崔玲宇,喻 曼,喬宇穎,蘇 瑤,王云龍,沈阿林

(1.浙江農(nóng)林大學(xué) 環(huán)境與資源學(xué)院,浙江 杭州 311300; 2.浙江省農(nóng)業(yè)科學(xué)院 環(huán)境資源與土壤肥料研究所,浙江 杭州 310021)

土壤是人類和動(dòng)植物賴以生存的基礎(chǔ)自然資源,土壤質(zhì)量直接影響作物生長,進(jìn)而影響人類和動(dòng)植物健康,在維護(hù)生態(tài)系統(tǒng)平衡和維持營養(yǎng)要素的循環(huán)和轉(zhuǎn)化上具有重要作用。提高土壤質(zhì)量是實(shí)現(xiàn)農(nóng)業(yè)綠色可持續(xù)發(fā)展的重要基礎(chǔ)和核心內(nèi)容之一[1]。我國耕地面積有限,長期以來,對農(nóng)田的高強(qiáng)度利用和對土壤資源的不合理利用導(dǎo)致一些地區(qū)的土壤質(zhì)量下降,發(fā)生土壤侵蝕、酸化、污染等現(xiàn)象[2-5]。土壤質(zhì)量評價(jià)作為評估土壤可持續(xù)發(fā)展?jié)摿Φ闹匾侄?受到國內(nèi)外研究者的廣泛關(guān)注[6-8],尤其是在近10年,該領(lǐng)域的研究呈快速增長態(tài)勢。

文獻(xiàn)計(jì)量分析是基于數(shù)據(jù)統(tǒng)計(jì)來預(yù)測和識(shí)別未來研究趨勢與熱點(diǎn)的數(shù)學(xué)統(tǒng)計(jì)方法[9-10],因具有客觀、定量的優(yōu)點(diǎn)而得到廣泛應(yīng)用[11]。李鑫等[12]基于Web of Science核心合集數(shù)據(jù)庫(以下簡稱為WOS數(shù)據(jù)庫)和CNKI(中國知網(wǎng))數(shù)據(jù)庫,利用文獻(xiàn)計(jì)量分析,就土壤質(zhì)量評價(jià)指標(biāo)、最小數(shù)據(jù)集篩選、土壤質(zhì)量評價(jià)方法等進(jìn)行系統(tǒng)總結(jié)和比較。近年來,已有不少研究人員對國內(nèi)外土壤健康評價(jià)體系、土壤健康的內(nèi)涵和研究進(jìn)展等進(jìn)行了綜述,促進(jìn)了土壤健康評價(jià)途徑和對策的提升及其在農(nóng)業(yè)管理實(shí)踐中的應(yīng)用,但相關(guān)研究仍缺乏系統(tǒng)性[13-14]。本文采用文獻(xiàn)計(jì)量學(xué)方法,利用HistCite Pro2.1、VOSviewer 1.6.19和CiteSpace 6.1.R6等分析軟件,以土壤質(zhì)量/健康評價(jià)領(lǐng)域的關(guān)鍵詞頻度聚類和突現(xiàn)強(qiáng)度等分析結(jié)果為主要依據(jù),以全球發(fā)文量趨勢和文章引用頻次等輔助參考,在宏觀視角下關(guān)注當(dāng)前土壤質(zhì)量評價(jià)領(lǐng)域的研究熱點(diǎn)及其前沿趨勢,以期為土壤質(zhì)量評價(jià)研究、土壤資源的可持續(xù)發(fā)展等提供理論參考。

1 材料與方法

1.1 數(shù)據(jù)來源

基于WOS數(shù)據(jù)庫進(jìn)行檢索,檢索時(shí)間為2023年3月6日,檢索主題詞為“soil quality evaluation”“soil quality assessment”(土壤質(zhì)量評價(jià))、“soil health evaluation”“soil health assessment”(土壤健康評價(jià))、“soil fertility evaluation”“soil fertility assessment”(土壤肥力評價(jià)),檢索文獻(xiàn)類型包括研究論文和綜述兩種類型,發(fā)表時(shí)間為2012-01-01—2022-12-31。共檢索到論文523篇,剔除與本文確定的研究方向相關(guān)度較低的論文后,共獲得相關(guān)文獻(xiàn)448篇。

