田耀武，曾立雄,黃志霖，肖文發(fā)，向 勇

1 河南科技大學林學院， 洛陽 471003 2 中國林業(yè)科學研究院森林生態(tài)環(huán)境與保護研究所 國家林業(yè)局森林生態(tài)環(huán)境重點實驗室， 北京 100091 3 秭歸縣林業(yè)局，秭歸 443600

森林土壤有機碳深度分布模型的構建與應用

田耀武1,2，曾立雄2,*,黃志霖2，肖文發(fā)2，向 勇3

1 河南科技大學林學院， 洛陽 471003 2 中國林業(yè)科學研究院森林生態(tài)環(huán)境與保護研究所 國家林業(yè)局森林生態(tài)環(huán)境重點實驗室， 北京 100091 3 秭歸縣林業(yè)局，秭歸 443600

了解森林土壤有機碳 (SOC)的深度分布模式對正確估算森林碳儲量，充分發(fā)揮森林碳匯功能，減緩全球氣候變化有著重要意義。選取寒溫帶針葉林、溫帶落葉林、亞熱帶針闊混交林、熱帶常綠闊葉林等4類森林生物群系，建立SOC深度分布數據庫，構建SOC質量密度的深度分布模型；使用Nash-Sutcliffe效率系數 (E)、誤差百分比 (PE)、決定系數 (R2) 等統(tǒng)計參量評定模型的模擬效果；利用構建的深度分布模型外推更深層SOC密度。研究結果表明：(1) 本文所構建的森林SOC深度分布模型模擬值與觀測值較為吻合，Nash-Sutcliffe效率E、誤差百分比PE和決定系數R2平均為0.74、6.95%、0.88 (P< 0.05)，模型模擬能力較高 (E> 0.6)，模擬誤差值低于可接受的臨界值 (PE< ±15%)，說明構建的模型可以對該地區(qū)森林SOC密度值進行估算；(2) 寒溫帶針葉林0—20 cm層SOC質量密度較高，熱帶常綠闊葉林較低；20 cm以下則是寒溫帶針葉林較低，熱帶常綠闊葉林較高，熱帶常綠闊葉林具有更深層的SOC分布；用0—100 cm深度的SOC來表征區(qū)域SOC儲量時結果偏低。若考慮0—200 cm深度，0—100 cm深度SOC值平均偏低約21.8%，在熱帶地區(qū)這種偏低趨勢可能更加突出，誤差可能更大。(3) 模型對表層SOC密度有偏低預測趨勢，對深層SOC密度預測值可能偏高；作為一個森林SOC深度分布模擬工具，模型可以在有限區(qū)域條件下估算不同深度SOC密度值。

森林；土壤有機碳；深度分布；模型

森林有機碳 (SOC)庫的動態(tài)變化顯著影響森林主要的生態(tài)過程、溫室氣體成分以及氣候變化速率[1-2]。森林SOC的深度分布模式對土壤肥力、林業(yè)生產、以及調控全球氣候變化有著重要作用。森林SOC的豐度影響森林生產力并受森林生產力的影響。了解森林SOC深度分布模式對正確認識森林生物圈至關重要[3]。已有大量文獻研究了森林SOC的遷移、轉化、存儲機制，SOC的深度分布，SOC儲量隨海拔的變化，地帶性氣候對森林SOC儲量影響因素等[3- 7]。但是，森林SOC調查深度目前沒有統(tǒng)一標準，有采用100 cm深度，還有采用30、50 cm深度[8- 11]，鮮有文獻涉及低于100 cm及100 cm以下SOC豐度對全土壤層的影響[12]。一般地，森林SOC表層密度值最高，隨深度的增加，密度值呈指數函數形式迅速下降[6, 13- 15]?；诖耍疚牡难芯磕繕耸牵?1) 建立我國寒溫帶針葉林、溫帶落葉林、亞熱帶針闊混交林、熱帶常綠闊葉林等4類主要森林生物群系SOC的深度分布函數，選取統(tǒng)計參量對模型模擬能力進行評定；(2) 使用深度分布函數對低于100 cm深度的SOC豐度進行外推，評估4類森林生物群系SOC的深度分布規(guī)律，量化0—100 cm深度SOC豐度估算誤差。

