Geoderma高引综述全文翻译 | 土壤有机碳储量是土壤的关键功能

点击蓝字｜关注我们

写在前面

本文是2019年Geoderma的文章，已被引306次，详细综述了土壤有机碳储的各种调控因子。译文较长，约15000字，翻译不当之处，烦请指出，不胜感激！

Info 

原名：Soil organic carbon storage as a key function of soils- A review of drivers and indicators at various scales

译名：土壤有机碳储量是土壤的关键功能—不同尺度的驱动因素和指标

期刊：Geoderma

通讯作者：Martin Wiesmeiera

通讯作者单位：慕尼黑工业大学

原文链接:  https://doi.org/10.1016/j.geoderma.2018.07.026

 1. Introduction 

    在全球土地管理中，土壤的多功能性日益被认为是具有决定性的作用。在1990年代提出之后，土壤功能的概念进一步发展为一个系统的说法，包括以土壤为基础的环境、社会和经济服务的各个方面。虽然没有一致的定义，但除技术和文化方面外，土壤的主要生态功能是:生物量生产、水的储存和过滤、营养物的储存和循环、生物活动的生境和碳的储存。后者可以被认为是土壤的一个关键功能，因为它不仅对气候调节起决定性作用，而且强烈地影响着所有其他功能。近年来，土壤功能在环境决策中的整合程度越来越高，因此需要对特定土壤功能提供更详细和定量的信息。这是评估土地管理变化对土壤功能的影响的先决条件。但是，土壤功能的直接量化需要进行各种成本和劳动密集型分析，因此，特别是在以大空间尺度为目标时，通常是不可行的。另一种办法是确定可测量的生物或非生物特性，这些特性包含足够的信息，可作为土壤功能的量化指标。由于土壤的多功能性和复杂性，需要一个综合相关土壤过程及其相互作用的指标体系。这些指标可以从Vogel etal.(2018)最近提出的“功能特征”中派生出来，这些特征必须以一种时间和成本效率的方式进行衡量，并且应该在相对较低的专业水平上是可重复的。

    本文的主要目的是确定一套能够定量分析不同空间尺度土壤有机碳(SOC)储量的指标。这一套指标不仅可以预测当前从局部到区域尺度的SOC存储，还可以对SOC存储潜力进行空间估计，这是土地管理决策和应对环境干扰的一个重要方面。通过一组合适的指标来量化当前和潜在的SOC存储，可能是一种有前途的替代方案，可以通过(昂贵且耗时的)现场工作和实验室分析来精确测定SOC存储。此外，出于许多目的，对有机碳储量及其在生态系统功能中的作用的评估要求精度较低。例如，基于指标的SOC估计可能足以帮助农民决定哪些农业措施适合优化特定领域的SOC水平。同样，景观规划者、行政机构或生态学家可能希望识别对保护特别有价值的热点地区，而不需要精确测量SOC的存储。为此，使用SOC存储指标是合适的。这些指标综合了已知与有机碳储量相关的一种或几种环境和土壤特性，可以对不同地点的土壤进行预期有机碳储量的比较评估。McBratneyet al.(2003)所谓的“SCORPAN方法”，建立在Jenny(1941)的factorial方程的基础上，旨在将任何土壤属性描述为气候、生物、地形、母质、时间、空间和土壤信息本身的函数。这种方法提供了一个框架，用于识别控制SOC存储的因素，这些因素可以作为指标。然而，这些因素依赖于规模，这表明存在“控制层次”，这妨碍了这一目标的实现。微观尺度(从颗粒到单个土体)上的重要因素，如金属氧化物或比表面积(SSA)，在更大的空间尺度上相关性较小，在更大的空间尺度上，SOC存储可能与气候、地形、母质、植被、土地利用和管理有关。在这篇综述中，我们概述了这些因素对SOC存储的重要性。我们进一步讨论了它们作为SOC存储指标的适用性，并对评价实际和潜在SOC存储的指标体系提出了展望。

 2. Drivers and indicators of soil organic carbon storage 

2.1 气候

     气候条件，即温度和降水，是全球和广泛(亚)区域尺度上碳储量的关键驱动因素，影响土壤碳输入和碳分解。在许多(水限制)陆地环境中，降水决定了净初级生产力(NPP)，从而决定了土壤中碳的输入。此外，潮湿的条件通过母质的强化风化有利于形成SOC稳定化矿物表面，经常导致土壤酸化，导致土壤有机质(SOM)分解减少。温度在很大程度上影响SOM的微生物分解，因为其复杂的分子属性具有较高的温度敏感性。虽然这种关系受到多种制约，但许多研究表明，SOC随着温度的升高而降低。

     由于这些综合影响，在全球范围和(亚)区域规模内，凉爽潮湿的气候条件下SOC储量通常最高，而在温暖和干燥的气候条件下则减少。然而，许多研究表明，气候对有机碳储存的相对重要性随着土壤深度的增加而降低，其中控制SOM稳定性的因素(见第2.5节)变得更加重要。在区域尺度上，土地利用/管理可能掩盖了表层土壤的气候效应，特别是在农田土壤中，集约管理(施肥、灌溉等)可以抵消气候效应。此外，局地尺度的气候变异性往往较小，因此气候对SOC储量的控制相对于其他因素的相关性较小。Homann(2007)在邻近的美国进行的一项区域研究表明，年平均降水量、蒸发量和粘粒含量与顶部20cm的SOC正相关。观察到的区域间的差异归因于植被、粘土矿物和其他过程的局部差异。

