美国南部棉花种植区土壤健康管理系统的区域尺度效应评估：土壤有机碳、团聚体稳定性和碳矿化潜力的多指标分析

《Journal of Sustainable Forestry》：The Influence of Environmental and Disturbance Factors on Plant Species Diversity, Composition, and Distribution in the Lower Montane Forest of Kilimanjaro National Park, Tanzania

　　本文系统评估了美国南部七个主要棉花产区土壤健康管理实践对土壤功能的关键指标（土壤有机碳SOC、团聚体稳定性指数ASI、碳矿化潜力CMP）及有机碳储量的影响。研究通过空间替代时间法，量化了不同管理措施（如减少耕作、覆盖作物）在区域尺度上对土壤健康的改善程度（提升11%-22%），并建立了土壤固有属性（如质地、pH）和气候因素与土壤健康指标的关系模型，为区域特异性土壤健康评估和目标设定提供了重要依据。

　　

引言

随着农业生态系统管理目标的多元化，农民和土地管理者越来越关注在保障作物生产的同时，提升土壤的生态系统功能，如增强有机碳（Carbon, C）储存、改善养分和水循环、以及防止侵蚀。土壤健康指标和有机碳储量测量为评估管理措施在相关时间尺度上的效果提供了可量化的代理指标。这些测量不仅是农场层面设定目标和进行监测的有效工具，也是追踪供应链层面是否符合自愿性可持续发展标准的重要基础。

解读土壤健康指标通常涉及对测量值在时间和/或空间上的比较。在单一实验点（无论是研究站还是商业农场）追踪土壤健康动态的主要优势在于，可以减少由非管理因素（即“场地效应”）引起的测量值背景变异，并且可以通过设置重复（例如，每个处理多个小区或条带）来区分管理效应与场地内固有的变异性。

然而，在农业这样一个充满不可控风险的行业中，要使土壤健康测量对决策有用，关键是要将管理因素与土壤健康结果联系起来，而无需等待多年数据的积累。作为重复采样的替代方案，研究人员通常通过比较在大致相同时间点、不同土地利用或管理系统下的土壤（“空间替代时间采样”）来估算管理效应。这种方法在土壤科学史上被广泛用于量化相邻和/或具有相似固有属性及地点特征的土壤在土地利用变化后的累积效应。

空间替代时间方法的有效性取决于一个关键假设：即相同管理系统下的土壤会达到相似的测量值。这一假设的合理性可以通过比较土壤的固有属性和地点特征来严格评估。土壤的质地和矿物组成、地貌位置以及气候背景会强烈影响该土壤可预期的土壤健康指标值和有机碳储量范围。例如，在粘土含量较高、气候较冷或较湿润、或排水较差的地貌位置上，在其他条件相同的情况下，土壤有机碳浓度往往更高。固有土壤属性和环境因素也可能直接（例如，矿物学对团聚体稳定性的影响）或间接地（通过土壤有机碳的介导效应）影响其他土壤健康指标。

在大数据集中，非管理因素对土壤健康指标和有机碳储量的影响可以通过统计分析来解决，例如，比较相似土壤和/或气候组的数据，或将非管理因素作为模型协变量。考虑到非管理因素对土壤健康指标和有机碳储量的影响已发现因区域和测量方法而异，不同指标对非管理因素的敏感性以及跨区域关系的相似性程度，对于大范围土壤健康的空间替代时间研究来说，仍是开放性问题。

在促进土壤健康实践（如免耕和覆盖作物）采用率较低或近期才开始采用的地区，进行土壤采样以量化这些实践（或整合多种实践的系统）的长期效应是一项重大挑战。以美国南部植棉县为例，2022年免耕和覆盖作物在耕地面积中的中位采用率分别为15%和5%。在覆盖作物面积占比低于5%的211个县，可能无法采样足够多的有/无覆盖作物的田块来统计量化覆盖作物对土壤健康测量的影响。