1 材料與方法

1.1 森林SOC質量密度的深度分布

地表層森林SOC密度值最高，隨深度增加SOC急劇下降，接近母質層時SOC密度值最低。本文選取指數函數 (式1)來表示SOC深度分布模式，利用式2來計算給定深度的SOC密度[8,12,14]:

Sh=S∞+(S0-S∞)·exp(k·h)

(1)

Qh=h·S∞+(S0-S∞)·(ek·h-1)/k

(2)

式中，Sh為h深度SOC質量密度 (kg/m3)；h，土壤某一深度 (m)；S0為土壤表層SOC質量密度 (kg/m3)；S∞為接近母質層時SOC質量密度值 (kg/m3)；k為常數；Qh為單位面積h深度內SOC密度 (kg/m2)。

1.2 土壤有機碳含量的測定

選擇黑龍江省群勝林場 (F1，寒溫帶針葉林)、河南省大溝河林場 (F2，溫帶落葉林)、湖北省九嶺頭林場 (F3，亞熱帶針闊混交林)和海南省尖峰嶺自然保護區(qū) (F4，熱帶常綠闊葉林)等4個森林經營單位作為采樣區(qū)。2012年，按均勻性和代表性原則，在4個樣區(qū)內分別確定85—109個采樣點 (表1)，并對各樣點進行編號。測定各樣點表層 (S0)土壤容重及SOC含量；用Φ5 cm土鉆以20 cm深度間隔取樣，直至母質層。測定各段土壤容重、SOC的平均含量；測定土壤剖面最底層S∞土壤容重、SOC含量。4個樣區(qū)內約60%土壤剖面數據用于模型參數率定，約40%樣點數據用于模型的驗證 (表1)。土壤容重、SOC含量均按國家相關標準進行[16]。

表1 采樣區(qū)域分布Table 1 Sampling regional distribution

SOC質量密度與含量用式(3) 來換算。土壤容重是影響SOC儲量和密度的重要指標，對于難以測定的土段的容重，用式(4) 進行估算[8,14,17]。

(3)

(3)

式中，ρs為土壤容重；[C]為有機碳含量。

用上述SOC深度分布數據，分別構建4類森林生物群系SOC深度分布模型，用SPSS相關模塊進行非線性參數估計。

1.3 模型模擬效果評估

SOC深度分布模型參數率定后，輸出各樣點SOC深度分布數據。使用Nash-Sutcliffe預測效率系數E[18](式5)、誤差百分比PE(式6)、決定系數R2(式7) 等3個統(tǒng)計參量評定模型模擬能力。

(5)

(6)

(7)

E值的統(tǒng)計意義為，觀測值與模擬值回歸線與1∶1線的符合程度[19]，為負值或較小時其統(tǒng)計意義表示不能被接受，E> 0.6表示模擬結果可以接受[20]，E= 1時表示觀測值與模擬值完全相等；PE值表示模擬值對觀測值誤差百分比，Chiew等[20]認為PE< 15%時模型模擬誤差可以接受；決定系數R2統(tǒng)計意義為觀測值與模擬值之間可以相互以直線關系說明部分所占的比率。

1.4 模型應用

利用參數率定后的模型1、2，估算各樣區(qū)各剖面層SOC密度，計算各層SOC密度與0—100 cm層SOC密度的比值。

2 結果與分析

2.1 SOC的深度分布模型

用各樣區(qū)SOC數據進行非線性回歸參數估計，得到SOC深度分布模型:

F1Sh=1.535+68.45×exp(-7.8924×h)

(8)

F2Sh=2.105+52.71×exp(-6.340×h)

(9)

F3Sh=2.465+49.87×exp(-5.970×h)

(10)

F4Sh=2.965+43.35×exp(-4.662×h)

(11)

圖1 SOC密度與深度分布關系 Fig.1 The relationship between soil organic carbon density and depth distribution

