贺兰山东麓农田土壤有机碳空间分布特征及其对盐碱化的影响

摘    要：为了揭示土壤有机碳（SOC）与土壤盐分和pH在空间和数量上的变化规律，本文于2019~2020年选择宁夏贺兰山东麓玉米农田生态系统为试验区，通过棋盘式布点法确定样点位置，采用普通克里金插值法和经典统计学方法，分析贺兰山东麓农田SOC与土壤盐碱化空间分布特征及响应规律。研究表明试验区SOC在空间分布上呈现出中东部高四周低的特点；土壤全盐和Ca2+、Mg2+、Na+、SO42-、Cl-盐分离子的空间分布规律存在一定的相似性，即沿试验区中心呈南北对称分布，高值区大致分布在南北对角线两侧；土壤pH呈条带状分布，具有中间高四周低的分布特点。试验区土壤pH值范围在8.47~9.44之间，总体呈碱性，CO32-和HCO3-是该区域土壤发生碱化的主导因子。随着SOC含量的增加，土壤全盐、土壤pH、Ca2+、Mg2+、K+、Na+、SO42-、CO32-、Cl-含量呈现先波动增大后减小的趋势。当SOC含量为1.00~6.00 g·kg-1时，土壤有机碳与pH、全盐呈显著正相关。当土壤有机碳含量大于5.00~6.00 g·kg-1时，有利于改善土壤盐碱化问题。

关键词:盐碱土壤;碳循环;有机碳;盐碱化特征;空间分布;

Spatial distribution characteristics of farmland soil organic carbon and its effect on

salinization in the eastern foot of Helan Mountain

LI Xiujing

XIAO Guoju

GUO Zhanqiang WANG Jing

School of Geography and Planning, Ningxia University School of Ecology and Environment,

Ningxia University

Abstract：This study was conducted to reveal the spatial and quantitative changes in soil organic carbon (SOC) using soil salinity and pH. We selected the maize farmland ecosystem at the eastern foot of Helan Mountain in Ningxia as the experimental area and used the stationing method to determine the location of sample points from 2019 to 2020. Using the Ordinary Kriging and classical statistical methods, we analyzed the spatial distribution characteristics of SOC and soil salination in the eastern foot of Helan Mountain. The results showed that the spatial distribution of SOC was higher in the east and lower in the surrounding areas; whereas the spatial distribution patterns of total salt, Ca2+, Mg2+, Na+, SO42- and Cl– were similar, that is, they were symmetrically distributed along the center of the experimental area, and the high value area was roughly distributed on both sides of the north–south diagonal. The soil pH was distributed in strips, with a distribution characterized by a high center and low surrounding areas. The soil pH values in the experimental area ranged from 8.47 to 9.44, and was generally alkaline. CO32– and HCO3– were the dominant factors affecting soil alkalization in this region. With an increase in organic carbon content, the total salt content, soil pH, Ca2+, Mg2+, K+, Na+, SO42–, CO32–, and Cl– showed a fluctuating trend. When the SOC content was between 1.00–6.00 g·kg-1, there was a significant positive correlation between the organic carbon and pH. When the SOC content was more than 5.00–6.00 g·kg-1, it was beneficial to improve soil salinization.

Keyword：Saline soil; Carbon cycle; Soil organic carbon; Salinization characteristics; Spatial distribution;

联合国环境规划署的《排放差距报告》指出，未来10年间，若全球的温室气体含量不能以每年7.6%的水平下降，1.5 ℃的控温目标将难以实现[1,2]。土壤有机碳库是CO2重要的“碳源”和“碳汇”，对全球的固碳研究和碳中和目标的实现具有重要意义[3]。农田土壤易受人类活动（耕作/施肥）的影响，其微小的改变都可能导致农田土壤向大气中排放的CO2的量发生改变，进而影响全球气候变化[4,5]。

土壤盐碱化作为当今世界最难解决的科学问题之一，制约着农业的生产和发展。我国是土壤盐碱化比较严重的国家[6]，盐碱土面积约占我国可利用土地面积的4.88%，高达3600多万hm2；其中耕地盐渍化面积约占耕地面积的6.62%，达到920.9万hm2[7,8]。土壤有机碳（SOC）既是农田土壤肥力的重要组成部分，同时在维持土壤良好的理化性状、生物学特性和缓解土壤退化等方面也发挥着重要作用[9,10]。宁夏贺兰山东麓黄河流域生态高质量发展区，位于黄河冲积和贺兰山洪积而成的平原地区，黄河灌溉区资源优势明显，光、热、土、水等自然资源较好，为当地农业的发展提供了较为有利的条件。

