华东沿海滩涂围垦区土壤有机碳动态演变与模型预测研究

华东沿海滩涂围垦区土壤有机碳动态演变与模型预测研究一、引言1.1研究背景全球碳循环是维持地球生态平衡和气候稳定的关键过程，而土壤有机碳作为陆地生态系统中最大的碳库之一，在全球碳循环中占据着举足轻重的地位。据估计，全球土壤有机碳储量约为1500-2500Pg，是大气碳库的2-3倍，植被碳库的2-4倍。土壤有机碳的动态变化不仅深刻影响着土壤肥力、结构和生物活性，还对全球气候变化产生着重要的反馈作用。当土壤有机碳含量增加时，意味着更多的碳被固定在土壤中，减少了大气中二氧化碳等温室气体的含量，从而有助于缓解全球气候变暖；反之，土壤有机碳的减少则会导致更多的碳释放到大气中，加剧温室效应。滩涂作为陆地与海洋相互作用的特殊生态系统，具有独特的生态功能和重要的生态价值。滩涂围垦作为人类开发利用土地资源的一种重要方式，在缓解人口增长与土地资源短缺矛盾方面发挥了重要作用。然而，围垦活动会导致滩涂生态系统发生根本性改变，对土壤有机碳动态产生显著影响。围垦后，原本的湿地生态系统转变为农田、建设用地等其他土地利用类型，土壤的理化性质、植被类型和微生物群落等都会发生相应变化，进而影响土壤有机碳的输入、输出和转化过程。华东沿海地区是我国经济最发达、人口最密集的区域之一，也是滩涂围垦活动最为频繁的地区之一。该地区拥有丰富的滩涂资源，长期以来，为了满足经济发展和人口增长对土地的需求，大量的滩涂被围垦开发。随着围垦面积的不断扩大，滩涂生态系统受到了前所未有的破坏，土壤有机碳动态也发生了复杂的变化。因此，深入研究华东沿海滩涂围垦区土壤有机碳动态及其影响因素，对于揭示该区域碳循环过程、评估围垦活动对生态环境的影响以及制定科学合理的土地管理政策具有重要的理论和现实意义。1.2研究目的与意义本研究旨在深入揭示华东沿海滩涂围垦区土壤有机碳的动态变化特征及其主要影响因素，并利用合适的模型对其未来变化趋势进行预测，为该区域的碳循环研究和土地管理提供科学依据。具体研究目的包括：通过对不同围垦年限、不同土地利用类型的滩涂围垦区土壤有机碳含量、储量及其活性组分进行系统分析，阐明土壤有机碳的时空变化规律；探究土壤理化性质、植被类型、微生物群落等因素对土壤有机碳动态的影响机制；筛选和验证适合该区域的土壤有机碳模型，预测在不同情景下土壤有机碳的变化趋势；根据研究结果，提出针对性的土地管理建议，以促进该区域土壤有机碳的积累和生态环境的可持续发展。本研究的意义主要体现在以下几个方面：在理论上，有助于深化对滩涂围垦区土壤碳循环过程的认识，丰富和完善土壤有机碳动态变化的理论体系；在实践中，为华东沿海地区的土地资源合理利用和生态环境保护提供科学指导，有助于制定更加科学合理的土地利用规划和农业生产措施，提高土壤肥力，增强土壤碳汇功能，减少温室气体排放，促进区域可持续发展；此外，本研究结果还可为其他类似地区的滩涂围垦和生态保护提供参考和借鉴。1.3国内外研究现状1.3.1土壤有机碳动态研究进展全球范围内，众多学者对不同生态系统中的土壤有机碳动态进行了广泛而深入的研究。在森林生态系统中，研究表明土壤有机碳含量与植被类型、林龄、凋落物输入等因素密切相关。例如，热带雨林由于其高温多雨的气候条件和丰富的植被类型，具有较高的土壤有机碳含量；而随着林龄的增加，森林土壤有机碳储量通常会呈现先增加后稳定的趋势。在草原生态系统中，土壤有机碳主要来源于植物根系和地上部分的凋落物，其含量受到降水、温度、放牧强度等因素的影响。降水充足、温度适宜的草原地区，土壤有机碳含量相对较高；而过度放牧会导致植被覆盖度下降，土壤有机碳输入减少，同时增加土壤侵蚀，加速有机碳的流失。国内学者也针对不同区域的土壤有机碳动态开展了大量研究。在东北地区，黑土是重要的农业土壤，其土壤有机碳含量较高，但由于长期的高强度农业利用，部分地区出现了土壤有机碳含量下降的趋势。研究发现，合理的施肥、秸秆还田等措施可以有效增加土壤有机碳含量，改善土壤质量。在南方红壤地区，由于高温多雨的气候条件，土壤有机碳分解速率较快，导致土壤有机碳含量相对较低。通过种植绿肥、施用有机肥等方式，可以提高土壤有机碳含量，增强土壤的保肥保水能力。影响土壤有机碳动态的因素众多，主要包括气候因素、土壤理化性质、植被类型和人类活动等。气候因素如温度、降水和光照等，通过影响植物生长、微生物活性和土壤有机物质的分解转化过程，对土壤有机碳动态产生重要影响。在高温高湿的环境下，微生物活性增强，土壤有机物质分解加速，不利于土壤有机碳的积累；而在低温干旱的条件下，土壤有机物质分解缓慢，有利于有机碳的保存。土壤理化性质如土壤质地、pH值、阳离子交换容量等，也会影响土壤有机碳的吸附、解吸和稳定性。质地较细的土壤，由于其较大的比表面积，能够吸附更多的有机物质，有利于土壤有机碳的积累；而酸性土壤中，铁、铝氧化物的存在会与有机物质形成络合物，增加有机碳的稳定性。植被类型通过影响土壤有机物质的输入和根系分泌物的组成，对土壤有机碳动态产生直接或间接的影响。不同植被类型的凋落物数量和质量存在差异，其根系在土壤中的分布和生长方式也各不相同，这些因素都会影响土壤有机碳的含量和分布。人类活动如土地利用变化、农业生产活动、城市化进程等，对土壤有机碳动态的影响日益显著。土地利用变化导致植被类型和土壤环境发生改变，从而影响土壤有机碳的输入和输出；农业生产活动中的施肥、灌溉、耕作等措施，会直接影响土壤有机物质的分解和转化过程；城市化进程中的建设用地扩张、工业污染等，会破坏土壤生态环境，导致土壤有机碳含量下降。1.3.2滩涂围垦区土壤有机碳研究现状国内外针对滩涂围垦区土壤有机碳的研究已取得了一定的成果。在国外，一些学者对美国、荷兰、澳大利亚等国家的滨海湿地围垦区进行了研究，发现围垦后土壤有机碳含量呈现先下降后逐渐稳定或略有增加的趋势。围垦初期，由于湿地生态系统的破坏，土壤通气性改善，微生物活性增强，导致土壤有机碳分解加速，含量下降；随着围垦时间的延长，新的植被逐渐建立，土壤有机物质输入增加，同时土壤理化性质逐渐改变，使得土壤有机碳含量逐渐趋于稳定或有所增加。在国内，研究主要集中在江苏、浙江、福建等沿海省份的滩涂围垦区。研究表明，滩涂围垦后土壤有机碳含量的变化受到围垦年限、土地利用类型、土壤质地等多种因素的综合影响。例如，江苏东台沿海滩涂围垦区的研究发现，林地和水田土壤活性有机碳含量较多，尤其林地更有利于土壤有机碳的积累，可能发挥更大的碳汇功能；而围垦后的旱地土壤有机碳含量相对较低，且随着围垦年限的增加，土壤有机碳含量有下降的趋势。尽管已有研究取得了一定的进展，但当前关于滩涂围垦区土壤有机碳的研究仍存在一些不足与空白。