方差分析結果表明，4樣區(qū)S0層SOC質量密度差異極為顯著 (P< 0.01)，表現(xiàn)為寒溫帶針葉林 (68.45 kg/m3) > 溫帶落葉林 (52.71 kg/m3) > 亞熱帶針闊混交林 (49.87 kg/m3) > 熱帶常綠闊葉林 (43.35 kg/m3)；剖面底層S∞質量密度差異顯著 (P< 0.05)，但順序與表層相反，表現(xiàn)為寒溫帶針葉林 (1.535 kg/m3) < 溫帶落葉林 (2.105 kg/m3) < 亞熱帶針闊混交林 (2.465 kg/m3) < 熱帶常綠闊葉林 (2.965 kg/m3)。所有樣區(qū)SOC質量密度隨深度的增加而呈指數形式迅速下降 (圖1)。 寒溫帶針葉林下降最為迅速，熱帶常綠闊葉林下降較緩，上述特點在模型中表現(xiàn)為指數k的變化：熱帶常綠闊葉林 (-4.662) > 亞熱帶針闊混交林 (-5.970) > 溫帶落葉林 (-6.340) > 寒溫帶針葉林 (-7.8924)。

2.2 率定期模型模擬能力

SOC深度分布模型參數率定是優(yōu)化森林經營管理，增加碳匯功能的重要一步。模型在參數率定階段模擬值與觀測值結果見圖2。寒溫帶針葉林SOC模擬值與觀測值較為吻合，Nash-Sutcliffe效率系數E、誤差百分比PE和決定系數R2等值分別為0.68、6.9%、0.89 (P< 0.05)；溫帶落葉林效率系數E、誤差百分比PE和決定系數R2等值分別為0.76、8.8%、0.94 (P< 0.05)；亞熱帶針闊混交林E、PE和R2等值分別為0.75、-5.8%、0.91 (P< 0.05)；熱帶常綠闊葉林E、PE和R2等值分別為0.78、7.9%、0.91 (P< 0.05)。所有樣區(qū)中E值均高于可接受界值0.6，百分比誤差遠小于±15%，表明模型在率定階段模擬能力較高，誤差較小。

圖2 模型率定期觀測值與模擬值對比Fig.2 Comparison between observed and simulated SOC for model calibration

2.3 模型驗證期模擬能力評估

驗證階段模型模擬值與觀測值見圖3。與率定期的結果類似，所有樣區(qū)E值均高于可接受界值0.6，百分比誤差遠小于 ±15%，這充分說明可以用該模型進行本地區(qū)SOC深度分布的模擬。對模擬效率，熱帶常綠闊葉林E值 > 寒溫帶針葉林E值 > 亞熱帶針闊混交林E值 > 溫帶落葉林E值。這與模型率定期表現(xiàn)規(guī)律并不相同，說明SOC深度分布影響因素并不局限于地理位置。

寒溫帶針葉林模擬效率E值和決定系數R2值均大于參數率定階段，而誤差百分比PE又小于前一階段，這說明寒溫帶針葉林模型驗證階段的模擬效果優(yōu)于率定階段；而亞熱帶針闊混交林與寒溫帶針葉林結果相反；溫帶落葉林和熱帶常綠闊葉林表現(xiàn)出一定的不確定性。

圖3 模型驗證期觀測值與模擬值對比Fig.3 Comparison between observed and simulated SOC for model validation

深度分布模型在率定期和驗證期均表現(xiàn)為SOC模擬值與觀測值較為吻合，Nash-Sutcliffe效率系數E、誤差百分比PE和決定系數R2差異不顯著 (P> 0.05)。E、PE、R2平均值為0.74、6.95%、0.88，以上所構建的模型對各樣區(qū)SOC的深度分布預測能力較高，可以對SOC的深度分布進行估算。

2.4 森林土壤有機碳密度值的估算

利用式1、式2，得到樣區(qū)，0—20 cm、0—30 cm、…、0—200 cm以及0—20 cm、20—40 cm、…、100—200 cm等各土壤剖面層SOC密度值 (表2)。