然而，促进土壤健康实践采用率较高的地区为量化管理对土壤健康指标和有机碳储量的影响提供了重要机会，但这些系统的测量值不一定涵盖全部潜在范围。或者，对管理良好的多年生植被下的土壤进行采样，提供了一种量化特定土壤和区域可实现的测量值的方法。多年生植被代表了物理干扰最小和地表有活体覆盖时间最长的条件，即使在促进土壤健康实践采用有限的情况下，也能提供一个参考基准。

在本研究中，我们评估了管理和非管理因素对美国南部七个区域商业农场土壤健康研究所推荐的土壤健康测量组合——土壤有机碳浓度、团聚体稳定性指数和碳矿化潜力——以及土壤有机碳储量的影响。这些区域是主要的棉花产区，在管理系统特征（典型的作物生产实践、实践变化和多年生植被类型）上存在差异，并且具有固有土壤属性和气候的梯度。在这些区域内部和跨区域，我们旨在量化：（1）非管理因素对土壤健康指标值和有机碳储量的影响；（2）参考条件下的潜在测量值；（3）通过实践变化在行栽作物生产中已实现的测量值改进。我们为达成这些目标所开发的统计模型，为土壤健康数据的背景化解释和设定区域及土壤特异性的管理结果目标提供了基础。

材料与方法

研究区域

七个研究区域横跨美国南部五个州，总面积近3000万公顷。我们使用主要土地资源区来组织调查。在MLRA内采样使我们能够量化不同管理系统对在相似条件下形成的土壤的土壤健康和有机碳储量的影响，因为每个MLRA内的气候、母质和地形相对均一。

区域年平均温度范围从德克萨斯州南部高平原的15.4°C到德克萨斯州墨西哥湾沿岸草原的21.4°C。区域年平均降水量范围从德克萨斯州南部高平原的490毫米到阿拉巴马州墨西哥湾沿岸平原的1560毫米。所有区域的土壤均形成于沉积母质。沉积物物理化学性质、沉积模式（冲积、风积、海相/河海相）、年龄（白垩纪至第四纪）和成岩作用（未固结沉积物与沉积岩）的差异驱动了区域间固有土壤属性（如质地和矿物学）的变化。土壤目包括新成土、始成土、软土、淋溶土和老成土。

我们选择的七个区域占2019年至2023年美国棉花种植面积的58%和棉花包产量的48%。与棉花轮作的作物因区域而异，包括玉米、大豆、花生、冬小麦和高粱。

土壤采样

我们优先对每个区域的主要植棉土壤进行采样。我们将国家合作土壤调查制图单元组分按照土壤表层质地和自然排水等级进行分类；此后，我们将每种独特的土壤质地和排水等级组合称为土壤健康采样组。然后，我们使用美国农业部国家农业统计局作物用地数据层时间序列估算了每个SHSG中棉花轮作（每四年至少包含一年棉花的作物轮作）的总面积。我们选择代表每个区域至少75%棉花轮作面积的SHSG作为该区域的优先采样对象。这种优先排序策略使我们在统计功效（即每个SHSG更多样本）和空间适用性（即覆盖区域内用于棉花生产的SHSG范围更多样本）之间取得平衡。

我们在每个优先SHSG下对三种一般类型的管理系统进行采样，分别称为基线系统、土壤健康管理系统和多年生参考系统。区分基线和SHMS的管理实践因区域而异，作为参考采样的土地利用类型也各不相同。基线系统代表了一个区域内使用的主要作物生产实践组合（例如，耕作类型和频率）。SHMS的定义特征是与基线相比的实践变化（例如，减少耕作、采用覆盖作物或放牧利用经济作物残茬）。区分基线和SHMS的具体实践变化因区域而异。采用实践变化的时间因区域和经营方式而异（采样前的中位时间为5年，范围从2年到30年），实践之间也不同，减少耕作和免耕的采用时间长于覆盖作物。