目前，关于土壤有机碳与盐碱化问题的研究日益增多。诸多学者如张源沛[11]、刘洪波[12] 、陈思明[13]和王波[14]等人分别对银川平原、新疆典型绿洲、闽江河口湿地、乌拉特灌域的土壤盐分特征与空间分布格局进行了研究；部分学者通过构建混合地统计学模型，提高模型的预测精度[15,16]，研究土壤盐分的空间分异特征，为土壤盐渍化的区域防治和改良提供指导。国内外关于SOC空间分布的研究方法大致分为以下几类：一为确定性插值（全局多项式、反距离权重等）[17]、二为地统计学[16]、三为回归模型（多元线性回归、空间地理回归）[18]、四为机器学习算法模型（人工神经网络、随机森林等）[19]。而SOC与土壤盐碱化响应规律的研究多集中在土壤盐分对SOC的矿化作用[20,21]，SOC储量和垂直分布等方面的影响[22,23]，对于不同含量SOC如何影响土壤盐碱化的相关研究较少。

贺兰山东麓引黄灌区土壤具有高度碱性、弱度盐化、有机质含量较低的特点。本文基于贺兰山东麓农田土壤的实测数据，分析SOC、盐分、pH等空间分布特征以及SOC含量对盐碱化的影响，旨在揭示SOC与土壤盐分和pH空间和数量上的变化规律，为旱区农田土壤碳中和研究，以及盐碱土地的合理开发与利用提供应用价值。

1材料与方法

1.1 研究区概况

试验基地设在宁夏贺兰山东麓镇北堡(38.62° N，106.08° E)，地势平坦，属于黄河灌溉区农田生态系统。该地区处于温带大陆性气候，年平均气温在8.0 ℃左右；常年干燥少雨，年均降水量为200 mm左右；地表蒸发旺盛，年蒸发量在2000 mm以上；年均日照时数为2800~3000 h。试验基地种植作物以玉米、小麦为主，一年一熟或小麦玉米间作套作。土壤pH为8.5~9.5，全盐含量为0.30~0.36 g·kg-1，属于碱性土壤。

1.2 研究方法

通过农田生态系统调查取样的方法，对试验基地内作物进行实地采样。在2×4 km农田生态系统范围内，选择玉米农田土壤，采用棋盘式布点法确定36个样点位置，使样点位置均匀落在农田内，避免落在沟、渠、路上（图1），再用手持GPS定位仪确定采样点的地理坐标。

农田生态系统玉米品种为九粟907，利用旱地直播技术，种植密度为7.50万株·hm-2。依据当地玉米种植季节的气候特点，确定2019~2020年每年4月24日播种，9月14日收获。试验地玉米整个生育期进行六次灌水，播种前灌水（4月18日），拔节水（6月15日），孕穗水（6月27日），抽雄/吐丝水（7月7日），灌浆水（7月24日、8月5日）。在4月15日采用施肥机混合施用基肥，磷酸氢二胺（（NH4)2HPO4）380 kg·hm-2，碳酰胺（CH4N2O）250 kg·hm-2，硝酸钾（KNO3）125 kg·hm-2。7月24日利用灌浆水顺水施入尿素225 kg·hm-2进行追肥。

1.3 样品采集与测定

土壤样品取样时期确定为玉米成熟期，用手持GPS仪按棋盘式布点法确定的采样点取样。在每个采样点上，去除土壤表面的枯枝落叶、砾石，将土壤样品并依次放入铝盒（≥30 g）和自封袋（≥200 g）中。将采集样品装入写好标签的自封袋中，及时运回实验室进行分析检测。土壤样品在室温（20℃~22 ℃）下自然风干，将自然风干后的土样磨碎、过筛、称重、标号，以供土壤理化分析。

SOC的测定采用重铬酸钾氧化—分光光度法；土壤pH值的测定采用酸度计法；Mg2+和Ca2+采用EDTA络合滴定法；K+和Na+采用火焰光度法；HCO3-和CO32-采用双指示剂中和滴定法；Cl-采用AgNO3滴定法；SO42-采用EDTA容量法。土壤全盐采用土样制备水土比为1:5的浸提液进行测定，换算关系如下。

St = 2.912EC1:5 + 0.154（r=0.995**，P＜0.0001，n=468） (1)

