不同基材邊坡土壤肥力變化趨勢預測
——以向家壩水電站工程區(qū)為例

周明濤, 胡旭東, 許文年

(1.三峽庫區(qū)生態(tài)環(huán)境教育部工程研究中心, 湖北 宜昌 443002; 2.三峽大學 土木與建筑學院, 湖北 宜昌 443002)

?

不同基材邊坡土壤肥力變化趨勢預測
——以向家壩水電站工程區(qū)為例

周明濤1,2, 胡旭東2, 許文年1,2

(1.三峽庫區(qū)生態(tài)環(huán)境教育部工程研究中心, 湖北 宜昌 443002; 2.三峽大學 土木與建筑學院, 湖北 宜昌 443002)

[目的] 對向家壩水電站工程區(qū)7種不同基材邊坡土壤在2005—2014年的肥力進行測定和分析，并預測未來肥力變化趨勢，旨在為大型水利水電工程區(qū)邊坡植被重建及生態(tài)恢復提供理論與技術支撐。 [方法] 運用灰色理論研究各肥力因子間的灰色關聯(lián)度，以此確立主要肥力因子來表征土壤肥力，而后建立Logistic預測模型探討土壤肥力未來25 a的變化情況。 [結果] 微生物量與其他肥力因子間的灰色關聯(lián)度均大于其他肥力因子相互之間的灰色關聯(lián)度，可作為主要肥力因子來表征土壤的肥力水平；2005—2040年上述邊坡土壤微生物量(肥力水平)總體表現(xiàn)為:天然林>天然次生林>植被混凝土邊坡>厚層基材>框格梁回填土>客土噴播>棄渣地。[結論] 隨著時間的推移，各邊坡土壤的微生物量(肥力水平)將最終趨向穩(wěn)定，在人工營造的邊坡植被生境中，植被混凝土邊坡的土壤肥力表現(xiàn)最佳。

灰色理論; 灰色關聯(lián)度; Logistic預測模型; 土壤肥力因子

文獻參數(shù)： 周明濤, 胡旭東, 許文年.不同基材邊坡土壤肥力變化趨勢預測[J].水土保持通報，2016,36(4)：107-111.DOI:10.13961/j.cnki.stbctb.2016.04.019

土壤生態(tài)系統(tǒng)中存在著大量的微生物群落，它們是有機質、腐殖質的分解者，可降解植物難以吸收的化合物，并將其轉化為植被生長必需的營養(yǎng)元素，在土壤養(yǎng)分轉化、循環(huán)以及生化過程中擔任著不可或缺的角色，是土壤養(yǎng)分最重要的“源”和“匯”，亦是衡量土壤肥力的重要指標之一[1-5]。大型水利水電工程的興建給社會帶來巨大經(jīng)濟效益的同時，也對工程區(qū)的自然環(huán)境造成了嚴重的干擾，并引起一系列生態(tài)問題，如巖質邊坡裸露、土壤肥力退化、植被毀損、生物多樣性喪失、生態(tài)系統(tǒng)崩潰等[6]。眾多裸露邊坡缺乏植物生長必備的土壤環(huán)境，常需人工營造植被生境，以加快生態(tài)恢復的進程。邊坡植被生境的營造，常用方法有液壓噴播法、植被混凝土生態(tài)修復技術、厚層基材噴播綠化技術等。各方法的實質均是以種植土為主，輔以不同黏結劑、添加劑等材料，由此形成植被生境。針對人造邊坡植被生境，當前研究的一個主要方向便是土壤肥力，如趙娟等[7]綜合探討了不同生態(tài)修復技術的邊坡基材及天然林土壤肥力與土壤酶活性的相互關系；吳彬等[8]以雅礱江官地水電站生態(tài)修復工程為例，對種植槽客土回填植草技術和植被混凝土生態(tài)修復技術在應用初期土壤的肥力狀況進行了研究。眾多研究極大的豐富了邊坡植被生境基礎理論，完善了邊坡生態(tài)恢復技術體系。然而，在人造植被生境中，許多營養(yǎng)物質需要微生物群落分解后才能被植物吸收利用，可至今卻未見微生物群落對土壤肥力的影響及其與土壤肥力之間關系的研究報道。同時，水電站工程區(qū)邊坡的生態(tài)修復是一個長期過程，而研究者此前大都停留在對土壤肥力現(xiàn)狀的探討，較少涉及變化趨勢的分析與預測。為此，本研究以向家壩水電站工程區(qū)的框格梁回填土(FBSC)、植被混凝土(VGCG)、厚層基材(TLS)、客土噴播(ESS)、天然林(NF)、天然次生林(NSF)和棄渣地(DR)7種不同基材的邊坡土壤為研究對象，利用灰色理論中的關聯(lián)度分析法確立出肥力主因子(微生物量)，而后采用灰色建模法建立Logistic預測模型，并探討土壤肥力(微生物量)演替狀況，旨在為大型水利水電工程區(qū)邊坡植被重建及生態(tài)恢復提供理論與技術支撐。

