伊犁绢蒿荒漠草地围封后的土壤动态
夏小伟, 靳瑰丽, 安沙舟, 范燕敏, 魏秀红
新疆农业大学草业与环境科学学院,新疆草地资源与生态重点实验室,新疆 乌鲁木齐 830052
安沙舟(1956-),陕西富平人,教授,博导,博士,研究方向为草地资源与生态研究。E-mail:xjasz@126.com

第一作者:夏小伟(1990-),安徽合肥人,在读硕士生,研究方向为草地资源与生态。E-mail:646452300@qq.com

摘要

本研究对伊犁绢蒿( Seriphidium transiliense)荒漠草地的土壤理化性质及光谱进行测定,探讨围封对土壤理化性质的影响和草地光谱的响应。结果表明,土壤含水量在各土层随植物生长期呈递减趋势,5月与9月土壤含水量随围封年限的延长总体上呈增加趋势,并对群落光谱和土壤含水量间关系进行建模, R2=0.63;土壤有机质随封育年限增加呈升-降-升的趋势,围栏内外有机质差值在5月随封育年限的增加而增加,封育7年、10年草地有机质差值,植物生长期内呈线性递减。通过室内土壤光谱及野外裸地光谱对土壤有机质进行建模,均取得较好效果, R2分别为0.64与0.38。研究表明,草地土壤含水量及有机质对于草地恢复状况较为敏感,可用于该类草地封育状况的监测。

关键词: 伊犁绢蒿; 土壤含水量; 有机质; 全氮; 碱解氮; 建模
中图分类号:S812.2 文献标志码:A 文章编号:1001-0629(2016)4-0573-11 doi: 10.11829/j.issn.1001-0629.2015-0587
Soil physicochemical properties and hyperspectral feature of Seriphidium transiliense desert grassland
Xia Xiao-wei, Jin Gui-li, An Sha-zhou, Fan Yan-min, Wei Xiu-hong
Department of Pratacultural and Environmental Science, Xinjiang Agriculture University; Xinjiang Key Laboratory of Grassland Resources and Ecology, Urumqi 830052, China
Corresponding author: An Sha-zhou Emai: xjasz@126.com
Abstract

The present study measured soil physicochemical and grassland spectrum of Seriphidium transiliense desert grassland to discuss their response to enclosure. The results showed that soil water content decreased during the growth period and increased with the enclosure period extending in May and September. The model of the relationship between community spectrum and soil water content was simulated with R2 of 0.633. The difference of soil organic matter between inside and outside of fence in May increased with the enclosure period extending. Difference of soil organic matter decreased linearly in grassland enclosed 7 and 10 years. The models simulated with both indoor soil spectra and the field bare land spectra were optimal with R2 of 0.64 and 0.38, respectively. These results showed that soil moisture and organic matter were sensitive to grassland restoration which can be used to monitor S. transiliense desert grassland.

Keyword: Seriphidium transiliense; soil water content; organic matter; total nitrogen; alkali-hydrolyzable nitrogen; modeling

伊犁绢蒿(Seriphidium transiliense)主要分布于天山以北的荒漠地带, 地处中亚荒漠气候控制之下, 为典型的中亚气候荒漠代表性植被。伊犁绢蒿荒漠是新疆荒漠草地的组成部分之一, 总面积114.25万hm2, 是当地重要的春秋牧场, 对畜牧业意义重大[1]

伊犁绢蒿荒漠生境严酷, 降水不足, 且蒸发强烈, 生态系统十分脆弱。近年来, 随着畜牧业的发展, 草地过牧现象普遍, 利用价值下降, 生态系统处于崩溃的边缘。为合理利用与保护这一资源, 研究者们对种群生物学特性[2, 3, 4]、植被演替趋势[5]、植物生态适应对策[4]、土壤种子库及幼苗输出[6]等方面已经进行了详实的研究, 并为草地的合理利用与保护提供了科学合理的理论支撑, 同时也为采用遥感技术快速监测草地提供了生理生态学基础数据。但是, 有关土壤遥感方面阐述封育对草地生态恢复方面的研究相对较少[1], 特别是从高光谱遥感的方向对封育草地土壤理化性质恢复状况的研究少有报道。

目前, 采用遥感技术在农田土壤方面已进行了大量详实的研究, 主要侧重于土壤有机质[7]、氮素[8]、盐分[9]、含水量[10]、氧化铁[11]等理化性质的估测与填图。对于荒漠土壤来说, 由于其在生产上地位较低, 故研究者们采用遥感技术对荒漠区土壤的盐碱化[12]、沙化[13]等方面有较少的研究。针对荒漠草地的遥感研究主要侧重于地上部分的估测, 也有基于地面高光谱对不同干扰下特征植物[14]光谱特征变化的研究。荒漠区植物群落盖度低, 土壤背景影响大, 在草地生态系统恢复过程中土壤是必不可少的一环。而且, 荒漠草地在新疆的畜牧业生产中具有重要地位[1], 故对于伊犁绢蒿荒漠草地封育恢复地监测具有其特殊的意义。

