冰川冻土, 2020, 42(3): 1036-1045 doi: 10.7522/j.issn.1000-0240.2020.0076

冰冻圈生态学

基于地理加权回归的青藏高原季节冻土区土壤有机碳空间分布研究

王栋,1,2, 吴晓东,1, 魏献花3, 吴通华1, 赵林4, 李韧1, 胡国杰1, 邹德富1, 李旺平5

1.中国科学院 西北生态环境资源研究院 冰冻圈科学国家重点实验室, 甘肃 兰州 730000

2.中国科学院大学, 北京 100049

3.西北师范大学 地理与环境科学学院, 甘肃 兰州 730070

4.南京信息工程大学 地理科学学院, 江苏 南京 210000

5.兰州理工大学 土木工程学院, 甘肃 兰州 730050

Modelling soil organic carbon distribution in the seasonally frozen ground area on the Qinghai-Tibet Plateau using the geographically weighted regression

WANG Dong,1,2, WU Xiaodong,1, WEI Xianhua3, WU Tonghua1, ZHAO Lin4, LI Ren1, HU Guojie1, ZOU Defu1, LI Wangping5

1.State Key Laboratory of Cryospheric Science,Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Lanzhou 730000,China

2.University of Chinese Academy Sciences,Beijing 100049,China

3.College of Geography and Environmental Science,Northwest Normal University,Lanzhou 730070,China

4.School of Geographical Sciences,Nanjing University of Information Science & Technology,Nanjing 210000,China

5.School of Civil Engineering,Lanzhou University of Technology,Lanzhou 730050,China

通讯作者: 吴晓东, 研究员, 从事多年冻土区土壤碳循环研究. E-mail: wuxd@lzb.ac.cn.

编委: 庞瑜

收稿日期: 2019-09-06   修回日期: 2020-05-28  

基金资助: 国家自然科学基金项目.  41871060.  41690142.  41771076.  41601066.  41601078

Received: 2019-09-06   Revised: 2020-05-28  

作者简介 About authors

王栋(1994-),男,甘肃天水人,2017年在西北师范大学获学士学位,现为中国科学院西北生态环境资源研究院在读硕士研究生,从事多年冻土区土壤有机碳研究.E-mail:wangdong@lzb.ac.cn , E-mail:wangdong@lzb.ac.cn

摘要

青藏高原土壤有机碳储量(soil organic carbon stocks, SOCS)对于区域生态环境演替具有重要作用, 但是其空间分布数据还比较缺乏, 特别是季节冻土区的数据较少。基于378个土壤剖面数据, 结合与土壤有机碳(soil organic carbon, SOC)相关的地形、 气候以及植被等环境因子, 使用地理加权回归(geographically weighted regression, GWR)模型模拟了青藏高原季节冻土区0 ~ 30 cm、 0 ~ 50 cm、 0 ~ 100 cm和0 ~ 200 cm深度的SOC总量和空间分布。结果表明: 青藏高原季节冻土区SOCS自东南向西北递减, 表层0 ~ 200 cm的SOC总量约15.37 Pg; 季节冻土区不同植被类型SOC从大到小依次为森林、 灌丛、 高寒草甸、 高寒草原和高寒荒漠; 各土壤类型中棕壤、 黑钙土和泥炭土的SOC最大, 而棕钙土、 棕漠土、 灰棕漠土、 风沙土、 石质土、 盐土、 冷钙土、 寒漠土以及冷漠土的SOC最小。研究结果给出了青藏高原季节冻土区SOC的总量、 空间分布及规律, 可为相关地球模式的发展提供基础数据。

关键词: 土壤有机碳 ; 季节冻土区 ; 青藏高原 ; 地理加权回归

Abstract

Soil organic carbon stocks (SOCS) in the Qinghai-Tibet Plateau have important implications for ecology succession, while the spatial distribution of SOC data are scarce, especially in seasonally frozen ground regions. Here, based on the multiple environmental variables and soil profile data (n=378), we evaluated the soil organic carbon (SOC) pool and spatial distribution of seasonally frozen ground which down to 2 m depth on the Qinghai-Tibet Plateau using the geographically weighted regression (GWR) approach. Our results showed that SOCS exhibited a decreasing tread from south-eastern to the north-western, and the SOC pools were estimated to be 15.37 Pg in the top 2 m. The average SOC under different vegetation types showed a decreasing trend as follows: forest>shrub> alpine meadow> alpine grassland> alpine desert. Among all soil types, brown earths, chernozems, and peat soils had the largest SOC, while brown pedocals, brown desert soils, grey-brown desert soils, Aeolian soils, chisley soils, saline, frigid desert soils, cold desert soil, and cold desert soils had the smallest SOC. Our results provided the storage, pattern, and spatial distribution of SOC in the seasonally frozen ground area, providing a scientific basis for future studies pertain to the Earth System Models.