由表2，看到單位面積森林SOC儲量均隨深度的增加而增加。如，寒溫帶針葉林0—20 cm層SOC密度為7.04 kg/m2，0—100 cm為10.01 kg/m2，0—200 cm時已增至11.54 kg/m2；在以20 cm為間隔的深度分布層次上，隨深度的增加SOC密度急劇下降。如，寒溫帶針葉林0—20 cm層SOC密度為7.04 kg/m2，20—40 cm已降至為1.69 kg/m2，80—100 cm時已低至0.32 kg/m2。

在0—20 cm層內，4類森林SOC密度差異顯著 (P< 0.05)，表現(xiàn)為：寒溫帶針葉林 (7.04 kg/m2) > 溫帶落葉林 (6.16 kg/m2) >亞熱帶針闊混交林 (6.03 kg/m2) > 熱帶常綠闊葉林 (5.85 kg/m2)。這可能與降雨量、平均氣溫以及土壤微生物環(huán)境因素有關；0—100 cm層內，4類森林SOC密度差異并不明顯 (P> 0.05)；0—200 cm層4類森林SOC密度值表現(xiàn)為：寒溫帶針葉林 (11.54 kg/m2) < 溫帶落葉林 (12.19 kg/m2) < 亞熱帶針闊混交林 (12.87 kg/m2) < 熱帶常綠闊葉林 (14.59 kg/m2)，這也充分說明熱帶常綠闊葉林有更深的SOC分布。

由表2看到，4個樣區(qū)內，0—20 cm層SOC密度均占到0—100 cm層的50%以上。寒溫帶植被群系比值高達70.29%，熱帶雨林最低為50.63%。0—50 cm/0—100 cm的SOC密度比值，4樣區(qū)均超過了80%，這可能是多數文獻把森林SOC研究深度限定于100 cm的原因。

寒溫帶針葉林 (0—20) cm/(0—100) cm SOC密度比值為70.29%，(20—40) cm/(0—100) cm比值 (16.88%) 迅速下降，(80—100) cm/(0—100) cm下降到了3.19%；熱帶常綠闊葉林中 (0—20) cm/(0—100) cm比值為50.63%，(20—40) cm/(0—100) cm值迅速下降，但下降速度明顯小于寒溫帶群系，其 (80—100) cm/(0—100) cm的比值約為寒溫帶群系的2倍，這說明熱帶常綠闊葉林受氣候地理條件的影響，SOC向下層遷移速度高于寒溫帶針葉林，亞熱帶和溫帶生物群系SOC密度變化趨勢處于二者之間。

特別地，寒溫帶針葉林 (100—200) cm/(0—100) cm SOC密度比值為15.37%，熱帶常綠闊葉林 (100—200) cm/(0—100) cm比值高達26.38%，平均為21.8%。這說明當使用0—100 cm剖面中SOC含量來推算某生物群系整個SOC密度值時，得到的結果可能偏低，在熱帶地區(qū)表現(xiàn)可能更為突出。

表2 各土壤剖面SOC密度與0—100 cm層的比值Table 2 The ratio of soil organic carbon density in soil profile layer and 0—100 cm layer

3 討論

植被分布格局是SOC的深度分布的主要影響因素，氣候和土壤質地是區(qū)域SOC總量的控制因素[11,21]。森林植被生產力、地上和地下生物量配置、土壤微生物機制等都深刻影響SOC的深度分布模式[22]，相關學者已構建類似的SOC的深度分布模型來推測區(qū)域SOC儲量[4-5,8]，以上文獻和本文均認為指數函數模型較適合于研究SOC的深度分布。本文在所構建的SOC深度分布模型的率定和驗證上，均表現(xiàn)出一定的不確定性，這可能與所選取指數函數模型的自身缺陷、選樣時間、SOC含量的測定方法，以及模型評定方法的選擇有關[13]。因為包括本文在內的所有模型在參數率定時，均是假設調試數據真實可靠，但部分數據總存在一定的誤差和錯誤，這也可能是模型不確定性因素之一。本文盡管選取了不同氣候帶內的4個樣區(qū)，盡量保證各林區(qū)內生境的相似性，但還有微生物因素、微地形因素，以及采樣時間的差異并沒有考慮。

