在改良的盐碱土地上，生物质积累、碳封存和碳信用潜力的不同模型

《Journal of Agriculture and Food Research》：Divergent Models of Biomass Accumulation, Carbon Sequestration, and Carbon Credit Potential in Reclaimed Sodic Lands

　　雷努·库马里 | 拉姆·基肖尔·法戈迪亚 | 卡姆莱什·维尔马 | 加尔吉·夏尔马 | 拉杰·库马尔 | 苏雷什·库马尔 | 因杜·谢卡尔·塔库尔 | 阿尔文德·库马尔·赖 | 拉金德·库马尔·亚达夫
ICAR–中央土壤盐度研究所，卡纳尔 132001，哈里亚纳邦，印度

**摘要**
土壤和多年生树木生物量中的碳封存对土壤健康、生态系统恢复力和减缓气候变化至关重要。本研究评估了印度西部印度-恒河平原（IGP）五种不同土地利用系统在土壤碳动态、生物量生产、碳封存和碳信用生成方面的表现。这些系统包括：（1）传统农业系统（水稻-小麦系统）（LU-CA）；（2）部分保护性农业系统（免耕直接播种水稻-免耕小麦并保留1/3的作物残余物）（LU-PCA）；（3）荔枝为主的园艺系统（Litchi chinensis）（LU-LHS）；（4）梅利亚树为主的农林业系统（Melia dubia + 小麦）（LU-MAS）；以及（5）桉树为主的种植系统（Eucalyptus spp.）（LU-EPS）。从四个深度（0-15厘米、15-30厘米、30-45厘米和45-60厘米）采集土壤样本，并对其物理化学性质、碳组分、碳管理指数和封存潜力进行了分析。与LU-CA相比，LU-EPS、LU-LHS、LU-PCA和LU-MAS的土壤有机碳（SOC）储量分别高出79.4%、39.6%、22.9%和20.8%。LU-EPS的被动碳库比LU-CA高出207.4%，而LU-PCA则使活性碳库增加了32.2%。LU-EPS表现出最高的抗分解指数（RI），表明其碳稳定性更强。LU-EPS产生的总生物量最高（631.4 Mg ha-1），并且具有最高的二氧化碳当量封存潜力（109.9 Mg CO2 eq. ha-1），比LU-CA高出191.5%。与传统的水稻-小麦系统相比，这些多样化土地利用系统每年产生的碳信用额在93.1至1577.5美元之间。随机森林回归模型在预测总生物量、土壤有机碳（SOC）储量、总碳储量和碳封存率（CSR）方面表现出良好的性能，其中土地利用是所有变量中最具影响力的因素。这些发现突显了农林业和植树在增强SOC封存、稳定碳库以及为可持续农业生态系统管理生成碳信用方面的巨大潜力。

**1. 引言**
提高陆地碳封存能力对于减缓气候变化具有巨大潜力，因为温室气体（GHG）尤其是二氧化碳（CO2）浓度的上升持续推动全球变暖（IPCC 2023）。农业部门虽然贡献了约24%的总温室气体排放（Steffens & Bünemann, 2025），但通过将大气中的CO2捕获并储存在土壤和生物量中，也具有巨大的减缓气候变化潜力（Meena et al. 2024a）。在各种碳封存策略中，土壤有机碳（SOC）封存是一种基本方法，因为它代表了主要的陆地碳库，其碳含量是大气中的2-3倍（FAO, 2020）。这种潜力的有效性与现有的土地利用系统及其相关的管理实践密切相关（Hammad et al. 2020; Fagodiya et al. 2025）。传统的农业实践，如集约化单一种植和过度耕作，往往会加速土壤碳的消耗，导致土地退化和大气CO2排放增加（Udawatta et al. 2023），而可持续的多年生系统，如农林业、种植园和园艺，则通过持续添加凋落物、增加根系生物量和减少土壤扰动来增强土壤碳（Handa et al. 2020a）。这些系统不仅增加了SOC储量，还影响了储存碳的稳定性。

除了SOC含量外，了解SOC动态还需要研究不同碳组分的分解抗性。SOC组分大致分为活性（易分解）和被动（抗分解）两类，其中活性组分在短期养分循环中起主要作用，而抗分解组分则有助于长期碳储存（Blair et al. 1995），因此是土壤质量、碳稳定性和封存潜力的关键指标（Six et al. 2002; Alvarez & Alvarez, 2000）。最近的研究表明，土地利用在决定多年生系统中这些组分的分布方面起着重要作用，通常能促进被动碳库的更大稳定性（Kumar et al. 2024）。除了SOC外，植被生物量也是重要的地上碳库，特别是在涉及多年生树木的系统中，这些树木能够捕获大气中的CO2并将其储存在根、干和叶中，从而减少净排放（Lakmali et al. 2024, Bora et al. 2025）。从传统农业向农林业和多样化种植系统的转变显著增加了SOC的积累和稳定性（Eddy & Yang, 2022）。碳封存中农林业的认可体现在主要气候政策中，包括《巴黎协定》（COP-21）和“每1000公顷增加4公顷”倡议，该倡议强调每年增加0.4%的土壤碳储存量以抵消全球CO2排放（Handa et al. 2020b）。印度政府最近承诺到2030年实现土地退化中和（LDN），这突显了整合农林业系统以实现可持续土地管理目标的重要性（IPCC, 2023）。因此，评估土壤和生物量碳可以更全面地了解生态系统层面的碳封存情况。这种综合评估在新兴的碳信用机制中尤为重要，因为碳信用作为一种基于市场的机制，旨在通过为封存的碳赋予经济价值来激励农民和土地所有者采用可持续的土地利用实践（Verma et al. 2024）。碳信用市场使得通过验证的封存实践产生的碳抵消物得以交易，从而鼓励对基于农业的气候变化缓解策略的投资（Abegaz et al. 2020）。尽管越来越多的研究认可了不同土地利用系统下的生物物理碳封存及其转化为碳信用的潜力，但对此的关注仍然有限。早期的大多数研究主要集中在SOC储量上，而对有机碳的稳定性和长期碳封存的关注较少。在同一农业生态区内，针对具有相似土壤和气候条件的多种土地利用系统的比较评估科学研究尚缺乏。将土壤和生物量碳的评估与碳信用生成及其产生的社会成本的经济解释结合起来在单一框架中很少见。因此，进行了一项全面的研究，评估了包括植被生物量、碳动态及其转化为碳信用潜力的多样化土地利用系统中的碳封存情况，主要目标是：（i）通过评估SOC动态、稳定性和积累率来量化各种土地利用系统下的碳封存潜力；（ii）探索碳信用生成的可行性，分析农民、土地管理者和政策制定者的经济机会。了解农业、农林业和种植系统中的碳储量变化有助于制定基于科学的政策，以改善土壤健康、促进碳交易并实现全球长期可持续发展目标。

**2. 材料与方法**
**2.1. 实验地点和气候**
本研究在位于印度哈里亚纳邦卡纳尔的ICAR-中央土壤盐度研究所（CSSRI）进行（北纬29°43’，东经76°58’，海拔244米）。该地区属于亚热带气候，夏季炎热（4月至9月），冬季寒冷（10月至3月）。研究期间，最热月份（5月至6月）的平均最高温度为35.5°C，最冷月份（12月至1月）的平均最低温度为6.1°C，降水量为815毫米，其中80%发生在7月至9月的雨季。该研究地点属于印度印度-恒河平原（IGP），当地农民主要采用水稻-小麦种植系统。该地区主要为排水良好的盐碱土壤，质地为沙质粘壤土，每公顷可利用氮（N）为110.6公斤，可利用磷（P）为23.0公斤，可利用钾（K）为233.6公斤，SOC含量为0.56%。

**2.2. 处理细节**
实验包括五种不同的土地利用系统（LUS）：（1）传统农业系统（传统水稻-小麦系统）（LU-CA）；（2）部分保护性农业系统（免耕直接播种水稻-免耕小麦并保留作物残余物）（LU-PCA）；（3）荔枝（Litchi chinensis）为主的园艺系统（LU-LHS）；（4）梅利亚树为主的农林业系统（Melia dubia + 小麦）（LU-MAS）；（5）桉树（Eucalyptus spp.）为主的种植系统（LU-EPS）。实验采用随机区组设计（准随机设计），每个处理重复四次。每个系统的面积分别为0.1公顷（系统1、2和4）和0.4公顷（系统3和5）。每个系统被视为一个独立的处理。为了便于重复，每个系统的大块土地被假想划分为四个子部分，每个子部分被视为一个伪重复。LU-CA作为对照/参考处理，其他土地利用系统的变化都是相对于它进行研究的。LU-CA是一种传统的系统，专注于水稻和小麦的单一种植和传统耕作，并完全清除残余物，建立于2006年，已有17年的种植历史。这五种土地利用系统在管理实践、作物/树种、年龄以及土地生产力和可持续性目标上有所不同，详细信息见表1。