1　材料與方法

1.1研究區(qū)概況

向家壩水電站位于云南與四川兩省交界的金沙江下游河段，是金沙江水電基地最后一級水電站，地理坐標28°22＇15″—28°39＇16″N,104°3＇27″—104°25＇25″E，主體工程于2004年竣工。該區(qū)為典型的干熱河谷地段，干濕季分明，最高氣溫38.3 ℃，最低氣溫-1.0 ℃，年均氣溫21～23 ℃；年均降雨量約896.2 mm，其中6—11月降雨量占全年降雨量的90%以上；年均相對濕度81%左右；年日照時數(shù)2 200 h左右。棄渣地邊坡為工程建設棄土廢石渣坡地，其土、石體積比約為1∶9，2004年初人工堆埋而成；厚層基材邊坡2005年施工，邊坡土壤為種植土、腐殖質、高分子膠粘劑及復合肥等的混合物[9]；框格梁回填土邊坡2004年施工，邊坡土壤為單一的種植土；客土噴播邊坡2004年施工，邊坡土壤為種植土、腐殖質及復合肥的混合物[10]；植被混凝土邊坡2005年施工，邊坡土壤為種植土、腐殖質、水泥、混凝土綠化添加劑的混合物[11]。施工時，種植土均開挖自同一土料場。

1.2研究方法

1.2.1取樣方法自2005年起，連續(xù)10 a對向家壩水電站工程區(qū)框格梁回填土邊坡、植被混凝土邊坡、厚層基材邊坡、客土噴播邊坡、天然林邊坡、天然次生林邊坡和棄渣地邊坡的土壤進行取樣分析。由于6—11月降雨量占全年降雨量的90%以上，所以取樣時間選取在每年的11月份。每種邊坡分別設置5個樣方，單個樣方內(nèi)用交叉對角線5點式布點，共25個布設點，在各布設點用直徑4 cm的地質鉆取距離坡面4—10 cm處的土壤樣品各10鉆。取樣時，除去表面雜質和動植物殘體，相同布設點處取出的土樣組成一個混合樣，統(tǒng)一編號。混合樣及時帶回室內(nèi)風干、磨細、過篩，裝入磨口瓶中備用。各樣品指標測定均在7 d內(nèi)完成。

1.2.2肥力因子選取與測定方法[12]選取微生物量、有機質、堿解氮、速效磷和速效鉀為土壤肥力因子。微生物量測定采用氯仿熏蒸培養(yǎng)法—硫酸鉀(K2SO4)提取法；有機質采用重鉻酸鉀(K2Cr2O7)容量法—外加熱法；堿解氮采用擴散吸收法；速效磷采用0.5 mol/L碳酸氫鈉(NaHCO3)溶液浸提—鉬銻抗比色法；速效鉀1 mol/L中性乙酸銨(CH3COONH4)溶液浸提—火焰光度法。