在研究区域上，对华东沿海滩涂围垦区的系统研究相对较少，且不同研究之间的可比性较差；在研究内容上，对土壤有机碳的活性组分、稳定性及其与土壤微生物、酶活性等之间的关系研究不够深入；在研究方法上，多采用传统的野外调查和室内分析方法，缺乏对新技术、新方法的应用，如高分辨率遥感、稳定同位素技术、分子生物学技术等，难以实现对土壤有机碳动态的实时、精准监测和深入解析。1.3.3土壤有机碳模型研究进展目前，常见的土壤有机碳模型主要包括经验模型、机理模型和统计模型等。经验模型是基于大量的观测数据，通过建立土壤有机碳含量与环境因子之间的统计关系来预测土壤有机碳动态。这类模型结构简单，计算方便，但缺乏对土壤有机碳转化过程的机理性描述，外推能力较差。机理模型则是基于土壤有机碳的物理、化学和生物学转化过程，通过建立数学方程来模拟土壤有机碳的动态变化。常见的机理模型有CENTURY、DNDC、RothC等。CENTURY模型是一个基于过程的生态系统模型，它将土壤有机碳分为活性、慢分解和惰性三个库，通过模拟植物生长、凋落物分解、土壤呼吸等过程，来预测土壤有机碳的动态变化。该模型在全球范围内得到了广泛的应用，尤其适用于长期的土壤有机碳动态模拟，但对输入数据的要求较高，且模型参数的确定较为复杂。DNDC模型是一个综合性的生物地球化学模型，它不仅可以模拟土壤有机碳的动态变化，还可以同时考虑氮、磷等其他元素的循环以及温室气体的排放。该模型在农业生态系统和湿地生态系统中应用较多，能够较好地模拟不同土地利用方式和管理措施下土壤有机碳的变化，但模型的计算过程较为复杂，需要较多的输入参数。RothC模型是一个相对简单的土壤有机碳模型，它将土壤有机碳分为五个库，通过模拟有机物质的输入、分解和转化过程，来预测土壤有机碳的含量。该模型对数据的要求较低，计算速度快，但对一些复杂的生态过程考虑不够全面。这些模型在不同区域的应用情况表明，模型的模拟效果受到区域气候、土壤类型、植被覆盖等因素的影响。在应用土壤有机碳模型时，需要根据研究区域的特点，对模型进行参数优化和验证，以提高模型的模拟精度和可靠性。近年来，随着计算机技术和数据科学的发展，一些新的建模方法如机器学习、深度学习等开始应用于土壤有机碳的研究中，为土壤有机碳动态的预测提供了新的思路和方法。二、研究区域与方法2.1研究区概况华东沿海滩涂围垦区位于中国东部沿海地区，涵盖了江苏、上海、浙江、福建等省市的部分区域，地理位置介于东经119°-123°，北纬26°-33°之间。该区域地处亚热带季风气候区，受海洋性气候影响显著，具有温暖湿润、四季分明、雨量充沛等特点。年平均气温在15-20℃之间，年降水量为1000-2000毫米，降水主要集中在夏季，约占全年降水量的50%-60%。研究区的地质地貌类型复杂多样，主要包括滨海平原、河口三角洲和丘陵海岸等。滨海平原地势平坦，海拔较低，一般在5米以下，是滩涂围垦的主要区域；河口三角洲是河流与海洋相互作用的产物，具有丰富的土地资源和较高的土壤肥力；丘陵海岸则以基岩海岸和砂质海岸为主，地形起伏较大，滩涂面积相对较小。土壤类型主要有滨海盐土、潮土、水稻土等。滨海盐土是在海水浸渍和潮汐作用下形成的，土壤盐分含量较高，一般在0.5%-3%之间，pH值呈碱性，质地以砂质壤土和粉砂质壤土为主；潮土是在河流泛滥和冲积作用下形成的，土壤肥力较高，通气性和透水性良好，适合多种农作物生长；水稻土是在长期淹水种植水稻的条件下形成的，土壤有机质含量丰富，结构良好，保水保肥能力强。植被类型主要有芦苇、互花米草、碱蓬等盐生植物群落，以及水稻、小麦、玉米等农作物群落。芦苇群落主要分布在潮间带和潮上带的低洼地区，具有较强的耐盐性和适应性，是滩涂湿地的重要植被类型之一；互花米草是一种外来入侵物种，自20世纪70年代引入我国以来，在华东沿海滩涂迅速扩散，对当地的生态系统造成了一定的影响；碱蓬群落主要分布在高潮滩和盐沼地带，是盐渍土上的先锋植物，具有重要的生态和经济价值。研究区内的围垦活动历史悠久，最早可追溯到唐宋时期。近年来，随着经济的快速发展和人口的不断增长，滩涂围垦的规模和速度不断加大。目前，研究区内的围垦年限从几年到几十年不等，土地利用现状主要包括农田、养殖塘、建设用地和湿地等。农田主要种植水稻、小麦、玉米等粮食作物，以及蔬菜、水果等经济作物；养殖塘主要用于养殖鱼虾、贝类等水产品；建设用地主要包括工业用地、城镇建设用地和交通用地等；湿地则主要包括自然湿地和人工湿地，自然湿地如滨海滩涂、河口湿地等，具有重要的生态功能，人工湿地如湿地公园、污水处理湿地等，则主要用于生态保护和环境治理。2.2研究方法2.2.1样品采集与处理在研究区内，根据不同的围垦年限（5年、10年、15年、20年、25年及以上）和土地利用类型（农田、林地、草地、养殖塘、建设用地），采用随机抽样与网格布点相结合的方法设置采样点。每个围垦年限和土地利用类型组合设置3-5个重复样点，共设置采样点[X]个。在每个采样点，使用土钻采集0-20cm、20-40cm、40-60cm三个土层的土壤样品，每个土层采集3个平行样，将同一土层的平行样混合均匀，形成一个混合样品。采集后的土壤样品首先去除其中的石块、根系、动植物残体等杂质，然后在室内自然风干。风干后的土壤样品用木槌轻轻敲碎，过2mm筛，去除大于2mm的颗粒，得到分析样品。部分分析样品进一步研磨，过0.25mm筛，用于土壤有机碳、全氮、全磷等指标的测定。2.2.2土壤理化性质测定土壤有机碳含量采用重铬酸钾氧化-外加热法测定。称取适量过0.25mm筛的风干土样，放入试管中，加入一定量的0.8mol/L重铬酸钾溶液和浓硫酸，在170-180℃的油浴条件下沸腾5min，使土壤中的有机碳被氧化，剩余的重铬酸钾用0.2mol/L硫酸亚铁标准溶液滴定，根据消耗的硫酸亚铁溶液体积计算土壤有机碳含量。全氮含量采用凯氏定氮法测定。将土样与浓硫酸和催化剂混合，在高温下消化，使有机氮转化为铵态氮，然后加碱蒸馏，用硼酸溶液吸收蒸出的氨，再用标准酸溶液滴定硼酸溶液中吸收的氨，根据消耗的酸溶液体积计算全氮含量。全磷含量采用氢氧化钠熔融-钼锑抗比色法测定。将土样与氢氧化钠在高温下熔融，使磷转化为可溶性磷酸盐，然后用稀硫酸溶解熔融物，加入钼锑抗显色剂，在一定波长下比色测定磷含量。pH值采用玻璃电极法测定，土水比为1:2.5（质量体积比）。将适量风干土样放入塑料杯中，加入一定体积的去离子水，搅拌均匀，放置30min后，用pH计测定上清液的pH值。电导率采用DDS-307型电导率仪测定，土水比为1:5（质量体积比）。将风干土样与去离子水按比例混合，搅拌均匀，放置1h后，过滤，用电导率仪测定滤液的电导率。