森林SOC調查的典型深度通常確定為100 cm[23]，這在估算SOC儲量時，存在有較大的誤差。Batjes[24]認為，全球0—100 cm層中SOC儲量約為1500—1600 Pg，如果考慮100—200 cm土壤剖面層，SOC量會增加60%。對4類森林類型的調查結果表明，如果考慮100—200 cm的深度，SOC儲量將增加20%左右，增加的比值較小，這可能與森林土壤的特性有關。SOC深度分布函數可以對更深剖面SOC含量進行外推，有利于更深層SOC的計量研究。本文利用建立的深度分布模型，測算出三峽庫區(qū)秭歸縣九嶺頭林場樣點區(qū)域0—100 cm土層內SOC約為10.39 kg/m2，與我國林地10.78 kg/m2的平均密度值相當[1]，但低于王鵬程等[25]采用樣點法對三峽庫區(qū)森林生態(tài)系統(tǒng)SOC密度11.77 kg/m2的估算值；如果考慮200 cm的深度，九嶺頭林場樣點區(qū)域SOC密度約為12.87 kg/m2，高于全國林地SOC密度的平均值，也高于王鵬程等[25]三峽庫區(qū)11.77 kg/m2的估算值。

熱帶常綠闊葉林頂層SOC密度值較低，但下層SOC密度值較高，熱帶森林具有比寒溫帶森林更深的SOC分布。熱帶地區(qū)SOC隨深度下降較慢的原因不是深層SOC性質更穩(wěn)定[4]，很可能是熱帶土壤由于降雨、微生物作用，具有更強烈和更深入的生物混合，SOC向下垂直運輸速度較快，從而使表層SOC密度值減少，深層密度值增加，所以熱帶地區(qū)森林具有較深的SOC深度分布。Don等[11]認為高滲透性土壤這一現(xiàn)象更為明顯。我們在研究中也發(fā)現(xiàn)，即使是同一地區(qū)的林地，如果砂粒含量越高，土壤毛細孔越大，土壤滲透性越強，垂直運輸的特點就越明顯，SOC隨深度下降趨勢就較慢。

雖然指數形式的模型可以外推更深層SOC密度，但可能高估低于100 cm深度時SOC的密度值。我們在調試時就發(fā)現(xiàn)模型對表層SOC含量預測結果有偏低趨勢，對深層SOC含量有偏高模擬趨勢，因為在實際采樣中，很難確定基巖對土壤深度的限制作用。特別是現(xiàn)有的SOC深度分布模式是基于典型的土壤剖面數據，而沒有考慮SOC向下遷移轉化時，土體內部發(fā)生的物理障礙作用。一些研究認為由于土壤層的限制而夸大SOC含量誤差約為7%左右。特別是在一些坡度較大、生境較為惡劣、土壤剖面較淺的林地，其影響可能更大。對深層SOC的密度分析，需要進一步考慮，特殊地段的模型估計也有待于進一步論證。

[1] 劉世榮, 王暉, 欒軍偉. 中國森林土壤碳儲量與土壤碳過程研究進展. 生態(tài)學報, 2011, 31(19): 5437- 5448.

[2] 王敏, 李貴才, 仲國慶, 周才平. 區(qū)域尺度上森林生態(tài)系統(tǒng)碳儲量的估算方法分析. 林業(yè)資源管理, 2010, 28(2): 107- 112.

[3] 黃志霖, 田耀武, 肖文發(fā), 馬德舉. 三峽庫區(qū)防護林土壤有機碳的累積. 南京林業(yè)大學學報: 自然科學版, 2013, 37(2): 15- 20.

[4] Mishra U, Lal R, Slater B, Calhoun F, Liu D S, Van Meirvenne M. Predicting soil organic carbon stock using profile depth distribution functions and ordinary kriging. Soil Science Society of America Journal, 2009, 73(2): 614- 621.

[5] Zinn Y L, Lal R, Resck D V S. Texture and organic carbon relations described by a profile pedotransfer function for Brazilian Cerrado soils. Geoderma, 2005, 127(1- 2): 168- 173.

[6] 田耀武, 黃志霖, 肖文發(fā). 三峽庫區(qū)典型流域退耕地植物種類及凋落物對土壤有機碳固定的影響. 生態(tài)學雜志, 2012, 31(11): 2742- 2747.