1.2 研究方法

通過HistCite Pro 2.1軟件的引文分析工具統(tǒng)計(jì)發(fā)文量、總被引次數(shù)、本地被引次數(shù)等。其中:總被引次數(shù)(global citation score, GCS)是某篇文章在WOS數(shù)據(jù)庫中總的被引用次數(shù),引用這篇文章的文獻(xiàn)可能與其研究方向毫無關(guān)系。本地被引次數(shù)(local citation score, LCS)指某一文獻(xiàn)在本地?cái)?shù)據(jù)集(即在WOS數(shù)據(jù)庫輸入關(guān)鍵詞后導(dǎo)入Histcite Pro 2.1軟件的所有文獻(xiàn)的集合)中的被引用次數(shù),因?yàn)楸镜財(cái)?shù)據(jù)集中的文章都是和檢索詞有關(guān)系的,所以LCS常被用來表征該文章在研究領(lǐng)域內(nèi)同行的認(rèn)可程度。

利用Origin 2019軟件繪制發(fā)文量統(tǒng)計(jì)圖?；赩OSviewer 1.6.19軟件的共現(xiàn)(co-occurrence)分析功能,選定數(shù)據(jù)庫中出現(xiàn)的所有關(guān)鍵詞,繪制關(guān)鍵詞聚類分析圖。利用CiteSpace 6.1.R6軟件的關(guān)鍵詞突現(xiàn)(burstness)功能,分析近10年該領(lǐng)域研究趨勢的動(dòng)態(tài)演變。

2 結(jié)果與分析

2.1 發(fā)文量與文章被引頻次分析

發(fā)文量和被引頻次能夠反映該研究領(lǐng)域的發(fā)展速度和影響力。近10年,土壤質(zhì)量評價(jià)領(lǐng)域的發(fā)文量整體呈增加趨勢(圖1),在全球范圍內(nèi),我國是該領(lǐng)域發(fā)文量最多的國家(表1),且自2017年起我國發(fā)文量快速持續(xù)增加,說明我國的土壤質(zhì)量評價(jià)研究領(lǐng)域進(jìn)入快速發(fā)展階段。篇均被引次數(shù)可反映發(fā)文的整體質(zhì)量水平。在本文檢索范圍內(nèi),我國學(xué)者的發(fā)文量、總被引次數(shù)和本地被引次數(shù)均居第1位,但篇均被引次數(shù)卻在表1給出的10個(gè)國家中居第7位。這說明,我國學(xué)者在該領(lǐng)域的發(fā)文量雖高,但文章總體的影響力還不夠強(qiáng)。荷蘭的發(fā)文量為25篇,但篇均被引次數(shù)居第1位,在土壤質(zhì)量評價(jià)領(lǐng)域居于領(lǐng)先地位。西班牙和意大利的發(fā)文量分居第4位和并列第8位,但其篇均被引次數(shù)分列第3位和第2位,說明其發(fā)文的整體水平較高。