     由于气候是区域乃至全球尺度SOC储量的主要控制因素，平均年气温(MAT)在全球气候数据库中的可用性已被证明是衡量SOC储量的一个合适指标。与此密切相关的是，水汽压亏缺也被证明与SOC的储存密切相关。尽管在区域和全球的一些研究中，年平均降水量(MAP)已被证明与SOC及其深度分布有更强的关联，但其他研究报告了SOC与温度的关系比与降水的关系更强。在对热带人工林和演替森林的回顾中，MAT比降水更能预测有机碳，因为凉爽的样地含有更多的有机碳。因此，气候驱动因素和SOC存储之间的这些关系并不总是容易解读的。

     综合这些相互矛盾的研究，我们认为温度或降水对有机碳储量的相对重要性取决于研究区域有机碳生产和周转的主要限制因素。在干旱或半干旱环境中，水的可用性限制了NPP，因此系统以及SOC的存储受到了输入的限制。相比之下，在水资源充足但温度较低的地区，微生物活动受到比NPP更大程度的限制，因此系统和SOC存储的输出受到限制。这些模式导致了较冷较湿地区的有机碳积累，较暖较湿地区的有机碳储量适中，而较干较热地区的有机碳储量较低。

     在这种情况下，海拔高度可能是比单独的气候变量更好的指标，因为它整合了温度和降水对NPP和分解的影响，反映了影响土壤类型空间分布的侵蚀和沉积过程以及土壤的深度。在区域研究中，有机碳储量与海拔高度高度相关。因此，海拔可能是区域尺度SOC储量的最有前途的指标。然而，这可能不适用于相对平坦地区的大陆性气候，在那里海拔不是温度和降水的良好替代指标。当降水和温度趋势在海拔梯度上解耦时，土壤有机碳随海拔升高而减少的预期趋势可能出现另一个例外，一些热带山区可能出现这种情况，地形对土壤湿度的影响变得更加重要。

2.2 地形

     地形特征对土壤有机碳储量起着至关重要的作用，因为它们控制着降水、水流路径、水的积累和排放，因此对侵蚀过程有重要贡献。高贡献面积、低倾斜度和凹曲的地点有利于积水，而陡峭的斜坡和凸曲导致较高的水流量。土壤水分不仅控制NPP和SOC输入，还控制微生物活性和SOC输出。土壤水分含量低和高时，由于基质流动性/氧有效性降低，导致微生物活性降低，有利于有机碳的积累。因此，在一些区域研究中，土壤水分被认为是土壤有机碳空间分布的决定因素。水的流动路径是触发土壤侵蚀和再分配的关键因素，进而可能对动态景观土壤有机碳储量产生深远影响。地形特征进一步影响局地小气候，进而影响局地尺度的有机碳储量。波多黎各热带山区的一个链状有机碳深度剖面的差异归因于排水和还原条件差。同样，氧化还原和氧有效性的影响，而不是气候、NPP或土壤矿物学，可以更好地解释夏威夷降水中碳储量沿海拔梯度的变化。

     尽管已有些许研究结果，但对于地形相关因素对SOC储存的重要性并没有普遍的共识，这似乎可以通过观测的不同尺度部分解释。对全球、亚大陆和区域不同SOC数据集的分析表明，以地形位置、坡度和坡向为代表的地形特征对SOC变异性的影响较小。局部地形属性(如坡度、坡向和曲率)似乎只在较小的空间尺度(<100m)影响SOC的存储，而景观位置在较大的空间尺度(>100m)可能变得重要。事实上，区域地形属性是巴拿马研究区域内SOC变化的最重要控制因素，其次是局部因素，如坡度和曲率。此外，在对老挝土壤有机碳分布的研究中，土壤有机碳变异的显著比例可以用坡度来解释。在哥斯达黎加的一项火山土壤研究中，坡度解释了成对牧场和森林之间SOC差异幅度和方向上27%的变化，尽管在区域尺度上，土地利用并不影响平均SOC储量。作者将这些海拔差异归因于土壤风化的差异，非结晶粘土含量的分数是SOC的一个重要预测指标。因此，地形在局部(山坡)尺度上似乎是相关的，在这种尺度下，土壤性质变化不大，但在更大的景观中相关性较小，在这种景观中，各种土壤性质的SOC存储被平均下来，因此其他因素成为主导因素。

     地形湿度指数(topographic wetness index,TWI)是一个很重要的因子，可以通过数字高程模型计算。大的TWI值通常出现在具有大贡献面积的景观的较低区域，这表明饱和条件和/或侵蚀物质积累的可能性增加，从而导致高SOC储量。在德国的区域有机碳调查中，TWI被认为是农业土壤有机碳空间变异的一个重要因素，因为它对地下水影响土壤有机碳积累具有指示作用。然而，在更大的亚大陆尺度上，TWI作为SOC储量和含量的预测因子并不重要。这说明TWI与一般的地形参数相似，在较小的尺度上相关，而不是在较大的尺度上。

2.3 母质

     从次区域到全球范围的若干研究已经检验了母质作为SOC存储的预测因子的作用。母质对土壤矿物学、质地和肥力的潜在影响主要在于母质对土壤矿物学、质地和肥力的控制，影响NPP和SOM的稳定性(见第2.5.2和2.5.6节)。此外，母质与土壤类型密切相关，土壤类型与有机碳储量有关(见2.5.1节)。然而，母质对SOC存储的重要性却不一致。基于4382个土壤剖面，对土壤有机碳与环境因子的关系进行了全面分析，发现母质类别与有机碳之间的相关性较弱。然而，作者得出的结论是，假定特定二氧化硅含量的母材分类可能是一个主要的简化。在不同气候条件下的区域和流域尺度的SOC调查中，母质对SOC的空间分布也不重要。然而，在澳大利亚东部的一项研究中，母质的种类对底土SOC的储存变得重要。在这里，似乎调查的规模影响了控制SOC存储的不同驱动程序的相对重要性，以及调查的深度。

