EN中文

干旱区研究 >

2025 , Vol. 42 >Issue 12: 2220 - 2230

DOI: https://doi.org/10.13866/j.azr.2025.12.06

水土资源

不同植被恢复模式对呼伦贝尔沙地土壤粒度特征的影响

  • 刘锦旺 , 1 ,
  • 袁立敏 , 2, 3, 4 ,
  • 蒙仲举 1, 5 ,
  • 曹恭祥 6 ,
  • 鲁海涛 7 ,
  • 韩照日格图 7
展开
  • 1 内蒙古农业大学沙漠治理学院， 内蒙古 呼和浩特 010018
  • 2 内蒙古自治区林业科学研究院林草科创中心， 内蒙古 呼和浩特 010010
  • 3 内蒙古自治区沙地（沙漠）生态系统与生态工程重点实验室， 内蒙古 呼和浩特 010010
  • 4 沙生资源保育与利用林业和草原局重点实验室， 内蒙古 呼和浩特 010010
  • 5 旱区水工程生态环境全国重点实验室， 内蒙古 呼和浩特 010010
  • 6 内蒙古自治区林业科学研究院， 内蒙古 呼和浩特 010010
  • 7 呼伦贝尔市林业和草原科学研究所， 内蒙古 呼伦贝尔 021008
袁立敏. E-mail:

刘锦旺（2000-），男，硕士研究生，主要从事水土保持与荒漠化防治研究. E-mail:

收稿日期: 2025-06-11

  修回日期: 2025-08-08

  网络出版日期: 2026-03-12

基金资助

内蒙古重点研发和成果转化计划项目(2022YFDZ0055)

内蒙古自治区林业和草原局林业改革发展资金项目(1500-00243043210000429)

收起

Effects of vegetation restoration patterns on soil-particle size characteristics in Hulunbuir Sandy Land

  • LIU Jinwang , 1 ,
  • YUAN Limin , 2, 3, 4 ,
  • MENG Zhongju 1, 5 ,
  • CAO Gongxiang 6 ,
  • LU Haitao 7 ,
  • HAN Zhaorigetu 7
Expand
  • 1 College of Desert Management, Inner Mongolia Agricultural University, Hohhot 010018, Inner Mongolia, China
  • 2 Science and Technology Innovation Center, Academy of Forestry of Inner Mongolia Autonomous Region, Hohhot 010010, Inner Mongolia, China
  • 3 Inner Mongolia Key Laboratory of Sandy (Desert) Ecosystem and Ecological Engineering, Inner Mongolia Autonomous Region, Hohhot 010010, Inner Mongolia, China
  • 4 Key Laboratory of State Forestry and Grassland Administration for Sandy Biological Resources Protection, Cultivation and Utilization, Hohhot 010010, Inner Mongolia, China
  • 5 State Key Laboratory of Eco-Environment of Water Engineering in Arid Regions, Hohhot 010010, Inner Mongolia, China
  • 6 Academy of Forestry of Inner Mongolia Autonomous Region, Hohhot 010010, Inner Mongolia, China
  • 7 Hulunbuir Institute of Forestry and Grassland Science, Hulunbuir 021008, Inner Mongolia, China

Received date: 2025-06-11

  Revised date: 2025-08-08

  Online published: 2026-03-12

Fold

摘要

为探究沙地治理过程中不同植被恢复模式对治理区浅层土壤的影响，了解不同植被恢复模式下浅层土壤粒径差异规律，为流动沙地恢复提供理论依据和科技支持。以呼伦贝尔沙地4种具有代表性的不同风蚀恢复类型治理区0~40 cm土壤为研究对象，通过激光粒度仪测定土壤样品机械组成并分析其平均粒径（MZ）、标准偏差（σ）、偏度（SK）、峰态（KG）和分形维数等粒度参数特征。结果表明：（1） 研究区土壤以中砂和细砂为主，各植被恢复模式均能降低砂粒含量，其中乔灌草模式降幅最大（11.53%）。（2） 样地土壤分形维数介于2.30~2.52，处于较高水平，粉粒、黏粒含量是影响土壤分形维数的主要因素。（3） 乔灌草模式的土壤分形维数最高（2.52）、平均粒径较流动沙地（CK）减少18.18%，且在分选性、峰度等粒度参数上表现最优。乔灌草通过多层次垂直结构对风沙拦截与细颗粒保留效果更好，建议作为该区域植被恢复的优先选择方案，以兼顾生态功能与可持续性。

关键词： 不同配置模式; 土壤粒径; 分形维数; 呼伦贝尔沙地

本文引用格式

刘锦旺 , 袁立敏 , 蒙仲举 , 曹恭祥 , 鲁海涛 , 韩照日格图 . 不同植被恢复模式对呼伦贝尔沙地土壤粒度特征的影响[J]. 干旱区研究, 2025 , 42(12) : 2220 -2230 . DOI: 10.13866/j.azr.2025.12.06

Abstract

This study explores the effects of different vegetation restoration modes on shallow soil during sandy land management in the treatment area. It also investigates the different shallow-soil particle sizes under different vegetation restoration modes, providing a theoretical basis along with scientific and technological support for the restoration of mobile sandy land. The mechanical composition of soil samples was determined using a laser-particle size analyzer and the particle size parameters—average particle size, standard deviation, skewness, kurtosis, and fractal dimension—were determined. It was found that (1) the soil in the study area is dominated by medium sand and fine sand, and the sand content can be reduced in each vegetation restoration mode, most prominently in tree shrub mode (where the decrease reached 11.53%). (2) The sample plot exhibited a high soil fractal dimension (2.30-2.52), which was mainly influenced by the silt and clay content. (3) The soil fractal dimension was highest (2.52) in tree shrub mode, where the average particle size was 18.18% lower than that in flowing sand and the sortability and kurtosis parameters were most optimal. The multi-level vertical structure of tree shrub grass more effectively intercepts the wind and sand and better retains the fine particles than the other restoration modes. Therefore, considering ecological function and sustainability, shrub grass is the preferred choice for vegetation restoration in this area.

