综述：在恒河东部冲积土的不同种植系统中，采用保护性农业措施后农田土壤有机碳的动态变化

《Crop and Environment》：On-farm soil organic carbon dynamics under conservation agriculture in different cropping systems of eastern Gangetic alluvial soils

　　S. Rakesh | Abhas K. Sinha | Mahesh K. Gathala | Neal W. Menzies | Ram C. Dalal | Prabir Mukhopadhyay | Apurba K. Chowdhury | Prateek M. Bhattacharya | Sudarshan Dutta | Arunava Ghosh | Parthendu Poddar | Tapamay Dhar | Alison M. Laing
印度西孟加拉邦Pundibari的Uttar Banga Krishi Viswavidyalaya土壤科学与农业化学系，邮编736165

**摘要**
免耕和低耕作方式可以固存土壤碳（C）并改善土壤质地。然而，关于这些耕作方式在以水稻为基础的种植系统中对南亚和东南亚等关键水稻种植区广泛分布的冲积土的影响的详细信息仍然很少。本研究量化了两种耕作方式——免耕（ZT）和传统耕作（CT）对印度东部西孟加拉邦老冲积土和新生冲积土表层土壤质地及有机碳固存的影响。我们考虑了这两种耕作方式在两种以水稻为基础的种植系统中的应用：广泛种植的水稻-小麦（RW）系统和新兴的水稻-玉米（RM）系统。研究结果表明，与CT方式相比，基于保护性农业（CA）的耕作方式使总有机碳（TOC）增加了高达13.5%。由于老冲积土的初始有机碳含量较高，其TOC比新生冲积土高出20%。在两种冲积土中，ZT下的土壤碳含量均高于CT，并且在RM系统下增加得更多。本文提供了关于不同碳组分积累的新数据和见解，表明这些组分受到土壤中粘土和沙子含量的显著影响，这表明老冲积土和新生冲积土在CA管理下稳定和固存有机碳的潜力不同。我们的发现适用于全球其他类似农业生态系统中在冲积土上实施CA做法的情况。

**1. 引言**
全球约22%的人为温室气体排放来自农业、林业和其他土地利用部门（IPCC, 2019）。绿色革命期间广泛采用的集约化农业耕作方式（例如，在作物建立前进行多次耕作、大量使用合成肥料）会耗尽土壤有机质（SOM），同时增加温室气体排放（Ladha et al., 2015; Sarkar and Rakshit, 2022）。随着对全球变暖的认识加深以及对气候变化影响的关注，人们越来越重视提高陆地生态系统对二氧化碳（CO2）的固存能力（Lal, 2015; Sarkar et al., 2020）。基于保护性农业（CA）的作物管理方式相比传统耕作（CT）可将农业温室气体排放减少10-60%（Gathala et al., 2020; Jat et al., 2020; Ladha et al., 2015）。CA管理包括最小程度的土壤扰动、多样化的作物轮作以及保留部分或全部作物残余物，已被证明可以增加土壤总有机碳（TOC）（Johansen et al., 2012; Sharma et al., 2019），并增强土壤生物多样性和物理化学及生物特性，从而提高整体土壤质量（Choudhary et al., 2018; Datta et al., 2022; Jat et al., 2019; Roy et al., 2022）。保留的作物残余物不仅是有机碳和养分的来源（Yadvinder et al., 2009），还能形成覆盖物，保持土壤湿度、调节土壤温度并提高土壤渗透性，从而缓解气候变化带来的不利条件（Gathala et al., 2017; Roy et al., 2022; Sarkar et al., 2020）。CA对减缓气候变化的这些积极效应通常在实施后五到十年内显现，尽管这些效应会因气候、土壤、环境和种植系统的不同而有所差异（Mangalassery et al., 2014）。

SOM包含四个碳库：死亡植物残余物、颗粒有机碳（POC）、腐殖质碳和难分解有机碳。这些碳库在化学组成、侵蚀性、土壤功能和分解阶段上有所不同。死亡植物残余物主要来源于活植物和分解的微生物产物，主要包括矿物相关有机碳（MAOC）和热水可提取碳（HWEC）。更易分解的碳库（死亡植物残余物和POC）容易受到土地利用变化的影响，而土壤中较稳定的碳库（腐殖质碳和难分解有机碳）的存在则表明土壤具有较高的恢复力和更大的碳固存能力（Bell and Lawrence, 2009）。所有四个碳库对于维持土壤肥力和质量、确保可持续作物生产力以及提供其他重要环境功能都至关重要（Kang et al., 2005）。土壤中碳库的相对比例直接影响其碳动态并决定土壤质量（Rakesh et al., 2022）。碳组分的组成受作物生物质残余物的质量、数量和分解阶段的影响，这些因素在土壤质量和功能中起着关键作用（Belay-Tedla et al., 2009）。

