-
土壤是维持生态系统功能和可持续性的重要基础，人们对土壤质量历来非常重视，对土壤质量的认识经历了一个逐步深化的过程，陆续出现了“土壤质量”“土壤健康”“土壤安全”等一些相似的概念和术语[1]。其中，“土壤质量”和“土壤健康”这两个概念在多数情况下是同义的，常常被互用[1-3]。目前被广泛接受的土壤质量的定义是：在生态系统内，土壤维持生物的生产力、保护环境质量及促进动植物健康的能力[4-5]。因此，土壤质量是一个综合概念，包括土壤肥力质量、土壤环境质量和土壤健康质量3个维度[6-7]。其中，土壤健康质量是土壤质量的重要组成部分，可定义为土壤影响或促进人类和动植物健康的能力[4-7]。土壤生物是土壤生态功能得以实现的驱动因子，土壤健康质量通常需要通过某种生物类群或群落的健康程度来反映。因此，对其评价主要集中在土壤的生物成分上[8-9]。近年来，一方面，我国经济社会快速发展，城市化以及环境污染所导致的城市土壤质量问题日益严重； 另一方面，生态城市的建设对城市土壤特别是城市绿地土壤质量提出了更高的要求[10-13]。在上海的研究表明，上海市绿地土壤普遍存在压实严重、肥力下降等问题，土壤重金属和有机物污染呈加重趋势[12-15]。同时，城市快速发展导致的绿地土壤生物总量减少、生物活性降低等土壤健康质量问题，已经严重制约了城市绿地土壤生态功能的发挥[16-18]。因此，必须在以往偏重土壤肥力质量和环境质量评价的基础上，更加重视对土壤健康质量的评价[1，19]，不断满足城市建设和发展的需求。
-
目前，常用于评价土壤健康质量的指标主要包括土壤细菌、真菌等微生物群落和土壤蚯蚓、线虫等动物群落的生物量、活性、多样性等[1，8-9，19]。其中，基于土壤微生物进行土壤健康质量评价是更具代表性和可行性的方法，应用更为普遍[1-2]。例如，近期欧美等发达国家和地区开展的一系列土壤健康监测评估项目，如美国土壤健康路线图[20]、北美土壤健康监测评估项目[21]、欧盟土壤健康行动[22]，均已将土壤微生物学指标列为土壤质量评价的关键指标。土壤微生物是土壤生物区系中重要的组成部分，在土壤结构形成、养分分解和转化、污染物质降解等方面均发挥着关键作用，对土壤微生物进行评估能够综合反映土壤健康质量的总体情况[19，23-24]。同时，土壤微生物对外界环境变化十分敏感，可快速、准确地反映土壤质量的变化，预测土壤质量未来的发展趋势[2，25]。在众多土壤微生物学指标中，微生物生物量碳、土壤呼吸以及与土壤碳、氮、磷循环相关的胞外酶活性是目前土壤质量评价中应用最多的指标[1-2，25]。随着土壤生物学的快速发展，特别是基于DNA、RNA等分子生物学方法的广泛应用，使高效、快速地测定土壤微生物多样性和土壤关键生态过程成为可能[26]。因此，有学者建议在土壤健康质量评价中引入微生物多样性、功能基因丰度、病原菌丰度等基于分子生物学方法的指标[1-2，27]。尽管土壤健康质量评价已成为土壤质量评价中不可或缺的重要组成部分，但是如何量化和评价土壤健康质量还存在着很大的挑战，目前还未形成公认或统一的土壤健康质量评价指标体系和定量化的综合评价方法[1-3]。主要原因是：（1）大部分土壤微生物学指标缺乏标准化的取样和测样方法；（2）土壤微生物易受多种因素影响，指标变异性较大；（3）大部分指标缺乏被广泛接受的评价阈值和对土壤生态功能明确的解释[1，28]。此外，近期提出的分子生物学相关指标还存在测定费用高、数据处理和分析过程复杂等问题，也在一定程度上制约了它们在土壤质量评价中的大规模应用。
-
上海是我国人口最多的超大型城市，也是我国快速城市化的典型代表之一[29]。本文基于上海市228个绿地表层土壤和14个土壤微生物学指标，采用主成分分析、Pearson相关性分析等分析方法，拟建立城市绿地土壤健康质量评价最小数据集，确定各评价指标权重，并以此为基础，采用康奈尔土壤健康评价方法对上海市绿地表层土壤进行健康质量综合评价，以期为城市绿地土壤健康质量评价分级和科学管理提供参考和理论依据。
-
1 材料与方法
-