多年生参考系统的选择是基于识别每个区域优先SHSG上存在多年生植被的主要土地利用类型。除了存在多年生植被外，选择标准还包括土壤覆盖（即广泛的生活覆盖和/或死植物残体）、在土壤采样前至少10年停止机械土壤扰动，以及没有过去集约化土地利用的形态指标（例如，先前耕作下A层消失）。管理良好的牧场、干草场、果园和保育林地通常符合这些标准，而草坪、过度放牧的牧场以及因历史退化而退出生产的 former cropland 上的多年生植被（例如通过保护储备计划恢复的草地）则不符合。在果园中，我们对草覆盖的巷道而不是除草剂处理的地面进行采样。虽然大多数参考点是旱地，但佐治亚州采样的参考点中有40%接受补充灌溉。

在每个区域，通过与美国农业部自然资源保护服务、州县级的合作推广机构、保护区、棉花加工厂和作物顾问等多个机构合作伙伴的合作，招募拥有一种或多种目标管理系统类型的土地管理者。这个招募过程以七个重点区域为中心，但也导致招募了少数在相邻MLRA中拥有相似土壤的管理者（占最终数据集<5%）。

土壤采样是机会性的（即不随机化采样位置），取决于每个经营单位存在的SHSG和管理系统。平均每个经营单位采样三个管理单元（例如，田块）。采样在2021年、2022年和2023年的春末夏初（4月中旬至6月下旬）进行，大约在每个区域典型的棉花播种日期后一个月。在每个采样点，使用推式探针或手动螺旋钻在10米半径范围内，从0-15厘米和15-30厘米深度间隔收集复合土壤样品。使用土壤刀在一个中心位置从上部6厘米收集土壤团聚体；在土壤表现出很少或没有团聚作用的地方，将无可采样团聚体记录为现场元数据的一部分。使用滑锤取芯器在团聚体采样位置1米范围内，从0-15厘米和15-30厘米深度收集核心样品（直径7.5厘米）用于容重测定。

实验室分析与计算

样品被运送到商业土壤实验室进行分析，遵循土壤健康研究所的标准操作程序。复合样品和容重样品在32°C下用强制空气循环干燥至恒重，均质化（必要时使用连枷磨和研钵捣碎），过2毫米筛，并分样用于后续分析和水分校正（105°C，24小时）。对两个采样深度的复合样品通过干烧法分析总碳和氮浓度，并通过比重计法和湿筛法分析质地。对0-15厘米的复合样品还分析了24小时碳矿化潜力和pH（土水比1:2）。

使用基于图像的土壤崩解分析法来量化团聚体稳定性。将九个6毫米直径的土块（每个培养皿三个，共三个培养皿）在风干状态下和浸入蒸馏水10分钟后分别拍照。团聚体稳定性指数（无量纲）计算为初始土壤面积与最终土壤面积之比。ASI范围约为0.12至1.0，较低值表示较大的崩解（较低的团聚体稳定性），值为1.0表示完全稳定的团聚体。每个样品的三个重复在统计分析前使用几何平均值进行汇总。所有图像处理均使用SlakeItEasy R包进行。

容重（克/立方厘米）计算为细土部分（<2毫米）的烘干质量与采样体积之比；对于目测估计粗矿物碎片（>2毫米）体积含量<5%的样品，使用总烘干质量。

对（1）施加稀盐酸时产生气泡或（2）在具有白云质母质的县采集的土壤样品，通过改进的压力碳酸计法分析无机碳浓度。然后，土壤有机碳浓度（百分比）确定为总碳与无机碳之差（如果不符合测试标准，则假定无机碳为零）。

土壤有机碳储量（兆克/公顷）针对0-15厘米和15-30厘米深度计算为土壤有机碳浓度乘以容重再乘以15（深度间隔厚度，厘米）。0-30厘米的SOC储量确定为两个采样深度的SOC储量值之和。在报告SOC浓度、SOC储量和质地的结果时，我们用下标指定深度间隔（例如，SOC_conc,0-15）。

