基于各向异性的区域土壤有机碳三维模拟与空间特征分析.pdf

第 32 卷 第 16 期 农 业 工 程 学 报 Vol.32 No.16 2016 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2016 115 基于各向异性的区域土壤有机碳三维模拟与空间特征分析 张世文 1，宁汇荣2，高会议3，叶回春4，黄亚捷5，黄元仿5 （1. 安徽理工大学地球与环境学院，淮南 232001； 2. 安徽农业大学经济管理学院，合肥 230036； 3. 中国科学院合肥物质科 学研究院，合肥 230031； 4. 中国科学院遥感与数字地球研究所数字地球重点实验室，北京 100094； 5. 中国农业大学资源与 环境学院，北京 100193） 摘 要： 为探索更加科学的土壤属性三维空间模拟方法， 以各项同性三维普通克里格法为对比方法， 采用均方根误差 （root mean squared errors，RMSE）和标准化克里格方差（mean squared deviation ratio，MSDR）以及空间模拟方差图等，评价 比较了各项同性和顾及各项异性的三维模拟方法的模拟效果。结果显示：三种方法模拟的土壤有机碳三维空间分布格局 基本一致。随着土壤深度的不断增加，土壤有机碳含量较高的斑块逐渐减少，垂直方向上总体呈现出土体上部高下部低 的格局。顾及各向异性能在一定程度上克服普通克里格法常出现的牛眼和趋中效应等缺陷问题。顾及各向异性基于 Markov 的同位置协同格里格法模拟效果最佳。 该法的 RMSE 值最小 （1.6215） ， 相比于各项同性三维普通克里格法 RMSE 提高将近 50%，特异值覆盖比率最大（76.15%），模拟精度最高，能够更好地突出波动性，体现特异值；该方法的 MSDR 最接近 1（1.4409），且模拟的土壤有机碳质量分数总体方差均值最小（2.08）。研究成果将为区域土壤属性三维空间有 效模拟提供方法参考。 关键词：土壤；有机碳；模型；各向异性；三维模拟；空间分布特征 doi：10.11975/j.issn.1002-6819.2016.16.017 中图分类号：S153 文献标志码：A 文章编号：1002-6819(2016)-16-0115-10 张世文，宁汇荣，高会议，叶回春，黄亚捷，黄元仿. 基于各向异性的区域土壤有机碳三维模拟与空间特征分析J. 农 业工程学报，2016，32(16)：115124. doi：10.11975/j.issn.1002-6819.2016.16.017 Zhang Shiwen, Ning Huirong, Gao Huiyi, Ye Huichun, Huang Yajie, Huang Yuanfang. Three-dimensional simulation and spatial characteristics of soil organic carbon based on anisotropy in regionJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16): 115 124. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2016.16.017 0 引 言 在全球环境变化的大背景下，碳储量估算已经成为 当下土壤固碳研究热点之一，而土壤碳库是陆地生态系 统最大的碳库1。土壤有机碳（soil organic carbon，SOC） 空间变异性是导致碳储量估算存在不确定性的原因之 一。模拟并分析研究 SOC 的空间分布，尤其是三维空间 分布特征对于科学揭示土壤养分、污染物质运移、农田 精确管理以及实现农业可持续发展具有重要意义。 目前，针对土壤有机碳空间异质性已开展了一些研 究2-7，研究主要集中于二维尺度空间模拟。三维模拟方 法主要包括确定性（如三维克里格法）和随机模拟（如 序贯高斯、序贯指示模拟等）两种，这些方法最初主要 应用于矿藏勘探评估，后来才逐渐应用于土壤学、水文 学、环境学等8。目前的研究多基于三维全局协同克里格 收稿日期：2015-12-30 修订日期：2016-04-07 基金项目：国家自然科学基金资助项目（41471186；41571217） 作者简介：张世文，安徽合肥人，副教授，博士，硕士生导师，主要从事土 壤属性空间异质性、 土地利用与信息技术研究。 淮南 安徽理工大学地球与 环境学院，232001。Email：mamin1190 。中国农业工程学会会员： 张世文（E041300013M） 通信作者：黄元仿，湖北仙桃人，教授，博士生导师，主要从事土壤水分、 养分模型与水土资源管理研究。