1.1 研究区概况
-
上海市位于我国东部长江三角洲冲积平原的前缘，介于120°52′～122°12′E、30°40′～31°53′N之间，属亚热带湿润季风气候。年平均气温为15.8℃，年平均降水量为1122mm[30]。上海市属于平原地貌，主要土壤类型为水稻土、滨海盐土、灰潮土和黄棕壤土[15，31]。上海市拥有徐汇区、静安区、黄浦区、崇明区等16个市辖区，总面积6340km2[32]。
-
1.2 土壤样品采集与处理
-
公园绿地和道路绿地是上海市最主要的绿地类型[32]，本研究在全市16个行政区范围内选择代表性公园和道路设置采样点。每个采样点设置5个子样点，每个土壤样品由5个子样等量混合组成，样品采集深度为0～20cm。共采集土壤样品228个，包括公园绿地土壤样品148个，道路绿地土壤样品80个（表1）。土壤样品采集于2019年5月。采样完成后，将样品充分混合，过2mm筛。采用四分法将样品分成2份，1份于4℃保存，用于土壤微生物量碳、土壤呼吸和酶活性测定；1份于-20℃保存，用于土壤细菌、真菌、古菌丰度测定。本研究采集土壤样品的土壤质地均为粉砂壤土或粉（砂）质粘壤土；大部分土壤存在一定程度的压实，土壤容重范围为0.89～1.75g/cm3，平均值为（1.40±0.13）g/cm3 （均值 ± 标准差，下同）； 土壤以碱性土为主，pH范围为5.53～8.55，平均值为7.79±0.34；土壤有机质含量范围为6.29～75.80g/kg，平均值为（24.00±11.46）g/kg。
-
1.3 指标测定
-
采用氯仿熏蒸法测定土壤微生物量碳[33]；采用密闭静置培养测二氧化碳法测定土壤呼吸[34]；代谢熵由土壤呼吸与微生物量碳的比值计算[9]；微生物熵由微生物量碳与有机碳的比值计算[9]；采用分光光度法测定土壤酚氧化酶、葡萄糖甘酶、木聚糖酶和碱性磷酸酶活性，测定所用底物分别为左旋多巴、4-硝基苯-β-D-吡喃葡萄糖苷、木聚糖和对硝基苯磷酸钠[35-36]。土壤脲酶、蔗糖酶、脱氢酶活性采用试剂盒（北京索莱宝科技有限公司）进行测定。
-
采用土壤DNA提取试剂盒（MoBio Laboratories， Carlsbad，Inc.，CA，USA）提取土壤样品的DNA。采用LightCycler® 96实时荧光定量PCR仪进行土壤细菌16S rDNA、真菌18S rDNA、古菌16S rDNA的基因拷贝数测定，PCR引物分别为338F/518R、 SSU-0817F/SSU-1196R和344F/915R[37-39]。
-
1.4 数据统计分析
-
采用SPSS 25.0进行主成分分析、Pearson相关性分析，构建最小数据集，确定指标权重。
-
通过主成分分析，将每个特征值≥ 1的主成分中载荷绝对值≥ 0.5的土壤微生物学指标筛选出来，作为一组；若某指标同时在2个主成分中载荷绝对值≥ 0.5，则该指标被划分到与其他指标相关性较低的那一组[40-41]。根据指标Norm值对指标进一步筛选，每组中仅保留Norm值最大的指标以及与最大Norm值相差在10%以内的指标[40-41]。对每组内保留的指标进行Pearson相关分析，若指标间高度相关（相关系数绝对值≥ 0.5），则仅保留Norm值最高的指标；若指标间无显著相关性或相关系数较低（相关系数绝对值<0.5），则该组内指标均保留[42]。之后，对全部保留的指标再次进行Pearson相关分析，并将相关性较高的指标去除[42]，最终保留下来的指标则为所有指标的最小数据集。
-
将最小数据集中指标进行主成分分析，得到最小数据集中指标的公因子方差，指标权重根据各指标公因子方差占公因子方差总和的比例确定[40]。
-
采用康奈尔土壤健康评价方法对土壤健康质量进行综合评价，根据累积频率曲线对各指标进行赋值[43-44]。具体步骤为：（1）将最小数据集中每一指标测得的指标值按从小到大的顺序排列，计算各指标值的累积频率曲线；（2）累积频率曲线中，累积频率≤ 25%的指标值对应的评分函数值为1，累积频率≥ 75%的指标值对应的评分函数值为10； （3）在累积频率为25%的指标值和累积频率为75%的指标值之间进行线性插值，获得评分函数值为2～9所对应的指标值；（4）各指标评分函数值加权求和，即为土壤健康质量综合得分[43-44]。
