土壤结构体是指土壤颗粒排列成具有相似形状、大小、方向和稳定程度的土块或土团^[1-3]，其通常采用定性的形状类别进行描述，如板状、粒状、块状或柱状等^[4]。土壤结构体形状（也称为土壤结构体类型）对几种重要的土壤生物、物理和化学过程具有重大影响（如植物根的延伸、水的渗透和溶质的运输）^[5]，也为探明土壤成因和土壤年龄提供了线索^[6-7]。尽管土壤结构体的研究已受到人们的广泛关注，但对其形状的描述受到传统主观性分类的限制，导致其在分辨真实形状时具有不确定性。在野外实地调查中，土壤研究人员通常依据经验将从土壤剖面中观察到的土壤结构体与理想化的图形进行比较^[8]，从而划分结构体的形状类别，这种分类具有一定的主观性、偶然性。同时，由于缺乏可定义的形状标准，往往仍需评估其他信息后再进行分类（如在剖面中的位置、大小和颜色等）。在室内分析测试中，一些成像方法（如摄像技术和土壤切片技术等），已用于量化土壤微形态或孔隙^[9-12]。这些方法往往受到样本量级限制，主要集中在微米到厘米量级的团聚体或孔隙^[13-14]。然而，单个土壤结构体的量级往往高于团聚体或孔隙。此外，图像分辨率对结构体形状的量化也有相当大的影响，相对较高的图像分辨率（如70 mm像素）对于准确记录正确的几何图形至关重要^[15]。最近新开发的技术如计算机X射线断层扫描虽然可以获得土壤团聚体的准确三维几何特征，但其费用昂贵，分析过程较为复杂，样品在运输过程也容易遭到破坏^[16-17]。因此，亟需一种相对客观、准确的量化土壤结构体形状的方法以摆脱主观性、样本量级、分辨率和成本等因素的限制。

20世纪，Holden^[18]通过数字图像计算出描述物体几何形状的“圆角率”、“棱角度”和“表面粗糙度”等指标。在此基础上，Hartemink和Minasny^[19]提出了“数字形态计量学”这一描述，且应用数字形态测量技术能够定量表征土壤属性，然而这一技术在土壤结构体的研究尚未广泛应用。因此，本研究以土壤剖面的高分辨率图像为研究对象，采用数字形态计量学方法，从高分辨率照片勾勒出土壤结构体的不同形状，并使用图像分析软件从生成的形状中计算出形态计量学特征指标（圆角率、圆度、长轴椭圆角、长宽比、坚固度和宽高比），从形状、角度、方向等视角量化土壤结构体形状，明确土壤结构体的数字形态特征，摆脱主观性、样本量级、分辨率和成本等问题的限制。

1 材料与方法

本研究以重庆典型区域的耕作土壤作研究对象，共选择了9个土壤样地，采用数字形态计量学方法，从高分辨率照片勾勒出土壤结构体的不同形状，使用图像分析软件从生成的形状中计算出形态计量学特征指标，并根据形态计量学特征对结构体进行划分。作为对照，本研究还邀请了28位土壤从业人员浏览了原始土壤剖面照片以及数字化后结构体形状的图像，依据专家经验对土壤结构体形状进行分类。

1.1 土壤剖面图像采集及基本信息

本研究共选择了9个土壤样地，挖取的土壤剖面长、宽为1.5 m，深度约1.3 m至2 m不等，并根据土壤剖面发生学特性划分剖面层次，记录土层厚度、土壤颜色、结持性、质地、黏着性、可塑性、新生体、根系、动物活动等描述性特征，样品采集从下向上逐层进行，每层采集约3 kg土样。拍照前对土壤剖面进行清洁处理，以减少表面粗糙度和阴影对图像质量的影响，在自然光照条件下垂直于剖面拍摄，图像为2604×4242分辨率的JPEG格式，并将每个土壤剖面图像的光滑面进行裁剪，只保留其毛面部分。表 1列出了关于供试土壤剖面的详细信息。

1.2 剖面图像处理

首先通过Adobe Illustrator（Adobe Systems，San Jose，CA）中钢笔工具手工绘制9个土壤剖面照片中易于识别的结构体样本，过程中为了准确地勾勒出每张照片中的结构体样本，图像被数码相机放大了约15倍。具有相似颜色的像素被认为是土壤结构体的一部分，而介于两种可区分颜色之间的像素被认为是土壤孔隙（即土壤结构体之间的空间）。使用Adobe Illustrator从剖面照片中勾勒出的土壤结构体样本如图 1所示。