土壤容重采用环刀法测定。用环刀在田间采集原状土样，带回实验室后，去除环刀两端多余的土壤，称重，然后将环刀内的土壤烘干至恒重，再次称重，根据环刀体积和土壤干重计算土壤容重。2.2.3土壤活性有机碳测定可溶性有机碳采用水浸提-总有机碳分析仪法测定。称取适量风干土样，加入一定体积的去离子水，在振荡机上振荡1h，然后离心，取上清液，用总有机碳分析仪测定上清液中的可溶性有机碳含量。微生物生物量碳采用氯仿熏蒸-浸提法测定。称取一定量的新鲜土样，分成两份，一份进行氯仿熏蒸处理，另一份不熏蒸作为对照。熏蒸后的土样和对照土样分别用0.5mol/L硫酸钾溶液浸提，浸提液中的有机碳含量用重铬酸钾氧化-外加热法测定，微生物生物量碳含量根据熏蒸与未熏蒸土样浸提液中有机碳含量的差值计算。易氧化碳采用高锰酸钾氧化法测定。称取适量过0.5mm筛的风干土样，放入离心管中，加入一定浓度的高锰酸钾溶液，在25℃下振荡1h，然后离心，取上清液，用分光光度计在565nm波长处测定上清液中剩余高锰酸钾的吸光度，根据高锰酸钾浓度的变化计算易氧化碳含量。2.2.4数据处理与分析运用统计学方法对测定的数据进行处理，包括计算平均值、标准差、变异系数等描述性统计参数，分析不同围垦年限、土地利用类型下土壤有机碳及其相关指标的差异显著性，采用单因素方差分析（One-WayANOVA）和Duncan多重比较法进行检验，显著性水平设定为P<0.05。利用地统计学方法分析土壤有机碳的空间分布特征，采用克里金插值法对采样点数据进行空间插值，绘制土壤有机碳含量的空间分布图，揭示其在研究区内的空间变异规律。选择合适的土壤有机碳模型，如RothC模型、CENTURY模型等，对土壤有机碳动态进行模拟预测。根据研究区的实际情况，对模型参数进行优化和校准，利用实测数据对模型进行验证，评估模型的模拟精度和可靠性。通过设置不同的情景，如不同的土地利用变化情景、气候变化情景等，预测未来土壤有机碳的变化趋势。三、华东沿海滩涂围垦区土壤理化性质分布特征3.1土壤养分元素分布特征3.1.1土壤养分元素统计特征对研究区内采集的土壤样品进行分析，得到土壤有机碳、全氮、全磷等养分元素的含量统计特征，具体数据如表1所示。从表中可以看出，土壤有机碳含量范围为0.52-12.45g/kg，平均值为4.26g/kg，变异系数为56.8%，表明土壤有机碳含量在研究区内存在较大的空间变异。这可能是由于不同围垦年限、土地利用类型以及土壤质地等因素的差异导致的。在围垦初期，土壤有机碳主要来源于海洋沉积物和少量的盐生植物残体，含量较低；随着围垦年限的增加，植被逐渐生长，土壤有机物质输入增加，有机碳含量也随之升高。同时，不同土地利用类型下，植物的种类和生长状况不同，对土壤有机碳的积累和分解也会产生影响。例如，林地和草地由于植被覆盖度高，凋落物丰富，有利于土壤有机碳的积累；而农田由于频繁的耕作活动，土壤有机碳容易被分解和流失。全氮含量范围为0.05-1.08g/kg，平均值为0.38g/kg，变异系数为53.2%，其变异程度与有机碳相似。全氮含量与有机碳含量密切相关，因为土壤中的氮素主要以有机态存在于土壤有机物质中。在土壤有机碳含量较高的区域，通常全氮含量也相对较高。此外，土壤全氮含量还受到施肥、植被类型和微生物活动等因素的影响。施肥可以直接增加土壤中的氮素含量；不同植被类型对氮素的吸收和固定能力不同，会导致土壤全氮含量的差异；微生物在土壤氮循环中起着重要作用，它们参与氮的矿化、硝化和反硝化等过程，影响土壤全氮的形态和含量。全磷含量范围为0.35-1.20g/kg，平均值为0.72g/kg，变异系数为28.6%，相对有机碳和全氮，全磷含量的变异系数较小，说明其在研究区内的分布相对较为均匀。土壤全磷含量主要取决于成土母质、土壤侵蚀和施肥等因素。成土母质中的磷含量是土壤全磷的重要来源，不同地质背景下的成土母质磷含量存在差异，会影响土壤全磷的初始含量。土壤侵蚀会导致表层土壤中磷的流失，使土壤全磷含量降低；而施肥则可以补充土壤中的磷素，提高全磷含量。在研究区内，由于成土母质相对一致，且大部分区域的土壤侵蚀程度较轻，因此全磷含量的空间变异相对较小。表1土壤养分元素含量统计特征养分元素最小值(g/kg)最大值(g/kg)平均值(g/kg)标准差变异系数(%)有机碳0.5212.454.262.4256.8全氮0.051.080.380.2053.2全磷0.351.200.720.2028.63.1.2不同围垦年限土壤养分元素分布特征不同围垦年限下土壤养分元素含量的变化趋势如图1所示。可以看出，随着围垦年限的增加，土壤有机碳含量总体呈上升趋势。在围垦初期（5年以内），土壤有机碳含量较低，平均约为1.5g/kg，这是因为此时滩涂刚刚被围垦，植被尚未充分发育，土壤有机物质输入较少。随着围垦时间的延长，植被逐渐生长，凋落物增多，土壤有机碳含量逐渐增加。在围垦10-15年时，土壤有机碳含量增长较为迅速，达到3.0-4.0g/kg；围垦20年以上时，土壤有机碳含量增长速度逐渐减缓，趋于稳定，平均达到5.0-6.0g/kg左右。这是因为随着围垦年限的增加，土壤环境逐渐稳定，植被群落也趋于成熟，土壤有机物质的输入和输出达到相对平衡的状态。全氮含量的变化趋势与有机碳相似，随着围垦年限的增加而增加。在围垦初期，全氮含量较低，平均约为0.1g/kg；围垦10-15年时，全氮含量增长较快，达到0.3-0.4g/kg；围垦20年以上时，全氮含量稳定在0.5-0.6g/kg左右。全氮含量的增加主要是由于土壤有机碳的积累，以及植被对氮素的固定作用。随着植被的生长，植物通过根系吸收大气中的氮素，并将其转化为有机氮，固定在土壤中，从而增加了土壤全氮含量。与有机碳和全氮不同，土壤全磷含量在围垦初期较高，随着围垦年限的增加呈下降趋势。在围垦初期，土壤全磷含量平均约为0.9g/kg，这可能是由于滩涂沉积物中含有较高的磷素。随着围垦年限的增加，植物生长对磷素的吸收利用以及土壤中磷的淋溶作用，导致土壤全磷含量逐渐降低。在围垦20年以上时，土壤全磷含量稳定在0.6-0.7g/kg左右。此外，施肥等人为活动也会对土壤全磷含量产生影响。在农业生产中，长期大量施用磷肥会导致土壤全磷含量升高；而不施肥或施肥不足，则会使土壤全磷含量下降。3.1.3不同土地利用土壤养分元素分布特征不同土地利用类型下土壤养分元素含量存在明显差异，具体数据如表2所示。林地土壤有机碳含量最高，平均为7.25g/kg，显著高于其他土地利用类型（P<0.05）。这是因为林地植被茂密，凋落物丰富，且林下土壤微生物活动旺盛，有利于有机物质的分解和转化，从而促进了土壤有机碳的积累。