EN中文

干旱区地理 >

2026 , Vol. 49 >Issue 1: 56 - 68

DOI: https://doi.org/10.12118/j.issn.1000-6060.2025.201

地表过程研究

新疆表层土壤粒径分形特征及驱动因素分析

  • 刘全渝 , 1, 2 ,
  • 刘馨璐 1, 2 ,
  • 李桂真 1 ,
  • 李从娟 , 2
展开
  • 1 新疆农业大学草业学院，新疆 乌鲁木齐 830052
  • 2 中国科学院新疆生态与地理研究所，干旱区生态安全与可持续发展全国重点实验室，国家荒漠-绿洲生态建设工程技术研究中心，新疆 乌鲁木齐 830011
李从娟（1982-），女，博士，研究员，主要从事荒漠化防治与生态恢复研究. E-mail:

刘全渝（2001-），男，硕士研究生，主要从事荒漠化防治与生态恢复研究. E-mail:

收稿日期: 2025-04-13

  修回日期: 2025-07-03

  网络出版日期: 2026-03-11

基金资助

新疆维吾尔自治区“天山英才”(2022TSYCCX0004)

新疆维吾尔自治区“天山英才”(2022TSYCJC0005)

新疆维吾尔自治区“天山创新团队”(2024D14014)

新疆维吾尔自治区杰出青年基金(2022D01E97)

新疆维吾尔自治区重点研发计划(2022B03030)

收起

Fractal characteristics and driving factors of soil particle size in the surface layer of Xinjiang

  • Quanyu LIU , 1, 2 ,
  • Xinlu LIU 1, 2 ,
  • Guizhen LI 1 ,
  • Congjuan LI , 2
Expand
  • 1 College of Grassland Science, Xinjiang Agricultural University, Urumqi 830052, Xinjiang, China
  • 2 State Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands, National Engineering Research Center for Desert-Oasis Ecological Construction, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, Xinjiang, China

Received date: 2025-04-13

  Revised date: 2025-07-03

  Online published: 2026-03-11

Fold

摘要

新疆是中国生态脆弱区和风蚀沙化灾害频发区，其表层土壤颗粒组成关系区域生态稳定。以新疆60个样地、180个样点表层土壤粒径为研究对象，通过干旱指数将采样点分为半干旱、干旱、极端干旱样地，探讨不同干旱梯度下土壤粒径分形特征和环境因子对新疆表土粒径分形特征的影响。结果表明：（1）随着干旱程度的增加，土壤表层颗粒分布逐渐粗化并呈现过渡性特征，半干旱、干旱样地土壤颗粒以粉粒为主，极端干旱样地土壤颗粒以砂粒为主，其中极细砂和细砂占比53.48%。（2）整体粒度特征分选较差，随着干旱程度增加，土壤颗粒的离散程度降低，分布区间更为集中，土壤分形维数集中在1.98~2.47之间。（3）分形维数受黏粒影响较大，与黏粒、粉粒呈显著正相关，与沙粒呈显著负相关，不同干旱梯度样地对分形维数拟合效果为极端干旱>干旱>半干旱。（4）因子探测器表明，年平均降水量（MAP）、年平均气温（MAT）、土壤类型、成土母质等因素对土壤分形维数解释较高。结构方程模型结果表明，本研究所选连续变量因子中，气候因子对新疆表层土壤分形维数影响显著，其中MAP与风速对分形维数为正向影响，MAT对分形维数为负向影响。研究结果可以为区域土壤利用、生态管理提供重要科学依据，进而有利于新疆的水土保持、植被恢复及生态系统稳定性。

关键词： 分形维数; 粒径分布; 土壤质地; 驱动因素; 新疆

本文引用格式

刘全渝 , 刘馨璐 , 李桂真 , 李从娟 . 新疆表层土壤粒径分形特征及驱动因素分析[J]. 干旱区地理, 2026 , 49(1) : 56 -68 . DOI: 10.12118/j.issn.1000-6060.2025.201

Abstract

Xinjiang, an ecologically fragile region in China that is prone to aeolian desertification, has a surface-soil particle composition that plays a critical role in regional ecosystem stability. This study analyzed the particle composition of surface soils collected from 180 sampling points across 60 plots in Xinjiang, China. Using the aridity index, sampling sites were classified into semi-arid, arid, and hyper-arid plots to examine the fractal characteristics of soil particle-size distributions across drought gradients and to assess how environmental factors influence these fractal properties in surface soils. The results demonstrated that (1) With increasing aridity, the surface-soil particle-size distribution became progressively coarser and showed clear transitional features. Semi-arid and arid plots were dominated by silt, whereas hyper-arid plots were dominated by sand, with very fine and fine sand together accounting for 53.48%. (2) Overall, the soils exhibited poor sorting. Particle dispersion decreased with increasing aridity, resulting in progressively narrower size distributions, and the fractal dimensions ranged from 1.98 to 2.47. (3) The fractal dimension was strongly influenced by clay content, showing positive correlations with clay and silt and a significant negative correlation with sand. Furthermore, the model-fitting performance of the fractal dimension in plots under different aridity gradients followed the order: hyper-arid>arid>semi-arid. (4) The factor detector results indicated that mean annual precipitation (MAP), mean annual temperature (MAT), soil type, and parent material had strong explanatory power for the soil fractal dimension. Structural equation modeling further showed that, among the continuous variables examined, climatic factors had a significant influence on the surface-soil fractal dimension in Xinjiang. Specifically, MAP and wind speed exerted positive effects, whereas MAT had a negative effect. This research provides a scientific basis for regional soil use and ecological management, supporting soil and water conservation, vegetation restoration, and ecosystem stability in Xinjiang.