(1)式中：St为土壤全盐含量g·kg-1，EC1:5为1︰5土水比土壤浸提液电导率d·S·m-1，将土壤电导率转化为土壤全盐[24]。

1.4 数据分析与处理方法

采用普通克里金插值与经典统计学相结合的方法分析贺兰山东麓SOC、土壤全盐、土壤pH、土壤八大离子等指标的空间分布特征，应用统计学方法，将收集到的数据通过SPSS 26.0软件进行描述性统计(表1)，同时进行K-S检验，对非正态分布的数据进行数据变换（Log、平方根和Box-Cox变换）[25,26]。本文进行数据正态变换后，通过半变异函数生成的最优半变异函数模型。在ArcGIS 10.8软件进行交叉精度验证后，选择普通克里金插值法进行空间插值图的绘制[27,28]。

半变异函数是地统计学中用来描述某区域化变量的空间变异结构的方法[13,14,15,16,17]。采用GS+ 9.0软件选择相关函数（球型函数、指数函数、高斯函数、线性函数）进行拟合，根据R²和RSS选择最优理论模型，生成的曲线方程则为半方差函数理论模型。计算公式为:

rh=12N(h)∑N(h)i=1[Z(xi)−Z(xi+h)]2(2)

(2)式中：rh为距离为h的半方差，h为采样点之间的距离，N(h)为距离为h时所有样点对数和，Z(xi)为Z在xi位置上的实测值，Z(xi+h)为Z在xi+h位置上的实测值。

表1 SOC和土壤盐碱化特性的含量统计

农田耕层土壤有机碳含量范围1.00~7.00 g·kg-1，按土壤有机碳含量1.00~2.00 g·kg-1，2.00~3.00 g·kg-1，3.00~4.00 g·kg-1，4.00~5.00 g·kg-1，5.00~6.00 g·kg-1，6.00~7.00 g·kg-1分6个级别。每个级别土壤有机碳平均值分别为T1=1.67 g·kg-1,T2=2.75 g·kg-1,T3=3.59 g·kg-1，T4=4.43 g·kg-1，T5=5.56 g·kg-1，T6=6.69 g·kg-1，对比分析土壤耕作层有机碳各级别间样品数及样品比例（表2）

2 结果与分析

2.1 SOC、全盐、八大离子与pH的空间变异特征

在半方差函数模型中（表3），当块基值比(C0/C0+C)的值在0~25%之间时，反映了变量具有强空间自相关，变异主要是由结构性因素（气候、母质、地形、降水等自然因素）引起的；当块基值比的值在25%~75%间时，反映了变量具有中等空间自相关，变异主要是由结构性因素与随机性因素（施肥、耕作方式、种植制度、灌溉、作物类型、土壤改良等人为因素）引起的；当块基值比的值在75%~100%间时，反映了变量具有弱空间自相关，变异主要是由随机性因素引起的。

土壤全盐、土壤pH、CO32-的块基值比均大于75％，可以推断施肥、耕作方式、种植制度、灌溉、作物类型、土壤改良等人为因素是导致其空间异质性的主要因素，以上三个指标受自然因素的影响较小。而SOC、Ca2+、Mg2+等指标的块基值比均在大于60％，进一步说明在长期的自然因素和人为因素共同作用下，试验区SOC、Ca2+、Mg2+等指标的含量空间自相关性的受到不同程度的影响。

表3 半方差函数模型及相关参数

2.2 SOC、全盐、八大离子与pH的空间分布特征

2.2.1 SOC的空间分布特征

试验区SOC含量范围为1.00~7.00 g·kg-1，空间分布特征呈带状。由图2A可知，SOC含量在南北方向上呈现出由低-高-低的趋势，而东西方向上呈现出西低东高的趋势。整体呈中东部高四周低的趋势。SOC含量大于5.00 g·kg-1的高值区主要分布在试验区的东北部。

2.2.2 土壤全盐与八大离子的空间分布特征

土壤全盐的空间分布特征呈现出沿试验区中心位置（短对称轴）呈南北对称分布，高值区多分布在试验区南北对角线两侧（图2B）。土壤Ca2+、Mg2+、Na+、Cl-、SO42-的空间分布特征与土壤全盐存在一定的相似性，即沿试验区中心位置呈南北对称分布，高值区也大致分布在试验区南北对角线两侧（图3）。

K+和HCO3-在空间分布格局上均呈现出条带状分布特点：K+在南北方向上呈现北高南低的趋势，含量在0.07~0.048 g·kg-1之间，高值区分布在试验区的西北角；HCO3-在西北-东南方向上呈现从西北到东南逐渐增加的趋势，含量在0.168~0.367 g·kg-1之间，高值区分布在试验区的西南角。CO32-的空间分布特征具有圆圈型分布的特点，呈现出中间高四周低的趋势。