-
土壤健康质量综合得分分级标准为：综合得分<4.0，土壤健康质量“很低”；综合得分在4.0～5.5之间，土壤健康质量“低”；综合得分在5.5～7.0之间，土壤健康质量“中等”；综合得分在7.0～8.5之间，土壤健康质量“较高”；综合得分≥ 8.5，土壤健康质量“高”[43-44]。
-
2 结果与分析
-
2.1 绿地土壤微生物学指标特征
-
本文对上海市绿地土壤14个微生物学指标进行了统计分析。由表2可知，土壤样品微生物量碳范围为63.28～876.39mg/kg，平均值为 （429.31±182.54）mg/kg，变异系数为42.5%。土壤样品微生物熵范围为0.31%～13.21%，平均值为（3.60±2.10）%，变异系数为58.2%。土壤样品古菌丰度范围为8.47×106～5.24×109 拷贝数/g，平均值为（7.66×108 ±8.96×108）拷贝数/g，变异系数为116.9%；细菌丰度范围为1.23×109～5.71×1011 拷贝数/g，平均值为（2.59×1010±4.45× 1010）拷贝数/g，变异系数为171.8%；真菌丰度范围为5.93×103～1.50×108 拷贝数/g，平均值为 （9.59×106 ±1.72×107）拷贝数/g，变异系数为179.1%。
-
土壤呼吸范围为0.01～0.88CO2mg/（g·d），平均值为（0.28±0.14）CO2mg/（g·d），变异系数为50.7%。代谢熵范围为0.61～158.90mg/（g·h），平均值为（33.46±23.82）mg/（g·h），变异系数为71.2%。
-
土壤样品酚氧化酶活性范围为0.02～3.15 μmol/（g·h），平均值为（0.71±0.60）μmol/（g·h），变异系数为84.5%；葡萄糖苷酶活性范围为0.02～1.50μmol/（g·h），平均值为（0.38±0.25）μmol/（g·h），变异系数为64.5%；碱性磷酸酶活性范围为0.13～4.73 μmol/（g·h），平均值为（2.38±1.08） μmol/（g·h），变异系数为45.5%；木聚糖酶活性范围为0.08～2.71 μmol/（g·h），平均值为（0.51± 0.44）μmol/（g·h），变异系数为86.3%；脲酶活性范围为0.15～2.88μmol/（g·h），平均值为（0.80± 0.38）μmol/（g·h），变异系数为47.3%；蔗糖酶活性范围为0.91～18.23 μmol/（g·h），平均值为 （5.78±2.40）μmol/（g·h），变异系数为41.5%；脱氢酶活性范围为0.07～4.59U/g，平均值为（1.89± 0.98）U/g，变异系数为51.6%。
-
其中，土壤细菌、真菌、古菌丰度变异系数高于100%，属于高度敏感指标；其他11个指标变异系数在10%～100%之间，为中度敏感指标[45]。
-
2.2 最小数据集构建
-
对228个土壤样品的14个微生物学指标进行主成分分析，结果显示，前5个主成分的特征值≥ 1，方差累计贡献率为64.944%，说明前5个主成分能够在一定程度上解释土壤微生物学指标的变异性（表3）。因此，通过主成分分析将14个土壤微生物学指标提取成5个主成分。
-