Keywords: soil organic carbon ; seasonally frozen ground ; Qinghai-Tibet Plateau ; geographically weighted regression

PDF (2481KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王栋, 吴晓东, 魏献花, 吴通华, 赵林, 李韧, 胡国杰, 邹德富, 李旺平. 基于地理加权回归的青藏高原季节冻土区土壤有机碳空间分布研究[J]. 冰川冻土, 2020, 42(3): 1036-1045 doi:10.7522/j.issn.1000-0240.2020.0076

WANG Dong, WU Xiaodong, WEI Xianhua, WU Tonghua, ZHAO Lin, LI Ren, HU Guojie, ZOU Defu, LI Wangping. Modelling soil organic carbon distribution in the seasonally frozen ground area on the Qinghai-Tibet Plateau using the geographically weighted regression[J]. Journal of Glaciology and Geocryology, 2020, 42(3): 1036-1045 doi:10.7522/j.issn.1000-0240.2020.0076

0 引言

冻土是指在0 ℃或0 ℃以下, 并含有冰的各种岩石或土壤, 按土的冻结状态持续时间的长短, 一般可分为短时冻土(数小时至半月)、 季节冻土(半月至数月)以及多年冻土(2年以上)1。作为冰冻圈的重要组成部分, 冻土广泛分布于北半球高纬度和高海拔地区, 其中多年冻土约占北半球陆地面积的24%, 季节冻土约占50.5%2

青藏高原作为世界“第三极”, 是北半球中、 低纬度平均海拔最高的冻土分布区, 也是全球气候变化最敏感地区之一, 其升温速率约为全球同期平均升温速率的2倍3。在过去的几十年里, 青藏高原多年冻土已经出现了明显的退化, 导致多年冻土分布范围逐渐减小, 季节冻土面积逐渐增加4-5。冻土退化不仅会造成严重的地质灾害, 影响寒区工程建设6-7, 也促使储存在冻土中的巨大土壤有机碳(SOC)库加速分解, 形成CO2和CH4等温室气体, 释放进入大气, 并加速全球变暖8。因此, 准确的青藏高原冻土区SOC总量及空间分布已成为地球系统模型的重要基础数据, 被广泛应用在全球变化和生态系统碳循环的研究之中9-11。但迄今为止, 学者们对青藏高原SOC的研究多集中于多年冻土区12-15, 而在季节冻土区的报道较少。青藏高原季节冻土区的平均海拔超过3 800 m, 与同纬度其它地区的季节冻土相比, 其地表温度更低, 年内冻结时间更长16, 有机质的分解速率更为缓慢, 其SOC的总量也不可忽视。

由于样点数据的稀少和研究方法的限制, SOC总量的估算结果存在着较大的误差17, 特别是在地形复杂的青藏高原地区。研究青藏高原区域SOC总量和空间分布的方法众多, 学者们主要通过面积加权平均131518、 空间插值19以及遥感反演14等不同方法对整个高原或不同区域SOC总量和空间分布进行模拟。如: 田玉强等18基于第二次全国土壤普查数据, 估算青藏高原有机质层的SOC总量为7.01 Pg, 但对于多年冻土区和季节冻土区却并未加以区分; Mu等13基于11个深层土壤钻孔资料和文献数据, 估算青藏高原多年冻土区表层2 m的SOC总量约为27.9 Pg, 2 ~ 25 m的SOC总量约132.3 Pg; Zhao等15基于200个土壤剖面资料, 估算青藏高原多年冻土区表层2 m储存了SOC约17.07 Pg。尽管这些研究加深了我们对青藏高原SOC总量研究的认识, 但结果并未对地形、 气候以及土壤属性进行深入分析, 不同结果之间差异也很大20。另一方面, 大尺度的植被/土壤类型制图也存在着很大的不确定性, 大部分学者估算SOC总量时采用的植被/土壤类型图的成图时间相对较早, 且空间分辨率较低, 也可能会使估算的SOC总量出现较大的误差。

近年来, 在经济地理学中被广泛使用的GWR模型逐渐被应用到土壤数字制图的研究之中21-22。GWR模型可以看作是传统多元线性回归向局部回归的延伸, 模型考虑了变量间相互关系的空间非平稳性, 能够直观的探测不同空间位置上各环境因子对SOC的影响程度, 可以更加准确地表达SOC与各环境因子之间的内在联系23-24, 反映出更加真实的SOC空间变异情况。由于这些优点, 在研究SOC空间分布的模型中, GWR模型比传统线性回归模型具有更高的精度25, 也是环北极区域尺度上评估多年冻土区SOC总量和空间分布的理想工具26

为精确模拟青藏高原季节冻土区SOC的总量和空间分布, 我们从2000年以后公开发表在ISI数据库的文献中收集了178个有关青藏高原土壤碳密度的样点数据1427。此外, 为进一步提高模拟结果的准确性, 我们根据青藏高原的植被类型和气候梯度对靠近季节冻土区的多年冻土区进行了大规模的野外土壤采样, 包括自然条件恶劣的无人区, 总共得到了208个土壤样点, 其中200个样点的采样深度均超过了200 cm。结合高分辨率的遥感数据和空间插值数据, 使用GWR模型模拟了青藏高原季节冻土区0 ~ 30 cm、 0 ~ 50 cm、 0 ~ 100 cm和0 ~ 200 cm深度的SOC总量和空间分布特征, 补充了该地区SOC总量研究的空白, 以期为地球系统模式研究提供数据资料, 也为复杂地形条件下的土壤要素空间分布研究提供借鉴方法。

1 数据来源与研究方法

1.1 研究区概况

研究区主要位于青藏高原东部和南部(图1), 介于26°00′ ~ 39°47′ N和73°19′ ~ 104°47′ E之间, 面积1.46×106 km2, 约占青藏高原总面积的56%28。研究区地形以山地和高原为主, 平均海拔超过3 800 m。气候属于高原山地气候, 年平均气温在-9.5 ~ 23.4 ℃之间, 年平均降水量8 ~ 1 672 mm。植被类型主要包括针阔叶及混交林、 灌丛、 高寒草甸、 高寒草原、 高寒荒漠及零散分布的高山垫状植被。

图1

图1   青藏高原冻土和土壤采样点空间分布(冻土空间分布数据来源于Zou等28

Fig.1   Distribution of soil pits and frozen ground on the Qinghai-Tibet Plateau (The spatial distribution of frozen ground was cited from the literature of Zou et al28