     这被其他研究的结果所证实，这些研究发现了母质对SOC库存的明显影响。在法国的一项景观研究中，黄土源土壤中森林和作物有机碳的差异小于其他母质土壤。在土耳其的半干旱地区，母质也介导了土地利用对土壤有机碳储量的影响。在放牧条件下，冲积和湖泊土壤的有机碳储量最大，而在石灰岩梯田上，农田农业的有机碳储量最大。母质对SOC的重要性可能是由于基于地质来源和风化阶段的硅(Si)含量的差异。在澳大利亚和智利的两项大型亚大陆研究中，硅是有机碳储量的关键预测因子，有机碳储量随着母质基性的增加而增加，硅质土壤的储量显著降低。这可能是由于较粗糙的土壤质地和较低的表面反应性，与较低的肥力和碳储存能力相关。Doetterl等人(2015)认为，从长期的角度来看，气候对SOC的储存的影响可能是次要的，而地球化学预测因子，特别是Si浓度，更为重要。然而，在更大的超区域到全球尺度上，现有研究清楚地表明了气候对不同母质土壤SOC储存的重要性，认为气候对SOC生产及其周转的控制不能被忽视。

2.4 生物

2.4.1自然植被

     在气候条件较为均匀的（亚）区域尺度上，土壤有机碳储量水平受植被和土地利用的影响较大(见2.4.2节)。在世界不同气候区间内，由于碳分配格局的不同，植物功能类型(灌丛、草地、森林)间的有机碳储量和深度分布存在显著差异。在不同气候带的大陆和区域尺度上的研究证实，植被类型通过控制C的输入和分解来影响SOC的储存。矿库碳输入的估算是表土有机碳储量的最佳预测指标。对澳大利亚东部土壤有机碳储量控制因素的分析表明，植被(植被盖度)主要影响表层土壤有机碳，其影响随着深度的增加而减小。在不同的空间尺度上，植物多样性和功能组成也会影响有机碳储量，尤其是在半干旱条件下的天然草地生态系统，但在温带环境下也同样如此。在(亚)区域尺度上，不同草地类型的有机碳储量存在显著差异，如青藏高原。然而，不同的草地类型可能与不同的气候条件(特别是降水)耦合，这在很大程度上影响NPP。植被类型对有机碳的影响通常被归因于植物凋落物化学的差异，然而植物输入的分子逆逆性受到环境因素的强烈调节，而且几乎没有证据表明这些内在属性在几十年到几千年的时间尺度上对有机碳是重要的控制。在局部尺度上，植物多样性与有机碳积累正相关，主要是由于特定的植物功能性状(如固氮豆科植物与禾本科植物之间的正向互作;无豆科植物的丰富物种草地N矿化的增强)。对于森林而言，树种对有机碳储量的影响尚未达成一致。在温带气候条件下，针叶树种下的有机碳储量可能相对较高，特别是由于有机层中酸性凋落物的积累，但其他研究未能确定森林类型之间全土壤剖面SOC储量的显著差异。

2.4.2土地使用及管理

     土地利用变化被认为是土壤有机碳变化的最具活力的因素。在温带地区，土壤有机碳储量依次为农田<森林<草地。然而，根据立地和气候条件，森林有机碳储量可能高于草地。大量研究和荟萃分析发现了强有力的证据，表明当森林或草地转变为农田时，SOC会大幅下降30-80%。土壤有机碳的流失主要是由于土壤侵蚀、农田碳输入的减少、土壤有机质聚集性恶化导致的稳定性降低以及土壤温度和通气性的升高导致的矿化。与这些损失相比，土地利用的扩大，特别是农田向草地或森林的转变，往往导致SOC的增加。总体而言，土地利用信息构成了从局部到亚大陆尺度SOC储量的重要附加指标。

     土壤有机碳储量也受到土地管理的影响，尽管这种影响可能难以检测，特别是在土壤剖面深处。作物轮作的农业管理系统通常比单一栽培系统显示出更高的有机碳量。由于根系碳输入、土壤微生物多样性和土壤团聚体稳定性的提高，作物轮作多样性在增加土壤有机碳储量方面发挥了重要作用。此外，以根系深的植物为主的作物系统促进了有机碳的储存，根系碳在土壤中的保留量比地上残留量高2.3倍。特别是具有多年生作物/牧草和覆盖作物的农业系统显示出明显较高的SOC储量。与常规种植方式相比，作物轮作多样性、有机改良或多年生种植方式可能是土壤有机碳积累的指示。减少耕作制度的指示价值可能很低，因为有证据表明，减少耕作或免耕并不影响土壤有机碳储量，而只会导致土壤剖面中有机碳的重新分布。

     与耕地管理相比，由于数据可用性有限，草地土壤有机碳空间变动性大，对草地管理对有机碳储量的影响了解较少。在放牧对草地土壤有机碳储量影响的综合分析中，没有发现统一的趋势。高放牧强度导致C3主导草地SOC减少，而C4和C4-C3混合草地SOC增加。在温带草地，草地管理的强度，特别是刈割（放牧）次数和施氮量，强烈影响SOC的储存。