[7] 路秋玲, 王國兵, 楊平, 鄭阿寶, 阮宏華. 森林生態(tài)系統(tǒng)不同碳庫碳儲量估算方法的評價. 南京林業(yè)大學學報: 自然科學版, 2012, 36(5): 155- 160.

[8] Jobbágy E G, Jackson R B. The vertical distribution of soil organic carbon and its relation to climate and vegetation. Ecological Applications, 2000, 10(2): 423- 436.

[9] 于東升, 史學正, 孫維俠, 王洪杰, 劉慶花, 趙永存. 基于1∶100萬土壤數據庫的中國土壤有機碳密度及儲量研究. 應用生態(tài)學報, 2005, 16(12): 2279- 2283.

[10] 趙俊芳, 延曉冬, 賈根鎖. 1981—2002年中國東北地區(qū)森林生態(tài)系統(tǒng)碳儲量的模擬. 應用生態(tài)學報, 2009, 20(2): 241- 249.

[11] Don A, Schumacher J, Scherer-Lorenzen M, Scholten T, Schulze E D. Spatial and vertical variation of soil carbon at two grassland sites-implications for measuring soil carbon stocks. Geoderma, 2007, 141(3- 4): 272- 282.

[12] Fontaine S, Barot S, Barré P, Bdioui N, Mary B, Rumpel C. Stability of organic carbon in deep soil layers controlled by fresh carbon supply. Nature, 2007, 450(7167): 277- 280.

[13] Baginska B, Milne-Home W, Cornish P S. Modelling nutrient transport in Currency Creek, NSW with AnnAGNPS and PEST. Environmental Modelling and Software, 2003, 18(8- 9): 801- 808.

[14] Meersmans J, De Ridder F, Canters F, De Baets S, Van Molle M. A multiple regression approach to assess the spatial distribution of Soil Organic Carbon (SOC) at the regional scale (Flanders, Belgium). Geoderma. 2008, 143(1- 2): 1- 13.

[15] 許文強, 陳曦, 羅格平, 張清, 張豫芳, 唐飛. 基于CENTURY模型研究干旱區(qū)人工綠洲開發(fā)與管理模式變化對土壤碳動態(tài)的影響. 生態(tài)學報, 2010, 30(14): 3707- 3716.

[16] 魯如坤. 土壤農業(yè)化學分析法. 北京: 中國農業(yè)科學出版社, 2000.

[17] Wu H B, Guo Z T, Peng C H. Land use induced changes of organic carbon storage in soils of China. Globe Change Biology, 2003, 9(3): 305- 315.

[18] Nash J E, Sutcliffe J V. River flow forecasting through conceptual models part I---A discussion of principles. Journal of Hydrology, 1970, 10(3): 282- 290.

[19] Cheng H G, Ouyang W, Hao F H, Ren X Y, Yang S T. The non-point source pollution in livestock-breeding areas of the Heihe River basin in Yellow River. Stochastic Environmental Research and Risk Assessment, 2007, 21(3): 213- 221.

[20] Chiew F H S, Stewardson M J, McMahon T A. Comparison of six rainfall-runoff modelling approaches. Journal of Hydrology, 1993, 147(1- 4): 1- 36.

[21] 支俊俊, 荊長偉, 張操, 吳嘉平, 倪治華, 陳紅金, 徐進. 利用1∶5萬土壤數據庫估算浙江省土壤有機碳密度及儲量. 應用生態(tài)學報, 2013, 24(3): 683- 689.

[22] Yu D S, Shi X Z, Wang H J, Sun W X, Chen J M, Liu Q H, Zhao Y C. Regional patterns of soil organic carbon stocks in China. Journal of Environmental Management, 2007, 85(3): 680- 689.

[23] Baisden W T, Parfit R L. Bomb14C enrichment indicates decadal C pool in deep soil?. Biochemistry, 2007, 85(1): 59- 68.

[24] Batjes N H. Total carbon and nitrogen in the soils of the world. European Journal of Soil Science, 1996, 47(2): 151- 163.