表1 2012—2022年土壤質(zhì)量評價(jià)領(lǐng)域發(fā)文量排名前10的國家的基本信息

圖1 2012—2022年土壤質(zhì)量評價(jià)領(lǐng)域的發(fā)文量

2.2 高被引文章分析

文章的總被引次數(shù)在一定程度上可反映文章的受關(guān)注程度。將本研究檢索范圍內(nèi)獲得的總被引次數(shù)排名前10的文章[15-24]整理于表2。瑞士學(xué)者Bünemann等[15]于2018年發(fā)表在SoilBiologyandBiochemistry雜志上的“Soil quality: a critical review”一文的被關(guān)注程度最高,該文為綜述性論文,主要從定義、評價(jià)方法、指標(biāo)選擇等方面回顧了土壤質(zhì)量的相關(guān)概念,確定了農(nóng)業(yè)用地利用下最常用的土壤質(zhì)量指標(biāo),并建議針對特定區(qū)域和種植模式,建立針對性的指標(biāo)和關(guān)鍵評估步驟。在總被引頻次排名前10的文章中,有5篇出自中國作者,例如:Yao等[20]以濱海鹽土為例,建立了以地下水特性、土壤鹽度、有機(jī)質(zhì)為評價(jià)指標(biāo)的最小數(shù)據(jù)集;Yu等[22]以不同的指標(biāo)篩選方法(全數(shù)據(jù)集、最小數(shù)據(jù)集、修正后最小數(shù)據(jù)集)和評價(jià)方法(線性、非線性評價(jià)方法)開發(fā)土壤質(zhì)量指數(shù)計(jì)算模型,結(jié)果發(fā)現(xiàn),基于修正后的最小數(shù)據(jù)集使用非線性評價(jià)方法開發(fā)的土壤質(zhì)量指數(shù)對土壤質(zhì)量變異具有更高的敏感性?？偟膩砜?總被引次數(shù)高的這些研究大多充分考慮了區(qū)域土壤特征與耕作體系,以此作為評價(jià)最小數(shù)據(jù)集篩選的重要依據(jù),并比較了不同評價(jià)方法對評價(jià)體系客觀性和敏感性的影響,為土壤質(zhì)量評價(jià)體系構(gòu)建提供了重要依據(jù)。

表2 2012—2022年土壤質(zhì)量評價(jià)領(lǐng)域排名前10的高被引文章的基本信息

2.3 土壤質(zhì)量/健康評價(jià)領(lǐng)域的研究熱點(diǎn)與趨勢

利用VOSviewer 1.6.19軟件對本研究檢索到的文獻(xiàn)進(jìn)行關(guān)鍵詞分析,繪制關(guān)鍵詞共現(xiàn)分析圖(圖2),圖中不同的顏色代表不同的聚類,圓圈大小代表關(guān)鍵詞出現(xiàn)頻度的高低。關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)共分為3個(gè)聚類:聚類A以土壤健康評價(jià)為核心,關(guān)注土壤健康與生態(tài)系統(tǒng)服務(wù)、土壤功能之間的關(guān)系;聚類B以土壤質(zhì)量評價(jià)為核心,關(guān)注最小數(shù)據(jù)集、評價(jià)指標(biāo)篩選方法和理化指標(biāo);聚類C以微生物指標(biāo)、微生物活性、酶活性為核心,關(guān)注土壤質(zhì)量評價(jià)中的動(dòng)態(tài)指標(biāo)——微生物評價(jià)指標(biāo),以及微生物群落結(jié)構(gòu)組成等。

在聚類A中,土壤健康評價(jià)與生態(tài)系統(tǒng)服務(wù)、土壤功能等聚為一類,說明相較于土壤質(zhì)量評價(jià),土壤健康評價(jià)的內(nèi)涵傾向于土壤提供的各種生態(tài)系統(tǒng)服務(wù)功能[25-26],融合了更多的土壤生態(tài)屬性,包含土壤生物多樣性和土壤生態(tài)功能等,而不僅限于土壤質(zhì)量或生產(chǎn)作物的能力[13]。在聚類B中,土壤質(zhì)量指數(shù)、最小數(shù)據(jù)集和主成分分析等出現(xiàn)頻次最高,其次為速效磷、有機(jī)質(zhì)、土壤容重等理化指標(biāo),說明篩選合適的指標(biāo)和構(gòu)建科學(xué)的評價(jià)方法對于識(shí)別區(qū)域土壤質(zhì)量問題,提供預(yù)警信號(hào)來說至關(guān)重要[27]。運(yùn)用以統(tǒng)計(jì)分析為主的主成分法構(gòu)建最小數(shù)據(jù)集是當(dāng)前評價(jià)指標(biāo)篩選的研究熱點(diǎn)[28-29],土壤質(zhì)量管理框架是當(dāng)前常用的評價(jià)方法[30-31]。在聚類C中,β-葡萄糖苷酶、脫氫酶、過氧化氫酶等酶活指標(biāo)和微生物量碳、微生物活性等微生物指標(biāo)出現(xiàn)頻率較高,這些微生物指標(biāo)單獨(dú)聚類,說明以微生物信息為主的動(dòng)態(tài)評價(jià)指標(biāo)開始成為當(dāng)前土壤質(zhì)量研究的獨(dú)立板塊和熱點(diǎn)。