根据指标在各主成分上的载荷，将14个指标分为5组，微生物量碳、古菌丰度、碱性磷酸酶、细菌丰度、蔗糖酶和脱氢酶为第1组，代谢熵和微生物熵为第2组，土壤呼吸和酚氧化酶为第3组，脲酶为第4组，木聚糖酶为第5组（表4）。第1组中，Norm值最大的指标为微生物量碳，其值为1.409，碱性磷酸酶、细菌丰度、蔗糖酶、脱氢酶的Norm值与微生物量碳Norm值相差超过10%，将碱性磷酸酶、细菌丰度、蔗糖酶和脱氢酶去除，第1组保留微生物量碳和古菌丰度。第2组中Norm值最大的指标为代谢熵，其值为1.375，微生物熵与代谢熵Norm值相差超过10%，将微生物熵去除，保留代谢熵。第3组中，Norm值最大的指标为土壤呼吸，其值为1.162，酚氧化酶与土壤呼吸Norm值相差超过10%，将酚氧化酶去除，保留土壤呼吸。第4组和第5组均仅有一个指标，均保留。第1组中，微生物量碳和古菌丰度不存在显著相关性，相关系数仅为0.073，因此，这两个指标均进入最小数据集 （表5）。通过以上筛选，保留的指标有微生物量碳、古菌丰度、代谢熵、土壤呼吸、脲酶和木聚糖酶。其中，代谢熵与微生物量碳和土壤呼吸的相关系数分别为-0.628和0.543，相关性较强，将代谢熵剔除。综上所述，最终进入最小数据集的指标包括微生物量碳、古菌丰度、土壤呼吸、脲酶和木聚糖酶。
-
注：* 表示在0.05水平（双侧）上显著相关；** 表示在0.01水平（双侧）上显著相关。
-
通过主成分分析计算土壤健康质量评价最小数据集中各指标公因子方差，根据公因子方差计算各指标权重。由表6可得，土壤呼吸权重最高，为0.251；其次是脲酶、木聚糖酶和古菌丰度；微生物量碳的贡献最低，为0.102。
-
2.3 土壤健康质量综合评价
-
2.3.1 指标值的确定
-
根据各指标累积频率曲线确定评分函数值对应的指标值，结果见表7，以微生物量碳为例，微生物量碳>562.86mg/kg，评分函数值为10；微生物量碳<289.63mg/kg，评分函数值为1；微生物量碳在289.63～562.86mg/kg之间，评分函数值通过线性差值获得。
-
2.3.2 土壤健康质量综合得分计算
-
将各指标评分函数值加权求和，获得各土壤样品土壤健康质量综合得分。土壤样品健康质量综合得分范围为1.08～10.00，平均值为5.16±1.94，变异系数为37.6%。其中，综合得分<4.0的样品比例为29.4%，土壤健康质量属于“很低”；综合得分在4.0～5.5之间的样品比例为28.1%，土壤健康质量属于“低”；综合得分在5.5～7.0之间的样品比例为25.4%，土壤健康质量属于“中等”；综合得分在7.0～8.5之间的样品比例为10.5%，土壤健康质量属于“较高”；综合得分≥ 8.5的样品比例为6.6%，土壤健康质量属于“高”（图1）。其中，杨浦区、嘉定区、松江区绿地土壤样品健康质量综合得分平均值高于5.5，且绿地土壤健康质量整体情况优于其他行政区（图2）。
-
图1 上海市绿地土壤健康质量综合得分分布频率
-
图2 上海市16个行政区绿地土壤健康质量综合得分
-
3 讨论
-
城市绿地是城市生态系统中唯一有生命的基础设施，具有固碳释氧、维持生物多样性、改善城市小气候等多种生态功能[10]。绿地土壤作为整个系统中物质循环和能量转换的中心环节，了解土壤健康质量现状和发展趋势对于维持城市绿地的可持续发展具有重要意义[10]。
-
正确地选择评价指标，是科学地揭示土壤健康质量的前提，会直接影响土壤健康质量评价的准确程度。由于评价土壤健康质量的生物学指标众多，为避免数据冗余等问题，从候选指标中筛选出具有代表性的最小数据集是科学评价土壤健康质量的首要步骤[3]。目前，指标最小数据集的建立主要基于专家判断[4]或相关分析、主成分分析、冗余分析、判别分析和多重回归分析等统计学方法[46-49]。其中，主成分分析法应用最为广泛，它通过线性组合将候选指标转化为少数几个独立的且能够反映总体信息的代表性指标[50]。基于主成分分析构建最小数据集的方法已广泛应用于土壤肥力质量、环境质量评价的研究中[40-42]。本研究主要采用主成分分析方法，同时结合Pearson相关分析，从14个土壤微生物学指标中筛选获得5个代表性的核心指标，构建了城市绿地土壤健康质量评价最小数据集。该研究方法以数据为基础，客观性较强，筛选获得的指标能够在很大程度上代替候选指标对土壤健康质量进行正确分析，并且不会存在信息叠加或遗漏的现象[3]。
-
