我国七大农业区耕地土壤有机碳密度的影响因素分析

Influencing factors on soil organic carbon density in seven major agricultural regions in China

摘要

为探究影响我国耕地土壤有机碳密度（Soil Organic Carbon Density，SOCD）空间布局的关键因素，基于“中国高分辨率国家土壤信息格网基本属性数据集（2010—2018年）”，以农业区为研究单元建立分层回归模型和空间回归模型，分析水热、植被、施肥和秸秆还田等相关指标与耕地SOCD的关系。结果表明：1）全国各农业区耕地SOCD的分布呈现较大差异，水田SOCD由高到低表现为东北>华南>长江中下游>西南>黄淮海>甘新>黄土高原区；旱地SOCD由高到低为东北>华南>西南>长江中下游>甘新>黄土高原>黄淮海区；最高均为东北区（水田7.6±2.39，旱地6.58±2.75），甘新区、黄土高原区及黄淮海区较低（水田分别为3.08±1.29、3.09±0.38和3.15±0.43，旱地分别为3.24±1.27、3.11±0.97和2.78±0.36）。2）根据分层回归模型一（HRM Ⅰ），自然因素对大部分农业区耕地SOCD的空间差异起着主导作用（R²>0.5），加入人为因素指标后的分层回归模型二（HRM Ⅱ）对各农业区耕地SOCD空间分布差异的解释水平有不同程度的增加，其中黄淮海区最为显著（△ R²=0.152，P=0.001<0.01）。3）通过模型参数检验，长江中下游区采用线性回归模型，东北区采用空间误差模型，其他农业区采用空间滞后模型。4）耕地SOCD的影响机制在各农业区既有共性也有差异，海拔高度（X₅）和秸秆还田面积（Z₇）对各农业区耕地SOCD全部为正向影响（各区X₅、Z₇对应系数均>0），水热和植被条件、土壤侵蚀、化肥施用、灌溉、农业机械使用和粮食产量对不同农业区的耕地SOCD的影响存在差异。综上，全国耕地SOCD空间分布差异较大，影响各农业区耕地SOCD差异的关键因素不同；应针对不同农业区气候和土地利用条件，采取相应的耕地土壤有机碳固存策略，长江中下游区、华南区和西南区使用生物炭等土壤改良剂、推广精准配比施肥等，东北区采用土壤改良剂、推广保护性耕作技术，黄淮海区和黄土高原区应注重推广精准配比施肥和灌溉方式。此外，鼓励全国各农业区实施秸秆还田，持续改良秸秆还田方式，以促进土壤健康和农业的可持续发展。

Abstract

In order to explore the key factors affecting the spatial layout of Soil Organic Carbon Density （SOCD） in cultivated land， based on the “China High Resolution National Soil Information Grid Basic Attribute Dataset （2010-2018）”， taking agricultural area as the research unit， hierarchical regression model and spatial regression model were established to analyze the relationship between hydrothermal condition， vegetation， fertilization and straw returning and SOCD of cultivated land. The results show that： 1） The distribution of SOCD in cultivated land showed great differences among all agricultural regions in China. The paddy field SOCD in desendding order is Northeast， South China， the Middle and Lower reaches of the Yangtze River， Southwest， Huang-Huai-Hai， Gan-Xin and Loess Plateau region. The SOCD of dry farm in descending is Northeast， South China， Southwest， the Middle and Lower reaches of the Yangtze River， Gan-Xin， Loess Plateau and Huang-Huai-Hai region. The highest values were observed in the Northeast region （paddy field 7.60±2.39， dry farm 6.58±2.75）， while the lower values were observed in the Gan-Xin， Loess Plateau， and Huang-Huai-Hai region （paddy field 3.08±1.29，3.09±0.38， and 3.15±0.43， respectively， while dry farm 3.24±1.27， 3.11±0.97， and 2.78±0.36， respectively）. 2） According to the results of Hierarchical Model Ⅰ， natural factors play a dominant role in the spatial difference of soil organic carbon density of cultivated land in most agricultural regions （R² >0.5）， and the interpretation level of the spatial difference of SOCD in all agricultural regions increased to different degrees with the addition of human factors in the hierarchical regression model II， among which the Huang-Huai-Hai region was the most significant （△ R²=0.152， P=0.001<0.01）. 3） Through the model parameter test， the linear regression model was adopted in the Middle and Lower reaches of the Yangtze River， the spatial error model was adopted in the Northeast region， and the spatial lag model was adopted in other regions. 4） There are both commonality and difference in the influence mechanism of SOCD in different agricultural regions. The altitude （X₅） and straw returning area （Z₇） have positive effects on SOCD in all agricultural regions （corresponding coefficients of X₅， Z₇ in all regions are > 0）. The effects of hydrothermal and vegetation conditions， soil erosion， fertilizer application， irrigation， agricultural machinery use and grain yield on SOCD of cultivated land in different agricultural regions were different. To sum up， the spatial distribution of SOCD in cultivated land varies greatly across the country， and the factors affecting SOCD of cultivated land in different agricultural regions are different. Soil organic carbon sequestration strategies for cultivated land should be adopted according to the climate and land use conditions of different agricultural regions. Soil amendments such as biochar should be used in the Middle and Lower reaches of the Yangtze River， South China and Southwest China， and precise proportional fertilization should be promoted； soil amendments and conservation tillage techniques should be adopted in the Northeast region， and precise proportional fertilization and irrigation should be promoted in the Huang-Huai-Hai region and the Loess Plateau region. In addition， all agricultural regions in the country are encouraged to implement straw returning to the field and continuously improve the method of straw returning to the field to promote soil health and sustainable agricultural development.

Graphical abstract

关键词

耕地土壤有机碳密度 / 分层回归模型 / 空间回归模型 / 影响因素 / 农业生产管理政策建议

Key words

cultivated soil organic carbon density / hierarchical regression model / spatial regression model / influencing factors / policy suggestions on agricultural producing management

我国农业碳排放自1961年以来呈持续上升趋势^［1］。土壤有机碳分解产生CO₂是土壤碳与大气CO₂交换的主要途径，已有研究结果表明，土壤因人类农业活动不当而退化，退化的土壤往往会转变为碳源^［2-4］。土壤有机碳是反映土壤有机质含量的关键指标，也是评价土壤肥力、水文特性和温室气体排放潜力的重要依据^［5］。耕地土壤碳增汇对粮食产量的提升效应显著^［6-9］，研究耕地土壤的碳固持对粮食安全协调发展具有重要意义。

