青藏高原高寒生态系统气候干旱梯度上的土壤有机碳密度干旱阈值

《Land Degradation & Development》:The Aridity Threshold of Soil Organic Carbon Density Along the Climate Aridity Gradient in the Alpine Ecosystem of the Qinghai-Tibetan Plateau

【字体: 大 中 小 】 时间:2026年07月14日 来源:Land Degradation & Development 4.0

编辑推荐:

  摘要:土壤有机碳密度(SOCD)是评估土壤碳库稳定性的关键指标,尤其是在对气候变化敏感的高寒生态系统中。然而,关于SOCD对不同干旱梯度响应的研究仍然有限。因此,研究人员沿青藏高原不同干旱梯度进行了广泛采样,以研究SOCD如何随干旱梯度变化,以及环境因子如何在

  
摘要:土壤有机碳密度(SOCD)是评估土壤碳库稳定性的关键指标,尤其是在对气候变化敏感的高寒生态系统中。然而,关于SOCD对不同干旱梯度响应的研究仍然有限。因此,研究人员沿青藏高原不同干旱梯度进行了广泛采样,以研究SOCD如何随干旱梯度变化,以及环境因子如何在不同干旱梯度下驱动SOCD的变化。研究发现,青藏高原0–100 cm深度的SOCD范围为0.39至78.12 kg C m?2。同时,较湿润的东南部地区的SOCD高于较干旱的西北部地区。地形、气候和植被因子共同调节SOCD的分布。SOCD呈现非线性变化趋势,并随干旱度增加而降低;关键干旱阈值为0.66。在此阈值以下(低干旱梯度),海拔、干旱度、年均温(MAT)和归一化植被指数(NDVI)是SOCD的主要驱动因子。而在该阈值以上(高干旱梯度),SOCD主要受NDVI和MAT影响。上述研究结果强调了SOCD在不同干旱梯度上的差异,表明通过在高、低干旱梯度区域增加植被覆盖,可能有助于缓解干旱化对土壤有机碳的负面影响。
**论文解读:青藏高原高寒生态系统土壤有机碳密度沿气候干旱梯度的干旱阈值与驱动机制**

**1. 研究背景与问题**

土壤有机碳(SOC)是陆地碳循环的基础组成部分,对减缓气候变化和维持生态系统稳定性具有重要作用。土壤有机碳密度(SOCD)作为衡量土壤碳储量的关键指标,能够更准确地反映土壤碳存储及其空间分布,在区域碳循环和碳汇评估中具有较高实用价值。青藏高原(QTP)是全球海拔最高的高原,被称为“第三极”,其高寒生态系统对气候变化高度敏感。然而,目前关于青藏高原SOCD的研究仍存在以下问题:第一,多数研究集中于表层土壤(0–30 cm),对0–100 cm土层SOCD的分布格局和控制因素缺乏系统理解;第二,深层SOCD对环境变化的响应可能与表层不同,尤其在多年冻土区,深层SOCD可能对气候变化更敏感并引发显著的气候反馈效应;第三,虽然已有研究探讨了SOCD的阈值效应,但多关注年均温、年均降水量和归一化植被指数(NDVI)的阈值,而对干旱阈值的系统研究较少,尤其是深层SOCD的干旱阈值尚未明确。因此,有必要开展沿干旱梯度的系统研究,以揭示SOCD在不同干旱条件下的变化机制,为区域碳汇管理和生态恢复提供科学依据。该论文发表于《Land Degradation》。

**2. 主要技术方法**

研究人员采用了多项关键技术方法:(1)**野外采样与实验室分析**:于2023年7–8月在青藏高原沿干旱梯度设置104个采样点,每个样点挖掘0–100 cm土壤剖面,分5层取样,测定土壤有机碳含量(重铬酸钾氧化外加热法)、容重和砾石含量,计算SOCD;同时整合已发表文献和公开数据集中的385个样点数据。(2)**环境因子数据获取**:从多源遥感与气候数据库中提取年均温(MAT)、年均降水量(MAP)、潜在蒸散(PET)、干旱度(1-干旱指数)、归一化植被指数(NDVI)、数字高程模型(DEM)及其衍生的海拔(Alt)、坡度(SG)、水流功率指数(SPI)、泥沙输送指数(STI)、地形粗糙度指数(TRI)、地表温度(白天LSTD、夜间LSTN)和地表土壤水分(SSM)等数据,并将所有环境数据重采样至250 m分辨率以保持空间一致性。(3)**统计建模与阈值分析**:采用广义加性模型(GAM)和分段回归识别SOCD对干旱度的非线性响应阈值;运用Mantel检验、Spearman相关分析、层次分割分析、分段结构方程模型(piecewise SEM)和多变量回归模型,量化环境因子在不同干旱梯度下对SOCD的直接与间接影响。(4)**未来情景预测**:基于IPCC的SSP2-4.5和SSP5-8.5气候情景,采用空间代替时间方法预测2100年青藏高原干旱度超过阈值0.66的区域变化。