同时，林地土壤的通气性和保水性较好，也为有机碳的保存提供了有利条件。耕地土壤有机碳含量次之，平均为4.56g/kg。耕地在长期的农业生产过程中，通过施肥、秸秆还田等措施，增加了土壤有机物质的输入，使得土壤有机碳含量维持在一定水平。然而，由于频繁的耕作活动，土壤有机碳容易被氧化分解，导致其含量相对林地较低。草地土壤有机碳含量为3.89g/kg，低于林地和耕地。草地植被相对较矮小，凋落物量较少，且草地土壤的微生物活性相对较低，不利于有机物质的分解和转化，因此土壤有机碳含量相对较低。养殖塘土壤有机碳含量最低，平均为2.13g/kg。养殖塘长期处于淹水状态，土壤通气性差，微生物活动受到抑制，有机物质分解缓慢，同时养殖过程中投放的饲料等有机物质大部分被水生生物利用，很少能积累在土壤中，导致土壤有机碳含量较低。全氮含量的变化趋势与有机碳相似，林地土壤全氮含量最高，为0.68g/kg；耕地次之，为0.45g/kg；草地为0.36g/kg；养殖塘最低，为0.18g/kg。全氮含量与有机碳含量密切相关，有机碳含量高的土壤，通常全氮含量也较高。土壤全磷含量在不同土地利用类型下的差异相对较小。其中，耕地土壤全磷含量最高，平均为0.82g/kg，这可能是由于在农业生产中，为了满足农作物生长对磷素的需求，通常会施用大量的磷肥。林地土壤全磷含量为0.75g/kg，草地为0.72g/kg，养殖塘为0.68g/kg。虽然不同土地利用类型下土壤全磷含量存在一定差异，但这种差异并不显著（P>0.05）。表2不同土地利用类型土壤养分元素含量（平均值±标准差，g/kg）土地利用类型有机碳全氮全磷林地7.25±1.56a0.68±0.15a0.75±0.12a耕地4.56±1.02b0.45±0.10b0.82±0.15a草地3.89±0.85c0.36±0.08c0.72±0.10a养殖塘2.13±0.56d0.18±0.05d0.68±0.08a注：同一列中不同小写字母表示差异显著（P<0.05）3.2土壤pH和盐分分布特征3.2.1土壤pH和盐分的统计特征研究区内土壤pH值范围为7.2-8.8，平均值为8.0，变异系数为5.6%，表明土壤pH值在研究区内的分布相对较为均匀，变异程度较小。这是因为研究区主要为滨海盐土，其成土过程受到海水浸渍和潮汐作用的影响，土壤中的盐分组成和含量相对稳定，从而使得土壤pH值也相对稳定。在滨海盐土中，由于含有较多的碳酸钠和碳酸氢钠等碱性盐类，导致土壤呈碱性反应。土壤盐分含量（以电导率表示）范围为0.1-3.5mS/cm，平均值为1.2mS/cm，变异系数为68.3%，盐分含量的变异程度较大。这是由于研究区内不同区域的地形地貌、成陆时间以及人类活动等因素的差异，导致土壤盐分含量存在明显的空间变化。靠近海洋的区域，由于受到海水的直接影响，土壤盐分含量较高；而远离海洋、地势较高的区域，土壤盐分含量相对较低。此外，围垦后的土地利用方式和灌溉排水条件等也会对土壤盐分含量产生影响。例如，长期进行灌溉和排水良好的区域，土壤盐分容易被淋洗排出，盐分含量较低；而在灌溉不足或排水不畅的区域，土壤盐分容易积累，盐分含量较高。表3土壤pH和盐分含量统计特征指标最小值最大值平均值标准差变异系数(%)pH值7.28.88.00.45.6电导率(mS/cm)0.13.51.20.868.33.2.2不同围垦年限土壤pH、Cl和盐分含量分布特征随着围垦年限的增加，土壤pH值总体呈下降趋势，如图2所示。在围垦初期，土壤pH值较高，平均约为8.5，这是由于滩涂土壤中含有较多的碱性盐类，如碳酸钠、碳酸氢钠等。随着围垦年限的增加，土壤中的盐分逐渐被淋洗排出，碱性盐类的含量减少，同时土壤中微生物的活动也会产生一些酸性物质，导致土壤pH值逐渐降低。在围垦20-25年时，土壤pH值下降到8.0左右，此后下降速度逐渐减缓，趋于稳定。土壤氯离子（Cl）含量也随着围垦年限的增加而下降。在围垦初期，土壤Cl含量较高，平均约为0.3%，这是因为滩涂土壤受到海水的影响，海水中含有大量的氯离子。随着围垦后土壤的脱盐过程，氯离子逐渐被淋洗到地下水中或排出土体，导致土壤Cl含量降低。在围垦25年以上时，土壤Cl含量稳定在0.1%以下，表明土壤的脱盐程度较好。土壤盐分含量（以电导率表示）同样随着围垦年限的增加而显著下降。在围垦初期，土壤电导率较高，平均约为2.5mS/cm，说明土壤盐分含量较高。随着围垦年限的延长，通过自然降雨淋溶和人工灌溉排水等措施，土壤中的盐分不断被去除，电导率逐渐降低。在围垦10-15年时，土壤电导率下降到1.5-2.0mS/cm；围垦20年以上时，电导率稳定在1.0mS/cm以下，表明土壤已基本完成脱盐过程。3.2.3不同土地利用土壤pH、Cl和盐分含量分布特征不同土地利用类型下土壤pH值、氯离子含量和盐分含量存在明显差异，具体数据如表4所示。养殖塘土壤pH值最高，平均为8.5，显著高于其他土地利用类型（P<0.05）。这是因为养殖塘长期处于淹水状态，水体中的溶解氧含量较低，微生物活动以厌氧微生物为主，厌氧微生物的代谢产物会使水体和土壤的pH值升高。同时，养殖塘中投放的饲料和肥料等也可能含有一些碱性物质，进一步提高了土壤pH值。耕地土壤pH值次之，为8.2。在农业生产过程中，为了调节土壤酸碱度，有时会施用一些碱性肥料，如石灰等，这可能导致耕地土壤pH值相对较高。此外，耕地的灌溉和排水条件也会影响土壤pH值，如果灌溉水的碱性较强或排水不畅，会使土壤pH值升高。林地和草地土壤pH值相对较低，分别为7.8和7.9。林地和草地植被覆盖度较高，凋落物在分解过程中会产生一些酸性物质，同时植物根系分泌的有机酸也会降低土壤pH值。此外，林地和草地的土壤通气性较好，有利于酸性物质的扩散和交换，从而使土壤pH值相对较低。养殖塘土壤氯离子含量最高，平均为0.25%，这是因为养殖塘与海水或咸水水源相连，水体中的氯离子含量较高，长期的养殖活动使得土壤中氯离子不断积累。耕地土壤氯离子含量次之，为0.12%，这可能是由于在农业生产中使用了含氯的肥料或灌溉水含有一定量的氯离子。林地和草地土壤氯离子含量较低，分别为0.08%和0.09%，这是因为林地和草地受海水影响较小，且植被对氯离子有一定的吸收和固定作用，减少了土壤中氯离子的含量。土壤盐分含量（以电导率表示）的变化趋势与氯离子含量相似，养殖塘土壤电导率最高，为2.0mS/cm，表明其盐分含量最高；耕地次之，为1.3mS/cm；林地和草地较低，分别为0.8mS/cm和0.9mS/cm。