Key words： fractal dimension; particle size distribution; soil texture; driving factors; Xinjiang

土壤粒径分布是表征土壤结构的重要指标，反映了土壤颗粒的来源、形成过程和环境条件，其土壤颗粒组成特征，在一定程度上可以决定土壤的基本性状[1]。分形理论通过分形维数定量描述土壤颗粒组成的异质性和自相似性，为揭示土壤质地、风蚀敏感性和退化机制提供了新视角[2]。分形理论在土壤科学中的应用始于20世纪60年代[3]，Tyler等[4]提出的基于质量分布的土壤分形模型，为通过机械组成数据计算分形维数提供了可行方法。这一突破推动了研究从传统的定性描述转向基于分形维数的动态分析，此后，国内外学者围绕分形维数与土壤理化性质、土地利用方式及环境因子的关系展开了广泛研究。
大量实证研究表明，分形维数与土壤颗粒组成存在明确关联：黏粒和粉粒等细颗粒含量通常与分形维数呈显著正相关，而砂粒等粗颗粒则表现出显著的负相关调控作用[5-6]。例如，在黄河湿地退化过程中，从刺槐林地到荒草地，表层土壤分形维数由2.68显著降至2.47，直观印证了细颗粒流失与土壤结构退化同步发生[7]。随着空间分析技术的发展，分形维数的空间异质性及其驱动机制成为研究热点。学者们发现，分形维数及其空间分布受到包括海拔（如贺兰山土壤分形维数随海拔升高）[8]、盐分（如盐渍土分形维数随盐分增加而降低）[9]、植被覆盖与土地利用类型、成土母质与地貌以及气候因子[10]等在内的多种环境要素的综合影响，呈现明显的规律性和尺度依赖性。
新疆位于中国生态脆弱区和风蚀沙化灾害频发区，其表层土壤的颗粒组成直接关系到区域水土保持、植被恢复及生态系统稳定性[11-12]。但迄今为止，尚无关于新疆土壤颗粒组成及其影响因素分析方面的系统报道，因此本研究在疆内布设60个样地，通过干旱指数（AI）将样地分为半干旱、干旱、极端干旱等研究尺度，应用单重分形维数描述不同干旱梯度下样地的粒径分布特征，选取气候因素、地形地貌、土壤理化性质、成土母质与土壤类型、土地利用方式、归一化植被指数（NDVI）等环境因素来探究不同环境因子对土壤分形特征的影响，为新疆土壤利用、生态管理和恢复提供科学依据。

1 材料与方法

1.1 研究区概况

新疆（34°25′~49°10′N，73°40′~96°23′E）地形以山脉和盆地为主，呈现出“三山夹两盆”的特点；受地理区位与地形影响，属典型温带大陆性气候，冬冷夏热，气温年较差与日较差大，降水稀少且分布不均[13]。新疆土壤类型呈现明显的区域分异：北疆平原以灰漠土、棕钙土为主；天山山区随海拔梯度依次分布山地栗钙土、黑钙土、灰褐色森林土[14]；南疆盆地广泛分布棕漠土、风沙土；绿洲区则以灌淤土为典型。这种土壤分布格局与气候、地形及植被条件密切关联，为干旱、半干旱区土壤系统研究提供了典型样本。

1.2 土壤样品采集与处理

采样工作于2024年7—8月进行，根据地形地貌和植被类型的不同，共采集60个样地（图1a），依据AI数值的广义气候分类方案（联合国环境规划署UNEP 1997）将样地分为半干旱（0.2<AI≤0.5）、干旱（0.03≤AI≤0.2）、极端干旱（AI<0.03）3种气候梯度，不同样地分类的基本气候情况见表1。土壤质地类型主要为粉粒、粉质壤土（图1b）。
图1 研究区采样点与土壤质地三角图

注：基于自然资源部标准地图服务网站审图号为GS(2023)2763号的标准地图制作，底图边界无修改。

Fig. 1 Sampling points in the study area and soil texture triangle diagram

表1 样地气候情况

Tab. 1 Climate of the sample site

样地分类 MAP/mm MAT/℃ AI
半干旱样地 307.20±11.43 0.35±0.85 0.31±0.08
干旱样地 140.13±9.81 4.82±0.78 0.10±0.04
极端干旱样地 34.00±10.73 10.49±0.80 0.018±0.005

注：MAP为年平均降水量；MAT为年平均气温；AI为干旱指数。下同。

每块调查样地内，选择远离人为干扰的区域进行土壤取样，每块样地进行3次取土，记为3组重复处理，以确保获取的土壤样本能够真实反映该区域的土壤特性。本次共计采用180份样品，其中半干旱样地45份、干旱样地93份、极端干旱样地42份，后续分形维数计算中，由于同一样地中不同重复间最大值区间不一，计算分形维数误差过大，因此采用样地平均值得出的分形维数来表征样地土壤粒径分形特征，故与分形维数相关图采用60样地，其余图形采用180样点。
使用100 cm3的不锈钢环刀采集0~10 cm的表层土壤，以测定土壤容重（BD）与含水量（SWC）。使用直径为3.5 cm的土钻对0~10 cm的土层进行取样，在室温下风干并挑出杂质后过2 mm筛，进行土壤粒径、有机碳、pH的测定。使用环刀法测定土壤容重；使用称量法测定SWC；通过激光粒度仪（丹东百特BT-2001）湿法测定土壤粒径；采用重铬酸钾加热法测定土壤有机碳，并通过乘以转换因子1.724得出土壤有机质（SOM）含量；使用pH计（FE22）和电导仪（FE38）在土水比为1:5的比例下测定pH值和电导率（EC）。

1.3 其他数据来源

NDVI数据来源于NASA网站（https://ladsweb.modaps.eosdis.nasa.gov/），分辨率为250 m，时间为2019—2024年6—8月。AI来自第三版全球干旱指数和潜在蒸散量气候数据库（https://cgiarcsi.community/），分辨率为1 km×1 km，时间为1970—2000年。年平均气温（MAT）、年平均降水量（MAP）数据来源于World Clim Global Climate Data（https://www.world.clim.org/）分辨率为1 km×1 km，时间为2019—2024年。风速（最大持续阵风）来源于美国国家环境信息中心（https://www.ncei.noaa.gov/），分辨率为0.1°×0.1°，时间为2018—2023年，通过反距离加权法插值获得最大持续阵风。以上数据利用ArcGIS软件“多值对点提取”工具，提取采样点的属性值[15]。经纬度、坡度、坡向、成土母质、土壤类型、土地利用方式、海拔（ASL）等地理相关信息于土壤样品采集时记录。

