
基于7个关键参数（CL、WC、TP、I、PAW、CP、PN）的SQI–PDset与基于全部14个参数的SQI–TDset高度相关，验证了筛选参数的合理性。SQI值随容重增加从0.82±0.07（Pb1）显著下降至0.17±0.09（Pb5），提供了压实导致土壤退化的清晰定量指标。各参数贡献中，WC（16.31%）、CP（15.79%）和TP（15.48%）权重最高，表明孔隙结构与水分功能是土壤质量的核心。

讨论部分总结：整合XCT与水力性质及MLR模型的方法，显著提升了土壤退化评估的定量能力和机制理解。MLR-MODEL3的优越性表明，XCT衍生的孔隙参数是预测水力性质的关键。SQI基于最小数据集有效反映了压实对土壤质量的整体影响，特别适用于黄土高原易侵蚀区的监测。研究结论翻译如下：本研究开发并验证了整合XCT、水力性质和MLR建模的框架，用于评估黄土高原不同压实程度下的土壤质量。主要结论包括四点：（a）XCT分析定量揭示了容重增加对SPCs的严重退化，包括TP、CP和PV的降低，直接控制水文功能；（b）整合XCT孔隙参数与MLR-MODEL3显著提高了水力性质和孔隙特征的预测，突显了直接3D结构数据的价值；（c）基于7个关键参数（CL、WC、TP、I、PAW、CP、PN）的SQI有效揭示了压实导致的土壤质量退化；（d）SQI值从最低容重的0.82显著降至最高容重的0.17，提供了压实诱导土壤退化的清晰定量指标。尽管整合SQI提供了高灵敏度的结构-功能损害评估工具，但敏感性分析显示，即使仅依赖直接测量性质，这些趋势仍保持一致。因此，整合方法在监测压实效应时需结合具体验证框架和重塑土样品的固有局限性。