**表1. 不同土地利用系统的作物管理实践描述**
| 处理 | 土地利用系统 | 作物/树种 | 建立年份 | 年龄（年） | 间距（行距×株距） | 植株密度（每公顷） | 营养管理 | 水分管理 |
| ---- | -------- | -------- | -------- | -------------- | ------------------ | -------------- | ------------------- |
| LU-CA | 传统农业系统 | 水稻-小麦 | 2006 | 17 | 20 × 15 cm | 333 | N:P:K = 150:60:60 kg ha-1 | 初始30天淹水，随后根据需要灌溉 |
| LU-PCA | 部分保护性农业系统 | 免耕直接播种水稻（DSR）+ 免耕小麦（ZTW）并保留残余物 | 2006-07 | 17 | 22.5 × 10 cm | 44 | N:P:K = 150:60:60 kg ha-1 + 25 kg ZnSO4 + 7 kg FeSO4 ha-1 |
| LU-LHS | 草莓（Litchi chinensis）为主的园艺系统 | 2006 | 17 | 3 | 5m × 5m | 33 | N:P:K = 150:60:60 kg ha-1 | 每年两次施用尿素 |
| LU-MAS | 梅利亚树为主的农林业系统 | 2019 | 17 | 3 | 4m × 2m | 44 | N:P:K = 150:60:60 kg ha-1 |
| LU-EPS | 桉树（Eucalyptus spp.）为主的种植系统 | 1985 | 17 | 5 | 4m × 2m | 44 | N:P:K = 150:60:60 kg ha-1 | 每年一次施肥 |

**2.3. 土壤采样与分析**
**2.3.1. 土壤样本采集**
2023年，在每个重复实验中，按照之字形模式从四个采样点采集土壤样本，以确保空间代表性并减少采样偏差。采样时有意避开了边界区域。在四个土壤深度（0–15厘米、15–30厘米、30–45厘米和45–60厘米）进行采样。每个重复实验中的四个点的土壤样本按深度合并成一个代表性复合样本，并在进一步处理前充分混合均匀。混合后的样本风干并研磨通过2毫米筛子。处理后的样本用于实验室分析，以评估各种土壤化学性质。

**2.3.2. 土壤物理化学参数**
土壤容重采用Core方法测定（Blake and Hartge, 1986），使用直径5 × 5厘米的圆柱形金属芯从每个土层中心采集未受扰动的土壤样本。样品在105°C下烘干，容重（BD）通过将干重除以芯体积计算得出。土壤pH值和电导率（EC）分别使用Eutech玻璃电极pH计（pH 510）和Systronics conductivity TDS meter 308测定，方法是将土壤与蒸馏水按1:2的比例制成悬浮液。SOC采用Walkley和Black（1934）提出的湿氧化法估算。每个深度的SOC储量使用公式（1）计算。

**2.3.3. 碳组分**
采用改进版的Walkley和Black方法根据碳组分的易分解性进行区分，其中H2SO4的浓度变化，同时保持K2Cr2O7的浓度恒定（Chan et al. 2001）。使用了三种不同浓度的H2SO4（12N、18N和24N）来分析不同的碳组分。使用24N H2SO4进行的碳氧化对应于Walkley和Black在1934年描述的标准快速氧化方法。通过三种酸-水溶液比例测定的有机碳浓度可以将总有机碳（TOC）分离成四个不同的组分，按稳定性递减的顺序排列：(i) 非常不稳定的碳（VLC）：在12N H2SO4下可氧化的有机碳；(ii) 不稳定的碳（LC）：在18N H2SO4下可氧化的有机碳与在12N H2SO4下可氧化的有机碳之间的差异；(iii) 较不稳定的碳（LLC）：在24N H2SO4下可氧化的有机碳与在18N H2SO4下可氧化的有机碳之间的差异；(iv) 难以氧化或不可稳定的碳（NLC）：与TOC相比，在24N H2SO4反应后剩余的有机碳。VLC和LC碳组分可以统称为活性池，而不太稳定和不可稳定的碳组分可以称为被动池。

2.3.4. 碳指数
为了评估不同土地利用系统中碳的稳定性，计算了各种碳指数（Blair等人，1995年）如下：
2.3.4.1. 难以氧化指数
RI1、RI2和RI平均值是使用Datta等人（2018年）给出的公式（2）、（3）、（4）确定的。
RI1表示被动有机碳池与活性有机碳池的比例，RI2表示不可稳定有机碳与总有机碳的比例，RI平均值是两个难以氧化指数的平均值，提供了有机碳稳定性的总体衡量。
2.3.4.2. 碳稳定性指数
碳稳定性指数（CLI）是通过使用Majumder等人（2007年）指定的公式（5）根据不同有机碳池（VLC、LC、LL）的相对比例来确定的。
2.3.4.3. 碳池指数
碳池指数给出了给定系统中储存的碳总量，并表明了系统固碳和储存碳的总体能力。CPI是使用公式（6）估算的。
2.3.4.4. 稳定性指数
稳定性指数给出了碳被处理并释放回大气或长期储存的速度，使用公式（7）估算。
2.3.4.5. 碳的稳定性
碳的稳定性是一个量化土壤中非常不稳定的碳与不太稳定或更稳定的有机碳组分相对比例的指标，使用公式（8）估算。
2.3.4.6. 碳管理指数
碳管理指数（CMI）是使用Blair等人（1995年）提供的公式（9）确定的。
2.3.4.7. 敏感性指数
敏感性指数（SI）量化了耕作和残茬管理处理中总有机碳（TOC）变化的幅度。SI的计算使用公式（10）（Banger等人，2010年）完成。

2.4. 生物量估算
2.4.1. 树木生物量
树木生物量是通过非破坏性采样确定的。首先，使用Ravi测高仪和卡尺分别测量每个均匀年龄样地内随机选定的10棵树的树高和胸径。然后使用表2中提供的体积公式估算树木体积。每公顷的体积是通过将每棵树的体积乘以每公顷的树木密度来计算的。
表2. 不同木本树种的特定体积公式、木材密度和生物量膨胀系数。
树种 | 体积公式 | 木材密度 | 生物量膨胀系数 | 参考文献
--- | --- | --- | --- | ---
荔枝（Litchi chinensis） | V = (0.007602 / D2 - 0.033037 / D + 1.868567 + 4.483454D) × D2 | 0.963 | Mohan等人，2022年；Zanne等人，2009年；IPCC，2003年
Melia dubia | V = 0.003 + 0.00003 × H × D2 | 0.391 | FAO，2020年；Kumar等人，2019年；Thakur等人，2021年
桉树（Eucalyptus sp.） | V = 0.02894 - 0.89284 × D + 8.72416 × D2 | 0.641 | FSI，2021年；Zanne等人，2009年；Rawat等人，2015年
其中，D = 直径；H = 高度；V = 体积
地上树木生物量的估算使用了表2中确定的体积、木材密度和生物量膨胀系数，以及公式（11）、（12）：
(11) 树干生物量（Mg ha?1）= 树木体积 × 木材密度
(12) 地上生物量（Mg ha?1）= 树干生物量（Mg ha?1）× 生物量膨胀系数
树木的地下生物量（根生物量）是使用荔枝（L. chinensis）{(0.26)；(FAO，2020)}、Melia dubia {(0.26)；(IPCC，2001；FAO，2020)} 和桉树（Eucalyptus spp. {(0.17)；(Rawat等人，2015)} 的特定根冠比，使用公式（13）确定的。
(13) 地下生物量 = 地上生物量 × 根冠比

2.4.2. 作物生物量
每种作物（水稻和小麦）的生物量是在成熟时测量的，通过手动收获每个主要样地中的三个1m × 1m的样方。作物生物量考虑了地上（秸秆产量+残茬）和地下（根）的生物量。对于地上生物量的估算，收获的作物被风干并手动脱粒以确定最终收获量，单位为Mg ha?1。地下生物量是使用水稻和小麦作物的相应根冠比确定的。

2.5. 碳封存
2.5.1. 树木和作物组分中的碳封存
树木组分中封存的碳占总树木生物量（地上和地下）的47%（IPCC，2003年）。对于农作物，碳封存量是地上和地下生物量与地上部分（0.335单位）和地下部分（0.35单位）碳含量的乘积（Mandal等人，2007年）。由于LU-CA和LU-PCA中种植的水稻和小麦都是年度作物，因此任何封存的碳都会释放回大气中，不会形成持久的植被碳储量。因此，在LU-PCA中仅考虑了土壤碳储量。碳封存率是通过将碳封存量除以树木的平均年龄或作物在LU-CA中种植的总年数来确定的。然后将年碳封存量乘以CO2转换因子（44/12）得到CO2当量碳封存量（IPCC，2003年）。
2.5.2. 土壤中的碳封存
不同土地利用系统中土壤有机碳的封存量是通过从选定土地利用系统中的碳封存量中减去传统农业实践中的碳封存量，并除以该土地利用系统存在的总年数来估算的。SOC封存量是相对于传统农业系统（LU-CA）的，后者被用作对照。每个系统单独得出的SOC储量值用于根据公式（14）计算SOC封存率。
与生物量中的碳封存类似，土壤碳封存率也乘以CO2转换因子（44/12）得到CO2当量土壤碳封存量。