由于人类社会与自然环境关系密切，土壤有机碳影响因素研究需综合考虑自然因素和人为活动^［10］。自然因素方面，气候变化对土壤有机碳的影响尤为显著^［11-16］，其中降水量对土壤有机碳具有显著的正向作用，而气温与土壤有机碳的垂直地带分布呈负相关；地形因素如海拔高度、坡度坡向和土壤类型对土壤有机碳的空间分布也有重要影响^［17-21］；此外，土地利用类型变化也是土壤有机碳时空分布的主要驱动因素^{［12， 22-30］}，旱地和水浇地是土壤有机碳的主要储库^［12］，由水田转为旱地和建设用地形成土壤碳源，而由旱地转化为水田和林地则构成土壤碳汇^［22-23］。近年来，人为活动对土壤固碳影响的相关研究主要在农业耕作与管理措施方面，可持续发展的现代农业耕作与管理措施被证实能显著增强土壤的固碳潜力^［31-34］，有机肥和秸秆还田作为输入性碳可直接提高土壤有机碳含量^［35-37］，休耕、免耕、少耕技术的应用以及稻麦轮作、小麦玉米轮作等农业生产措施可以显著提升农田表层土壤有机碳含量^［38-40］。目前，通常采用线性回归分析、空间回归分析和建立结构方程模型等来预测土壤有机碳含量^［41-42］、研究影响因素与土壤有机碳含量之间的相互作用^［43-44］，以及量化土壤有机碳含量的影响因素及作用机制等^［45-48］；此外，邹润彦等^［21］利用地理加权回归模型系统分析了环鄱阳湖区农田土壤有机碳含量及其影响因素，揭示了土壤有机碳含量的空间异质性。

以上关于土壤有机碳的研究主要针对东北、华北等局部地区，且人为因素的相关研究多从微观角度出发，重点关注某项生产或管理措施对土壤有机碳的影响，而对于全国各农业区的对比研究鲜有报道。基于此，本研究以耕地表层土壤作为研究对象，采用分层回归、空间回归分析方法，从宏观层面分析我国七大农业区耕地SOCD的影响因素，旨在探究影响我国耕地土壤有机碳密度（Soil Organic Carbon Density，SOCD）空间分布的关键因素，以期为推动耕地碳汇的农业可持续协调发展提供参考。

1　材料与方法

1.1　数据来源

本研究中气温、降水、蒸发、海拔高度、光合有效辐射吸收比率、叶面积指数、归一化植被指数和土壤侵蚀数据以及以市域为统计口径的氮、磷、钾化肥施用量、秸秆还田面积、有效灌溉面积、农业机械总动力和粮食产量等数据的获取见表1。

中国综合农业区划将海洋水产区以外的其他9个综合农业区称为九大综合农业区，分别为东北（Northeast）、内蒙及长城沿线（Inner Mongolia and along the Great Wall）、黄淮海（Huang-Huai-Hai）、黄土高原（Loess Plateau）、长江中下游（the Middle and Lower reaches of the Yangtze River）、华南（South China）、西南（Southwest）、甘新（Gan-xin）及青藏（Qinghai-Xizang Plateau）区，见表2。内蒙及长城沿线及青藏区的样本量<30个，因此，本研究仅对其他7个农业区进行建模分析。

1.2　数据处理

借鉴代杰瑞等^［12］、苗正红等^［27］、奚小环等^［50］的方法，测算土壤表层（0~30 cm）SOCD，通过土壤有机碳含量和土壤容重计算得到：

\mathrm{S}\mathrm{O}\mathrm{C}\mathrm{D}=\mathrm{S}\mathrm{O}\mathrm{C}\times \mathrm{B}\mathrm{D}\times h\times (\mathrm{1}-\delta )/\mathrm{100}（1）

式中：SOCD，土壤有机碳密度，kg/m²；SOC，土壤有机碳的平均含量，g/kg；BD，土壤容重， g/cm³；h，土层厚度，cm；\delta，d>2 mm的砾石含量，%（体积百分数）。但本研究对象为耕地，表层土壤d>2 mm的颗粒可以忽略不计，故本研究中\delta取值为0。

根据中国高分辨率国家土壤信息格网基本属性数据集（2010—2018年），土层数据分为0≤h≤5、5<h≤15、15<h≤30及30<h≤60 cm等，研究耕地表层（0～30 cm）SOCD需用到0≤h≤5、5<h≤15、15<h≤30 cm的 3个土层的土壤容重和土壤有机碳含量栅格数据属性值。计算公式为：

\mathrm{S}\mathrm{O}\mathrm{C}\mathrm{D}=\left(\mathrm{S}\mathrm{O}{\mathrm{C}}_{\mathrm{0}-\mathrm{5}}\times \mathrm{B}{\mathrm{D}}_{\mathrm{0}-\mathrm{5}}\times \mathrm{5}+\mathrm{S}\mathrm{O}{\mathrm{C}}_{\mathrm{5}-\mathrm{15}}\times \mathrm{B}{\mathrm{D}}_{\mathrm{5}-\mathrm{15}}\times \mathrm{10}+\mathrm{S}\mathrm{O}{\mathrm{C}}_{\mathrm{15}-\mathrm{30}}\times \mathrm{B}{\mathrm{D}}_{\mathrm{15}-\mathrm{30}}\times \mathrm{15}\right)/\mathrm{1}\mathrm{000}（2）

式中：BD，土壤容重，g/cm³；SOC，土壤有机碳的平均含量，g/kg；5、10、15为土层厚度，cm；SOCD，土壤有机碳密度，kg/m²；1 000，单位换算系数。

研究对象为2010年耕地范围内的SOCD。通过布设随机点来分析全国耕地SOCD分布特征及差异，通过将SOCD以地级市为单位汇总为点值分析耕地SOCD的影响因素。

气温、降水、蒸发、海拔高度、坡度、土壤侵蚀模数、归一化植被指数和叶面积指数经过数据预处理和标准化，通过ArcGIS Desktop按照耕地范围提取处理，以地级市为单位进行统计分析。化肥施用量（农用氮、磷、钾肥施用实物量）、秸秆还田面积、有效灌溉面积、农业机械总动力、粮食产量等统计数据首先利用Python编程语言进行批量数据单位统一和标准化处理，再以地级市为单位，通过ArcGIS Desktop对数据进行矢量化处理。

1.3　研究方法

采用SPSS软件对数据进行统计分析，采用线性回归及空间回归等分析方法，利用GEODA软件构建回归模型。结合已有的相关研究选取参与本研究的耕地SOCD影响指标（表3）。

1.3.1　线性回归和分层回归分析

多元线性回归模型（Linear Regression Model， LRM），y为因变量，x₁，x₂，…，x_p为自变量，其数学模型为：

y={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}{x}_{\mathrm{1}}+{\beta }_{\mathrm{2}}{x}_{\mathrm{2}}+\dots +{\beta }_p{x}_p+\epsilon（3）

式中：{\beta }_p，回归系数；ε，误差项。

分层回归模型（Hierarchical Regression Model， HRM）建立在线性回归分析基础上，本研究将自然因素的变量引入到分层回归模型一（HRM Ⅰ），随后在分层回归模型二（HRM Ⅱ）中加入人为因素变量。通过比较2个模型对因变量的解释能力和显著性水平来评估核心变量的重要性。

1.3.2　空间回归分析

采用莫兰指数来衡量SOCD的空间分布特征。采用空间回归模型估计自变量与因变量的关系，为提高预测结果的稳健性，将在每个农业区内分别建立回归模型。空间误差模型（SEM）认为误差项在空间上存在自相关。公式如下：