本研究建立的城市绿地土壤健康质量评价最小数据集由土壤呼吸、脲酶活性、木聚糖酶活性、古菌丰度和微生物量碳5个指标构成。其中，前3个指标主要反映土壤微生物的活性，后两个指标反映土壤微生物的数量，指标涵盖范围较为全面。土壤呼吸表征土壤微生物的总体活性，在农业、林业生态系统土壤质量评价中，土壤呼吸也是最常用的生物学指标之一[1-2]。土壤酶直接参与土壤化学元素循环，其活性在土壤质量评价中也已经被广泛应用[1-2]。由于土壤酶具有一定的专一性，因此可以反映参与某种特定生态过程的微生物的活性[2]。本研究最小数据集中木聚糖酶和脲酶分别与土壤碳、氮元素循环密切相关，可表征参与土壤碳、氮元素循环的微生物的活性。而在农业生态系统中应用较为普遍的脱氢酶、磷酸酶并未最终入选最小数据集，可能与城市绿地土壤重金属污染相对严重，脱氢酶、磷酸酶活性被抑制有关[51-52]。微生物量碳是从整体上反映土壤微生物群落的数量，对土壤质量的变化反应灵敏[9]。古菌是土壤微生物群落中最主要的类群之一，过去人们普遍认为古菌仅存在于极端环境中，利用古菌表征土壤质量的研究相对较少[50]。但随着分子生态学技术的发展，古菌在中温环境中被大量发现，并且在土壤碳、氮等关键元素循环中发挥着至关重要的作用[53]。本研究结果表明，土壤古菌丰度与细菌、真菌丰度高度相关，但古菌丰度入选最小数据集，说明古菌丰度对绿地土壤健康质量的影响可能高于细菌、真菌丰度。原因可能是，城市绿地土壤压实比较严重，土壤通气性差、氧气不足，而与细菌、真菌相比，古菌在低氧环境中适应性更强[14，54]。另外，基于主成分分析确定各指标权重的结果表明，3种土壤微生物活性相关的指标在反映土壤健康质量中的贡献高于微生物数量相关的指标。本研究中建立的城市绿地土壤健康质量指标最小数据集，是进一步准确、定量化评价绿地土壤健康质量的基础。但是也应注意， 14个微生物学指标归为5个主要成分的累计贡献率仅有64.944%，虽然能够从一定程度上反映绿地土壤健康质量概况，但仍有一定的局限性。在今后的研究中，应引入蚯蚓、线虫等土壤动物学指标，构建更全面的城市绿地土壤健康质量评价指标体系。
-
与土壤理化指标相比，土壤微生物学指标更为复杂，指标的变异性较大，并且缺少被广泛接受的参考阈值[1，28]。本研究所选择的康奈尔土壤健康评价法，指标评分函数值可由研究区域的数据计算获得，能够解决土壤微生物学指标无参考阈值的问题[55]。本研究共设置228个采样点，点位数量较多，同时包括了上海市主要的绿地类型和地上植被类型，各指标最大、最小值之间差距均较大，基本涵盖了上海市各种质量等级的绿地土壤。因此，基于本研究数据确定的各指标评分函数值代表性、科学性较强。另外，康奈尔土壤健康评价法计算简单，准确性强，在实际应用过程中具有较强的优越性[3，43-44]。通过康奈尔土壤健康评价法对上海市绿地土壤健康质量进行了综合评价，结果显示，上海市大部分绿地土壤样品（57.5%）健康质量处于 “很低”或“低”水平。原因可能是：（1）城市中枯枝落叶被及时清理，阻断了土壤养分的归还途径，导致土壤养分含量降低[14-15]；（2）绿地土壤受到强烈的人为干扰，土壤中重金属、有机污染物等污染物质存在不同程度的积累，可能对微生物产生直接或间接的毒害作用[11-13]，从而限制了土壤中微生物的生存及生态功能的发展。
-
4 结论
-
采用主成分分析方法，结合Pearson相关分析，筛选出土壤呼吸、脲酶活性、木聚糖酶活性、古菌丰度和微生物量碳5项指标，建立了城市绿地土壤健康质量评价最小数据集。利用主成分分析法确定了最小数据集中各指标权重，其中，土壤呼吸权重最高，为0.251；微生物量碳权重最低，为0.102。采用康奈尔土壤健康评价法对上海市绿地土壤健康质量进行了量化评价，其中57.5%的绿地土壤样品健康质量处于“很低”或“低”水平。研究结果对科学评估城市绿地土壤健康质量高低，实现城市绿地土壤科学管理有着重要意义。
-
参考文献
-
[1] Bünemann E K，Bongiorno G，Bai Z，et al．Soil quality-a critical review［J］．Soil Biology and Biochemistry，2018，120：105-125.