     具体而言，在粗放管理草地中，在氮肥施用和刈割次数/载畜率方面，中等水平的管理强度似乎与较高的SOC储量有关，而集约化管理的草原则SOC储量较低。草地管理的影响不仅局限于表层土壤，还包括底土。在森林土壤中，管理方面如间伐、轮作期延长、施肥、石灰化、火灾、风暴和昆虫管理、收获管理和收获残留物的输入以及林龄都会影响SOC的储存。由于农田、草地和森林土壤管理实践的复杂性，管理信息作为SOC储量指标的适用性似乎有限。管理系统的分类或管理的强度水平可能是一个很有前途的策略，以细化SOC存储的指标系统。

2.4.3 土壤生物

2.4.3.1 微生物

     异养土壤微生物(细菌、真菌和古生菌)调节SOM的周转，以满足维持和生长所需的营养和能量。它们在SOM的矿化-固定化-周转过程中的核心作用（“针眼”或“微生物碳泵”），调节碳和营养的转化。事实上，在稳定土壤有机质组分中，微生物残留物和分泌物可能贡献高达80%的C，表明土壤微生物生物量(SMB)对SOM周转、SOM矿化平衡和SOM稳定过程具有双重作用。 

     由于大多数土壤系统资源(C、N等)有限(泥炭/有机土壤除外)，因此在耕地、草地和森林生态系统中，SMB库大小通常与OM输入(NPP)和SOM含量呈正相关。SMB-C与SOC的关系最强的土壤是SOC<2.5%的土壤。作为1-5年更替时间较短的活性土壤空间， SMB库的变化速度快于SOC总量的变化。因此，SMB-C池的变化和SMB-C与SOC的比率被建议作为监测SOC变化的可用和敏感指标，例如由于管理的变化，也因为SOC的小的渐进变化很难在短期内检测到，由于一般高的背景C水平。OM输入增加时，SMB-C与SOC的比值会增加一段时间;OM输入减少时，SMB-C与SOC的比值会减少一段时间。SMB-C/SOC比值的稳定性表明土壤生态系统处于平衡状态。建立更高的SMB-C/SOC比值可以进一步讨论更有效的微生物C周转。

     SMB-C与SOC比值范围从0.3到超过7.0%。这种广泛的范围可以归因于不同的土壤管理生态系统(耕地、草地、森林)和影响碳输入的环境因素，特别是大气候变量、土壤质地和土壤pH值。在局部和全球空间尺度上SMB-C与SOC比与SOC和土壤C/N呈中性或负相关,表明微生物C限制下降随着SOC含量增加,在许多土壤生态系统土壤N而不是土壤C，可能通过微生物生物量影响OM的固定。与大多数其他生态系统相比，温带森林土壤所占比例较低，这可能是由于氮限制和pH值较低。当微生物营养受限时，尽管碳输入量较大，但由于矿化而导致的碳损失增加，这表明微生物生理限制可能会影响有机碳储量。这种“微生物养分挖掘”可能会产生与基本化学计量分解理论相反的生态系统碳储量预测。因此，为了维持特定的SOM水平，预测SOC储存变化，必须考虑SMB的维持要求和微生物养分有效性的人为变化。

     综上所述，监测SMB库大小可作为土壤有机碳(SOC)含量变化的早期指标。SMB库很容易测量，而且是可以等价于模型池的唯一的非复合部分。SMB的测量是基于Jenkinson(1976)和Vance等人(1987)开发的氯仿熏蒸方法。这是一种廉价而精确的估算微生物生物量池大小(C, N, P，…)的方法。此外，现在有简化的方法，例如伊斯兰等人(1997)提出的冻干土壤提取方法。SMB-C/SOC与土壤化学参数(如土壤C/N含量)的相关性可以识别土壤有机质周转的限制因素。

2.4.3.2 土壤动物

     土壤动物及其与生物和非生物环境的相互作用，参与了促进碳稳定或矿化的许多过程。SOM通过生物扰动将其纳入土壤剖面，使其对土壤微生物群落有效或通过与土壤颗粒混合防止矿化。土壤动物调节微生物种群，通过放牧抑制或刺激微生物活性，并通过选择性放牧或接种分散(即微生物的被动运输)来改变微生物群落组成。

     此外，土壤动物通过影响土壤结构来影响有机碳储量。土壤(宏观)孔隙度是由蚯蚓和enchytraeids的挖洞活动改变的。蚯蚓的取食活动可以诱导有机碳的长期稳定，因为在蚯蚓粪中，通过在大团聚体中形成微团聚体，可以保护碳免受微生物的攻击。虽然有证据表明蚯蚓影响团聚体的形成和团聚体大小分布，最近一项meta分析没有发现蚯蚓对SOC存量的总体影响。然而，这些作者指出，许多研究的时间范围可能太短，无法检测蚯蚓对碳封存的刺激。研究表明，微生物活性和矿化率在蚯蚓粪便形成的头几天增加，随着时间的推移而减少，这表明蚯蚓粪便的物理保护可能只在干燥或老化的粪体中明显。此外，粪体内的材料稳定性似乎取决于土壤质地，摄取OM的类型和蚯蚓的种类或功能基团。