Key words： different configuration modes; soil particle size; fractal dimension; Hulunbuir Sandy Land

受气候与人为活动双重影响，荒漠化进程不断加剧，导致生态环境持续恶化，对此，专家与学者通过生物措施、机械沙障措施等方法进行综合防治，研究表明：在沙漠边缘进行人工林生态建设与植被恢复的建造能够有效控制土地荒漠化的发展，减轻风沙危害和促进局地生境恢复[1]，影响土壤的物理性质以及当地小气候、改善土壤的肥力等状况，是荒漠化防治最有效、最持久的措施[2-5]，分析土壤性质演变特征对于建造植被恢复模式具有重要价值。目前，关于固沙造林后续治理措施对土壤肥力的改善作用及相关生态效益的研究，已引起生态工作者的高度关注[6]，而分析土壤性质演变特征，对构建适宜的植被恢复模式具有重要指导价值，土壤分形维数可作为评价土壤荒漠化演变的一项综合性定量指标，例如，姚姣转等[7]在科尔沁沙地农田荒漠化过程中研究了当地土壤的粗粒化特征以及分形维数与土壤性状的关系，发现分形维数能很好地表征农田荒漠化演变中土壤结构和养分状况以及荒漠化的程度。
呼伦贝尔沙地作为中国四大沙地之一，陈巴尔虎旗等地区风蚀现象严重、风沙活动频繁，严重威胁周边草原生态安全，现阶段通过设置草方格沙障、纱网沙障等机械沙障以及柠条、杨柴等生物沙障，对当地沙地治理取得显著成效，然而不同植物模式对当地土壤荒漠化进程以及土壤颗粒细化效果的改善程度仍不明确，基于此，本研究聚焦呼伦贝尔沙地不同植被恢复模式对土壤粒度特征的影响进行分析，旨在揭示呼伦贝尔沙地人工建造不同植被模式恢复过程中土壤粒径分布和分形维数的分布规律，为呼伦贝尔沙地治理措施建设提供技术支撑，并对人工恢复模式建设、生态恢复重建和防沙治沙工作提供理论基础[8-10]。

1 材料与方法

1.1 研究区概况

呼伦贝尔沙地位于内蒙古高原东北部，位于北温带北部，是我国纬度最高的区域之一，属于温带大陆性气候，气候特点表现为冬季寒冷漫长，夏季温凉短促，秋季气温骤降，春季干燥多风，全年冬冷夏温，温差大，全年平均气温在0 ℃以下，最热月（7月）平均气温在16~21 ℃之间，降水量变化大且分布不均，夏季降水较大且集中在7—8月，降水量为200~300 mm，占全年降水量的70%左右，冬春季降水为70~80 mm，占全年降水量的15%左右；北部与东部被大兴安岭直贯境内，该区域地形特点为西高东低，地势由西向东过渡。样地土壤以风沙土为主，地带性植被分别为杨柴（Hedysarum mongolicum）、樟子松（Pinus sylvestris）、披碱草（Elymus dahuricus）等[11-14]。

1.2 研究方法

1.2.1 样地设置

2023年7月下旬在呼伦贝尔沙地选取灌木、灌草、乔灌和乔灌草4种植被恢复模式为研究样地。样地植被恢复前均为流动沙地，各样地均保持围封状态且自然恢复5 a以上，并具备地势平坦、样地与沙源距离、方位基本相同等特征。其中，灌木模式（DG）：种植杨柴（覆盖度>40％）与披碱草（覆盖度<5％）；灌草模式（GC）：种植杨柴（覆盖度>40％）与披碱草（覆盖度>25％）；乔灌模式（QG）：种植樟子松（覆盖度>30％）+杨柴（覆盖度>30％）+披碱草（覆盖度<5％）；乔灌草模式（QGC）：种植樟子松（覆盖度>30％）+杨柴（覆盖度>30％）+披碱草（覆盖度>20％），并将流动沙地作为空白对照组CK，样地基本情况与编号如表1。
表1 恢复模式基本概况

Tab. 1 Vegetation types of the restoration pattern of the sample plot

编号 恢复模式 坐标 样地基本特征
主要恢复植物种 植被总覆盖度/% 地表状况 沙地类型 治理时间
DG 灌木模式 119°09′E，49°17′N 杨柴 >40 以物理结皮为主，流沙面积约30%，
结皮厚度约0.2 cm		 固定沙地 2019年
GC 灌草模式 119°58′E，49°27′N 杨柴、披碱草 >60 以物理结皮为主，流沙面积约15%，
结皮厚度约0.3 cm		 2020年
QG 乔灌模式 118°48′E，49°17′N 樟子松、杨柴 >42 以物理结皮为主，流沙面积约25%，
结皮厚度约0.3 cm		 2020年
QGC 乔灌草模式 119°42′E，49°16′N 樟子松、杨柴、披碱草 >60 以物理结皮为主，流沙面积约10%，
结皮厚度约0.3 cm		 2018年
CK 流动沙地 118°92′E，49°16′N - <5 无结皮 流动沙地 -

1.2.2 样品采集

各样地随机选取3个不同位置10 m×10 m样方，同时在各样地采用5点取样法设置5个土壤剖面进行土壤采集，并将同一深度均匀混合后装入样品袋，各样地采取土样分为4个不同深度：0~1 cm、5~10 cm、10~20 cm、20~40 cm；0~1 cm取土壤结皮层，其余样品则在对应深度土壤剖面的不同部位随机取样，各样方每个深度采集3袋样品，每个样地36个土壤样品，共计180个土壤样品。

1.3 土壤预处理

土壤粒度测量工作在风沙物理与防沙治沙工程重点实验室完成，采用德国飞驰牌激光粒度分析仪(FRITSCH，Idar-Oberstein，Germany)对沙样进行测量。实验前对土壤进行预处理，具体操作如下：鉴于≥2 mm的颗粒可能会将激光粒度仪堵塞，故先将自然风干后的土样过2 mm筛，去除粗颗粒后，使用电子天平（0.0001 g）称取1 g土样，放入50 mL的烧杯中，加入体积分数为10％的双氧水10 mL去除土样中的有机质，后在加热板上加热，温度调至100 ℃，烧杯内不再冒泡时样品中的有机质完全去除（加热过程中可根据需要补加双氧水）。再继续加入10 mL体积分数为10％的稀盐酸，以去除样品中的碳酸钙等碱性物质，直至烧杯中不再出现气泡，后将烧杯中注满蒸馏水，静置24 h后，将上清液倒掉，再次注满蒸馏水并静置，直至溶液呈中性，为降低土壤颗粒凝聚性，加入0.05 mol∙L-1的六偏磷酸钠溶液10 mL，作为分散剂充分震荡5 min以消除样品胶结作用后，通过激光粒度测试仪进行粒径数据测量，各样品处理完成后放入仪器重复测量5次，将数据录入Excel，进行数据处理。