本研究以乌鲁木齐市米东区伊犁绢蒿荒漠草地为对象, 针对草地土壤高光谱特征进行研究, 筛选相关参数, 探讨在封育条件下伊犁绢蒿荒漠草地土壤理化性质的变化趋势及光谱是如何响应的, 构建伊犁绢蒿荒漠草地土壤理化性质高光谱模型, 以期为快速、有效监测荒漠草地土壤养分提供理论基础。

1 材料与方法
1.1 研究区概况

研究区位于新疆乌鲁木齐市米东区芦草沟乡, 43° 53' N, 87° 45' E, 海拔840~1 100 m, 属大陆性中温带干旱气候, 光照充足, 蒸发量大, 年内、昼夜温差大, 年平均降水212 mm, 年均温7.3 ℃, 无霜期165 d, 全年多西北风。该研究区以伊犁绢蒿半灌木为建群种, 伴生叉毛蓬(Petrosimonia sibirica)、角果藜(Ceratocarpus arenarius)和葶苈(Draba nemorosa)一年生植物, 春季涩荠(Malcolmia maritima)和弯果胡卢巴(Trigonella arcuata)短生植物发育较好。

1.2 试验设计

本研究于2014年5月、7月和9月测定围栏内外植物群落。研究区设有3个封育年限, 分别为2、7和10年, 作为不同干扰强度, 在每个围栏内设5个样方, 围栏外设3个样方, 1 m× 1 m, 共24个。

1.3 数据测定方法

1.3.1 野外光谱数据采集 采用美国SVC HR-768便携式光谱仪(350-2 500 nm)。采集光谱尽量选择在晴朗干燥微风无云的天气, 为减少太阳高度角对反射率的影响, 测定时间为北京时间12:00-14:00。每次开机进行一次暗电流校正, 测定植物群落光谱反射率时, 探头与地面始终保持垂直, 距冠层1 m高, 在样方中均匀的测5条光谱反射率。

1.3.2 室内土壤光谱的采集 在暗室内, 采用便携式光谱仪在45 W卤光灯下进行室内土壤光谱的测定。光源的倾角为15° , 光谱仪离土壤表面40 cm, 视场角8° 。将过2 mm筛的土样倒入一个直径约15 cm的圆盘内, 土壤厚度为3~4 cm, 将表面用尺子刮平, 置于镜头正下方, 重复10次, 每次测量后将圆盘旋转30° 左右, 仪器每隔30 min进行一次暗电流校正, 每隔10 min进行一次白板校正。

1.3.3 土壤理化性质测定 在植被指标测定的同时, 在野外同步同点采集0-5、5-10和10-20 cm土层样品, 然后室内检测土壤样品的理化性质[7, 10]:土壤含水量、土壤有机质、全氮、速效氮、速效磷、速效钾。土壤含水量采用烘干法测定; 速效氮测定采用碱解扩散法, 速效磷先用NaHCO3浸提, 然后采用钼锑抗比色法, 速效钾先用NH4OAC浸提, 然后采用火焰光度法测定, 全氮先用H2SO4-H2O2消煮, 然后采用奈氏比色法, 有机质采用比色法测定。

1.4 数据处理方法

光谱数据受仪器温度和电流影响, 可能会出现异常大或小的光谱反射率, 需先剔除光谱反射率异常的数据, 然后将数据按样本归类取均值。

1.4.1 光谱平滑 由于光谱各波段对能量响应上具有差异, 加之仪器受电压及温度的影响, 光谱曲线总存在噪声, 难以得到平稳的信号。对于光谱曲线的高频噪声, 在处理中常进行平滑处理, 较常用的平滑方法有, 移动平滑, Savitzky-Golay平滑和小波平滑等, 本研究选择9点加权平滑对光谱进行去噪[15]

1.4.2 光谱变换 光谱微分[16]数据可以有效快速地得出光谱的极值点与拐点, 扩大光谱信号, 提供光谱斜率信息, 降低低频噪声的影响, 有助于提高光谱与土壤养分的相关性; 对数变换对于光谱特别是可见光部分, 能扩大光谱间差异[17]

1.4.3 去包络线 包络线消除法[18]可以有效地突出光谱曲线的吸收与反射特征, 并将其标准到一个一致的光谱背景上, 有利于和其它光谱曲线进行特征数值的比较, 从而提取出特征波段, 以供分类识别。