     蚯蚓以外的土壤动物通过团聚体形成对有机物物质的物理保护作用一般较少受到关注，尽管千足虫、跳尾虫、螨和内生蚓(enchytraeidworms)被证明通过粪便颗粒的产生促进土壤聚集。事实上，粪便颗粒是土壤的重要组成部分，在某些生态系统中可能构成大量的土壤。在这些粪粒中，C可以积累并防止水和微生物分解，例如通过富含硅的涂层或多糖。粪球保护C的潜力取决于土壤质地等其他因素，这可能会导致不同的结果:例如，内生角蟾科在壤土中被证明会减少矿化，而在沙土中则会增加矿化。

     总体而言，土壤动物对SOC储量影响的比较数据数量不足，特别是由于动物对SOC动态的贡献依赖于一些额外的因素。，由于土壤动物(功能)类群的摄食策略和微生境的不同，它们在土壤中参与的过程不同，从而导致C的保护。这种影响进一步显示了短期内有机质矿化和长期C稳定的时间变异性。土壤质地、有机质质量和分布等立地特性，土地利用或农业管理可能在很大程度上影响土壤动物效应的大小和方向。由于这些复杂的相互作用，土壤动物作为有机碳储量指标的适用性有限。此外，土壤动物的鉴定和定量是一项劳动密集和耗时的工作，因为需要重复取样，以说明土壤动物的季节性和气候敏感性。

2.5 土壤特性

2.5.1 土壤类型

     在不同的气候条件下，土壤类型与土壤有机碳储量在多个尺度上存在着密切的联系。在土壤形成过程中，化学风化反应导致土壤矿物学组成的变化，这强烈影响了整体活性矿物表面积和碳储量，并根据土壤类型对所产生的特性进行分类描述。一般来说，原生矿物形成次生矿物，包括铁氧化物(如水铁矿和针铁矿)、铝-氢氧化合物(如三水铝石)、短程有序矿物(如水铝英石和卵黄石)和层状硅酸盐(如高岭石)。与气候、植被和母质相比，在更大的尺度上，有机碳储量可以根据土壤类型进行分层，甚至在更小的尺度上(局部到亚区)。在大多数土壤分类系统中，有机碳是主要的判别标准。大量研究报告了土壤类型对表层和底土有机碳储量的主要影响。有趣的是，土地利用对土壤有机碳储量的影响在不同土壤类型中有明显的差异，而这通常被认为是主要驱动因素。

     然而，土壤类型并不是一个独立的控制因素，而是综合了一些直接影响土壤储存碳的潜力的气候、母质和地形相关属性，特别是土壤水分状况和土壤质地(见第2.2和2.5.2节)。例如潜育土往往储存了大量的有机碳，但这不是潜育土土壤类型的固有特征，而是潜育土地形条件与土壤水分含量高相关的结果。然而，如果没有土壤质地、土壤水分等土壤属性的精确信息，土壤类型可以作为综合多种决定因素的有机碳储量的合适指标。

2.5.2 土壤团聚体

     团聚体对SOM的物理保护被认为是碳稳定的重要机制。除了团聚体的非生物形成外，土壤生物及其产生的物质在土壤结构的形成和稳定中起着重要作用，并强烈地参与了OM被团聚体遮挡的过程(见第2.4.3节)。团聚体的保护能力主要与基质与微生物的空间分离以及由于氧气向团聚体的扩散减少而导致的微生物活性降低有关。大团聚体(土壤颗粒>250μm)提供了最小的物理保护，而微团聚体对SOM的长期稳定起着决定性的作用。然而，因为微团聚体是在大团聚体中形成的，宏观聚集是长期封存新鲜碳输入的第一步。团聚体内闭塞对C的物理保护也可以从孔隙网络的角度来表达，孔隙网络调节OM分解所需的氧气、水等资源的可用性。小孔隙也可以通过减少对分解者的可及性为OM提供物理保护。

     土壤耕作影响聚集，从而物理稳定的碳库。大团聚体对土地管理和耕作的机械干扰力很敏感，因为它们是由植物投入物形成的，比微团聚体稳定得多。长期频繁耕作加快了大团聚体的周转速度，限制了与团聚体相关的活性SOM化合物的物理保护。同样，由于收获农产品而减少的植物投入也减少了宏观聚集物的形成。因此，宏观团聚体可能是土壤有机碳对耕作或土地利用变化的潜在响应的良好预测因子，因为它们在储存更不稳定的SOM方面具有重要意义。微团聚体组分和大团聚体内微团聚体组分是可持续农业生态系统碳汇潜力的判断组分。不同的研究表明，在不同的土壤类型和不同的气候条件下，团聚体的碳对管理引起的变化很敏感。这些结果表明，大团聚体内的微团聚体可能反映了耕作和其他管理措施变化对总有机碳的影响。在最近的一项工作中，Segoli等人(2013)成功地将土壤团聚体更替的明确表示纳入AggModel，以解读对SOM动态的影响。然而，一个主要的缺点是，团聚体粒径分布的表征对土壤样品的前处理和所应用的方法(例如，筛分的类型，它的持续时间等)非常敏感。

2.5.3 粉砂和粘土含量

     在主要的有机质稳定机制中，有机质与矿物表面的相互作用在很多土壤中被认为是最重要的。这表明在不同空间尺度上的大量研究中，有机碳储量与黏土含量有很强的相关性。因此，土壤质地可能是在更广泛的尺度上作为有机碳储量指标的最有前途的因子之一。许多地区都有土壤质地数据，也有关于粘土粒度矿物的具体信息的全球数据集。