北京 中国农业大学资源与环境学院， 100193。Email：yfhuang 法、三维普通克里格法、指示克里格法、顺序指示模拟等 方法针对土壤属性中的土壤剖面质地层次9、 土壤质地10、 土壤盐分11-13、电导率14等在田间尺度上开展的。多数 研究直接采用上述方法实现三维空间模拟，以下几个方 面较少给予关注：1）模型自身的缺陷，如三维全局协同 克里格法具有交叉矩阵的不稳定性问题，可以通过纳入 马尔可夫链（Markov）实现对其有效逼近。2）各向异性 的表达。三维地理空间中的各向异性不同于二维各向异 性，目前二维基础上扩展而成的三维模型，如三维邻近 法、三元高次逼近法等15-17，不能反映出地理现象在三 维空间中的各向异性变化特征，割裂了地理现象在三维 空间任意方向上的分布特征。而现有的三维克里格插值 过程中即使考虑各向异性，也是简单的加和或线性组合 形成套合变异函数，未深入分析模拟目标三维空间场各 向异性、空间结构等特征14,18-23。3）模拟效果的检验至关 重要，目前检验参数多采用均方根误差、平均模拟误差等 从模拟精度上加以分析10-11,23。综合考虑模拟精度、模型 拟合效果和不确定性模拟效果检验研究相对较少。 针对当前该领域的研究不足，本文基于 3 种方法实 现区域 SOC 空间分布的三维模拟， 分析研究区域 SOC 三 维分布格局。并以各项同性三维普通克里格法为对比方 法，采用均方根误差、实测与模拟值对比散点图、均方 根误差提高值和特异值覆盖比率评价模拟精度；利用标 农业工程学报（） 2016 年 116 准克里格方差评价模型拟合效果；以三维模拟方差图评 估模型模拟的不确定性，以期为区域土壤属性三维空间 有效模拟提供方法参考。 1 数据与方法 1.1 研究区与数据处理 研究区位于北京市房山区东南部（图 1），面积 805.16 km2，研究区属温带大陆性气候，年平均气温 11.7 ，常年平均降水量 602.9 mm。 图 1 研究区高程、土壤质地与采样点分布、土地利用与土壤 母质图 Fig.1 Map of elevation, soil texture and sampling points, land use types and soil parent materials 地势由西北向东南倾斜，平均海拔 62.49 m，地貌以 冲积平原为主。土壤质地以轻壤质为主，占研究区总面 积的 40%以上；土地利用以耕地为主，占研究区总面积 近 30%，是主要的农业生产区；土壤母质以冲积物为主， 占研究区总面积的将近 40%。 实施网格采样（网格大小为 500 m500 m），并在此 基础上根据土地利用类型、土壤质地等进行分层抽样。 采样时间为 2013 年 6 月，每个采样点按照 020、20 40、4060、6080 和80100 cm 分层采样，为保 证样品的代表性，每个样点均在中心点和相邻的 2 个角 采集剖面土样，并将同一深度土样混合组成待测样品， 在 273 个位置共采集了 1 365 个样品（图 1a）。每个样品 测定土壤有机质与全氮，土壤有机质采用重铬酸钾容量 法，全氮（soil total nitrogen，TN）采用半微量凯氏法24， SOC 由土壤有机质转换而来。 1.2 研究方法 采用各项同性普通克里格法（3D ordinary Kriging with regard to isotropy，3DOKI）以及顾及各向异性的三 维普通克里格（3D ordinary Kriging with regard to anisotropy，3DOKA）和顾及各向异性的基于 Markov 模 型的同位置三维协同克里格法（3D Cokriging coupling Markov with regard to anisotropy， 3DCKMA） 对区域 SOC 空间分布格局进行三维模拟，基于模拟结果，对研究区 SOC 三维空间分布特征进行分析， 并以 3DOKI 为对比方 法，评价比较不同模拟方法的精度、模型拟合效果和不 确定性。 1.2.1 三维普通克里格法 三维 Kriging 空间插值方法是 Kriging 方法在三维空 间中的扩展， 既具备了 Kriging 方法的最优线性无偏估计 特点，又能充分利用三维空间的观测数据进行估计，对 于三维空间场的估计而言，三维 Kriging 方法的估计结果 更为可靠。有关三维普通克里格法原理与计算过程可进 一步参考相关文献25-27。 1.2.2 基于 Markov 模型同位置三维协同克里格法 由于考虑到全局协同克里格方法具有交叉矩阵不稳 定的问题，一种全局协同克里格方法的简化和逼近方法 被提出, 这就是同位置协同克里格方法 28-29，本研究中 目标变量 SOC 为 z1(u)和同位置的土壤全氮为协变量 z2(u)， 可以得到逼近后的耦合的同位置协同克里格表示式 11 * 111022 ( ) ()( ) aa zumz umz um=+ 。 （1） 式（1）的耦合方程组为 1 1 1102111 1 1202112 1 ()()() ()(0)(0) n a n Cuu CuuCuu Cuu CC = = += += 。 （2） 式（1）和（2）中为权重，m 为土壤有机碳质量分数的 均值，=1，n1，分别代表 SOC、TN 的样本数， C11(h)、C22(h)、C12(h)、C21(h)表示变量 SOC 和 TN 以及 它们之间的交叉变量间的协方差函数，通常假定 C12(h) 第 16 期 张世文等：基于各向异性的区域土壤有机碳三维模拟与空间特征分析 117 等于 C21(h)。 为了实现协同克里格的进一步逼近，在式（1）的基 础上引入 Markov 模型30， 随着 Markov 模型的引入， 同 位置协同克里格方程（1）可以被重新表示为标准化形式 1 1 1 1 11 1122 0 1 112 () ( )( ) *n z um zumz um = =+ 。（3） 式（3）中1和2分别是变量SOC和TN的标准差，权 重a1和0由协同克里格方程求极值获得，其他变量含义 同上。式（2）可被写作式（4） 1 1 110211111 1 1211012 1 ()()() (0)()(0) n n uu uuuu uu = = += += 。（4） 式中11、12、21为表示变量SOC和TN以及它们之间 的交叉变量间的交互协方差系数，通常假定12等于21。 其他变量含义同上。由式（3）和（4）可以获取最后的 模拟z1*(u)。本文采用基于Markov模型的同位置协同克 里格方法，从而确保对全局克里格尽可能的逼近。 各向异性参数辨识地理现象属性的不同连续性，为 确定插值搜索域中的样点提供了参考依据，也直接决定 插值精度和可靠性的关键。在S-GeMS软件拟合三维套 合变异函数，并完成空间模拟。具体步骤为： 1）数据正态分布分析（Histogram）。先对目标量 SOC和协变量TN进行正态分布分析，如果不满足正态 分布，需对目标量SOC和协变量TN进行正态检验和转 换，使其满足正态分布。 2）变异函数（Variogram）拟合。顾及各向异性的空 间椭球体搜索采用椭球象限搜索方法和K最近邻算法相 结合的方法31。参考相关文献32-33，结合不同参数下变 异函数拟合效果，每个滞后距用于计算变异函数的数值 应不小于20点对；搜索半径符合|h|L/2，L为相距最远 的两个样点；确保将滞后距控制在有意义的研究范围内， 带宽5 000 m；角度容差12.5。在此基础上，结合残差平 和（residual sum of squares，RSS）和变异函数拟合图效 果（拟合曲线及其散点分布特征），分别在0、45、90 和135 4个方向上分析地理现象的各向异性空间结构， 产生不同方向的变异函数，再套合为一个变异函数。 3）三维空间模拟。基于拟合最优化三维套合变异函 数， 选择三维克里格法和基于Markov模型的同位置三维 协同克里格法，完成三维空间模拟。模拟方式分为赋值 于网格和样点两种，前者用于生成区域SOC三维图和方 差图，后者用于计算不同模拟方法精度和模型拟合效果。 模拟结果经对数逆转换到原始尺度。 1.3 不同方法三维模拟精度、模型拟合效果和不确定性 分析 采用交互检验方法检验三维模拟精度和模型拟合效 果34，均方根误差（root mean squared errors，RMSE）和 标准化克里格方差 （mean squared deviation ratio，MSDR） 被用来衡量不同预测方法预测精度和模型拟合效果， RMSE用来评价预测的准确性，RMSE值越小，模拟结 果越准确；MSDR用来评价理论变异函数的拟合度， MSDR值越接近1，拟合的变异函数效果越好35-36。计算 公式如下 2 1 1 RMSE( ()() n jj j z xz x n = = ， （5） 2 2 1 ( ()() 1 MSDR n jj j z xz x n = = 。 （6） 式中z(xj)是实测值， () j z x是模拟值，2为模拟值的方 差，n是样本数。 以3DOKI法为对比方法， 采用下式计算RMSE相对 提高值（relative improvement，RI）3,35,37。 xref ref RMSERMSE RI RMSE =。 （7） 式中RMSEx为某一方法的RMSE，RMSEref为对比方法， 本文以3DOKI法作为对比方法。 参考相关文献38，采用方差分布图进行三维模拟的 不确定评价，在保持模拟准确性情况下，方差越小，那 么空间模拟就越准确，不确定性最小。 