突現(xiàn)性關(guān)鍵詞是指突然出現(xiàn)且引用頻率很高的詞匯,在一定程度上代表了一個(gè)研究領(lǐng)域的研究前沿和熱點(diǎn)。本文使用CiteSpace 6.1.R6軟件提取土壤質(zhì)量/健康評價(jià)研究領(lǐng)域突現(xiàn)強(qiáng)度排名前25的關(guān)鍵詞(圖3)。根據(jù)突現(xiàn)詞出現(xiàn)和熱度衰退的年份,大致可劃分為2012—2019年和2019—2022年兩個(gè)階段。第一階段,突現(xiàn)詞從關(guān)注理化指標(biāo)轉(zhuǎn)向土壤質(zhì)量評價(jià)方法的多元化發(fā)展,典型突現(xiàn)詞如神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林。隨著計(jì)算機(jī)技術(shù)和大數(shù)據(jù)分析的快速發(fā)展,使用機(jī)器學(xué)習(xí)算法預(yù)測土壤質(zhì)量變化已成為研究趨勢[32]。第二階段,突現(xiàn)詞聚焦于土壤質(zhì)量評價(jià)動(dòng)態(tài)指標(biāo)——微生物指標(biāo)的篩選上,典型突現(xiàn)詞如微生物量、微生物指標(biāo)、微生物多樣性。傳統(tǒng)的土壤質(zhì)量評價(jià)研究注重選取土壤物理和化學(xué)指標(biāo)[33-34],隨著分子生物學(xué)的不斷發(fā)展,挖掘土壤微生物學(xué)信息,并與傳統(tǒng)理化指標(biāo)相結(jié)合以評價(jià)土壤質(zhì)量,已成為一大趨勢。

圖3 關(guān)鍵詞的突現(xiàn)強(qiáng)度與時(shí)間

2.3.1 土壤質(zhì)量評價(jià)方法——機(jī)器學(xué)習(xí)算法

(1)隨機(jī)森林模型。隨機(jī)森林算法可以解決非線性復(fù)雜系統(tǒng)中指標(biāo)過擬合的問題,近年來在評價(jià)土壤質(zhì)量和預(yù)測評價(jià)指標(biāo)方面得到了較為廣泛的應(yīng)用。Ciarkowska等[35]研究發(fā)現(xiàn),隨機(jī)森林模型與主成分分析法均可有效預(yù)測土壤質(zhì)量指數(shù),但隨機(jī)森林模型的擬合效果更好,決定系數(shù)(R2)值提高31.65%,均方根誤差(RMSE)值降低31%。Li等[36]研究發(fā)現(xiàn),用基于隨機(jī)森林模型得到的最小數(shù)據(jù)集預(yù)測的土壤質(zhì)量指數(shù)與基于全數(shù)據(jù)集獲得的土壤質(zhì)量指數(shù)有很強(qiáng)的相關(guān)性,相關(guān)系數(shù)為0.94,高于用相關(guān)性分析或主成分分析得到的相關(guān)系數(shù),在綠色生產(chǎn)模式下,用隨機(jī)森林模型預(yù)測的土壤質(zhì)量指數(shù)呈上升趨勢,說明其可有效預(yù)測土壤質(zhì)量變異和反饋種植管理方式帶來的變化,但該模型對其他輪作系統(tǒng)和氣候條件下的土壤質(zhì)量評估效果未知,可能存在一定的局限性,尚需要在不同管理模式下進(jìn)行驗(yàn)證和提升。Wilhelm等[37]發(fā)現(xiàn),隨機(jī)森林模型預(yù)測土壤健康類別和等級(jí)的準(zhǔn)確性受土壤微生物測序深度歸一化、過濾和分類分辨率類型的影響很大,應(yīng)用歸一化數(shù)據(jù)訓(xùn)練的模型,在使用高分辨率(ASV)數(shù)據(jù)時(shí)預(yù)測結(jié)果會(huì)更加精確,若使用目、科、屬等較低分辨率的數(shù)據(jù)訓(xùn)練模型,則其準(zhǔn)確性明顯降低?？紤]到土壤微生物組的區(qū)域差異,若能針對不同地理位置、土壤類型和種植體系的微生物組數(shù)據(jù)進(jìn)行訓(xùn)練,模型效果會(huì)更好。與傳統(tǒng)方法相比,隨機(jī)森林模型在土壤質(zhì)量評價(jià)中展現(xiàn)出更好的擬合效果,但目前的研究大多聚焦于多種模型的對比和模型精度的提高上,在推動(dòng)隨機(jī)森林模型評價(jià)方法的實(shí)際應(yīng)用方面,缺乏對模型在不同土壤類型、種植系統(tǒng)和管理措施上的應(yīng)用效果研究。