免耕（ZT）通过增加土壤团聚体（因为土壤团聚体未受干扰）和固存土壤有机碳（SOC）及其组分（通过减缓作物残余物的分解速度和降低土壤表面有机碳的氧化速率）来改善土壤健康（Gathala et al., 2011; Jat et al., 2019; Wright and Hons, 2005）。在ZT下，SOC主要积累在表层土壤（0-10厘米深度），而在平均耕作深度以下的土层中，ZT系统的SOC浓度低于CT系统（Roy et al., 2022）。土壤剖面中易分解碳组分的存在表明土壤健康，适合可持续作物生产。任何改进的土地管理方式不仅总体上增加了TOC储量，还能理想地提高SOM中易分解碳组分的比例。易分解碳组分与TOC的最佳比例在10-25%之间，而难分解碳（即最稳定的SOC形式）与TOC的比例在86-99%之间（Belay-Tedla et al., 2009; de Gerenyu et al., 2008）。因此，识别指示碳稳定性的SOC组分非常重要。HWEC和MAOC都是高度易分解的死亡植物残余物碳库的形式，它们的浓度以及POC浓度可用于指示SOC的相对稳定性或土壤质量（Cambardella and Elliott 1992; Duval et al., 2018）。通过分析土壤剖面中SOC组分及其储量的分布和量化，可以了解表层土壤SOM的变化（álvarez et al., 2011; Zhao et al., 2015）。理解SOC的动态，特别是HWEC、MAOC和POC库之间碳的移动及其受作物管理的影响，对于维持或改善土壤健康和生产力以及减少农业对气候变化的贡献至关重要。最近，基于CA的管理方式已在印度恒河平原东部的冲积土上引入小农户，并被证明可以提高小农户的生产力、盈利能力及环境指标，包括土壤健康、水资源保护和温室气体排放。这些益处在水稻-小麦（RW）系统和新兴的水稻-玉米（RM）系统中都有体现，这归功于对气候变化的适应和消费者偏好的变化（Gathala et al., 2020; Islam et al., 2019; Sinha et al., 2019）。目前关于CA做法对南亚恒河平原东部广泛分布的冲积土中碳固存或碳稳定性的影响的信息很少。

本研究旨在量化不同建立方法和种植系统对基于CA和CT的管理方式下土壤碳组分的影响。我们假设消除耕作和保留作物残余物会改变RW和RM系统中三个土层（0-5、6-10、11-20厘米）中SOC及其组分的积累和分布，并且这些土层中的SOC积累和分布会在老冲积土和新生冲积土之间有所不同。我们在印度东部西孟加拉邦Malda周围的老冲积土（Inceptisols）和Coochbehar周围的新生冲积土（Entisols）上进行了参与式田间试验。这些土壤代表了不同的冲积土类型，便于直接比较CA和CT做法对SOC的影响，从而更好地识别由土壤特性而非耕作方法和种植系统选择引起的差异。Malda和Coochbehar地区的选择基于初步研究，认为它们在代表更大区域方面具有战略重要性，研究结果可能具有广泛的推广价值。

本文的创新之处在于田间试验的真实性、同时考虑了成熟和新兴的种植系统对SOC的影响，以及在一个分析中比较了两种冲积土的SOC结果，而非基于文献的事后分析。鉴于冲积土在高农业生产率地区普遍存在，本研究的结果将为优化农业管理策略以最大化SOC和土壤健康同时减少全球农业温室气体排放提供宝贵见解。本文的具体目标是：（1）评估两种耕作方法和两种种植系统在四年（八个种植季节）后对TOC浓度、储量和组分的影响；（2）量化TOC及其组分的层次结构；（3）确定两种冲积土在长期农业生产条件下TOC及其组分与关键土壤性质之间的关系。