养殖塘由于水体交换不畅和盐分积累，导致土壤盐分含量较高；耕地在灌溉和施肥过程中，如果使用的水源或肥料中盐分含量较高，会使土壤盐分增加；而林地和草地由于植被覆盖和自然淋溶作用，土壤盐分含量相对较低。表4不同土地利用类型土壤pH、Cl和盐分含量（平均值±标准差）土地利用类型pH值Cl含量(%)电导率(mS/cm)养殖塘8.5±0.3a0.25±0.05a2.0±0.5a耕地8.2±0.2b0.12±0.03b1.3±0.3b林地7.8±0.2c0.08±0.02c0.8±0.2c草地7.9±0.2c0.09±0.02c0.9±0.2c注：同一列中不同小写字母表示差异显著（P<0.05）3.3土壤常量元素分布特征3.3.1土壤地球化学元素统计特征对土壤中Ca、Na、Mg、Fe、Al、Si等常量元素的含量进行分析，得到其统计特征如表5所示。土壤中Si含量最高，平均值为35.6%，变异系数为10.2%，表明Si在研究区内的分布相对较为均匀。Si是土壤矿物质的主要组成成分之一，其含量主要取决于成土母质。研究区的成土母质主要为滨海沉积物，其Si含量相对稳定，因此土壤中Si含量的空间变异较小。Al含量平均值为7.2%，变异系数为15.8%。Al在土壤中主要以铝硅酸盐矿物的形式存在，其含量受到成土过程中化学风化作用的影响。在温暖湿润的气候条件下，化学风化作用较强，土壤中的铝硅酸盐矿物会发生分解，释放出Al，导致土壤Al含量增加；而在干旱寒冷的气候条件下，化学风化作用较弱，土壤Al含量相对较低。研究区地处亚热带季风气候区，气候温暖湿润，有利于化学风化作用的进行，因此土壤Al含量相对较高，但由于不同区域的地形地貌和土壤质地等因素的差异，导致Al含量存在一定的空间变异。Fe含量平均值为4.5%，变异系数为18.6%。Fe在土壤中的存在形态较为复杂，主要有铁氧化物、铁氢氧化物和含铁硅酸盐等。土壤Fe含量受到成土母质、氧化还原条件和土壤酸碱度等因素的影响。在还原条件下，土壤中的铁氧化物会被还原为亚铁离子，溶解度增加，容易发生淋溶和迁移；而在氧化条件下，亚铁离子会被氧化为四、华东沿海滩涂围垦区土壤有机碳动态特征4.1土壤有机碳分布特征4.1.1土壤有机碳统计特征对研究区内采集的土壤样品有机碳含量进行统计分析，结果如表6所示。土壤有机碳含量范围为0.52-12.45g/kg，平均值为4.26g/kg。从最小值和最大值来看，研究区内土壤有机碳含量存在较大差异，这反映了不同区域土壤有机碳积累和分解过程的差异。变异系数为56.8%，属于中等变异程度，说明土壤有机碳含量在空间上存在一定的变异性。这种变异性可能是由多种因素导致的，如围垦年限、土地利用类型、地形地貌、土壤质地以及人类活动等。一般来说，变异系数大于35%时，表明变量的空间变异程度较大。研究区土壤有机碳含量的中等变异程度，意味着在进行土壤碳管理和生态环境保护时，需要充分考虑到这种空间差异，采取针对性的措施。例如，对于有机碳含量较低的区域，可以通过增加有机物料投入、优化土地利用方式等措施，提高土壤有机碳含量，增强土壤碳汇功能；而对于有机碳含量较高的区域，则应注重保护和维持现有的土壤有机碳水平，避免因不合理的人类活动导致有机碳的流失。表6土壤有机碳含量统计特征统计参数数值最小值(g/kg)0.52最大值(g/kg)12.45平均值(g/kg)4.26标准差2.42变异系数(%)56.84.1.2不同围垦年限土壤有机碳分布特征不同围垦年限下土壤有机碳含量在不同土层深度的变化趋势如图3所示。随着围垦年限的增加，各土层土壤有机碳含量总体呈上升趋势。在围垦初期（5年以内），土壤有机碳含量较低，这是因为此时滩涂刚被围垦，植被尚未充分发育，土壤有机物质输入较少，且围垦过程中对原有湿地生态系统的破坏，使得土壤有机碳的分解速率相对较快。在0-20cm土层，围垦5年时土壤有机碳含量平均约为1.5g/kg；随着围垦年限的延长，植被逐渐生长，凋落物增多，土壤有机物质输入增加，同时土壤微生物群落也逐渐发生改变，有利于有机碳的积累，有机碳含量逐渐上升。在围垦25年以上时，0-20cm土层土壤有机碳含量平均达到6.0g/kg左右。在不同土层深度上，0-20cm土层的土壤有机碳含量始终高于20-40cm和40-60cm土层。这是因为表层土壤更容易接受植被凋落物、根系分泌物等有机物质的输入，且表层土壤通气性较好，微生物活动较为活跃，有利于有机物质的分解和转化，从而促进了有机碳的积累。而随着土层深度的增加，有机物质的输入逐渐减少，微生物活性也逐渐降低，导致土壤有机碳含量逐渐降低。此外，从不同围垦年限各土层有机碳含量的增长速率来看，围垦初期增长速率较快，随着围垦年限的增加，增长速率逐渐减缓。这表明在围垦初期，土壤有机碳的积累潜力较大，通过合理的土地管理措施，如种植适宜的植被、增加有机肥料投入等，可以有效地提高土壤有机碳含量；而在围垦后期，土壤有机碳含量逐渐趋于稳定，进一步提高有机碳含量的难度相对较大，需要采取更加精细和长期的管理措施。4.1.3不同土地利用土壤有机碳分布特征不同土地利用类型下土壤有机碳含量在不同土层深度的差异显著，具体数据如表7所示。林地土壤有机碳含量最高，在0-20cm土层平均达到7.56g/kg，显著高于其他土地利用类型（P<0.05）。林地具有丰富的植被覆盖，树木的凋落物量大，且林下植被和微生物群落丰富，能够促进有机物质的分解和转化，有利于土壤有机碳的积累。同时，林地土壤的物理结构较好，通气性和保水性适中，为有机碳的保存提供了有利条件。耕地土壤有机碳含量次之，在0-20cm土层平均为4.85g/kg。耕地在长期的农业生产过程中，通过施肥、秸秆还田等措施，增加了土壤有机物质的输入，但由于频繁的耕作活动，破坏了土壤团聚体结构，增加了土壤有机碳与空气的接触面积，导致有机碳的分解速率相对较快，因此其有机碳含量低于林地。草地土壤有机碳含量为3.98g/kg，低于林地和耕地。草地植被相对较矮小，凋落物量相对较少，且草地土壤的微生物活性相对较低，不利于有机物质的分解和转化，使得土壤有机碳含量相对较低。养殖塘土壤有机碳含量最低，在0-20cm土层平均仅为2.36g/kg。养殖塘长期处于淹水状态，土壤通气性差，微生物活动受到抑制，有机物质分解缓慢，同时养殖过程中投放的饲料等有机物质大部分被水生生物利用，很少能积累在土壤中，导致土壤有机碳含量较低。在不同土层深度上，各土地利用类型土壤有机碳含量均表现为0-20cm土层>20-40cm土层>40-60cm土层，这与不同围垦年限下土壤有机碳含量在土层深度上的分布规律一致。