1.4.4 相关性分析 先选定进行相关性分析的参数, 植被方面有群落的平均高度、盖度、鲜重、干重及群落植被含水率, 土壤方面有不同土层土壤含水率、速效氮、速效磷、速效钾、全氮和有机质; 再选择可能相关的参数与群落光谱反射率和室内土壤光谱反射率间进行相关性分析。

1.5 数据分析

数据的整理、一阶微分及标准化在Excel中完成, 光谱的去包络线在ENVI 4.7中进行, 数据的相关性分析在MATLAB(R2010b)中进行。

2 结果与分析
2.1 土壤养分的动态变化

土壤含水量在各土层随植物生长期内均呈现逐渐降低的趋势(图1), 这主要是因为土壤含水量的供给主要来自春季冰雪融水。在5月与9月, 不同封育年限的草地土壤含水量随着土壤深度的增加逐渐增加; 7月土壤含水量在封育年限及土层深度方面无明显规律。5月和9月各土层多数表现为较其它封育年份, 封育10年的土壤含水量最高(P< 0.05), 未封育、封育2年和封育7年间土壤含水量差异不显著(P> 0.05)。

图1 不同封育年限植物生长期土壤含水量变化Fig.1 Change of soil water content in plant growth period under different enclosing years

土壤全氮、有机质、速效氮、速效磷和速效钾在不同的封育年限下均随土层深度的加深而减少(图2), 在不同封育年限间, 土壤有机质、全氮、速效钾、速效磷及速效氮变化规律不同, 表现为有机质先升高后降低再升高(10-20 cm层中先降低再升高)的趋势, 而全氮、速效钾、速效磷及速效氮均表现为先降低后升高最后降低。其中, 3个土层的速效钾和速效磷均差异显著(P< 0.05), 0-5 cm的全氮、有机质及速效氮与5-10和10-20 cm土层均差异显著, 5-10与10-20cm间差异不显著(P> 0.05)。封育7年的全氮和速效钾均显著高于其它封育年限, 封育10年的有机质含量显著高于其它封育年限。封育0年的草地土壤养分除有机质外与封育10年间均无显著差异, 封育0年的土壤各养分含量均处与中等水平。

图2 不同封育年限不同土层土壤养分动态变化Fig.2 Dynamic change of soil nutrient of different soil layers under different enclosing years

为了排除各围栏外由植被及微地形引起的差异, 对各个围栏内外的养分做差值分析(图3)。随着封育年限的增加, 围栏内土壤中全氮在封育2年和10年在植物生长期内先增加后减少的趋势, 而封育7年围栏内较围栏外呈降低的趋势; 速效钾在封育2年、7年随植被生长期呈先降低后增加, 而封育10年先增加后降低; 速效磷在封育2年呈先降低后增加, 而封育7年、10年呈先增加后降低; 围栏内外碱解氮的变化没有明显规律, 不同封育年限具有不同的变化趋势; 土壤有机质在5月随着封育年限的增加呈现逐渐增加的趋势, 封育2年的土壤有机质植物生长期内围栏内外波动十分小, 而封育7年及10年的土壤有机质植物生长期内呈线性递减关系, 在9月份围栏内土壤有机质较围栏外均为亏损状态, 且在封育7年下群落9月围栏内有机质较围栏外亏损最严重。

图3 不同封育年限土壤养分围栏内外的月动态Fig.3 The montly dynamic changes of soil nutrients of inside and outside of the fence with different enclosing years

除速效磷外, 土壤有机质、全氮、速效钾和速效氮4种养分间呈显著正相关关系(P< 0.05), 速效磷只和速效钾之间呈极显著正相关(P< 0.01), 与另外3种养分间相关性均不显著(P> 0.05)(表1)。

表1 不同土层土壤养分间相关性分析 Table 1 Correlation analysis between soil nutrients of different soil layers
2.2 土壤光谱与养分的相关性分析

风干后土壤3个土层中速效钾、速效磷含量在380-2 500 nm范围内与光谱反射率相关系数为-0.3~0.2; 全氮、有机质与速效氮含量与光谱反射率在波段范围内最大相关系数分别为-0.61、-0.63与-0.81(图4)。其中, 各指标中有机质含量与光谱反射率相关性最高, 在380-850 nm范围3个土层的相关性均小于-0.7, 特别是在0-5 cm土层, 在622 nm左右达到-0.81; 速效氮在3个土层中相关系数最大值均在630 nm左右, 表现为自土壤表层向下递减, 相关系数分别为-0.63、-0.60和-0.58; 全氮在3个土层中相关性最大值均在590 nm左右, 表现为0-5 cm> 10-20 cm> 5-10 cm, 相关系数分别为-0.61、-0.49和-0.46。