[25] 王鵬程, 邢樂杰, 肖文發(fā), 黃志霖, 潘磊, 曾立雄. 三峽庫區(qū)森林生態(tài)系統(tǒng)有機碳密度及碳儲量. 生態(tài)學報, 2009, 29(1): 97- 107.

Construction and application of a depth distribution model for soil organic carbon in forest areas

TIAN Yaowu1,2，ZENG Lixiong2,*，HUANG Zhilin2，XIAO Wenfa2，XIANG Yong3

1CollegeofForestry,HenanUniversityofScienceandTechnology,Luoyang471003,China2StateForestryAdministrationKeyLaboratoryofForestEcologyandEnvironment,ResearchInstituteofForestEcology,EnvironmentandProtection,ChineseAcademyofForestry,Beijing100091,China3ForestryBureauofZiguiCounty,Zigui443600,China

The pool of soil organic carbon (SOC) in a forest forms an important component in the global carbon (C) cycle. SOC plays an important role in enhancing forest productivity and mitigating the net rate of global greenhouse gas emissions. The risk of global warming has caught the attention of the scientific community as it relates to SOC stocks in forest ecosystems. The precise measurement of SOC stocks and verification of the amount of C sequestered in the soil are critical factors for the implementation of C trading programs. SOC in mineral soils generally decreases with depth; however, this decrease is non-linear and has been frequently modeled as an exponential function. We selected four forest types (boreal forest, temperate deciduous forest, subtropical mixed forest, and tropical evergreen broadleaved forest) and analyzed the exponential function for SOC mass density. We established an SOC database for layers of the soil profile by measuring the SOC in typical areas in the four forest biomes. The depth distribution models for the mass density of SOC were established by a typical sampling method. The model was calibrated using 60% of the data of the profiles, and 40% of the data was used for validation purposes. The entire evaluation for the results of model simulation consisted of determining the coefficient of determination (R2), Nash-Sutcliffe coefficient of efficiency (E), and the percentage error (PE). Next, the depth distribution models evaluated here were used to simulate the distribution of SOC deeper into the soil profile. The results showed that the simulation values for the depth distribution models of the four forest biomes and the observed values were relatively consistent. The average values ofR2,E, and absolutePEwere 0.88, 0.74, and 6.95%, respectively. The model simulations had a relatively high capacity (E> 0.6), and thePEof the model was simulated within a range with acceptable accuracy (PE< ±15%). The model could be used to simulate the depth distribution of forest soil organic carbon. Second, the boreal coniferous forest had a much higher density of SOC in the 0—20 cm layer than those of the tropical deciduous forest and the two other forest types. In contrast, the SOC densities in other layers of boreal coniferous forest were lower, while those of the tropical deciduous forest were higher. The regional SOC densities were lower when SOC densities in the 0—100 cm soil layers were used to characterize the regional SOC density. When compared with the SOC densities in the range of 0—200 cm in the soil profile, the SOC densities in the 0—100 cm soil layer were about 21.8% lower than the overall density. Any error in this calculation may be greater and more prominent in regions with high temperatures and precipitation rates. For rainfall events of a small magnitude, the model generally over-estimated mass density at the bottom of the soil profile, while the opposite was true; that is, for regions with large amounts of rainfall, the model generally under-estimated the surface SOC density. In general, the model performs well at simulating the depth distribution of SOC, and it can be used as a forest SOC management tool to simulate the depth distribution of SOC in some regions.

forest; soil organic carbon (SOC); depth distribution; model

中央級公益性科研院所基本科研業(yè)務費專項資金(CAFRIFEEP201101)

2014- 03- 25;

日期:2015- 04- 20

10.5846/stxb201403250556

*通訊作者Corresponding author.E-mail: zenglx@caf.ac.cn

田耀武，曾立雄,黃志霖，肖文發(fā)，向勇.森林土壤有機碳深度分布模型的構建與應用.生態(tài)學報,2015,35(22):7503- 7510.

Tian Y W，Zeng L X，Huang Z L，Xiao W F，Xiang Y.Construction and application of a depth distribution model for soil organic carbon in forest areas.Acta Ecologica Sinica,2015,35(22):7503- 7510.