表7不同土地利用类型土壤有机碳含量（平均值±标准差，g/kg）土地利用类型0-20cm20-40cm40-60cm林地7.56±1.23a5.45±0.89a3.89±0.65a耕地4.85±0.98b3.25±0.65b2.13±0.45b草地3.98±0.76c2.87±0.56c1.98±0.34c养殖塘2.36±0.56d1.56±0.34d1.02±0.23d注：同一列中不同小写字母表示差异显著（P<0.05）4.1.4土壤有机碳含量空间分布利用地统计学方法和GIS技术，对研究区土壤有机碳含量进行空间分析。首先，通过半方差函数分析土壤有机碳含量的空间相关性。半方差函数是地统计学中用于描述区域化变量空间变异特征的重要工具，它能够反映变量在不同空间距离上的变异程度。对土壤有机碳含量进行半方差函数拟合，得到的理论模型参数如表8所示。表8土壤有机碳含量半方差函数理论模型参数理论模型块金值(C0)基台值(C0+C)变程(A0,m)块金值/基台值(C0/(C0+C))决定系数(R²)球状模型0.852.5635000.330.86块金值（C0）表示区域化变量在小于抽样尺度时的变异程度，反映了随机因素对变量的影响；基台值（C0+C）表示区域化变量在整个研究尺度上的总变异程度；变程（A0）表示区域化变量在空间上的自相关范围，即当空间距离大于变程时，变量之间的空间相关性消失。块金值与基台值之比（C0/(C0+C)）可以用来衡量变量的空间相关性程度，当该比值小于0.25时，表明变量具有强烈的空间相关性；当比值在0.25-0.75之间时，表明变量具有中等程度的空间相关性；当比值大于0.75时，表明变量的空间相关性很弱。从表8中可以看出，土壤有机碳含量的块金值与基台值之比为0.33，表明研究区土壤有机碳含量具有中等程度的空间相关性，即土壤有机碳含量在一定空间范围内存在着自相关关系，但也受到一些随机因素的影响。这些随机因素可能包括局部的地形变化、土壤质地差异、人类活动的不均匀性等。根据半方差函数拟合结果，采用克里金插值法对土壤有机碳含量进行空间插值，绘制土壤有机碳含量的空间分布图，如图4所示。从图中可以看出，研究区土壤有机碳含量呈现出明显的空间分布差异。高值区主要分布在研究区的东北部和西南部，这些区域主要为林地和部分耕地，植被覆盖度高，有机物质输入丰富，有利于土壤有机碳的积累；低值区主要分布在研究区的中部和东南部，这些区域主要为养殖塘和部分新围垦的土地，土壤通气性差，有机物质输入少，导致土壤有机碳含量较低。此外，从空间分布上还可以看出，土壤有机碳含量呈现出一定的斑块状分布特征，这与研究区的土地利用类型、地形地貌以及人类活动等因素的空间分布格局密切相关。4.2土壤有机碳动态变化影响因素4.2.1皮尔森相关性分析计算土壤有机碳与土壤理化性质（如全氮、全磷、pH值、电导率、土壤容重等）、气候因素（年均气温、年降水量等）以及植被覆盖度等因素的皮尔森相关系数，初步筛选影响土壤有机碳动态变化的因素，结果如表9所示。表9土壤有机碳与各因素的皮尔森相关系数影响因素相关系数显著性(P值)全氮0.856**0.000全磷0.325*0.023pH值-0.456**0.001电导率-0.568**0.000土壤容重-0.389**0.008年均气温-0.287*0.045年降水量0.356*0.015植被覆盖度0.768**0.000注：**表示在0.01水平上显著相关，*表示在0.05水平上显著相关从表9中可以看出，土壤有机碳与全氮、植被覆盖度呈极显著正相关（P<0.01），与全磷、年降水量呈显著正相关（P<0.05），与pH值、电导率、土壤容重、年均气温呈显著负相关（P<0.05）。这表明全氮、植被覆盖度、全磷和年降水量是促进土壤有机碳积累的重要因素，而pH值、电导率、土壤容重和年均气温则对土壤有机碳积累具有抑制作用。土壤有机碳与全氮呈极显著正相关，这是因为土壤中的氮素主要以有机态存在于土壤有机物质中，有机碳含量的增加通常伴随着全氮含量的增加，二者在土壤中具有相似的来源和转化过程。植被覆盖度与土壤有机碳呈极显著正相关，植被通过凋落物和根系分泌物向土壤中输入大量的有机物质，是土壤有机碳的重要来源，植被覆盖度越高，有机物质输入越多，越有利于土壤有机碳的积累。土壤有机碳与全磷呈显著正相关，磷是植物生长所必需的营养元素之一，适量的磷供应可以促进植物生长，增加植被生物量，从而间接增加土壤有机物质的输入，促进土壤有机碳的积累。土壤有机碳与pH值呈显著负相关，在酸性土壤中，铁、铝氧化物的存在会与有机物质形成络合物，增加有机碳的稳定性；而在碱性土壤中，土壤有机物质的分解速率可能会加快，不利于有机碳的积累。土壤有机碳与电导率呈显著负相关，电导率反映了土壤中盐分的含量，高盐分环境会抑制植物生长和微生物活动，减少有机物质的输入和分解转化，从而降低土壤有机碳含量。土壤有机碳与土壤容重呈显著负相关，土壤容重越大，土壤孔隙度越小，通气性和透水性越差，不利于有机物质的分解和微生物的活动，进而影响土壤有机碳的积累。年均气温与土壤有机碳呈显著负相关，较高的气温会加速土壤有机物质的分解，导致土壤有机碳含量下降。年降水量与土壤有机碳呈显著正相关，适量的降水可以促进植物生长，增加有机物质的输入，同时也有利于土壤微生物的活动，促进有机物质的分解和转化，从而有利于土壤有机碳的积累。4.2.2土壤有机碳与影响因素线性关系以土壤有机碳含量为因变量，以皮尔森相关性分析中显著相关的因素（全氮、全磷、pH值、电导率、土壤容重、年均气温、年降水量、植被覆盖度）为自变量，建立多元线性回归模型，分析土壤有机碳与主要影响因素之间的线性关系，模型表达式为：SOC=\beta_0+\beta_1TN+\beta_2TP+\beta_3pH+\beta_4EC+\beta_5BD+\beta_6AT+\beta_7AP+\beta_8VC+\epsilon其中，SOC为土壤有机碳含量（g/kg），TN为全氮含量（g/kg），TP为全磷含量（g/kg），pH为土壤pH值，EC为电导率（mS/cm），BD为土壤容重（g/cm³），AT为年均气温（℃），AP为年降水量（mm），VC为植被覆盖度（%），\beta_0为截距，\beta_1-\beta_8为偏回归系数，\epsilon为随机误差项。利用SPSS软件对模型进行拟合，得到的结果如表10所示。