空间变异特征（共10篇）
空间变异特征 篇1
0引言
土壤是不均一和变化的连续体, 对田间实际测定结果的分析表明, 在土壤质地相同的区域内, 土壤特性 (物理、化学等) 在同一时刻, 各个空间位置上的量值并不相同, 这种属性称为土壤特性的空间变异性[1，2]。土壤是农业生产的重要物质基础和生态系统的重要组成部分, 其性质和空间变异性对于提高人类的生活质量和实现人类社会的可持续发展有重要的意义[3]。
自20世纪70年代提出土壤空间变异性这一性质至今, 土壤空间变异的研究一直都受到学术界的热切关注。马黎春等人对克拉玛依干旱生态农业区的土壤质地的空间异质性进行了研究[4], 建议根据土壤颗粒的分布特点因地制宜的加强农田保护、土壤培肥和农田防护林的建设;Tsegaye等通过对植物生长和养分吸收的测量研究, 分析了精耕细作对土壤测土值、植物生长及其营养吸收值的空间变异的影响[5]。
近年来, 由于风蚀、冻融侵蚀、水土流失、不合理施肥等因素导致黑土地的面积正在不断地退化减少, 土壤肥力也在逐年的下降[6]。本文对松嫩平原黑土区的坡耕地的主要土壤参数的空间变异特征所进行的研究, 可以为黑土区的土地修复和精准农业研究提供一定的参考价值。
1研究区概况
试验区选择在黑龙江省北安市红星农场3°坡耕地, 红星农场位于小兴安岭西麓向松嫩平原的过渡地带, 为丘陵漫岗地区, 地势由东向西倾斜, 北部地形呈丘状起伏, 南部为波状起伏, 岗顶平缓, 坡面较长。该场地处中纬度欧亚大陆, 属中温带湿润大陆性季风气候, 多年平均气温0.8 ℃, 10的有效积温2 254.5 ℃, 日照时数为2 364.2h, 无霜期110~115d, 土壤以黑土为主, 质地黏重, 入渗困难。降雨集中在7-9月份, 占全年降水量的90%, 降雨集中且历时短, 降雨强度大, 年际变化较大, 整个地区坡耕地水土流失严重旱涝灾害频发, 主要种植作为有大豆等。
2材料与方法
2.1土壤采集与参数测定
本试验在研究区选取当地的典型样地, 采用网格取样方式, 采样区域为100m×100m的正方形坡耕地, 将这块样地分成大小为10m×10m的网格, 在网点的交叉点周围取样, 采集土壤表层0~20cm的土样, 共设置100个取样点, 针对每一个参数要求取得100个土样进行试验分析, 每个试验参数重复3次试验, 采样布置图见下图1。
土壤含水量的测定采用烘干法测定;土壤饱和含水量和土壤干容重的测定采用环刀法测定;土壤有机质采用重铬酸钾滴定法测定;土壤的机械组成采用比重计法测定, 按照我国1978年制定的土壤质地分类标准, 分为沙砾 (>0.02 mm) 、粉粒 (0.002~0.02mm) 、黏粒 (<0.000 2mm) 。
2.2空间统计方法
根据阐述地统计学的基本理论及有关参数的参考文献[1，7，8]。在本实验研究中, 应用spss17.0软件进行区域化变量的描述性统计分析。对符合正态分布的数据采用Matlab软件, 通过不断拟合得到土壤有机质变异函数理论模型及相关参数, 绘制出土壤各参数半方差函数理论模型的曲线图, 最后应用Matlab软件对试验实测数据进行kriging插值成图并进行空间分布特征分析。
3结果与分析
3.1描述性统计分析
半方差函数的计算一般要求数据符合正态分布和一般正态分布的规律, 否则可能存在比例效应。对表层0~20cm深土层的土壤含水量、饱和含水量、干容重、有机质含量、砂粒含量、粉粒含量、黏粒含量进行了Kolomogorov-Smirnov (K-S) 检验。经检验后的参数值列于表1中。得到土壤含水量、饱和含水量、干容重、有机质含量、沙粒含量、粉粒含量、黏粒含量K-S检验值分别为0.602、0.745、0.720、1.335、1.138、0.856、 0.815, 研究表明以上土壤参数指标的检验结果均符合正态分布的假设, 可以对实验所得数据进行半方差函数分析。
