基于樹(shù)木雷達(dá)(TRU)的樹(shù)根密度對(duì)城市土壤水分入滲的影響
摘要: 城市化往往導(dǎo)致土壤緊實(shí),降低土壤水分入滲率,進(jìn)而增加徑流和洪水。比較不同根系分布的樹(shù)根系統(tǒng)的入滲速率,有助于建立預(yù)測(cè)模型和改進(jìn)樹(shù)種選擇,以緩解城市環(huán)境中的徑流和洪水。在上海,用樹(shù)木雷達(dá)對(duì) 10 種不同樹(shù)種的 90 棵樹(shù)木進(jìn)行了掃描, 測(cè)定了土壤性質(zhì)和根系特征,分析了它們對(duì)土壤入滲的影響。與草坪相比,樹(shù)根增加了初始入滲率( 53-330%)和穩(wěn)定入滲率( 89-2167%)。根系分布較深的樹(shù)種對(duì)土壤入滲的影響最大,其次是中淺根系。土壤孔隙度和容重是影響 15cm 以下土壤入滲的兩個(gè)最重要的因素,隨著土壤深度的增加,土壤孔隙度和容重對(duì)入滲的不利程度越來(lái)越大,根系可以起到平衡作用。 本文建立了不同土層根系與土壤入滲的關(guān)系模型,以快速預(yù)測(cè)不同樹(shù)種的入滲。推廣不同根系分布特征的混交造林, 有助于保證不同土壤深度根系發(fā)育,優(yōu)化城市樹(shù)木的入滲效果。
研究區(qū)域: 上海交通大學(xué),面積約 309.25ha,有 314 種樹(shù)木,隸屬于 74 科, 188 種屬,上海本地常見(jiàn)樹(shù)種基本上都可以在校園內(nèi)找到。樣地選在交大校園內(nèi),以減少取樣時(shí)間,降低氣候差異的影響
為了保證所選樣本的代表性,每個(gè)樹(shù)種選擇了 3 個(gè)不同胸徑的生長(zhǎng)良好的樹(shù)木。其中桂花樹(shù) 3 個(gè)胸徑分別為 10cm、 15cm 和 20cm,其余 9 種胸徑分別為 13-15cm, 20-23cm 和28-33cm,一共有 90 棵樣本樹(shù)。
圖 1. 上海交通大學(xué)校園內(nèi)取樣點(diǎn)
根系檢測(cè)
TRU 樹(shù)木雷達(dá)用于本次實(shí)驗(yàn)。 TRU 樹(shù)木雷達(dá)由控制電腦、雷達(dá)天線(xiàn)和掃描車(chē)組成。 TRU有很多明顯優(yōu)勢(shì),比如短時(shí)間內(nèi)完成大量的野外測(cè)量。 TRU 樹(shù)木雷達(dá)的基本原理是利用介質(zhì)電磁特性不連續(xù)性產(chǎn)生的電磁波的反射和散射特性,定性或定量地識(shí)別土壤電磁特性的變化。土壤介電常數(shù)與樹(shù)根的偏差可以提供 TRU 樹(shù)木雷達(dá)探測(cè)和定位土壤中樹(shù)根所需的對(duì)比和反射。 TRU 又 400MHz 和 900MHz 兩種天線(xiàn),分別是探深 4m,分辨直徑 2cm 的根和探深 1m、分辨直徑 1cm 的根。 根據(jù)預(yù)實(shí)驗(yàn)結(jié)果來(lái)看,上海綠化樹(shù)木最深根系分布在 1.2-1.5m范圍內(nèi),深度大于 1m 很少有根系分布。以 1cm 的精度顯示了樹(shù)根的主要根系分布結(jié)構(gòu),防止了大多數(shù)草本植物和小灌木根系的干擾,因此, 1m 深度內(nèi)的根系特征可以代表樹(shù)木的粗根系統(tǒng)。本實(shí)驗(yàn)中選擇 TRU-900MHz 雷達(dá)天線(xiàn)。
預(yù)實(shí)驗(yàn)發(fā)現(xiàn)根密度在距離樹(shù)干 0.5-1.5m 時(shí)最大。根系檢測(cè)圍繞樹(shù)干以半徑 1m 的圓形,
圖 2. TRU 樹(shù)木雷達(dá)檢測(cè)原理
土壤采樣
本研究的目的時(shí)探討樹(shù)根于不同深度土壤入滲的關(guān)系。土壤樣本的水平和垂直分布如圖
圖 3. 樣品掃描檢測(cè)方式
為了減少凋落物和草本植物根系對(duì)這些關(guān)系的干擾,首先在 15cm 深度采集土壤樣品,然后每隔 15cm 采樣一次??紤]到上海市 50-70cm 的地下水,研究 70cm 以下的土壤入滲是沒(méi)有意義的。因此,沒(méi)有從土壤層以下 70 厘米處采集樣本。簡(jiǎn)單地說(shuō),土壤樣本分別在15-30cm、 30-45cm 和 45-60cm 深度的三層中采集。在樹(shù)干周?chē)臉?shù)根掃描路徑上,我們?cè)谒膫€(gè)方向(南、東、西、北)設(shè)置了 4 個(gè)采樣點(diǎn)。 采樣時(shí),若有粗根,則就近采集土壤,而有細(xì)根的土壤則直接用環(huán)刀采集。其中兩個(gè)原狀土樣用于測(cè)定土壤入滲特性,另兩個(gè)原狀土樣用于測(cè)定容重、總孔隙度、非毛管孔隙度、天然含水量和飽和含水量等其他物理指標(biāo)。采用 200g 復(fù)合土樣測(cè)定土壤有機(jī)質(zhì)。