通过图像(图2和图3)横向对比可知SOC含量较高的区域，土壤全盐、Mg2+、Na+、Cl-等指标的含量多为中、高值分布。可以推测各要素的空间分布特征中，SOC与CO32-和Mg2+、Na+、Cl-，全盐存在一定正相关关系。且随着SOC含量的增加，土壤全盐与Ca2+、Na+、Cl-、SO42-含量呈现先增加后降低的趋势，即最高值均出现在T5(5.00~6.00 g·kg-1)范围内。SOC含量超过T5的取值范围，Ca2+、Na+、Cl-、SO42-含量都产生了较为极速的下降。根据表2中的统计数据，Ca2+、Mg2+、Na+、Cl-、SO42-的含量较高，且具有相似的分布规律，说明该试验区组成土壤盐分的主要离子可能由Ca2+、Mg2+、Na+、Cl-、SO42-组成。

2.2.3 土壤pH的空间分布特征

土壤pH是判断碱化现象是否发生以及碱化程度的重要依据[27]。由图2可知，土壤pH的空间分布具有条带状分布的特点，沿试验区中心位置（长对称轴）呈南北对称分布。整体上呈现中间高四周低的趋势，土壤pH的高值区出现在试验区中部。

与SOC的空间分布特征图（图2）进行横向对比，可知SOC含量较高的中东部区域土壤pH含量多为中、高值分布可见SOC与土壤pH在空间分布上也可能存在一定的正相关关系。

2.3 SOC对土壤盐碱化的影响

2.3.1 SOC对土壤全盐的影响

随着SOC的增加，土壤全盐含量呈先波动增加后下降的趋势。SOC含量从1.27 g·kg-1增加到6.985 g·kg-1，土壤全盐含量从0.265 g·kg-1增加到1.879 g·kg-1。在T5范围内，即SOC含量为5.00~6.00 g·kg-1时，全盐含量达到最大值1.18 g·kg-1。

2.3.2 SOC对土壤盐分离子的影响

随着SOC含量的增加，Ca2+、Na+、Mg2+、K+、CO32-、SO42-、Cl-等指标呈先增加后减少的趋势，总体呈波动增加的趋势（图5），这与土壤全盐在不同SOC含量下的变化趋势趋势存在相似的变化规律（图4）。且以上七个盐分离子高峰值均在出现在SOC含量为T5（5.00~6.00 g·kg-1）的范围内。当SOC含量小于T5时，Ca2+、Mg2+、Na+、SO42-、Cl-均随SOC的增加而波动增加，当SOC含量大于T5时，随着SOC的增加，七个盐分离子的含量则呈下降趋势。

随着SOC的增加，HCO3-呈先减少后增加的趋势，但整体呈增加趋势。T1~T5范围内，随着SOC的增加，HCO3-含量变化较小；当SOC含量大于T5时，HCO3-含量快速上升（图5 G）。SOC含量从1.27 g·kg-1增加到6.985 g·kg-1，HCO3-含量从240.87 mg·kg-1增加到279.45 mg·kg-1。

Ca2+、Mg2+、Na+、SO42-、Cl-等盐分离子与土壤全盐不仅在空间分布格局上存在极大的相似性（图2和3），在SOC含量变化的响应规律上也存在相似的变化规律（图5）。

2.3.3 SOC对土壤pH的影响

土壤pH随SOC的增加呈现波动增加的趋势，与SOC呈显著正相关（表3）。SOC含量从0~1.00 g·kg-1增加到6.00~7.00 g·kg-1，土壤pH从9.07增加到9.26。当SOC含量超过T4（4.00~5.00 g·kg-1）时，随着SOC的增加，土壤pH呈现下降趋势（图6）。

2.4 SOC与盐碱化指标之间的相关性分析

相关性分析结果表明土壤全盐量除与HCO3-、CO32-差异不显著外,与其他离子均表现出显著的正相关关系。其中相关性最强的阴离子为SO42-，相关性最强的阳离子为Mg2+、Na+；阴阳离子之间相关性最强的为Ca2+和SO42-；其次为Mg2+和SO42-。Na+和Cl-之间也存在极显著正相关关系，且阳离子中Ca2+和Na+含量较高，阴离子中HCO3-含量较高（表1）。研究结果表明Ca2+、SO42-、Na+、Cl-对区域盐分的组成具有重要作用。同时，土壤pH与CO32-存在极显著的正相关关系，土壤pH为8.47~9.44，呈碱性。HCO3-、CO32-是试验区主要的弱碱性盐分离子，是试验区内土壤发生碱化的主导因子。

