当前位置：首页>农业>中国农业科学院| JEM: 非本地物质输入如何控制有机碳及其组分在再生土壤中的积累

中国农业科学院| JEM: 非本地物质输入如何控制有机碳及其组分在再生土壤中的积累

2026-03-23 00:21:08

信息

题目：How non-indigenous material input governs the accumulation of organic carbon and its fractions in reclaimed soils

非本地物质输入如何控制有机碳及其组分在再生土壤中的积累

期刊：Journal of Environmental Management

IF 8.0√

https://doi.org/10.1016/j.jenvman.2026.128722

摘要

在采矿区土地复垦过程中，非本地物质被引入土壤系统，但这些外来物质对土壤有机碳（SOC）积累的影响仍不清楚。通过一项为期360天的中宇宙实验，比较煤脉石（CG）、湖泥（LM）和黄河砂（YS），我们研究了它们对土壤有机碳及其各组分——惰性有机碳、中间有机碳和活性有机碳——的影响。研究结果表明，CG处理在培养期内展现出更优的土壤有机碳恢复效果，其含量从8.2 g kg⁻¹提升至14.9 g kg⁻¹，显著优于LM和YS处理。在各组分中，POC占主导地位，且CG处理的POC含量（7.0–10.3 g kg⁻¹）持续高于LM和YS处理。结构方程模型分析显示，在CG处理中，较高的全氮含量和碳氮比促进了土壤有机碳与POC的累积（GFI = 0.985, P = 0.255）；同时，该处理中更高比例的大团聚体进一步增强了活性有机碳的形成（GFI = 0.988, P = 0.630），从而在土壤有机碳的固持与矿化之间建立了有效平衡。此外，温度升高通过提升活性有机碳和中间有机碳含量、降低POC占比，降低了土壤有机碳的稳定性（GFI = 0.987, P = 0.426）。这些发现为理解复垦土壤的碳固存动态提供了重要基础，并为矿区土壤复垦中优先选择外源物料提供了科学依据。

图1. 工作流程示意图。

图2.土壤有机碳及不同培养阶段不同处理的有机碳组分。A–D 培养0、30、90、180和360天时四种处理的SOC、AOC、IOC及POC含量。E–H CG、LM、YS及NC处理在培养前后SOC、AOC、IOC及POC含量的变化。** 表示在 P<0.01P<0.01 水平差异显著，*** 表示在 P<0.001P<0.001 水平差异显著。缩写： SOC：土壤有机碳；AOC：活性有机碳；IOC：中间有机碳；POC：惰性有机碳；CG：煤矸石；LM：湖泥；YS：黄河沙；NC：常规耕作土壤

图3.不同培养阶段土壤有机碳分数的比例。A 在培养0、30、90、180和360天的四个处理中AOC、IOC和POC比例的饼图。B ~ E 在CG、LM、YS和NC处理培养前后AOC、IOC和POC比例的变异。

图4.不同处理方法和不同培养时间下的土壤养分和水稳定聚集体，主成分分析结果在不同处理中得出结果。A ̃ K 总氮（TN）、碳氮比（C/N）、速效磷（AP）、速效钾（AK）、各处理的大团聚体、小团聚体、微团聚体、粉黏粒、平均重量直径、几何平均直径及 >0.25 mm 粒径的水稳性团聚体含量。L CG、LM、YS 及 NC 处理所有属性的主成分分析。横轴和纵轴分别展示了四种处理在 PCA1 和 PCA2 上的边际密度曲线。缩写： LMA：大团聚体；SMA：小团聚体；MA：微团聚体；SCP：粉黏粒；MWD：平均重量直径；GMD：几何平均直径；R0.25：>0.25 mm 水稳性团聚体

图5.SOC及其组分（POC、IOC和AOC）的驱动因素分析。利用XGBoost建模和SHAP分析分别评估环境变量对SOC（a）、POC（B）、IOC（C）和AOC（D）的重要性。选取SHAP值最高的四个环境变量进行线性回归分析，每个因变量。显示统计学显著线性关系的环境因素（P < 0.01）在SHAP值条形图中以蓝色标示。MAT：材料;TEM：温度; PRE:降水前。

图6.SOC分数比例的驱动因素分析（POC/SOC、IOC/SOC和AOC/SOC）。利用XGBoost建模和SHAP分析分别评估POC/SOC （A）、IOC/SOC （B）、AOC/SOC （C）环境变量的重要性。选取SHAP值最高的四个环境变量进行线性回归分析，每个因变量。显示具有统计学显著线性关系的环境因素（P < 0.01）在SHAP值条形图中以蓝色标示。