**2. 材料与方法**
**2.1. 研究地点**
研究在印度东部西孟加拉邦的两个地区进行：Coochbehar（26.3452° N, 89.4482° E）和Malda（25.0108° N, 88.1411° E）的农户田地。虽然这两个地区都属于印度次大陆的北部冲积平原，但它们的土壤类型不同：Malda的土壤为老冲积土，而Coochbehar的土壤为新生冲积土。两地之间的距离约为360公里。西孟加拉邦具有温暖湿润的亚热带气候，降雨呈单峰季风型，夏季温和至炎热，冬季凉爽至寒冷。Coochbehar和Malda的平均气温和降雨量有所不同：Coochbehar的年平均降雨量为2,357毫米，平均最高气温为28.2°C，平均最低气温为20.0°C；而Malda的年平均降雨量为1,358毫米，平均最高气温为30.6°C，平均最低气温为20.2°C。实验期间的年降雨量在Coochbehar为2,500至3,450毫米，高于长期平均水平；而在Malda则约为1,062至1,393毫米。Coochbehar每年的降雨天数更多，且出现过极端高降雨事件（单日降雨量高达250毫米），而Malda没有（见图S1）。田间试验于2014-2015年在RW和RM种植系统中开始，持续四年，于2017-2018年结束。两种种植系统中，旱季种植小麦或玉米，雨季种植水稻。实验期间共种植了三季水稻和四季小麦或玉米。RW系统已在北部次大陆种植带广泛采用超过60年，而新兴的RM系统因其能提高农户的生产力、盈利能力和气候适应性而受到小农户的青睐（Dutta et al., 2020; Gathala et al., 2020; Islam et al., 2019; Mitra et al., 2019）。

**2.2. 实验设计与处理**
参与式田间试验（由农户在研究人员的支持下进行）在七个地点进行，Coochbehar三个地点，Malda四个地点。每个地点有三位农户分别采用RW或RM系统（采用因子随机区组设计）。每个试验田面积约为1,300平方米，视为一个处理重复。实验设计和种植系统管理的所有细节详见Islam et al. (2019)。实验土壤的特征
马尔达地区的土壤属于始成土，这些土壤形成于古老的冲积物质上，相对成熟，含有较高的粘土含量，这影响了它们的持水能力和养分保持能力。这些土壤呈中性至碱性，质地为粉壤土至粘壤土。相比之下，库奇巴哈尔地区的土壤属于新成土，形成于最近沉积的冲积物上，质地较粗，有机质含量较低。这些土壤呈酸性，质地为轻质沙土（Sinha等人，2019年）。马尔达和库奇巴哈尔地区土壤的关键特征（包括pH值、总有机碳（TOC）、总氮、土壤质地和容重）见表1。马尔达和库奇巴哈尔研究地点的详细描述及其分类特征（NBSS & LUP，2001年）见附表S1。

表1. 马尔达（古老）和库奇巴哈尔（新近）冲积土壤的pH值、总有机碳（TOC）、总氮（Total N）、质地和容重（0-20厘米）

**作物管理实践**
每年水稻收获后，农民会尽快播种小麦和玉米，以利用剩余的土壤水分。播种和收获日期因农户和地区而异，受田地可进入性、作物品种生长期以及耕作方式等因素的影响。所有处理组均遵循西孟加拉邦推荐的作物管理系统（Islam等人，2019年）。在七个选定的研究地点共设置了42块农户田地（RM和RW各21块），并在整个实验期间进行观察，包括两种耕作方式（CT和ZT）。

**2.4.1. 耕作管理和作物种植**
在CT处理中，水稻幼苗在经过两到三次湿润耕作和土壤平整后人工移栽（每穴一株），种植密度为28-30穴/平方米。小麦和玉米在经过两到三次耕作后播种，并进行平整。小麦采用撒播方式，播种量为120公斤/公顷；玉米则采用机械播种，播种量为80,000株/公顷。
在ZT处理中，水稻幼苗直接机械移栽到未耕作、未平整的土壤中，行距为24厘米×株距为14厘米。小麦和玉米也采用机械播种，小麦行距为20厘米，玉米行距为60厘米×株距为20厘米。

**2.4.2. 作物残茬管理**
在ZT处理中，所有作物残茬都被保留下来，RW系统中残茬量约为5.0吨/公顷，RM系统中残茬量约为8.0吨/公顷，其中水稻残茬约3.0吨/公顷，小麦残茬约2.0吨/公顷，玉米残茬约5.0吨/公顷。残茬根据农民的意愿用作地表覆盖物或留在田地里。在CT处理中，RW系统中每年在播种前将约3.0吨/公顷的作物生物质混入土壤中，RM系统中则为4.0吨/公顷。