图4 不同土层土壤养分与原始光谱相关性Fig.4 Correlation between soil nutrient and the original spectrum of different soil layers

2.3 土壤光谱特征的分析

土壤的光谱主要受土壤质地、土壤颜色及水分的影响, 本研究采用风干后土壤, 去除了土壤自由水对光谱的影响, 但土壤中大部分束缚水依然束缚在土壤中, 在土壤中其它组分对光谱吸收不强时, 由于水极高的吸光系数, 依然会在1 450与1 940 nm处具有明显吸收谷。另一方面, 土壤中有机质是全氮、速效氮、速效钾重要的养分的来源, 各自含量与土壤有机质有相关性(表1), 土壤有机质含量影响光谱的吸收特征。

原始光谱反射率图中(图5), 在380-580 nm范围内, 光谱反射率急剧上升, 自580 nm以后开始出现分化。对于原始反射率, 封育7年的光谱反射率最高, 封育10年最低, 0年及2年介于两者之间; 对于一阶微分, 封育7年的曲线在400-800 nm范围内由最大值变为最小值, 而封育10年的曲线在这一范围则由最小值变为最大值, 另外两条曲线基本介于两者之间, 这与去原始光谱反射率相一致; 对数一阶微分光谱中只在部分位置能够看出4条曲线的差异, 与一阶微分相似; 对于去包络线光谱在660 nm处封育7年反射率最大。

图5 不同封育年限土壤0-5 cm土层光谱特征动态变化Fig.5 Dynamic change of spectral features in 0-5 cm soil layer under different enclosing years

2.4 土壤理化性质模型的构建

伊犁绢蒿荒漠草地随着封育年限的增加, 土壤含水量呈逐渐增加的趋势(图1)。这主要由于植被的恢复增加了土壤保水能力, 对于伊犁绢蒿荒漠草地群落来说, 群落的含水量等于植被含水量与土壤含水量的加权平均。笔者做出假设, 土壤作为群落组成的重要端元, 同时制约着群落中同种植被的含水量, 所以群落含水量可以近似为土壤含水量的某一倍数, 进而可以通过群落含水量估算土壤的含水量, 故运用1 390-1 740 nm附近的吸收谷与吸收峰构建了归一化水分指数WDVI, 大量文献表明, 这一波段范围的吸收谷由水分吸收所形成, 但是在这一范围内水分吸收谷与吸收峰发生移动, 可能是由于土壤颜色及组成的差异导致的, 因此对这一波段范围内光谱反射率进行排序后计算归一化水分指数, 公式如下:

WDVI=(吸收峰-吸收谷)/(吸收峰+吸收谷)。

土壤含水量与WDVI之间呈正相关(图6), 运用WDVI对土壤含水量进行估测, R2=0.42, 具有较高的决定系数。在低土壤含水量区域, 散点分布相对集中, 而在高土壤含水量区域, 散点分布分散。由于植物生长期内伊犁绢蒿荒漠草地含水量基本呈递减状态, 故对3个生长期土壤含水量与WDVI间关系进行分别讨论。

图6 植物生长期土壤含水量变化Fig.6 Soil moisture changes in growing period

在3个生长期, 群落含水量与WDVI间关系差异较大, 其中5月与9月, 群落含水量与WDVI呈正相关, 而休眠期群落含水量与WDVI间基本无相关关系。选取返青期与成熟期的群落含水量与WDVI间构建群落含水量模型, R2=0.63, 其中返青期为高含水量部分, 成熟期为低含水量部分(图7)。

图7 土壤含水量最优估算模型Fig.7 Optimal model of soil moisture content

对土壤光谱进行去包络线、倒数、开方、开方倒数、一阶微分及对数微分处理, 然后对处理后光谱做相关性分析, 不同处理方式下, 光谱与有机质间相关性差异很大(图8)。其中原始光谱与土壤有机质开方间呈负相关, 而倒数、开方倒数与土壤有机质呈正相关, 去包络线、一阶微分及对数微分与土壤有机质之间相关性在前两者间上下波动, 处理后光谱相比原始光谱相关性并没有明显提高。为了简单方便, 直接选用原始光谱进行土壤有机质的估算, 选择了R587.9来对土壤各指标进行建模, 其中选择68个数据构建模型, 选择34个数据进行精度验证, 精度=(1-|实测值-估测值|/实测值)× 100%; 对于0-20 cm的选择每土层数据的2/3用于模型构建, 余下1/3用于模型的精度验证。0-20 cm范围内土壤有机质与光谱反射率呈负相关, 模型估算精度均能达到81%(表2)。0-5 cm土层土壤有机质估算精度最高, R2=0.643(图9, 表1), 随着土壤深度的增加, 有机质估算模型的R2逐渐降低。