2.6. 碳信用和社会成本
一个碳（C）信用相当于每年封存一吨CO2（Roy等人，2022年）。因此，每个土地利用系统的总C信用是基于总碳封存量的CO2当量值使用公式（15）计算的（Pradhan和Meena，2023年）。
(15) 碳信用（美元/公顷）= CO2封存量（Mg ha?1）× 50美元
CO2的社会成本是由排放一吨CO2对社会造成的损害的经济价值。CO2的社会成本是使用公式（16）估算的（Rennert等人，2022年）。
(16) CO2的社会成本（美元/公顷）= CO2封存量（Mg ha?1）× 86美元

2.7. 统计分析
使用Gomez和Gomez（1984年）概述的方法分析了不同土地利用系统中每个参数的数据。为了评估数据的正态性，进行了Shapiro–Wilk检验；为了评估方差同质性，进行了Barlett检验。为了评估土地利用系统对土壤性质和碳封存的影响，使用了单因素方差分析（ANOVA）技术。使用SPSS-16统计软件在5%的显著性水平（p < 0.05）下确定了最小显著差异（LSD）。

3. 结果
3.1. 土壤物理化学性质和碳池
不同的土地利用系统对土壤容重（BD）、pH值、电导率（EC）和有机碳（SOC）有显著影响（p<0.05）（表3和图2）。所有土地利用系统的容重随土壤深度增加而增加，但土地利用之间的差异仅在30厘米深度以内显著。在表层土壤（0-15厘米）中，LU-PCA下的容重最低（1.47 g cm?3），与LU-EPS（1.48 g cm?3）统计上相似，表明土壤结构有所改善；而LU-MAS下的容重较高，LU-EPS的较深层土壤压实程度更大。土壤pH值通常在30-45厘米深度范围内随深度增加而增加，之后略有下降。然而，在LU-MAS中，15-30厘米深度的pH值下降，然后在60厘米深度再次上升。在各种土地利用系统中，LU-CA在整个剖面中显示出最高的pH值，与LU-PCA统计上相似，而LU-EPS始终显示出最低的pH值。尽管土地利用系统之间的土壤EC差异不显著，但随着土壤深度的增加，EC有所下降。0–60厘米剖面内的平均土壤EC（0.19 dS m?1）在LU-CA下显著高于其他土地利用系统，表明传统管理土壤中可溶性盐的积累更多。不同土地利用系统下的土壤容重、pH值和电导率的变化改变了土壤结构、养分可用性和微生物活动，这反映在SOC及其组分的分布上。SOC在不同土地利用系统之间有明显差异，并随深度增加而减少。在整个土壤剖面（0-60厘米）中，LU-CA下的SOC最低，范围为1.99至5.62 g kg?1，而LU-EPS下的SOC最高（2.99至13.73 g kg?1）。与LU-CA相比，LU-PCA、LU-LHS、LU-MAS和LU-EPS下的SOC分别增加了28.42%、38.95%、17.63%和83.42%。为了补充SOC的估算，还评估了总有机碳含量，以更好地了解土壤基质中的碳分布。所有土地利用系统中的总有机碳随土壤深度增加而减少，最大浓度在表层土壤（0–15厘米）（图2）。然而，在整个土壤剖面中观察到不同系统之间的显著差异，表明植被类型和管理措施对总有机碳有强烈影响（表3）。在整个土壤剖面中，桉树种植系统（LU-EPS）始终保持最高的TOC值，范围为16.53 g kg?1（0–15厘米）至4.02 g kg?1（45–60厘米）。而传统农业（LU-CA）记录的最低值，分别在15–30厘米、30–45厘米和45–60厘米深度减少了23.9%、42.8%和64.2%，主要是由于连续耕作和作物残茬的移除，这限制了有机物质返回土壤。采用部分保护性农业（LU-PCA）后，TOC比LU-CA增加了32%，表明零耕作（无土壤扰动）和残茬保留对土壤碳积累有积极影响。多年生植被系统显示出更大的改善，LU-EPS下的TOC增加了73.2%，基于荔枝的园艺系统（LU-LHS）下的TOC增加了40.6%，相对于LU-CA，这反映了通过落叶、根生物量和减少土壤扰动带来的更多碳输入。尽管基于Melia的农林复合系统（LU-MAS）的TOC高于传统农业实践，但其TOC值在整个土壤剖面中始终低于其他土地利用系统，表明生物质输入较少或碳周转较快。

表3. 不同土地利用系统对土壤物理化学性质的影响（0-60厘米土壤深度）。
土地利用系统 | EC（dS m?1） | 容重（g cm?3） | SOC（g kg?1） | SOC储量（Mg ha?1） | TOC（g kg?1）
--- | --- | --- | --- | ---
LU-CA | 7.88a | 0.19a | 1.67bc | 3.80b | 9.43b | 5.19b |
LU-PCA | 7.79a | 0.16b | 1.61c | 4.88b | 11.59b | 6.86ab |
LU-LHS | 7.29c | 0.15b | 1.70ab | 5.28ab | 13.16ab | 7.30ab |
LU-MAS | 7.55b | 0.16b | 1.73a | 4.47b | 11.39b | 6.04b |
LU-EPS | 7.24c | 0.15b | 1.70ab | 6.97a | 16.92a | 8.99a |
其中，EC：电导率（dS m?1），BD：容重（g cm?3），SOC：土壤有机碳（g kg?1），SOC储量：土壤有机碳储量（Mg ha?1），TOC：总有机碳。
LU-CA = 传统农业系统，LU-PCA = 部分保护性农业系统，LU-LHS = 基于荔枝的园艺系统，LU-MAS = 基于Melia的小麦农林复合系统，LU-EPS = 基于桉树的种植系统。
同一列中不同上标字母后的平均值有显著差异（p < 0.05；Tukey's Honest significant difference）。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像
图1. 本研究区域地图，显示了不同的土地利用系统。
下载：下载高分辨率图像（481KB）
下载：下载全尺寸图像
图2.土壤的物理化学性质包括：(a) pH值，(b) 电导率（EC），(c) 容重（BD），(d) 土壤有机碳（SOC），(e) 土壤有机碳储量（SOC stock），以及(f) 总有机碳（TOC），这些性质在不同的土地利用系统下有所差异。其中，LU-CA表示传统农业系统，LU-PCA表示部分保护性农业系统，LU-LHS表示以荔枝为基础的园艺系统，LU-MAS表示以梅和李子为基础的农林复合系统，LU-EPS表示以桉树为基础的种植系统。总有机碳反映了整体的碳积累情况，但要了解其稳定性，需要将其分为活性碳和非活性碳两部分。因此，研究了不同土地利用系统下碳库的分布情况。活性碳和非活性碳分别代表总有机碳的不同组成部分，具有不同的反应性和稳定性。活性碳包括非常易分解（VL）和易分解（L）的碳组分，容易被氧化和矿化；而非活性碳包括较难分解（LL）和不易分解（NL）的碳组分，稳定性更强，能在较长时间内积累。不同土地利用系统在土壤深度上的碳库浓度表现出不同的模式，表明表层与下层的变化趋势不同。在所有土地利用系统中，活性碳和非活性碳的分布规律与总有机碳相似，在0–15厘米深度处浓度最高，分别为8.20克/千克和8.33克/千克。这些值随深度增加而逐渐减少，在45–60厘米深度达到最低（活性碳和非活性碳分别为最低值，见图3）。LU-EPS在整个土壤剖面中表现出最大的活性碳储量（3.95克/千克），尤其是在表层（0-15厘米），这主要是由于其含有较高比例的非常易分解碳。然而，在较深的土壤层（15-60厘米），部分保护性农业系统的活性碳储量相对较高，这归因于过去17年中持续保留了作物残余物。对于非活性碳，LU-CA在所有土壤深度上均记录最低值，而LU-EPS在整个土壤剖面中保持最高水平。平均来看，从传统农业（LU-CA）转变为部分保护性农业后，非常易分解碳增加了14.8%，易分解碳增加了5.34%。尽管LU-LHS和LU-MAS的非常易分解碳分别减少了2.47%和8.41%，但易分解碳增加了13%和24.43%，表明碳形态向更稳定的方向转变（见表4）。LU-EPS在整个土壤剖面中表现出最高的非活性碳储量（5.05克/千克），这主要归功于较难分解碳（2.13克/千克）和不易分解碳（2.92克/千克）的贡献，显示出多年生植被覆盖下的长期碳稳定作用。LU-LHS排名第二，而LU-CA始终记录最低的非活性碳储量（1.87克/千克），强调了连续耕作对碳稳定性的负面影响。从传统农业（LU-CA）转变为部分保护性农业后，较难分解碳增加了52.6%，不易分解碳增加了85.8%。以荔枝为基础的系统（LU-LHS）的LL碳增加了0.55克/千克，NL碳增加了1.43克/千克（相对于LU-CA）。下载：高分辨率图片（379KB）下载：全尺寸图片