1.4 土壤粒度参数计算

计算粒径参数时将粒径单位由mm值转为Φ值，使用乌登-温特沃思[16]粒级（Udden-Wentworth scale）粒级标准通过克鲁宾（Krumbein）[17]对数变换而得，换算公式如下：
Φ = - l o g 2 d
式中：d为土壤颗粒粒径（mm）。
通过图解法[18]建立粒径Φ值与对应累积百分含量绘制概率累积曲线图，可以从图中直接读出某些具有代表性的累积百分数所对应的粒径Φ值，即可获得粒径累积体积分布为5%、16%、25%、50%、75%、84%和95%对应的土壤粒径 Φ 5、 Φ 16、 Φ 25、 Φ 75、 Φ 84、 Φ 95。通过福克（FOLK）[19]等方法计算粒度参数[20]。
中值粒径（ d m，μm）：反映累积频率达到50%的粒径值。计算公式为：
d m = d 50
式中： d 50为累积频率达到50%的粒径值。
平均粒径（ d 0，μm）：反映粒度分布的集中趋势。计算公式为：
d 0 = d 16 + d 50 + d 84 3
式中： d 16为累积频率达到16%的粒径值； d 84为累积频率达到84%的粒径值。
标准偏差（ σ 0）：反映土壤粒径分布的分散程度。计算公式为：
σ 0 = Φ 84 - Φ 16 4 + Φ 95 - Φ 5 6.6
偏度（ S 0）：反映土壤粒度分布的对称性。计算公式为：
S 0 = Φ 16 + Φ 84 - 2 Φ 50 2 Φ 84 - Φ 16 + Φ 5 + Φ 95 - 2 Φ 50 2 Φ 95 - Φ 5
峰度（ K 0）：反映土壤粒度的集中程度。计算公式为：
K 0 = Φ 95 - Φ 5 2.44 Φ 75 - Φ 25
具体分级标准如表2所示。
表2 粒度参数分级标准

Tab. 2 Classification standards of particle size parameters

标准偏差（ σ 0） 偏度（ S 0） 峰度（ K 0）
分选级别 取值范围 偏度等级 取值范围 峰度等级 取值范围
极好 σ 0 ≤ 0.35 极负偏 - 1.0 ≤ S 0 ≤ - 0.3 很宽平 K 0 ≤ 0.67
好 0.35 σ 0 ≤ 0.50 负偏 - 0.3 S 0 ≤ - 0.1 宽平 0.67 K 0 ≤ 0.90
较好 0.50 σ 0 ≤ 0.71 近于对称 - 0.1 S 0 ≤ 0.1 中等 0.90 K 0 ≤ 1.11
中等 0.71 σ 0 ≤ 1.00 正偏 0.1 S 0 ≤ 0.3 尖窄 1.11 K 0 ≤ 1.56
较差 1.00 σ 0 ≤ 2.00 极正偏 0.3 S 0 ≤ 1.0 很尖窄 1.56 K 0 ≤ 3.00
差 2.00 σ 0 ≤ 4.00 极尖窄 K 0 3.00
极差 σ 0 4.00
土壤粒径根据美国农业部（USDA）的分类系统进行分级，分为：砂粒（50~2000 μm）、粉粒（2~50 μm）、黏粒（<2 μm）。本研究采用土壤颗粒体积分形模型来计算土壤单重分形维数，分形维数参考王国梁[21]等的方式进行计算，计算公式如下：
V ( r R i ) V T = R i R m a x 3 - D
式中：D为分形维数；r为土壤粒径（mm）； R i为第i级的土壤粒径（mm）。 R m a x土壤粒径的极大值（mm）； V ( r R i )为土壤粒径小于 R i的累积体积分数（%）； V T为各粒径等级体积分数之和（%）。

1.5 数据处理

在Office Excel 2019中整理原始数据；使用SPSS 26.0软件进行描述性统计和逐步回归分析；采用单因素方差分析的Duncan法进行差异显著性检验。受限于分类变量和连续变量并不能直接描述对分形维数的影响，因此选用地理探测器中的因子探测来判断不同环境因子对分形维数的解释度，选用Pearson相关性分析和结构方程模型（SEM）来判断连续变量环境因子对土壤颗粒分形维数的关系和影响。SEM分析在R 4.2.3“plspm”包中完成。在Origin Pro 2021与Adobe Illustrator 2025软件中绘制图件。

2 结果与分析

2.1 土壤粒径分布特征

随着干旱梯度从半干旱到干旱再到极端干旱，粉粒含量逐渐减少，而砂粒含量逐渐增加，说明土壤颗粒整体呈现由细到粗的变化趋势（表3）。半干旱和干旱样地主要以粉粒为主（85.17%、72.63%），黏粒和砂粒占比较少，这表明其土壤质地较为细小，而极端干旱样地主要以砂粒为主，总量高达54.45%，其中极细砂和细砂占比53.48%，显著高于半干旱、干旱样地（P<0.05），这反映出极端干旱样地土壤质地较为粗放。
表3 不同干旱梯度样地土壤颗粒组成描述性统计

Tab. 3 Descriptive statistics of soil particle composition in plots under different aridity gradients

样地分类 黏粒/% 粉粒/% 砂粒/%
极细砂 细砂 中砂 粗砂 总量
半干旱样地 5.33±0.39a 85.17±1.158a 8.19±0.81c 1.32±0.29b 0.57±0.47a 0.22±0.02a 9.50±1.05c
干旱样地 5.34±0.44a 72.63±2.87b 14.34±1.38b 7.09±1.78b 0.97±0.74a 0.02±0.01a 21.99±3.16b
极端干旱样地 2.35±0.96b 43.20±7.79c 30.07±3.95a 23.41±5.87a 0.52±0.29a 0.02±0.01a 54.45±8.48a

注：不同小写字母表示同列不同干旱梯度样地间差异显著（P<0.05）。下同。

不同干旱梯度样地土壤粒径分布变化趋势基本相近（图2a），曲线均呈双峰型，于15 μm和125 μm处左右出现拐点，半干旱和干旱样地第一波拐点峰值分别对应土壤颗粒累积分布的62.44%、60.95%，明显高于极端干旱样地的39.03%（P<0.05），第二波拐点极端干旱拐点峰值累积分布为95.49%，高于半干旱和干旱样地的94.19%、85.64%（图2b），这也说明半干旱和干旱样地土壤平均粒径要小于极端干旱样地。
图2 不同干旱梯度样地粒径分布