而后，将从Adobe Illustrator软件中勾勒出的土壤结构体图片导入到Image J软件（版本1.48；http://imagej.nih.gov）中进行数字图像分析，根据相应图片中土壤剖面尺的刻度设定比例尺（本研究所有图片的比例尺单位为cm），随后对图像进行灰度化和二值化处理，并根据二值化图像的“颗粒分析”功能量化每个结构体的数字形态计量学特征。数字图像分析过程如图 2所示。

1.3 土壤结构体形状测定

土壤结构体形状特征由Image J软件测定，选取的数字形态计量学特征指标包括圆角率、圆度、长轴椭圆角、长宽比、坚固度和宽高比，通过形状、角度、方向等特征综合反映土壤结构体宏观与局部的变化特征与形态。数字形态计量学特征计算方法如下：

$C = \frac{{4{\rm{ \mathsf{ π}}}{\text{A}}}}{{{{\text{P}}^2}}}$

(1)

式中，C为圆角率，为物体面积A与周长相当于物体周长的完美圆面积P之间的比率，圆角率值介于0和1之间，接近1表示形状是平滑的圆形，接近0表示形状是较粗糙或瘦长的，形状区域较小且角和边数较多的土壤结构体具有较低的圆角率值。

$R = \frac{{4{\text{A}}}}{{{\rm{ \mathsf{ π}}}{{\text{E}}_{{\text{2maj}}}}}}$

(2)

式中，R为圆度，可根据物体的面积和最佳拟合椭圆的主轴长度计算得出，圆度值介于0和1之间，1表示正圆，较低的圆度值，代表结构体具有更锐利和更清晰的边缘。

${\text{AR}} = \frac{{{{\text{E}}_{{\text{maj}}}}}}{{{{\text{E}}_{{\text{min}}}}}}$

(3)

式中，AR为长宽比，是最佳拟合椭圆的长轴与短轴长度之比，其中E_min为最佳拟合椭圆短轴的长度。长宽比的值相当于圆度R的倒数，范围在1和∞之间。

$S = \frac{A}{V}$

(4)

式中，S为固体度，为物体的面积与其凸面积V的比值。其中，凸面积定义为凸出部分的面积（即连接向外顶点和所有小于180°的内角所创建的多边形）。固体度为对给定物体的整体凸度（即颗粒边缘粗糙度）的测量，当物体的面积和凸出的面积相互接近时，物体变得更加坚固，接近1的值表示表面光滑，远离1的值表示表面粗糙度较大。

${\text{W}}{{\text{H}}_{{\text{ratio}}}} = \frac{{{{\text{w}}_{{\text{box}}}}}}{{{{\text{H}}_{{\text{box}}}}}}$

(5)

式中，WH_ratio为宽高比，为形状轮廓的外接矩形的宽度（W_box）与高度（H_box）的比值。外接矩形的方向是相对于图像的坐标系而言的，因此，宽高比既是形状计量又是方向计量。

此外，本研究还利用长轴椭圆角（即与结构体形状的最佳拟合椭圆的长轴与平行于图像x轴的线之间的角度）来研究土壤结构体的方向。

1.4 土壤结构体形状分类

完成数字图像分析过程后，参照美国农业部土壤调查局的土壤结构分类表^[20]中的指标对二值化图像中的土壤结构体形状进行分类（表 2），如团粒状、次角块状、角块状、棱柱状、圆柱状。

1.5 数据分析

采用Excel 2019和Origin 2022软件进行图表绘制，采用SPSS 26软件进行数据分析。采用单因素方差分析及最小显著性差异检验比较了土壤结构体形态计量学特征之间的差异和土壤从业人员对土壤结构体形状分类结果的差异，采用独立样本T检验比较了不同层次土壤结构体形态计量学特征的差异。

2 结果 2.1 土壤结构体分类

基于美国农部土壤调查局的土壤结构分类表，967个数字化的结构体分类及数量统计情况如表 3所示。团粒状结构体数量占比最大，约占总量的49.9%；次角块状和角块状分别占比26.9%和16%；棱柱状和圆柱状占比最少，分别占总量的5.3%和1.9%。

在对土壤从业人员的分类结果整理后得到图 3，如图所示，五类不同工作年限的从业人员平均正确率分别为0.63、0.66、0.68、0.71、0.72，由此可知，分类的正确率随从事土壤工作时间增加而增加，值得注意的是，土壤从业人员对除了团粒状以外的其他土壤结构分类的准确率均未能超过80%，0~7年工作年限的从业人员对角块状和棱柱状的分类准确率甚至只有50%左右。在五种结构类型中识别的困难程度为角块状 > 次角块状 > 棱柱状 > 圆柱状 > 团粒状，其中识别团粒状的平均正确率为81%，而识别角块状的平均正确率为58%。