Y=\beta X+\epsilon，\epsilon =\lambda w\epsilon +u，u~N\left[\mathrm{0},{\sigma }^{\mathrm{2}}I\right]（4）

式中：Y，被解释变量矩阵；X，解释变量矩阵；\beta，参数向量；w，残差的空间邻接权重矩阵（残差是指实际观察值与估计值或称拟合值之间的差）；ε，误差项；\lambda，残差项的空间相关性，是用来度量邻近个体的残差项对被解释变量的残差项的影响程度；u，随机误差项。

空间滞后模型（SLM）认为因变量在空间上存在自相关，公式如下：

Y=\rho wY+\beta X+\epsilon，\epsilon ~N\left[\mathrm{0},{\sigma }^{\mathrm{2}}I\right]（5）

式中：Y，被解释变量矩阵；X，解释变量矩阵；\rho，空间效应系数；\beta，参数向量；w，空间邻接权重矩阵；\epsilon，误差项。

2　结果与分析

2.1　耕地SOCD空间分布特征

由表4和表5可知，耕地SOCD在不同农业区内的空间分布存在较大差异。其中，水田SOCD由高到低为东北>华南>长江中下游>西南>黄淮海>甘新>黄土高原；旱地SOCD由高到低为东北>华南>西南>长江中下游>甘新>黄土高原>黄淮海区。水田和旱地表层SOCD最高值均为东北区（水田SOCD为7.6±2.39，旱地SOCD为6.58±2.75），甘新区、黄土高原区及黄淮海区（水田SOCD分别为3.08±1.29、3.09±0.38及3.15±0.43，旱地SOCD分别为3.24±1.27、3.11±0.97、2.78±0.36，3个区域的水田和旱地SOCD分布均无显著差异）较低，水田和旱地SOCD空间分布特征相似。

由图1可知，全国耕地SOCD在市域尺度下存在空间自相关。耕地SOCD在市域尺度下的全局Moran’s I为0.704，数据在第一象限、第三象限分布，呈现“高-高”集聚和“低-低”集聚的空间分布特征。

2.2　各农业区模型选择结果

由表6可知，长江中下游区SOCD空间自相关性不显著（Moran’ I-error=0.23>0.1），选择线性回归模型；东北区选择空间误差模型（LM-error=0.04<0.05，Robust LM-error=0.005<0.01）；甘新区选择空间滞后模型（LM-lag=0.00<0.01， Robust LM-lag=0.006<0.01），但残差不服从正态分布，模型不稳健；黄淮海区选择空间滞后模型（LM-lag=0.005<0.01， Robust LM-lag=0.001<0.01）；华南区选择空间滞后模型（LM-lag=0.328， Robust LM-lag=0.08）；黄土高原区选择空间滞后模型（LM-lag=0.00<0.01， Robust LM-lag=0.00<0.01），但残差不服从正态分布，模型不稳健；西南区选择空间滞后模型（LM-lag=0.563， Robust LM-lag=0.508）。

2.3　自然及人为因素的差异化影响

由表7可知，线性回归模型在部分农业区内对耕地SOCD与影响因素关系的拟合程度较高，其中东北、西南区HRM Ⅱ的R²均>0.9，黄淮海和长江中下游区HRM Ⅱ的R²分别为0.798和0.724；而对部分农业区SOCD与影响因素关系的拟合程度很低，黄土高原区、甘新区HRM Ⅱ的R²分别为0.329和0.168。在自然因素的基础上加入人为因素后，HRM Ⅱ对各农业区耕地SOCD空间差异的解释水平较HRM Ⅰ有不同程度的提升。其中，黄淮海区最为显著，提升程度为0.152（△ R²=0.152，P=0.001<0.01），其次是华南、长江中下游及西南区，提升程度分别为0.068、0.053和0.031，但均不显著（P>0.05）。

2.4　耕地SOCD空间差异的显著影响因素

由表8可知，水热条件（年均气温、年均降水量和年均蒸发量）和植被条件（叶面积指数、归一化植被指数）对长江中下游、华南、西南和东北区的耕地SOCD的影响更为显著；土壤侵蚀仅对东北区耕地SOCD的影响显著；秸秆还田面积对耕地SOCD的影响均为正向（甘新、黄土高原区因缺少相关数据未开展分析）。

各项因素对不同农业区耕地SOCD的显著性影响存在差异：年均气温（X₁）对长江中下游区为显著正向影响，对东北和西南区均为显著负向影响；年均降水量（X₂）对长江中下游区为显著负向影响，对西南区为显著正向影响；年均蒸发量（X₃）对长江中下游和东北区均为显著负向影响；光合有效辐射吸收比率（X₄）对长江中下游、华南和西南区均为显著负向影响；海拔高度（X₅）对长江中下游、黄淮海和西南区均为显著正向影响；坡度（X₆）对黄淮海和黄土高原区均为显著正向影响；叶面积指数（X₇）对长江中下游、华南和西南区均为显著正向影响；归一化植被指数（X₈）对黄淮海区为显著负向影响，对华南区为显著正向影响；土壤侵蚀模数（X₉）对东北区为显著负向影响；氮肥施用量（Z₁）对东北和华南区为显著负向影响，对黄淮海区为显著正向影响；磷肥施用量（Z₂）对黄土高原区为显著正向影响，对西南区为显著负向影响；钾肥施用量（Z₃）对黄淮海和黄土高原区为显著负向影响，对华南区为显著正向影响；有效灌溉面积（Z₄）对黄淮海区为显著正向影响；农业机械总动力（Z₅）对长江中下游区为显著正向影响，对黄淮海区为显著负向影响；粮食产量（Z₆）对长江中下游和西南区为显著负向影响，对黄淮海区为显著正向影响；秸秆还田面积（Z₇）对黄淮海和西南区均为显著正向影响。

3　讨 论

已有研究表明，气温对耕地SOCD的影响倾向于负向，而降水则倾向于正向，蒸发的影响通常为负向^［51-56］。本研究结果发现，水热条件显著影响西南、东北和长江中下游区的耕地SOCD，年均气温在西南和东北区均表现为显著负向影响；年均降水量在西南区表现为显著正向影响；年均蒸发量在东北区表现为显著负向影响。这些发现与冯金侠^［57］的研究结果一致，即区域耕地SOCD水平越高，其与水热因子的相关性越显著。

植被条件显著影响西南、华南、黄淮海和长江中下游区的耕地SOCD。已有研究表明，单位土地叶面积增加往往可以增加光能截获量^［58］，进而影响农业生产量，随着光合作用的增强，农业生产力及粮食产量也随之得到提升^［59］。然而作物，如水稻，向地下部分配的光合碳量比例仅为2%~28%，地上部分配到的光合碳量在成熟期高达78%~90%^［60］。且细根死亡、周转进入到土壤的有机质是地上凋落物的数倍^［61-62］。本研究结果发现，植被条件对耕地SOCD的影响在宏观层面既有正向也有负向，但在大多数区域并不显著。这表明耕地土壤有机碳的变化更多的与地下生物量（作物根系存留）和地上凋落物（作物秸秆管理）的变化有关，与地上生物量（耕地作物植被条件）的关系虽总体呈正向，但在各区域并未形成显著的稳健性关联。