1.2 SOC数据

本研究所使用的SOC数据由两部分组成: (1)文献数据, 主要选取自2000年以后发表在ISI数据库(http://apps.webofknowledge.com)上的期刊论文中有于关青藏高原地区不同深度的SOCS数据。其中, 0 ~ 30 cm和0 ~ 50 cm的SOCS样点数据共135个, 来源于Yang等14; 0 ~ 100 cm样点178个, 来源于Xu等27。(2)野外实测数据, 2009 - 2013年在青藏高原开展的多年冻土本底调查工作中获得了208个土壤剖面数据, 除了少量挖到基岩的土壤探坑外, 有200个土壤探坑的深度都超过了200 cm。对于每个土壤探坑, 从表层0 cm开始, 自上而下使用环刀按照0 ~ 10 cm、 10 ~ 20 cm、 20 ~ 30 cm、 30 ~ 50 cm、 50 ~ 100 cm和100 ~ 200 cm采集土壤样品。

在土壤调查中, 采用环刀法测量土壤干容重, 使用筛选法从烘干样品中计算每个土壤样品的砾石含量(>2 mm)。土壤样品经筛选后, 用K2Cr2O7-H2SO4法测定土壤中SOC含量, 取3个重复样品的平均值作为最终结果, SOCS采用公式(1)计算:

SOCS=i=1nTi×BDi×SOCi×(1-Ci)10

式中: TiBDiSOCiCi 分别为第i层的土壤深度(cm)、 干容重(g·cm-3)、 SOC含量(%)和>2 mm的砾石率(%)。

1.3 环境数据

为了精确模拟SOC的空间分布, 本研究还需要与SOC相关的地形、 气候、 植被等环境因子。

地形因子由来源于国际科学数据共享平台(http://datamirror.csdb.cn), 空间分辨率为1 km的DEM数据提取。基于DEM数据, 使用ArcGIS 10.2软件共提取了9种地形指标, 包括海拔、 坡度、 坡向、 曲率、 平面曲率、 剖面曲率、 地表粗糙度、 汇流动力指数以及沉积物运移指数。

年平均气温和降水量的栅格数据来源于中科院资源环境科学数据中心(http://www.resdc.cn), 该数据集是基于全国2 400多个气象站点的逐日观测数据, 通过整理、 计算, 并采用ANUSPLIN插值软件进行插值生成, 空间分辨率为1 km, 时间尺度为1980 - 2015年。

植被数据选用来源于比利时佛莱芒技术研究所VEGETATION影像处理中心(http://www.spot-vegetation.com)的SPOT-VEGETATION逐旬NDVI数据, 时间尺度为1998 - 2015年, 空间分辨率为1 km×1 km, 采用最大值合成法生成法(Maximum Value Composites, MVC)合成年最大NDVI。

植被和土壤类型图(1∶1 000 000)均来源于中科院资源环境科学数据中心(http://www.resdc.cn), 由于目前土壤系统分类的资料还比较少, 故本研究仍采用土壤发生分类。

1.4 GWR模型

本文使用GWR模型来模拟SOCS的空间分布:

YGWR(ui,vi)=β0(ui,vi)+i=1kβi(ui,vi)Xi(ui,vi)+ε(ui,vi)

式中: YGWRui,vi)为因变量在点i处的模拟值; (ui,vi)为点i处的地理坐标; k为环境变量的个数; βiui,vi)为点i处的回归系数; Xiui,vi为环境变量在点i处的值; εui,vi)为GWR模型在点i处拟合后所得的残差。

该模型的回归系数在每个位置都要被估算, 估算公式为矩阵形式:

β(ui,vi)=XTWui,vi- 1XTWui,viY

式中: Wui,vi)为一个(m×m)的空间矢量矩阵; X 为一个[m×(n×1)]的自变量矩阵; n为自变量的个数; Y 为一个(m×1)的因变量矢量矩阵。权重由权重函数决定, 权重函数既可以是固定的, 也可以是自适应的。对于自适应的权重函数, 可以使用高斯函数计算每个点的权重值:

W(ui,vi)=e- 12dui,vir2

式中: dui,vi)为预测点i与采样点j之间的欧氏距离; r为带宽参数。

对SOCS与环境因子进行相关分析(表1), 结果发现SOCS与海拔、 NDVI、 年平均降水量和年平均温度极显著相关(P<0.01), 与坡度显著相关(P<0.05), 其它环境因子与SOCS不相关。将与SOCS有相关性的5个环境因子进行组合, 共得到30种组合结果。将lnSOCS与不同环境变量组合使用GWR模型进行拟合, 用R2、 调整R2和校正的Akaike信息准则(Corrected Akaike information criterion, AICc)作为不同变量组合的评价指标, 同时符合R2和调整R2最大、 AICc值最小的组合作为GWR模型的最终回归因子(表2)。受多重共线性影响(VIF≥7.5), 海拔因子被剔除, 故GWR模型的最终回归因子为NDVI、 坡度、 年平均降水量和年平均温度。

表1   SOCS与各环境因子的相关系数

Table 1  Correlation coefficient of each environmental factor and SOCS

环境因子海拔平均降水量平均气温NDVI坡度坡向曲率平面曲率剖面曲率地表粗糙度汇流动力指数沉积物运移指数
相关系数-0.35**0.61**0.20**0.79**0.12*-0.07-0.010.080.010.04-0.010.02

注:**表示P<0.01;*表示P<0.05。

新窗口打开| 下载CSV


表2   不同环境变量组合下GWR模型的精度评价

Table 2  Accuracy evaluation of GWR model under different combinations of environmental variables