SOC与土壤全盐的相关性分析可以看出，SOC与土壤全盐达到显著正相关；而SOC除了与Ca2+、SO42-、Cl-等离子的相关性并没有达到显著相关的水平，与其他盐分离子均达到显著正相关。说明SOC只能在较小的程度上影响Ca2+、SO42-、Cl-三个离子的含量(表4)。SOC与土壤pH达到显著正相关。

表4 SOC与土壤盐分离子、全盐、pH间的相关性

3 讨论

土壤盐分的空间分布格局是由地形、地下水埋藏深度、地下水矿化程度、土地利用方式以及人类灌排措施等多种因素共同作用的结果[26]。而本研究中土壤全盐主要受人为因素的影响（表3）。从土壤盐分含量的空间分布图（图2 B）来看，试验区内土壤盐分含量总体较低，一来是因为试验区位于贺兰山东麓地区，较宁夏其他地区而言地势相对较高，排水状况较好，地下水埋藏较深，矿化度也很低，农田土壤处于脱盐过程，故土壤盐渍化的程度较低；二则是因为玉米的整个生育期内，试验区共进行了6次灌水，比往年（2019年以前）要多。土壤中的盐分随着灌水向土层深处移动[29]，使得试验区内农田土壤的盐分含量维持在一个相对较低的水平，但在试验区的一些的边缘地带，土壤的表面仍出现了盐霜，这就是土壤全盐分布格局中（图2）西北角土壤全盐出现部分高值区的原因。土壤全盐在空间分布特征为沿试验区中心位置（短对称轴）呈南北对称分布，高值区大致分布在南北对角线两侧。试验区施肥采用的时水肥一体化的模式，渠道的方向位于东北—西南方。图2中试验地中部地区土壤全盐含量的低值区较为靠近灌水施肥的渠道，因此空间分布图中部区域出现土壤全盐含量的低值中心。

SOC的空间分布特征呈现东部高四周低的趋势，是人为因素和自然因素共同作用的结果（表3）。成土母质和气候条件等因素在大、中空间尺度上的差异较大，而对小空间尺度来说地形因素的作用则更为明显。海拔高度主要通过影响当地温度和降水的变化格局进而影响SOC的含量[28]。本研究试验区属于小空间尺度，由图7可知试验区海拔同样存在着中东部高四周低的特点，这与SOC的空间分布特征存在一定的相似性。研究表明随着海拔高度的增加，SOC含量呈现逐渐增大的趋势[30]。同时试验区中部地区土壤质地较细，土壤组成中含有一些黏粒，而黏粒易与有机物结合生成复合物，从而降低了农田土壤中有机质的移动性[31]。黏粒含量越多，土壤中的有机质越容易被吸附和积累[32]。由于试验区在进行灌溉的同时进行了施肥（水肥一体化），促进了玉米的生长发育，使得农田内玉米根茬、茎叶等残留物增多，从而间接增加了试验田土壤中有机质的含量。一般而言，土壤的盐碱化程度越高，SOC的含量就会越低。WIESKI等[33]认为当研究区内盐度较高（＞15）时，植物受到盐碱胁迫，故影响其向土壤中输入有机质。本文研究区属于低盐渍化地区，同时玉米具有一定的耐盐碱的特征，受盐碱化的影响较低。随着进一步的研究发现[34,35]：土壤含盐量较高的地区SOC含量也越高，但是二者之间的正相关关系可能仅存在于一个限定在盐度区间。通过SOC、土壤盐分和pH的空间插值分析，三者在空间分布上，存在一定的相关性，SOC含量较高的地方，大多也是土壤盐分和pH含量分布的中高值区域。本研究将各数据表征在空间地图上有利于对农田进行精细化调控和智慧农业的发展，同时为SOC与土壤盐碱化、作物之间的相互反馈机制研究提供参考。