图8 不同处理方式土壤光谱与有机质相关性Fig.8 Correlation between soil organic matter and spectra with different treated

图9 土壤有机质模型Fig.9 Model of soil organic matter

表2 土壤有机质模型 Table 2 Model of soil organic matter

虽然上述结果表明高光谱可以进行伊犁绢蒿荒漠草地土壤有机质的估算, 并用于该类草地土壤恢复状况的监测。但是上述方法需要在野外采集土壤样品进行风干过筛等工作, 工作量较大, 且相对费时费力, 故探索进行野外无损估测土壤有机质的可能性。对数据做部分处理, 在围栏内外各测定3处裸地光谱, 取平均值作为围栏内外裸地平均光谱, 将围栏内外的5个样点土壤有机质数据取平均, 作为围栏内外土壤平均有机质, 因为土壤0-5 cm的估算精度最高, 因此只选取0-5 cm的土壤有机质做探讨, 共18个数据(6个样地× 3个植被生长期)。

依然采用R587.9对土壤表层有机质进行建模(图10), 裸地光谱曲线与土壤表层有机质之间呈较高的负相关, 与室内土壤光谱估算模型一致, R2=0.38, 表明通过野外裸地光谱曲线可以无损估计土壤有机质。但群落光谱受植被干扰, 土壤有机质的吸收特征被掩盖, 且土壤有机质与植被生长状况间关系复杂, 难以从冠层层次进行土壤有机质的估算。

图10 裸地有机质模型Fig.10 Model of bare soil organic matter

3 讨论

土壤是草地植被生长的载体, 同时土壤理化性质又受草地植被的影响而改变。虽然土壤理化性质相对于植被生长状况滞后, 但其理化性质对于草地植被未来的生长状况具有指导意义, 植被恢复也伴随土壤的恢复[19]。对于荒漠草地土壤含水量具有重要意义, 它显示着生境的优劣受气候、地形及植被状况等的影响。本研究发现, 伊犁绢蒿荒漠草地植物生长期内土壤含水量呈递减趋势, 由于该类草地主要由积雪融水补给, 植物生长期内少雨干燥, 在5月及9月土壤含水量随着封育年限的增加而增加, 认为增加封育年限有助于改善土壤结构, 提高土壤孔隙度、增加土壤团粒结构, 从而提高土壤的保水能力; 土壤表层直接接触大气, 受荒漠气候影响, 降水少、蒸发强烈, 故随土壤深度增加, 土壤含水量逐渐增加; 7月用于测定的土样在一次弱降水后第3天进行采集, 表层含水量可能是受降水的影响, 因此才表现为0-20 cm土壤含水量基本一致。土壤有机质含量是土壤肥力的重要指标, 其它养分大部分来源于有机质, 有机质含量与其它养分间具有相关性[20]。本研究发现, 随着封育年限增加, 全氮、速效钾、速效磷与速效氮均先降低再升高最后再降低, 而有机质总体呈先降低后升高的趋势。这主要因为不同养分的物质循环周期具有差异, 在围栏封育过程中, 土壤养分各指标处于波动变化状态, 各指标的变化趋势有所差异, 与杨合龙等[20]的研究结果一致。在对围栏内外养分做差值分析后可以发现, 土壤有机质在5月随着封育年限的增加呈现逐渐增加的趋势, 而封育7年及10年的土壤有机质植物生长期内呈线性递减关系, 在9月份围栏内土壤有机质较围栏外均为亏损状态, 且在封育7年下群落围栏内有机质较围栏外亏损最严重, 可能由不同封育年限下有机质供给与消耗差异所造成, 封育下植被供给的枯枝落叶增多, 但植被的发育消耗的有机质也增多, 伊犁绢蒿荒漠草地植被随封育年限增加在初期快速发育, 随后群落逐渐稳定, 在植被生育期内植被对土壤养分消耗大于供给, 在非生长期内土壤有机质得到积累。因此表现为, 在5月刚返青时, 封育7年和10年围栏内土壤有机质大于围栏外; 在9月植物生长期基本结束时, 3个封育年限围栏内土壤有机质均小于围栏外, 且在封育7年围栏内土壤有机质相对于围栏外达到最小值。