1.4 土壤粒度参数模型

以美国制土壤粒径（d）分布标准输出：黏粒（d≤5 μm）、粉粒（5 μm<d≤50 μm）、极细砂（50 μm<d≤100 μm）、细砂（100 μm<d≤250 μm）、中砂（250 μm<d≤500 μm）、粗砂（500 μm<d≤1000 μm）、极粗砂（1000 μm<d≤2000 μm）、砾石（d>2000 μm）。采用Folk-Ward的图解法计算粒度参数，如平均粒径（MZ）、标准偏差（σ）、偏度（SK）与峰态（KG），其中，平均粒径表征的是颗粒粒度分布的平均情况、标准偏差（σ）反映颗粒粗细的离散程度，值越大离散程度越大；偏度（SK）反映颗粒粗细的分布状况；峰态（KG）是颗粒粒径在平均粒径两侧集中程度的参数。具体计算公式如下：
$\begin{array}{c}\Phi =-log2d\end{array}$
$\begin{array}{c}{M}_{Z}=\frac{\left({\Phi }_{16}+{\Phi }_{50}+{\Phi }_{84}\right)}{3}\end{array}$
$\begin{array}{c}\sigma =\frac{\left({\Phi }_{84}-{\Phi }_{16}\right)4+\left({\Phi }_{95}-{\Phi }_{5}\right)}{6.6}\end{array}$
$\begin{array}{c}{S}_{K}=\frac{\left({\Phi }_{16}+{\Phi }_{84}-2{\Phi }_{50}\right)}{2\left({\Phi }_{84}-{\Phi }_{16}\right)}+\frac{\left({\Phi }_{5}+{\Phi }_{95}-2{\Phi }_{50}\right)}{2\left({\Phi }_{95}-{\Phi }_{5}\right)}\end{array}$
$\begin{array}{c}{K}_{G}=\frac{\left({\Phi }_{95}-{\Phi }_{5}\right)}{2.44\left({\Phi }_{75}-{\Phi }_{25}\right)}\end{array}$
土壤粒度分形维数计算公式如下:
$\begin{array}{c}\frac{V\left(r{R}_{i}\right)}{{V}_{t}}={\left(\frac{{R}_{i}}{{R}_{max}}\right)}^{\left(3-D\right)}\end{array}$
式中：d为土壤颗粒直径（mm）； ${\Phi }_{5}$、 ${\Phi }_{16}$、 ${\Phi }_{25}$、 ${\Phi }_{50}$、 ${\Phi }_{75}$、 ${\Phi }_{84}$、 ${\Phi }_{95}$分别代表在粒度累积曲线上百分比含量为5、16、25、50、75、84、95时对应的Φ值；V(rRi)为小于Ri径级颗粒的土壤颗粒体积百分含量（%）；Vt为各径级颗粒总体积百分含量（%）；Ri为某一径级土壤颗粒直径（mm）；Rmax为研究区最大土壤颗粒直径（mm）；D为土壤分形维数。

1.5 数据处理

通过Excel 2021表格进行数据处理，采用Origin 2021进行图表绘制，采用SPSS 26.0进行单因素方差分析（one-Way ANOVA）以及回归分析，数据为平均值±标准差，并以LSD（最小显著性差异法）进行多重检验。

2 结果与分析

2.1 不同植被恢复模式下土壤机械组成特征

由表2可知，不同植被恢复模式间的黏粒（d≤5 μm）、粉粒（5 μm<d≤50μm）、细砂（100 μm<d≤250 μm）、中砂（250 μm<d≤500 μm）的含量均存在显著差异（P<0.05），研究区土壤颗粒主要集中在细砂、中砂两个粒级，二者体积分数平均值分别为32.23％~47.61％、40.11％~59.68％；其中，0~40 cm土层深度黏粒含量相比对照组CK增加18.75％~72.79％；DG样地粉砂含量相比对照组CK减少25.0％，其余样地相比对照组CK增加23.74％~54.22％；各样地中细砂平均百分含量相比CK增加11.91％~22.03％；中砂平均百分含量相比CK减少4.15％~19.21％。
表2 不同植被模式下土壤粒径的机械组成