1.4 数据分析 采用SPSS20.0进行描述性统计分析、方差分析；三 维套合变异函数的拟合、空间模拟以及空间分布、方差 图绘制采用S-GeMS软件（具体操作过程可进一步参照 相关文献39-40）。由于X、Y跨度较大，而垂直方向（Z） 范围较小，为获得更佳的可视化效果，在成图过程时， 将垂直方向均扩大10 000倍。 2 结果与分析 2.1 土壤有机碳描述性统计特征与方差分析 Levines 方差齐次性检验表明5组（层次）SOC数 据均满足方差齐性，故两两比较采用最小显著性差异方 法（least-significant difference，LSD）（图2）。 注：字母不同表示差异显著（0.05 水平）；拟合方程中 x、y 分别表示土壤 层次编号（依次为 1、2、5）和土壤有机碳质量分数。 Note: Values in each row with the same letter are not significantly (P0.05); In the equation, x and y respectively indicated the soil layer number (1, 2, ., 5) and soil organic carbon content. 图 2 不同土层土壤有机碳质量分数均值与方差分析图 Fig.2 Mean value and variance analysis of SOC content for different soil layers 农业工程学报（） 2016 年 118 图2显示，随着土壤深度的逐渐增加，研究区土体 SOC含量均值逐渐减少， 自上而下五层SOC质量分数的 变化范围分别为11.885.76，10.084.89，8.405.49， 7.835.89，7.175.22 g/kg，不同层次之间SOC含量拟合 方程符合指数函数，相关系数为0.964，呈极显著相关。 方差分析结果显示，土体上部的020和2040 cm两 层之间以及它们与其他各层次之间均存在显著性差异。 土体上两层人类活动和动植物活动较为频繁，特别是近 年来，随着有机肥的增施，SOC质量分数相对较高，而 020 cm人为干预更强，极差和标准误差均比20 40 cm要大。 研究区40 cm以下的土层土壤有机碳含量不 存在显著差异。自上而下5个土层SOC变异系数分别为 48.54%，48.54%、65.37%、75.15%、72.79%，按照一般 对变异系数（coefficient of variation，CV）评价，研究区 5个土层土壤有机碳均呈中等空间变异37，CV越小，变 异程度越小，也即是上层变异程度小于下层。 采用Kolmogorov-smirnov进行数据正态分布检验3,35,37。 土壤有机碳不符合正态分布（P=0.03200.05）（图3）。 2.2 土壤有机碳三维模拟 协变量引入空间模拟方法既利用了变量的空间连续 性， 又利用了变量之间的相关关系。 协变量的选择主要 考虑数据难易程度、 成本和相关性等， 常见的协变量种 类常包括高程、土地利用、土壤类型等6,36,41。本文采 用与土壤有机碳相关性较强的土壤全氮为协变量。TN 原始数据不符合正态分布（P=0.02170.05）。根据前文确定 的变异函数和协变异函数的拟合分析方法和参数， 计算 经过对数转换的SOC、TN以及它们之间顾及各项异性 的三维半方差和协方差拟合参数（表1），各项同性三 维普通克里格法选择的参数C0、C和变程分别为0.23、 0.68和3 200 m。 a. 转换前土壤有机碳频率与概率图 a. Frequency and probability plot before transformation b. 全样本转换后土壤有机碳频率与概率图 b. Frequency and probability plot after transformation 图 3 全样本转换前后土壤有机碳频率与概率图 Fig.3 Frequency and probability plot before and after transformation of SOC for all samples 表 1 土壤有机碳和全氮三维套合变异函数及其参数 Table 1 Semivariogram and covariance and their parameters of SOC and TN 变量 Variables 变异函数 Variogram 块金值 C0 基台值 C C0/C/% 主方向 Main direction/() 主变程 Max range/m 次变程 Med range/m 垂直变程 Min range/m