1.2.3肥力主因子確立與預測模型建立利用灰色理論中的關聯(lián)度分析法確立肥力主因子，而后采用灰色建模法建立Logistic預測模型?；疑碚撝嘘P聯(lián)度分析法思路明確，可以在很大程度上減少由于信息不對稱帶來的損失，并且對數(shù)據(jù)要求較低，工作量較少[13]；灰色建模法是將一些已知的數(shù)據(jù)序列，通過累加、累減等方式的處理，使其由散亂狀態(tài)轉向規(guī)律化，然后利用微分方程擬合，并進行外延計算，其結果精度高，所需數(shù)據(jù)少[14]；Logistic方程是研究有限空間內(nèi)生物種群增長規(guī)律的重要數(shù)學模型，自1938年由荷蘭數(shù)學生物學家Verhulst提出以來至今，一直被生態(tài)學家用來模擬、描述各種生物演替過程，并在相關領域得到廣泛應用[15-16]。

1.2.4數(shù)據(jù)處理原始數(shù)據(jù)經(jīng)Excel整理后，采用SPSS統(tǒng)計分析軟件中的無量綱標準差和Turkey’s-b檢驗處理，由Origin 9.0軟件繪圖。

2　結果與分析

2.1灰色關聯(lián)度

對向家壩水電站工程區(qū)7種不同基材邊坡土壤

式中:x0——參考數(shù)列；xi——比較數(shù)列；ξ0i(k)——第k個時刻比較曲線xi參考曲線x0的相對差值，即xi對x0在k時刻的關聯(lián)系數(shù)；

灰色關聯(lián)度計算，計算公式采用非平權法：

以植被混凝土邊坡為例，其10a的肥力監(jiān)測數(shù)據(jù)詳見表1。

利用上述公式對監(jiān)測的數(shù)據(jù)進行灰色關聯(lián)度分析，得出其土壤中各肥力因子間的關聯(lián)度，分析結果詳見表2。

表1　植被混凝土邊坡土壤中各肥力因子10 a的監(jiān)測數(shù)據(jù)

表2　植被混凝土邊坡土壤中各肥力因子的灰色關聯(lián)度

采用相同方法分析，得出7種類型邊坡土壤中各肥力因子間的灰色關聯(lián)度(圖1)。由 圖1可知，微生物量與其他肥力因子間的灰色關聯(lián)度均普遍大于其他肥力因子相互之間的灰色關聯(lián)度。表明在向家壩水電站工程區(qū)7種不同基材邊坡中，微生物量是土壤肥力主因子，其含量的優(yōu)良狀況可直接反應有機質、堿解氮、速效磷和速效鉀的含量，從而表征土壤肥力狀況。因此，本研究選取微生物量作為衡量土壤肥力的指標，并以其來預測向家壩水電工程區(qū)7種不同邊坡基材土壤肥力的變化趨勢。

2.2Logistic預測模型

2.2.1Logistic方程Logistic方程形式為：

式中：N——種群中的生物數(shù)量；r——正常數(shù)，代表自然增長的能力，也稱為自然增長率；Nmax——在有限生存資源條件下維持種群生存的最大數(shù)量。

注：圖中B，M，N，P和K分別表示微生物量、有機質、堿解氮、速效磷和速效鉀；B-M表示微生物量與有機質之間的灰色關聯(lián)度，依次類推。

圖1不同基材邊坡土壤中各肥力因子間的灰色關聯(lián)度

本研究測定的微生物含量為質量濃度，故用質量濃度C代替生物數(shù)量N，則有方程：

對方程求解得：

式中：C0，t0——初始條件；Cmax——最大質量濃度。

2.2.2灰色建模法灰色建模法先將Logistic方程變形成灰色系統(tǒng)理論中GM(1，1)模型的形式：

然后再利用灰色系統(tǒng)理論中的相關定理求解其相關參數(shù)。

首先對Logistic方程進行變形，令

依據(jù)灰色理論中的建模理論，可以得到參數(shù)(λ,μ)須滿足下列關系式：

由上式求出參數(shù)(λ,μ)，可計算出r，Cmax，從而建立Logistic預測模型。

為了使Logistic預測模型更加精確，需進行參數(shù)的修正。考慮到任一時刻t與相應的微生物質量濃度C(t)都對結果α產(chǎn)生影響，依據(jù)監(jiān)測數(shù)據(jù)分別選取全局求和平均或局部求和平均的方法計算α。