(2)神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)模型是土壤質(zhì)量評價(jià)中的常用方法,包括人工神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)等。Shao等[38]基于反向傳播人工神經(jīng)網(wǎng)絡(luò)針對西北典型干旱區(qū)構(gòu)建了土壤質(zhì)量評價(jià)模型,經(jīng)驗(yàn)證,模型的準(zhǔn)確率達(dá)97%。Liu等[32]利用反向傳播人工神經(jīng)網(wǎng)絡(luò)與注意力模型組合構(gòu)建評價(jià)模型,用于評價(jià)雅安市的土壤質(zhì)量,結(jié)果發(fā)現(xiàn),與反向傳播人工神經(jīng)網(wǎng)絡(luò)相比,集成模型的性能更好,R2值增加0.005,RMSE值降低0.002。Wang等[39]應(yīng)用Takagi-Sugeno模糊神經(jīng)網(wǎng)絡(luò)模型評估稻田土壤質(zhì)量,結(jié)果發(fā)現(xiàn),土壤質(zhì)量等級(jí)與水稻產(chǎn)量的空間分布一致,模型誤差在-0.05～0.05。總的來看,神經(jīng)網(wǎng)絡(luò)模型在評價(jià)土壤質(zhì)量、響應(yīng)土壤生產(chǎn)力上具有一定優(yōu)勢,但不同神經(jīng)網(wǎng)絡(luò)模型的局限性和應(yīng)用效果存在差異,進(jìn)一步優(yōu)化、訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型以適應(yīng)其在土壤質(zhì)量評價(jià)領(lǐng)域的實(shí)際應(yīng)用,具有現(xiàn)實(shí)意義。

2.3.2 土壤質(zhì)量評價(jià)動(dòng)態(tài)指標(biāo)——微生物評價(jià)指標(biāo)

(1)土壤酶活性。除傳統(tǒng)的理化指標(biāo)外,近年來,土壤質(zhì)量評價(jià)更加關(guān)注微生物指標(biāo)的篩選,并將其與理化指標(biāo)搭配使用構(gòu)建最小數(shù)據(jù)集,以提高評價(jià)效果。土壤酶活性、微生物多樣性、微生物量等是較為常見的微生物評價(jià)指標(biāo)。其中,土壤常用的酶活性指標(biāo)包括β-葡萄糖苷酶、過氧化氫酶、脲酶、脫氫酶、磷酸酶等。土壤酶參與土壤有機(jī)質(zhì)的分解、轉(zhuǎn)化、礦化等環(huán)節(jié)[40-41],是響應(yīng)土壤生產(chǎn)力水平和質(zhì)量變化的敏感指標(biāo)[42]。Liu等[43]應(yīng)用酸性磷酸酶、總細(xì)菌和總氮等指標(biāo)構(gòu)建最小數(shù)據(jù)集評價(jià)酸性紫土區(qū)的水稻土土壤質(zhì)量,發(fā)現(xiàn)該數(shù)據(jù)集能反映土壤質(zhì)量變異的82.1%。Liu等[44]建立以全氮、速效鉀、微生物量碳、β-葡萄糖苷酶、總細(xì)菌和叢枝菌根真菌為主體的最小數(shù)據(jù)集評價(jià)稻田土壤質(zhì)量,發(fā)現(xiàn)與高生產(chǎn)力水平相比,在低生產(chǎn)力水平下,土壤脲酶、磷酸酶和β-葡萄糖苷酶的活性分別顯著降低31.7%、17.6%和24.2%,但土壤脫氫酶活性在不同生產(chǎn)力水平下無顯著差異。Liu等[45]在評價(jià)油茶林的土壤質(zhì)量時(shí)發(fā)現(xiàn)相似結(jié)果,即土壤過氧化氫酶、脲酶、蔗糖酶、磷酸酶的活性與茶林生產(chǎn)力水平呈正相關(guān)關(guān)系,其中,過氧化氫酶可作為評價(jià)油茶林土壤質(zhì)量的合適指標(biāo)。綜上,土壤酶活性指標(biāo)在土壤質(zhì)量評價(jià)中具有一定的代表性,目前的研究重點(diǎn)關(guān)注土壤酶活性指標(biāo)與土壤生產(chǎn)力水平的響應(yīng)關(guān)系,對土壤酶活性在不同土壤類型、種植管理方式下的響應(yīng)機(jī)理,以及土壤酶活性指標(biāo)在土壤質(zhì)量中的賦權(quán)等尚未開展系統(tǒng)研究。