环境协变量

我们考虑实验室测量的土壤质地和pH值，以及几个可免费获取的地理空间数据产品，作为可能影响土壤健康指标值和有机碳储量的非管理因素（固有土壤属性和地点特征）的代理。为了表示每个采样点周围的一般气候条件，我们从DAYMET版本4（1公里分辨率）提取了1990年至2020年期间的年平均温度和年平均降水量的网格估算值。我们使用10米数字高程模型（通过elevatr R包访问的AWS Terrain Tiles）和WhiteboxTools地貌分析，推导出每个采样点的地形属性（坡度、局部起伏和平均曲率）。最后，我们从包含每个采样点的土壤制图单元的SSURGO中提取了主导排水等级。

统计分析

我们使用贝叶斯层次模型来估计土壤健康指标和有机碳储量对管理的响应，同时考虑非管理因素的影响。本质上，我们将每个响应变量（即土壤健康指标、有机碳储量、容重或底土有机碳浓度）建模为管理系统类型和非管理因素的函数，并对其他一个或多个变量设置区域特异性偏移（类似于随机效应）。由于贝叶斯模型拟合的计算成本很高，我们首先比较单区域的频率论模型，以选择在区域内和跨区域有影响力的非管理因素子集。这个初步模型比较表明，质地（粘土或粘土+粉砂）对土壤健康指标和有机碳储量有强烈影响，MAT和MAP有中等影响，地形属性或排水等级的影响很小或没有。模型比较还表明土壤pH对CMP有非线性影响。因此，我们考虑了质地、MAT、MAP和pH用于多区域建模。

在多区域模型中，允许整体平均指标值和管理系统类型的效应因区域而异。使用留一法、帕累托平滑重要性采样和模型残差的视觉评估，比较了包含不同非管理因素组合、具有或不具有非管理因素与响应变量之间区域特异性关系的模型。最终选择的模型用于量化非管理因素的影响、潜在测量值、以及SHMS和多年生参考相对于基线的平均差异。不包含零的95%分位数可信区间被视为具有统计学意义。对于SOC储量，我们仅在SOC浓度也存在显著差异时，才将管理系统类型间的平均差异解释为显著。这一标准排除了SOC储量的平均差异由容重差异驱动的情况，并导致与基于样条的等效土壤质量SOC储量插值几乎相同的结果（未显示）。有关建模和推断的更多细节，请参见在线补充材料。

结果与讨论

固有土壤属性、土壤健康指标和有机碳储量的趋势

土壤质地和pH在区域内部和跨区域范围内变化很大，粘土含量从1%到78%，pH从4.5到8.4。粘土含量和pH在德克萨斯州墨西哥湾沿岸草原以及阿肯色州和密西西比州的南密西西比河冲积平原区域内表现出最宽的变幅（最小和最大粘土含量之间差异>50%，最小和最大pH之间差异>3单位）。在佐治亚州南部沿海平原和阿拉巴马州墨西哥湾沿岸平原以沙质为主的景观中，采样的粘土含量范围要窄得多（20%）。这些区域内固有土壤属性异质性的差异反映了跨区域沉积母质沉积环境的对比，并追踪了用于棉花生产的土壤多样性的差异。土壤质地和pH的中位数和95%百分位范围在不同管理系统类型间相似，表明我们的采样策略是在区域相关范围的固有土壤属性和管理之间平衡采样工作的有效手段。

区域中位数土壤有机碳（SOC浓度和SOC储量）和CMP在两个以变性土为主的区域（德克萨斯州墨西哥湾沿岸草原和北部黑土草原）最高，强调了粘土含量（以及相关的物理化学性质，如反应表面积和微孔性）作为驱动SOC稳定和微生物活动区域间差异的重要因素。团聚体稳定性指数在最沙质的区域（佐治亚州南部沿海平原和阿拉巴马州墨西哥湾沿岸平原）最高。虽然沙质土壤中较高的团聚体稳定性可能看起来矛盾，但在本研究中使用的基于图像的崩解分析中，质地较粗的土壤表现出较低的面积膨胀率（较高的ASI）。所有三个土壤健康指标的最低中位值出现在德克萨斯州南部高平原，可能是由于该地区较冷、较干的气候下有机质输入速率降低所致。