(1) 如果監(jiān)測數(shù)據(jù)的散點圖有比較明顯的S形，則令：

式中:n——數(shù)據(jù)點的個數(shù)。

(2) 如果數(shù)據(jù)的散點圖是一條比較陡峭的下凹曲線，則令：

式中:β——取值不大于n的正整數(shù)，因陡峭的程度不同而遠離或接近n。

(3) 模型檢驗。以框格梁回填土邊坡為例，選取2005—2009年微生物量的監(jiān)測數(shù)據(jù)進行擬合求解參數(shù)；利用Matlab作出散點圖，得到格梁回填土邊坡土壤中微生物量數(shù)據(jù)的散點圖是一條比較陡峭的下凹曲線，故選取

由Matlab程序計算(計算中時間t的取值為t=1,2,…,5，其t=1時代表2005年，以此類推得：

r=0.2546，Cmax=405.4761

同時經(jīng)過數(shù)次模擬得出β取5時擬合效果最佳，得出α=4.53。則框格梁回填土微生物量的Logistic預測模型為：

表3　　　　2010-2014年框格梁回填土邊坡土壤中

2.3不同基材邊坡土壤肥力預測

用Logistic預測模型對向家壩水電站工程區(qū)7種不同基材邊坡土壤微生物量進行預測，采用上述相同的方法對其他6種不同基材邊坡土壤微生物量Logistic預測模型的參數(shù)進行求解，結果如圖2所示。圖2中2005—2015年數(shù)據(jù)為監(jiān)測值，2016—2040年數(shù)據(jù)為Logistic模型預測值，其中黑點代表各基材邊坡土壤中微生物量初次達到增長上限時所對應的坐標，即天然林和天然次生林邊坡土壤微生物量在2020年分別達到最大值794.1和718 g/cm2，植被混凝土邊坡土壤微生物量在2037年達到最大值724.7 g/cm2，厚層基材邊坡土壤微生物量在2024年達到最大值552.9 g/cm2，框格梁回填土邊坡土壤微生物量在2026年達到最大值405.5 g/cm2，客土噴播邊坡土壤微生物量在2028年達到最大值398.7 g/cm2，棄渣地邊坡土壤微生物量在2030年達到最大值151.5 g/cm2。

從圖2可知，2005—2040年向家壩水電站工程區(qū)7種不同基材邊坡土壤微生物量總體表現(xiàn)為:天然林>天然次生林>植被混凝土邊坡>厚層基材>框格梁回填土>客土噴播>棄渣地。天然林和天然次生林植被自然演替時間久，已適應當?shù)丨h(huán)境氣候，并形成穩(wěn)定健全的生態(tài)關系，同時地表累積的凋落物豐富，為微生物提供充裕的物質來源，故其土壤微生物量遠高于人工修復邊坡和棄渣地。棄渣地長期處于荒廢，大部分為裸露的巖質坡面，植被難以生存，故其土壤微生物量遠低于其他邊坡。除框格梁回填土邊坡外，其他人工修復邊坡的基材中均摻入了有機質或腐殖質，從而為微生物的生長和發(fā)育提供了適宜的環(huán)境空間，因此框格梁回填土邊坡初期土壤微生物量低于其他人工修復邊坡。向家壩地處干熱河谷地段，干濕季分明，降雨量大且為酸雨，導致土壤流失嚴重并呈現(xiàn)一定的酸性，植被混凝土邊坡中摻入水泥達到固土保肥的作用，同時加入綠化添加劑中和其堿性，為微生物和植被提供適宜的環(huán)境空間，因此微生物量在所有人工修復邊坡中最高，邊坡的恢復效果最佳。然而，植被混凝土邊坡中摻入水泥對土壤微生物量達到穩(wěn)定水平有一定的干擾，相比其他人工修復邊坡，植被混凝土邊坡土壤微生物量達到穩(wěn)定時間最長，因為水泥完全被降解需要一定的時間。相較于植被混凝土邊坡，厚層基材邊坡土壤呈現(xiàn)酸性，抑制了大部分微生物的生長與發(fā)育；相較于客土噴播邊坡，厚層基材邊坡中摻入了高分子膠黏劑，提高邊坡穩(wěn)定性且降低水土流失，達到了固土保肥作用，故其微生物量遠大于客土噴播邊坡，而略低于植被混凝土邊坡。厚層基材邊坡初期摻入了復合肥，故其微生物量在初期高于框格梁回填土邊坡，缺點在于雨季時水土流失嚴重，導致未來趨勢低于結構穩(wěn)定的框格梁回填土邊坡。綜合情況表明，作為人工營造的邊坡植被生境，植被混凝土邊坡技術恢復效果最好，該技術值得推廣與應用。