图3. 不同土地利用系统下0-15厘米、15-30厘米、30-45厘米和45-60厘米深度的土壤碳库：(a) 非常易分解碳（VL），(b) 易分解碳（L），(c) 较难分解碳（LL），(d) 不易分解碳（NL）。

表4. 不同土地利用系统对0-60厘米土壤深度碳库的影响
土地利用系统 非常易分解碳（g/kg） 易分解碳（g/kg） 较难分解碳（g/kg） 不易分解碳（g/kg）
LU-CA 2.02a 1.31ab 0.95d 0.92c
LU-PCA 2.32a 1.38ab 1.45bc 1.71bc
LU-LHS 1.97a 1.48a 1.50b 2.35ab
LU-MAS 1.85a 1.63a 1.13cd 1.44bc
LU-EPS 2.86a 1.09b 2.13a 2.92a

注：同一列中不同上标字母表示差异显著（p < 0.05；Tukey's Honest Significant Difference）

3.2. 碳管理指数
鉴于物理化学性质、有机碳及其组分的显著差异，评估了碳管理指数，以量化不同土地利用系统下管理措施对土壤碳动态的总体影响。顽固指数（RI）表示总有机碳中稳定碳的比例，在不同土地利用系统和土壤深度上表现出明显变化。在所有研究的土壤深度中，LU-CA和LU-EPS的RI1始终最低和最高。与表层（0-15厘米）相比，最深层（45-60厘米）在所有土地利用系统下的RI1均较高，分别增加了30.9%、36.5%、44.9%、43.05%和53.9%（见表5和图4）。平均而言，LU-EPS的RI1最高（1.44），与LU-LHS（1.23）统计上相似。与LU-CA（最低值0.62）相比，LU-PCA、LU-LHS、LU-MAS和LU-EPS的RI1分别增加了48.4%、98.3%、30.6%和132.2%。同样，RI2在LU-CA最低，在LU-EPS所有深度上最高，增幅约为50-140%。LU-PCA和LU-MAS的RI2统计上相似，分别比LU-CA高47.0%和41.2%。RI平均值（RI1和RI2的平均值）在LU-CA最低，在LU-EPS最高。无论土壤深度如何，RI平均值在LU-EPS最低，与LU-LHS相当。从传统农业（LU-CA）转变为部分保护性农业后，非常易分解碳增加了14.8%，易分解碳增加了5.34%。虽然LU-LHS和LU-MAS的非常易分解碳分别减少了2.47%和8.41%，但易分解碳增加了13%和24.43%，表明碳形态向更稳定的方向转变（表4）。LU-EPS在整个土壤剖面中表现出最高的非活性碳储量（5.05克/千克），其中较难分解碳（2.13克/千克）和不易分解碳（2.92克/千克）的贡献较大，突显了多年生植被覆盖下的长期碳稳定作用。LU-LHS排名第二，而LU-CA始终记录最低的非活性碳储量（1.87克/千克），强调了连续耕作对碳稳定形成的不利影响。从传统农业（LU-CA）转变为部分保护性农业后，较难分解碳增加了52.6%，不易分解碳增加了85.8%。以荔枝为基础的系统（LU-LHS）的LL碳增加了0.55克/千克，NL碳增加了1.43克/千克（相对于LU-CA）。同样，LU-MAS在非活性碳组分上也显示出类似改善。

下载：高分辨率图片（379KB）下载：全尺寸图片

图4. 不同土地利用系统下0-15厘米、15-30厘米、30-45厘米和45-60厘米深度的土壤碳库：(a) 非常易分解碳（VL），(b) 易分解碳（L），(c) 较难分解碳（LL），(d) 不易分解碳（NL）

表5. 不同土地利用系统对0-60厘米土壤深度碳管理指数的影响
土地利用系统 RI1 RI2 RI平均值
LU-CA 0.62c 0.17c 0.39c 1.84a 1.00c 0.64a 1.00a 0.00c 100.00a
LU-PCA 0.92b 0.25b 0.58b 1.61b 0.49ab 31.71b 116.27a
LU-LHS 1.23a 0.31a 0.77a 1.40c 1.33b 0.58c 33.40b 79.46a
LU-MAS 0.81bc 0.24b 0.52bc 1.61b 1.14bc 0.40b 0.67c 64.49a

注：RI：顽固指数；CLI：碳稳定性指数；CPI：碳库指数；LC：碳的稳定性；LI：碳的易分解性指数；SI：敏感性指数；CMI：碳管理指数；LU-CA：传统农业系统；LU-PCA：部分保护性农业系统；LU-LHS：以荔枝为基础的园艺系统；LU-MAS：以梅和李子为基础的农林复合系统；LU-EPS：以桉树为基础的种植系统。

下载：高分辨率图片（662KB）下载：全尺寸图片

图4. 不同土地利用系统下0-15厘米、15-30厘米、30-45厘米和45-60厘米深度的碳管理指数：(a) 顽固指数1（RI1），(b) 顽固指数2（RI2），(c) 顽固指数平均值（RI平均值），(d) 碳稳定性指数（CLI），(e) 碳库指数（CPI），(f) 碳的稳定性（LC），(g) 碳的易分解性指数（LI），(h) 敏感性指数（SI），(i) 碳管理指数（CMI）

碳稳定性指数（CLI）显示，在传统农业实践（LU-CA）下的土壤具有最高的CLI值（1.84），而LU-EPS的CLI值最低（1.39）（见表5和图4）。在LU-CA中，CLI值在不同土壤深度上的范围为1.73至1.97，最高值出现在15–30厘米深度，最低值出现在35–40厘米深度。与LU-CA相比，LU-EPS和LU-MAS的最高CLI值出现在0–15厘米深度，并且随着深度增加而降低。从LU-CA转变为LU-PCA后，CLI值降低了3.47%至20.5%。无论深度如何，LU-CA的平均CLI值最高，随后LU-PCA、LU-LHS和LU-MAS的CLI值分别降低了12.5%、23.9%和12.5%。LU-EPS的CLI值降低最为显著，降低了24.4%。这些结果突显了土地利用变化对CLI的敏感性，特别是采用保护性农业和种植系统后碳稳定性的提高。碳库指数（CPI）定义为给定土地利用系统下的总有机碳与对照系统（LU-CA）下的总有机碳之比，在不同土地利用系统间表现出明显差异（见表5和图4）。由于CPI值是相对于LU-CA计算的，因此在LU-CA的整个土壤剖面中保持恒定为1.0。在0–15厘米深度，从LU-CA转变为LU-PCA后，CPI增加了39%；在15–30厘米、30–45厘米和45–60厘米深度，CPI分别增加了25%、31%和32%。与直接播种水稻/免耕小麦（LU-PCA）相比，LU-LHS在表层土壤的CPI值较高；而在较深的土壤层，LU-PCA的CPI值较高。直接播种水稻系统中的周期性土壤湿润和干燥循环可能促进溶解有机碳（DOC）向下移动，导致LU-CA下较低土壤层的碳富集。保护性农业实践中减少残余物移除和原位保留也有助于碳的垂直再分布。以桉树为基础的种植系统在所有土壤深度上始终表现出最高的CPI值，优于其他土地利用系统。这些发现突显了以桉树为基础的种植系统的碳封存潜力，尤其是在与其他土地利用系统相比时。

碳的易分解性（LC）表示非常易分解碳与较稳定碳组分（易分解碳、较难分解碳和不易分解碳）的相对比例，在不同土地利用系统间存在显著差异。在0–15厘米深度，LU-EPS的碳易分解性最高（LC值为0.72），其次是LU-CA（LC值为0.69）（见图4）。相比之下，LU-CA在较深土壤层始终记录最高的LC值。LU-LHS在0–15厘米和15–30厘米深度的LC值最低，分别为0.49和0.26。在30–45厘米深度，LU-EPS的LC值最低；而在45–60厘米深度，LU-MAS的LC值最低。在0–60厘米土壤剖面平均后，LU-CA的平均LC值最高（0.64），其次是LU-PCA（低23.4%但统计上相当）。LU-LHS的平均LC值最低，分别比LU-MAS降低了21.2%、27.3%、48.5%和93.9%。为了便于比较碳的易分解性，使用LU-CA作为参考系统计算了易分解性指数（LI）；因此，在LU-CA下LI值始终为1.0（见表5和图4）。从LU-CA转变为LU-PCA后，0–15厘米、15–30厘米和45–60厘米深度的LI值分别降低了15%、18%和24%。然而，在30–45厘米深度，LI值在LU-PCA下增加了15%。在不同土地利用系统中，LU-LHS在0–45厘米深度的LI值最低，而LU-MAS在45–60厘米深度的LI值最低。在0–60厘米土壤剖面平均后，LU-LHS的平均LI值最低（0.58），其次是LU-MAS（0.67）和LU-EPS（0.71），两者统计上相当。这些发现突显了土地利用系统对土壤碳稳定性的不同影响，其中LU-LHS和LU-MAS在易分解碳组分上的降低最为显著。

