南部非洲农业生态系统中土壤属性对土壤有机碳的控制作用超过气候和管理效应

《Journal of Plant Nutrition and Soil Science》：Edaphic Controls Override Climatic and Management Effects on Soil Organic Carbon in Southern African Agroecosystems

　　

理解气候、土壤属性和管理措施对土壤有机碳（soil organic carbon, SOC）的相对重要性，对于在数据稀缺的农业生态系统中改进SOC预测和土地管理至关重要。本研究利用655个观测数据，涵盖气候变量、土壤理化性质和管理指标，量化了南部非洲农业生态系统中的SOC驱动因子。采用线性回归、层次建模、响应尺度比较、方差分配和非线性敏感性分析来评估SOC驱动因子归因的稳健性。SOC变异性主要由土壤属性解释。仅含土壤属性的模型解释了SOC变异的33.2%，与包含气候、土壤属性和管理变量的完整加性模型（R² = 0.349；调整后R² = 0.338）非常接近。铝氧化物（Al oxides）、黏粒含量、阳离子交换量（cation exchange capacity, CEC）和pH是最稳定的土壤属性预测因子，而管理指标在完整模型中不显著。方差分配证实了土壤属性控制的主导地位，土壤属性的独立贡献为29.9%，气候为1.0%，管理没有独立贡献。非线性模型改进了拟合，广义加性模型（generalized additive model, GAM）解释了38.6%的偏差，但并未改变土壤属性控制的主导地位。这些发现表明，南部非洲农业生态系统中SOC变异性主要由土壤理化条件决定，而非由大尺度气候梯度或粗略的管理类别决定。因此，在这些系统中进行SOC预测和管理时，应优先考虑土壤属性限制，特别是矿物反应性、交换能力和土壤化学条件。

土壤有机碳（soil organic carbon, SOC）是土壤肥力、农业生产力、生态系统功能和陆地碳储存的关键决定因素。在农业生态系统中，SOC调控养分保持、土壤结构、持水能力、生物活性和对环境胁迫的恢复力。其积累和持久性受气候、生物、地形、母质、时间和管理的多重因子控制。然而，在气候梯度显著、母质多样、土壤性质多变和管理措施异质性强的地区，这些控制因素的相对重要性仍不确定。南部非洲农业生态系统跨越强降雨和温度梯度，拥有多样母质和对比鲜明的土壤类型，包括高风化土壤，且管理措施差异大，为解析气候、土壤属性和管理对SOC的相对作用提供了理想场所。尽管对撒哈拉以南非洲SOC动态兴趣增加，但多数研究局限于局部实验、单一驱动因子或广泛气候预测因子，较少定量区分气候、土壤属性和管理在区域农业生态系统梯度上的独特和共享贡献。此外，响应尺度（未变换与对数变换）和非线性关系常被忽视。因此，本研究旨在弥补这些空白。

研究人员基于Soils4Africa项目在南部非洲农业用地采集的655个观测数据，结合气候变量、土壤理化性质和管理指标，通过多种统计模型量化SOC驱动因子。结果显示，SOC变异性主要由土壤属性解释，铝氧化物（Al oxides）、黏粒含量、阳离子交换量（cation exchange capacity, CEC）和pH是最一致的预测因子，而气候和粗放管理指标贡献有限。该研究强调土壤矿物反应性和化学条件对SOC稳定性的主导作用，并为区域SOC预测提供了框架。论文发表在《Journal of Plant Nutrition and Soil Science》。

研究采用的关键技术方法包括：基于Soils4Africa项目数据库，样本覆盖南部非洲多国农业用地，气候数据取自WorldClim 2.1。主要方法有：线性回归（比较气候、土壤属性、管理单独和完整模型）、层次回归（评估预测因子组的增量贡献）、响应尺度比较（未变换SOC与对数变换SOC的交叉验证）、方差分配（基于冗余分析量化独特和共享贡献）、非线性分析（二次项和广义加性模型）以及稳健性检查（稳健标准误、稳健回归等）。所有分析在R统计软件中完成。

以下介绍研究结果。

3.1 描述性统计（Descriptive Statistics）：SOC含量范围为0.06%~13.22%，平均值为1.20%；平均年降水量（MAP）范围为339.17~1147.83 mm，平均温度为（MAT）7.69~29.60°C；黏粒含量2%~72%，Fe氧化物36~21763 mg kg^?1，Al氧化物24~18249 mg kg^?1，CEC 1.07~66.35 cmol_c kg^?1，pH 4.16~9.50。这些数据展示了广泛的环境梯度。

3.2 相关分析（Correlation Analysis）：SOC与Al氧化物相关性最强（r=0.546），其次为Fe氧化物（r=0.342）、CEC（r=0.309）和黏粒（r=0.229）。SOC与MAP弱正相关（r=0.101），与MAT（r=?0.132）和pH（r=?0.087）负相关。这表明SOC的主要关联沿土壤属性梯度而非气候梯度。

3.3 共线性评估（Multicollinearity Assessment）：方差膨胀因子（variance inflation factor, VIF）值范围为1.04~2.47，低于5的阈值，表明预测因子可共同纳入回归模型而无严重共线性问题。

3.4 响应尺度比较与模型诊断（Response-Scale Comparison and Model Diagnostics）：未变换SOC完整模型R²=0.349，调整R²=0.338，高于log(SOC)模型的0.325。Breusch-Pagan检验显示未变换模型存在异方差性，因此采用HC3稳健标准误进行系数推断。

3.5 完整SOC模型中的预测因子效应（Predictor Effects in the Full Additive SOC Model）：Al氧化物（估计=0.591，p=0.013）、黏粒（估计=0.138，p=0.004）和CEC（估计=0.150，p=0.021）显著正相关，pH（估计=?0.096，p=0.028）显著负相关。MAT显著正相关（估计=0.167，p=0.032），MAP和Fe氧化物不显著。所有管理指标（作物残留、动物粪便、化肥使用、侵蚀）均不显著。

3.6 不同预测因子组的模型性能（Model Performance Across Predictor Groups）：仅土壤属性模型解释33.2%变异，接近完整模型的34.9%。仅气候模型仅解释4.6%，仅管理模型几乎无解释力（R²=0.002）。交叉验证结果一致，土壤属性模型和完整模型的交叉验证R2

相关新闻