环境因子组合R2调整R2AICc环境因子组合R2调整R2AICc
MAP0.7510.741459.334MAP+ElevationFailed
MAT0.8010.766455.070MAT+ElevationFailed
NDVI0.8120.794396.729NDVI+ElevationFailed
Slope0.7880.476481.608Slope+ElevationFailed
MAP+MAT0.7390.728476.239MAP+MAT+ElevationFailed
MAP+NDVI0.7990.791392.665MAT+NDVI+ElevationFailed
MAP+Slope0.7480.735470.639NDVI+Slope+ElevationFailed
MAT+NDVI0.8320.824368.744MAT+Slope+ElevationFailed
MAT+Slope0.8150.766478.439MAP+Slope+ElevationFailed
NDVI+Slope0.8160.797395.967MAP+NDVI+ElevationFailed
MAP+MAT+NDVI0.8150.807381.938MAP+MAT+NDVI+ElevationFailed
MAP+MAT+Slope0.7320.718489.698MAP+MAT+Slope+ElevationFailed
MAT+NDVI+Slope0.8100.807376.649MAP+NDVI+Slope+ElevationFailed
MAP+MAT+NDVI+Slope0.8180.808371.194MAT+NDVI+Slope+ElevationFailed
ElevationFailedMAP+MAT+NDVI+Slope+ElevationFailed

注:Failed表示GWR模型建模失败。

新窗口打开| 下载CSV


使用GWR模型来模拟青藏高原冻土区0 ~ 30 cm、 0 ~ 50 cm和0 ~ 100 cm的SOCS空间分布。对于0 ~ 200 cm深度的SOCS, 本研究利用200个土壤探坑0 ~ 100 cm与0 ~ 200 cm SOCS的线性关系来建立外推模型来估算[图2(d)]。

lnSOCS0~200 cm=0.8707×lnSOCS0~100 cm+0.6542

式中: lnSOCS0~100cm和lnSOCS0~200cm分别为0 ~ 100 cm和0 ~ 200 cm深度SOCS(kg·m-2)的自然对数。

图2

图2   基于GWR模型的SOCS预测结果与实测数据的10-折交叉验证

Fig.2   "10-fold" cross-validation for predicted value of the GWR model and observed SOCS


本研究使用K-折交叉验证法检验GWR模型的精度。将总样本数据随机分割成10个子样本, 选择其中1个单独的子样本作为验证集, 剩余的9个样本用来训练。交叉验证重复10次, 每个子样本验证一次, 结合10个验证子集的实测值和预测值, 使用平均绝对误差MAE和均方根误差RMSE来评估GWR模型的验证精度。

MAE=1ni=1nD(xi)-D*(xi)
RMSE=1ni=1n[D(xi)-D*(xi)]2

式中: MAE为平均绝对误差; RMSE为均方根误差; Dxi )为SOCS的实测值; D*xi )为预测值; n为验证点的个数。

2 结果与分析

2.1 精度验证

本研究用10-折交叉验证法检验了研究区0 ~ 30 cm、 0 ~ 50 cm和0 ~ 100 cm的SOCS的精度(图2)。结果发现, 随着深度的增加, GWR模型的模拟精度逐渐降低。其中, 表层0 ~ 30cm精度最高, R2=0.71, RMSE和MAE分别为2.41 kg·m-2和0.27 kg·m-2; 0 ~ 50 cm次之, R2=0.65, RMSE和MAE分别为3.98 kg·m-2和0.63 kg·m-2; 而0 ~ 100 cm精度最低, R2=0.56, RMSE和MAE分别为4.48 kg·m-2和0.70 kg·m-2。因此, GWR模型能够较高精度的模拟青藏高原冻土区SOCS的空间分布, 是复杂地形条件下SOCS空间分布模拟的理想工具。

2.2 土壤有机碳的储量和空间分布

总体而言, 青藏高原季节冻土区的SOCS自东南向西北递减(图3), 呈现出显著的空间变异特征。其中, 研究区东部的SOCS最高, 0 ~ 200 cm的平均SOCS大于16 kg·m-2; 而柴达木盆地的SOCS最低, 0 ~ 200 cm的平均SOCS低于2 kg·m-2。季节冻土区0 ~ 30 cm、 0 ~ 50 cm、 0 ~ 100 cm和0 ~ 200 cm深度的平均SOCS分别为5.65、 6.71、 8.25、 10.63 kg·m-2, 相应各深度的SOC库分别为8.17、 9.70、 11.93、 15.37 Pg(表3)。在垂直分布上, SOCS随深度的增加而逐渐减小, 其中表层0 ~ 30 cm的SOC库约占季节冻土区2 m有机碳总量的50%以上, 而100 ~ 200 cm的SOC库仅占2 m有机碳总量的22.39%。

图3

图3   青藏高原季节冻土区SOCS空间分布

Fig.3   Spatial distribution of SOCS for different depths across the seasonally frozen ground region on the Qinghai-Tibet Plateau


表3   青藏高原季节冻土区平均SOC储量和总量

Table 3  Summary of estimated mean SOC stocks and storages in seasonally frozen ground on the Qinghai-Tibet Plateau

深度/cmSOCS/(kg·m-2SOC总量/Pg百分比/%
0 ~ 305.658.1753.16
0 ~ 506.719.7063.12
0 ~ 1008.2511.9377.61
0 ~ 20010.6315.37100.00