从LU-CA转变为LU-EPS后，所有研究深度的敏感性指数（SI）均显著增加，除了0–15厘米层，该层LU-LHS的SI值仅次于LU-EPS。与LU-PCA（直接播种水稻/免耕小麦）相比，以桉树为基础的种植系统的SI值显著增加，分别在0–15厘米、15–30厘米、30–45厘米和45–60厘米深度增加了75.45%、34.73%、6.89%和14.03%。当在0-60厘米的土壤剖面中平均时，LU-EPS显示出最高的SI（土壤指数），为64.49%，分别比LU-LHS、LU-PCA、LU-MAS和LU-CA高出31.09%、32.78%、50.73%和64.49%。基于不同土壤碳库及其各种指数的变化，计算了碳管理指数（CMI）以评估整体碳管理效率。在不同土地利用系统下，CMI随土壤深度的变化是显而易见的，每个深度区间都观察到了不同的趋势（表5和图4）。在0-15厘米深度，所有土地利用系统的CMI值都高于LU-CA，其中LU-EPS的值最高，为223.95%。然而，在更深的层次上，趋势发生了变化。在15-30厘米和45-60厘米层，LU-PCA是唯一一个超过LU-CA的系统，其CMI值分别高出2.7%和0.5%。在30-45厘米深度，LU-PCA和LU-EPS的CMI都高于LU-CA。当在整个0-60厘米的土壤剖面中平均时，LU-EPS显示出最高的CMI，为119.36%，分别比LU-PCA、LU-CA、LU-LHS和LU-MAS高出2.6%、19.4%、50.2%和56.8%。

3.3. 生物量生产、碳储量和固存
评估的各种土地利用系统之间的生物量生产显示出明显差异，表明植被类型对生物量积累有显著影响。以桉树为基础的种植系统（LU-EPS）在地上和地下部分都表现出更高的生物量（分别为539.62 Mg ha-1和91.74 Mg ha-1），从而在所有系统中总生物量最高（631.36 Mg ha-1）。另一方面，LU-MAS记录的生物量显著最低，表明在这种土地利用方式下生物量积累相对有限。尽管基于农作物的系统LU-CA和LU-PCA在地上和总生物量生产方面表现出统计上的相似性，但在地下生物量方面存在显著差异，采用部分保护性农业后，地下生物量减少了10.3%。生物量生产的观察到的差异进一步反映在各个土地利用系统的碳储量上。LU-EPS的地上碳储量最高（253.62 Mg ha-1），而LU-MAS的地上碳储量最低（21.70 Mg ha-1），比LU-EPS的最高值低91.4%。类似的模式也出现在地下碳储量上，LU-EPS的地下碳储量最高，比最低值（LU-MAS的6.81 Mg ha-1）高出84.2%。给定土地利用系统下的总碳储量包括生物量和土壤库的贡献，因此也计算了土壤碳储量（表6）。土壤碳储量在不同土地利用系统之间有显著差异，并且其趋势与生物量碳的趋势部分一致。以桉树为基础的种植系统（LU-EPS）记录了最高的土壤碳储量（67.67 Mg C ha-1）。与生物量碳储量相反，LU-CA的土壤碳储量最低（37.72 Mg C ha-1），这可能归因于其相对较低的SOC（土壤有机质）含量。从传统农业向部分保护性农业的转变显著改善了土壤碳储量，增加了22.8%。尽管土壤碳储量有所增加，但LU-PCA的总碳储量仍低于LU-CA，尽管这种差异在统计上不显著。

表6. 不同土地利用系统对生物量生产和碳储量的影响。
土地利用系统 生物量生产（Mg ha-1） 碳储量（Mg C ha-1）
地上 地下 总计 地上 地下
LU-CA 274.59b 80.36b 354.95b 91.99b 28.13b 37.72d
LU-PCA 237.32b 72.04c 309.36b 79.50b 25.21b 46.34c 151.06b
LU-LHS 109.03c 28.35d 137.38c 51.24c 52.64b 117.21c
LU-MAS 46.36d 15.39e 61.75d 21.70d 6.81d 45.56c 74.07d
LU-EPS 539.62a 91.74a 631.36a 253.62a 43.12a 67.67a 364.40a

其中，地上生物量包括水稻和小麦作物的秸秆和残茬，地下生物量是水稻和小麦作物的根系生物量。
LU-CA = 传统农业土地利用系统，LU-PCA = 部分保护性农业土地利用系统，LU-LHS = 草莓园艺土地利用系统，LU-MAS = 梅利亚+小麦农林复合系统，LU-EPS = 以桉树为基础的种植系统。
同一列中不同上标字母后的平均值具有显著差异（p < 0.05；Tukey's Honest Significant Difference）。

为了更好地了解不同土地利用系统对碳增益或损失程度的影响，进一步评估了每种系统相对于传统农业（LU-CA）的碳固存变化。对于LU-PCA，由于每年都会收获并移除年度作物（水稻和小麦）的生物量，因此没有将其计入总碳固存估算中，所以LU-PCA的总碳固存仅来自土壤碳，其值为31.65 Mg CO2 eq ha-1（表7）。与年度作物不同，多年生作物持续存在于原地并持续贡献于植被碳储量，因此在LU-EPS下，植被和土壤的碳固存值最高，分别为1089.02 Mg CO2 eq ha-1和109.90 Mg CO2 eq ha-1。为了更深入地了解碳固存模式，评估了碳固存率以量化每种土地利用系统下的年碳积累量。与通过植被的碳固存不同，LU-MAS的土壤碳固存率最高（5.75 Mg C eq ha-1 yr-1），其次是LU-LHS（3.22 Mg C eq ha-1 yr-1）（表8）。与总碳固存一致，LU-EPS的固存率最高（31.55 Mg CO2 eq ha-1 yr-1），其次是LU-CA（1.86 Mg CO2 eq ha-1 yr-1）（表8）。

表7. 不同土地利用系统对碳储量/碳固存变化的影响（相对于LU-CA）。
土地利用系统 碳储量变化/碳固存（Mg C ha-1） （Mg CO2 eq. ha-1）
地上 地下 总计 地上 地下
LU-CA - - - - -
LU-PCA - - 8.62c 8.62c - -
LU-LHS 51.24b 13.32b 14.92b # 79.49b 188.07b 48.90b 54.77b 291.73b
LU-MAS 21.48c * 5.58c * 7.84c # 34.90c 78.85c * 20.47c * 28.77c 128.08c
LU-EPS 253.62a 43.12a 29.95a # 326.68a 930.79a 158.23a 109.90a 1198.93a

其中，LU-CA = 传统农业土地利用系统，LU-PCA = 部分保护性农业土地利用系统，LU-LHS = 草莓园艺土地利用系统，LU-MAS = 梅利亚+小麦农林复合系统，LU-EPS = 以桉树为基础的种植系统。
同一列中不同上标字母后的平均值具有显著差异（p < 0.05；Tukey's Honest Significant Difference）。
*农业实践中的植被生物量（LU-CA和LU-PCA）被收获并移除，因此不计入碳储量。由于水稻-小麦种植系统每年都会收获和移除生物量，因此没有记录LU-CA和LU-PCA的植被碳储量，导致没有持续的现场植被碳固存。

表8. 不同土地利用变化对碳固存率的影响（相对于LU-CA）。
土地利用系统 碳固存率（Mg C ha-1 yr-1） （Mg CO2 eq. ha-1 yr-1）
地上 地下 总计 地上 地下
LU-CA - - - -
LU-PCA - - 8.62c 8.62c - -
LU-LHS 51.24b 13.32b 14.92b # 79.49b 188.07b 48.90b 54.77b 291.73b
LU-MAS 21.48c * 5.58c * 7.84c # 34.90c 78.85c * 20.47c * 28.77c
LU-EPS 253.62a 43.12a 29.95a # 326.68a 930.79a 158.23a 109.90a 1198.93a

其中，LU-CA = 传统农业土地利用系统，LU-PCA = 部分保护性农业土地利用系统，LU-LHS = 草莓园艺土地利用系统，LU-MAS = 梅利亚+小麦农林复合系统，LU-EPS = 以桉树为基础的种植系统。
同一列中不同上标字母后的平均值具有显著差异（p < 0.05；Tukey's Honest Significant Difference）。
*农业实践中的植被生物量被收获并移除，因此不计入碳储量。由于水稻-小麦种植系统每年都会收获和移除生物量，因此没有记录LU-CA和LU-PCA的植被碳储量，导致没有持续的现场植被碳固存。