Fig. 2 Particle size distributions in plots under different aridity gradients

2.2 土壤粒度参数特征

半干旱、干旱、极端干旱样地平均粒径（图3a）和中值粒径（图3b）呈现显著上升趋势（P<0.05）。不同干旱梯度样地标准偏差位于1~2之间，这说明各新疆表层土壤颗粒分选性均处于较差级别，极端干旱样地标准偏差（图3c）显著小于半干旱、干旱样地（P<0.05），这表明极端干旱样地土壤粒径分布区间更为集中。不同干旱梯度下样地偏度（图3d）大小为半干旱>干旱>极端干旱（P<0.05），其中半干旱样地偏度等级为近于对称，干旱和极端干旱样地偏度等级为负偏，说明极端干旱和干旱样地粗粒较多。半干旱、干旱样地峰度值（图3e）为中等水平，显著小于极端干旱样地的尖窄水平（P<0.05），相较于极端干旱，半干旱、干旱样地土壤颗粒分布较为分散。分形维数（图3f）能够有效反映土壤结构的复杂程度，半干旱与干旱样地分形维数的中位数约为2.47，表明干旱样地的土壤结构复杂程度与半干旱样地相近；极端干旱样地分形维数的中位数显著下降至1.98，数据点多数集中在2.1以下，说明极端干旱样地的土壤结构相对简单（P<0.05），不规则性较低。
图3 不同干旱梯度样地土壤粒径参数

注：不同小写字母表示不同干旱梯度样地差异显著（P<0.05）；图中数值为中位数。

Fig. 3 Soil particle size parameters in plots under different aridity gradients

2.3 土壤粒径与分形维数的关系

由图4可知，新疆表层土壤黏粒（图4j）和粉粒（图4k）与分形维数呈极显著正相关（P<0.01），与砂粒（图4l）呈极显著负相关（P<0.01），这表明黏粒、粉粒含量的增加能够促使土壤结构变得复杂，而砂粒含量的增加促使土壤结构变得简单。在不同干旱梯度样地中，半干旱样地的粉粒（图4b）、砂粒（图4c）和干旱样地的粉粒（图4e）与分形维数均无显著相关性（P>0.05）；3类干旱梯度样地的黏粒和极端干旱样地的粉粒与分形维数均呈极显著正相关（P<0.01）（图4a、d、g、h）；干旱样地和极端干旱样地的砂粒（图4f、i）与分形维数分别呈显著（P<0.05）、极显著（P<0.01）负相关。从决定系数（R2）来看，分形维数与黏粒拟合效果最好，总拟合效果为黏粒>砂粒>粉粒，在不同干旱梯度样地中，拟合效果为极端干旱>干旱>半干旱。利用逐步回归分析方法，进一步分析分形维数（D）与各粒径含量（黏粒、粉粒、砂粒）的关系。半干旱样地逐步回归方程为D=0.04X1+2.242（R2=0.96）；干旱样地逐步回归方程为D=0.035X1+0.001X3+2.256（R2=0.74）；极端干旱样地逐步回归方程为D=0.054X1-0.005X3+2.219（R2=0.88）。其中，X1为黏粒含量，X3为砂粒含量。逐步回归分析结果表明，不同干旱梯度下黏粒含量对分形维数的影响最大。
图4 不同样地土壤粒径占比与分形维数的关系

注：R2为决定系数，用于判断线性拟合模型的解释度。

Fig. 4 Relationship between the proportion of soil particle sizes and the fractal dimension in different plots

2.4 环境因子对土壤颗粒分形特征的影响

土壤颗粒组成特征是多个驱动因素共同作用下的结果，本节选取了不同环境变量，包括成土母质、土壤类型、土地利用方式等分类变量以及ASL、坡度、坡向、BD、SWC、SOM、pH、EC、NDVI、风速等连续变量，来探讨不同环境因子对土壤颗粒分形特征的影响。

2.4.1 不同环境因子下土壤各级颗粒组成差异

样地土壤母质主要以坡、残积母质，洪、冲积母质，风积母质和黄土状母质为主（表4），其中风积母质土壤颗粒以砂粒为主，粗粒多于其他母质（P<0.05）。由表5~6可知，土壤类型以风沙土、黑钙土、栗钙土、棕漠土为主，土地利用类型以草地为主，其中风沙土、未利用土地分形维数显著低于其他土壤类型和利用方式，表明其颗粒更为粗化。由表7可知，随着干旱程度的增加，ASL、坡度、SWC、SOM、NDVI呈下降趋势（P<0.05）。BD、pH、EC在干旱和极端干旱样地显著高于半干旱样地（P<0.05）。
表4 不同成土母质下土壤颗粒组成差异

Tab. 4 Differences in soil particle composition under different soil-forming parent materials

母质类型 样本数 黏粒占比/% 粉粒占比/% 砂粒占比/% 分形维数
坡、残积母质 102 5.32±0.42a 75.31±3.17a 19.37±3.40b 2.45±0.03a
洪、冲积母质 48 4.69±3.25a 72.98±3.80a 22.24±4.38b 2.37±0.06a
风积母质 21 1.07±1.65b 24.63±7.41b 74.29±7.97a 2.01±0.15b
黄土状母质 9 5.03±1.00a 77.70±2.94a 17.27±3.65b 2.44±0.04a

注：不同小写字母表示同列不同母质类型间差异显著（P<0.05）。

表5 不同土壤类型下土壤颗粒组成差异

Tab. 5 Differences in soil particle composition under different soil types

土壤类型 样本数 黏粒占比/% 粉粒占比/% 砂粒占比/% 分形维数
风沙土 24 0.91±0.53b 25.65±9.18c 73.44±9.69a 2.00±0.34b
黑钙土 24 5.71±0.47a 85.24±1.89a 9.05±1.65bc 2.47±0.05a
黑毡土 9 6.20±0.53a 87.16±0.82a 6.64±0.55c 2.49±0.03a
冷钙土 9 4.55±0.9ab 79.93±5.00ab 15.52±9.01bc 2.43±0.02a
粟钙土 33 4.91±0.59ab 78.72±2.97ab 16.36±3.37bc 2.45±0.02a
盐土 15 3.88±1.15ab 75.89±5.99ab 20.23±6.87bc 2.35±0.08a
棕钙土 18 5.65±1.18a 72.55±5.32b 21.58±6.49bc 2.47±0.03a
棕漠土 24 6.32±1.16a 64.27±4.31b 29.41±5.27b 2.46±0.09a

注：不同小写字母表示同列不同土壤类型间差异显著（P<0.05）。沼泽土等样本数较少的土类未放入此表中。

表6 不同土地利用方式下土壤颗粒组成差异

Tab. 6 Differences in soil particle composition under different land use methods

土地利用方式 样本数 黏粒占比/% 粉粒占比/% 砂粒占比/% 分形维数
草地 123 4.85±0.42a 71.29±20.28a 23.85±3.45b 2.42±0.03a
林地 30 5.00±0.50a 82.31±5.53a 12.69±1.98b 2.44±0.06a
未利用土地 27 3.30±1.43a 43.17±31.59b 53.53±11.73a 2.09±0.41b