Tab. 2 Mechanical composition of soil particle size

土壤类别 土层深度/cm 黏粒 粉粒 砂粒
极细砂 细砂 中砂 粗砂
DG 0~1 3.20±0.71Bd 2.24±0.07Aa 0.00±0Aa 39.42±0.07Bb 51.24±2.41Cb 2.25±1.24Ab
5~10 3.13±0.25Ca 1.32±0.06Be 0.00±0Ab 39.12±5.58Bd 53.23±2.85Bb 2.78±2.54Aa
10~20 3.12±0.81Ac 1.16±0.01Bc 0.00±0Aa 36.53±4.25Bb 56.93±2.35Ab 2.11±0.85Cb
20~40 2.78±0.54Ca 1.85±0.03Bb 0.35±0.21Ba 36.48±7.21Ca 57.76±2.23Ac 0.85±0.21Ad
GC 0~1 4.61±1.28Ab 4.02±2.21Ac 0.51±0.05Bb 43.61±8.24Aa 45.11±6.24Ad 2.14±0.54Ca
5~10 4.21±2.24Bb 2.72±1.20Aa 0.42±0.02Aa 43.32±4.35Bd 45.78±5.56Bb 3.92±0.98Bc
10~20 3.76±0.26Cc 2.42±0.76Ba 0.12±0.15Bc 43.27±2.38Ba 46.55±5.24Ad 4.05±0.25Ad
20~40 2.76±0.45Ae 4.35±1.24Ac 0.52±0.21Ba 40.60±1.88Ca 47.28±5.52Ac 5.71±1.01Ac
QG 0~1 4.46±1.28Bc 3.32±2.21Bb 0.21±0.05Aa 30.46±8.24Ca 54.75±6.24Cd 6.81±0.54Aa
5~10 4.44±2.24Aa 2.87±1.20Ab 0.11±0.02Aa 39.34±4.35Bd 49.65±5.56Ab 3.56±0.98Ac
10~20 4.32±0.42Bc 2.02±0.46Ab 0.42±0.15Ab 43.28±2.32Ca 48.35±3.31Ad 1.05±0.25Da
20~40 3.24±0.14Ac 2.65±1.24Ba 0.62±0.21Ba 43.60±1.88Ad 45.87±5.52Ab 3.71±1.01Ad
QGC 0~1 6.51±0.74Aa 6.51±0.78Cb 0.63±0.34Ac 44.61±0.97Ac 40.11±0.21Ac 1.79±0.38Bd
5~10 4.32±0.15Bb 2.01±0.45Ac 0.18±0.56Ba 43.64±0.35Ab 47.34±0.76Ba 2.85±0.55Ab
10~20 3.71±1.44Ab 1.94±0.75Dc 0.13±0.31Ac 43.44±0.39Bc 48.72±1.08Bc 2.47±1.28Ba
20~40 3.24±0.35Ac 1.44±0.25Ba 0.10±0.94Bc 32.35±0.85Ac 57.63±1.24Cc 4.84±0.41Ac
CK 0~1 2.89±0.35Bc 2.34±0.37Ca 0.39±0.02Bb 36.30±3.35Cc 55.22±6.54Aa 6.28±0.32Ab
5~10 2.64±1.02Bd 2.25±0.45Ba 0.43±0.21Ac 35.54±1.28Ab 56.52±5.24Ab 0.45±0.05Bc
10~20 2.45±2.21Ce 2.17±1.81Ca 0.77±0.23Ab 35.00±2.22Ab 57.24±3.28Ca 5.12±0.34Ab
20~40 2.31±1.25Aa 2.00±0.98Aa 0.87±0.05Ca 33.23±3.24Cb 59.68±8.59Ab 2.72±3.45Cd

注：数值为平均值±标准差；不同大写字母表示不同恢复模式下土壤颗粒在同一深度的差异显著（P<0.05）；不同小写字母表示同一恢复模式下土壤颗粒在不同深度的差异显著（P<0.05）。下同。

各样地细砂与中砂含量之和为88.82％~92.68％，在0~1 cm深度，各样地细砂含量相比CK均升高，其中QGC细砂含量最高，中砂含量相比对照组均减少，其中QGC中砂含量减少13.14％，相比CK效果最明显，各样地黏粒、粉粒含量均高于CK，其中QGC、GC、QG样地黏粒与粉粒含量显著高于其他样地（P<0.05），整体表现为QGC>GC>QG>DG>CK，综合来看，乔灌草混交模式对当地土壤细化效果优于灌草混交、乔灌混交以及灌木模式。

2.2 不同植被恢复模式下土壤粒度参数

如图1a可知，在各深度土层中，QGC、GC两样地平均粒径最小，对土壤细化效果最好，其他样地在不同植被恢复模式的作用下均有明显减少，相比CK的平均粒径（1.87Φ~2.01Φ），变化幅度为6.56％~18.18％，4种不同植被恢复模式对不同深度土层的平均粒径有细化作用，这与不同植被恢复模式对沙漠细颗粒有明显拦截作用相对应，说明植被恢复可通过改变颗粒组成实现土壤细化。
图1 不同深度下土壤分形维数

注：不同小写字母表示在不同治理措施下土壤颗粒在同一土层深度的差异显著（P<0.05）。

Fig. 1 Fractal dimension of soil at different depths

由图1b可知，CK标准偏差为0.55~0.62，土壤分选性很好，在不同植被恢复模式影响下，QGC、QG土壤颗粒粒径标准偏差最大，分选性较差；反映出不同植被恢复模式在风沙侵蚀活动下对土壤粒径的影响具有差异性，QGC样地在0~1 cm土层分选系数变化最明显，这种现象可能与QGC恢复模式对风沙拦截作用更明显所致，并且植被对地表风速的影响进一步促进土壤颗粒的沉积，进而影响0~1 cm土层土壤的分选性[15]。
由图1c可知，本研究偏度范围为0.09~0.76，均为正偏态，说明各样地固土固沙效果较好，风沙在样地中的搬运能力较弱[16]，与CK相比4种不同植被恢复模式下的土壤颗粒偏度值均发生了不同程度的变化，CK变化不明显，稳定在0.33~0.43，属于近对称分布，由于不同植被恢复模式改变了土壤颗粒组成，并对土壤颗粒偏度[17]产生影响。
由图1d可知，CK峰态值介于0.91~1.41，处于中等和尖锐分布，DG各土层颗粒峰态值介于0.75~0.8，呈现平坦分布，DG土壤粒径峰态相较于CK下降明显，表明其土壤颗粒粒径分布较分散；GC各土层颗粒度峰态值介于0.57~0.87，同样呈现平坦分布，说明该样地土壤分布较为平均；QGC各土层颗粒度峰态值介于0.48~1.18，跨度较大且峰态值最高，说明QGC土壤颗粒集中程度最高；QG峰态值介于0.57~0.89，呈平坦分布。
由表3可知，本研究中土壤分形维数为2.30~2.52，与土壤颗粒主要集中于中砂和细砂的粒级特征一致，其中，QGC样地0~1 cm土层深度分形维数最大，为2.52；CK（流动沙地）分形维数最低，为2.30；在土层深度0~1 cm、5~10 cm、 10~20 cm、20~40 cm 4个不同土层深度中，土壤分形维数由流动沙地的2.30增加至2.36、2.44、2.46、2.52，表现为增大趋势，方差分析表明，不同植被恢复模式改变土壤颗粒组成，促进土壤分形维数的提高[18-19]。
表3 不同土层深度土壤粒径分形维数

