土壤健康评估方案（SHAPE v1.0）的评估与验证：基于多样土地利用及管理实践的多框架比较与土壤碳组分关联分析

《Archives of Agronomy and Soil Science》：Evaluation of the Soil Health Assessment Protocol and Evaluation (SHAPE): a comparative analysis with SMAF and CASH across diverse land uses and management practices

　　

土壤管理评估框架（Soil Management Assessment Framework，SMAF）和土壤健康综合评价（Comprehensive Assessment of Soil Health，CASH）被广泛用于评估土壤健康，但两者均依赖有限的数据集。为解决这一问题，土壤健康评估方案与评估（Soil Health Assessment Protocol and Evaluation，SHAPE v1.0）于2024年发布，该方案整合了扩展的数据集和贝叶斯建模（Bayesian modeling）以改进土壤健康解释。本研究利用一个涵盖多样土地利用（即原生森林、牧场和农田）及11种不同管理实践的独立数据集对SHAPE进行了评估，并将其性能与SMAF和CASH进行了比较，同时考察了土壤健康与土壤碳组分之间的关系，包括颗粒有机碳（Particulate Organic Carbon，POC）和矿物结合态有机碳（Mineral-Associated Organic Carbon，MAOC）。结果表明，与CASH或SMAF相比，SHAPE在区分森林、牧场和农田之间的土壤健康差异方面具有更高的灵敏度。在美国中西部条件下，SHAPE的总体土壤健康评分与CASH的一致性高于SMAF，且牧场系统始终表现出最高的土壤健康水平。在全部三个框架中，土壤健康的改善均与土壤扰动的减少相关。有机管理系统还在0–30 cm整个剖面中表现出更高的碳积累。这些发现表明，将碳组分与SHAPE整合可能有助于增强未来的土壤健康评估。

**土壤健康评估方案（SHAPE）的评估与验证：基于多样土地利用及管理实践的多框架比较与土壤碳组分关联分析——论文解读**

**一、研究背景**

近几十年来，土壤健康（Soil Health）日益受到学术界和公众的广泛关注。土壤健康代表了土壤在维持关键生态系统中支撑植物、动物和人类健康方面所具备的核心物理、化学和生物学特性。为了系统性地分析、可视化和解释土壤健康状况，科学界开发了多种土壤健康量化框架，其中土壤管理评估框架（Soil Management Assessment Framework，SMAF）和土壤健康综合评价（Comprehensive Assessment of Soil Health，CASH）是应用最为广泛的两个工具。SMAF由Andrews等人于2004年开发，包含10项土壤健康指标，涵盖物理指标（容重Bd和水稳性团聚体WSA-S）、化学指标（pH、电导率EC、可提取磷和可提取钾）以及生物指标（微生物生物量碳MBC、潜在可矿化氮PMN、β-葡萄糖苷酶活性BG和土壤有机碳SOC）。CASH由康奈尔大学土壤健康实验室开发，基于美国东北部校准的土壤数据集累积正态分布，包含12项指标，涵盖物理指标（有效水容量AWC、湿团聚体稳定性WSA-C、地表硬度PR1和亚表层硬度PR2）、化学指标（pH、改良Morgan法可提取磷、可提取钾和微量营养元素）以及生物指标（土壤有机质SOM、土壤呼吸Resp、活性碳AC和柠檬酸盐可提取蛋白ACE）。

然而，由于成土过程的差异，不同空间尺度上的最佳土壤健康条件和相应的土壤功能可能存在显著差异，这限制了SMAF和CASH的普适性。当这些框架被用于评估其原始数据集之外或土壤性质差异极大的土壤时，产生的土壤健康评分对用户而言可能缺乏意义。鉴于此，研究人员开发了土壤健康评估方案与评估（Soil Health Assessment Protocol and Evaluation，SHAPE v1.0），并于2024年发布。SHAPE旨在通过重新评估和扩展SMAF与CASH中嵌入的数据集，并考虑大陆尺度变异性下的固有土壤性质和气候条件，以实现对土壤健康状况的灵敏量化。此外，土壤有机碳（SOC）的数量、质量和动态在维持土壤健康中发挥着关键作用。Lavallee等人建议将SOC分为颗粒有机碳（Particulate Organic Carbon，POC）和矿物结合态有机碳（Mineral-Associated Organic Carbon，MAOC）两个子集，两者在结构、功能及形成/分解途径上的差异对理解和解释土壤健康具有重要意义。本研究旨在利用一个包含SMAF和CASH数据的原始数据集评估SHAPE的适用性，同时探究POC和MAOC与关键土壤健康指标之间的相互关系。