新窗口打开| 下载CSV


不同植被类型平均SOCS存在着显著的差异(表4), 其中, 占地面积最小的森林和灌丛平均SOCS最大, 0 ~ 200 cm平均SOCS分别为17.81、 17.95 kg·m-2, 约为高寒草原(4.39 kg·m-2)的3倍。占地面积最大的高寒草甸0 ~ 200 cm平均SOCS为14.19 kg·m-2, 高寒荒漠的SOCS最小, 0 ~ 200 cm平均SOCS仅为2.85 kg·m-2。在0 ~ 200 cm深度范围内, 森林、 灌丛、 高寒草甸、 高寒草原和高寒荒漠的SOC总量分别为2.74、 3.95、 5.95、 2.14、 0.76 Pg, 分别占季节冻土区SOC库的17.63%、 25.42%、 38.29%、 13.77%和4.89%。

表4   青藏高原季节冻土区不同植被类型SOC储量和总量

Table 4  Summary of estimated SOC stocks and storages of different vegetation types in seasonally frozen ground region on the Qinghai-Tibet Plateau

植被类型面积/(103 km2SOCS/(kg·m-2SOC总量/Pg
0 ~ 30 cm0 ~ 50 cm0 ~ 100 cm0 ~ 200 cm0 ~ 30 cm0 ~ 50 cm0 ~ 100 cm0 ~ 200 cm

森林

灌丛

153.81

220.30

9.90

9.59

11.18

11.03

13.44

13.55

17.81

17.95

1.52

2.11

1.72

2.43

2.07

2.98

2.74

3.95

高寒草甸419.457.258.6110.6314.193.043.614.465.95
高寒草原347.362.533.364.396.150.871.171.532.14
高寒荒漠266.271.251.641.832.850.330.440.490.76

新窗口打开| 下载CSV


各土壤类型的SOCS也存在着显著的差异(表5), 其中棕壤、 黑钙土和泥炭土的SOCS最高, 0 ~ 200 cm平均SOCS均大于20 kg·m-2; 黄棕壤、 灰褐土、 沼泽土、 草毡土、 黑毡土以及红壤的SOCS也较高, 0 ~ 200 cm平均SOCS在15 ~ 20 kg·m-2之间; 而棕钙土、 棕漠土、 灰棕漠土、 风沙土、 石质土、 盐土、 冷钙土、 寒漠土以及冷漠土的SOCS最低, 0 ~ 200 cm的平均SOCS均小于5 kg·m-2

表5   青藏高原季节冻土区不同土壤类型SOC储量和总量

Table 5  Summary of estimated SOC stocks and storages of different soil types in seasonally frozen ground region on the Qinghai-Tibet Plateau

土壤类型面积/(103 km2SOCS/(kg·m-2SOC总量/Pg
0 ~ 30 cm0 ~ 50 cm0 ~ 100 cm0 ~ 200 cm0 ~ 30 cm0 ~ 50 cm0 ~ 100 cm0 ~ 200 cm
棕色针叶林土16.055.656.718.2511.120.090.110.130.18
黄棕壤14.818.279.1011.5515.370.120.130.170.23
棕壤39.9110.8211.8415.1420.010.430.470.600.80
暗棕壤70.4810.8612.0714.5619.250.770.851.031.36
褐土22.217.288.5311.2114.930.160.190.250.33
灰褐土23.598.2510.2812.6016.720.190.240.300.39
黑钙土7.229.0412.6815.6720.680.070.090.110.15
栗钙土27.104.876.969.3712.560.130.190.250.34
棕钙土49.462.202.702.804.100.110.130.140.20
灰棕漠土41.390.470.741.332.200.020.030.060.09
棕漠土39.462.192.372.744.020.090.090.110.16
新积土2.872.463.183.915.530.010.010.010.02
风沙土42.130.761.091.352.230.030.050.060.09
石质土21.662.032.562.824.120.040.060.060.09
粗骨土7.804.294.996.138.390.030.040.050.07
草甸土34.225.126.337.8610.620.180.220.270.36
沼泽土17.838.4410.1912.6716.820.150.180.230.30
泥炭土2.1212.5514.9418.2323.980.030.030.040.05
盐土32.580.751.111.512.440.020.040.050.08
灌淤土1.755.639.4510.0813.480.010.020.020.02
草毡土260.678.299.7311.9715.912.162.543.124.15
黑毡土195.4210.5312.3614.8819.662.062.422.913.84
寒钙土277.162.022.713.685.230.560.751.021.45
冷钙土94.511.972.613.244.660.190.250.310.44
棕冷钙土8.292.993.783.985.620.020.030.030.05
寒漠土2.020.941.372.233.36<0.01<0.01<0.010.01
冷漠土2.791.261.702.303.45<0.01<0.010.010.01
寒冻土36.554.865.497.049.560.180.20.260.35
砖红壤2.733.673.954.225.930.010.010.010.02
赤红壤3.703.623.914.426.180.010.010.020.02
红壤2.176.767.0113.5617.960.010.020.030.04
黄壤6.815.035.726.088.320.030.040.040.06

注:面积小于1×103 km2的土壤类型未统计。

新窗口打开| 下载CSV


3 讨论

总体而言, 植被类型和降水量的差异是导致青藏高原东西部SOC含量差异的主要原因29-31。高原东部降水量大, 植被类型以针叶林、 灌丛和高寒草甸为主, 地上生物量和地下死根数量较为丰富32, 土壤发育程度高, 有机质层和淋溶层较厚33, 有利于SOC的积累; 而高原西部降水量少, 植被类型以高寒草原、 高寒荒漠和裸地为主34, 土壤发育程度偏低, 有机质层和淋溶层厚度浅, SOC含量也普遍偏低; 此外高原东部的土壤碳氮比高于西部地区15, 微生物的分解速率也较为缓慢, 更有利于SOC的积累, 从而导致高原东部的SOC含量比西部更高。

