田耀武， 黃志霖， 肖文發(fā)， 王　寧， 劉　晶

(1 河南科技大學 林學院，河南 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)

?

三峽庫區(qū)蘭陵溪流域森林土壤有機碳、有機質與容重間的回歸模型

田耀武1,2， 黃志霖2， 肖文發(fā)2， 王寧1， 劉晶1

(1 河南科技大學 林學院，河南 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)

摘要：【目的】建立三峽庫區(qū)蘭陵溪流域森林土壤有機碳、有機質與容重之間的回歸模型，完善土壤屬性數(shù)據(jù)庫?！痉椒ā坷迷摿饔蛏滞寥勒{(diào)查數(shù)據(jù)庫，確立土壤有機質(SOM)與有機碳(SOC)間的轉換系數(shù)，構建土壤容重(BD)與SOM(SOC)含量之間的回歸模型，并使用決定系數(shù)(R2)、Nash-Sutcliffe效率系數(shù)(E)、百分誤差(Pe) 等統(tǒng)計參量進行檢驗?！窘Y果】 Van Bemmelen轉換系數(shù)(0.58) 不適合該研究區(qū)(R2=0.62，E=0.51、Pe=-31.16%)，SOC-SOD轉換系數(shù)應該為0.455(R2=0.85，E=0.86、Pe=-3.0%)，不同深度SOC-SOD轉換系數(shù)并不相同，隨土壤深度的增加迅速降低；其他地區(qū)構建的BD-SOM(SOC)回歸模型不能直接應用于該區(qū)域，BD-SOM模型參數(shù)優(yōu)化后可應用于該區(qū)域；BD-SOC模型參數(shù)優(yōu)化后，對數(shù)多項式模型可以用于該區(qū)域?！窘Y論】BD-SOM回歸模型模擬值優(yōu)于BD-SOC模型，建議使用BD-SOM回歸模型進行土壤數(shù)據(jù)庫完善。其中效率最高、誤差最小的模型為Federer有機密度模型(R2=0.75，E=0.81，Pe=5.4%)，可以在該地區(qū)推廣應用。

關鍵詞：三峽庫區(qū)； 森林土壤； 有機碳； 有機質； 容重； 回歸模型

土壤有機質(SOM)或有機碳(SOC)是土壤質量評估的重要指標之一，其儲量或密度動態(tài)是生態(tài)系統(tǒng)對環(huán)境變化的響應，直接影響全球碳循環(huán)[1-2]。SOM(SOC)含量及動態(tài)研究時，常采用Van Bemmelen轉換系數(shù)[w(SOC)/w(SOM)=0.580或w(SOM)/w(SOC)=1.724] 進行換算[1]。但Van Bemmelen系數(shù)受土壤類型、土壤深度、植被類型和土壤容重(BD)等環(huán)境因素的影響，并不通用于所有土壤[1, 3]。BD是土壤結構屬性之一，是SOC和SOM基于體積、面積數(shù)據(jù)轉換到土壤質量數(shù)據(jù)的基礎參數(shù)[1]。SOM(SOC)含量的變化改變了土壤的可壓縮性，是BD最主要的影響因素。理論上測定BD簡單直接，但實際測定BD工作量巨大且又耗時。一般認為，BD隨SOM(SOC)含量增加而減小[1,4]，BD-SOM(SOC)回歸關系普遍存在。用其回歸關系完善土壤數(shù)據(jù)庫是一簡單有效的方法[1, 4-5]。

BD-SOM(SOC)回歸模型有線性、多項式、冪/指數(shù)等形式[1, 3]。Adams[6]基于純礦質土壤容重，提出了BD-SOM經(jīng)驗模型，F(xiàn)ederer等[4]基于有機密度(每單位體積土壤的有機物質)概念，提出了BD-SOM有機密度模型。Adams經(jīng)驗模型是把有機密度作為定值，實質仍為有機密度類型。上述模型得到了其他學者的應用和驗證[1, 3]。但鮮有文獻進行SOC-SOM轉化系數(shù)、BD-SOM(SOC)回歸模型的綜合研究。我們的研究目的是：確定三峽庫區(qū)蘭陵溪流域SOC與SOM間的轉換系數(shù)，評定文獻中BD-SOM(SOC)模型在本地區(qū)的適用性，建立本地區(qū)BD-SOM(SOC)回歸模型，以期為完善該流域土壤屬性數(shù)據(jù)庫提供理論和實踐依據(jù)。