在所有区域，测量的土壤健康指标和有机碳储量的中位数倾向于从基线到SHMS再到参考系统逐渐增加。然而，测量的指标值和有机碳储量在管理系统类型内部表现出广泛的范围，这在SHSG优先排序导致我们采样广泛对比土壤质地的区域是预期的。我们通过在多区域模型中包含土壤质地（粘土或粘土+粉砂）作为协变量来解释这种系统性变异的影响。

多区域模型

多区域模型解释了土壤健康指标和有机碳储量变异的60%至70%，与其它区域尺度调查中报告的农场土壤健康数据模型的R2相当或更高。容重模型的解释力较低（0-15厘米深度间隔的中位R2 = 0.44，15-30厘米深度间隔为0.51），但在已发表的土壤传递函数校准R2范围内，尽管我们的模型很简单。除CMP和容重外的所有响应变量的模型都包含了质地和气候协变量的区域变化效应。CMP的模型包含了MAT和MAP的区域变化效应，以及跨区域的粘土+粉砂与CMP的单一关系。容重模型包含了粘土的区域变化效应，并省略了MAT和MAP作为协变量。参数估计的摘要见补充表S2至S10。

土壤健康指标和有机碳储量对固有土壤属性和气候的敏感性

在所研究的区域中，土壤质地与土壤健康指标和有机碳储量的关系比MAT或MAP更强、更一致。图2说明了这些非管理因素如何与参考系统下的预期测量值相关联。每个区域采样的最细质地土壤的SOC_conc,0-15比最粗质地土壤高出181%，CMP高出61%，但同时更容易崩解（ASI较低）。然而，这些关系在总体粘土含量较低的区域（如佐治亚州南部沿海平原、阿拉巴马州墨西哥湾沿岸平原和德克萨斯州南部高平原）不那么明显，在这些地区，粉砂颗粒在土壤有机碳稳定中的作用可能更为突出。我们注意到，使用粘土+粉砂而不是粘土作为质地协变量，对于南密西西比河冲积平原富含粉砂的土壤，在CMP以外的所有变量的预测中引入了偏差，因此粘土+粉砂仅用于CMP模型。

气候效应在德克萨斯州的区域最为明显。在南部高平原，较暖地点的SOC_conc,0-15是较冷地点的一半（低51%），CMP是较冷地点的三分之一（低70%）。类似地，在德克萨斯州墨西哥湾沿岸草原，较湿地点土壤的SOC_conc,0-15（高48%）、ASI（高19%）和碳矿化潜力（高98%）明显高于较干地点的土壤。虽然降雨对团聚体稳定性的影响因区域而异，但来自佐治亚州和南密西西比河冲积平原的观察表明，沙质和粉砂质土壤随着降雨量增加更容易受到侵蚀，可能是由于土壤质地和矿物学的介导效应（例如，易侵蚀的云母质沙和粉砂冲积物随着MAP增加而更容易崩解）。我们在15-30厘米深度间隔发现了气候对SOC浓度更清晰的影响，这与先前发现的浅层底土中SOC浓度与气候耦合更强的结果一致。

我们在区域内部和跨区域检测到CMP与土壤pH之间存在驼峰关系，最大CMP出现在pH约6.4处。略酸性的条件已被证明在实验室中能产生较高的碳矿化速率，并且在田间更细尺度的pH梯度上能增强真菌活性。