Tab. 3 Fractal dimension of soil particle size at different soil depths

恢复模式 土层深度/cm
0~1 5~10 10~20 20~40
DG 2.36±0.01Bb 2.36±0.01Aa 2.35±0.02Ca 2.33±0.01Ac
GC 2.44±0.03Ca 2.43±0.05Bb 2.42±0.01Aa 2.41±0.02Ca
QG 2.46±0.02Ab 2.40±0.02Ac 2.40±0.03Cb 2.36±0.02Ba
QGC 2.52±0.01Aa 2.47±0.08Ab 2.46±0.01Ac 2.46±0.01Ca
CK 2.30±0.02Bc 2.31±0.01Bd 2.34±0.03Ba 2.33±0.06Cb

2.3 分形维数与各粒度参数关系

由图2可知，DG、GC、QG、QGC与CK的粒度参数存在明显界限，各粒度参数散点图均可进行明显区分，其中，QGC与CK各粒度参数差异较大，在标准偏差-分形维数和偏度-分形维数、峰态-分形维数等散点图可进行明显区分，DG、QG、CK分布最集中。上述特征表明，QGC对于土壤的粒度参数影响最大，QGC样地土壤颗粒的分选系数变大，分选性变差，与前文所述QGC模式对风沙拦截作用更显著的结论一致。由平均粒径-分形维数散点图可知，粉粒、黏粒的含量是影响土壤分形维数的主要因素，其他粒级含量是通过影响粉粒含量间接影响土壤分形维数的大小，具体表现为黏粒和粉粒含量越高，砂粒含量越低，分形维数越大，进一步验证了分形维数与细颗粒含量呈现正相关的结论。
图2 粒度参数散点图

Fig. 2 Scatter plot of particle size parameters

2.4 土壤颗粒频率分布

土壤颗粒频率分布是分析颗粒大小的分布特征的重要工具。以DG、GC、QG、QGC 4种不同植被恢复模式与对照组CK为研究对象进行分析，由图3可以看出，各样地的不同土壤颗粒分布存在差异，CK样地土壤粒径最大，随着土层深度的增加，各样地之间土壤粒径分布差异呈现减少趋势；由图3a可知，QGC样地相比CK的黏粒、粉粒含量升高。
图3 土壤颗粒频率分布

Fig. 3 Frequency distribution curve of soil particles

累积频率分布曲线可以反映土壤颗粒的分布情况，一般曲线越陡，颗粒分布越集中；通过各样地累积频率分布曲线可知，开始时增长较为缓慢，在达到100 μm后迅速上升，在500 μm后逐渐趋于平缓，说明样地土壤颗粒集中在100~500 μm范围内，QGC样地相比其他样地土壤细颗粒占比明显增加。

3 讨论

粒度参数能够很好地表征沉积物来源、搬运介质、沉积环境[20]。本研究中土壤黏粒分布表现为：乔灌草混交>灌草混交>乔灌混交>单播灌木>流动沙地，这种变化规律与肖佳奇等[21]认为和田河灌丛沙堆土壤结果相似，就土壤分形维数而言，随着土层深度的增加而差异变小，表明在植被恢复模式建造初期，土壤分形维数与土壤粒级分布无明显差异，而在恢复后期，却对土壤的分形维数和粒级分布产生较大差异，这一现象与研究区植被的协同作用密切相关，乔木可以降低风速，减少外来粗物质的输入；灌木强化近地表固土固沙能力，导致研究区自身细土壤颗粒的输出能力降低；草本则对浅层土壤颗粒进行固定、细化，在乔灌草与土壤的共同作用下，促进了土壤细颗粒的保留，最终形成分形维数的后期差异。与传统的土壤粒径分布分析法相比，分形维数不仅能反映不同粒径分布的综合特征,还能描述土壤非规则性和复杂结构的度量[22-24]。在本研究中，不同植被恢复模式对流动沙地土壤粒径产生影响，风沙运动过程中地表颗粒物质聚集，各样地粒度特征存在显著差异（P<0.05），并且伴随土壤细砂含量增加，土壤颗粒分形维数越大，土壤黏粒、粉粒的增加和砂粒含量的降低，导致土壤分形维数呈现增大趋势，土壤分形维数与土壤细砂含量间存在正相关关系，在研究中发现，分形维数的大小主要取决于黏粒、粉粒的体积百分含量，与董丽莉等[25]对陕北黄土丘陵地区土壤分形维数的研究结果相异，这是由于分形维数与土壤各粒级颗粒含量的关系受研究区域土壤类型的影响。本研究与杨越等[26]研究发现在近地面高度，乔灌木混交林的防风固沙效益要明显高于单一树种结果一致。分形维数可以表征不同恢复模式下土壤颗粒的粒径大小，以及土壤质地由粗到细的过程，也能够客观地反映不同恢复模式下的土壤结构。本研究中，土壤分形维数为2.30~2.52，分形维数越低，土壤荒漠化程度越高。这说明土壤分形维数可以很好地反映不同植被恢复模式下对流动沙地土壤颗粒粒径的影响程度，因此，土壤分形维数可以作为评价不同植被恢复模式下对土壤粒径影响的指标[27-29]。其中，黏粒、粉粒含量多少对分形维数的大小起决定作用，表明土壤分形维数可以作为呼伦贝尔沙地不同植被恢复模式下土壤演变程度的一个综合性定量指标[30-33]。干旱区半干旱区植被可持续性的限制因素为水分亏缺与种内竞争[34]，呼伦贝尔沙地仅依靠自然降水难以满足林木生长与自然更新的水分需求，地下水的供给也是维持沙地樟子松存活和生长的重要因素[35-36]，当樟子松种植密度超过1500 株·hm-2时可能会加剧水分消耗与种内竞争导致樟子松退化[37]，在本研究中，乔木样地为幼龄期低密度樟子松（600 株·hm-2）+杨柴（株行距2 m×3 m），其密度虽未超过呼伦贝尔沙地水分条件所允许的种植密度阈值，但是在植被恢复模式的构建中，需水量随着樟子松等植物生长而增加，因此，建议将樟子松初期种植密度控制在600~800 株·hm-2，以应对极端干旱情况并保障植被恢复模式的长期性[38]。