土壤入滲測(cè)量
初始入滲速率和穩(wěn)定入滲速率是描述土壤入滲性能最常用的參數(shù)( Horton, 1933)。初始入滲速率和穩(wěn)定入滲速率由切割環(huán)法確定( Chen, 2005)。切割環(huán)方法示意圖如圖 3 所示。主要試驗(yàn)步驟如下:從每層土中隨機(jī)選取四個(gè)原狀土樣中的兩個(gè)進(jìn)行入滲試驗(yàn);
圖 4. 環(huán)割法土壤入滲率測(cè)試示意圖
土壤物理和化學(xué)特性測(cè)量
用環(huán)割法測(cè)定了土壤容重、總孔隙度、非毛管孔隙度、天然含水量、飽和含水量等基本物理性質(zhì), 采用重鉻酸鉀氧化-外加熱法測(cè)定混合土樣中有機(jī)質(zhì)含量。
數(shù)據(jù)分析
數(shù)據(jù)分析使用 Microsoft Office Excel 2013 ( Microsoft, Washington, USA)和 SPSS PASW18.0 程序( SPSS Inc., Chicago, USA)進(jìn)行。使用 Excel 2013 軟件分析不同深度的樹(shù)根密度差異、不同植物下不同土層的根密度差異以及線(xiàn)性土壤肥力與根密度的關(guān)系。用 Pearson 和Spearman 相關(guān)分析法分析了土壤指標(biāo)與根系密度的相關(guān)性。方差分析( ANOVA)用于評(píng)估植物種類(lèi)對(duì)土壤肥力的影響;檢驗(yàn)方差水平的均勻性,并將數(shù)值表示為相關(guān)最小顯著差異( LSD, p=0.05)或平均值標(biāo)準(zhǔn)誤差( SEM)的平均值。
結(jié)果
樹(shù)的根密度
總根密度在每米 10-18 根之間,不同土層的根密度在每米 1-5 根之間。 10 種樹(shù)總根密度順序是欒樹(shù)( 18 個(gè)/m) >雪松、水杉( 16 個(gè)/m) >樸樹(shù)( 14 個(gè)/m) >肉桂( 13 個(gè)/m) >櫸樹(shù)( 12 個(gè)/m) >懸鈴木、杜松子、桂花(11 個(gè)/m)>女貞( 10 個(gè)/m)。根據(jù)根密度隨深度的變化,將其分為三種類(lèi)型。第一種為淺層根分布,在 0-15cm 深度范圍內(nèi)根密度大,隨后隨著深度增加,根密度快速降低,代表樹(shù)種是女貞、桂花、杜松子和懸鈴木(圖中實(shí)線(xiàn))。 第二種為中度深度分布,在 15-30cm 深度范圍內(nèi)根密度最大,占 25-27%,代表樹(shù)種是肉桂、樸樹(shù)和水杉;第三種為深層根分布,根密度在 30-60cm 深度范圍內(nèi)最大,大于 60cm 深度也有較多根分布。 | 圖 5. 直徑大于 1 厘米( 距樹(shù)干 1 米)的樹(shù)根的垂直分布特征。 |
不同深度下土壤入滲與根系密度之間的關(guān)系
利用線(xiàn)性相關(guān)分析建立了土壤肥力與根密度的關(guān)系模型。從圖 6( A)和( B)可以看出,在不同土層中,初始入滲速率和根密度與穩(wěn)定入滲速率和根密度之間的關(guān)系呈顯著的線(xiàn)性關(guān)系。在 15-30cm、 30-45cm 和 45-60cm 時(shí),根密度與初始入滲率的相關(guān)系數(shù)分別為 0.55、0.71 和 0.74,根密度與穩(wěn)定入滲率的相關(guān)系數(shù)分別為 0.58、 0.70 和 0.67。線(xiàn)性模型的常數(shù)項(xiàng)隨土層深度的增加而減小,說(shuō)明入滲速率隨土層深度的增加而減小。
土壤特性與根密度之間關(guān)系
結(jié)果(圖 7)表明,深度與初始入滲、穩(wěn)定入滲、土壤孔隙度、非毛管孔隙度和飽和含水量呈顯著負(fù)相關(guān),與土壤容重呈顯著正相關(guān)。深度、土壤有機(jī)質(zhì)和天然含水量之間沒(méi)有顯著相關(guān)性。
根密度與初始入滲、穩(wěn)定入滲、土壤孔隙度和非毛管孔隙度呈顯著正相關(guān),與土壤容重呈負(fù)相關(guān)。根密度與土壤有機(jī)質(zhì)、飽和含水量、天然含水量之間無(wú)顯著相關(guān)性。土壤深度對(duì)土壤容重、孔隙度和非毛管孔隙度的影響與根密度的影響相反。