盐碱化土壤中过量的可交换性Na+和可溶性盐会导致试验田内的水分流失，土壤结构不良甚至加剧土壤的侵蚀[36]。同时造成土壤对有机物质的吸附与保存能力下降，SOC矿化加速，从而导致试验田内土壤肥力下降[37]。另外土壤中Mg2+与Na+含量的过度累积也会对玉米作物产生毒害作用，导致玉米作物细胞出现结构性损伤，阻碍玉米的光合作用，抑制玉米的生长，降低玉米的产量，并限制当地农业生产潜力的提升[38,39]。随着碳中和研究的进一步开展，盐碱土壤在碳循环中扮演的“碳汇”、“碳源”角色得到了越来越多的关注。以往的研究中认为有机质含量较高时可以有效改善土壤盐渍化。但本研究认为，SOC含量较低时，SOC与全盐呈显著正相关，当SOC含量增加到T5时，全盐会随着SOC含量的增加而减少。这种现象的出现可能是因为本地土壤为碱土，土壤中粉砂细砂含量较多，土壤质地决定了土壤水的毛细上升作用，土壤质地越细越容易导致土壤盐渍化的发生[40]。展秀丽等[41]研究了宁夏当地SOC与土壤粒度的关系，结果显示SOC含量在0.006~5.78 g·kg-1时，SOC与粉砂和细砂含量呈显著正相关，与中砂和粗砂含量呈显著负相关；而毛丽等[42]认为SOC含量大于6.53 g·kg-1时，对于翻耕地和草地，SOC与粉砂含量分别呈显著和一定负相关关系，与中砂含量呈显著正相关关系。因此当SOC含量小于T5时，随着SOC含量的增加，细砂和粉砂含量增加，土壤盐渍化程度增强；而当SOC含量大于T5时，随着随着SOC含量的增加，细砂和粉砂含量减少，土壤盐渍化程度减弱。同时当SOC含量大于大于T5（有机质四级）时，有利于促进植物生长，粗砂组分含量增加，土壤盐渍化程度减弱[43]。随着SOC含量（＞T5）的增加，土壤结构逐渐改善，土壤盐渍化程度逐渐减弱。于君宝等人[44]的研究中，试验地SOC含量均值为0.365 g·kg-1，新生滨海盐渍化区SOC含量与盐分呈正相关，郝存抗等人[45]的研究中，试验地SOC含量均值大于6 g·kg-1，即大于T5时，滨海盐渍土SOC与盐分呈负相关，与本文的研究结果相一致。

土壤pH是土壤的基本性质之一，也是影响土壤理化性质的一个重要化学指标，它直接影响着土壤中的各元素的物质形态及迁移转化过程。大多数研究表明，SOC与土壤pH之间存在显著负相关关系[46,47]，少部分研究认为SOC与土壤pH不存在相关关系[48]，还有研究认为土壤pH需要在一定范围内才有意义[49]。而本研究认为SOC含量在1.00~6.00 g·kg-1范围内，SOC与土壤pH存在显著正相关关系（P＜0.05）。具体原因还待进一步研究。

4 结论

（1）试验区内SOC呈现出东部高四周低的分布特点；土壤全盐和大多数盐分离子（Ca2+、Mg2+、Na+、SO42-、Cl-）沿试验区中心呈南北对称分布的特点，高值区大致分布在南北对角线两侧；土壤pH呈条带状分布，具有中部高四周低的分布特点。

（2）试验区随着SOC含量的增加，土壤全盐、土壤pH、Ca2+、K+、Mg2+、Na+、Cl-、SO42-、CO32-、Cl-含量呈现先波动增大后减小的趋势。SOC含量在1.00~6.00 g·kg-1时，随着SOC含量的增加，HCO3-整体呈增加趋势；当SOC含量大于5.00~6.00 g·kg-1时，有利于改善土壤盐渍化问题。

（3）试验区土壤 pH 值范围在8.47~9.44之间，总体呈碱性。SO42-、Mg2+、Na+是试验区组成土壤盐分的主要离子，CO32-和HCO3-是试验区发生碱化的主导因子。

参考文献

[1] 秦大河.气候变化科学与人类可持续发展[J].地理科学进展,2014,33(07):874-883.

[2] XIA L L, LAM S K, CHEN D L, et al. Can knowledge-based N management produce more staple grain with lower greenhouse gas emission and reactive nitrogen pollution? A meta-analysis. Global Change Biology, 2017, 23(7): 1917-1925.

[3] TANG J, WANG J J, Li Z Y, et al. Effects of Irrigation Regime and Nitrogen Fertilizer Management on CH₄, N₂O and CO₂ Emissions from Saline–Alkaline Paddy Fields in Northeast China[J]. Sustainability,2018,10(2).

[4] 李长生，肖向明，S.Frolking，等.中国农田的温室气体排放[J].第四纪研究,2003(05):493-503.LI C S, XIAO X M, STEPHEN F, et al. Greenhouse gas emissions from croplands of china[J]. Quaternary Sciences ,2003(05):493-503.