区域土壤健康潜力进展

在考虑了固有土壤属性和气候的影响后，我们发现，在所有七个区域，一个或多个土壤健康指标在SHMS下相对于基线系统有所提高（图3）。SHMS与基线之间SOC_conc,0-15预期值的中位相对差异在德克萨斯州南部高平原为12%（95% CI: 2%, 25%），在德克萨斯州北部黑土草原为14%（3%, 29%），在佐治亚州南部沿海平原为18%（7%, 34%）。这一进展代表了每个区域通过比较多年生参考系统与基线系统估算的可实现的SOC_conc,0-15潜在改善的20%至25%（分别为51% [30%, 73%], 67% [48%, 89%], 和89% [69%, 114%]）。在其他四个区域，SHMS与基线之间SOC_conc,0-15的中位差异大于零，但这些估计的约束性较差（95% CI包含零）。SHMS与基线之间SOC_conc,0-15差异证据最弱的是阿肯色州和密西西比州的南密西西比河冲积平原（分别为8% [–2%, 18%] 和6% [–4%, 16%]）。在这些相同区域的研究试验中，已记录到采用诸如减少耕作和使用覆盖作物等实践变化的系统下土壤碳含量高于基线系统。然而，其他研究也显示在这些区域，实践变化后土壤有机碳没有显著变化，特别是在产量和生物量受到负面影响的情况下。我们并未在所有七个研究区域的所有土壤健康指标上都检测到SHMS与基线田块之间的显著差异，这不应被解释为当前实践无效的迹象，而应提醒我们评估土壤多功能性的重要性。土壤对管理的响应应包括多个土壤健康指标，认识到多个功能结果。

在五个区域（佐治亚州南部沿海平原、德克萨斯州北部黑土草原、阿拉巴马州墨西哥湾沿岸平原、以及阿肯色州和密西西比州的南密西西比河冲积平原）检测到SHMS与基线之间的ASI差异，估计差异范围从佐治亚州的11%（0.3%, 32%）到黑土草原的19%（8%, 32%）。这一进展代表了估计的ASI潜在改善的22%至39%。重要的是，我们还发现了管理对稳定团聚体存在概率的影响：我们在佐治亚州采样的沙土和沙质壤土在SHMS下比在基线系统下拥有表层团聚体（或任何土壤表层结构）的可能性高出282%（82%, 1,091%）。在德克萨斯州墨西哥湾沿岸草原或南部高平原，未检测到SHMS与基线之间的ASI差异。先前在南密西西比河冲积平原已记录到使用覆盖作物和轮作中包含高生物量经济作物可增加团聚体稳定性，这与我们的发现一致。虽然我们在德克萨斯州墨西哥湾沿岸草原的研究中未检测到ASI增加，但在与该MLRA条件相同的墨西哥北部，减少耕作确实导致了更高的团聚体稳定性。在德克萨斯州南部高平原，也发现了通过作物多样化和牲畜整合改善团聚体稳定性。

在四个区域检测到SHMS与基线之间的CMP差异，进展为密西西比州南密西西比河冲积平原的14%（2%, 30%）、德克萨斯州墨西哥湾沿岸草原的16%（2%, 36%）、阿拉巴马州墨西哥湾沿岸平原的21%（5%, 52%）和佐治亚州南部沿海平原的22%（8%, 47%），相当于潜在改善的10%至30%。CMP差异的估计在阿肯色州南密西西比河冲积平原以及德克萨斯州北部黑土草原和南部高平原具有高度不确定性。在德克萨斯州墨西哥湾沿岸草原，研究发现免耕在整个生长季节导致更高的CMP，这与我们的结果一致。减少耕作的使用已被证明可以改善密西西比河冲积平原和德克萨斯州墨西哥湾沿岸草原的微生物群落结构。