本研究结果发现，土壤侵蚀仅对东北区耕地SOCD空间分布产生了显著影响。这与马瑞等^［63］ 研究结果一致，即土壤侵蚀与土壤质量、土壤碳含量之间呈负相关关系^［64-65］。

施肥对水田和旱地土壤有机碳的影响机制存在差异^［66］，在相同的化肥施用条件下，灌溉地和旱地的有机碳还田量表现出显著差异^［67］。本研究发现，在以水田为主的华南、东北及西南区，氮肥施用量在华南和东北区表现为显著负向影响，而磷肥施用量在西南区表现为显著负向影响，与此相反，钾肥施用量在华南区表现为显著正向影响。在以旱地为主的黄淮海和黄土高原区，氮肥施用量在黄淮海区表现为显著正向影响，磷肥施用量在黄土高原区表现为显著正向影响，钾肥施用量则在2个地区均表现为显著负向影响。但本研究仅揭示了宏观现象，不同类型化肥施用与不同区域SOCD差异之间的响应关系及微观机制，仍需要进一步深入研究。

秸秆还田可以显著提高土壤有机碳的含量^［68-69］。秸秆还田能够增加土壤中有机物质的输入，并能增强土壤保肥、保水性能，增加土壤孔隙度和通气性，改善土壤物理性质，加强植物和微生物的生理活性，从而增强土壤有机碳的转化和积累。此外，王怀苹等^［70］针对秸秆直接还田带来的病虫害加重、作物出苗率降低等问题提出了相对应的解决方法。应鼓励采用秸秆过腹还田、秸秆腐化剂等辅助秸秆还田技术，加速秸秆转化为腐殖质。本研究发现，秸秆还田面积对西南和黄淮海区的耕地SOCD存在显著正向影响，对其他地区的正向影响却不显著，后续可进一步对各区域秸秆还田政策落实情况展开调查研究，以分析造成这种差异的原因。

综上，对于气温较高、降水充足、以水田为主的长江中下游、华南和西南区，水热条件、植被条件和化肥施用等对耕地SOCD影响显著，应注重土壤物化性质的改善，使用土壤改良剂（如生物炭等）以提高耕地土壤保水保肥能力，进而辅助水热条件、植被条件等自然因素对耕地碳汇产生正向作用；另外可采取精准配比施肥的农业生产措施，按照化肥施用对水田SOCD的影响机制制定科学的施肥方案，促进化肥施用对几个地区水田土壤碳汇产生正向影响。对于处于高纬度、以水田为主的东北区，水热条件和土壤侵蚀对耕地SOCD影响显著，需改善土壤物化性质以提高保水保肥能力，此外应更加关注土壤侵蚀对耕地土壤碳汇的负向影响，推广保护性耕作技术，通过休耕、免耕以及减少深耕等措施保护土壤物理结构，防止水土流失。对于处于中纬度、以旱地为主的黄淮海和黄土高原区，地形条件和化肥施用对耕地SOCD影响显著，可采取精准配比施肥的农业生产措施，按照化肥施用对旱地SOCD的影响机制制定科学的施肥方案，促进化肥施用对东北区水田土壤碳汇产生正向影响。此外，秸秆还田面积被证实对耕地SOCD有正向影响，尤其是对西南和黄淮海区有显著影响，应鼓励实施秸秆还田，持续改良秸秆还田方式，以促进耕地土壤碳的有效输入。

4　结 论

基于中国高分辨率国家土壤信息格网基本属性数据集（2010—2018年），进行统计分析和空间自相关分析，揭示了全国各农业区耕地SOCD分布特征，并采用分层回归和空间回归模型，分析了自然和人为因素对七大农业区耕地SOCD的宏观影响。研究结论如下：

1）全国各农业区耕地SOCD分布特征呈现较大差异，水田SOCD由高到低表现为东北>华南>长江中下游>西南>黄淮海>甘新>黄土高原区；旱地SOCD由高到低为东北>华南>西南>长江中下游>甘新>黄土高原>黄淮海区。水田和旱地SOCD分布特征相似，最高均为东北区（水田7.6±2.39，旱地6.58±2.75），甘新、黄土高原及黄淮海区（水田分别为3.08±1.29、3.09±0.38和3.15±0.43，旱地分别为3.24±1.27、3.11±0.97和2.78±0.36，3个区域的水田和旱地SOCD分布无显著差异）均较低。

2）根据分层回归模型一（HRM Ⅰ），除甘新、黄土高原区外，其他农业区回归模型的拟合水平R²>0.5，自然因素对大部分农业区耕地SOCD的空间差异起主导作用。加入秸秆还田、氮磷钾肥施用等人为因素指标后，分层回归模型二（HRM Ⅱ）对各农业区耕地SOCD空间分布差异的解释水平有不同程度的提升，其中黄淮海区最为显著（△ R²=0.152，△F 的P=0.001<0.01）。

3）通过对模型进行参数检验，长江中下游区采用线性回归模型（空间自相关性不显著Moran’ I-error=0.23>0.1且未通过相关参数检验），东北区采用空间误差模型（空间自相关性显著Moran’ I-error=0.028<0.1且通过空间误差模型参数检验），其他几个区采用空间滞后模型（空间自相关性显著Moran’ I-error<0.1且通过空间滞后模型参数检验）。

4）根据各农业区回归模型结果，耕地SOCD的影响机制在各农业区既有共性也有差异，海拔高度（X₅）和秸秆还田面积（Z₇）对各农业区耕地SOCD全部为正向影响（各区X₅、Z₇对应系数均>0），水热和植被条件、土壤侵蚀、化肥施用、灌溉、农业机械使用和粮食产量对不同农业区的耕地SOCD的影响存在差异。

参考文献

[1] 金书秦，林煜，牛坤玉. 以低碳带动农业绿色转型：中国农业碳排放特征及其减排路径［J］. 改革， 2021， （5）： 29-37

[2] Jin S Q， Lin Y， Niu K Y. Driving green transformation of agriculture with low carbon：Characteristics of agricultural carbon emissions and its emission reduction path in China［J］. Reform， 2021， （5）： 29-37 （in Chinese）

[3] 韩明会，李保国，张丹，李颖. 再生农业：基于土地保护性利用的可持续农业［J］. 中国农业科学， 2021， 54（5）： 1003-1016

[4] Han M H， Li B G， Zhang D， Li Y. Regenerative agriculture-sustainable agriculture based on the conservational land use［J］. Scientia Agricultura Sinica， 2021， 54（5）： 1003-1016 （in Chinese）

[5] 马晓哲，王铮. 土地利用变化对区域碳源汇的影响研究进展［J］. 生态学报， 2015， 35（17）： 5898-5907

[6] Ma X Z， Wang Z. Progress in the study on the impact of land-use change on regional carbon sources and sinks［J］. Acta Ecologica Sinica， 2015， 35（17）： 5898-5907 （in Chinese）