-
[2] Fierer N，Wood S A，Bueno de M C P．How microbes can，and cannot，be used to assess soil health［J］．Soil Biology and Biochemistry，2021，153：108111.
-
[3] Rinot O，Levy G J，Steinberger Y，et al．Soil health assessment：A critical review of current methodologies and a proposed new approach［J］．Science of the Total Environment，2019，648：1484-1491.
-
[4] Doran J W，Parkin T B．Defining soil quality for a sustainable environment［M］//Defining and assessing soil quality．Soil Science Society of America，1994．3-21.
-
[5] Doran J W，Parkin T B．Methods for assessing soil quality［M］//Quantitative indicators of soil quality：a Minimum data set．Soil Science Society of America，1996．25-37.
-
[6] 刘占锋，傅伯杰，刘国华，等．土壤质量与土壤质量指标及其评价［J］．生态学报，2006，26（3）：901-913.
-
[7] 徐建明，张甘霖，谢正苗，等．土壤质量指标与评价［M］． 北京：科学出版社，2010.
-
[8] Anderson T H．Microbial eco-physiological indicators to assess soil quality［J］．Agriculture，Ecosystems and Environment，2003，98：285-293.
-
[9] 赵吉．土壤健康的生物学监测与评价［J］．土壤，2006，38，（2）：136-142.
-
[10] 秦娟，许克福．我国城市绿地土壤质量研究综述与展望［J］． 生态科学，2018，37（1）：200-210.
-
[11] 张娟，吴建芝，刘燕．北京市绿地土壤多环芳烃分布及健康风险评价［J］．中国环境科学，2017，37（3）：1146-1153.
-
[12] 左倬，王金凤，由文辉．上海城市不同绿地类型土壤重金属污染研究［J］．生态科学，2008，27（1）：12-16.
-
[13] 丁正，梁晶，方海兰，等．上海城市绿地土壤中石油烃化合物的分布特征［J］．土壤，2014，46（5）：901-907.
-
[14] 马想，张浪，黄绍敏，等．上海城市绿地土壤肥力变化分析 ［J］．中国园林，2020，36（5）：104-109.
-
[15] 骆玉珍，张维维，李雅颖，等．上海市公园绿地土壤肥力特征分析与综合评价［J］．中国土壤与肥料，2019（6）：86-93.
-
[16] 杨元根，Paterson E，Campbell C．城市土壤中重金属元素的积累及其微生物效应［J］．环境科学，2001，22（3）：44-48.
-
[17] 杨元根，Paterson E，Campbell C．苏格兰阿伯丁城市土壤的微生物特性研究［J］．矿物学报，2000，20（4）：342-347.
-
[18] 孙福军，丁青坡，韩春兰，等．沈阳市城市表土中微生物区系变化的初步研究［J］．土壤通报，2006，37（4）：768-771.
-
[19] Schloter M，Nannipieri P，Sorensen S J，et al．Microbial indicators for soil quality［J］．Biology & Fertility of Soils，2018，54：1-10.
-
[20] The Nature Conservancy．Re think soil：a roadmap for U.S．soil health［R］．2016.
-
[21] Norris C E，Mac Bean G，Cappellazzi S B，et al.Introducing the North American project to evaluate soil health measurements ［J］．Agronomy Journal，2020，112：3195-3215.