(2)微生物多樣性。土壤微生物多樣性能直觀反映土壤生態(tài)系統(tǒng)結(jié)構(gòu)和功能的變化[46],將其作為評價(jià)指標(biāo)引入土壤質(zhì)量/健康評價(jià)體系是近年來的研究熱點(diǎn),常用指標(biāo)包括微生物多樣性指數(shù)、豐富度指數(shù)和均勻度指數(shù),但也有學(xué)者將細(xì)菌功能多樣性、真菌功能多樣性和核心功能微生物納入土壤質(zhì)量評價(jià)指標(biāo)體系[47]。Lin等[48]利用酸堿度、有機(jī)質(zhì)、速效鉀、全氮、微生物量碳、細(xì)菌功能多樣性、細(xì)菌香農(nóng)指數(shù)、細(xì)菌Chao1指數(shù)和真菌香農(nóng)指數(shù)構(gòu)建最小數(shù)據(jù)集評價(jià)土壤質(zhì)量,該數(shù)據(jù)集能夠反映土壤質(zhì)量變化的73.17%,并發(fā)現(xiàn)溝渠建設(shè)和增施有機(jī)肥等土壤整治措施能顯著提高細(xì)菌香農(nóng)指數(shù)、真菌香農(nóng)指數(shù)和細(xì)菌功能多樣性,增強(qiáng)與土壤氮循環(huán)、反硝化和呼吸作用相關(guān)功能的基因豐度。Kim等[47]研究發(fā)現(xiàn),在農(nóng)田與森林2種土地利用方式下,土壤優(yōu)勢菌種存在顯著差異,Actinomadurarifamycini、Azospirillumagricola、Gelriaglutamica等6種優(yōu)勢菌種只存在于森林土壤中,參與土壤氮循環(huán)、植物致病性和物質(zhì)降解過程的優(yōu)勢菌種分別為Actinomadurarifamycini、Chthoniobacterflavus和Gelriaglutamica,這些菌種在指征土壤健康方面具有潛力。由此可見,土壤質(zhì)量/健康評價(jià)中的微生物多樣性指標(biāo)選取從僅關(guān)注多樣性、豐富度和均勻度指數(shù)起步,逐漸深入到微生物功能多樣性、核心功能微生物上,基于分子-生物宏基因組數(shù)據(jù)尋找指征土壤質(zhì)量變異的核心功能微生物或優(yōu)勢菌種是當(dāng)前的研究重點(diǎn),探尋核心功能微生物生態(tài)功能與土壤質(zhì)量之間的關(guān)系,進(jìn)而評價(jià)和預(yù)測土壤質(zhì)量/健康,并結(jié)合大數(shù)據(jù)分析,通過確定不同土壤類型下的核心功能微生物變化,有助于推動(dòng)土壤微生物多樣性指標(biāo)在土壤質(zhì)量評價(jià)中的進(jìn)一步應(yīng)用。