**2.4.3. 施肥管理**
作物施肥遵循地区特定的推荐标准：水稻施用80-90公斤/公顷氮肥、15-20公斤/公顷磷肥和40-70公斤/公顷钾肥；小麦施用125-145公斤/公顷氮肥、20-25公斤/公顷磷肥和40-60公斤/公顷钾肥；玉米施用155-180公斤/公顷氮肥、20-25公斤/公顷磷肥和60-75公斤/公顷钾肥。每种处理的详细农艺管理方法见Islam等人（2019年）。

**2.5. 土壤采样与分析**
在实验开始前（2014年11月），从每个实验地点采集了20厘米深度的土壤样本，以测定土壤的初始物理化学性质（表1）。实验结束时（2018年4月小麦和5月玉米收获后），从每个处理区的每个地块的0-5厘米、5-10厘米和10-20厘米深度采集土壤样本。
在两次采样过程中，使用5厘米直径的钻头在5-6个随机位置采集土壤样本，然后混合成一个复合样本用于分析。土壤样本先风干，再通过2毫米筛子研磨，以便进行一般分析；部分样本进一步通过0.5毫米筛子研磨，以测定有机碳（SOC）及其各组分。样本保存直至分析完成。

**2.5.1. 土壤性质**
土壤的pH值采用Jackson（1967年）描述的方法，使用pH计测定。土壤容重（BD）使用Cresswell和Hamilton（2002年）的方法，通过5×5厘米的土芯采样器测定。土壤中沙粒、粉粒和粘粒的比例采用Bouyoucos比重计法（Bouyoucos，1962年）测定。土壤质地根据沙粒、粉粒和粘粒的粒径分布，使用土壤质地三角形（USDA，1993年）确定。

**2.5.2. 有机碳组分**
总有机碳（TOC）采用改良的Walkley和Black方法（Baker，1976年）测定；热水可提取碳（HWEC）采用Ghani等人（2003年）的方法提取；提取物中的碳浓度采用Nelson和Sommers（1982年）的方法计算。大于53微米的有机碳组分（POC）采用Cambardella和Elliott（1992年）的方法分析；矿物相关有机碳（MAOC）通过从TOC中减去POC计算得出。这些组分的测定方法详见补充材料。

**2.5.3. 分层比例**
土壤性质的分层比例（SR）是指该性质在土壤表面的值与较低深度值的比值（Franzluebbers，2004年）。例如，0-10厘米深度的碳组分比值是通过将0-5厘米深度的碳组分除以5-10厘米深度的碳组分计算得出的。类似地，0-20厘米深度的碳组分比值是通过将0-5厘米深度的碳组分除以10-20厘米深度的碳组分计算得出的。

**2.5.4. 土壤有机碳储量**
土壤中的总有机碳储量使用公式（1）计算：
（此处公式未提供，需根据原文补充）

**2.6. 数据分析**
在进行方差分析（ANOVA）之前，使用Shapiro-Wilk检验和JMP统计软件（V9版本，英国白金汉郡）检验数据的正态性假设。由于ANOVA的正态性假设得到满足，因此未对数据进行转换。数据分析采用SAS软件中的不平衡一般线性模型ANOVA程序（Gathala等人，2020年；Islam等人，2019年）。固定效应包括地区（D）、作物系统（CS）、耕作方式（T）及其交互作用（CS × T、D × CS、D × T、D × CS × T）；随机效应包括农户（即处理重复）及其交互作用。所有参数的处理均值使用Tukey的HSD检验进行比较。分别对马尔达和库奇巴哈尔地区的0-5厘米深度土壤进行主成分分析（PCA），分析参数包括产量（来自Islam等人，2019年）、土壤质地、总氮（TOC）及其组分。由于土壤深度是一个非随机因素，因此对每个实验采用混合模型。计算了0-5厘米深度土壤中SOC组分与关键土壤属性之间的双变量相关系数（Pearson）。