3.4. 碳信用和社会成本
为了补充量化的碳固存潜力，还评估了相应的经济效益，包括碳信用生成和社会效益。碳的社会成本是对向大气中排放额外一吨二氧化碳所涉及的经济损害的估计，通常以美元表示。碳信用和CO2的社会成本在不同土地利用系统之间有显著差异（表9）。LU-EPS产生的碳信用最高（59946.52美元/公顷），其次是LU-LHS（14586.59美元/公顷）。在年碳信用积累方面，LU-EPS再次排名最高（1577.54美元/公顷），而以梅利亚为基础的农林复合系统（LU-MAS；1280.82美元/公顷/年）的年碳信用积累排名第二。CO2社会成本的趋势也类似，LU-EPS的碳社会成本最高（103108.02美元/公顷），而LU-PCA的社会成本相对较低。这些结果表明，多年生种植系统不仅增强了碳固存潜力，还在减缓气候变化方面提供了更大的经济效益。

表9. 不同土地利用变化对碳信用和二氧化碳社会成本的影响。
土地利用系统 碳信用 累计碳信用（美元/公顷） 年碳信用（美元/公顷） 累计社会成本（美元/公顷） 年社会成本（美元/公顷）
LU-CA 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
LU-PCA 0.00 0.00 * 0.51c # 0.51d 0.00 0.00 1.86c # 1.86d
LU-LHS 3.01c 0.78b 0.88b # 4.68c 11.06c 2.88b 3.22b # 17.16c
LU-MAS 4.30b 1.12a 1.57a # 6.98b 15.77b 4.09a 5.75a # 25.62b
LU-EPS 6.67a 1.13a 0.79b # 8.60a 24.49a 4.16a 2.89b # 31.55a

其中，LU-CA = 传统农业土地利用系统，LU-PCA = 部分保护性农业土地利用系统，LU-LHS = 草莓园艺土地利用系统，LU-MAS = 梅利亚+小麦农林复合系统，LU-EPS = 以桉树为基础的种植系统。
同一列中不同上标字母后的平均值具有显著差异（p < 0.05；Tukey's Honest Significant Difference）。
*农业实践中的植被生物量被收获并移除，因此不计入碳储量。由于水稻-小麦种植系统每年都会收获和移除生物量，因此没有记录LU-CA和LU-PCA的植被碳储量，导致没有持续的现场植被碳固存。

4. 讨论
4.1. 土壤物理化学性质和碳库
土地利用的变化显著影响了土壤的物理和化学性质，特别是在表层土壤中，这突显了管理实践（包括施肥和植被类型）对表层土壤变化的敏感性。容重是反映土地利用和管理引起的土壤物理状况变化的关键指标，因为它反映了土壤压实、结构和孔隙空间的变化。图2中的结果清楚地表明，容重的最低和最显著的变化发生在表层土壤（0-30厘米）。30厘米以下容重的有限变化表明，管理带来的改善主要局限于表层土壤，因为这里的有机投入和生物活动最大。由于有机质含量较低以及上层土壤的压力导致的较高压实，加上较深土壤层中的土壤团聚作用较低（Swarnam等人2004年；Arevalo等人2009年；Wilson等人2008年），无论哪种土地利用系统，随着土壤深度的增加，土壤容重都会增加。许多研究人员也注意到在不同种植系统中，随着土壤深度的增加，容重也在增加（Aumtong等人2009年；Singh等人2011年）。LU-PCA和LU-EPS下的最低容重值表明，由于持续添加有机物质和减少土壤扰动，土壤结构得到了改善。保护性农业下的残渣保留促进了团聚体的形成，增强了孔隙空间，并减少了土壤压实。同样，多年生种植系统贡献了大量的凋落物和根系生物量，随着时间的推移改善了土壤团聚作用并降低了容重。而LU-MAS和LU-EPS的较深层次较高的容重可能归因于较低的有机投入和自然的土壤固结（Sumit等人2024年；Kumari等人2025年）。
土地利用系统的变化导致了所有土壤深度的pH值显著变化。pH值在30-45厘米深度内的总体增加可以归因于酸性有机化合物的淋溶和较低深度处碱性阳离子的积累（Abindaw等人2023年；Gowthamchand等人2023年）。然而，在LU-MAS的15-30厘米深度观察到的pH值下降显示了一个独特趋势，可能是由于该系统中有机酸的局部积累或微生物活动的差异（Sumit等人2024年）。LU-EPS下持续的最低pH值可能是由于相对较高的持续凋落物沉积在分解过程中释放了有机酸，从而导致土壤局部酸化（Ullah等人2023年；Cui等人2023年）。此外，根系释放的CO2和微生物呼吸产生的碳酸也导致了该系统中土壤pH值的降低（Kuzyakov & Razavi, 2019年）。总体而言，LU-CA的平均土壤pH值最高（7.88），与LU-PCA（7.79）统计上相似，这可能与农田管理下的更好的缓冲能力和碱饱和度有关（Page等人2020年；Yang等人2022年）。尽管不同土地利用系统之间的土壤电导率（EC）差异在统计上不显著，但随着土壤深度的增加，所有土地利用系统的EC都有显著下降。这种趋势可以归因于有机质分解减少和较深土壤层中可溶性盐含量的降低（Dhaliwal等人2023年）。土壤中的有机碳及其组分是土地利用变化和管理实践的高度敏感指标，因为它们反映了碳输入、分解和稳定过程之间的平衡。在本研究中，土壤有机碳（SOC）和总有机碳（TOC）的含量随着土壤深度的增加而减少，这反映了表层土壤中有机物浓度较高和生物活性更强的特点（Saha等人，2014年）。下层土壤中的有机碳主要依赖于根系产生的碳，形式包括根系分泌物、溶解有机化合物的向下迁移以及有限的土壤破碎作用（LV和Liang，2012年）。由于根系密度主要集中在表层，因此随着深度的增加，碳输入量显著减少（Luo等人，2022年）。此外，深层土壤的特点是微生物活性降低、通气性受限以及有机物质输入减少，这些因素共同限制了下层土壤中的总有机碳含量。在各种土地利用系统中，桉树种植园（LU-EPS）在整个土壤剖面中保持了显著较高的SOC含量。这归因于其较高的生物量生产、持续的落叶量、广泛的根系系统以及对土壤的轻微干扰，所有这些都有助于增加有机物质输入并促进碳的稳定。多年生植被下的最小土壤干扰也有助于改善土壤团聚结构，从而保护土壤中的有机物质，减少分解损失并增强长期碳储存。同样，荔枝种植园（LU-LHS）的SOC含量也高于传统农业系统。而传统农业系统（LU-CA）在所有土壤深度上的TOC含量最低，这主要是由于连续耕作和种植前清除作物残余物导致有机物质输入减少，加速了现有土壤碳的氧化。LU-CA下较低的SOC含量凸显了集约化耕作系统对碳损失和土壤退化的脆弱性。从传统农业（LU-CA）向部分保护性农业（LU-PCA）的转变显著提高了所有土壤深度上的SOC和TOC含量，表明保留残余物和减少土壤干扰对碳储存具有积极作用。LU-PCA中的免耕技术也有助于土壤团聚，从而稳定有机碳并减少其损失，导致TOC水平升高。Fagodiya等人（2024a,b）也报告了类似的结果，他们发现部分保护性农业系统由于保留残余物和改善了土壤健康状况而具有更高的SOC水平。Sharma等人（2014年）也指出，森林和园艺用地的SOC含量较高，而农业用地的SOC含量最低，这强调了土地利用系统对SOC含量的关键影响。这些结果表明，基于保护的管理措施即使在一年生作物系统中也能部分恢复土壤碳。多年生和基于保护的土地利用系统观察到的较高TOC含量不仅表明了更大的碳输入，还暗示了碳稳定性的潜在差异，这一点通过分析活性碳和被动碳库得到了进一步探讨。土壤中的总有机碳由四个主要部分组成：非常易分解的（VL）、易分解的（L）、较难分解的（LL）和不易分解的（NL）。这些部分被分为两个主要库：活性库（包含VL和L）和被动库（包含LL和NL）。活性库对环境变化非常敏感，因为其周转速度快、易氧化且可分解性强。这些部分在短期养分循环和微生物代谢中起着关键作用，为土壤微生物提供即时能量来源。因此，活性碳的增加表明生物活性增强、残余物周转加快以及养分可用性提高，这可能支持土壤肥力和植物生产力。然而，由于这种碳库周转迅速，它代表了一种动态但相对不稳定的碳储存形式。相比之下，被动库更加稳定，抗降解能力强，并通过土壤团聚体和有机-矿物结合体在长期碳储存中发挥作用。这些部分中的碳不易被微生物分解，从气候变化缓解的角度来看尤为重要。在所有土地利用系统中，大部分SOC集中在表层土壤（0–30厘米），随着深度增加，其含量下降，这可能是由于秸秆、树叶和树枝等材料提供的有机物质输入较多以及表层土壤附近的微生物活性较高。深层土壤中碳输入和生物活性的减少限制了碳转化和稳定过程，解释了下层土壤中SOC含量较低的现象。Das等人（2016年）和Dey等人（2020年）也报告了类似的碳分布模式。土地利用系统的转变显著影响了所有深度上的活性碳（AC）和被动碳（PC）库（图3）。LU-EPS和LU-PCA中的活性碳库较高，这反映了通过落叶和保留残余物持续添加新鲜有机物质的结果。有机残余物的添加增强了微生物活性，从而增加了易分解碳库（Bastida等人，2013年）。Bongiorno等人（2019年）也指出，在有机物质输入较高的处理中，易分解碳库显著增加。这些系统中较高的活性碳表明微生物对新鲜残余物的处理更为强烈，从而增强了养分循环和土壤生物活性。部分处理后的碳进一步转化为更稳定的形式，增加了被动碳库的含量，这解释了LU-EPS下观察到的较高被动碳含量。这可能是由于基于树木的系统具有更大的树冠和广泛的根系系统，促进了更多的落叶输入和地下碳储存。除了这些因素外，桉树种植园的年龄较大（38年），而传统农业系统仅种植了17年，因此提供了更长的连续有机物质输入期和最小的土壤干扰，有利于土壤有机碳的积累和保护。两个碳库的同时增加表明碳循环更加平衡，支持了土壤生产力并提高了长期碳储存。结果表明，随着时间的推移，种植园（LU-EPS）和园艺系统（LU-LHS）的SOC稳定性优于其他土地利用类型。此外，Xiang等人（2015年）也记录了类似的被动碳库改善情况，即随着落叶量的增加，被动碳库也有所提高。从传统农业（LU-CA）向部分保护性农业（LU-PCA）的转变提高了所有深度上的活性和被动碳库含量。这可以归因于植物产生的碳重新融入土壤，刺激了微生物活性，增强了养分循环，并最终补充了活性碳库（Ghosh等人，2016年）。LU-PCA中改善的微生物活性和更好的土壤物理条件促进了土壤团聚，使碳逐渐转移到更稳定的库中，解释了LU-PCA下观察到的被动碳含量上升。这些发现表明，保护性措施不仅增加了碳输入，还提高了碳稳定效率。相比之下，传统农业（LU-CA）中的集约化耕作破坏了土壤结构，使下层土壤暴露在阳光下，减少了有机碳对微生物氧化的物理保护，使其容易转化为二氧化碳，导致碳快速流失（Parihar等人，2018年；Yang等人，2020年；de Moraes Sá等人，2018年）。Six等人（2000年）和McLauchlan（2006年）报告称，这种人为干预通过机械作用将富含碳的宏观团聚体分解为贫碳的微观团聚体，因此与其他土地利用系统相比，LU-CA记录的被动碳含量较低。