-
[22] Mission Board for Soil health and food．Caring for soil is caring for life［R］．2020.
-
[23] 章家恩，廖宗文．试论土壤的生态肥力及其培育［J］．土壤与环境，2000（3）：253-256.
-
[24] Barrios E．Soil biota，ecosystem services and land productivity［J］． Ecological Economics，2007，64：269-285.
-
[25] Martinez-Salgado M M，Gutiérrez-Romero V，Jannsens M，et al．Current research，technology and education topics in applied microbiology and microbial biotechnology［M］//Biological soil quality indicators：a review．Spain：World Scientific Publishing，2009．319-328.
-
[26] Bouchez T，Blieux A L，Dequiedt S，et al．Molecular microbiology methods for environmental diagnosis［J］．Environmental Chemistry Letters，2016，14：423-441.
-
[27] Lehmann J，Bossio D A，Kogel-Knabner I，et al．The concept and future prospects of soil health［J］．Nature Reviews Earth & Environment，2020，1（10）：1-10.
-
[28] Bongiorno G．Novel soil quality indicators for the evaluation of agricultural management practices：a biological perspective［J］． Frontiers of Agricultural Science and Engineering，2020，7（3）：257-274.
-
[29] United Nations，Department of economic and social affairs，population division．World urbanization prospects：the 2018 revision［M］．New York：New York United Nations，Feb，2008.
-
[30] Shi G，Chen Z，Xu S，et al．Potentially toxic metal contamination of urban soils and roadside dust in Shanghai，China［J］． Environmental Pollution，2008，156：251-260.
-
[31] 史利江，郑丽波，张卫国，等．上海土壤有机碳储量及其空间分布特征［J］．长江流域资源与环境，2010，19（12）：1442-1447.
-
[32] 上海市统计局．上海统计年鉴-2019［M］．北京：中国统计出版社，2020.
-
[33] International Organization for Standardization．Soil quality：Determination of soil microbial biomass part 2：Fumigationextraction method［S］．1997.
-
[34] Zhang W W，Liu W，He S W，et al．Mixed plantations of Metasequoia glyptostroboides and Bischofia polycarpa change soil fungal and archaeal communities and enhance soil phosphorus availability in Shanghai，China［J］．Ecology and Evolution，2021，11（12）：7239-7249.
-
[35] Yang K，Zhu J J．The effects of N and P additions on soil microbial properties in paired stands of temperate secondary forests and adjacent larch plantations in Northeast China［J］．Soil Biology and Biochemistry，2015，90：80-86.
-
[36] Zhang W W，Lu Z T，Yang K，et al．Impacts of conversion from secondary forests to larch plantations on the structure and function of microbial communities［J］．Applied Soil Ecology，2016，111：73-83.
-
[37] Borneman J，Hartin R J．PCR primers that amplify fungal rRNA genes from environmental samples［J］．Applied and Environmental Microbiology，2000，66（10）：4356-4360.
-
[38] Guo X，Wang C，Sun F，et al．A comparison of microbial characteristics between the thermophilic and mesophilic anaerobic digesters exposed to elevated food waste loadings［J］．Bioresour Technol，2014，152：420-428.
-
[39] Muyzer G，de Waal E C，Uitterlinden A G．Profiling of complex microbial populations by denaturing gradient gel electrophoresis analysis of polymerase chain reaction-amplified genes coding for 16S rRNA［J］．Applied and Environmental Microbiology，1993，59（3）：695-700.
-
[40] 冯万忠，马振朝，张丽娟，等．河北平原冬小麦/夏玉米高产田土壤肥力质量最小数据集构建及其评价［J］．江苏农业科学，2017，45（15）：233-238.
-
[41] 娄义宝，史东梅，蒋光毅，等．基于最小数据集的紫色丘陵区坡耕地耕层土壤质量评价［J］．中国水土保持科学，2019，17（5）：75-85.
-
[42] 廖程，王德伟，唐亮，等．基于最小数据集的成都平原某区土壤养分综合评价体系的构建［J］．地球与环境，2021，49（2）：189-197.
-
[43] Schindelbeck R R，van Es H M，Abawi G S，et al．Comprehensive assessment of soil quality for landscape and urban management［J］． Landscape & Urban Planning，2008，88：73-80.