1材料與方法

1.1研究區(qū)概況

三峽庫區(qū)蘭陵溪流域位于湖北省秭歸縣中東部(110°56′E，30°50′N)，長江三峽大壩上游5 km處，典型的農(nóng)林復合小流域，面積1 100 hm2，屬亞熱帶大陸性季風氣候，年均氣溫18.0 ℃，年均日照1 624.8 h，年均相對濕度77 %，年均降水量1 150 mm，無霜期307 d。土壤以黃壤和山地黃棕壤為主。由于長期過度開發(fā)，自然植被破壞嚴重，林地為馬尾松Pinusmassoniana次生林和松、櫟Quercus混交林。灌木林以黃荊Vitexnegundo、莢蒾Viburnumdilatatum、毛黃櫨Cotmuscoggygria、杜鵑Rhododendronsimsii、胡枝子Lespedezabicolor和馬桑Coriariasinica等為主。

1.2土壤取樣與分析

2013年8月，在三峽庫區(qū)蘭陵溪流域林地內(nèi)機械布設125個10 m×10 m樣方，調(diào)查各樣方立地條件及喬木、灌木、草本植物生長指標。在每個樣方的一條對角線上，按等距法設3個樣點，各點用直徑 5 cm土鉆分層取樣，每層20 cm，取樣深至母質層。3樣點同層土樣充分混合，獲得各樣方分層土樣。自然風干混合土樣，除去草根、大石礫等雜質，過2 mm鋼篩，磨細。各樣方取樣后，在樣方中心處挖簡單土壤剖面，用修土刀修平，在0～20、20～40、40～60 cm層中，用100 cm3環(huán)刀取樣、加蓋、稱質量，精確至0.01 g。105 ℃ 烘至恒質量，計算土壤含水率和土壤容重。

干燒法測定SOM含量。10 g左右風干的土壤樣品放入30 mL的坩堝。105 ℃烘箱干燥2 h，在干燥器中冷卻，稱質量，然后將樣品在(550±10)℃馬弗爐中過夜、灰化。將樣品在干燥器中冷卻并稱質量。烘干質量(105 ℃恒質量)和灰化質量之間的質量差即為SOM凈質量。SOC含量測定采用重鉻酸鉀-外加熱法[7]。

1.3SOC與SOM量值的轉換

w(SOC)=0.58w(SOM)或

w(SOM) =1.724w(SOC),

(1)

w(SOC)=aw(SOM),

(2)

w(SOC)=a深度w(SOM),

(3)

式中，w(SOC)為有機碳質量分數(shù)(g·kg-1)，w(SOM)為有機質質量分數(shù)(g·kg-1)，0.58、1.724為Van Bemmelen轉換系數(shù)，a為本流域轉換系數(shù)，a深度表示不同土壤深度內(nèi)的轉換系數(shù)。

采用上述森林土壤屬性數(shù)據(jù)庫對式(2)、式(3)進行參數(shù)估計。通過式(4)～式(6)，使用Nash-Sutcliffe預測效率系數(shù)E[8]、誤差百分比Pe、決定系數(shù)R2等3個統(tǒng)計參量評定Van Bemmelen轉換系數(shù)和a值的轉換精度。

1.4文獻中回歸模型的檢驗

BD-SOM(SOC)回歸模型有線性模型、多項式模型、冪指數(shù)模型和有機密度模型等(表1)。利用研究區(qū)SOM(SOC)數(shù)據(jù)和文獻報道的模型，進行BD值的模擬，并使用式(4)～ 式(6)中E、Pe、R2等3個統(tǒng)計參量進行精度評定。

表1　文獻中常見的BD-SOM回歸模型1)

1)ρs為土壤容重(g·cm-3)，ρbm為純礦質土壤容重(g·cm-3)，ρbo為純有機質容重(g·cm-3),a、b、c、d為系數(shù),w(SOM)為有機質質量分數(shù)(g·kg-1)。

1.5模型參數(shù)的確定

利用研究區(qū)土壤數(shù)據(jù)庫，使用Microsoft Excel 2013中Solver Add-In模塊進行BD-SOM(SOC)模型的規(guī)劃求解，確定表1中模型參數(shù)。所有數(shù)據(jù)在對數(shù)轉換前進行方差同質性分析，檢驗數(shù)據(jù)的正態(tài)分布性。