**3. 研究结果**

**3.1 SOCD沿干旱梯度的变化**

在青藏高原489个采样点的0–100 cm土层中,SOCD变化范围显著,介于0.39–78.12 kg C m?2之间,平均值为12.83 kg C m?2。空间上,SOCD随干旱度增加而降低,东南部湿地区域高于西北部干旱区域。不同土地覆盖类型间SOCD差异显著(p < 0.05):灌木(23.21 kg C m?2)、森林(22.79 kg C m?2)、湿地(22.36 kg C m?2)和草甸(16.33 kg C m?2)显著高于草原(7.59 kg C m?2)、荒漠(6.83 kg C m?2)和裸地(2.71 kg C m?2)。在干旱梯度上,湿润(23.73 kg C m?2)和干燥亚湿润(18.19 kg C m?2)区域的SOCD显著高于半干旱(12.10 kg C m?2)、干旱(4.93 kg C m?2)和极端干旱(4.96 kg C m?2)区域。

**3.2 SOCD的干旱阈值**

通过分段回归分析,研究人员识别出SOCD随干旱度变化的临界干旱阈值为0.66。当干旱度低于0.66时,SOCD随干旱度增加而显著下降;当干旱度超过0.66后,SOCD下降趋势减缓。广义加性模型(GAM)较好地拟合了这种非线性关系(R2 = 0.45),且AIC值最低。

**3.3 低、高干旱梯度下SOCD的驱动因素**

基于干旱阈值0.66将采样点分为低干旱梯度(干旱度 < 0.66,n=271)和高干旱梯度(干旱度 > 0.66,n=218),分别分析驱动因素。Mantel检验和层次分割分析表明,在低干旱梯度下,SOCD与NDVI、Alt、MAT、MAP、PET、干旱度、LSTN和SSM显著相关,其中NDVI、Alt和干旱度是主要驱动因子;在高干旱梯度下,SOCD与NDVI、Alt、MAT、MAP、PET、干旱度、LSTD、LSTN和SSM显著相关,NDVI、Alt和干旱度仍为显著因子。分段结构方程模型(piecewise SEM)结果显示,在低干旱梯度下,环境因子解释了SOCD变化的30%,其中Alt是最显著的直接因子(路径系数= -0.39***),其次是干旱度(-0.35***)、MAT(-0.30**)、SPI(0.19**)、NDVI(0.17*)和TRI(-0.15*);干旱度和Alt还通过影响NDVI间接影响SOCD。在高干旱梯度下,环境因子解释了SOCD变化的27%,其中NDVI是最显著的直接因子(路径系数= 0.49***),其次是MAT(0.27*);干旱度主要通过降低NDVI间接影响SOCD。多变量回归分析进一步表明,在低干旱梯度下,地形因子(Alt、SPI、STI、TRI)贡献最大(解释SOCD变异的57.77%),其中Alt和TRI与SOCD显著负相关;NDVI与SOCD显著正相关;干旱度和MAT与SOCD显著负相关。在高干旱梯度下,地形因子仍贡献最大(45.85%),但NDVI与SOCD显著正相关,MAT也表现为显著正相关。

**4. 讨论与结论**

**讨论总结:** 研究人员指出,青藏高原0–100 cm SOCD的空间分布呈现东南高西北低的格局,与干旱梯度高度一致,表明水分有效性对SOCD积累具有显著影响。不同土地覆盖类型间的SOCD差异源于凋落物和根系分泌物输入的数量与质量差异,以及湿地厌氧环境对有机质分解的抑制。干旱阈值0.66高于前人报道的值(0.53),可能与采样点沿干旱梯度的空间分布差异有关。在低干旱梯度下,海拔、干旱度和MAT通过限制植被生长(降低NDVI)减少了碳输入,同时高温和干旱可能增强微生物活性加速分解,但碳损失远小于碳输入减少。在高干旱梯度下,尽管碳输入持续但有限,极端干旱强烈抑制微生物分解,同时温暖干旱的土壤条件有利于有机-无机复合体和稳定团聚体的形成,增强了SOC的物理保护,因此SOCD下降速率减缓。这意味着高干旱区生态系统可能已适应持续水分胁迫,而低干旱区对干旱增加的响应更敏感。基于此,研究人员提出管理建议:在低干旱梯度区域优先采取原生植被保护和自然恢复策略;在高干旱梯度区域应结合自然恢复与人工干预,选择耐旱本地物种进行植被重建,并减少放牧等人为干扰。未来气候情景(SSP2-4.5和SSP5-8.5)预测显示,到2100年,青藏高原干旱度超过0.66的区域面积将分别减少45.72%和49.87%,主要集中在西部和柴达木盆地,可能与未来降水增加有关。研究还存在局限性:野外采样与文献数据存在时间错配,多源数据难以捕捉长期变化趋势,可能引入不确定性,未来需加强长期原位监测和模型模拟。

**结论(翻译):** 结果表明,在青藏高原,0–100 cm SOCD的高值区位于东南部,低值区位于西北部,分布范围介于0.39至78.12 kg C m?2之间。此外,SOCD随干旱梯度发生显著变化,反映了干旱度对SOCD的重要影响。同时,研究得出结论:SOCD随干旱度增加呈非线性下降,干旱阈值为0.66。在低干旱梯度下,海拔、干旱度、年均温(MAT)和归一化植被指数(NDVI)是SOCD的主要驱动因子;而在高干旱梯度下,NDVI和MAT是SOCD的主要驱动因子。这些研究结果强调了干旱度对SOCD分布的显著影响,阐释了不同干旱条件下环境因子对SOCD的调控机制,可为未来区域碳汇管理与生态保护恢复及可持续发展提供科学指导。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号