4.2. 碳管理指数
虽然SOC及其各组分提供了关于碳数量和分布的信息，但进一步分析了碳管理指数以评估土地利用系统对碳稳定性和管理效率的总体影响。顽固碳指数（RI）定义为稳定碳组分与易氧化碳组分的比率，用于指示SOC的稳定性。在各种土地利用系统中，由于集约化耕作导致土壤结构不稳定，LU-CA的RI值最低。这种做法降低了土壤保持有机碳的能力，增加了SOC暴露于微生物分解的风险，导致更多的矿化作用和稳定的碳组分减少（Golchin和Asgari，2008年）。相比之下，LU-EPS具有较高的被动碳库（较难分解和不易分解的组分），因此RI值最高，其次是LU-LHS。基于桉树的种植园系统得益于其积累顽固有机碳的能力，这归因于大量的落叶输入和更稳定的土壤环境。碳稳定性指数（CLI）反映了非常易分解（VL）、易分解（L）和较难分解（LL）碳库的相对氧化性，在LU-CA中最高。这可能是由于集约化耕作破坏了土壤团聚体，使先前受保护的SOC暴露于微生物氧化（Parihar等人，2018年）。高CLI值表明易分解碳占主导地位，削弱了长期碳储存潜力。不稳定性指数（LI）揭示了土壤作为碳源的程度。较高的LI值表明不稳定碳组分占主导地位，这些组分容易快速分解，从而降低了土壤的碳储存潜力。在传统耕作的稻麦系统中，LI值比其他土地利用系统高出11.1%至72.4%，反映了不稳定碳组分相对于稳定碳组分的比例较高。这一发现强调了LU-CA下LI的变异性，表明该系统在长期碳封存方面面临潜在挑战。碳库指数（CPI）表示相对于传统农业（LU-CA）总有机碳的相对增加，在基于多年生植物的土地利用系统中更高，表明它们具有更好的积累和保存土壤碳的能力。LU-EPS和LU-LHS的这种改善归因于来自落叶和作物残余物的更多碳输入、较慢的矿化速率以及通过团聚作用增强了SOC的物理保护，使其CPI值高于传统系统（Lal，2018年；Six等人，2000年）。相比之下，作为参考系统的LU-CA在整个土壤剖面中的CPI值为一，而LU-MAS系统的CPI值相对较低，反映了由于生物量回报较低和干扰较大导致的碳积累有限。碳管理指数（CMI）是评估各种土地利用系统对土壤碳动态影响的有效指标。虽然CMI的绝对值不太关键，但系统间的差异揭示了土地利用实践对土壤健康的影响（Blair等人，1995年）。在深层土壤中，LU-CA的CMI值高于LU-MAS、LU-LHS和LU-EPS。这种增加主要是由于LU-CA中施用了氮肥，导致LI值升高（Zhang等人，2023年）。氮肥输入增加了生物量生产，从而增加了土壤有机质；然而，Vieira等人（2007年）在玉米种植系统中报告称，氮肥也会破坏SOC的稳定性。0–60厘米土壤剖面的整体平均CMI值显示，LU-PCA和LU-EPS的CMI值最高。这些系统中较高的CMI值表明它们对集约化碳管理措施的需求较低，因为稳定碳组分占主导地位。这些发现强调了像LU-PCA和LU-EPS这样的保护性土地利用系统相对于传统做法的优势，促进了可持续的土壤碳稳定。

4.3. 生物量生产、碳储量和封存
由于桉树年龄较大（38年）和种植密度较高（每公顷1250棵树），LU-EPS产生的地上生物量最多。由于每种树种的地上生物量及其组成部分决定了不同基于树木的土地利用系统中每个树组分的地下生物量（Kumar等人，2021a），因此LU-EPS的地下生物量也较高。地上和地下生物量的最大值共同导致了LU-EPS的最大总生物量积累。相比之下，LU-MAS的生物量较少，主要是因为树密度较低（每公顷1111棵树）、种植时间较短（仅为5年，是所有土地利用系统中最短的），以及树木生长缓慢，因为树木仅作为边界行种植，而作物（小麦）占据了中间空间。LU-LHS中较低的茎部生物量与较小的树体大小有关，因为果园中的树冠管理措施限制了树木生长，从而减少了生物量。在基于树木的系统中，植被的生物量生产能力取决于树种、其尺寸（包括高度和直径）、年龄、地点的生产潜力、密度以及管理强度（Yadav等人，2015年）。而在基于农业的系统中，每年或生长季节产生的总生物量在成熟时被收获，因此产生了产生的生物量与积累的生物量之间的区别。产生的生物量代表生长季节内生成的所有有机物的总量，而积累的生物量则是在某一时间点系统中剩余的生物量总量。因此，与生物量相关的碳储量既以产生的生物量（表6）也以积累的生物量（表7）的形式记录下来。由于农业系统（LU-CA和PCA）由于每个季节的收获和作物移除而无法随时间积累生物量，因此碳封存/储量仅依赖于土壤中的碳封存，因此在所有土地利用系统（LUS）中记录的碳封存量最低。观察到尽管LU-MAS包含了一种树木成分（Melia dubia），但相对于LU-CA，其生物量碳封存量略低（27.06 Mg C ha-1），而产生的生物量则较高（28.51 Mg C ha-1）。这可以归因于系统的结构组成。在LU-MAS中，小麦与Melia dubia一起种植。虽然Melia dubia是一种能够长期积累木质生物量的多年生植物，但小麦是一种每年收获的季节性作物。小麦吸收的碳大部分从田地中移除，因此不会对原位生物量碳封存做出贡献。因此，LU-MAS中的净生物量碳储量主要反映了树木成分，而季节性小麦生物量不会增加长期碳储存。这突显了种植系统的优越生物量生产和碳封存潜力，主要是由于它们的更长时间、更高的生长率以及积累大量有机物的能力。Chavan等人（2023年）评估了适合印度IGP地区碳封存的几种树种，并确定桉树是适合碳封存的树种之一，其碳封存潜力较高，这与我们研究中观察到的较高碳封存率一致。与生物量碳储量的趋势一致，基于桉树的种植系统（LU-EPS）记录的SOC储量（29.95 Mg ha-1）也最高，高于LU-CA。更大的生物量积累加上较高的SOC储量导致LU-EPS在所有评估的土地利用系统中具有最高的总碳封存量（326.68 Mg C ha-1），其次是LU-LHS。然而，当考虑年碳封存率时，趋势略有不同。尽管LU-EPS继续记录最高的年封存率（8.60 Mg C ha-1 yr-1），但LU-MAS的年封存率更高（6.98 Mg C ha-1 yr-1）。这种差异主要归因于林分年龄。LU-MAS相对较年轻（大约5年），而荔枝种植园较为成熟（约17年）。较年轻的系统通常由于活跃的生物量扩展而表现出更高的生长率和单位时间的碳积累，而较老的种植园则进入一个相对稳定的阶段，碳增量较慢。Ashraf等人（2025年）的报告也提供了支持证据，他们观察到老化草坪中的溶解养分化学计量比新建立的系统更窄，这与当前发现一致，表明随着某些种植系统的老化，它们逐渐向结构稳定性过渡，年碳积累率变慢。所有这些结果反映了多年生系统在碳封存中的重要性，这归因于树木通过固定和储存碳以及增强土壤有机质而具有更高的碳吸收能力，这是陆地碳汇的关键组成部分（Ciampitti等人，2011年）。