**3. 结果**
**3.1. 总有机碳和总有机碳储量**
总有机碳（TOC）浓度在不同地区和作物系统之间存在显著差异（表2），两种耕作方式之间也出现了变化趋势（图1）。实验结束后，马尔达地区古老冲积土（0-5厘米表层）的TOC比库奇巴哈尔地区新近冲积土高约17%；在5-10厘米和10-20厘米层中，TOC分别高5-6%。RM系统的TOC在所有表层显著高于RW系统（P < 0.05，分别为8.49%、9.06%和13.2%）。ZT处理显著增加了所有表层土壤的TOC（P < 0.05），尽管统计上不显著，但ANOVA显示ZT处理下的0-20厘米层TOC整体高于CT处理。这一结果可能需要更长时间才能更加明显。

**表2. 地区、作物系统和耕作方式对实验结束时不同表层土壤碳变量的影响**
| 地区（D） | 作物系统（CS） | 耕作方式（T） | TOC浓度（g kg-1） | HWEC浓度（mg kg-1） | POC浓度（g kg-1） | MAOC浓度（g kg-1） |
| --- | --- | --- | --- | --- | --- | --- |
| 马尔达（Malda） | RM | 15.3a | 12.1a | 9.93a | 284a | 197a | 141a | 3.20b | 2.87b | 2.45b | 12.2a | 9.25a | 7.48a |
| 库奇巴哈尔（Coochbehar） | RM | 12.7b | 11.5b | 9.29b | 219b | 184b | 140a | 3.61a | 3.03a | 2.60a | 9.13b | 8.50b | 6.68b |
| RM | 14.8a | 12.4a | 10.6a | 275a | 197a | 163a | 3.73a | 3.26a | 2.75a | 11.1a | 9.13a | 7.80a |
| RW | 13.7b | 11.4b | 8.76b | 237b | 186b | 118b | 2.99b | 2.62b | 2.28b | 10.7b | 8.74b | 6.48b |
| CT | 13.1b | 11.3b | 10.3a | 229b | 182b | 152b | 3.15b | 2.97a | 2.77a | 9.99b | 8.35b | 7.49a |
| ZT | 15.3a | 12.4a | 9.06b | 283a | 201a | 130b | 3.57a | 2.91a | 2.27a | 9.52a | 6.80b |

**方差分析（显著性概率）**
D < 0.001**；0.065；0.025*；<0.001**；0.051；0.008**；0.327；0.146；<0.001**；0.025*；0.007**；0.004**；0.104；<0.001**；<0.001**；0.001**；0.173；0.232；<0.001**；0.001**；0.008**；<0.001**；0.004**；0.009**；0.678；<0.001**；<0.001**；0.006**；0.018*
CS × T | 0.194；0.563；0.390；0.124；0.990；0.595；0.008**；0.019*；0.003**；0.953；0.548；0.056 |
D × CS | 0.172；0.928；0.373；0.004**；0.232；0.898；0.082；0.148；0.046*；0.020*；0.428；0.114 |
D × T | 0.058；0.644；0.013*；0.295；0.824；0.029*；0.052；0.467；0.145；0.003**；0.924；0.004** |

**注：**
- 表中“空单元”表示数据缺失。
- 同一列内的均值在p ≥ 0.05时使用Tukey的HSD检验无显著差异；*表示p < 0.05，**表示p < 0.01。
- TOC = 总有机碳；HWEC = 热水可提取碳；POC = 颗粒有机碳；MAOC = 矿物相关有机碳；RM = 水稻-玉米种植系统；RW = 水稻-小麦种植系统；CT = 传统耕作；ZT = 零耕作。

**图1. 不同地区、作物系统和耕作方式对0-5厘米、5-10厘米和10-20厘米深度TOC浓度的影响**
图1显示，马尔达和库奇巴哈尔地区的土壤中TOC浓度随深度增加而降低，其中马尔达地区的降低更为明显（表2和图1）。在5-10厘米深度，马尔达土壤保留了79%的表层TOC，而库奇巴哈尔土壤保留了91%。比较10-20厘米层与表层（0-5厘米）土壤时，马尔达土壤保留了65%的表层TOC，库奇巴哈尔土壤保留了73%。RM系统的TOC浓度在所有表层均高于RW系统。
在0-20厘米深度范围内，马尔达土壤的TOC储量高于库奇巴哈尔土壤，尤其是在表层（0-5厘米）差异更为显著（表3）。在0-5厘米深度，马尔达的TOC储量为10.3吨/公顷，高于库奇巴哈尔的6.8吨/公顷；在10-20厘米深度，马尔达的TOC储量为14.1吨/公顷，高于库奇巴哈尔的11.4吨/公顷。RM系统下的TOC储量在所有表层均高于RW系统，ZT系统下的TOC储量在所有表层也高于CT系统。