注：不同小写字母表示同列不同土壤利用方式间差异显著（P<0.05）。未利用土地包括沙地、戈壁、盐碱地、裸土地等地块。

表7 不同干旱梯度样地环境特征

Tab. 7 Environmental characteristics in plots under different aridity gradients

样地分类 ASL/m 坡度 坡向 BD/g·cm-3 SWC/%
半干旱样地 1994.33±161.92a 7.46±1.21a 175.66±27.70a 82.91±6.74b 23.76±3.46a
干旱样地 1758.58±194.67ab 4.22±0.87b 175.75±22.50a 119.01±6.51a 8.75±1.88b
极端干旱样地 1195.86±184.51b 2.03±0.97b 229.82±31.80a 134.00±4.76a 4.05±1.70c
样地分类 SOM/g·kg-1 pH EC/μS·cm-1 NDVI 风速/m·s-1
半干旱样地 99.85±11.98a 6.68±0.26b 146.47±16.42b 0.51±0.04a 10.46±0.88a
干旱样地 29.41±7.35b 8.23±0.11a 3813.46±1692.26a 0.21±0.03b 10.69±0.59a
极端干旱样地 7.96±4.24c 8.52±0.31a 3625.83±1122.65a 0.14±0.03b 9.14±0.44a

注：ASL为海拔；BD为容重；SWC为土壤含水量；SOM为土壤有机质；EC为土壤电导率；NDVI为归一化植被指数。下同。

2.4.2 不同环境因子对土壤颗粒组成的影响

因子探测器结果表明（图5），MAP、MAT、土壤类型、成土母质、SOM对分形维数的解释度（q值）较高，其余环境因子解释度较低，其q值在0.3以下。由表8可知，分形维数与MAP、风速分别呈极显著（P<0.01）、显著（P<0.05）正相关，与MAT、pH分别呈极显著（P<0.01）、显著（P<0.05）负相关，与ASL、坡度、坡向、BD、SWC、SOM、EC、NDVI相关性不显著（P>0.05）。通过相关性分析结果，选出与分形维数相关性较强的连续变量环境因子，将MAP、MAT、风速归为气候因子，BD与SWC归为土壤物理性质，pH与EC归为土壤盐碱水平，再结合SOM、NDVI、分形维数等变量，构建了SEM（图6）。由图6可知，气候因子对分形维数的影响最高（P<0.001），路径系数为0.86，其余因子影响并不显著（P>0.05）。结合表8来看，气候因子中MAP与风速对分形维数为正向影响，MAT对分形维数为负向影响。从R2来看，不同驱动因子对分形维数变异度的解释为0.32，位于中等水平。从综合拟合指标（GOF）来看，所选用驱动因子对新疆表层土壤粒径分形维数影响拟合较为良好。
图5 因子探测结果

注：MAP为年平均降水量；MAT为年平均气温；SOM为土壤有机质；EC为土壤电导率；SWC为土壤含水量；ASL为海拔；BD为容重；NDVI为归一化植被指数；q值为环境因子对分形维数的解释程度。下同。

Fig. 5 Factor detection results

图6 不同环境因子对土壤粒径分形维数特征驱动作用结构方程模型（SEM）

注：红色和蓝色实箭头分别表示正向和负向影响；虚线表示不显著的路径；箭头旁的数字表示标准路径系数；箭头宽度与关联强度成正比。多层矩阵中，PC2向上箭头表示相邻变量与相应PC1之间的正向关系；向下箭头表示相邻变量与相应PC1之间的负向关系。*、**、***分别表示不同环境因子间显著（P<0.05）、极显著（P<0.01）、极其显著（P<0.001）。R2为决定系数，衡量模型对变量变异的解释能力；GOF为模型整体拟合优度的指标，GOF>0.4视为接受模型。

Fig. 6 SEM of the driving effect of different environmental factors on the fractal dimension characteristics of soil particle size

表8 不同环境因子与分形维数Pearson相关性分析

Tab. 8 Pearson correlation analysis between different environmental factors and fractal dimension

驱动因子 MAP MAT ASL 坡度 坡向 BD SWC SOM pH EC NDVI 风速 分形维数
MAP 1.00 - - - - - - - - - - - -
MAT -0.68** 1.00 - - - - - - - - - - -
ASL 0.20 -0.73** 1.00 - - - - - - - - - -
坡度 0.45** -0.60** 0.58** 1.00 - - - - - - - - -
坡向 -0.19 0.66** -0.019 0.033 1.00 - - - - - - - -
BD -0.61** 0.56** -0.42** -0.58** 0.089 1.00 - - - - - - -
SWC 0.66** -0.61** 0.44** -0.54** -0.14 -0.84** 1.00 - - - - - -
SOM 0.75** -0.67** 0.38** -0.64** -0.15 -0.84** 0.88** 1.00 - - - - -
pH -0.79** 0.59** -0.21** -0.47** 0.012 0.71** -0.70** -0.79** 1.00 - - - -
EC -0.33* -0.43** -0.23 -0.30* 0.11 0.05 -0.12 -0.24 0.21 1.00 - - -
NDVI 0.75** -0.61** 0.31* -0.57** -0.029 -0.81** 0.79** 0.84** -0.81** -0.22 1.00 - -
风速 0.17 -0.20 -0.09 -0.09 0.03 0.05 0.001 0.071 -0.16 -0.18 -0.10 1.00 -
分形维数 0.42** -0.45** 0.12 0.16 -0.10 -0.12 0.16 0.24 -0.26* -0.10 0.16 0.29* 1.00