     此外，根据细粒矿物(中/细粉砂和粘土颗粒<20/<50μm)的稳定能力，建立了简单的回归模型来估计(稳定的)SOC存储潜力(表1)。在大多数土壤中，特别是农田土壤中，细粒矿物组分占总有机碳的很大比例，是潜在有机碳储量的重要指标。Hassink(1997)在温带和热带地区广泛的未开垦和草地表土发现细土颗粒<20μm和细组分SOC之间有很强的相关性,这种相关性可以用来估计稳定SOC的饱和度。尽管Hassink方程已被证明适用于温带地区农业土壤固碳潜力的估算，已经为不同粘土类型、土地用途和气候区域的土壤制定了更具体的方法。Feller和Beare(1997)描述了基于<20μm细粒度的耕地和非耕地土壤以及热带环境中不同矿物学土壤的回归模型。Six等人(2002a)在这一方向上取得了进一步的重大进展，他们扩展了Hassink(1997)的分析，并针对不同粘粒类型(1:1 vs.2:1)和细粒级(< 20μm vs.<50μm)的农田、草地和森林土壤开发了特定的回归模型。结果表明，不同土地利用类型、粘土类型和细粒级之间存在显著差异。一般而言，基于<50μm细组分的回归截距(代表在大小界限或以下的颗粒的基础C存储)高于基于<20μm细组分的回归截距，可以解释为有机矿物组合与更大的粉砂级团聚体的额外C结合或粉砂级颗粒有机物质的存在。后者也可能导致了Hassink方程中相对较高的截距，因为POM没有从细馏分中分离出来，例如通过密度分馏。但是，应该指出这些截距是数学推导出来的，可以是负的，因此在解释时要谨慎。在Six等人(2002a)的研究中，进一步发现了粘土类型(与2:1粘土相比，1:1粘土为主的土壤C饱和度较低，见2.5.4)和土地利用(森林土壤的坡度高于草地和农田)之间的差异。这些结果表明，影响土壤有机碳保留的不仅是细粒组分的数量，还包括其质量。

     Feng等(2013)进一步发展了细组分对C稳定性的估计。他们认为，基于最小二乘线性回归的预测是有限的，因为数据集可能包含高比例的不饱和或过饱和的土壤。他们建议将比表面积(SSA)和OC荷载(见2.5.4节)纳入模型，或者只对接近C饱和度的土壤进行边界线分析，例如只选择数据的10%以上。基于边界线分析的32项已发表的研究对土壤碳稳定的估计远远高于线性回归方法。与Six 等(2002a)的结果相似，Feng等(2013)发现土地利用和粘土类型之间存在普遍差异。

     除Feng etal.(2013)提出的第十百分位方法外，我们还采用了分位数回归分析来估算新西兰草地土壤的碳储量。在本研究中，一个包含可提取铝、pH和SSA的模型比单独基于细粒分数的模型更能预测SOC的稳定能力。这可能与新西兰火山灰土壤的特性有部分关系。通过对新西兰各水铝英石土壤和非水铝英石土壤的比较，可以发现预测土壤有机碳储量的最佳模型包括SSA和可提取铝，尽管这两种土壤单位之间的系数有所不同。对于干燥环境下的土壤，Hassink(1997)发现天然草地土壤细粒有机碳含量显著较低，这可能是由于受限环境下NPP相对较低导致的C输入较低所致。Liang等人(2009)和Wiesmeier等人(2015a)利用中国北方的自然草原残留物，推导了与现有方法类似的细组分SOC饱和度回归模型。残留量较低的原因是气候限制导致的碳输入量较低，也可能是由于不同的粘土矿物，这表明在SOC存储受到其他因素限制的情况下，土壤质地对SOC稳定可能并不那么重要。

     总而言之，有机碳储量与细粒组分含量之间存在着全球性的相关性，尽管这种相关性与气候条件、土地利用、粘土类型和细粒组分的粒度限制密切相关。当然，也有局限性，特别是在顽固物或其他稳定剂如铝/铁氧化物发挥重要作用的土壤中。此外，必须注意的是，这种方法不适合估算土壤的总有机碳储量，因为与颗粒>20/50μm相关的碳，例如宏观和微观团聚体中的碳，都没有考虑在内(Baldock和Skjemstad,2000)。结果表明，细组分含量是土壤有机碳储量的重要指标。

2.5.4 粘土矿物学和比表面积

     广泛报道的SOC与土壤矿物学的关联和通常归因于层状硅酸盐(称为粘土矿物)等细粒土壤矿物的大比表面积(SSA)，它促进了矿物基质对OC的吸附。因此，SSA与有机碳储量之间普遍存在正相关关系，高SSA的粘土矿物占主导地位的土壤比低SSA的土壤更容易吸附腐殖质。粘土矿物学(粘土类型)影响SSA吸附OC的有效性。特别是可膨胀层状硅酸盐，如蒙脱石和蛭石等粘土矿物，对土壤中有机碳的稳定性有很大影响，并提供高达800 m2g−1的高表面积，而非膨胀硅酸盐(如高岭石、云母)的SSA范围为10至70 m2g−1。此外，短期有序铝硅酸盐粘土，例如，水铝英石和卵黄石类型的矿物具有大的表面积，因此，含磷土壤一般具有较高的SSA，大量有机碳与细粒土壤有关。Percival等人(2000)发现新西兰草原有机碳储量和水铝英石之间存在正相关关系，而有机碳储量和总粘土含量之间没有正相关关系，说明了水铝英石表面对碳保留的重要性。然而，这些参数的协方差使得很难区分它们作为有机碳存储的驱动因素的重要性，因为粉砂和粘土组分的高SSA可以归因于存在蒙皂石和混合illite-smectite矿物。