lgSOC 球状模型 Spherical 0.10 0.28 23.08 0 4 950 3 750 1 950 协变量 lgTN 指数模型 Exponential 0.080 0.20 40.00 90 9 000 4 250 1 000 交叉变异函数 Cross-variogram 高斯模型 Gaussian 0.23 -5.40 - 0 7 850 2 500 1 450 对数转换SOC、TN分别符合球状模型和指数模型， 均具有各向异性， 块基比 （nugget/sill，C0/C） 分别为23.08% 和40.00%，C0/C表示随机部分引起的空间异质性在系统 总变异中所占的比例，通常可以用它来衡量变量的空间相 关性， 比值越小， 说明空间相关性越强： 若比值小于25%， 则表明变量具有强烈空间相关性；比值介于25%75% 之间，则为中等程度空间相关性；比值大于75%时，为 弱空间相关性42。对数转换的SOC和TN均呈中等强度 空间相关性。 在协变异函数中，如果变异函数的基台值大于块金 值，变异函数为向上的方向，则表明目标变量与协变量 的空间关系呈正相关；如果基台值小于块金值，变异函 数为向下的方向，则表明目标变量与协变量空间关系呈 负相关43-44。分析结果显示，土壤有机碳与全氮空间关 系呈负相关。 基于表1中参数，对经过对数转换的土壤有机碳进 行三维空间模拟，栅格大小为150 m150 m1 m。模拟 方式分赋值于网格和样点两种，前者用于生成区域SOC 三维空间分布图和方差图，后者用于计算不同方法的精 度。结果经对数逆转换到原始尺度（图4）。 无论是何种模拟方法，区域土壤有机碳空间分布均 呈现出西部和北部含量较高，东部和南部总体偏低，且 自东北到西南一线周边2 km范围内SOC呈现均质化的 趋势， 这在3DOKA、3DOKI两种三维普通克里格法以及 表层表现更为明显。图4截面图显示，同一种方法模拟 的土壤有机碳空间分布在不同土壤深度具有相似性，即 表层的斑块状分布特点在深层土壤仍然得到延续和体 现，其空间格局总体接近。通过对不同层次模拟结果的 第 16 期 张世文等：基于各向异性的区域土壤有机碳三维模拟与空间特征分析 119 统计， 图4 4个截面从上到下3种方法模拟的有机碳质量 分数平均值分别为11.13、10.32、9.18和7.45 g/kg，随着 土壤深度的不断增加，SOC含量较高的斑块逐渐减少， SOC含量总体表现为土体上部高下部低的格局。 注：1.c 图中标记的圈为“牛眼”，也称“空洞”，是受样本影响产生的峰值；2.成图时 Z 轴扩大 10 000 倍；3.图 d-f 中坐标为三面交汇点 X、Y、Z 坐标，坐 标系统为 Beijing54。 Note: 1.The circle labeled c is shown in the “Bovine”, also known as the “Hole”, which is the peak affected by sample; 2.The Z axis is expanded 10 000 times in the mapping process; 3.The coordinates in figure d to f are the X, Y and Z coordinates of the three plane intersection point using Beijing54. 图 4 不同方法土壤有机碳质量分数三维模拟空间分布和截面图 Fig.4 Three-dimensional spatial distribution and cross section map of SOC content for different estimation methods 对比顾及各向异性和各向同性模拟方法的结果可 知， 基于3DOKI法模拟结果在不同层次上都存在 “牛眼” 、 “趋中效应”现象（是指由于模型的平滑作用致使模拟值 向较窄范围收敛） 35,41,44，且越往土体上部这些现象更明 显。顾及各向异性的各种方法在一定程度上可以克服克 里格这些缺陷（图4），对3DCKMA法有利影响更加明 显。三种方法模拟值都是实测值的子集，基于3DCKMA 法模拟结果（0.1061.00 g/kg）更接近实测值（0.08 61.20 g/kg），该法在尊重原始实测数据值情况下，整体 分布相对离散，且突出了原始数据分布的局部波动性。 各向同性的普通克里格法土壤有机碳模拟值处于0.82 24.18 g/kg之间，是3种方法中极差最小的，基于3DOKI 模拟结果趋中效应明显。 