1.6模型精度的評定

通過式(4)～式(6)，使用Nash-Sutcliffe預測效率系數(shù)E[8]、誤差百分比Pe、決定系數(shù)R2等3個統(tǒng)計參量評定模型模擬能力：

(4)

(5)

(6)

E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[13]，E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[14]，E=1時表示觀測值與模擬值完全相等；Pe表示模擬值對觀測值誤差百分比，Chiew等[14]認為Pe<15% 時模型模擬誤差可以接受；決定系數(shù)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。

綜合考慮E、Pe、R2，確立研究區(qū)最合適的BD-SOM(SOC)回歸模型。

2結果與分析

2.1SOC-SOM轉換系數(shù)

從圖1可以看出，w(SOC)與w(SOM)高度相關(R2= 0.85，P<0.001)，數(shù)據(jù)點多低于y= 0.58x線，而高于y= 0.40x線，0.58的轉換系數(shù)將低估w(SOC)，0.40的轉換系數(shù)將高估w(SOC)。SOC-SOM最優(yōu)回歸方程可用式(7)表示：

w(SOC)=0.455w(SOM)。

(7)

采用0.58的Van Bemmelen系數(shù)時，w(SOC)將偏低估計31.1%(表2)，超過了±15%的誤差限。E為0.51，也低于臨界值0.6。Van Bemmelen系數(shù)不能用來進行SOC-SOM轉換；當轉換系數(shù)取0.455時，誤差百分比僅為-3.0%，E為0.86，高于0.6，可以進行SOC-SOM轉換。

圖1　三峽庫區(qū)蘭陵溪流域SOM與SOC含量散點圖

Fig.1Scatter plots of SOM and SOC contents for Lanlingxi watershed in Three Gorges Reservoir area

不同土壤深度的轉換系數(shù)呈現(xiàn)規(guī)律性的層次分布，隨著土壤深度的增加,轉換系數(shù)a深度迅速降低。表2顯示SOC-SOM轉換系數(shù)由0 ～ 10 cm層的0.524 4降低為40 ～ 60 cm層的0.329 8。與不考慮土壤分層的w(SOC)=0.455w(SOM)相比，0～10、10～20、20～40、40～60 cm等層轉換系數(shù)a深度的R2和E增加，Pe降低，均低于|-3.0%|。

2.2BD-SOM的回歸關系

以相關文獻報道的BD-SOM回歸模型推算土壤容重的評定結果列于表3。其中3個模型低估了BD，Pe在-9.8%～-17.4%，其余6個則高估了BD，Pe在9.6%～25.5%；有5個誤差在±15%范圍之外，4個在 ±15% 范圍之內(nèi)。模擬效率上，9個模型的E均低于0.6，這些模型均不能直接用來進行三峽庫區(qū)BD-SOM關系研究。

表2　三峽庫區(qū)SOC與SOM之間的回歸關系

表3　相關文獻報道的BD-SOM模型在本研究區(qū)的應用評定

1)ρs為土壤容重(g·cm-3)。

利用研究流域土壤數(shù)據(jù)對表1中的8個模型優(yōu)化求解，結果列于表4。R2和E較小、誤差較大的模型為線性模型與冪函數(shù)模型。R2、E、Pe最優(yōu)的模型為Federer有機密度模型和多項式模型。Federer有機密度模型的R2為0.750 1，E為0.81，Pe為-5.4%，對數(shù)多項式模型的R2為0.75，E為0.80，Pe為-6.6%。表4中各模型模擬偏差Pe<15%，效率系數(shù)E>0.6，精度水平達到要求，均可用于BD-SOM研究。

2.3BD-SOC的回歸關系

表5為相關文獻中10個BD-SOC模型在本地區(qū)應用評定結果。10個模型的Pe均位于 ±15%限值之外，E均低于0.6，有5個模型的E甚至為負值。表5中模型不能直接應用于三峽庫區(qū)蘭陵溪流域。

表4　三峽庫區(qū)SOM與BD之間的回歸關系

1)ρs為土壤容重(g·cm-3)。

表5　相關文獻報道的BD-SOC模型在本研究區(qū)的應用評定

1)ρs為土壤容重(g·cm-3)。

對表1中有關SOC模型優(yōu)化求解，計算E、Pe、R2，結果見表6。模擬偏差位于 ±15%限值之外的有線性和冪函數(shù)模型；效率系數(shù)E<0.6的有4個模型。其中1個對數(shù)多項式模型實現(xiàn)了模擬值與實測值最大程度的擬合，E達到了0.71，Pe為9.6%，該對數(shù)多項式模型比較適合本區(qū)域BD-SOC研究。