通过土壤各参数信息和各参数的变异系数可以粗略的估计研究区域相应性状的变异程度。按照土壤科学中, 根据变异系数值对土壤性质变异程度所进行的分类可知[8]:表层0~20 cm深土壤各参数中, 含水量的变异系数为0.068, 表明含水量呈现较弱程度的变异性;饱和含水量、干容重、有机质含量、砂粒含量、粉粒含量、黏粒含量的变异系数分别为:0.131、0.649、 0.345、0.286、0.243、0.307, 表明饱和含水量、干容重、有机质含量、砂粒含量、粉粒含量、黏粒含量均呈现中等程度的变异性。常规统计分析给出了如表1的统计特征参数, 但上述变量除表现为随机性外, 还表现为空间的结构性, 研究其空间分布规律需要地统计学中半方差的理论来揭示[2，9，11，12]。
3.2半方差函数的结构分析
土壤各参数的变异既受到自然因素 (如气候因素等) 的影响, 同时也受到一些随机因素 (如环境污染等) 的影响, 这种空间变异性是自然因素和随机因素共同作用的结果[8], 块金值C0反映由采样分析误差和小于取样尺度上施肥、管理、耕作等随机因素引起的变异;结构方差C表示由土壤母质、地形、气候等结构性因素引起的变异;基台值 (Co+C) 表示的是系统的总变异;块金效应C0/ (Co+C) 是指随机部分引起的空间变异占系统总变异的比例。较大的块金方差表示较小尺度上的某种过程不容忽视。在研究区域砂粒含量和粉粒含量不具有空间相关性。
应用地统计学对100个采样点的土壤参数信息进行了空间变异分析。表层0~20cm深土层土壤的含水量、饱和含水量、黏粒含量半方差模型均符合球状模型;干容重半方差模型符合指数模型;有机质含量、砂粒含量、粉粒含量的半方差模型均符合线性模型。拟合的半方差函数及其参数见表2。表层0 ~20cm深土层土壤的7项土壤参数指标拟合半方差模型结果如图2所示。
在研究区表层0~20cm土层的7项土壤参数中, 含水量、饱和含水量、有机质含量、黏粒含量的结构比分别为:0.646、 0.597、0.551、0.669, 各值在0.25~0.75之间, 所以土壤的这4项参数具有中等程度的空间相关性;土壤干容重的结构比为0.077, 其值小于0.25, 则土壤的干容重具有较高程度的空间相关性, 存在着明显的空间自相关格局[14]。说明土壤含水量、饱和含水量、有机质、黏粒含量的空间相关性变化特点主要由结构性因素控制, 如气候、母质、地形、土壤类型自然因素等导致的。
由表2可知, 该研究区各参数相应模型的拟合度较高, 具有较高的实用可靠性。土壤干容重半方差模型的拟合度高达0.921, 其拟合程度最好;土壤含水量、土壤饱和含水量和土壤有机质的半方差模型的拟合度分别为0.789、0.800和0.706, 它们的拟合程度较好;土壤黏粒半方差模型的决定系数最低为0.133, 该值虽较低, 但这是由于该研究区的土壤黏粒的空间异质性较弱所引起的, 即存在较弱的空间关系。
3.3空间分布特征
布点取样只能获得少量有限的样点数据, 如果反应空间分布格局, 必须进行插值估计。克立格法是根据有限领域内若干已测定样点数据, 通过把握其变异函数所提供的结构信息, 权衡所有样点形状、大小和空间关系, 以及他们与待估样点相互空间位置关系, 对该待估样点进行线性最优无偏估计插值[9，13]。用块段克里格方法对表层0~20cm深土壤含水量、 饱和含水量、土壤干容重、土壤黏粒含量的4项指标进行空间差值, 每个块估计值通过Kriging插值其空间分布, 有明显的片状和斑块状特点。
土壤含水量表现为明显的岛状分布, 在坡下和破中部出现几个高值区, 以这几个高值区为中心, 依次向外呈圈层结构, 其整体分布大致呈现沿坡上到坡下递增的分布特点[图3 (a) ]。 土壤饱和含水量的分布与土壤机械组成、作物种类、土壤类别等有关, 本研究中, 土壤饱和含水量表现为明显的斑块状特点, 其高值出现在研究区的坡上、中部[图3 (b) ]。土壤干容重的整体分布呈现沿坡上到坡下递减的分布特点, 表层土壤容重在坡面尺度的变化会受到地表作物种类、微地形、雨后土样采集时间等的影响, 本次用于土壤干容重试验的土样采集是在雨后5 d左右, 所以在破中部及偏下地区也出现较高值[图3 (c) ]。土壤黏粒含量所呈现的是岛状分布, 主要高值区主要出现在坡下部, 以这个高值区为中心, 依次向外成圈层结构[图3 (d) ]。