(3)微生物量。微生物量反映了參與調(diào)控土壤養(yǎng)分循環(huán)與有機(jī)物質(zhì)轉(zhuǎn)化所對應(yīng)的微生物的數(shù)量,與土壤生產(chǎn)力水平顯著相關(guān),其中,微生物量碳、微生物量氮和微生物量磷是評估土壤質(zhì)量/健康狀況的常見微生物指標(biāo)。Liu等[49]在評價(jià)稻田土壤質(zhì)量時(shí)選用叢枝菌根真菌、微生物量碳、有效硅、有效鉀和總氮構(gòu)建最小數(shù)據(jù)集,該數(shù)據(jù)集可反映土壤質(zhì)量變化的93.84%,其中,微生物量碳在該數(shù)據(jù)集中所占權(quán)重最高(0.25)。該研究還發(fā)現(xiàn),低生產(chǎn)力水平土壤的微生物量碳含量較高生產(chǎn)力水平土壤低52.08%。Li等[36]的研究也發(fā)現(xiàn),高生產(chǎn)力水平土壤的微生物量氮與總氮的比較低生產(chǎn)力水平土壤高出15.3%,用有機(jī)質(zhì)、堿解氮、微生物量氮與總氮的比和有效鋅構(gòu)建最小數(shù)據(jù)集評價(jià)麥田土壤質(zhì)量,能夠反映土壤質(zhì)量變異的76.11%。Wang等[50]選用全氮、微生物量碳、全磷、全鉀、砂含量和鹽度評價(jià)濕地土壤質(zhì)量,數(shù)據(jù)集可反映土壤質(zhì)量變化的83.83%。Deng等[51]選用酸堿度、全氮、交換性鈣、微生物量氮、微生物量磷、黏土含量和毛管孔隙度構(gòu)建最小數(shù)據(jù)集評價(jià)喀斯特石漠化地區(qū)的土壤質(zhì)量,與重度石漠化地區(qū)相比,輕度石漠化地區(qū)的土壤微生物量磷降低70.6%,微生物量氮降低27.6%。綜上,微生物量在土壤質(zhì)量/健康評價(jià)中具有一定的代表性和敏感性,土壤微生物量與不同生產(chǎn)力水平、不同土壤類型和同種土壤類型的不同演替級(jí)別之間存在響應(yīng)關(guān)系,但其交互機(jī)制尚不明確,今后還需進(jìn)一步明確土壤耕作方式、水文條件和管理模式等因素與土壤微生物評價(jià)指標(biāo)的關(guān)系,完善其在土壤質(zhì)量評價(jià)體系中的實(shí)際應(yīng)用。

3 結(jié)語

近10年來,世界范圍內(nèi)對土壤質(zhì)量/健康評價(jià)領(lǐng)域研究的關(guān)注程度日益升高。在該領(lǐng)域內(nèi),我國學(xué)者的發(fā)文量居世界首位,但文章整體影響力還有待進(jìn)一步增強(qiáng),荷蘭學(xué)者發(fā)表論文的影響力較強(qiáng)。當(dāng)前,土壤質(zhì)量/健康評價(jià)領(lǐng)域的研究熱點(diǎn)可分為土壤健康與生態(tài)系統(tǒng)服務(wù)、土壤功能之間的關(guān)系,最小數(shù)據(jù)集、評價(jià)指標(biāo)篩選方法和微生物評價(jià)指標(biāo)3類,其中,主成分分析和土壤管理評估框架是當(dāng)前最常用的指標(biāo)篩選和評價(jià)方法。該領(lǐng)域的研究熱點(diǎn)逐漸從關(guān)注土壤質(zhì)量/健康評價(jià)理化指標(biāo)變到評價(jià)方法建立,再變到土壤動(dòng)態(tài)評價(jià)指標(biāo)構(gòu)建,如微生物指標(biāo)的篩選上來。微生物指標(biāo)以土壤酶活性指標(biāo)、微生物多樣性和微生物量等指標(biāo)為主。機(jī)器學(xué)習(xí)算法,如隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)模型開始廣泛應(yīng)用于土壤質(zhì)量評價(jià)領(lǐng)域。然而,當(dāng)前研究大多集中于多種模型的比較或模型精度的提高上,尚缺乏對不同尺度下特定區(qū)域的應(yīng)用比較,和評價(jià)模型在不同應(yīng)用模式下的效果驗(yàn)證。在挖掘和篩選土壤微生物信息評價(jià)指標(biāo)上,應(yīng)結(jié)合現(xiàn)代生物技術(shù)和大數(shù)據(jù)分析,厘清不同土壤類型、種植體系下的關(guān)鍵功能微生物,建立關(guān)鍵功能微生物與土壤質(zhì)量之間的內(nèi)在聯(lián)系,以進(jìn)一步完善和提升土壤質(zhì)量/健康評價(jià)體系。