土壤光谱受土壤质地、土壤颜色及水分等因素的影响, 国内外很多研究都表明, 土壤化学成分的变化会引起光谱的变化, 并可以用以定量地判断土壤的水分[21]、有机质[7, 22, 23]及氮素[24]等。本研究发现, 对于原始光谱, 在380-850 nm范围内对土壤有机质、全氮及碱解氮具有较强相关性, 这与胥静等[18]的研究结果相符, 土壤在这一范围内具有有机质吸收谷, 本研究发现, 400-880 nm范围内土壤原始反射率与有机质呈负相关, 而导数光谱及对数光谱的一阶导数在这一范围内出现由负相关向正相关的转变, 而去包络线光谱将负相关范围收缩至580-880 nm范围内。有机质是很多土壤养分的主要来源, 氮素与有机质相关性较高, 故全氮与速效氮的含量可通过有机质含量间接估测; 较原始光谱而言, 去包络线处理后光谱多了1 500和2 000 nm左右两个高相关性波段范围, 这主要位于水分及有机质和氮素官能基吸收范围内, 同时速效钾与速效磷的相关性扩大到0.4以上, 可以认为去包络线、一阶微分及对数微分处理有利于扩大各物质与官能基的吸收特征。

在返青期群落盖度大, 群落含水量主要来自于植被的含水量, 故此时的含水量水平相对较高, 但由于群落植被组成及结构的差异, 所以群落含水量与WDVI间相关性水平相对差, 群落含水量的估算精度较低; 在休眠期, 受高温干旱的影响, 不同植被的应对方式不一, 加上封育的影响, 植被含水量水平差异巨大, 各物种在夏季休眠期光谱特征有巨大差异, 所以在休眠期群落含水量与WDVI间基本无相关性; 在成熟期, 伊犁绢蒿荒漠草地群落随着类短命生植被与部分一年生植被的退出, 草地群落盖度大大降低, 群落含水量以土壤为主要组成端元, 加之此时植被物种单一, 故群落含水量与WDVI间具有较高的相关性, 且此时的估算精度在植被3个生长期中最高。

由于土壤光谱曲线主要受土壤有机质的影响, 而且土壤有机质是判断土壤肥力的主要指标之一, 因此本研究对单一波段的反射率和土壤有机质进行建模。估算精度基本达到81%, 以0-5 cm模型最好, 主要因为土壤中有机质大部分来自枯枝落叶, 受植被生长的影响, 故表现为3个指标的估算精度自表层向下逐渐递减。同时运用裸地土壤光谱对土壤表层有机质进行估算, R2=0.38, 故通过高光谱模型可对土壤的有机质进行估测, 结合5月土壤有机质差值, 认为通过光谱估测土壤有机质可以用于指示草地状况, 但是仅限于地面光谱的估测, 难以从群落层次估算。另外, 通过5月与9月群落光谱对草地土壤含水量进行估算, 取得了较好结果, 结合土壤含水量的变化情况, 认为可以通过群落光谱对伊犁绢蒿荒漠草地恢复状况进行监测。

4 结论

通过封育草地有机质的变化规律, 可以发现封育10年草地土壤有机质相对未封育草地处于高水平的平衡状态。伊犁绢蒿荒漠草地5月有机质含量可用于指示草地土壤状况, 并可以通过R587.9对表层土壤有机质进行估测。

对于伊犁绢蒿荒漠草地, 土壤含水量随封育年限的增加而增加, 并可以通过群落冠层光谱对群落土壤表层含水量进行估测。结合土壤有机质和含水量变化规律, 认为对于研究区草地在封育10年时恢复状况最好, 可进行合理利用。

The authors have declared that no competing interests exist.