表10土壤有机碳与主要影响因素的多元线性回归模型结果变量偏回归系数标准误差t值P值VIF常量-15.6894.235-3.7050.001-全氮8.9651.2357.2600.0002.568全磷1.8560.7652.4260.0191.896pH值-1.5680.568-2.7610.0072.235电导率-1.2350.456-2.7080.0082.013土壤容重-2.3680.896-2.6430.0101.987年均气温-0.5680.235-2.4170.0201.765年降水量0.0150.0052.9870.0041.654植被覆盖度0.0860.0233.7390.0012.123注：VIF为方差膨胀因子，用于检验自变量之间的多重共线性，一般认为VIF>10时，存在严重的多重共线性，本研究中各变量VIF均小于10，表明自变量之间不存在严重的多重共线性从表10中可以看出，多元线性回归模型的P值为0.000，小于0.01，说明模型整体具有高度显著性，即自变量能够很好地解释因变量的变化。调整后的决定系数R^2为0.765，说明该模型可以解释土壤有机碳含量76.5%的变异，模型拟合效果较好。在各自变量中，全氮、全磷、pH值、电导率、土壤容重、年均气温、年降水量和植被覆盖度的P值均小于0.05，表明这些因素对土壤有机碳含量均有显著影响。全氮的偏回归系数最大，为8.965，说明全氮对土壤有机碳含量的影响最为显著，在其他条件不变的情况下，全氮含量每增加1g/kg，土壤有机碳含量将增加8.965g/kg。植被覆盖度的偏回归系数为0.086，说明植被覆盖度对土壤有机碳含量也有较大的正向影响，植被覆盖度每增加1%，土壤有机碳含量将增加0.086g/kg。而pH值、电导率、土壤容重和年均气温的偏回归系数为负，说明这些因素对土壤有机碳含量具有负向影响，即随着这些因素值的增加，土壤有机碳含量会降低。4.2.3基于随机森林模型的影响因素重要性分析运用随机森林模型评估各影响因素对土壤有机碳含量的相对重要性。随机森林是一种基于决策树五、华东沿海滩涂围垦区土壤有机碳模型预测5.1预测模型选择与构建5.1.1常见土壤有机碳模型介绍CENTURY模型是一种基于过程的生态系统模型，由美国科罗拉多州立大学的Parton等学者开发。该模型将土壤有机碳分为活性、慢分解和惰性三个库，通过模拟植物生长、凋落物分解、土壤呼吸等过程，来预测土壤有机碳的动态变化。在植物生长模块，CENTURY模型考虑了光照、温度、水分等环境因素对植物光合作用和呼吸作用的影响，从而计算出植物的净初级生产力。凋落物分解模块则根据凋落物的化学组成和环境条件，利用一阶动力学方程来描述凋落物的分解过程。土壤呼吸模块包括自养呼吸和异养呼吸，自养呼吸主要是植物根系的呼吸作用，异养呼吸则是土壤微生物对有机物质的分解呼吸。CENTURY模型的特点是能够较为全面地考虑生态系统中碳、氮、磷等元素的循环过程，以及气候、土壤、植被等因素对这些过程的影响。它适用于不同生态系统类型的土壤有机碳动态模拟，在全球变化研究、生态系统管理等领域得到了广泛应用。例如，在研究森林生态系统对气候变化的响应时，CENTURY模型可以模拟不同气候情景下森林土壤有机碳的变化趋势，为森林资源的可持续管理提供科学依据。然而，CENTURY模型对输入数据的要求较高，需要详细的气象数据、土壤理化性质数据、植被参数等，且模型参数的确定较为复杂，需要进行大量的实验和校准工作。DNDC（DeNitrification-DeComposition）模型是一个综合性的生物地球化学模型，由美国新罕布什尔大学的Li等学者开发。该模型不仅可以模拟土壤有机碳的动态变化，还能同时考虑氮、磷等其他元素的循环以及温室气体（如二氧化碳、甲烷、氧化亚氮等）的排放。在土壤有机碳模拟方面，DNDC模型将土壤有机碳分为多个活性不同的库，考虑了植物根系分泌物、凋落物输入、微生物分解等过程对土壤有机碳的影响。与CENTURY模型类似，DNDC模型也考虑了气候因素对土壤有机碳动态的影响，同时还特别关注了土壤水分和氧气状况对有机碳分解和温室气体排放的影响。例如，在淹水条件下，土壤中的氧气含量较低，微生物的呼吸作用以厌氧呼吸为主，这会导致甲烷等温室气体的排放增加，DNDC模型能够较好地模拟这种情况下土壤有机碳的转化和温室气体的排放过程。DNDC模型的优势在于其综合性强，能够全面地反映生态系统中多种元素的循环和温室气体的排放情况，适用于农业生态系统、湿地生态系统等多种生态系统类型的研究。在农业生产中，DNDC模型可以帮助农民优化施肥策略，减少温室气体排放，提高土壤质量和农作物产量。但该模型的计算过程较为复杂，需要较多的输入参数，对计算机性能也有一定要求。RothC模型是由英国洛桑实验站的Jenkinson等学者开发的相对简单的土壤有机碳模型。该模型将土壤有机碳分为五个库，分别是植物残体碳库、微生物生物量碳库、可分解有机碳库、慢分解有机碳库和惰性有机碳库。通过模拟有机物质的输入、分解和转化过程，RothC模型来预测土壤有机碳的含量。在有机物质输入方面，RothC模型考虑了植物凋落物和根系分泌物等来源；分解过程则根据不同碳库的分解速率和环境条件，利用一阶动力学方程进行描述。RothC模型的特点是结构相对简单，对数据的要求较低，计算速度快。它适用于不同土地利用类型下土壤有机碳的长期动态模拟，在土壤碳循环研究、土地利用规划等领域有一定的应用。例如，在评估不同土地利用方式对土壤有机碳的长期影响时，RothC模型可以快速地模拟出土壤有机碳含量的变化趋势，为土地利用决策提供参考。然而，由于RothC模型相对简单，对一些复杂的生态过程考虑不够全面，在复杂生态系统中的模拟精度可能相对较低。5.1.2模型选择依据结合研究区特点和数据可得性，本研究选择RothC模型进行华东沿海滩涂围垦区土壤有机碳预测。研究区为华东沿海滩涂围垦区，生态系统类型相对单一，主要包括农田、林地、草地、养殖塘等土地利用类型，RothC模型的结构和原理能够较好地适应这种相对简单的生态系统。从数据可得性来看，RothC模型对数据的要求相对较低，本研究通过野外采样和实验室分析，已经获取了土壤有机碳含量、土壤理化性质（如土壤质地、pH值、电导率等）、植被覆盖度等数据，这些数据基本能够满足RothC模型的输入要求。相比之下，CENTURY模型和DNDC模型对数据的要求更为严格，需要详细的气象数据（如逐日的气温、降水、辐射等）、植物生理参数等，这些数据在研究区难以全面获取，增加了模型应用的难度和不确定性。此外，RothC模型在国内外已有较多的应用案例，针对不同生态系统类型和土地利用方式的参数校准和验证工作也较为完善，这为在本研究区的应用提供了一定的参考和借鉴。通过参考相关研究成果，可以更快地确定RothC模型在本研究区的初始参数值，并在此基础上进行进一步的校准和验证，提高模型的模拟精度和可靠性。5.1.3模型参数确定与校准确定RothC模型的输入参数，包括土壤有机碳初始含量、土壤质地、植被类型、气候条件等。