4 结 论

不同植被恢复模式对呼伦贝尔沙地土壤粒度特征具有显著影响，通过对呼伦贝尔沙地土壤粒径以及土壤粒度参数的分析，得出以下主要结论：
（1） 研究区土壤以中砂和细砂为主要粒级构成，不同植被恢复模式通过改变地表覆被状况，显著降低了砂粒含量。其中，乔灌草混交模式（QGC）砂粒含量下降幅度最大，为11.53%；灌草混交模式（GC）次之，下降7.08%；乔灌混交模式（QG）和单播灌木模式（DG）分别下降5.93%、4.99%，均优于流动沙地（CK），表明植被恢复模式可通过拦截风沙、促进细颗粒沉积并减少砂粒占比。​
（2） 研究区土壤分形维数由流动沙地的2.30增加至2.36（DG）、2.44（GC）、2.46（QG）、2.52（QGC），且整体处于较高水平，不同植被恢复模式通过改变土壤粉粒、黏粒含量，对分形维数产生显著影响，其中，乔灌草混交模式（QGC）分形维数最大，反映其对土壤颗粒组成的改良效果最好。
（3） 不同植被恢复模式对土壤粒度参数的影响存在显著差异。QGC模式平均粒径较 CK减少18.18%；QGC、QG土壤颗粒粒径标准偏差最大，分选性较差且偏度呈正偏态，说明该植被恢复模式固土固沙效果较好，地表风沙搬运能力较弱，QGC模式土壤颗粒峰态值跨度较大且峰态值最高，表明其土壤颗粒集中程度最高，细颗粒团聚效应更显著。
（4） 综合来看，不同植被恢复模式对土壤细化效果呈现为：乔灌草混交>灌草混交>乔灌混交>单播灌木>流动沙地。乔灌草混交模式通过多层次垂直结构的协同作用，对风沙拦截与细颗粒保留效果最好。因此，在呼伦贝尔沙地植被恢复模式营建中，建议优先选择低密度乔灌草混交模式，以兼顾生态功能与植被恢复模式的可持续性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张昊, 党晓宏, 蒙仲举, 等. 乌珠穆沁沙地主要风沙环境特征及形成机制研究[J]. 干旱区研究, 2023, 40(10): 1687-1697.

[ Zhang Hao, Dang Xiaohong, Meng Zhongju, et al. Study on main aeolian sand environment characteristics and formation mechanism in Wuzhumuqin Sandy Land[J]. Arid Zone Research, 2023, 40(10): 1687-1697. ]

[2]
展秀丽, 王红, 张呈春, 等. 宁夏黄河以东固定沙丘土壤粒度特征及小尺度空间分异[J]. 东北林业大学学报, 2021, 49(12): 108-114.

[ Zhan Xiuli, Wang Hong, Zhang Chengchun, et al. Soil grain size characteristics and small scale spatial differentiation of fixed dune in East of the Yellow River in Ningxia[J]. Journal of Northeast Forestry University, 2021, 49(12): 108-114. ]

[3]
李晓兰, 相吉山, 赵岩, 等. 科尔沁沙地小叶锦鸡儿人工林治沙工程效果研究[J]. 哈尔滨师范大学自然科学学报, 2015, 31(5): 91-95.

[ Li Xiaolan, Xiang Jishan, Zhao Yan, et al. Effect on sandy land engineering of Caragana microphylla artificial forest in Horqin Sandy Land[J]. Natural Science Journal of Harbin Normal University, 2015, 31(5): 91-95. ]

[4]
马成忠, 邓继峰, 丁国栋, 等. 不同初植密度樟子松人工林对毛乌素沙地南缘土壤粒度特征的影响[J]. 水土保持学报, 2017, 31(1): 230-235.

[ Ma Chengzhong, Deng Jifeng, Ding Guodong, et al. Effects of different planting densities of Mongolian pine on the soil particle size characteristics in southern Mu Us Desert[J]. Journal of Soil and Water Conservation, 2017, 31(1): 230-235. ]

[5]
王国玲, 苏志珠, 毛丽, 等. 中国北方农牧交错带鄂尔多斯高原段土壤表层粒度特征[J]. 中国沙漠, 2019, 39(3): 183-190.

[ Wang Guoling, Su Zhizhu, Mao Li, et al. Characteristics of soil surface grain size in Ordos Plateau along the agro-pastoral ecotone of North China[J]. Journal of Desert Research, 2019, 39(3): 183-190. ]

[6]
李晨光. 唐山铁尾矿废弃地植被恢复土壤结构改良及其水土保持效益分析[D]. 保定: 河北农业大学, 2014.

[ Li Chenguang. Analysis on Soil Structure Improvement and Efficacy of the Soil and Water Conservation in Tangshan Iron Tailings Revegetation[D]. Baoding: Hebei Agricultural University, 2014. ]

[7]
姚姣转, 刘廷玺, 童新, 等. 科尔沁沙地沙丘-草甸相间地土壤颗粒的分形特征[J]. 中国沙漠, 2016, 36(2): 433-440.

[ Yao Jiaozhuan, Liu Tingxi, Tong Xin, et al. Fractal characteristics of soil particles in dune-meadow interphase of Horqin Sandy Land[J]. Journal of Desert Research, 2016, 36(2): 433-440. ]

[8]
苏永中, 赵哈林. 科尔沁沙地农田沙漠化演变中土壤颗粒分形特征[J]. 生态学报, 2004, 24(1): 71-74.

[ Su Yongzhong, Zhao Halin. Fractal features of soil particle size distribution in the desertification process of the farmland in Horqin Sandy Land[J]. Acta Ecologica Sinica, 2004, 24(1): 71-74. ]

[9]
贾瑞庭. 沙区光伏电站不同植被恢复措施对土壤理化性质的影响[D]. 呼和浩特: 内蒙古农业大学, 2021.

[ Jia Ruiting. Influence of Different Vegetation Restoration Measures of PV Power Station in Sandy Area on Soil Physical and Chemical Properties[D]. Hohhot: Inner Mongolia Agricultural University, 2021. ]

[10]
丁杨, 张建军, 茹豪, 等. 晋西黄土区不同林地土壤团聚体分形维数特征与土壤养分相关关系[J]. 北京林业大学学报, 2014, 36(4): 42-46.