SHMS与基线之间SOC_stock,0-15和SOC_stock,0-30的差异大小与在三个管理响应对C浓度有影响的区域中SOC_conc,0-15的差异相似。我们还发现，在阿拉巴马州墨西哥湾沿岸平原（13% [1%, 28%]）和德克萨斯州墨西哥湾沿岸草原（13% [1%, 27%]），SOC_stock,0-15在SHMS下 consistently greater。由于SOC_stock,0-15是根据SOC_conc,0-15和容重计算的，我们预计在检测到SOC_stock,0-15差异的地方，一个或两个变量在管理系统间会存在差异。然而，这两个差异均不显著，并且对于这两个区域，SOC_stock,0-15的差异可能是一个数值假象（例如，由于SOC_conc,0-15和容重之间的协变）。

在阿肯色州南密西西比河冲积平原，0-15厘米的土壤碳浓度和储量在SHMS与基线之间均无差异，但我们发现，在0-30厘米处，SOC_stock,0-30在SHMS下高出11%（3%, 21%），这是由SHMS对15-30厘米深度间隔土壤碳的积极影响（19% [5%, 38%]）驱动的。由于该区域SHMS和基线系统均在垄上种植作物，我们推测0-15厘米深度间隔的SHMS效应无法检测到，是因为在垄维护（清沟/重新起垄）期间，低SOC浓度的物质沉积在土壤表面。

迄今为止在SHMS下实现的SOC储量进展，在0-15厘米上层代表了潜在改善的14%至26%，在0-30厘米上层代表了潜在改善的20%至33%。SOC_stock,0-15的潜在改善范围从德克萨斯州南部高平原的55%（33%, 77%）到德克萨斯州墨西哥湾沿岸草原的93%（72%, 117%）。SOC_stock,0-30的潜在改善低于0-15厘米上层的估计，从阿拉巴马州墨西哥湾沿岸平原的38%（20%, 56%）到德克萨斯州墨西哥湾沿岸草原的69%（52%, 89%），反映了在15-30厘米间隔，多年生参考系统与基线系统之间SOC浓度差异较小。

我们评估管理对容重的影响主要是为了帮助解释SOC储量的变化（见前文讨论），而不是为了对容重本身进行推断。尽管如此，我们注意到，在任何区域的任一深度，均未检测到SHMS与基线之间的容重差异。在阿肯色州和密西西比州的南密西西比河冲积平原，0-15厘米深度间隔的多年生参考系统表现出比基线系统更低的容重（分别为–10% [–14%, –6%] 和 –7% [–11%, –3%]）。在15-30厘米深度间隔，所有区域的多年生参考系统下的容重都低于基线系统，但在阿拉巴马州墨西哥湾沿岸平原和德克萨斯州南部高平原，95% CI包含零（两个区域均为–3% [–5%, 1%]）。

采样田块的土壤健康潜力进展

达到100%预期参考值的行栽作物田块比例因测量类型和区域而异。例如，在德克萨斯州北部黑土草原或墨西哥湾沿岸草原，没有采样田块达到ASI的参考值，但这些区域中有2%的采样田块达到了CMP的参考值。相比之下，在密西西比州和阿肯色州的南密西西比河冲积平原，都有田块实现了ASI的参考值（分别占田块的4%和8%），但这两个区域都没有田块达到CMP的参考值。这些差异可能部分是由于跨区域实践变化的分歧（例如，南密西西比河冲积平原的多年度垄作和部分覆盖作物， versus 北部黑土草原和墨西哥湾沿岸草原的减少耕作和免耕且覆盖作物最少），但管理以外因素的区域间差异也可能起作用。在所有测量类型和区域的组合中，至少有一个田块达到了预期参考值的70%或更多，因此我们建议，达到土壤健康指标参考值的70%是行栽作物生产系统土壤健康改善的一个雄心勃勃但可实现的目标。这些数据提供了证据，表明当管理转向减少耕作和覆盖作物时，行栽作物管理可以再生土壤健康和功能。

达到100%预期参考值的采样田块比例最高的是SOC_conc,15-30（从密西西比州南密西西比河冲积平原的7%到佐治亚州南部沿海平原的27%），最低的是SOC_stock,0-15