**表3. 地区、作物系统和耕作方式对不同深度土壤容重和总有机碳（TOC）储量的影响**
| 地区（D） | 作物系统（CS） | 耕作方式（T） | 容重（Mg m-3） | TOC储量（t ha-1） |
| --- | --- | --- | --- | --- |
| 马尔达（Malda） | RM | 1.33a | 1.38a | 1.42a | 8.39a | 14.1a | 25.44a |
| 库奇巴哈尔（Coochbehar） | RM | 1.07b | 1.14b | 1.22b | 6.84b | 6.60b | 11.4b | 22.83b |
| RM | 1.21b | 1.28a | 1.34a | 9.10a | 7.93a | 14.2a | 25.45a |
| RW | 1.23a | 1.27a | 1.33a | 8.49b | 7.32b | 11.7b | 22.82b |
| CT | 1.20b | 1.27b | 1.32b | 8.03b | 7.20b | 13.6a | 23.34a |
| ZT | 1.24a | 1.29a | 1.35a | 9.55a | 8.05a | 12.2b | 24.92a |

**方差分析（显著性概率）**
D < 0.001**；0.065；0.025*；<0.001**；0.051；0.008**；0.327；0.146；<0.001**；0.025*；0.007**；0.004**；0.104；<0.001**；<0.001**；0.001**；0.173；0.232；<0.001**；0.001**；0.008**；<0.001**；0.004**；0.009**；0.678；<0.001**；<0.001**；0.006**；0.018*
CS × T | 0.194；0.563；0.390；0.124；0.990；0.595；0.008**；0.019*；0.003**；0.953；0.548；0.056 |
D × CS | 0.172；0.928；0.373；0.004**；0.232；0.898；0.082；0.148；0.046*；0.020*；0.428；0.114 |
D × T | 0.058；0.644；0.013*；0.295；0.824；0.029*；0.052；0.467；0.145；0.003**；0.924；0.004** |