土壤有机碳初始含量根据研究区的实测数据确定，将采集的土壤样品进行分析，得到不同围垦年限和土地利用类型下土壤有机碳的含量，作为模型的初始值。土壤质地通过土壤颗粒分析实验确定，根据土壤中砂粒、粉粒和粘粒的含量，将土壤质地分为砂土、壤土和粘土等类型，并将其作为模型的输入参数之一。植被类型根据研究区的实地调查和遥感影像解译确定，不同植被类型具有不同的凋落物输入和根系分泌物特征，这些特征会影响土壤有机碳的输入和转化过程，因此需要准确确定植被类型并输入到模型中。气候条件主要考虑年均气温和年降水量，通过收集研究区附近气象站的长期观测数据，获取年均气温和年降水量的值，并将其作为模型的气候输入参数。利用研究区的实测数据对RothC模型进行校准和验证。将研究区划分为多个样区，在每个样区设置一定数量的采样点，定期采集土壤样品并分析土壤有机碳含量。将模型模拟结果与实测数据进行对比，通过调整模型中的部分参数（如有机物质分解速率常数、微生物活性系数等），使模型模拟结果与实测数据达到最佳拟合。在校准过程中，采用多种评价指标来评估模型的模拟效果，如均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）等。RMSE反映了模型预测值与实测值之间的偏差程度，RMSE值越小，说明模型预测值与实测值越接近；MAE则衡量了模型预测值与实测值之间绝对误差的平均值，MAE值越小，表明模型的预测精度越高；R²表示模型能够解释的观测数据的变异程度，R²越接近1，说明模型对数据的拟合效果越好。通过反复调整参数，使这些评价指标达到最优，完成模型的校准工作。校准后的模型再利用另一组独立的实测数据进行验证，以确保模型的可靠性和泛化能力。5.2模型预测结果与分析5.2.1实验和验证数据集土壤属性统计特征对用于模型训练和验证的数据集进行土壤属性统计分析，结果如表11所示。土壤有机碳含量范围为0.52-12.45g/kg，平均值为4.26g/kg，变异系数为56.8%，这与前文对研究区整体土壤有机碳含量的统计特征一致，表明数据集具有较好的代表性。土壤全氮含量范围为0.05-1.08g/kg，平均值为0.38g/kg，变异系数为53.2%，全氮含量与有机碳含量密切相关，其变异程度也较大，反映了不同样点间土壤氮素状况的差异。土壤全磷含量范围为0.35-1.20g/kg，平均值为0.72g/kg，变异系数为28.6%，相对有机碳和全氮，全磷含量的变异系数较小，说明其在数据集内的分布相对较为均匀。土壤pH值范围为7.2-8.8，平均值为8.0，变异系数为5.6%，表明土壤pH值在数据集内的分布相对稳定，这是由于研究区主要为滨海盐土，其成土过程和盐分组成相对稳定，导致土壤pH值变化较小。土壤电导率范围为0.1-3.5mS/cm，平均值为1.2mS/cm，变异系数为68.3%，电导率反映了土壤中盐分的含量，其较大的变异系数说明不同样点间土壤盐分含量存在明显差异，这与研究区的地形地貌、围垦年限以及土地利用方式等因素有关。表11实验和验证数据集土壤属性统计特征土壤属性最小值最大值平均值标准差变异系数(%)有机碳(g/kg)0.5212.454.262.4256.8全氮(g/kg)0.051.080.380.2053.2全磷(g/kg)0.351.200.720.2028.6pH值7.28.88.00.45.6电导率(mS/cm)0.13.51.20.868.35.2.2多元回归模型预测结果运用多元回归模型进行土壤有机碳含量预测，以土壤有机碳含量为因变量，以土壤全氮、全磷、pH值、电导率、土壤容重、年均气温、年降水量、植被覆盖度等为自变量，建立多元线性回归方程。通过对数据集进行拟合，得到的回归方程为：SOC=-15.689+8.965TN+1.856TP-1.568pH-1.235EC-2.368BD-0.568AT+0.015AP+0.086VC其中，SOC为土壤有机碳含量（g/kg），TN为全氮含量（g/kg），TP为全磷含量（g/kg），pH为土壤pH值，EC为电导率（mS/cm），BD为土壤容重（g/cm³），AT为年均气温（℃），AP为年降水量（mm），VC为植被覆盖度（%）。对多元回归模型的预测结果进行分析，得到决定系数R²为0.765，表明该模型可以解释土壤有机碳含量76.5%的变异，模型拟合效果较好。均方根误差RMSE为1.56g/kg，平均绝对误差MAE为1.23g/kg，说明模型预测值与实测值之间存在一定的偏差，但总体误差在可接受范围内。从预测结果来看，多元回归模型能够较好地反映土壤有机碳含量与各影响因素之间的线性关系，在一定程度上可以预测土壤有机碳含量的变化趋势。然而，由于土壤有机碳动态受到多种复杂因素的影响，存在一些非线性关系，多元回归模型可能无法完全准确地捕捉这些关系，导致预测精度存在一定的局限性。5.2.3随机森林模型预测结果利用随机森林模型进行土壤有机碳含量预测，将数据集按照70%:30%的比例划分为训练集和测试集。在训练过程中，通过调整随机森林模型的参数（如决策树的数量、最大深度、最小样本分割数等），以提高模型的预测性能。经过多次试验和优化，确定了最佳的模型参数。利用训练好的随机森林模型对测试集进行预测，并与多元回归模型结果对比分析。随机森林模型的预测结果显示，决定系数R²为0.852，均方根误差RMSE为1.12g/kg，平均绝对误差MAE为0.89g/kg。与多元回归模型相比，随机森林模型的R²更高，RMSE和MAE更低，说明随机森林模型能够更好地捕捉土壤有机碳含量与各影响因素之间的复杂非线性关系，预测精度更高。从预测值与实测值的对比来看，随机森林模型的预测值更接近实测值，对土壤有机碳含量的变化趋势预测更为准确。这是因为随机森林模型是基于决策树的集成学习模型，通过对多个决策树的预测结果进行平均或加权平均来得出最终的预测结果，能够有效地减少过拟合问题，提高模型的泛化能力和预测精度。5.2.4模型验证与不确定性分析采用多种验证指标对模型进行验证，除了前文提到的R²、RMSE和MAE外，还计算了平均绝对百分比误差（MAPE）和一致性指数（IOA）等指标。MAPE反映了模型预测值与实测值之间的相对误差，其计算公式为：MAPE=\frac{1}{n}\sum_{i=1}^{n}\left|\frac{y_{i}-\hat{y}_{i}}{y_{i}}\right|\times100\%其中，y_{i}为实测值，\hat{y}_{i}为预测值，n为样本数量。IOA则衡量了模型预测值与实测值之间的一致性程度，其取值范围为