初始入滲和穩(wěn)定入滲與土壤容重呈負(fù)相關(guān),與土壤孔隙度和非毛管孔隙度呈顯著正相關(guān)。初始入滲和穩(wěn)定入滲與飽和含水量和天然含水量無(wú)顯著關(guān)系。土壤有機(jī)質(zhì)含量與入滲穩(wěn)定呈正相關(guān),與自然含水量無(wú)顯著相關(guān)。
圖 6. 不同深度下根密度與初始入滲速率和穩(wěn)定入滲速率的關(guān)系
討論:
TRU 樹(shù)木雷達(dá)技術(shù)可以快速實(shí)現(xiàn)對(duì)大量樹(shù)種的根系研究。 用探地雷達(dá)對(duì)大樣本( 90 種樹(shù)木)的樹(shù)根特征進(jìn)行了研究。大樣本研究發(fā)現(xiàn)三種不同的樹(shù)根分布(淺、中、深),很難從小樣本研究中獲得。
研究表明, 15cm 以下的土壤僅受土壤容重、土壤孔隙度和非毛管土壤孔隙度的顯著影響。然而,通常認(rèn)為,土壤中的有機(jī)質(zhì)、初始含水量和飽和含水量也會(huì)對(duì)土壤產(chǎn)生重大影響。研究表明,土壤入滲與土壤容重呈顯著負(fù)相關(guān),與土壤孔隙度和非毛管土壤孔隙度呈顯著正相關(guān),這與以往的研究結(jié)果一致。 城市雨水管理應(yīng)重視土壤孔隙的改善。一般情況下,土壤過(guò)濾與飽和含水量和初始含水量呈顯著負(fù)相關(guān),但本研究未發(fā)現(xiàn)顯著的相關(guān)關(guān)系。 樹(shù)根密度與容重呈顯著負(fù)相關(guān),與土壤孔隙度呈顯著正相關(guān),有利于土壤的滲透。研究發(fā)現(xiàn),隨著土層深度的增加,土壤容重增加,孔隙度和非毛管孔隙度降低。樹(shù)木可以把根伸到 15 厘米以下,防止土壤壓實(shí)、松土和迅速轉(zhuǎn)移水分,從而提高土壤的孔隙度和容重,從而促進(jìn)土壤的肥沃。
本研究進(jìn)一步證實(shí),樹(shù)根系統(tǒng)對(duì) 15cm 以下土壤的過(guò)濾能力比草本植物具有顯著的優(yōu)勢(shì)。與草坪面積相比, 10 種樹(shù)種下的初始入滲率提高了 53-330%,飽和入滲率提高了 89-2167%,可能是樹(shù)木根系較草本植物發(fā)達(dá),土壤理化性質(zhì)得到較好的保護(hù)和改善。因此,植樹(shù)可以作為改良土壤的有效方法。
建立了不同土層根與土的關(guān)系模型。結(jié)果表明,不同土層深度下,土壤肥力與根系密度呈顯著正相關(guān)。根密度可以作為一個(gè)間接指標(biāo)來(lái)指示樹(shù)木改善土壤的能力?;谶@些不同土層中根與土的關(guān)系模型,利用探地雷達(dá)掃描根密度后,可以預(yù)測(cè)根與土的流失率,從而避免任何繁瑣的挖掘方法,節(jié)省時(shí)間和金錢(qián)。
結(jié)論:
( 1) 上海常見(jiàn)的樹(shù)種根據(jù)根系特征可分為深、中、淺三種類(lèi)型。( 2) 改良土壤的綜合效益排序?yàn)樯顦?shù)( Koelreuteria paniculata Laxm, Cedrus deodara( Roxb.) G.Don 和 Zelkovaserrata( Thunb.) Makino) >中樹(shù)(肉桂 bodineri level,厚樸、水杉>淺根分布(女貞、桂花、杜松子、懸鈴木)。這為選擇植物改良土壤提供了依據(jù)。( 3) 15cm 以下的土壤主要受孔隙度和容重的影響,可通過(guò)樹(shù)根進(jìn)行改良。( 4) 建立了不同土層根密度與土壤肥力的關(guān)系模型。在此基礎(chǔ)上,利用探地雷達(dá)對(duì)根系進(jìn)行測(cè)試后,即可預(yù)測(cè)入滲率,從而避免了繁瑣的挖掘方法,節(jié)省了時(shí)間和金錢(qián)
圖 7. 深度、根密度、土壤性質(zhì)和入滲之間的關(guān)系
(注: **表示在 0.01 水平上存在顯著差異; *表示在 0.05 水平上存在顯著差異;(均為two-sided test))
來(lái)源:Changkun Xie, Shize Cai, Bingqin Yu, Lubing Yan, Anze Liang, Shengquan Che,*“The effects of tree root density on water infiltration in urban soil based on aGround Penetrating Radar in Shanghai, China”