注：*、**分别表示同列不同环境因子间显著（P<0.05）、极显著（P<0.01）相关。

3 讨论

3.1 干旱梯度下表层土壤粒径分布和分形维数特征

土壤粒径分布特征作为表征土壤物理性质的重要指标，反映了土壤形成过程与环境条件，在一定程度上可以决定土壤的基本性状[22]。本研究结果表明，不同干旱梯度样地表层土壤粒径分布曲线均呈现双峰型特征（图2a）。半干旱和干旱样地第一波峰累积占比较高，土壤质地以<50 μm的粉粒为主（表3），且在细颗粒范围（<100 μm）累积增速较快（图2b），表明其结构相对致密，具有较高的保水性和肥力潜力[23]；而极端干旱样地第二波峰累积占比显著突出，砂粒含量（54.45%）显著增加，其中易蚀的极细砂和细砂占比（53.48%）过半（表3），在粗颗粒范围（>100 μm）累积增速快（图2b），反映出土壤质地显著粗化、结构松散且抗侵蚀能力弱[24]；干旱样地则表现出明显的过渡性特征。随干旱程度加剧（AI降低），粉粒含量显著减少、砂粒含量显著增加（表3），土壤颗粒呈现由细到粗的明确粗化趋势，这与澳大利亚旱地研究结论一致[25]。粒度参数分析进一步量化了这一变化：平均粒径（图3a）和中值粒径（图3b）随干旱加剧显著增大，印证了颗粒粗化趋势；同时，极端干旱样地标准偏差显著减小（图3c）、峰度显著增大（图3e），表明颗粒分布离散程度降低、趋向集中，整体分布范围缩小，这可能与成土母质差异[1]或风蚀事件（如沙尘暴导致的细粒物质输入变化）[24]等环境因素有关。分形维数作为量化土壤颗粒大小分布复杂性的关键参数，其优势在于能综合反映粒度分布特征，优于单一粒度参数[15]。本研究中，半干旱与干旱样地分形维数显著高于极端干旱样地（图3f），直观表明前两者土壤颗粒更细小、质地更均匀、结构更复杂。这与锡林郭勒典型草原的研究（干旱区草地分形维数低于半干旱区）[20]规律相符。有研究指出[26]，结构良好的土壤分形维数应在2.75左右，与之相比，本研究3种样地类型分形维数均低于此阈值，反映了不同环境因子对土壤结构整体发育程度的限制。

3.2 不同干旱梯度样地土壤粒径与分形维数的关系

土壤颗粒是一个复杂的体系，其分形维数特征是多种因素共同作用的结果。本研究逐步回归分析结果表明（图4），不同干旱梯度样地黏粒含量对分形维数的影响最大，样地总体分形维数与黏粒（图4j）、粉粒（图4k）呈正相关，与砂粒（图4l）呈负相关。以往研究表明[27]，土壤黏粒体积分数越高，分形维数越高；宛倩等[22]研究发现，土壤黏粒等较细颗粒体积分数为影响土壤颗粒分形维数的主要因素，这与本研究对于土壤粒度组成与土壤颗粒分形参数的回归分析结果一致。本研究中，不同干旱梯度样地土壤颗粒组成对分形维数的拟合程度为极端干旱>干旱>半干旱，这与土壤颗粒的分布特征和环境条件密切相关。极端干旱样地（图4g~i）的土壤质地较为粗放，砂粒比例较高，而黏粒和粉粒含量较低，这使得土壤颗粒分布更加集中，分形维数的拟合效果更好。相比之下，半干旱（图4a~c）和干旱样地（图4d~f）的土壤颗粒分布较为复杂，黏粒和粉粒含量较高，可能导致分形维数的拟合受到更多干扰，在半干旱样地分形维数对粉粒和砂粒的拟合效果不佳，就可能与此有关。此外，极端干旱样地的土壤颗粒分布受风蚀作用影响较大，细颗粒物质被移除，进一步简化了土壤颗粒的分布特征，使得分形维数与黏粒含量的关系更加显著，这种简单的分布特征减少了拟合过程中的非结构性干扰，从而提高了拟合效果[28]。

3.3 不同环境因子对土壤粒径分形维数特征的影响

本研究中，风积母质与风沙土呈现显著粗化特征（砂粒>73%，分形维数≈2.0），表明了风成沉积物分选差、细粒缺失的特点（表4~5）[29]；而其余母质所形成的黑钙土、黑毡土等高有机质类型土壤分形维数达2.47~2.49，这可能与有机胶结促进团聚体形成有关[30]。未利用土地（沙地、戈壁）的分形维数显著低于草地、林地（表6），表明植被对土壤的改良作用：高植被覆盖下土壤结构发育越完整，其黏粒、粉粒含量也更多，分形维数值也越大[31]。干旱梯度变化导致关键土壤理化性质呈现规律性差异（表7）：随干旱程度加剧，BD和pH升高，而SOM、SWC和NDVI则下降[32]，半干旱样地ASL和坡度普遍高于极端干旱样地，地形因素通过影响降水分布（如天山山区存在特定的最大降水高度[33]）间接调节区域湿润程度。
因子探测结果表明（图5），所选因子中MAP、MAT、土壤类型、成土母质等因素对分形维数的解释度最高，这可能与土壤类型、母质是土壤颗粒形成的物质基础，而MAP、MAT等因素直接控制了土壤颗粒的物理破碎、化学风化、生物活动及物质迁移过程有关[10]。因分类变量无法直接分析对粒径分布特征的贡献，因此选用相关性分析选出相关程度较高的连续变量环境因子，构建SEM，其结果表明（图6），新疆表土粒径分形维数受气候因子影响较大（P<0.001），其中MAP与风速起正向作用，MAT起负向作用。以往研究表明，降水减少导致分形维数降低和土壤粗化[31]，湿润环境通常对应更高分形维数[5]，风力作用显著影响颗粒再分配，沙尘暴后土壤表层细粒显著增加[24]，温度升高则可能削弱土壤保水抗蚀能力，Certini等[34]表明气候因素是土壤形成和变化的主要因素之一。尽管模型整体拟合良好，但所选驱动因子对分形维数变异的解释度（R2=0.32）处于中等水平，反映了土壤分形特征是多种环境因子复杂交互作用的结果[15]，未来研究需进一步关注多因子综合效应及尺度依赖性。

4 结论

（1）随着干旱程度的增加，颗粒大小也逐渐粗化，土壤表层颗粒分布呈现过渡性特征，半干旱、干旱地样地土壤颗粒以粉粒为主，极端干旱样地土壤颗粒以砂粒为主，其中极细砂和细砂占比53.48%。
（2）整体粒度特征分选较差，随着干旱程度增加，土壤颗粒的离散程度降低，分布区间更为集中，土壤单重分形维数集中在1.98~2.47之间。
（3）分形维数受黏粒影响较大，与黏粒、粉粒呈显著正相关，与砂粒呈显著负相关，在不同干旱梯度样地中，拟合效果为极端干旱>干旱>半干旱。
（4）因子探测器表明，MAP、MAT、土壤类型、成土母质等因素对土壤分形维数解释较高。SEM结果表明，本研究所选连续变量因子中，气候因子对新疆表层土壤分形维数影响显著，其中MAP与风速对分形维数为正向影响，MAT对分形维数为负向影响，其余因子对分形维数影响并不显著。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
徐加盼, 李继洪, 魏玉杰, 等. 不同母质类型发育土壤颗粒组成分形特征[J]. 土壤学报, 2020, 57(5): 1197-1205.