[ Ding Yang, Zhang Jianjun, Ru Hao, et al. Correlations of soil nutrients and fractal dimension features of soil aggregates in different forestland in loessregion of western Shanxi Province,northern China[J]. Journal of Beijing Forestry University, 2014, 36(4): 42-46. ]

[11]
赵婉婷, 王艳茹, 谢远云, 等. 东北沙地化学风化强度的空间分布特征及其影响因素[J/OL]. 沉积学报, 1-16.

[ Zhao Wanting, Wang Yanru, Xie Yuanyun, et al. Spatial distribution characteristics and influencing factors chemical weathering intensity for sandy land in Northeast China[J/OL]. Acta Sedimentologica Sinica, 1-16. ]

[12]
周炎广, 陈惠中, 管超, 等. 呼伦贝尔沙地风蚀坑粒度特征及其环境意义[J]. 中国沙漠, 2018, 38(4): 724-733.

[ Zhou Yanguang, Chen Huizhong, Guan Chao, et al. Grain size characteristics of the blowout and its environmental significance in the HulunBuir Sandy Land, China[J]. Journal of Desert Research, 2018, 38(4): 724-733. ]

[13]
李姣, 张春来, 李庆, 等. 近15年来呼伦贝尔沙地土地沙漠化发展及其驱动力[J]. 北京师范大学学报(自然科学版), 2017, 53(3): 323-328.

[ Li Jiao, Zhang Chunlai, Li Qing, et al. Development of sandy desertification and driving forces in Hulun Buir sandy land in the past 15 years[J]. Journal of Beijing Normal University (Natural Science), 2017, 53(3): 323-328. ]

[14]
乌兰吐雅, 哈斯础鲁, 吉木色, 等. 内蒙古四大沙地植被NDVI变化及气候响应研究[J]. 安徽农业科学, 2013, 41(25): 10457-10459, 10466.

[ Ulan Tuya Hasturu, Ji Muse, et al. Research of climate response and NDVI changes of vegetation of four sandy in Inner Mongolia[J]. Journal of Anhui Agricultural Sciences, 2013, 41(25): 10457-10459, 10466. ]

[15]
伊力哈木·伊马木, 李菊艳, 玉米提·吾提库尔, 等. 起沙风速的观测方式及其影响因素研究综述[J]. 中国水土保持, 2021(5): 42-44.

[ Yilihamu Yimamu, Li Juyan, Yumiti Wutikuer, et al. Review on observation methods and influencing factors of the threshold wind velocity[J]. Soil and Water Conservation in China, 2021(5): 42-44. ]

[16]
杨世荣, 蒙仲举, 党晓宏, 等. 库布齐沙漠生态光伏电站不同覆盖类型下土壤粒度特征[J]. 水土保持研究, 2020, 27(1): 112-118.

[ Yang Shirong, Meng Zhongju, Dang Xiaohong, et al. Grain size characteristics of surface sediments of eco-photovoltaic power station in Kubuqi Desert[J]. Research of Soil and Water Conservation, 2020, 27(1): 112-118. ]

[17]
张灏. 土壤粒径分布曲线模型研究[D]. 兰州: 兰州大学, 2023.

[ Zhang Hao. Study on Soil Particle Size Distribution Curve[D]. Lanzhou: Lanzhou University, 2023. ]

[18]
Millán H, González-Posada M, Aguilar M, et al. On the fractalscaling of soil data. Particle-size distributions[J]. Geoderma, 2003, 117(1/2): 117-128.

[19]
李鑫鑫, 毛东雷, 来风兵, 等. 策勒河下游风积地貌沉积物粒度特征及沙源分析[J]. 干旱区研究, 2024, 41(8): 1413-1422.

[ Li Xinxin, Mao Donglei, Lai Fengbing, et al. Grain-size characteristics and sand source analysis of aeolian geomorphic sediments in the lower reaches of Qira River[J]. Arid Zone Research, 2024, 41(8): 1413-1422. ]

[20]
苟迎春, 曹正林, 张小军, 等. 咸化湖盆三角洲沉积模拟实验研究[J]. 现代地质, 2014, 28(6): 1284-1288.

[ Gou Yingchun, Cao Zhenglin, Zhang Xiaojun, et al. Delta sedimentary simulating experiment on saline basin[J]. Geoscience, 2014, 28(6): 1284-1288. ]

[21]
肖佳奇, 武胜利, 陈鹏鹏. 和田河下游灌丛沙堆表层沉积物粒度和分形特征[J]. 中国沙漠, 2024, 44(4): 24-36.

[ Xiao Jiaqi, Wu Shengli, Chen Pengpeng. Grain size and fractal characteristics of surface sediments of nebkhasin the lower reaches of Hotan River, Xinjiang, China[J]. Journal of Desert Research, 2024, 44(4): 24-36. ]

[22]
王文帆, 刘任涛, 郭志霞, 等. 腾格里沙漠东南缘固沙灌丛林土壤理化性质及分形维数[J]. 中国沙漠, 2021, 41(1): 209-218.

[ Wang Wenfan, Liu Rentao, Guo Zhixia, et al. Physical and chemical properties and fractal dimension distribution of soil physical and chemical properties and fractal dimension distribution of soil[J]. Journal of Desert Research, 2021, 41(1): 209-218. ]

[23]
陈秋洁. 巴丹吉林沙漠地表风成沉积物的元素组成特征与环境指示意义[D]. 兰州: 兰州大学, 2024.

[ Chen Qiujie. Environmental Significance of the Chemical Composition of Surface Aeolian Sediments in the Badain Jaran Desert, NW China[D]. Lanzhou: Lanzhou University, 2024. ]

[24]
伏耀龙, 张兴昌, 王金贵. 岷江上游干旱河谷土壤粒径分布分形维数特征[J]. 农业工程学报, 2012, 28(5): 120-125.

[ Fu Yaolong, Zhang Xingchang, Wang Jingui. Fractal dimension of soil particle-size distribution characteristics in dry valley of upper Minjiang River[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(5): 120-125. ]

[25]
董丽莉, 郑粉莉. 陕北黄土丘陵沟壑区土壤粒径分形特征[J]. 水土保持学报, 2009, 7(2): 35-41.