     对于粘土矿物表面对有机碳储存的重要性，没有普遍的共识。已经证明，热带高岭土剖面的有机碳储量与温带、较少风化的土壤相似，尽管分解速率与较高的温度有关。Wattel-Koekkoek等的研究表明，七个不同国家的土壤中，高岭土和蒙脱石土壤的有机碳含量没有显著差异。Wiseman和Puttmann(2005)指出，SSA最高、粘粒含量和蒙脱石含量百分比最高的两个土壤剖面的OC含量并不显著高于其他土壤。例如，Hassink(1997)发现美国酸性土壤的SSA与SOC之间没有很好的关联，并提出粘土矿物的表面积并不是全球热带和温带地区土壤吸收SOC潜力的良好指标。虽然许多作者已经发现了SSA与SOC浓度之间的正相关关系，但用SSA预测SOC仍然困难。这可能是因为SOM在土壤微观结构中呈非均质斑块分布，限制了SSA和SOC浓度之间的直接关系。尽管最近开发的估计SOC存储容量的回归模型包括SSA，这些模型大多基于估计的SSA或者从风干土壤的含水量计算出的值。基于SSA的有机碳储量的准确测定需要对广泛土壤中土壤样品的有机碳储量进行准确测量，这限制了SSA作为广泛采用的有机碳储量指标的适用性。矿物学和SSA作为指标的适用性进一步受到限制，因为这些参数的测量是劳动密集和费时的。尽管对层状硅酸盐的识别和定量，以及对其表面性质(CEC, SSA)的定量已经被推荐来解决其在SOC转换和稳定中的作用，由于实验室的限制，不太可能广泛采用粘土矿物学和相关参数作为SOM的指标。

2.5.5 铝、铁氧化物

     除层状硅酸盐外，金属倍半氧化物(铝和铁的氧化物、氢氧化物和氧化氢氧化物)对土壤SSA和OM的稳定有显著的贡献。此外，与粘土矿物等其他矿物表面相比，铝和铁氧化物对SOM具有更大的潜在亲和力，因此可能比其他土壤矿物成分更重要的驱动SOC存储。铁氧化物和氢氧化物具有特别高的SSA，由此得出SOC和铁氧化物之间的正相关关系。在酸性土壤中，Fe3+和Al2+作为阳离子可以与有机配体(如羧基)结合形成有机矿物复合物，并通过在短程有序矿物表面与Al3+或Fe3+直接形成阳离子桥接来稳定SOM。Fe3+存在于一系列有机阴离子吸附的两性氧化物中，而Al3+与有机物的相互作用更可能是静电作用。铁和铝氧化物除了直接吸附OC外，还有助于稳定团聚体，导致OM在粘土微观结构水平上被遮挡(< 20μm)或层状硅酸盐被铁和铝氧化物覆盖，这一现象在高岭石中经常出现，并被氧化高岭石微团聚体的广泛存在所支持。因此，土壤矿物学，特别是铁和铝含量，通过矿物-矿物相互作用和有机-矿物组合控制团聚体的形成和稳定性。

     许多研究强调了可提取铁和铝在稳定表层和底土有机碳方面的重要性，铁氧化物被发现是酸性森林土壤底土有机矿物组合形成的最相关矿物相。在这里，很可能OC(O/N-烷基C和微生物衍生糖)的特定组分通过与Fe-和Al-矿物质结合而优先稳定。对于火山成因的土壤(如磷质土壤)，研究表明，可提取的铝比铁或细颗粒的质量比例或粘土含量重要得多，这可能是铝在细矿物相中占优势的结果。因此，铝、铁或粘土的含量对有机碳吸附是否更重要，很可能是它们在特定土壤中存在、不存在和相对比例的产物。

     不同土壤中Fe和Al相与有机碳的正相关，大量的有机碳通过与土壤中铁和铝氧化物的相互作用而稳定，铁和铝可以作为有机碳储量的合适指标。在南非多样化的景观中，尽管平均年降水量存在差异，但沿地形梯度和不同岩性的铁氧化物比粘土含量更能预测有机碳储量。然而，需要耗时和昂贵的土壤分馏程序来分离细矿物分馏并测定其铁和铝氧化物的含量。与黏土矿物学和SSA相似，由于从土壤样品中提取倍半氧化物的工作量大，因此倍半氧化物仅代表了一个适度适用的SOC存储指标。2.5.6 可用的Ca2+和Mg2+阳离子

     交换性阳离子浓度对粘土矿物变化、OC的生物有效性和SOM稳定化的影响开展了很多的研究。具体来说，土壤中多价阳离子的存在在土壤矿物表面(粘土矿物)和SOM之间产生静电桥接，形成SOM稳定的重要机制。通过阳离子桥接吸附带负电的有机基团到带负电的粘土矿物可能是最常见的机制，以稳定OM对微生物的分解。除了通过阳离子桥与土壤矿物表面相互作用外，OM还可以通过与多价阳离子螯合或交联来阻碍微生物分解或促进团聚体形成。