[Xu Jiapan, Li Jihong, Wei Yujie, et al. Fractal characteristics of particle composition for soils developed from different parent materials[J]. Acta Pedologica Sinica, 2020, 57(5): 1197-1205.]

[2]
张世文, 张立平, 袁君, 等. 基于分形理论和地质统计学的表层土壤颗粒大小分布变化特征[J]. 中国农业科学, 2014, 47(13): 2591-2601.

DOI

[Zhang Shiwen, Zhang Liping, Yuan Jun, et al. Characterizing variation of topsoil particle size distribution based on fractal theory and geostatistics[J]. Scientia Agricultura Sinica, 2014, 47(13): 2591-2601.]

[3]
Mandelbrot B. How long is the coast of Britain? Statistical self similarity and fractional dimension[J]. Science, 1967, 156(3775): 636-638.

PMID

[4]
Tyler S W, Wheatcraft S W. Fractal scaling of soil particle-size distributions: Analysis and limitations[J]. Soil Science Society of America Journal, 1992, 56(2): 362-369.

DOI

[5]
贾重建, 卢瑛, 吴刚, 等. 广东罗浮山土壤颗粒分形维数分布特征[J]. 土壤通报, 2022, 53(5): 1049-1055.

[Jia Chongjian, Lu Ying, Wu Gang, et al. Fractal features of particle-size distribution of soil profiles in Luofu Mountain, Guangdong[J]. Chinese Journal of Soil Science, 2022, 53(5): 1049-1055.]

[6]
杜丹丹, 高瑞忠, 贾德彬. 吉兰泰盐湖盆地土壤颗粒分形特征与空间变异分析[J]. 水土保持研究, 2023, 30(6): 93-101.

[Du Dandan, Gao Ruizhong, Jia Debin. Analysis of fractal characteristics and spatial variability of soil particles in the Jilantai Salt Lake Basin[J]. Research of Soil and Water Conservation, 2023, 30(6): 93-101.]

[7]
吕圣桥, 高鹏, 耿广坡, 等. 黄河三角洲滩地土壤颗粒分形特征及其与土壤有机质的关系[J]. 水土保持学报, 2011, 25(6): 134-138.

[Lü Shengqiao, Gao Peng, Geng Guangpo, et al. Characteristics of soil particles and their correlation with soil organic matter in lowlands of the Yellow River Delta[J]. Journal of Soil and Water Conservation, 2011, 25(6): 134-138.]

[8]
黄业芸, 邱开阳, 朱亚超, 等. 贺兰山不同海拔植被生物量与土壤分形特征和土壤水分的相关关系[J]. 草业学报, 2023, 32(12): 24-35.

DOI

[Huang Yeyun, Qiu Kaiyang, Zhu Yachao, et al. Correlation between vegetation biomass and soil fractal characteristics and soil moisture at different elevations in the Helan Mountains[J]. Acta Prataculturae Sinica, 2023, 32(12): 24-35.]

DOI

[9]
赵守强, 迟大群, 贾付诚, 等. 不同地区盐渍土土壤颗粒的分形特征[J]. 江苏农业科学, 2021, 49(6): 203-207.

[Zhao Shouqiang, Chi Daqun, Jia Fucheng, et al. Fractal characteristics of soil particles in saline soils in different regions[J]. Jiangsu Agricultural Sciences, 2021, 49(6): 203-207.]

[10]
周雷, 曲潇琳, 周涛, 等. 宁夏土壤颗粒组成特点及其影响因素分析[J]. 中国农业科学, 2023, 56(21): 4272-4287.

DOI

[Zhou Lei, Qu Xiaolin, Zhou Tao, et al. Analysis of the characteristics and influencing factors of soil particle composition in Ningxia[J]. Scientia Agricultura Sinica, 2023, 56(21): 4272-4287.]

DOI

[11]
刘全渝, 李从娟, 李桂真. 添加膨润土对风蚀沙化土壤理化性质及植被生长的影响[J]. 干旱区研究, 2025, 42(3): 456-466.

DOI

[Liu Quanyu, Li Congjuan, Li Guizhen. Effects of addition of the bentonite on the physicochemical properties and vegetation growth of wind-eroded sandy soil[J]. Arid Zone Research, 2025, 42(3): 456-466.]

DOI

[12]
贺郝钰, 刘蔚, 常宗强, 等. 沙区生物土壤结皮演替对表层土壤养分和微生物群落组成的影响[J]. 干旱区地理, 2024, 47(10): 1724-1734.

DOI

[He Haoyu, Liu Wei, Chang Zongqiang, et al. Effects of biological soil crust succession on soil nutrients, microbial community composition in desert regions[J]. Arid Land Geography, 2024, 47(10): 1724-1734.]

DOI

[13]
王会静, 郭玉川, 白运保, 等. 新疆植被动态格局及其对气候的时滞效应[J]. 农业工程学报, 2023, 39(11): 137-145.

[Wang Huijing, Guo Yuchuan, Bai Yunbao, et al. Dynamic pattern of vegetation in Xinjiang and its time-lag effect on climate[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(11): 137-145.]

[14]
宋小龙, 李陇堂, 任婕, 等. 西北干旱生态地理区NDVI时空变化特征及其驱动力[J]. 干旱区地理, 2025, 48(6): 951-962.

DOI

[Song Xiaolong, Li Longtang, Ren Jie, et al. Spatio-temporal variation characteristics and driving factors of NDVI in the arid and semi-arid region of northwest China[J]. Arid Land Geography, 2025, 48(6): 951-962.]

DOI

[15]
刁二龙, 曹广超, 曹生奎, 等. 不同尺度下土壤粒径及分形特征[J]. 水土保持研究, 2024, 31(5): 212-220.

[Diao Erlong, Cao Guang-chao, Cao Shengkui, et al. Soil particle size and fractal characteristics at different scales[J]. Research of Soil and Water Conservation, 2024, 31(5): 212-220.]

[16]
Udden J A. The mechanical composition of wind deposits[M]. Rock Island: Lutheran Augustana Book Concern, 1898: 1-69.

[17]
Krumbein W C. Size frequency distributions of sediments[J]. SEPM Journal of Sedimentary Research, 1934, 4(2): 65-77.