[5] 韩广轩，周广胜，许振柱.中国农田生态系统土壤呼吸作用研究与展望[J].植物生态学报,2008(03):719-733.

[6] 蒋静，翟登攀，张超波.灌溉施肥水平对盐渍化农田水盐分布及玉米产量的影响[J].应用生态学报,2019,30(04):1207-1217.

[7] 全国土壤普查办公室.中国土壤[M].北京：中国农业出版社.1998.

[8] 陈淑敏，金钊，张晶，等.陕北不同沟道土地盐碱化现状及影响因素[J].地球环境学报, 2020,11(01):81-89.

[9] 梁文举，董元华，李英滨，等.土壤健康的生物学表征与调控[J].应用生态学报,2021,32(02):719-728.

[10] DATTA K K ,JONG C D. Adverse effect of waterlogging and soil salinity on crop and land productivity in northwest region of Haryana, India[J]. Agricultural Water Management,2002,57(3).

[11] 张源沛，胡克林，李保国，等.银川平原土壤盐分及盐渍土的空间分布格局[J].农业工程学报,2009,25(07):19-24.

[12] 刘洪波，丁邦新，白云岗，等.典型干旱区绿洲春季土壤盐分空间分布特征分析[J].土壤通报,2021,52(02):279-285.

[13] 陈思明,王宁,张红月,秦艳芳,邹双全.闽江河口湿地土壤盐分的空间分异与集聚特征[J].应用生态学报,2020,31(02):599-607.

[14] 王波,杨树青,袁宏颖,郑彦,张晶.乌拉特灌域表层土壤盐分空间变异及季节性分布特征[J].中国土壤与肥料,2022(04):29-36.

[15] 王飞,杨胜天,丁建丽,魏阳,葛翔宇,梁静.环境敏感变量优选及机器学习算法预测绿洲土壤盐分[J].农业工程学报,2018,34(22):102-110.WANG F, YANG S T, DING J L et al. Environmental sensitive variable optimization and machine learning algorithm using in soil salt prediction at oasis[J]. Transactions of the Chinese Society of Agricultural Engineering

[16] 杨顺华,张海涛,郭龙,任艳.基于回归和地理加权回归Kriging的土壤有机质空间插值[J].应用生态学报,2015,26(06):1649-1656.

[17] 文雯,周宝同,汪亚峰,黄勇.基于辅助环境变量的土壤有机碳空间插值——以黄土丘陵区小流域为例[J].生态学报,2013,33(19):6389-6397.

[18] 丁亚鹏,张俊华,刘玉寒,卢翠玲,王烁骞,秦静婷,丁圣彦.基于GWR模型的伊河流域土壤有机碳空间分布特征及影响因素分析[J].生态学报,2021,41(12):4876-4885.

[19] 赖雨晴,孙孝林,王会利.人工神经网络及其与地统计的混合模型在小面积丘陵区土壤有机碳预测制图上的应用研究[J].土壤通报,2020,51(06):1313-1322.

[20] 郝存抗，周蕊蕊，鹿鸣，等.不同盐渍化程度下滨海盐渍土有机碳矿化规律[J].农业资源与环境学报,2020,37(01):36-42.

[21] 刘凯，杨继松，袁晓敏，等.Cl^-和SO₄^2-输入对辽河口芦苇湿地土壤有机碳矿化的影响[J].生态学杂志,2018,37(08):2269-2276.

[22] 杜书栋，白军红，贾佳，等.黄河三角洲芦苇湿地土壤有机碳储量沿盐分梯度的变化特征[J].环境科学学报,2022,42(01):80-87.DU S D, BAI J H,JIA J, et al. Changes of soil organic carbon storage in Phragmites australis wetlands along asalinity gradient in the Yellow River Delta[J]. Acta Scientiae Circumstantiae,2022,42(01):80-87.

[23] 颜安，王泽，蒋平安，等.土壤盐分对干旱区盐渍土壤碳垂直分布的影响[J].干旱区研究,2017,34(04):770-774.

[24] 鲍士旦.土壤农化分析[M].北京:中国农业出版社.

[25] 鲁力，李升，高远，等.渭-库绿洲土壤盐分空间分布及变异特征[J].干旱区资源与环境,2022,36(03):136-142.

[26] 段梦琦,张晓光,王豹.黄河三角洲典型区土壤盐分空间分布预测方法研究[J].中国农业资源与区划,2021,42(08):243-250.

[27] 刘雅清，王磊，赵希妮，等.宁夏河套灌区典型区域土壤盐碱化空间变异特征[J].土壤通报,2019,50(06):1269-1277.