-
[44] 盛丰．康奈尔土壤健康评价系统及其应用［J］．土壤通报，2014，45（6）：1289-1295.
-
[45] Nielsen D R，Bouma J．soil Spatial variability［M］． Wageningen：Pudoc，1985.
-
[46] Andrews S S，Carroll C R．Designing a soil quality assessment tool for sustainable agroecosystem management［J］．Ecological Applications，2001，11：1573-1585.
-
[47] Kosmas C，Kairis O，Karavitis C，et al．Evaluation and selection of indicators for land degradation and desertification monitoring：methodological approach［J］．Environmental Management，2014，54：951-970.
-
[48] Lima A C R，Brussaard L，Totola M R，et al．A functional evaluation of three indicator sets for assessing soil quality［J］． Applied Soil Ecology，2013，64：194-200.
-
[49] Shukla M K，Lal R，Ebinger M．Determining soil quality indicators by factor analysis［J］．Soil and Tillage Research，2006，87：194-204.
-
[50] 林卡，李德成，张甘霖．土壤质量评价中文文献分析［J］． 土壤通报，2017，48（3）：736-744.
-
[51] 任天志．持续农业中的土壤生物指标研究［J］．中国农业科学，2000，33（1）：71-78.
-
[52] Mariela F，Pável M I，Manuel S L，et al．Dehydrogenase and mycorrhizal colonization：Tools for monitoring agrosystem soil quality［J］．Applied Soil Ecology，2016，100：144-153.
-
[53] Aislabie J，Deslippe J R．Ecosystem services in New Zealandconditions and trends［M］//Soil microbes and their contribution to soil services．New Zealand：Manaaki Whenua Press：Lincoln，2013.
-
[54] Hatzenpichler R．Diversity，physiology，and niche differentiation of ammonia-oxidizing Archaea［J］．Applied and Environmental Microbiology，2012，78（21）：7501-7510.
-
[55] Moebius-Clune B N，Moebius-Clune D J，Gugino B K，et al． Comprehensive assessment of soil health．The cornell framework manual．third ed［M］．New York：Cornell University，2016.
-
摘要
城市生态环境的不断改善对城市绿地土壤质量提出了更高的标准，除土壤养分、土壤污染等问题以外， 土壤的生物多样性、生物活性等土壤健康质量问题越来越受到重视。然而，目前还未形成公认或统一的土壤健康质量评价指标体系和定量化的综合评价方法。以上海市绿地表层土壤（0 ～ 20 cm）为研究对象，利用主成分分析和 Pearson 相关性分析对 14 个土壤微生物学指标进行筛选，构建了由土壤呼吸、脲酶活性、木聚糖酶活性、古菌丰度和微生物量碳 5 个指标构成的城市绿地土壤健康质量评价最小数据集，并确定各指标权重（0.102 ～ 0.251）。 采用康奈尔土壤健康评价法对绿地土壤健康质量进行定量评价。结果显示，上海市绿地土壤健康质量综合得分平均值为 5.16，57.5% 的绿地土壤样品健康质量处于“很低”或“低”的水平。研究结果对科学评估城市绿地土壤健康质量，实现城市绿地土壤质量的全面和科学管理有着积极的促进作用。
Abstract
The continuous improvement of urban ecological environment puts forward higher standards on soil quality of urban green space．Besides soil nutrients and pollution，soil health quality，such as soil biodiversity and biological activity， are becoming increasingly prominent．However，there is still no recognized or unified indicator system and quantitative method for soil health quality assessment．Surface soil（0 ～ 20 cm）from urban green space in Shanghai was collected． A minimum data set for assessing soil health quality in urban green space was established by the principal component analysis and Pearson correlation analysis based on 14 soil microbial indicators．The minimum data set was composed of five indicators，including soil respiration，urease activity，xylanase activity，archaeal abundance，and microbial biomass carbon．Then，the weight of each indicator was determined（0.102 ～ 0.251）．Cornell soil health assessment method was used to quantitatively evaluate soil health quality．The results showed that the average score of green space soil in Shanghai was 5.16；and 57.5% of soil samples were in“very low”or“low”level．The research results have a positive role in promoting the scientific evaluation of urban green space soil health quality and the realization of comprehensive and scientific management of urban green space soil quality.