参考文献
[1] 靳瑰丽. 伊犁绢蒿荒漠退化草地植物生态适应对策的研究. 乌鲁木齐: 新疆农业大学博士学位论文, 2009.
Jin G L. Study on the plant ecological adaptatian strategy of degraded Seriphidaum transiliense desert grasslaad. PhD Thesis. Urumqi: Xinjiang Agricultural University, 2009. (in Chinese) [本文引用:3]
[2] 孙宗玖. 伊犁绢蒿再生生态生物学的初步研究. 乌鲁木齐: 新疆农业大学博士学位论文, 2008.
Sun Z J. Preliminary studies on regrowth eco-biology of Seriphidium transiliense. PhD Thesis. Urumqi: Xinjiang Agricultural University, 2008. (in Chinese) [本文引用:1]
[3] 刘长娥. 天山北坡草地植物生育节律与草地合理利用模式的研究. 乌鲁木齐: 新疆农业大学博士学位论文, 2006.
Liu C E. Study on growth rhythm of plants and proper utilization model of rangeland in northern slope of Tianshan Mountains. PhD Thesis. Urumqi: Xinjiang Agricultural University, 2006. (in Chinese) [本文引用:1]
[4] 鲁为华, 朱进忠, 王东江, 靳瑰丽, 余博. 天山北坡两种退化梯度下伊犁绢蒿种群空间分布的点格局分析. 草业学报, 2009, 18(5): 142-149.
Lu W H, Zhu J Z, Wang D J, Jin G L, Yu B. Point pattern analysis of Seriphium transiliense populations under two degradation gradients in the northern Tianshan Mountains. Acta Prataculturae Sinica, 2009, 18(5): 142-149. (in Chinese) [本文引用:2]
[5] 靳瑰丽, 朱进忠, 陈乐宁, 刘洪来, 吴咏梅. 伊犁绢蒿荒漠受损草地植物群落春季演变趋势分析. 草业科学, 2007, 24(10): 26-30.
Jin G L, Zhu J Z, Chen L N, Liu H L, Wu Y M. The analysis of plant community evolvement tendency on degraded Seriphiidium transillense desert rangeland in Yili. Pratacultural Science, 2007, 24(10): 26-30. (in Chinese) [本文引用:1]
[6] 鲁为华, 任爱天, 杨洁晶, 靳瑰丽. 伊犁绢蒿年际结实量、土壤种子库及幼苗输入特征. 草业科学, 2013, 30(3): 390-396.
Lu W H, Ren A T, Yang J J, Jin G L. Study on character of annual seeds yield, soil seed bank seedling recruitment of Seriphidium transiliense. Pratacultural Science, 2013, 30(3): 390-396. (in Chinese) [本文引用:1]
[7] 刘磊, 沈润平, 丁国香. 基于高光谱的土壤有机质含量估算研究. 光谱学与光谱分析. 南京: 江苏省气象学会, 2009. [本文引用:3]
[8] 李硕, 汪善勤, 张美琴. 基于可见-近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究. 光学学报, 2012, 32(8): 297-301.
Li S, Wang S Q, Zhang M Q. Comparison among principal component regression, partial least squares regression and back propagation neural network for prediction of soil nitrogen with visible-near infrared spectroscopy. Acta Optica Sinica, 2012, 32(8): 297-301. (in Chinese) [本文引用:1]
[9] 扶卿华, 倪绍祥, 王世新, 周艺. 土壤盐分含量的遥感反演研究. 农业工程学报, 2007, 23(1): 48-54.
Fu Q H, Ni S X, Wang S X, Zhou Y. Retrieval of soil salt content based on remote sensing. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(1): 48-54. (in Chinese) [本文引用:1]
[10] 高龙梅. 麦田土壤氮素和水分的高光谱监测. 太谷: 山西农业大学硕士学位论文, 2014.
Gao L M. Monitoring the soil nitrogen and soil moisture in winter wheat flied based on the hyper-spectral technology. Master Thesis. Taigu: Shanxi Agricultural University, 2014. (in Chinese) [本文引用:2]
[11] 陈涛, 常庆瑞, 刘京. 基于光谱信息辅助的污灌区农田土壤镉协同克里格分析. 光谱学与光谱分析, 2013, 33(8): 2157-2162.
Chen T, Chang Q R, Liu J. Study of spatial interpolation of soil Cd contents in sewage irrigated area based on soil spectral information assistance. Spectroscopy and Spectral Analysis, 2013, 33(8): 2157-2162. (in Chinese) [本文引用:1]
[12] 关红, 贾科利, 张至楠, 马欣. 盐渍化土壤光谱特征分析与建模. 国土资源遥感, 2015, 27(2): 100-104.
Guan H, Jia K L, Zhang Z N, Ma X. Research on remote sensing monitoring model of soil salinization based on spectrum characteristic analysis. Remote Sensing for Land and Resources, 2015, 27(2): 100-104. (in Chinese) [本文引用:1]
[13] 陈芳, 魏怀东, 周兰萍, 丁峰, 胡小柯. 石羊河流域下游民勤县典型荒漠土壤光谱特征分析. 中国农学通报, 2013, 29(5): 183-186.