表6　三峽庫區(qū)SOC與BD之間的回歸關系

1)ρs為土壤容重(g·cm-3)。

3討論

3.1SOC-SOM轉換系數(shù)值

Van Bemmelen轉換系數(shù)(0.58)并不適用于所有地區(qū)和所有土壤。Lowther等[26]報道澳大利亞的沙質土壤0～15 cm土層內(nèi)，SOC-SOM轉換系數(shù)為0.38～0.55，平均為0.46。Périé等[3]認為加拿大寒溫帶森林SOC-SOM轉換系數(shù)為0.472 4(R2=0.97,P<0.001)。本文SOC-SOM轉換系數(shù)為0.455，與Lowther等[26]研究結果相類似，可能是二者具有相似的土壤質地。Pribyl等[1]認為Van Bemmelen轉換系數(shù)僅能用于特定的土壤種類或特定的有機質組分，較符合20世紀80年代的研究情況，近期文獻認為該系數(shù)值偏高[3]，這與對SOM和SOC的進一步認識以及有機質測定方法和精度的不同有關，系數(shù)取值0.50～0.52更為適合。

隨土壤深度的增加，SOC-SOM轉換系數(shù)降低。如，Périé等[3]認為，隨土壤深度的增加，SOC-SOM轉換系數(shù)以二次曲線形式(P=0.013)迅速降低；Westman等[27]認為芬蘭原始森林土壤隨深度的增加，SOC含量下降的速度要高于SOM，w(SOC)/w(SOM)比值隨深度而下降，這是SOC-SOM轉換系數(shù)隨深度而下降的重要原因。Westman等[27]認為造成SOC-SOM轉換系數(shù)下降的原因是SOM的化學成分隨深度發(fā)生了變化，氧基組分(CO、COOH、COH) 相對含量隨深度增加而增加，即氧/碳隨深度而增加，胡敏素和棕黃酸相對含量增加，SOM趨于穩(wěn)定。土壤表層SOC-SOM轉換系數(shù)與Van Bemmelen系數(shù)接近，說明在定義Van Bemmelen系數(shù)時，沒有考慮深度層的影響。SOC-SOM轉換時，要考慮地區(qū)間土壤和植被的差異，同時要評定轉換系數(shù)精度，減小誤差。

3.2BD-SOM模型

SOM是影響土壤BD空間變化的主要因素，土壤BD與SOM存在回歸關系，這是較為一致的結論[1]。但是在某一地區(qū)取得的BD-SOM模型，并不能直接推廣到其他地區(qū)。原因可能是土壤類型、土壤礦物質的差異、SOM含量的差異以及土壤BD和SOM測定方式的差異。土壤礦物質和SOM含量的差異可能是模型不能通用的主要原因。

BD-SOM模型優(yōu)化求解后，誤差較小、效率較高的是Federer有機密度模型和對數(shù)多項式模型。Périé等[3]在對有機密度模型和多項式模型優(yōu)化求解后，也得到較為理想的模擬效果。盡管多項式模型實現(xiàn)了模擬值與實測值最大程度的擬合，但多項式模型各項所表達的物理含義較難解釋。Federer有機密度模型中，影響B(tài)D值的只有純礦質土壤容重和純有機質容重，結構簡單，測定指標少，物理意義明確，模擬精度高，應在本研究區(qū)推廣使用。

3.3BD-SOC模型

文獻中報道的BD-SOC模型較BD-SOM少，BD-SOC模型應用于本地區(qū)后，產(chǎn)生了較大的誤差和較低的模擬效率。原因是SOC受土地利用方式、土壤類型和植被類型影響更為強烈，SOC具有更大的空間不確定性。如曹麗花等[18]優(yōu)化的模型適用于西藏當雄草地SOC的分布，徐歡歡等[20]優(yōu)化的模型適用于新疆艾比湖濕地，草地與濕地SOC的空間分布模式差異較大[2]；蔡曉布等[21]甚至得出BD與SOC成正比的結論；WU等[24]與Yu等[25]以中國土壤調(diào)查數(shù)據(jù)為基礎，模擬出中國BD-SOC回歸模型，但該模型不能直接應用于本研究區(qū)。這說明BD-SOC關系較為復雜，簡單的線性模型并不能充分描述二者的關系。