由于青藏高原地形复杂, 深层土壤探坑数据获取的难度较大, 故大部分SOC的研究都集中在表层100 cm以内34-35, 而深层SOCS的研究相对较少, 且都集中于多年冻土区12-15。根据与最新的青藏高原多年冻土区SOCS的研究结果15相比较发现, 在植被类型相同的条件下, 多年冻土和季节冻土表层0 ~ 30 cm的平均SOCS大致相等, 并无显著差异; 但随着深度的增加, 多年冻土的平均SOCS大于季节冻土(表6)。这一结果表明多年冻土的存在与否对表层SOC并无显著影响, 但显著影响深层SOC的储存。虽然多年冻土会通过低温影响土壤含水量进而影响植被生长来影响SOC含量38, 但青藏高原平均活动层厚度约为2.3 m39, 远比环北极多年冻土活动层厚, 导致活动层的冻融作用无法直接影响到土壤上层的生物过程, 故对表层SOC的影响并不明显30。但另一方面, 多年冻土区海拔高, 地表温度低, 有机质的分解速率较为缓慢, 更有利于深层SOC的积累。多年冻土活动层的冻融扰动作用也会使表层土壤有机质向下迁移, 在一定程度上增加了深层的SOC含量39-40, 导致多年冻土区深层SOCS比季节冻土区更高。

表6   青藏高原相同植被类型条件下多年冻土区和季节冻土区的SOCS对比

Table 6  Comparison of SOCS in permafrost and seasonally frozen ground regions under the same vegetation types in the Qinghai-Tibet Plateau

冻土类型高寒草甸/(kg·m-2高寒草原/(kg·m-2高寒荒漠/(kg·m-2文献来源
0 ~ 30 cm0 ~ 200 cm0 ~ 30 cm0 ~ 200 cm0 ~ 30 cm0 ~ 200 cm
多年冻土7.2517.492.857.661.277.40Zhao等15
季节冻土7.2514.192.536.151.252.85本研究

新窗口打开| 下载CSV


为了比较以往不同研究方法模拟的精确度, 我们收集了使用遥感反演和面积加权平均法估算青藏高原地区SOC总量的相关文献13-14, 并统计了文献中0 ~ 100 cm深度SOC总量估算结果的RMSE和R2值; 此外我们使用克里金插值法对研究区0 ~ 100 cm的SOCS进行空间插值, 并计算了插值结果的RMSE和R2值(表7)。通过比较本研究GWR模型模拟结果[图2(c)]和其它估算模型的RMSE和R2值, 可以看出基于GWR模拟的SOC空间分布比面积加权平均、 遥感反演以及空间插值等不同方法模拟得到的结果精度更高(更高的R2和更低的RMSE, 表7)。这一结果既证明了本研究SOC总量估算的准确性, 也表明GWR模型是青藏高原SOC空间分布模拟的理想方法, 可以为复杂地形条件下土壤属性的空间分布研究提供参考。

表7   不同研究方法下表层0 ~ 1 m SOC总量的RMSE和R2

Table 7  RMSE and R2 of SOC storages at 0 ~ 1 m under different models

方法样点数量/个RMSE/(kg·m-2R2文献来源
遥感反演135-0.50Yang等14
面积加权平均1905.30-Mu等13
克里金插值3785.150.45本研究
GWR3784.480.56本研究

新窗口打开| 下载CSV


青藏高原季节冻土区0 ~ 100 cm的SOC总量(约11.93 Pg)相当于中国陆地生态系统0 ~ 100 cm SOC总量的18%左右41, 是我国极为重要的SOC库, 也是全球SOC库的重要组成部分。青藏高原作为世界“第三极”, 对全球气候变化起到触发器和放大器的作用42, 其SOC库的微小变化就能引起大气CO2浓度的显著变化, 因此精确的SOC总量和空间分布对于认识青藏高原碳循环过程具有重要意义, 也是很多地球系统模式的重要参数。本研究基于最新的青藏高原冻土空间分布图28, 首次精确估算和模拟了青藏高原季节冻土区的SOC总量和空间分布, 补充了以往研究的空白, 为青藏高原和相关地球系统模式的研究提供了数据资料。

4 结论

本文基于378个深层土壤剖面数据, 结合高分辨率空间插值数据和遥感影像资料, 使用GWR模型模拟了青藏高原季节冻土0 ~ 30 cm、 0 ~ 50 cm、 0 ~ 100 cm和0 ~ 200 cm的SOC总量和空间分布, 得到主要结论如下:

(1) 青藏高原季节冻土区SOCS自东南向西北递减, 表层200 cm共储存SOC约15.37 Pg; 在垂直分布上, SOCS随深度的增加而逐渐减小。

(2) 不同植被类型SOCS从大到小依次为森林、 灌丛、 高寒草甸、 高寒草原和高寒荒漠; 各土壤类型中棕壤、 黑钙土和泥炭土的SOCS最大, 而棕钙土、 棕漠土、 灰棕漠土、 风沙土、 石质土、 盐土、 冷钙土、 寒漠土以及冷漠土的SOCS最小。

研究结果证明了GWR模型是复杂地形条件下SOC空间分布模拟的理想工具, 可以为地球系统模式提供精确的基础数据。

参考文献

Zhou YouwuGuo DongxinQiu Guoqinget al. Geocryology in China[M]. BeijingScience Press2000.

[本文引用: 1]

周幼吾郭东信邱国庆. 中国冻土[M]. 北京科学出版社2000.

[本文引用: 1]

Zhang TingjunBarry R GKnowles Ket al.