随机森林回归模型在预测总生物量、年生物量、SOC储量、总碳（TC）储量和碳封存率（CSR）方面的表现证实了其强大的预测能力，并具有可接受的泛化水平（表10）。应用模型在预测SOC储量（Pseudo-R2 = 0.994；RMSE = 1.417）和CSR（Pseudo-R2 = 0.968；RMSE = 0.718）方面表现出高准确性，表明选定的预测因子几乎解释了这些响应变量的所有观察到的变化。对于总生物量和TC储量，模型在总生物量方面的表现非常稳健，Pseudo-R2和RMSE的值都很高。相比之下，年生物量的预测则不太稳健，Pseudo-R2和RMSE的值分别为0.653和3.050。这种模式强调了年生物量受到短期气候和管理波动的影响，本质上更具动态性。另一方面，SOC和CSR是累积性的，是长期过程的结果，与土壤和管理因素的关系更为稳定。变量重要性分析显示，土地利用始终是最具影响力的预测因子，强调了其在决定生物量和碳储存潜力方面的关键作用。显然，土地利用的贡献最大（15.60%），其次是微生物生物量碳（10.40%）和SOC（9.18%），突显了它们在影响生物量积累中的作用。年生物量也最强烈地依赖于土地利用（16.93%）和SOC（8.35%），此外还受到pH值（7.98%）的影响，强调了土壤化学条件的作用。SOC储量的预测几乎同样受到SOC本身（12.38%）和土地利用（12.08%）的影响，其次是NPK（11.81%），表明养分管理在维持SOC池中的作用。TC储量的预测也显示出类似的模式，土地利用（11.18%）、SOC（11.15%）和NPK（10.90%）是主要贡献者。对于CSR，土地利用再次成为最重要的因素（14.26%），NPK（11.20%）和MBC（11.64%）也被认为是关键贡献者。这些发现表明，土地利用选择、养分管理和微生物活动在提高碳封存潜力方面起着决定性作用。此外，土地利用在各个模型中的主导地位表明，专注于土地利用规划、综合养分管理和促进土壤生物健康的干预措施有可能提高生产力和碳封存效果。

表10. 随机森林回归模型在预测总生物量、年生物量、土壤有机碳储量、总碳储量和碳封存率方面的表现。

随机森林回归模型在预测总生物量、年生物量、土壤有机碳储量、总碳储量和碳封存率方面的表现证实了其强大的预测能力，并具有可接受的泛化水平（表10）。应用模型在预测SOC储量（Pseudo-R2 = 0.994；RMSE = 1.417）和CSR（Pseudo-R2 = 0.968；RMSE = 0.718）方面表现出高准确性，表明选定的预测因子几乎解释了这些响应变量的所有观察到的变化。在总生物量和TC储量方面，模型在总生物量方面的表现非常稳健，Pseudo-R2和RMSE的值都很高。相比之下，年生物量的预测则不太稳健，Pseudo-R2和RMSE的值分别为0.653和3.050。这种模式强调了年生物量受到短期气候和管理波动的影响，本质上更具动态性。另一方面，SOC和CSR是累积性的，是长期过程的结果，与土壤和管理因素的关系更为稳定。变量重要性分析显示，土地利用始终是最具影响力的预测因子，强调了其在决定生物量和碳储存潜力方面的关键作用。显然，土地利用的贡献最大（15.60%），其次是微生物生物量碳（10.40%）和SOC（9.18%），突显了它们在影响生物量积累中的作用。年生物量也最强烈地依赖于土地利用（16.93%）和SOC（8.35%），此外还受到pH值（7.98%）的影响，强调了土壤化学条件的作用。SOC储量的预测几乎同样受到SOC本身（12.38%）和土地利用（12.08%）的影响，其次是NPK（11.81%），表明养分管理在维持SOC池中的作用。TC储量的预测也显示出类似的模式，土地利用（11.18%）、SOC（11.15%）和NPK（10.90%）是主要贡献者。对于CSR，土地利用再次成为最重要的因素（14.26%），NPK（11.20%）和MBC（11.64%）被认为是关键贡献者。这些发现表明，土地利用选择、养分管理和微生物活动在提高碳封存潜力方面起着决定性作用。此外，土地利用在各个模型中的主导地位表明，专注于土地利用规划、综合养分管理和促进土壤生物健康的干预措施有可能提高生产力和碳封存效果。

4. 碳信用和社会成本
不同土地利用系统下的量化碳封存潜力可以通过碳信用生成转化为经济和环境效益。一个碳信用等于一公吨（1,000公斤）二氧化碳或其等效的温室气体，代表允许排放该数量或从大气中移除该数量的许可。通过考虑社会成本，估计了与LU-CA相比，不同土地利用系统中的碳封存带来的社会效益。碳信用潜力和相关的社会成本在不同土地利用系统之间有显著差异，并且紧密跟随它们的碳封存率趋势。基于桉树的种植系统（LU-EPS）记录了最高的年碳信用和社会成本，而部分保护农业系统（LU-PCA）记录了最低的值。这是因为碳信用和社会成本与封存的碳量成正比；因此，生物量生产和碳稳定性更高的系统会产生更大的经济和环境效益。相比之下，农业系统的碳信用潜力较低，因为碳积累相对较少。Gayakwad等人（2015年）和Derwisch等人（2009年）也报告了种植系统比农业用地具有更高的碳信用潜力。同样，Meena等人（2024b）和Gupta等人（2024年）也报告了基于树木的系统由于具有更高的碳封存能力而产生更多的碳信用。

5. 结论
研究表明，土地利用系统的类型和持续时间在调节生物量生产、碳池稳定性、碳封存和碳信用生成方面起着关键作用。在评估的系统中，基于桉树的种植系统（LU-EPS）取得了显著优于其他系统的结果，包括最高的SOC储量、最大的主动和被动碳池、最大的总生物量积累以及最稳健的碳封存。基于树木的土地利用系统，特别是桉树，被认为是改善长期碳储存、稳定土壤有机质和通过碳信用产生显著财务回报的最有效策略，从而为大规模造林和再造林计划提供了强有力的激励。从传统的稻麦系统转变为基于保护农业的稻麦系统或基于树木的多样化系统（如农林业、种植园和园艺）可以持续提高土壤健康、生物量产量和碳管理指标，即使在无法种植树木的情况下，基于保护农业的稻麦系统也能提供显著的SOC收益。随机森林回归分析强调了土地利用是决定生物量和SOC结果的最重要因素，揭示了有针对性的政策干预和基于科学的土地管理的巨大潜力。总体而言，这些发现强调了优先考虑基于树木和保护农业的系统对于最大化碳封存、确保生态系统韧性、通过碳信用支持农民收入以及显著贡献于气候变化缓解和可持续土壤管理的重要性。

6. 研究的局限性
在解释研究结果时，应考虑我们研究的某些局限性。土地利用系统的年龄和管理历史的差异可能影响了碳储量，因为这些因素在不同土地利用系统之间没有完全标准化。此外，土地利用系统由大块土地组成，被划分为伪重复样本而不是真正的独立重复样本，这可能限制了空间异质性的表示。此外，在这些系统建立时的初始土壤碳和物理化学性质数据不可用，因此使用传统农业（LU-CA）作为参考来评估相对变化，这可能在估计绝对碳封存时引入一些不确定性。

作者贡献声明：
Rajender Kumar Yadav：监督
Arvind Kumar Rai：监督
Indu Thakur：写作 - 审稿与编辑，监督
Suresh Kumar：写作 - 审稿与编辑，软件，形式分析
Raj Kumar：写作 - 审稿与编辑，资源，方法论
Gargi Sharma：写作 - 原始草稿，方法论，形式分析，数据管理
Kamlesh Verma：写作 - 原始草稿，方法论，形式分析，数据管理
Ram Fagodiya：写作 - 审稿与编辑，监督，资源，项目管理，方法论，资金获取，概念化
Renu Kumari：写作 - 原始草稿，验证，方法论，调查，形式分析，数据管理