**二、主要技术方法概述**

本研究数据来源于俄亥俄州立大学Grace Drake农业实验室（年均温度10°C，年均降水量900 mm，位于美国俄亥俄州伍斯特市）的11个样点，涵盖橡树为主的落叶林（DF）、松树为主的常绿林（EF）、肉牛放牧牧场（BP）、用于干草生产的奶牛牧场（DP）、非控制排水农田（UCD）、控制排水农田（CD）、冬小麦田（WT）、有机管理认证农田（OR）、与OR土壤特性相同的无机肥料管理农田（IO）、前茬连续玉米田（CC）和多年生苜蓿田（AL）。所有样点于2024年4月作物播种前采样，每个样点选取4个随机采样位置，采用液压探针获取0–15 cm和15–30 cm两层土壤样品。SHAPE的应用遵循三步程序：指标选择、指标分析解释为0–100的无量纲评分、以及基于所有选定指标评分未加权均值的总体土壤健康评分生成。SHAPE的评分曲线基于贝叶斯线性回归模型（Bayesian linear regression model），该模型估计指定土壤同质组（涵盖5种土壤质地类别和5种土壤亚纲）的条件累积分布函数（Conditional Cumulative Distribution Function，CDF），并根据30年年均温度和年均降水量进行调整。POC和MAOC的分离采用Cotrufo等人描述的方法，通过0.5%六偏磷酸钠溶液分散和53 μm筛分进行物理分离，随后使用元素分析仪（UNICUBE, Elementar）通过干燃烧法测定总碳含量。所有数据分析使用R软件4.3.1版进行，包括单因素方差分析（ANOVA）、Tukey校正配对比较和主成分分析（Principal Component Analysis，PCA）。

**三、主要研究结果**

**（一）框架指标评分比较——土壤有机碳和有机质**

在三个框架的SOC/SOM评分比较中，SMAF在11个样点中的8个样点始终给出了最高的SOC评分，而SHAPE在10个样点中给出了最低的SOC评分。SMAF评分偏高的潜在原因在于其SOC数据集主要来自美国上中西部和西部地区，可能无法充分代表俄亥俄州的固有SOC条件；此外，SMAF评分算法对土壤亚纲分类中SOC固存潜力的排序假设（S4 < S3 < S2 < S1）可能导致评分虚高。CASH采用仅基于三种广泛土壤质地类别（粗、中、细）的简化评分方法，虽然提高了易用性，但牺牲了基于SOM的土壤健康评估精度。SHAPE将SMAF的4个亚纲类别扩展为5个，理论上提高了SOC评分曲线的准确性，但在某些情况下可能低估了SOC评分——例如UCD样点SOC含量为1.37%，SHAPE评分仅为11（满分100），反映了其贝叶斯条件CDF将该SOC值置于同质组分布的低端。

**（二）框架指标评分比较——水稳性团聚体**

CASH和SHAPE的WSA-C评分差异较小，仅UCD和CC样点因两个框架土壤质地分类差异而略有变化。然而，SMAF和SHAPE在WSA-S评分上表现出显著差异：SMAF在所有样点（无论土地利用或管理实践）均给出满分，表明SMAF的WSA-S评分曲线缺乏灵敏度，该局限性此前已被Hoffman等人记录。相比之下，SHAPE在WSA-S评分上较SMAF有明显改进。此外，SHAPE的WSA-C评分始终高于WSA-S评分，提示未来需要进一步改进这两种湿团聚体稳定性评估方法在SHAPE中的一致性。

**（三）框架指标评分比较——土壤呼吸、活性碳和柠檬酸盐可提取蛋白**

Resp和ACE均对土地利用和管理实践的变化表现出统计灵敏度。虽然SHAPE的Resp和ACE评分高于CASH，但两个框架的总体统计显著性水平相对一致。SHAPE评分较高可能归因于其通过整合年均温度、年均降水量、更广泛的土壤质地类别和土壤矿物学来针对特定场地条件进行定制。相比之下，CASH和SHAPE的AC值和评分均未呈现统计显著性，可能由于重复之间变异性较大，引发了对AC在区分不同管理实践下土壤健康差异方面灵敏度的质疑。