2.2 形态计量学特征

如图 4所示，团粒状结构的平均圆角率值高达0.842，最高值甚至高达0.972，与其他土壤结构（次角块状、角块状、圆柱状、棱柱状）均表现出显著差异（P < 0.05）。次角块状、角块状的平均圆角率值分别为0.784和0.713，各向异性的土壤结构体形状（圆柱状和棱柱状）的平均圆角率值相对较小，分别为0.574和0.494；等维形状中的角块状、团粒状、次角块状的宽高比平均值分别为1.014、1.051、1.039，三者之间并无较大差异，而各向异性形状中圆柱状和棱柱状宽高比平均值为0.420和0.371，与等维形状的宽高比平均值差异显著；等维形状结构体（团粒状、次角块状、角块状）的长轴椭圆角介于0和90°之间，平均值分别为36.5°、46.2°、38.3°，而各向异性结构体（圆柱状、棱柱状）的长轴椭圆角集中于70°到90°之间，平均值分别为85.6°、84.4°；团粒结构的平均圆度值为0.792，最高甚至达到0.987，这与角块状（0.728）、次角块状（0.770）、圆柱状（0.336）、棱柱状（0.287）相比表现出显著差异。角块状、圆柱状、团粒状、棱柱状和次角块状结构体的平均长宽比值分别为1.373、2.975、1.263、3.443、1.299，等维结构体与各向异性结构体依旧表现出显著差异，同时，等维形状结构体中，团粒状结构与角块状结构也有较大差异；角块状、圆柱状、团粒状、棱柱状和次角块状结构体的平均固体度值分别为0.937、0.943、0.927、0.921、0.948，结果显示，棱柱状结构与其他结构均表现出显著差异。

2.3 剖面形态特征

由表 4可知，9个剖面表层土壤结构体的平均圆角率值均高于心土层，其中剖面②、④、⑥、⑨表层与心土层之间土壤结构体的平均圆角率值差异显著；9个剖面表层土壤结构体的平均圆度值均高于心土层，其中剖面①、②、④、⑤的表土层结构体平均圆度值与心土层结构体平均圆度值差异显著；9个剖面表层土壤结构体的平均长宽比值均低于心土层，其中剖面①、②、④、⑤、⑧、⑨的表土层结构体平均长宽比值与心土层结构体平均长宽比值差异显著；9个剖面表层土壤结构体的平均长轴椭圆角值均低于心土层，其中剖面②、⑤、⑦的表土层结构体平均长轴椭圆角值与心土层结构体平均椭圆角值差异显著；9个剖面表层土壤结构体的平均宽高比值均高于心土层，其中剖面①、②、④、⑤、⑧的表土层结构体平均宽高比值与心土层结构体平均宽高比值差异显著；剖面编号②、③的表土层结构体平均固体度值与心土层结构体平均固体度值差异显著。

由表 5可知，9个土壤剖面的团粒状结构均主要集中在A层，分别约占A层结构体数量的54%、64%、85%、63%、60%、75%、75%、78%、84%；角块状、次角块状、棱柱状和圆柱状结构主要集中在B层，分别约占70%和56%，棱柱状和圆柱状结构则主要聚集在土壤B层，仅有6%的柱状结构出现在土壤A层。

3 讨论

数字图像技术是量化土壤结构体形态特征的一种重要手段。本研究通过Adobe Illustrator和Image J软件处理高分辨率土壤剖面图像，以一致、便捷的方式数字化多张图像，从而确保结果的可重复性和标准化。基于Holden^[18]的研究，本研究提出了圆角率、圆度、长轴椭圆角、长宽比、固体度和宽高比等六个土壤结构体形态计量学特征指标。数字形态计量学特征值计算结果表明，圆角率可以对本研究的五种结构体形状（团粒状、次角块状、角块状、圆柱状、棱柱状）均作出区分；等维形状和各向异性形状的长轴椭圆角和宽高比之间差异显著；圆度和长宽比则可以区分块状结构（次角块状、角块状）以及柱状结构（圆柱状、棱柱状）；棱柱状结构的固体度与其他结构之间差异显著。因此，通过本研究提出的六个形态计量学指标，典型的结构分类和主观描述被转化为定量的形状数据。土壤工作者广泛使用感官评价方法进行土壤结构的定量化，经验和视觉信息是其分辨结构体形状的主要途径^[21-24]。根据本研究中相关土壤专家和学者的反馈结果（图 4），他们普遍在分辨角块状与次角块状、棱柱状与角块状以及圆柱状与次角块状时存在分歧。尤其是对棱柱状、角块状的分类错误率较高，除 > 30年工作年限的土壤工作者以外，各个工作年限的平均正确率均不足70%，所有专家学者识别棱柱状、角块状的正确率仅为61%和58%。这些误差可能归因于土壤工作者的判断错误或经验不足。此外，如图 2所示，由于初始土壤剖面图像的背景十分复杂（如过明或过暗、植物根系黏连和阴影面积等），也可能会导致土壤工作者在分辨土壤结构的过程中出现错误。而经过二值化处理后图像呈现的土壤结构体形状与背景对比清晰，更易辨别。因此，通过数字形态计量学方法可以有效地减少和降低人为因素和自然因素的干扰，相比较于依赖视觉和经验的传统定性分类方法，本研究通过剖面数字图像计算出土壤结构体定量的形状数据，再将其代入到土壤结构分类表^[20]进行分类的方法更具客观性、一致性和可测量性。此外，在处理数字图像的过程中发现，原始的土壤剖面数码图像可能会存在一些“噪声”，这些“噪声”往往会影响分析结果。因此，在二值化处理时应去除噪点以避免“噪声”对分析结构体轮廓边缘的影响，从而提高分析精度。