BD-SOM模型的E、Pe和R2等統(tǒng)計參量均相對優(yōu)于BD-SOC模型，BD-SOM模型預測結果均優(yōu)于BD-SOC模型。BD-SOM模型經(jīng)參數(shù)優(yōu)化后均適用于本研究區(qū)，BD-SOC模型中僅有1個模型適用。例如，對數(shù)多項式模型，BD-SOM的E為0.80，BD-SOC的E為0.71。這說明應選擇BD-SOM模型，特別是Federer有機密度模型進行相關數(shù)據(jù)的完善。

參考文獻：

[1]PRIBYL D W. A critical review of the conventional SOC to SOM conversion factor[J]. Geoderma, 2010, 156(3/4): 75-83.

[2]田耀武，黃志霖，肖文發(fā)，等. 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[J]. 生態(tài)學雜志，2012, 31(11): 2742-2747.

[3]PéRIé C, OUIMET R. Organic carbon, organic matter and bulk density relationships in boreal forest soils[J]. Can J Soil Sci, 2008, 88(3): 315-325.

[4]FEDERER C A, TURCOTTE D E, SMITH C T. The organic fraction-bulk-density relationship and expression of nutrient content in forest soils[J]. Can J Forest Res, 1993, 23(6): 1026-1032.

[5]POST W M, KWON K C. Soil carbon sequestration and land-use change: Processes and potential[J]. Glob Change Biol, 2000, 6(3): 317-327.

[6]ADAMS W A. The effects of organic matter on the bulk and true densities of some uncultivated podzolic soils[J]. J Soil Sci, 1973, 24(1):10-17.

[7]鮑士旦. 土壤農(nóng)化分析[M]. 北京：中國農(nóng)業(yè)出版社，2008: 25-38.

[8]NASH J E, SUTTCLIFFE J V. River flow forecasting through conceptual models: Part I: A discussion of principles[J]. J Hydrol, 1970, 10(3): 282-290.

[9]HEUSCHER S A, BRANDT C C, JARDINE P M. Using soil physical and chemical properties to estimate bulk density[J]. Soil Sci Soc Am J, 2005, 69(1): 51-56.

[10]MEERSMANS J, DE RIDDER F, CANTERS F, et al. A multiple regression approach to assess the spatial distribution of soil organic carbon (SOC) at the regional scale (Flanders, Belgium) [J]. Geoderma, 2008(1/2), 143: 1-13.

[11]TREMBLAY S, OUIMET R, HOULE D. Prediction of organic carbon content in upland forest soils of Quebec, Canada[J]. Can J Forest Res, 2002, 32(5): 903-914.

[12]CIENCIALA E, EXNEROVA Z, MACKU J, et al. Forest top-soil organic carbon content in Southwest Bohemia region[J]. J Forest Sci, 2006, 52(9): 387-398.

[13]CHENG H, OUYANG C, HAO F X. The non-point source pollution in livestock-breeding areas of the Heihe River basin in Yellow River[J]. Stoch Environ Res Risk Assess, 2007, 21(3): 213-221.

[14]CHIEW F H S, STEWARDSON M J, MCMAHON T A. Comparison of six rainfall-runoff modelling approaches[J]. J Hydrol, 1993, 147(1/2/3/4): 1-36.

[15]HUNTINGTON T G, JOHNSON C E, JOHNSON A H, et al. Carbon, organic matter, and bulk density relationships in a forested spodosol[J]. Soil Sci, 1989, 148(5): 380-386.

[16] PRéVOST M. Predicting soil properties from organic matter content following mechanical site preparation of forest soils[J]. Soil Sci Soc Am J, 2004, 68(3): 943-949.

[17]何志斌，趙文智，劉鵠，等. 祁連山青海云杉林斑表層土壤有機碳特征及其影響因素[J]. 生態(tài)學報，2006，26(8)：2572-2580.

[18]曹麗花，劉合滿，趙世偉. 退化高寒草甸土壤有機碳分布特征及與土壤理化性質的關系[J]. 草業(yè)科學，2011，28(8)：1411-1415.

[19]秦嘉海，張勇，趙蕓晨，等. 黑河上游冰溝流域4 種土壤有機碳分布特征與土壤特性的關系[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2013, 31(5): 200-208.

[20]徐歡歡, 曾從盛, 王維奇, 等. 艾比湖濕地土壤有機碳垂直分布特征及其影響因子分析[J]. 福建師范大學學報(自然科學版), 2010, 26(5): 86-93.