[7] 穆少杰，朱超，周可新，李建龙. 内蒙古草地退化防治对策及碳增汇途径研究［J］. 草地学报， 2017， 25（2）： 217-225

[8] Mu S J， Zhu C， Zhou K X， Li J L. The preventive strategies of degradation and the approaches to enhance carbon sequestration ability in Inner Mongolia grassland［J］. Acta Agrestia Sinica， 2017， 25（2）： 217-225 （in Chinese）

[9] 任凤玲. 不同施肥下我国典型农田土壤有机碳固定特征及驱动因素［D］. 北京：中国农业科学院， 2021

[10] Ren F L. Characteristics and driving factors of soil organic carbon fixation in typical farmland in China under different fertilization［D］. Beijing：Chinese Academy of Agricultural Sciences， 2021 （in Chinese）

[11] Oldfield E E， Bradford M A， Wood S A. Global meta-analysis of the relationship between soil organic matter and crop yields ［J］. Soil，2019，5（1）：15-32

[12] 贺美，王迎春，王立刚，朱平，李长生. 应用DNDC模型分析东北黑土有机碳演变规律及其与作物产量之间的协同关系［J］. 植物营养与肥料学报， 2017， 23（1）： 9-19

[13] He M， Wang Y C， Wang L G， Zhu P， Li C S. Using DNDC model to simulate black soil organic carbon dynamics as well as its coordinate relationship with crop yield［J］. Journal of Plant Nutrition and Fertilizer， 2017， 23（1）： 9-19 （in Chinese）

[14] 任其然，邓丽娟，焦小强. 华北平原潮质土壤协同实现有机碳提升，粮食增产稳产的途径：以曲周县为例［J］. 中国土壤与肥料， 2021 （1）： 310-318

[15] Ren Q R， Deng L J， Jiao X Q. Approaches to the organic carbon enhancement and grain yield stability in north China plain based on the coordination of tidal soils：A case study of Quzhou County［J］. Soil and Fertilizer Sciences in China， 2021 （1）： 310-318 （in Chinese）

[16] 邹文秀，邱琛，韩晓增，郝翔翔，刘晓洁，陆欣春，严君，陈旭. 长期施用有机肥对黑土土壤肥力和玉米产量的影响［J］. 土壤与作物， 2020， 9（4）： 407-418

[17] Zou W X， Qiu C， Han X Z， Hao X X， Liu X J， Lu X C， Yan J， Chen X. Effects of long-term manure application on black soil fertility and maize yield［J］. Soils and Crops， 2020， 9（4）： 407-418 （in Chinese）

[18] 黄凯文，马珍，苫君月，张珍明，姜鑫，黄先飞. 土壤有机碳损失机制研究进展［J］. 江苏农业科学， 2022， 50（24）： 26-32

[19] Huang K W， Ma Z， Zhan J Y， Zhang Z M， Jiang X， Huang X F. Research progress on mechanism of soil organic carbon losses［J］. Jiangsu Agricultural Sciences， 2022， 50（24）： 26-32 （in Chinese）

[20] Hobley E， Wilson B， Wilkie A， Gray J， Koen T. Drivers of soil organic carbon storage and vertical distribution in Eastern Australia ［J］. Plant and Soil，2015，390（1）：111-127

[21] 代杰瑞，庞绪贵，曾宪东，王红晋. 山东省土壤有机碳密度的空间分布特征及其影响因素［J］. 环境科学研究， 2015， 28（9）： 1449-1458

[22] Dai J R， Pang X G， Zeng X D， Wang H J. Soil carbon density and distribution and influencing factors in Shandong province［J］. Research of Environmental Sciences， 2015， 28（9）： 1449-1458 （in Chinese）

[23] 刘国栋，李禄军，戴慧敏，许江，刘凯，张一鶴，杨泽. 松辽平原土壤碳库变化及其原因分析［J］. 物探与化探， 2021， 45（5）： 1109-1120

[24] Liu G D， Li L J， Dai H M， Xu J， Liu K， Zhang Y H， Yang Z. Change in soil carbon pool in Songliao Plain and its cause analysis［J］. Geophysical and Geochemical Exploration， 2021， 45（5）： 1109-1120 （in Chinese）

[25] 吕丽平，王登峰，魏志远，漆智平，唐树梅. 近20年海南岛土壤有机碳时空变异［J］. 热带作物学报， 2016， 37（2）： 338-344

[26] Lv L P， Wang D F， Wei Z Y， Qi Z P， Tang S M. The spatial and temporal variability of SOC in Hainan island over the past 20 years［J］. Chinese Journal of Tropical Crops， 2016， 37（2）： 338-344 （in Chinese）

[27] 王丽华，薛晶月，谢雨，吴彦. 不同气候类型下四川草地土壤有机碳空间分布及影响因素［J］. 植物生态学报， 2018， 42（3）： 297-306

[28] Wang L H， Xue J Y， Xie Y， Wu Y. Spatial distribution and influencing factors of soil organic carbon among different climate types in Sichuan， China［J］. Chinese Journal of Plant Ecology， 2018， 42（3）： 297-306 （in Chinese）

[29] 杨红飞，穆少杰，李建龙. 气候变化对草地生态系统土壤有机碳储量的影响［J］. 草业科学， 2012， 29（3）： 392-400

[30] Yang H F， Mu S J， Li J L. Effects of climate change on soil organic carbon storage of grassland ecosystem［J］. Pratacultural Science， 2012， 29（3）： 392-400 （in Chinese）

[31] 贾豪，严宁珍，程永毅，刘洪斌. 渝东南农田土壤有机碳空间分布特征及影响因素［J］. 核农学报， 2019， 33（6）： 1256-1263

[32] Jia H， Yan N Z， Cheng Y Y， Liu H B. Spatial distribution characteristics and influence factors of soil organic carbon in farmland in southeast Chongqing［J］. Journal of Nuclear Agricultural Sciences， 2019， 33（6）： 1256-1263 （in Chinese）

[33] 孔祥斌，胡莹洁，李月，段增强. 北京市耕地表层土壤有机碳分布及其影响因素［J］. 资源科学， 2019， 41（12）： 2307-2315

[34] Kong X B， Hu Y J， Li Y， Duan Z Q. Distribution and influencing factors of soil organic carbon of cultivated land topsoil in Beijing［J］. Resources Science， 2019， 41（12）： 2307-2315 （in Chinese）

[35] 张梦旭，刘蔚，朱猛，李若麟. 甘肃河西山地土壤有机碳储量及分布特征［J］. 中国沙漠， 2019， 39（4）： 64-72

[36] Zhang M X， Liu W， Zhu M， Li R L. Soil organic carbon storage and distribution patterns in the mountainous areas of the Hexi region， Gansu， China ［J］. Journal of Desert Research， 2019， 39（4）： 64-72 （in Chinese）