     虽然已经有证据表明，中性pH的耕地土壤中Mg的存在会导致OM的稳定化，但更多时候是归因于钙的存在。因此，Ca被发现是不同景观和土地的有机碳积累的重要预测因子，例如森林、牧场和耕地土壤。O'Brien等人(2015)报道，交换性土壤Ca2+是恢复草地SOC储量的最强预测因子，主要是Ca2+和SOC之间有很强的关系，其次是黏土含量，突出了Ca在稳定SOM方面可能发挥的巨大作用。最近对5500个土壤剖面的分析发现，交换性钙比土壤质地更能预测有机碳含量。Oades(1988)研究表明，与相邻的非钙质酸性土壤相比，钙质土壤的有机碳含量较高，周转时间较长，这可能与钙腐植酸有关。其他研究也表明，Ca2+的存在降低了OC的溶解度，添加Ca2+会降低原生有机物和有机基质的矿化，或由于Ca2+对土壤的调节而增加了OM的稳定性。相比之下，Stewart等人(2008)发现，通过增加农业土壤中的Ca2+有效性，对添加残留物的稳定性没有影响。这可能是由于这些土壤中SOC存储的其他限制。这种情况下，限制因素驱动了SOC存储和稳定。

     由于这些研究结论的不一致，通过Ca2+阳离子评估SOC存储是有限的。相反，阳离子(Ca2+、Mg2+)、粘粒含量、生物对SOM动态的影响因素(pH、P)与土壤水分和植被的相互作用控制着SOM的积累和保留。因此，常量养分Ca和Mg的含量不是SOC储量的独立指标，而是可以与其他因素(温度、水分有效性、土地利用)一起作为SOC储量的指标。

 3. Outlook

     本文综述了控制不同空间尺度SOC存储的几个核心因素，并以此为基础构建了SOC存储指标体系(图1)。这样的一个体系需要考虑的最重要的两个方面，即碳输入和碳在土壤中的稳定。在下面，我们概述了一个指标体系方案，该指标体系可以在时间和成本效益上估算从局部到区域/亚大陆范围内当前和潜在的SOC储量。这一指标系统可用于温带(农业)生态系统的广泛土壤，但可能仅部分适用于热带地区或特定土壤，如水稻土。土壤质地是控制有机碳稳定的最重要因素，粉土和粘粒含量是关键指标。研究人员开发了几种基于细组分的方法来估算土壤的有机碳储量(表1)。由于精确测定土壤质地费时费力，精确测定细粒含量及其作为一种准确指标的用途可能受到限制。然而，使用“手指纹理”可以很容易地在野外以相对较高的精度估计土壤纹理。在没有实测数据的情况下，可以粗略估算SOC存储容量。目前互联网技术的发展，随着指导非专家通过土壤质地分类(例如LandPKS app，landpotential.org)的移动应用程序的推出，土壤质地作为SOC存储指标的日常应用有望进一步扩大。最后，基于红外光谱的土壤质地快速、稳健、低成本的野外或实验室估算技术的发展也将扩大土壤质地估算作为有机碳储量指标的适用性。

     除了细组分的稳定能力外，潜在的SOC存储还取决于C输入水平。已确定了气候代用指标作为最有力的指标，特别是海拔，以及关于土地利用、土地利用管理和/或植被特征的资料。这些现成的信息可以用来进一步指示SOC的存储容量，正如Six等人(2002a)和Feng等人(2013)所做的那样(表1)。在这方面，需要根据特定的气候条件和土地利用/管理/植被特征，采用区域方法来估算有机碳储量。这种方法的一个很好的例子是德国巴伐利亚州农田土壤典型SOC含量的分类(表2)，虽然不是基于数量的基础上(表2)。利用一个大的SOC数据库，根据纹理类别划分出典型的农田土壤SOC范围，并按海拔高度细分，作为巴伐利亚不同气候条件的代表。这些办法可适用于区域环境特征，并扩大到包括其他土地用途、植被类型、管理方面或地形特征。

     为了提高这一指标体系对土地管理影响的指示力，应进一步纳入“土壤功能特征”。土壤结构特性在这方面很重要。的确，最近出现了新的见解认为SOM的物理保护作用更为重要。孔隙度、宏观孔隙度、孔隙距离、孔隙连通性和团聚体粒径(大、小团聚体、大团聚体中的小团聚体)是表征团聚体结构的重要指标。此外，SMB-C库规模和SMB-C/SOC比值是反映种植和管理效应的敏感指标。因此，测定SMB-C库大小和SMBC与SOC的比率可以用于预测SOC的变化。

     该指标体系包括细组分含量、土壤结构和微生物特性等功能土壤特征、气候代用指标和土地利用/管理/植被特征，是一种很有前景的方法，可以在时间和成本效益上估算特定地点的SOC储存潜力。为了估算细组分的碳储存潜力，必须估算细组分中实际的碳含量。一些研究在总SOC中使用了固定百分比的细组分C，即77-85% ，但由于其很大的可变性取决于土地利用、土地利用历史和管理，所以细组分C应该被量化。现有的几种分离方法来确定细组分的实际C含量，但由于其复杂性，它们在概述的指标体系内并不可行。一种解决方案是采用一种简单的分级方法，即通过摇动后筛分细组分，而无需花费时间和昂贵的进一步分离有机颗粒物质。这种简化的分选方案不如目前使用的方案劳动密集，因此可以用于区域尺度的土壤监测。如果同时采集VisNIR光谱，则可以通过扫描大块土壤样品来预测细粒C含量。Zimmermann等人(2007)和Baldock等人(2013)已经证明了利用中红外光谱预测组分中C含量的可行性，ViscarraRossel和Hicks(2015)利用澳大利亚数据库中的样品使用VisNIR光谱预测了三个组分中的C含量。因此，基于红外光谱的方法是一种很有前途的方法来有效地估计当前的细组分C。

相关热门文章

扫描二维码｜关注我们

[e-mail]

喜欢就转发、收藏、点赞、点在看，侵权告删！