從圖2各曲線的趨勢可知，2005—2020年向家壩水電站工程區(qū)中，天然林和天然次生林邊坡已演替若干年，土壤微生物早已與植被構成穩(wěn)定健全的共生關系，且達到了生態(tài)平衡，故其變化穩(wěn)定。其他5種人工修復邊坡中土壤微生物量(肥力水平)均呈逐年增長的趨勢，其中植被混凝土邊坡土壤肥力水平增長曲率最高，其次為厚層基材邊坡，主要是施工時其原材料中配備有較多量的復合肥和腐殖質，復合肥直接提高了土壤肥力，腐殖質為微生物生存提供了較適宜的環(huán)境空間，因而微生物增長最快。2020—2040年各邊坡土壤微生物量(肥力水平)均趨于穩(wěn)定，主要是由于資源、空間有限，生命不斷更替，微生物種群、植物種群和其他各種群間形成穩(wěn)定的物質與能量循環(huán)，從而最終趨于穩(wěn)定。情況表明人工營造邊坡植被生境時，若提供足量可供植物生長的土壤和養(yǎng)分，其肥力狀況均將趨向于良性發(fā)展，并最終達到生態(tài)平衡，實現(xiàn)人與自然間的和諧。

注：FBSC 框格梁回填土； VGCG 植被混凝土； TLS 厚層基材； ESS 客土噴播； NF 天然林； NSF天然次生林； DR 棄渣地。

圖2不同基材邊坡土壤微生物量Logistic模型預測結果

3　結 論

在向家壩水電站工程區(qū)7種不同基材邊坡土壤中，微生物量與其他肥力因子間的灰色關聯(lián)度均大于其他肥力因子相互之間的灰色關聯(lián)度，微生物量可作為主要肥力因子，其大小可表征土壤肥力水平的高低。由于資源與空間的限制，微生物量(肥力水平)均將在某一特定時段達到最大值，并隨著時間推移最終趨向穩(wěn)定。在2005—2040年，向家壩水電站工程區(qū)7種不同基材邊坡土壤的微生物量(肥力水平)依次表現(xiàn)為:天然林>天然次生林>植被混凝土邊坡>厚層基材>框格梁回填土>客土噴播>棄渣地，表明植被混凝土邊坡的恢復效果最佳，該方法值得推廣與應用。

[1]焦曉光,高崇升,隋躍宇,等.不同有機質含量農(nóng)田土壤微生物生態(tài)特征[J].中國農(nóng)業(yè)科學,2011,44(18):3759-3767.

[2]馮峰,王輝,方濤,等.東湖沉積物中微生物量與碳、氮、磷的相關性[J].中國環(huán)境科學,2006,26(3):342-345.

[3]靳正忠,雷加強,徐新文,等.沙漠腹地咸水滴灌林地土壤養(yǎng)分、微生物量和酶活性的典型相關關系[J].土壤學報,2008,45(6):1119-1127.

[4]Schroth G, Sinclair F L. Trees, Crops and Soil Fertility[M]. Oxford: Oxford University Press, 2003.

[5]Krishnan P, Alexander J D, Butler B J, et al. Reflectance technique for predicting soil organic matter[J]. Soil Science Society of America Journal, 1980,44(6):1282-1285.