[37] 朱猛，冯起，张梦旭，秦燕燕. 祁连山中段草地土壤有机碳分布特征及其影响因素［J］. 草地学报， 2018， 26（6）： 1322-1329

[38] Zhu M， Feng Q， Zhang M X， Qin Y Y. Patterns and influencing factors of soil organic carbon in grasslands of the middle Qilian mountains［J］. Acta Agrestia Sinica， 2018， 26（6）： 1322-1329 （in Chinese）

[39] 邹润彦，周宏冀，郭熙，但承龙，吕添贵，李洪义. 环鄱阳湖区农田土壤有机碳影响因素空间分布格局分析及制图研究［J］. 长江流域资源与环境， 2019， 28（5）： 1121-1131

[40] Zou R Y， Zhou H J， Guo X， Dan C L， Lv T G， Li H Y. Spatial distribution and mapping of influencing factors of farmland soil organic carbon in the Poyang Lake region［J］. Resources and Environment in the Yangtze Basin， 2019， 28（5）： 1121-1131 （in Chinese）

[41] Xia X Q， Yang Z F， Xue Y， Shao X， Yu T， Hou Q Y. Spatial analysis of land use change effect on soil organic carbon stocks in the eastern regions of China between 1980 and 2000 ［J］. Geoscience Frontiers，2017，8（3）：597-603

[42] Zhao M S， Qiu S Q， Wang S H， Li D C， Zhang G L. Spatial-temporal change of soil organic carbon in Anhui Province of East China ［J/OL］. Geoderma Regional，（--）.DOI：doi.org/10.1016/j.geodrs.2021.e00415

[43] Zhou Y， Hartemink A E， Shi Z， Liang Z Z， Lu Y L. Land use and climate change effects on soil organic carbon in North and Northeast China ［J］. Science of The Total Environment，2019，647：1230-1238

[44] 崔东，李卫红，朱成刚，杨玉海，孙国军. 伊犁河谷不同土地利用方式下土壤有机碳含量与土壤理化性质相关性分析［J］. 资源科学， 2016， 38（7）： 1239-1245

[45] Cui D， Li W H， Zhu C G， Yang Y H， Sun G J. Soil organic carbon content in relation to soil physicochemical properties under different land use types in the Yili Valley［J］. Resources Science， 2016， 38（7）： 1239-1245 （in Chinese）

[46] 季淮. 洪泽湖河湖交汇区不同土地覆被/利用类型土壤有机碳分布特征及其影响因素［D］. 南京：南京林业大学， 2021

[47] Ji H. Distribution characteristics and influencing factors of soil organic carbon in different land cover/use types in the intersection of Hongze Lake and Lake［D］. Nanjing：Nanjing Forestry University， 2021 （in Chinese）

[48] 苗正红，杨清臣，邱中军，毕强，王宗明. 基于gis技术的土地利用变化对表层土壤有机碳储量的影响：以富锦市为例［J］. 水土保持研究， 2015， 22（6）： 19-23

[49] Miao Z H， Yang Q C， Qiu Z J， Bi Q， Wang Z M. Impact of land use change on soil organic carbon stocks based on GIS： A case study in Fujin city［J］. Research of Soil and Water Conservation， 2015， 22（6）： 19-23 （in Chinese）

[50] 张维理， KOLBE H，张认连，冀宏杰. 农田土壤有机碳管理与有机质平衡算法［J］. 中国农业科学， 2020， 53（2）： 332-345

[51] Zhang W L， Kolbe H， Zhang R L， Ji H J. Soil organic carbon management and farmland organic matter balance method［J］. Scientia Agricultura Sinica， 2020， 53（2）： 332-345 （in Chinese）

[52] 张祎，李鹏，肖列，赵宾华，时鹏. 黄土高原丘陵区地形和土地利用对土壤有机碳的影响［J］. 土壤学报， 2019， 56（5）： 1140-1150

[53] Zhang Y， Li P， Xiao L， Zhao B H， Shi P. Effects of topography and land use on soil organic carbon in hilly region of Loess Plateau［J］. Acta Pedologica Sinica， 2019， 56（5）： 1140-1150 （in Chinese）

[54] 赵苗苗，邵蕊，李仁强，杨吉林，徐明. 中国南方旱田转水田后温室气体减排年限预测［J］. 资源科学， 2019， 41（7）： 1286-1294

[55] Zhao M M， Shao R， Li R Q， Yang J L， Xu M. Simulation of greenhouse gas emission reduction years after the conversion of cropland into paddy field in southern China［J］. Resources Science， 2019， 41（7）： 1286-1294 （in Chinese）

[56] Dahal N， Bajracharya R M. Effects of sustainable soil management practices on distribution of soil organic carbon in upland agricultural soils of mid-hills of nepal ［J］. Nepal Journal of Science and Technology，2013，13 （1）：133-141

[57] 刘杰，李玲玲，谢军红，邓超超，彭正凯， Stephen Yeboah， Shirley Lamptey. 连续14年保护性耕作对土壤总有机碳和轻组有机碳的影响［J］. 干旱地区农业研究， 2017， 35（1）： 8-13

[58] Liu J， Li L L， Xie J H， Deng C C， Peng Z K， Stephen Y， Shirley L. Soil total organic carbon and its light fractions in response to 14 years of conservation tillage［J］. Agricultural Research in the Arid Areas， 2017， 35（1）： 8-13 （in Chinese）

[59] 张鹏鹏，濮晓珍，张旺锋. 干旱区绿洲农田不同种植模式和秸秆管理下土壤质量评价［J］. 应用生态学报， 2018， 29（3）： 839-849

[60] Zhang P P， Pu X Z， Zhang W F. Soil quality assessment under different cropping system and straw management in farmland of arid oasis region［J］. Chinese Journal of Applied Ecology， 2018， 29（3）： 839-849 （in Chinese）

[61] 周泉，王龙昌，邢毅，马淑敏，张小短，陈娇，石超. 秸秆覆盖条件下紫云英间作油菜的土壤团聚体及有机碳特征［J］. 应用生态学报， 2019， 30（4）： 1235-1242

[62] Zhou Q， Wang L C， Xing Y， Ma S M， Zhang X D， Chen J， Shi C. Effects of Chinese milk vetch intercropped with rape under straw mulching on soil aggregate and organic carbon character［J］. Chinese Journal of Applied Ecology， 2019， 30（4）： 1235-1242 （in Chinese）

[63] 蔡丽君，张敬涛，刘婧琦，盖志佳，郭震华，赵桂范. 长期免耕秸秆还田对寒地土壤有机碳及大豆产量的影响［J］. 作物杂志， 2021， （6）： 189-192

[64] Cai L J， Zhang J T， Liu J Q， Gai Z J， Guo Z H， Zhao G F. Effects of long-term no-tillage straw returning on soil organic carbon and soybean yield in cold region ［J］. Crops， 2021， （6）： 189-192 （in Chinese）