[28] 丁金梅,王维珍,米文宝,侯凯元,张喜旺,赵亚楠,文琦.宁夏草地土壤有机碳空间特征及其影响因素分析[J/OL].生态学报,2023(05):1-10[2022-07-30].

[29] 李玲，仇少君，檀菲菲，等.盐分和底物对黄河三角洲区土壤有机碳分解与转化的影响[J].生态学报,2013,33(21):6844-6852.

[30] 吴梦瑶,陈林,庞丹波,刘波,刘丽贞,邱开阳,李学斌.贺兰山不同海拔土壤团聚体碳氮磷含量及其化学计量特征变化[J].应用生态学报,2021,32(04):1241-1249.

[31] 刘文全,卢芳,徐兴永,付云霞,付腾飞,陈广泉.滨海废弃盐田复垦区土壤盐分和有机质的空间变异特征[J].农业工程学报,2019,35(19):183-190.

[32] 师晨迪,许明祥,邱宇洁,张志霞,张晓伟.黄土丘陵区县域农田土壤近30年有机碳变化及影响因素研究:以甘肃庄浪县为例[J].环境科学,2014,35(03):1098-1104.

[33] Kazimierz Więski,Hongyu Guo,Christopher B. Craft,Steven C. Pennings. Ecosystem Functions of Tidal Fresh, Brackish, and Salt Marshes on the Georgia Coast[J]. Estuaries and Coasts,2010,33(1).

[34] 姜俊彦,黄星,李秀珍,闫中正,李希之,丁文慧.潮滩湿地土壤有机碳储量及其与土壤理化因子的关系——以崇明东滩为例[J].生态与农村环境学报,2015,31(04):540-547.

[35] 王宝霞,曾从盛,陈丹,王维奇,张林海.互花米草入侵对闽江河口芦苇湿地土壤有机碳的影响[J].中国水土保持科学,2010,8(05):114-118.

[36] BOHN H L. Estimate of Organic Carbon in World Soils: II[J]. Soil Science Society of America Journal,1982,46(5).

[37] DALIAKOPOULOS I N, TSANIS I K, KOUTROULIS A, et al. The threat of soil salinity: A European scale review[J]. Science of the Total Environment,2016,573.

[38] YU J B, WANG Z C, FRANZ X, et al. Biogeochemical Characterizations and Reclamation Strategies of Saline Sodic Soil in Northeastern China[J]. CLEAN – Soil, Air, Water,2010,38(11).

[39] PANUCCIO M R, JACOBSEN S E, AKHTAR S S, et al. Effect of saline water on seed germination and early seedling growth of the halophyte quinoa.[J]. AoB PLANTS,2014,6(0).

[40] 刘庆生,刘高焕,赵军.土壤类型、质地和土地类型对土壤盐渍化水平的指示[J].中国农学通报,2008(01):297-300.

[41] 展秀丽,许艺馨,王红,高滢,韩磊.宁夏东部风沙区固定沙丘土壤性质小尺度空间变异特征[J].应用生态学报,2021,32(09):3195-3203.

[42] 毛丽,苏志珠,王国玲,马义娟,李想.毛乌素沙地不同土地利用类型的土壤粒度及有机质特征[J].干旱区研究,2019,36(03):589-598.

[43] 田飞,王永,袁路朋,汤文坤.浑善达克沙地碱湖表层沉积物的粒度、沉积有机质变化特征与指示意义[J].地学前缘,2022,29(02):317-326.

[44] 于君宝，陈小兵，毛培利，等.新生滨海湿地土壤微量营养元素空间分异特征[J].湿地科学,2010,8(03):213-219.

[45] 郝存抗，周蕊蕊，鹿鸣，等.不同盐渍化程度下滨海盐渍土有机碳矿化规律[J].农业资源与环境学报,2020,37(01):36-42.

[46] 于秀丽.内陆盐碱湿地土壤pH对土壤有机碳含量的影响[J].中国农机化学报,2019,40(11):203-208.

[47] 夏志坚，白军红，贾佳，等.黄河三角洲芦苇盐沼土壤碳、氮含量和储量的垂直分布特征[J].湿地科学,2015,13(06):702-707.

[48] 张剑,王利平,谢建平,赵庭伟,曹建军.敦煌阳关湿地土壤有机碳分布特征及其影响因素[J].生态学杂志,2017,36(09):2455-2464.

[49] 王清奎,汪思龙,冯宗炜,黄宇.土壤活性有机质及其与土壤质量的关系[J].生态学报,2005(03):513-519.