[6]陳海波,舒安平,李芮.山東省濟萊市高速公路生態(tài)護坡植被恢復過程分析[J].水土保持通報,2010,30(1):93-99.

[7]趙娟,許文年,夏棟,等.向家壩工程擾動區(qū)不同類型邊坡土壤酶與肥力的相關性研究[J].安徽農(nóng)業(yè)科學,2011,39(26):16043-16045.

[8]吳彬,夏振堯,楊悅舒,等.向家壩工程擾動區(qū)不同類型邊坡土壤不同形態(tài)磷的分布[J].湖北農(nóng)業(yè)科學,2014,53(6):1262-1267.

[9]李紹才,孫海龍,楊志榮,等.巖石邊坡基質—植被系統(tǒng)的養(yǎng)分循環(huán)[J].北京林業(yè)大學學報,2006,28(2):85-90.

[10]章夢濤,邱金淡,顏冬.客土噴播在邊坡生態(tài)修復與防護中的應用[J].中國水土保持科學,2004,2(3):10-12.

[11]許文年,夏振堯,周明濤,等.植被混凝土生態(tài)防護技術理論與實踐[M].北京:中國水利水電出版社,2012.

[12]章家恩.生態(tài)學常用試驗研究方法與技術[M].北京:化學工業(yè)出版社,2007.

[13]鄧聚龍.灰理論基礎[M].湖北 武漢:華中科技大學出版社,2002.

[14]劉思峰,黨耀國,方志耕.灰色系統(tǒng)理論及其應用[M].北京:科學出版社,2004.

[15]閻慧臻. Logistic模型在人口預測中的應用[J].大連工業(yè)大學學報,2008,27(4):333-335.

[16]胡亦鄭,黃慶棉,羅勇.Logistic模型的預測應用兩例[J].數(shù)學的實踐與認識,2007,37(16):138-141.

Trend Prediction of Soil Fertility of Various Substrate Slopes-A Case Study of Xiangjiaba Hydropower Project Area

ZHOU Mingtao1,2, HU Xudong2, XU Wennian1,2

(1.EngineeringResearchCenterofEco-environmentinThreeGorgesReservoirRegion,MinistryofEducation,Yichang，Hubei443002,China;2.CollegeofCivilEngineering&Architecture,ChinaThreeGorgesUniversity,Yichang，Hubei443002,China)

[Objective] Soil fertilities of seven substrate slopes in Xiangjiaba hydropower project area were measured in the years from 2005 to 2014. The changing trend of soil fertility was predicted to provide theoretical and technical support for slope vegetation restoration in large water conservancy and hydropower project. [Methods] Grey theory and logistic equation were integrated to establish a structurally sound and high-precision logistic model for forecasting the future trend of main soil fertility. The main soil fertility was decided by Grey correlation degree among various soil fertility factors in different slopes. [Results] Grey correlation degrees between microbial biomass and other fertility factors were all larger than the ones among other fertility factors, and thereby the soil microbial biomass can be regarded as the main soil fertility factor and denote the soil fertility level. Soil fertilities indicated by microbial biomass were predicted having an overall order in 2005—2040 that is natural forest(NF)>natural secondary forest(NSF)>vegetation-growing concrete gunning(VGCG)>thick layer substrate(TLS)>framed beams and soil covered(FBSC)>external-soil spray seeding(ESS)>discarded residue(DR). [Conclusion] Soil microbial biomass on different substrate slopes will eventually get stable with the time pass by. The VGCG slope’s fertility level is the best.

grey theory; grey correlation degree; logistic predictive modelling; soil fertility factors

2015-09-29

2015-11-10

十二五國家科技支撐計劃項目“金沙江梯級水電開發(fā)區(qū)生態(tài)保護與入庫泥沙調(diào)控關鍵技術與示范”(2012BAC06B02)

周明濤(1979—),男(漢族),湖北省?？悼h人，博士,副教授,主要研究方向為邊坡生態(tài)防護及植被修復技術。E-mail:zmt@ctgu.edu.cn。

A

1000-288X(2016)04-0107-06

S158.2, X829