[65] 孟磊，丁维新，蔡祖聪，钦绳武. 长期定量施肥对土壤有机碳储量和土壤呼吸影响［J］. 地球科学进展， 2005， 20（6）： 687-692

[66] Meng L， Ding W X， Cai Z C， Qin S W. Storage of soil organic and soil respiration as effected by long-term quantitative fertilization［J］. Advance in Earth Sciences， 2005， 20（6）： 687-692 （in Chinese）

[67] 张莉，李玉义，逄焕成，王婧，丛萍，张珺穜，郭建军. 玉米秸秆颗粒还田对土壤有机碳含量和作物产量的影响［J］. 农业资源与环境学报， 2019， 36（2）： 160-168

[68] Zhang L， Li Y Y， Pang H C， Wang J， Cong P， Zhang J T， Guo J J. Effects of granulated maize straw incorporation on soil organic carbon contents and grain yield［J］. Journal of Agricultural Resources and Environment， 2019， 36（2）： 160-168 （in Chinese）

[69] Guo L B， Gifford R M. Soil carbon stocks and land use change： A meta analysis ［J］. Global Change Biology，2002，8（4）：345-360

[70] Huang Y， Sun W J. Changes in topsoil organic carbon of croplands in mainland China over the last two decades ［J］. Chinese Science Bulletin，2006，51（15）：1785-1803

[71] Wang Y L， Wu P N， Mei F J， Ling Y， Qiao Y B， Liu C S， Leghari S J， Guan X K， Wang T C， Wang T. Does continuous straw returning keep China farmland soil organic carbon continued increase？ A meta-analysis ［J/OL］. Journal of Environmental Management， （--）. DOI：doi.org/10.1016/j.jenvman.2021.112391

[72] Nguemezi C， Tematio P， Silatsa F B T， Yemefack M. Spatial variation and temporal decline （1985–2017） of soil organic carbon stocks （SOCS） in relation to land use types in Tombel area， South-West Cameroon ［J/OL］. Soil and Tillage Research， （--）. DOI：doi.org/10.1016/j.still.2021.105114

[73] Deng X F， Chen X J， Ma W Z， Ren Z Q， Zhang M H， Grieneisen M L， Long W L， Ni Z H， Zhan Y， Lv X N. Baseline map of organic carbon stock in farmland topsoil in East China ［J］. Agriculture， Ecosystems & Environment，2018，254：213-223

[74] 刘骞. 盐碱稻田熟化过程中土壤有机碳变化及其影响因素研究［D］. 长春：吉林大学， 2020

[75] Liu Q. Study on soil organic carbon change and its influencing factors during saline-alkali paddy field ripening［D］. Changchun：Jilin University， 2020 （in Chinese）

[76] 肖霜霜，陈武荣，许燕萍，陈晖，孙杰. 武夷山山地土壤有机碳的垂直分布规律及影响因素研究［J］. 安徽农学通报， 2008， 14（11）： 65-67，91

[77] Xiao S S， Chen W R， Xu Y P， Chen H， Sun J. Study on vertical distribution law and influencing factors of soil organic carbon in Wuyishan mountain area［J］. Anhui Agricultural Science Bulletin， 2008， 14（11）： 65-67，91 （in Chinese）

[78] Yu H Y， Zha T G， Zhang X X， Ma L M. Vertical distribution and influencing factors of soil organic carbon in the Loess Plateau， China ［J/OL］. Science of the Total Environment， （--）. DOI：doi.org/10.1016/j.scitotenv.2019.133632

[79] Li Y， Xiong K N， Liu Z Q， Li K P， Luo D. Distribution and influencing factors of soil organic carbon in a typical karst catchment undergoing natural restoration ［J/OL］. CATENA， （--）. DOI：doi.org/10.1016/j.catena.2022.106078

[80] 黄凯. 福建省水田土壤有机碳模拟的尺度效应及其影响因素研究［D］. 福州：福建农林大学， 2022

[81] Huang K. Study on scale effects and influencing factors of paddy soil organic carbon simulation in Fujian Province［D］. Fuzhou：Fujian Agriculture and Forestry University， 2022 （in Chinese）

[82] 余涛，杨忠芳，侯青叶，夏学齐，宗思锋，李彪. 我国主要农耕区水稻土有机碳含量分布及影响因素研究［J］. 地学前缘， 2011， 18（6）： 11-19

[83] Yu T， Yang Z F， Hou Q Y， Xia X Q， Zong S F， Li B. Distribution and influencing factors of paddy soil organic carbon content in China’s major farming areas ［J］. Earth Science Frontiers， 2011， 18（6）： 11-19 （in Chinese）

[84] 全国农业区划委员会中国综合农业区划编写组.中国综合农业区划［M］. 北京：中国农业出版社.1981

[85] Group N A R C. Comprehensive Agricultural Regionalization of China［M］.Beijing： China Agricultural Press， 1981 （in Chinese）

[86] 奚小环，杨忠芳，夏学齐，李敏. 基于多目标区域地球化学调查的中国土壤碳储量计算方法研究［J］. 地学前缘， 2009， 16（1）： 194-205

[87] Xi X H， Yang Z F， Xia X Q， Li M. Calculation techniques for soil carbon storage of China based on multi-purpose geochemical survey［J］. Earth Science Frontiers， 2009， 16（1）： 194-205 （in Chinese）

[88] 赵明松，张甘霖，李德成，赵玉国. 江苏省土壤有机质变异及其主要影响因素［J］. 生态学报， 2013， 33（16）： 5058-5066

[89] Zhao M S， Zhang G L， Li D C， Zhao Y G. Variability of soil organic matter and its main factors in Jiangsu Province［J］. Acta Ecologica Sinica， 2013， 33（16）： 5058-5066 （in Chinese）

[90] 张婧婷，石浩，田汉勤，逯非，徐希燕，刘迪，刚诚诚，方善民，秦小羽，潘乃青，王思远. 1981—2019年华北平原农田土壤有机碳储量的时空变化及影响机制［J］. 生态学报， 2022， 42（23）： 9560-9576

[91] Zhang J T， Shi H， Tian H Q， Lu F， Xu X Y， Liu D， Gang C C， Fang S M， Qin X Y， Pan N Q， Wang S Y. Spatial-temporal changes in and influencing mechanisms for cropland soil organic carbon storage in the North China Plain from 1981 to 2019［J］. Acta Ecologica Sinica， 2022， 42（23）： 9560-9576 （in Chinese）

[92] 刘峰，赵鹏程，张昀，高晓丹，沙飞，孙萌，张景雯. 从微生物角度揭示气候变暖对土壤有机碳转化影响的研究综述［J］. 土壤通报， 2022， 53（6）： 1492-1498

[93] Liu F， Peng Cheng Z， Yun Z， Xiao Dan G， Sha F， Sun M， Jing Wen Z. Effects of climate warming on soil organic carbon storage from the viewpoint of soil microorganism［J］. Chinese Journal of Soil Science， 2022， 53（6）： 1492-1498 （in Chinese）

[94] 高鲁鹏，梁文举，赵军，孟凡祥，姜勇，闻大中. 气候变化对黑土有机碳库影响模拟研究［J］. 辽宁工程技术大学学报：自然科学版， 2005， 24（2）： 288-291