[ Dong Lili, Zheng Fenli. Fractal characteristics of soil particles in the Hilly-gully Regions of the Loess Plateau, North of Shaanxi, China[J]. Journal of Soil and Water Conservation, 2009, 7(2): 35-41. ]

[26]
杨越, 杨依天, 武智勇, 等. 冀北坝上地区农田防护林防风固沙效应研究[J]. 西北林学院学报, 2020, 35(4): 167-172.

[ Yang Yue, Yang Yitian, Wu Zhiyong, et al. Studies on wind break and sand fixation effects of farmland shelterbelt in Bashang area of northern Hebei[J]. Journal of Northwest Forestry University, 2020, 35(4): 167-172. ]

[27]
杨光, 任春宇, 石勇, 等. 气候变化和人类活动影响下黄河远端泥北支粒度组分变化及其区域沉积效应[J]. 海洋学报, 2023, 45(2): 74-84.

[ Yang Guang, Ren Chunyu, Shi Yong, et al. Variations in grain size composition and regional sedimentary effects in the north branch of Huanghe River distal mud induced by climate changes and human activities[J]. Haiyang Xuebao, 2023, 45(2): 74-84. ]

[28]
李天扬, 蒙仲举, 陈晓燕, 等. 不同混交林配置模式对库布齐沙漠风沙土壤粒度特征的影响[J]. 水土保持研究, 2025, 32(1): 101-109.

[ Li Tianyang, Meng Zhongju, Chen Xiaoyan, et al. Effects of different mixed forest configuration modes on the grain size characteristics of aeolian sandy soil in Kubuqi Desert[J]. Research of Soil and Water Conservation, 2025, 32(1): 101-109. ]

[29]
李占宏, 海春兴, 丛艳静. 毛乌素沙地表土粒度特征及其空间变异[J]. 中国水土保持科学, 2009, 7(2): 74-79.

[ Li Zhanhong, Hai Chunxing, Cong Yanjing. Topsoil particle-size distribution and its spatial variation in Mo Us Desert[J]. Science of Soil and Water Conservation, 2009, 7(2): 74-79. ]

[30]
张正偲, 董治宝. 土壤风蚀对表层土壤粒度特征的影响[J]. 干旱区资源与环境, 2012, 26(12): 86-89.

[ Zhang Zhengcai, Dong Zhibao. The effect of wind erosion on the surface particle size[J]. Journal of Arid Land Resources and Environment, 2012, 26(12): 86-89. ]

[31]
闫玉春, 王旭, 杨桂霞, 等. 退化草地封育后土壤细颗粒增加机理探讨及研究展望[J]. 中国沙漠, 2011, 31(5): 1162-1166.

[ Yan Yuchun, Wang Xu, Yang Guixia, et al. Review on mechanism of fine soil particles increase in enclosed grassland[J]. Journal of Desert Research, 2011, 31(5): 1162-1166. ]

[32]
朱甜甜, 海鹭, 曹文旭, 等. 沙化草地恢复中小叶锦鸡儿对植被和土壤的影响[J]. 干旱区研究, 2024, 41(11): 1875-1886.

[ Zhu Tiantian, Hai Lu, Cao Wenxu, et al. Effects of Caragana microphylla on vegetation and soil in the restoration of desertified grasslands[J]. Arid Zone Research, 2024, 41(11): 1875-1886. ]

[33]
张奕, 肖辉杰, 辛智鸣, 等. 乌兰布和沙区典型灌木防风阻沙效益[J]. 中国水土保持科学(中英文), 2021, 19(1): 87-96.

[ Zhang Yi, Xiao Huijie, Xin Zhiming, et al. Wind prevention and sand resistance of typical shrubs in Ulan Buh Desert[J]. Science of Soil and Water Conservation, 2021, 19(1): 87-96. ]

[34]
Kwon S, 潘磊磊, 时忠杰, 等. 不同竞争强度下的沙地樟子松天然林树木径向生长及其气候响应[J]. 生态学杂志, 2019, 38(7): 1962-1972.

[ Kwon S, Pan Leilei, Shi Zhongjie, et al. Radial growth of Mongolian pine and its response to climate at different competition intensities[J]. Chinese Journal of Ecology, 2019, 38(7): 1962-1972. ]

[35]
党宏忠, 陈帅, 钟鹏, 等. 樟子松人工林自然更新过程中断的机制及可能调控途径[J]. 林业科学, 2024, 60(12): 158-167.

[ Dang Hongzhong, Chen Shuai, Zhong Peng, et al. Mechanism and possible regulatory approaches of interruption in the natural regeneration process of Pinus sylvestris var. mongolica plantations in China[J]. Scientia Silvae Sinicae, 2024, 60(12): 158-167. ]

[36]
朱教君, 宋立宁, 王国晨. 沙地樟子松引种70年的历史、进展与展望[J]. 林业科学, 2025, 61(7): 23-34.

[ Zhu Jiaojun, Song Lining, Wang Guochen. 70 years of introducing of Mongolian pine to sandy lands: History, progress, and perspectives[J]. Scientia Silvae Sinicae, 2025, 61(7): 23-34. ]

[37]
王凯, 邢仕奇, 张日升, 等. 不同密度下樟子松非结构性碳水化合物变化规律[J]. 生态学杂志, 2024, 43(9): 2607-2614.

[ Wang Kai, Xing Shiqi, Zhang Risheng, et al. Changes of non-structural carbohydrates of Pinus sylvestris var. mongolica under different stand densities[J]. Chinese Journal of Ecology, 2024, 43(9): 2607-2614. ]

[38]
路伟伟, 吴波, 白建华, 等. 樟子松人工林退化原因及研究展望[J]. 科学通报, 2023, 68(11): 1286-1297.

[ Lu Weiwei, Wu Bo, Bai Jianhua, et al. Causes and research prospects of the decline of Pinus sylvestris var. mongolica plantation[J]. Chinese Science Bulletin, 2023, 68(11): 1286-1297. ]

Options
文章导航

/

〈 〉