土壤结构的形成与演变、冻融循环、破碎崩解、根系生长和有机质胶结等作用机制密切关联^{[2，25，26]}，由于人为耕作和大气循环的影响，这些机制可能在表层土壤结构的形成与演变中扮演着重要角色。通过对比土壤剖面A层与B层土壤结构体形态计量学参数后发现，9个土壤剖面中表层土壤结构体形状的圆角率和圆度均高于心土层和母质层。如前所述，结构体形状区域越小且角和边越多代表着圆角率和圆度值越小，这意味着土壤表层中接近于圆球状的团粒结构高于心土层和母质层，这说明在农耕条件下，表层土壤结构体形成的过程，不仅是母质层颗粒在土壤膨胀收缩作用下破碎的过程^[27]，也可能是土壤结构体形状逐渐从块状结构向圆球状结构转化的过程。在进一步对土壤剖面各层次中不同结构体类型的数量进行统计后发现，9个土壤剖面的团粒状结构均主要集中在土壤表层（占比为71%），其数量远超其他结构（角块状、次角块状、棱柱状、圆柱状）数量的总和，9个土壤剖面的团粒状结构均主要集中在A层，分别约占A层结构体数量的54%、64%、85%、63%、60%、75%、75%、78%、84%。这一研究结果与前文有关土壤结构体在形成与演变过程中的转化趋势一致。在本研究中，团粒状结构在9个土壤剖面表层大量聚集且随着深度增加而数量逐渐减少的现象可能与团聚体形成机制有关^[28-32]。有机质是形成土壤团聚体最重要的胶结物质，有机质中不同组分的协调作用可促使土壤颗粒间胶结，从而改变土壤结构体形态。在本研究中，来自9个土系的土壤个体由于长时间的施肥耕作，也出现了有机质在耕作层聚集，在心土层和母质层减少的现象。这一现象与Jobbágy和Jackson^[33]研究基本一致。另一方面，表层土壤的蚯蚓压实和剥离作用也可能是造成土壤结构体以圆球状结构为主要结构特征的一种重要因素^[34]。而在本研究中，次角块状和柱状结构在B层中占比较高，这可能与B层中高浓度的硅酸盐黏土及其在高垂直压力下土壤收缩引起横向相邻结构单元分离现象有关^[35-36]。

在本研究中，基于数字图像技术量化土壤结构体形状的方法不仅能够定量表征现有图像中的土壤结构体，还阐明了土壤结构体形状在形成过程中逐渐向圆球状转化的规律，为从区域尺度上定量表征土壤结构提供了技术支持和理论依据。对于未来有关土壤结构体形状的定量研究，本文建议从每个土壤剖面上采集一定数量的结构体，并拍摄结构体的照片，以掌握它们的形状轮廓。将这些结构体作为单个样本拍摄，同时结合剖面数字化图像，可以更加准确、客观地量化土壤结构形态特征。

4 结论

本研究发现数字形态测量方法能够快捷方便，准确无损地量化土壤结构体形态特征。此方法能够将土壤结构的典型分类描述转换为连续的定量数据。在对土壤结构体形状进行分类时，可通过剖面数字图像计算出土壤结构体定量的形状数据（圆角率、圆度、长轴椭圆角、长宽比、坚固度和宽高比），再参照传统的土壤结构分类表进行分类，以避免人为误差。9个土壤剖面中表层土壤结构体的圆角率、圆度较心土层土壤结构体圆角率、圆度大，说明在农耕条件下，表层土壤结构体形成过程可能是土壤结构体形状逐渐从块状结构向圆球状结构转化的过程。