[21]蔡曉布, 周進. 退化高寒草原土壤有機碳時空變化及其與土壤物理性質的關系[J]. 應用生態(tài)學報, 2009, 20(11): 2639-2645.

[22]祖元剛,李冉,王文杰,等. 我國東北土壤有機碳、無機碳含量與土壤理化性質的相關性[J]. 生態(tài)學報, 2011, 31(18): 5207-5216.

[23]RUEHLMANN J, KORSCHENS M. Calculating the effect of soil organic matter concentration on soil bulk density[J]. Soil Sci Soc Am J, 2009, 73(3), 876-885.

[24]WU H B, GUO Z T, PENG C H. Land use induced changes of organic carbon storage in soils of China[J]. Glob Change Biol, 2003, 9(3): 305-315.

[25] YU Y Y, GUO Z T, WU H B, et al. Spatial changes in soil organic carbon density and storage of cultivated soils in China from 1980 to 2000[J]. Global Biogeochem Cycle, 2009, 23(2): 416-427.

[26]LOWTHER J R, SMETHURST P J, CARLYLE J C, et al. Methods for determining organic carbon in podzolic sands[J]. Commun Soil Sci Plant Anal, 1990, 21(5/6): 457-470.

[27]WESTMAN C J, HYT?NEN J, WALL A. Loss-on-ignition in the determination of pools of organic carbon in soils of forests and afforested arable fields[J]. Commun Soil Sci Plant Anal, 2006, 37(7/8): 1059-1075.

【責任編輯李曉卉】

Organic carbon, organic matter and bulk density regression models for

forest soils in Lanlingxi watershed, Three Gorges Reservoir area

TIAN Yaowu1,2, HUANG Zhilin2, XIAO Wenfa2, WANG Ning1, LIU Jing1

(1 College of Forestry, Henan University of Science and Technology, Luoyang 471003, China；

2 Key Laboratory of Forest Ecology and Environment State Forestry Administration/Research Institute of

Forest Ecology, Environment and Protection, Chinese Academy of Forestry, Beijing 100091, China)

Abstract：【Objective】 To establish regression models of soil organic carbon, organic matter and bulk density for forest soils and improve the regional soil attribute database in Lanlingxi watershed, Three Gorges Reservoir area.【Method】Using forest soil survey data of this watershed, the conversion factor for soil organic matter (SOM) to soil organic carbon (SOC) was established, and the regression models linking soil bulk density (BD) and SOM (SOC) content were built. The whole evaluation consisted of determining the coefficient of determination (R2), Nash-Sutcliffe coefficient of efficiency (E), and the percentage error (Pe). 【Result】 The Van Bemmelen conversion coefficient (0.58) could not be directly applied in this watershed. The proper SOC-SOM conversion coefficient was 0.455, as SOC-SOD conversion coefficients varied from different depth of soil, declining quickly with the increase of depth. The BD-SOM (SOC) regression models built in other regions could not be directly applied to this region. When parameters of the BD-SOM models were optimized, the logarithm polynomial model could be used for this region. 【Conclusion】Overall, the simulated values of BD-SOM regression models are better than those of BD-SOC models, and it is recommended to use BD-SOM regression models to improve the soil database. Among the optimized BD-SOM models, the recommended model for this study is Federer organic density model with the highest efficiency (E=0.81) and the lowest error (Pe= 5.4%).

Key words：Three Gorges Reservoir area; forest soil; organic carbon; organic matter; bulk density; regression model

中圖分類號：X833; S714

文獻標志碼：A

文章編號：1001-411X(2016)01-0089-07

基金項目：國家自然科學基金(U1404322)；科技基礎性工作專項(2014FY120700)

作者簡介：田耀武(1975—)，男，副教授，博士， E-mail: tianyaowu@126.com； 通信作者：黃志霖(1966—)，男，副研究員，博士，E-mail: huangzhl@163.com

收稿日期：2015-04-14優(yōu)先出版時間：2015-12-07

優(yōu)先出版網(wǎng)址：http://www.cnki.net/kcms/detail/44.1110.s.20151207.1133.032.html

田耀武， 黃志霖， 肖文發(fā)，等.三峽庫區(qū)蘭陵溪流域森林土壤有機碳、有機質與容重間的回歸模型[J].華南農(nóng)業(yè)大學學報，2016,37(1):89-95.