**注：**
- 表内均值在同一字母后使用Tukey的HSD检验无显著差异，*表示p < 0.05，**表示p < 0.01。
- TOC = 总有机碳；HWEC = 热水可提取碳；POC = 颗粒有机碳；MAOC = 矿物相关有机碳；RM = 水稻-玉米种植系统；RW = 水稻-小麦种植系统；CT = 传统耕作；ZT = 零耕作。HWEC浓度在RM系统中相对于RW系统在0-5厘米、5-10厘米和10-20厘米深度分别增加了13%、6%和28%。在0-5厘米和5-10厘米深度，ZT下的HWEC高于CT下的HWEC，而在10-20厘米深度，两种耕作方式之间的HWEC没有显著差异。在两个地区内，不同种植系统之间的HWEC没有变化。HWEC部分对总有机碳（TOC）的贡献率为1.5%到2.4%（图S2.3.3）。与TOC和HWEC不同，后者在Malda土壤中的浓度较高，POC浓度在Coochbehar土壤中在所有三个表层土壤深度上都显著更高（P < 0.05）（表2）。与其他碳测量指标一样，在RM系统中，POC浓度在所有三个表层土壤深度上都显著高于RW系统（P < 0.05）。不同耕作方式之间的POC浓度差异不显著。CS和T之间的交互作用表明，在RM系统下采用ZT显著提高了土壤表面的POC含量（0-5厘米），但在较低深度则没有显著差异（表2，图5）。相比之下，在RW系统的较低深度，ZT显著降低了POC含量（P < 0.05），无论是相对于RW-CT还是RM系统下的CT或ZT。POC对TOC的贡献率为18%到32%（图S2）。因此，我们预计库奇巴哈尔（Coochbehar）土壤（新近形成的冲积土）中的碳损失率会高于马尔达（Malda）土壤（古老的冲积土）（表2）。土壤中碳含量的变化也可能受到当地气候的影响，而这两个地区的气候有所不同：库奇巴哈尔的年平均降雨量（3,000毫米）高于马尔达（1,300毫米；图S1）。再加上库奇巴哈尔土壤中相对较高的沙含量（平均28%），这意味着易分解的碳库更容易通过淋溶作用流失，而马尔达土壤中的碳库则不易流失。马尔达土壤的平均粘土含量高于库奇巴哈尔土壤，这可能由于较低的土壤水力传导性而限制了碳的淋溶损失（Balogh等人，2011年），从而进一步促进了土壤中碳的储存。在马尔达地区，无论是采用RM系统还是RW系统，都观察到了土壤水溶性有机碳（HWEC）与总有机碳（TOC）之间的强相关性（表5），这一现象在其他地方也有报道（Vladimir等人，2016年）。这种易分解的碳形式与土壤中的微生物生物量（Sparling等人，1998年）和微聚集体（Puget等人，1999年）有关，是土壤质量的重要指标（Ghani等人，2003年）。在ZT处理下，0-5厘米和5-10厘米层中的HWEC浓度较高，而在CT处理下，10-20厘米层中的HWEC浓度较高，这可能是由于耕作方式导致的残余物分布差异所致。在这里，有机质（POC）对总有机碳（TOC）的贡献率为18-32%。Awale等人（2017年）也观察到了类似的现象。RM系统下的POC浓度显著高于RW系统，因为RM系统下的碳输入量更多。Jat等人（2019年）在一个为期六年的实验中报告称，在NT条件下，玉米-小麦系统的总有机碳和有机质含量高于RW系统，这归因于玉米-小麦系统比RW系统多增加了10吨/公顷的生物量残余物。在其他农业生态系统中，也有研究观察到ZT处理下表层土壤（0-6厘米深度）的POC含量高于CT处理，而ZT处理下深层土壤（6-30厘米深度）的POC含量较低（Franzluebbers和Stuedemann，2014年；Zhongming等人，2016年）。在库奇巴哈尔和马尔达地区，POC与总有机碳的增加有关（表5），尽管气候、土壤类型和管理措施等其他因素也很重要。Briedis等人（2012年）和Awale等人（2017年）也报告了与POC部分相关的土壤有机碳（SOC）的变化。我们观察到马尔达（古老冲积土）土壤中POC与沙含量呈负相关，而在库奇巴哈尔（新近形成的冲积土）土壤中呈正相关（图6）。POC主要存在于沙粒部分，并且在库奇巴哈尔土壤中的颗粒较大。同样，在其他半干旱地区的沙质土壤中，POC含量也显著高于最大有机质（MAOC）含量（Sanderman等人，2021年），并且总体沙含量与粗粒有机质（SOM）部分呈正相关（Lee等人，2009a）。高沙含量的土壤比低沙含量的土壤能够储存更多的有机质（Lee等人，2009a）：新鲜有机质与沙粒结合，而粘土则通过物理和化学方式保护分解后的有机质（Nciizah和Wakindiki，2012年；Six等人，2004年）。在库奇巴哈尔土壤中，由于粘土含量低，粗粒有机质转化为细粒有机质的过程可能较慢，导致碳的稳定化速度较慢。此外，由于库奇巴哈尔土壤的酸度较高且降雨量较大，部分有机质发生了分解并流失。在ZT处理下，0-5厘米深度的MAOC含量较高，因为更多的残余物留在了土壤表面，而在CT处理下，残余物被混入整个耕作层（表2）。这些结果支持了Somasundaram等人（2017年）的发现。在PCA分析中观察到MAOC与总有机碳之间的强相关性（图6），这表明MAOC在构建总有机碳方面起着重要作用。