Chen F, Wei H D, Zhou L P, Ding F, Hu X K. Spectral characteristics of typical desert soil in Minqin County. Chinese Agricultural Science Bulletin, 2013, 29(5): 183-186. (in Chinese) [本文引用:1]
[14] 夏小伟, 靳瑰丽, 安沙舟, 范燕敏, 梁娜. 围栏封育下伊犁绢蒿荒漠草地特征植物高光谱特征变化分析. 草业科学, 2015, 32(6): 870-876.
Xia X W, Jin G L, An S Z, Fan Y M, Liang N. Spectral characteristics of typical plants in Seriphidium transiliense desert grassland under enclosure. Pratacultural Science, 2015, 32(6): 870-876. (in Chinese) [本文引用:1]
[15] 何挺, 王静, 林宗坚, 程烨. 土壤有机质光谱特征研究. 武汉大学学报(信息科学版), 2006, 31(11): 975-979.
He T, Wang J, Lin Z J, Cheng Y. Spectral features of soil organic matter. Geomatics and Information Science of Wuhan University, 2006, 31(11): 975-979. (in Chinese) [本文引用:1]
[16] 钱育蓉, 于炯, 贾振红, 杨峰, 帕力旦·吐尔逊. 新疆典型荒漠草地的高光谱特征提取和分析研究. 草业学报, 2013, 22(1): 157-166.
Qian Y R, Yu J, Jia Z H, Yang F, Palidan·Tuerxun. Extraction and analysis of hyper-spectral data from typical desert grassland in Xinjiang. Acta Prataculturae Sinica, 2013, 22(1): 157-166. (in Chinese) [本文引用:1]
[17] 陈红艳, 赵庚星, 李希灿, 朱西存, 隋龙, 王银娟. 基于小波变换的土壤有机质含量高光谱估测. 应用生态学报, 2011, 22(11): 2935-2942.
Chen H Y, Zhao G X, Li X C, Zhu X C, Sui L, Wang Y J. Hyperspectral estimation of soil organic matter content based on wavelet transformation. Chinese Journal of Applied Ecology, 2011, 22(11): 2935-2942. (in Chinese) [本文引用:1]
[18] 胥静, 武红旗, 蒋平安, 盛建东. 新疆典型草地土壤光谱特征研究. 草地学报, 2014, 22(5): 980-985.
Xu J, Wu H Q, Jiang P A, Sheng J D. Soil spectral property of Xinjiang Grassland . Acta Agrestia Sinica, 2014, 22(5): 980-985. (in Chinese) [本文引用:2]
[19] 吴恩岐. 干草原沙化草地生态恢复过程中植被与土壤变化研究. 呼和浩特: 内蒙古农业大学硕士学位论文, 2004.
Wu E Q. The Changeful research of vegetation and soil in the process of ecological restoration on sand ification rangeland of dry steppe. Master Thesis. Huhhot: Inner Mongolia Agricultural University, 2004. (in Chinese) [本文引用:1]
[20] 杨合龙, 孙宗玖, 陈玉萍. 封育年限对伊犁绢蒿荒漠群落特征及草场质量的影响. 草地学报, 2015, 23(2): 252-257.
Yang H L, Sun Z J, Chen Y P. Effects of enclosure years on the grassland community characteristics and pasture mass index of Seriphidium transiliense desert grassland . Acta Agrestia sinica, 2015, 23(2): 252-257. (in Chinese) [本文引用:2]
[21] 于世凯. 基于高光谱的土壤有机质含量反演研究. 北京: 中国农业科学院硕士学位论文, 2013.
Yu S K. Study on the inversion of soil organic matter content based on hyper-spectrum. Master Thesis. Beijing: Chinese Academic of Agricultural Sciences, 2013. (in Chinese) [本文引用:1]
[22] 郑小坡, 孙越君, 秦其明, 任华忠, 高中灵, 吴伶, 孟庆野, 王金梁, 王建华. 基于可见光-短波红外波谱反射率的裸土土壤含水量反演建模. 光谱学与光谱分析, 2015, 35(8): 2113-2118.
Zheng X P, Sun Y J, Qin Q M, Ren H Z, Gao Z L, Wu L, Meng Q Y, Wang J L, Wang J H. Bare soil moisture inversion model based on visible-shortwave infrared reflectance. Spectroscopy and Spectral Analysis, 2015, 35(8): 2113-2118. (in Chinese) [本文引用:1]
[23] 卢艳丽, 白由路, 杨俐苹, 王红娟. 基于高光谱的土壤有机质含量预测模型的建立与评价. 中国农业科学, 2007, 40(9): 1989-1995.
Lu Y L, Bai Y L, Yang L P, Wang H J. Prediction and validation of soil organic matter content based on hyperspectrum. Scientia Agricultura Sinica, 2007, 40(9): 1989-1995. (in Chinese) [本文引用:1]
[24] 张瑶, 李民赞, 郑立华, 杨玮. 基于近红外光谱分析的土壤分层氮素含量预测. 农业工程学报, 2015, 31(9): 121-126.
Zhang Y, Li M Z, Zheng L H, Yang W. Prediction of soil total nitrogen content in different layers based on near infrared spectral analysis. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(9): 121-126. (in Chinese) [本文引用:1]