**（四）框架总体土壤健康评分比较**

三个框架均在一定程度上根据土地利用展示了土壤健康评分的统计显著差异，但SMAF在土地利用区分方面的灵敏度低于CASH和SHAPE。SMAF在所有11个样点中始终显示最高的总体土壤健康评分。CASH和SHAPE的评分更为接近，仅在DF、UCD、WT和IO四个样点存在显著差异，这可由SHAPE中实施的特定场地指标进一步调整了土壤物理、化学和生物指标评分曲线来解释。对于两个原生森林样点，三个框架均能区分DF和EF之间的土壤健康差异。两个牧场样点（DP和BP）在三个框架中均倾向于表现出最佳的土壤健康状况。在耕作样点中，SMAF产生较高的土壤健康评分可能归因于其数据集地理范围有限（原始数据不包括俄亥俄州土壤），而研究样点伍斯特市与美国东北部共享相似的气候条件（CASH数据集的校准区域），这解释了CASH与SHAPE评分的接近程度。此外，当前SHAPE版本中的6项土壤健康指标有4项同样存在于CASH中，而SMAF仅与SHAPE共享2项指标（SOC和WSA-S）。所有框架均将UCD视为耕作田中土壤健康最差的样点，将OR视为最佳的样点。尽管SHAPE在某些情况下存在较大的标准误差，表明其尚非完全全面的土壤健康框架，但研究结果表明当前版本SHAPE有潜力作为可靠的土壤健康评估工具，未来应整合额外的土壤化学性质（如pH和EC）、酶学性质（如β-葡萄糖苷酶和芳基硫酸酯酶）以及植物有效养分（可提取磷和钾）等指标。

**（五）碳组分的影响**

在0–15 cm深度，MAOC是主要的土壤碳库，其浓度和库存在不同处理间差异相对较小；而总碳和POC浓度总体上呈现随扰动程度降低而增加的趋势，即从原生植被、畜牧一体化牧场到保护性农业再到常规管理农田依次递减。在15–30 cm深度，OR样点的POC库存在15–30 cm土层中高于其他所有样点，表明有机管理下较深土层的碳积累更为显著，这一结果与Lazicki和Geisseler以及Gattinger等人的研究结论一致。TC和MAOC库存在15–30 cm深度未在不同土地利用和管理实践中表现出显著差异。

**（六）土壤健康与土壤碳之间的关系**

主成分分析（PCA）显示，前两个主成分（PC1和PC2）累计解释了SHAPE土壤健康指标、所有框架评分及碳组分变异性的69.9%。0–15 cm深度的土壤总碳、MAOC和POC与SHAPE中的大多数土壤健康指标以及三个框架的总体土壤健康评分相关联。0–15 cm碳组分和土壤生物健康指标的方向均明显指向受扰动较少的样点（如DF、BP、DP）。15–30 cm深度的TC和碳组分主要指向OR样点，进一步强调了将土壤健康指标与碳组分整合的重要性，这有助于更全面地理解管理实践如何影响整个土壤剖面的碳库和碳积累。

**四、总结与结论**

本研究基于近期用于比较SMAF和CASH的同一土壤数据集，对新发布的SHAPE（v1.0）土壤健康评估工具进行了评估。与SMAF相比，在当前俄亥俄州土壤数据集下，SHAPE的总体土壤健康评分与CASH更为相似。所有土壤健康框架和碳组分数据一致表明，土壤健康结果的改善与土壤扰动的最小化相关联。在OR样点，15–30 cm深度观察到了碳积累，表现为POC库存高于其他常规管理样点。通过区分活性POC和受保护程度更高的MAOC组分，可以确定和解释驱动碳储存和养分循环的机制。因此，未来的土壤健康评估应考虑超越总碳评估，并评估将碳组分作为潜在标准指标的可行性。这一转变对于确保在长期生态系统功能背景下精确理解维持土壤健康的土壤动态至关重要。