[95] Gao L P， Liang W J， Zhao J， Meng F X， Jiang Y， Wen D Z. Simulation of climate impact on soil organic carbon pool in black soil［J］. Journal of Liaoning Technical University： Natural Science， 2005， 24（2）： 288-291 （in Chinese）

[96] Zhang L H， Chen Y N， Zhao R F， Li W H. Significance of temperature and soil water content on soil respiration in three desert ecosystems in Northwest China ［J］. Journal of Arid Environments，2010，74（10）：1200-1211

[97] Ganuza A， Almendros G. Organic carbon storage in soils of the Basque Country （Spain）： The effect of climate， vegetation type and edaphic variables ［J］. Biology and Fertility of Soils，2003，37（3）：154-162

[98] 冯金侠. 长三角农田土壤有机碳密度及碳收集效应研究［D］. 南京：南京农业大学， 2005

[99] Feng J X. Study on soil organic carbon density and carbon collection effect of farmland in Yangtze River Delta［D］. Nanjing：Nanjing Agricultural University， 2005 （in Chinese）

[100] 张林，罗天祥. 植物叶寿命及其相关叶性状的生态学研究进展［J］. 植物生态学报， 2004， 28（6）： 844-852

[101] Zhang L， Luo T X. Advances in ecological studies on leaf lifespan and associated leaf traits［J］. Chinese Journal of Plant Ecology， 2004， 28（6）： 844-852 （in Chinese）

[102] 李印娟. 小麦/玉米套作系统作物光能利用效率与生长竞争恢复机制研究［D］. 杨凌：西北农林科技大学， 2020

[103] Li Y J. Study on the recovery mechanism of crop light energy utilization efficiency and growth competition recovery mechanism in wheat/maize intercropping system［D］. Yangling： Northwest A&F University， 2020 （in Chinese）

[104] 金剑，王光华，刘晓冰，张磊，米亮，刘俊杰， Herbert Stephen J. 作物生育期内光合碳在地下部的分配及转化［J］. 生态学杂志， 2008， 27（8）： 1393-1399

[105] Jin J， Wang G H， Liu X B， Zhang L， Mi L， Liu J J， Herbert S J. Allocation and transformation of photosynthetic carbon in belowground part of crops during their growth period：A review［J］. Chinese Journal of Ecology， 2008， 27（8）： 1393-1399 （in Chinese）

[106] Haverd V， Smith B， Raupach M， Briggs P， Nieradzik L， Beringer J， Hutley L， Trudinger C M， Cleverly J. Coupling carbon allocation with leaf and root phenology predicts tree-grass partitioning along a savanna rainfall gradient ［J］. Biogeosciences，2016，13（3）：761-779

[107] 马志良，赵文强. 植物群落向土壤有机碳输入及其对气候变暖的响应研究进展［J］. 生态学杂志， 2020， 39（1）： 270-281

[108] Ma Z L， Zhao W Q. Research progress on input of plant community-derived soil organic carbon and its responses to climate warming［J］. Chinese Journal of Ecology， 2020， 39（1）： 270-281 （in Chinese）

[109] 侯亮亮，杨建雨，王永亮，苟鹏飞，胡志强. 东北黑土地土壤侵蚀防治［J］. 现代农业研究， 2024， 30（6）： 44-47

[110] Hou L L， Yang J Y， Wang Y L， Gou P F， Hu Z Q. Soil erosion prevention and control of black soil in Northeast China［J］. Modern Agriculture Research， 2024， 30（6）： 44-47 （in Chinese）

[111] 马瑞，田芷源，赵艳，武逸杭，梁音. 东北黑土典型水蚀区农田侵蚀与退化特征［J］. 水土保持学报， 2024， 5（38）： 1-12

[112] Ma R， Tian Z Y， Zhao Y， Wu Y H， Liang Y. Characteristics of erosion and degradation for farmlands in the typicalwater erosion area of the black soilregion，Northeast China［J］. Journal of Soil and Water Conservation， 2024， 5（38）： 1-12 （in Chinese）

[113] 刘华征，贾燕锋，范昊明，王佳楠，韩文宁. 东北松嫩典型黑土区长缓坡耕地土壤侵蚀沿坡长变化规律及其对土壤质量的影响［J］. 自然资源学报， 2022， 37（9）： 2292-2305

[114] Liu H Z， Jia Y F， Fan H M， Wang J N， Han W N. Variation of soil erosion intensity along the long gentle farming slopes and its influence on soil quality in the typical mollisol region， Songnen Plain， Northeast China ［J］. Journal of Natural Resources， 2022， 37（9）： 2292-2305 （in Chinese）

[115] 王成己. 施肥和耕作长期试验下农田土壤有机碳及作物生产力变化的统计研究［D］. 南京：南京农业大学， 2009

[116] Wang C J. Statistical study on changes of soil organic carbon and crop productivity in farmland under long-term experiment of fertilization and tillage［D］. Nanjing：Nanjing Agricultural University， 2009 （in Chinese）

[117] 王仁杰. 长期施肥对黄土高原旱地土壤有机碳库的影响［D］. 杨凌：西北农林科技大学， 2020

[118] Wang R J. Effects of long-term fertilization on soil organic carbon fractions in dry land of Loess Plateau［D］. Yangling：Northwest A＆F University， 2020 （in Chinese）

[119] 段燕，夏雨龙，卢恩佳，张晋京，李翠兰. 秸秆还田对土壤有机碳积累影响的研究进展［J］. 农业技术与装备， 2021， （7）： 65-67，69

[120] Duan Y， Xia Y L， Lu E J， Zhang J J， Li C L. Research progress on the effect of straw returning on soil organic carbon accumulation［J］. Agricultural Technology & Equipment， 2021， （7）： 65-67，69 （in Chinese）

[121] 胡雪纯，解文艳，马晓楠，周怀平，杨振兴，刘志平. 长期秸秆还田对旱地玉米土壤有机碳及碳库管理指数的影响［J］. 中国农学通报， 2022， 38（34）： 8-13

[122] Hu X C， Xie W Y， Ma X N， Zhou H P， Yang Z X， Liu Z P. Effects of long-term straw returning on organic carbon and carbon pool management index in dryland maize soil［J］. Chinese Agricultural Science Bulletin， 2022， 38（34）： 8-13 （in Chinese）

[123] 王怀苹，郭宇，王国祥，宋双全，程玉红，马洪波，夏海东. 黄淮海区域农作物秸秆还田问题探析［J］. 耕作与栽培， 2023， 43（6）： 136-138

[124] Wang H P， Guo Y， Wang G X， Song S Q， Cheng Y H， Ma H B， Xia H D. Analysis on the problem of returning crop orange stalks to the field in Huanghuaihai region［J］. Tillage and Cultivation， 2023， 43（6）： 136-138 （in Chinese）

基金资助

国家重点研发计划项目(2023YFC3804000)

兴安盟科学技术局应用技术研究与开发专项(2023SYFDZ0346)