Statistics and characteristics of permafrost and ground-ice distribution in the Northern Hemisphere

[J]. Polar Geography, 1999232): 132 - 154.

[本文引用: 1]

IPCC. Climate change 2013: the physical science basis[M]. CambridgeCambridge University Press2013.

[本文引用: 1]

Guo DonglinWang HuijunLi Duo.

A projection of permafrost degradation on the Tibetan Plateau during the 21st century

[J]. Journal of Geophysical Research: Atmospheres, 2012117D05106.

[本文引用: 1]

Jiao ShihuiWang LingyueLiu Gengnian.

Prediction of Tibetan Plateau permafrost distribution in global warming

[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016522): 249 - 256.

[本文引用: 1]

焦世晖王凌越刘耕年.

全球变暖背景下青藏高原多年冻土分布变化预测

[J]. 北京大学学报 (自然科学版), 2016522): 249 - 256.

[本文引用: 1]

Cheng Guodong.

Interaction between Qinghai-Tibet Railway engineering and permafrost and environmental effects

[J]. Bulletin of the Chinese Academy of Sciences, 2002171): 21 - 25.

[本文引用: 1]

程国栋.

青藏铁路工程与多年冻土相互作用及环境效应

[J]. 中国科学院院刊, 2002171): 21 - 25.

[本文引用: 1]

Chang DunhuNing MiaoGulixian·Anniwaeret al.

A Review on research into ecological environment impacts of engineering construction in permafrost areas

[J]. Progress in Geography, 2005244): 65 - 74.

[本文引用: 1]

昌敦虎宁淼古丽鲜·安尼瓦尔.

多年冻土地区工程建设生态环境影响研究评述

[J]. 地理科学进展, 2005244): 65 - 74.

[本文引用: 1]

Schuur E A GMcguire A DSchädel Cet al.

Climate change and the permafrost carbon feedback

[J]. Nature, 20155207546): 171 - 179.

[本文引用: 1]

Koven C DBruno RPierre Fet al.

Permafrost carbon-climate feedbacks accelerate global warming

[J]. Proceedings of the National Academy of Sciences of the United States of America, 201110836): 14769 - 14774.

[本文引用: 1]

Lombardozzi D LBonan G BSmith N Get al.

Temperature acclimation of photosynthesis and respiration: A key uncertainty in the carbon cycle‐climate feedback

[J]. Geophysical Research Letters, 20164220): 8624 - 8631.

Raddatz T JReick C HKnorr Wet al.

Will the tropical land biosphere dominate the climate-carbon cycle feedback during the twenty-first century?

[J]. Climate Dynamics, 2007296): 565 - 574.

[本文引用: 1]

Ding JinzhiLi FeiYang Guibiaoet al.

The permafrost carbon inventory on the Tibetan Plateau: a new evaluation using deep sediment cores

[J]. Global Change Biology, 2016228): 2688 - 2701.

[本文引用: 2]

Mu CuicuiZhang TingjunWu Qingbaiet al.

Organic carbon pools in permafrost regions on the Qinghai-Xizang (Tibetan) Plateau

[J]. The Cryosphere, 201592): 479 - 486.

[本文引用: 4]

Yang YuanheFang JingyunTang Yanhonget al.

Storage, patterns and controls of soil organic carbon in the Tibetan grasslands

[J]. Global Change Biology, 2008147): 1592 - 1599.

[本文引用: 5]

Zhao LinWu XiaodongWang Zhiweiet al.

Soil organic carbon and total nitrogen pools in permafrost zones of the Qinghai-Tibetan Plateau

[J]. Scientific reports, 201883656.

[本文引用: 7]

Chen BoLi Jian-Ping.

Characteristics of spatial and temporal variation of seasonal and short-term frozen soil in China in recent 50 years

[J]. Chinese Journal of Atmospheric Sciences, 2008323): 432 - 443.

[本文引用: 1]

陈博李建平.

近50年来中国季节性冻土与短时冻土的时空变化特征

[J]. 大气科学, 2008323): 432 - 443.

[本文引用: 1]

Eldeiry A AGarcia L A.

Comparison of Ordinary Kriging, Regression Kriging, and Cokriging techniques to estimate soil salinity using Landsat images

[J]. Journal of Irrigation & Drainage Engineering, 20101366): 355 - 364.

[本文引用: 1]

Tian Yuqiang Ouyang Hua Xu Xinglianget al.

Distribution characteristics of soil organic carbon storage and density on the Qinghai-Tibet Plateau

[J]. Acta Pedologica Sinica, 2008455): 933 - 942.

[本文引用: 2]

田玉强欧阳华徐兴良.

青藏高原土壤有机碳储量与密度分布

[J]. 土壤学报, 2008455): 933 - 942.

[本文引用: 2]

Jiang LinChen HuaZhu Quanet al.

Assessment of frozen ground organic carbon pool on the Qinghai-Tibet Plateau

[J]. Journal of Soils & Sediments, 2019191): 128 - 139.

[本文引用: 1]

Sanchez P AAhamed SCarré Fet al.

Digital soil map of the world

[J]. Science, 20093255941): 680 - 681.

[本文引用: 1]

Mishra ULal RLiu D Set al.

Predicting the spatial variation of the soil organic carbon pool at a regional scale

[J]. Soil Science Society of America Journal, 2010743): 906 - 914.

[本文引用: 1]

Zhang XiuminSheng YuZhuotong Nanet al.

Vegetation classification of alpine grassland based on decision tree approach in the Wenquan area of the Qinghai-Tibet Plateau

[J]. Pratacultural Science, 20112812): 2074 - 2083.