[18]
张永成, 王洪辉, 谭桂花. 基于Excel VBA的图解粒度参数计算[J]. 成都理工大学学报(自然科学版), 2010, 37(6): 650-653.

[Zhang Yongcheng, Wang Honghui, Tan Guihua. Graphical calculation for grain size parameters by Excel VBA method[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2010, 37(6): 650-653.]

[19]
Folk R L, Ward W C. Brazos River bar: A study in the significance of grain size parameters[J]. Journal of Sedimentary Research, 1957, 27(1): 3-26.

DOI

[20]
罗玉红, 黄予姝, 珠娜, 等. 锡林郭勒盟典型草原区草地开垦及退耕造林对土壤粒径分布和养分的影响[J]. 中国农业科学, 2024, 57(24): 4919-4932.

DOI

[Luo Hongyu, Huang Yushu, Zhu Na, et al. Effects of cultivation and cropland afforestation on soil particle-size distribution and soil nutrients in the typical steppe of Xil-ingol League[J]. Scientia Agricultura Sinica, 2024, 57(24): 4919-4932.]

[21]
王国梁, 周生路, 赵其国. 土壤颗粒的体积分形维数及其在土地利用中的应用[J]. 土壤学报, 2005, 42(4): 545-550.

[Wang Guoliang, Zhou Shenglu, Zhao Qiguo. Volume fractal dimension of soil particles and its applications to land use[J]. Acta Pedologica Sinica, 2005, 42(4): 545-550.]

[22]
宛倩, 王杰, 王向涛, 等. 青藏高原不同草地利用方式对土壤粒径分形特征的影响[J]. 生态学报, 2022, 42(5): 1716-1726.

[Wan Qian, Wang Jie, Wang Xiangtao, et al. Effets of different meadow use types on the fractal characteristics of soil particle in the Qinghai-Xizang Plateau[J]. Acta Ecologica Sinica, 2022, 42(5): 1716-1726.]

[23]
Yan W, Angerer L, Birle E, et al. A graph-based approach for modeling the soil-water retention curve of granular soils across the entire suction range[J]. Acta Geotechnica, 2024, 19(8): 5545-5560.

DOI

[24]
陈京平, 余子莹, 杨帆, 等. 塔克拉玛干沙漠腹地沙尘暴和地表沙物质粒度特征[J]. 中国沙漠, 2023, 43(2): 150-158.

DOI

[Chen Jingping, Yu Ziying, Yang Fan, et al. Particle size characteristics of sandstorm and surface sand at Tazhong area of Taklimakan Desert, China[J]. Journal of Desert Research, 2023, 43(2): 150-158.]

DOI

[25]
Mitchell P J, O’Grady A P, Pinkard E A, et al. An ecoclimatic framework for evaluating the resilience of vegetation to water deficit[J]. Global Change Biology, 2016, 22(5): 1677-1689.

DOI PMID

[26]
刘云鹏, 王国栋, 张社奇, 等. 陕西4种土壤粒径分布的分形特征研究[J]. 西北农林科技大学学报(自然科学版), 2003, 31(2): 92-94.

[Liu Yunpeng, Wang Guodong, Zhang Sheqi, et al. Fractal characteristics of particle-size distribution for four kinds of soil sa-mples in Shaanxi[J]. Journal of Northwest A & F University (Natural Science Edition), 2003, 31(2): 92-94.]

[27]
杨培岭, 罗远培, 石元春. 用粒径的重量分布表征的土壤分形特征[J]. 科学通报, 1993, 38(20): 1896-1899.

[Yang Peiling, Luo Yuanpei, Shi Yuanchun. The fractal characteristics of soil characterized by the weight distribution of particle size[J]. Chinese Science Bulletin, 1993, 38(20): 1896-1899.]

[28]
杨娟, 高永, 王瑞东, 等. 沙质草原风蚀坑土壤粒度组成及养分特征[J]. 中国农业科技导报, 2024, 26(10): 186-194.

[Yang Juan, Gao Yong, Wang Ruidong, et al. Soil particle composition and nutrient characteristics of wind erosion pits in sandy grassland[J]. Journal of Agricultural Science and Technology, 2024, 26(10): 186-194.]

[29]
刘茜雅, 王海兵, 左合君, 等. 苏宏图戈壁沉积物分形空间变异性及其成因[J]. 干旱区地理, 2021, 44(1): 168-177.

DOI

[Liu Xiya, Wang Haibing, Zuo Hejun, et al. Fractal spatial variability and its genesis of sediments in Suhongtu gobi[J]. Arid Land Geography, 2021, 44(1): 168-177.]

DOI

[30]
段晓明, 夏栋, 马悦阳, 等. 不同生态修复方式对土壤团聚体稳定性及胶结物质的影响[J]. 生态学报, 2025, 45(11): 5178-5190.

[Duan Xiaoming, Xia Dong, Ma Yueyang, et al. Effect of different restoration approaches of engineering disturbance slopes on bonding materials and stability of soil aggregate[J]. Acta Ecologica Sinica, 2025, 45(11): 5178-5190.]

[31]
杜雅仙, 樊瑾, 李诗瑶, 等. 荒漠草原不同植被微斑块土壤粒径分布分形特征与养分的关系[J]. 应用生态学报, 2019, 30(11): 3716-3724.

DOI

[Du Yaxian, Fan Jin, Li Shiyao, et al. Fractal dimension characteristics of soil particle size distribution under different vegetation patches in desert steppe and its relationship with soil nutrients[J]. Chinese Journal of Applied Ecology, 2019, 30(11): 3716-3724.]

DOI

[32]
Delgado-Baquerizo M, Maestre F T, Gallardo A, et al. Decoupling of soil nutrient cycles as a function of aridity in global drylands[J]. Nature, 2013, 502(7473): 672-676.

DOI

[33]
郭玉琳, 赵勇, 周雅蔓, 等. 新疆天山山区夏季降水日变化特征及其与海拔高度关系[J]. 干旱区地理, 2022, 45(1): 57-65.

DOI

[Guo Yulin, Zhao Yong, Zhou Yaman, et al. Diurnal variation of summer precipitation and its relationship with altitude in Tianshan Mountains of Xinjiang[J]. Arid Land Geography, 2022, 45(1): 57-65.]

DOI

[34]
Certini G, Scalenghe R. The crucial interactions between climate and soil[J]. Science of the Total Environment, 2023, 856(2): 159-169.

Options
文章导航

/

〈 〉