2.3 不同方法三维模拟精度、模型拟合效果和不确定性 分析 2.3.1 不同方法三维空间模拟精度评价比较 以3DOKI法为对比方法，利用式（5）和式（7）， 计算不同方法的全样本交叉RMSE和RI（表2），从整 农业工程学报（） 2016 年 120 体上评估比较不同方法的空间模拟精度以及精度相对提 高情况。三种方法3DOKI、3DOKA和3DCKMA法的 RMSE值分别为3.1645、2.0523和1.6215 g/kg，考虑各 向异性的3DOKA和3DCKMA法RMSE明显小于3DOKI 法。3DOKA法、3DCKMA法的RI值分别为3DOKI法 的35.15%和48.76%， 纳入协变量和顾及各向异性能够明 显提高模拟精度。 表 2 不同模拟方法的均方根误差和均方根误差提高值 Table 2 Root mean squared errors and relative improvement value for different simulated methods 模拟方法 Simulated methods RMSE/(gkg-1) RI/% 3DOKI 3.1645 3DOKA 2.0523 35.15 3DCKMA 1.6215 48.76 通过绘制不同方法的实测值与模拟值对比散点图 （图5）和计算特异值覆盖比率从样点角度进一步分析不 同方法的模拟精度。 图5显示，土壤有机碳模拟值多位于11平分线以 下，模拟结果整体偏小，特别是3DOKA和3DOKI法； 从三种方法的线性拟合可以看出，3DCKMA法拟合线更 加靠近平分线，且相关系数最大；而3DOKI法拟合线离 平分线最远，3DOKA介于两者之间。 以全样本模拟结果为对比值，比较不同方法的模拟 值和实测值的特异值，分别从实测值和模拟值中取最大 （小）的10%作为最大（小）特异值组，覆盖比率为模拟 值最小（大）特异值覆盖实测值最小（大）特异值的百 分比，比率越高说明空间预测效果越好45。3种方法 3DOKI、3DOKA和3DCKMA法的覆盖比率分别为 33.12%、57.83%和76.15%。 无论是衡量整体的RMSE、RI值，还是样点实测值 与模拟值对比散点图和特异值覆盖比率，3DCKMA法三 维空间精度最高，更能体现出特异值。 注： 拟合方程中x代表土壤有机碳实测值， y1、 y2、 y3分别代表基于3DCKMA、 3DOKA、3DOKI 法的模拟值。 Note: x represents the measured value of SOC content, and y1, y2, y3 represent simulated values based on 3DCKMA, 3DOKA and 3DOKI method, respectively. 图 5 不同方法土壤有机碳实测与模拟值对比散点图 Fig.5 Comparison scatter plot of measured and simulated value of SOC content for different methods 2.3.2 不同方法三维模拟模型拟合效果评价比较 采用式（6），计算标准化克里格方差MSDR值，3 种空间模拟方法3DOKI、3DOKA和3DCKMA的MSDR 值分别为2.4913、1.8526和1.4409。仅从模型拟合效果而 言，3DCKMA法拟合的变异函数最准确，拟合效果最好。 2.3.3 不同方法三维模拟不确定性评价比较 为评估分析不同方法模拟的不确定性，生成SOC三 维模拟方差图（图6）。在保持模拟准确性情况下，方差 越小，那么空间模拟就越准确，不确定性越小。 注：成图时 Z 轴扩大 10 000 倍。 Note: The Z axis is expanded 10 000 times in the mapping process. 图 6 不同方法土壤有机碳质量分数三维模拟方差图 Fig.6 Three-dimensional variance map of SOC content for different methods 图6显示， 顾及各向异性的三维空间模拟方法的SOC 三维空间方差图总体空间格局是一致的，在研究区中北 部均有一个高值区，以中北部为核心呈椭圆性逐渐减少； 三种方法模拟的土壤有机碳质量分数总体方差均值大小 呈现3DCKMA（2.08）40-60, 60-80 and 80-100 cm) were 11.885.76, 10.084.89, 8.405.49, 7.835.89 and 7.175.22 g/kg, respectively. With the increase of soil depth, the SOC content of the patch gradually reduced. No matter which kind of metho