MAOC是由有机质与粘土和粉砂颗粒结合形成的（Mikutta和Kaiser，2011年）。土壤微生物如细菌会分泌胞外聚合物（Omoike和Chorover，2006年），这些聚合物促进了矿物与有机质的结合（K?gel-Knabner等人，2008年）。ZT处理下的土壤碳积累受到作物残余物保留带来的有机碳输入的促进（Yadav等人，2019年）。短期研究中的观察结果存在差异，这可能是由于低估了ZT处理下的平均有机碳储量（Angers和Eriksen-Hamel，2008年），并且耕作方式对有机碳含量的相对影响可能无法仅用有机碳含量、温度、降水量或土壤质地来解释（Alvarez等人，2011年）。这表明ZT处理下的有机碳变化会随着时间的推移而增加并变得更加显著。总有机碳、土壤水溶性有机碳（HWEC）和最大有机质（MAOC）的储存率在d1/d3（0-5厘米/10-20厘米）比较中高于d1/d2（0-5厘米/5-10厘米）比较，这是由于10-20厘米深度的碳分数较低（表4）。同样，在ZT处理下，d1/d3的储存率也高于CT处理。这可能是由于ZT处理下生物量残余物在土壤表面积累，而在CT处理下这些残余物被混入更深的层次。与CT处理相比，无论采用何种种植系统，ZT处理下总有机碳随深度的分层是一个自发过程，主要是由于土壤表面持续较高的碳输入和深层土壤中较低的碳输入所致。de Moraes Sa和Lal（2009年）以及Ferreira等人（2013年）也报告了类似的结果。在ZT处理下，马尔达土壤的总有机碳、土壤水溶性有机碳和最大有机质的储存率高于CT处理（表4），这可能是由于古老冲积土中总有机碳的固有储量较高以及土壤质地较重。重质土壤和较低的淋溶率也可能导致马尔达土壤中固有的总有机碳储量较高。库奇巴哈尔土壤中碳的分层较少可能归因于较高的降雨量和沙质土壤，从而导致更高的径流和更深的渗透。在CT处理下，库奇巴哈尔土壤中的POC储存率高于ZT处理（表4），这可能是由于气候和土壤因素的影响。库奇巴哈尔土壤中的POC含量高于马尔达土壤（表3），这可以解释为什么POC的储存率较高，而总有机碳和土壤水溶性有机碳的储存率较低。Franzluebbers（2004年）报告称，储存率受气候的强烈影响，这一点在本研究中也很明显。5. 结论 在对古老（马尔达）和新近形成的（库奇巴哈尔）冲积土进行的为期四年的试验中，我们观察到土壤质地在碳稳定中起着重要作用，粘土含量较高的古老冲积土（平均20%粘土）积累了更多的碳，并且与粘土含量的关联更强。有机碳主要集中在表层土壤（0-10厘米），特别是在ZT处理下，这促进了短期内生物量的表面积累。储存率表明，在粘土含量较高的土壤（如马尔达）中，碳在表面的积累更为明显，而在沙质土壤（如库奇巴哈尔）中则较少。易分解的碳部分如土壤水溶性有机碳和有机质与总有机碳呈正相关，因此可以被认为是古老和新近形成的冲积土土壤健康状况和碳稳定性的有用指标。ZT处理显著提高了0-20厘米深度的有机碳及其各部分的含量，这归因于作物残余物的保留和最小的干扰。RM系统下的总有机碳储量高于RW系统，主要是因为玉米作物产生的生物量残余物更多。这项研究表明，在古老和新近形成的冲积土上采用ZT和RM处理将可持续增加土壤碳储量，提高土壤肥力、微生物活性和整体土壤健康状况。碳封存的速度和程度取决于管理措施、土壤类型和气候条件，值得在长期实验中进一步研究。这些发现适用于年降雨量相对较高的冲积土农业生态系统，引入保护性农业管理措施具有意义。作者贡献声明 Ram C Dalal：写作——审阅与编辑、撰写初稿、可视化、资源管理、方法论、概念化。Neal W Menzies：写作——审阅与编辑、验证、概念化。Apurba K Chowdhury：写作——审阅与编辑、可视化、概念化。Prabir Mukhopadhyay：写作——撰写初稿、验证、监督、调查。Prateek M Bhattacharya：写作——审阅与编辑、撰写初稿、监督、概念化。Arunava Ghosh：写作——审阅与编辑、验证、监督、正式分析。Sudarshan Dutta：写作——审阅与编辑、可视化。Tapamay Dhar：写作——审阅与编辑、监督、项目管理、方法论、调查、数据管理。Rakesh S：写作——撰写初稿、验证、项目管理、方法论、调查、正式分析、数据管理、概念化。Parthendu Poddar：写作——审阅与编辑、正式分析。Mahesh Kumar Gathala：写作——审阅与编辑、可视化、监督、资源管理、项目管理、方法论、资金获取、正式分析、概念化。Alison M Laing：写作——审阅与编辑、撰写初稿、可视化、方法论。Abhas Kumar Sinha：写作——审阅与编辑、撰写初稿、验证、监督、资源管理、方法论、调查、正式分析、概念化。未引用的参考文献 Melero等人，2012年；Metay等人，2007年；NBSS & LUP，2001年。资金 本研究项目SRFSI（CSE/2011/077）由澳大利亚国际农业研究中心（ACIAR）和澳大利亚政府外交贸易部（DFAT）资助。我们感谢印度农业研究委员会（ICAR）在保护性农业研究方面的支持。