[本文引用: 1]

Qu MingkaiLi WeidongZhang Chuanronget al.

Geographically weighted regression and its application prospect in soil and environmental sciences

[J]. Soils, 2014, (1): 15 - 22.

[本文引用: 1]

瞿明凯李卫东张传荣.

地理加权回归及其在土壤和环境科学上的应用前景

[J]. 土壤, 2014, (1): 15 - 22.

[本文引用: 1]

Qin Wenzhong.

The basic theoretic and application research on geographically weighted regression

[D]. ShanghaiTongji University2007.

[本文引用: 1]

覃文忠.

地理加权回归基本理论与应用研究

[D]. 上海同济大学2007.

[本文引用: 1]

Song XiaodongBrus D JLiu Fenget al.

Mapping soil organic carbon content by geographically weighted regression: a case study in the Heihe River basin, China

[J]. Geoderma, 201626111 - 22.

[本文引用: 1]

Mishra URiley W J.

Alaskan soil carbon stocks: spatial variability and dependence on environmental factors

[J]. Biogeosciences, 201299): 3637 - 3645.

[本文引用: 1]

Xu LiYu GuiruiHe Nianpenget al.

Carbon storage in China’s terrestrial ecosystems: a synthesis

[J]. Scientific Reports, 201882806.

[本文引用: 2]

Zou DefuZhao LinSheng Yuet al.

A new map of permafrost distribution on the Tibetan Plateau

[J]. The Cryosphere, 2017116): 2527 - 2542.

[本文引用: 4]

Wu XiaodongFang HongbinZhao Yonghuaet al.

A conceptual model of the controlling factors of soil organic carbon and nitrogen densities in a permafrost-affected region on the eastern Qinghai-Tibetan Plateau

[J]. Journal of Geophysical Research: Biogeosciences, 20171227): 1705 - 1717.

[本文引用: 1]

Wu XiaodongZhao LinFang Hongbinet al.

Environmental controls on soil organic carbon and nitrogen stocks in the high-altitude arid western Qinghai-Tibetan Plateau permafrost region

[J]. Journal of Geophysical Research: Biogeosciences, 20161211): 176 - 187.

[本文引用: 1]

Wu XiaodongZhao LinHu Guojieet al.

Permafrost and land cover as controlling factors for light fraction organic matter on the southern Qinghai-Tibetan Plateau

[J]. Science of the Total Environment, 20186131165 - 1174.

[本文引用: 1]

Yang YuanheFang JingyunPan Y Det al.

Aboveground biomass in Tibetan grasslands

[J]. Journal of Arid Environments, 2009731): 91 - 95.

[本文引用: 1]

Wang ShaoqiangZhu SongliZhou Chenghuet al.

Characteristics of spatial variability of soil thickness in China

[J]. Geographical Research, 2001202): 161 - 169.

[本文引用: 1]

王绍强朱松丽周成虎.

中国土壤土层厚度的空间变异性特征

[J]. 地理研究, 2001202): 161 - 169.

[本文引用: 1]

Wang ZhiweiWang QianZhao Linet al.

Mapping the vegetation distribution of the permafrost zone on the Qinghai-Tibet Plateau

[J]. Journal of Mountain Science, 2016136): 1035 - 1046.

[本文引用: 2]

Bai JunhongOuyang HuaXiao Ronget al.

Spatial variability of soil carbon, nitrogen, and phosphorus content and storage in an alpine wetland in the Qinghai-Tibet Plateau, China

[J]. Soil Research, 2010488): 730 - 736.

[本文引用: 1]

Fang J YLiu G HXu S L.

Soil carbon pool in China and its global significance

[J]. Journal of Environmental Sciences, 199682): 249 - 254.

Sugimoto AYanagisawa NNaito Det al.

Importance of permafrost as a source of water for plants in east Siberian taiga

[J]. Ecological Research, 2002174): 493 - 503.

Qin YanhuiWu TonghuaZhao Linet al.

Numerical modeling of the active layer thickness and permafrost thermal state across Qinghai-Tibetan Plateau

[J]. Journal of Geophysical Research: Atmospheres, 201712221): 11604 - 11620.

[本文引用: 1]

Beer C.

Impact of soil freezing and thawing dynamics on soil organic carbon stocks in permafrost regions

[C]//IOP Conference Series: Earth and Environmental Science. IOP Publishing200965): 052013.

[本文引用: 2]

Wang JiaoyueSong ChangchunWang Xianweiet al.

Progress in the study of effect of freeze-thaw processes on the organic carbon pool and microorganisms in soils

[J]. Journal Of Glaciology and Geocryology, 2011332): 442 - 452.

[本文引用: 1]

王娇月宋长春王宪伟.

冻融作用对土壤有机碳库及微生物的影响研究进展

[J]. 冰川冻土, 2011332): 442 - 452.

[本文引用: 1]

Tang XZhao XBai Yet al.

Carbon pools in China’s terrestrial ecosystems: New estimates based on an intensive field survey

[J]. Proceedings of the National Academy of Sciences, 201811516): 4021 - 4026.

[本文引用: 1]

Pan BaotianLi JijunChen Fahu.

Qinghai-Tibetan Plateau: a driver and amplifier of global climatic changes-Ⅰ basic characteristics of climatic changes in Cenozoic Era

[J]. Journal of Lanzhou University (Natural Science Edition), 1995313): 120 - 128.

[本文引用: 1]

李吉均.

青藏高原: 全球气候变化的驱动机与放大器: Ⅰ新生代气候

[J]. 兰州大学学报(自然科学版), 1995313): 120 - 128.

[本文引用: 1]

/