综上所述, 黑土区坡耕地土壤含水量、土壤饱和含水量均大致呈现出从坡上到坡下递减的分布规律, 但后者从坡上到坡中的变化幅度较小, 坡中到坡下的变化幅度则相对明显;土壤干容重大致体现出沿坡度方向递减的特点, 土壤黏粒则呈现沿坡度方向递增的变化规律。
4结语
(1) 从各参数的常规统计量中的变异系数可以得到土壤含水量呈现较弱程度的变异性;饱和含水量、干容重、有机质含量、砂粒含量、粉粒含量、黏粒含量均则呈现中等程度的变异。 而在进行空间统计分析后, 可以看出土壤含水量、土壤饱和含水量、土壤干容重、土壤有机质含量、黏粒含量均属于中等程度的空间相关性, 而土壤干容重的空间相关性较高。
(2) 球状模型能够很好地模拟研究区土壤含水量、饱和含水量和黏粒含量的分布规律;干容重的最佳半方差模型为指数模型;有机质含量、砂粒含量、粉粒含量的拟合以线性模型为最优。
(3) 本文以黑土区坡耕地为研究对象, 将经典统计学和地统计学结合起来, 对植物生长所获得养分和水分的主要土层的主要土壤参数进行了较全面的试验分析, 根据其分布特点, 对水肥状况进行合理调控, 为黑土区坡耕地农业水土资源的可持续高效利用提供了理论依据。
空间变异特征 篇2
摘要：采用地统计及地理信息(GIS)技术研究了山东省淄博玉米产区土壤砷含量空间变异性及其分布特点.淄博玉米产区土壤砷监测数据呈正偏态分布,为实现数据集正态化及降低偏大值对预测结果的影响,对原始数据集进行了自然对数变换.结果表明,变换后数据集的`经验半变异函数存在明显各向异性,在北偏东70°方向上变异性最弱.应用指数模型拟合经验半变异函数,采用普通克里格法预测砷元素的空间分布状况.研究表明,本区域土壤砷含量存在明显的空间异质性,污水灌溉是引起土壤砷元素空间变异最主要的因素,监测区内土壤As元素含量存在实际“亏损”状况.作 者：赵玉杰 师荣光 白志鹏 傅学起 刘凤枝 高怀友 ZHAO Yu-jie SHI Rong-guang BAI Zhi-peng FU Xue-qi LIU Feng-zhi GAO Huai-you 作者单位：赵玉杰,师荣光,ZHAO Yu-jie,SHI Rong-guang(南开大学环境科学与工程学院,天津,300071;农业部环境监测总站,天津,300191)
白志鹏,傅学起,BAI Zhi-peng,FU Xue-qi(南开大学环境科学与工程学院,天津,300071)
刘凤枝,高怀友,LIU Feng-zhi,GAO Huai-you(农业部环境监测总站,天津,300191)
空间变异特征 篇3
关键词：空间结构；空间插值；空间自相关性；重金属污染
中图分类号： X53；S127；X753 文献标志码： A 文章编号：1002-1302（2014）07-0373-03
收稿日期：2013-10-24
基金项目：教育部新世纪优秀人才支持计划（编号：NCET-12-0964）。
作者简介：石娟娟（1987—），女，河南驻马店人，硕士研究生，主要从事国土资源遥感研究。E-mail：sjj090312@163.com。土壤重金属容易通过扬尘、植物、人类活动等途径进入人体，从而严重影响人类健康。除此之外，重金属污染还具有环境危害持久性、地球化学循环性、生态风险性等[1-3]。矿山开采是重金属污染的重要来源，矿山开发过程中产生的大量废弃物如尾矿、废石随处堆放，不仅占用大量土地，而且破坏堆置场原有的生态环境[4-5]。研究矿区重金属的空间结构及分布特征对于制定重金属污染修复方案、提高土壤利用率具有重要意义。重金属在土壤中的分布是不均一的、连续变化的，具有高度的空间变异性。传统的统计分析方法通常将土壤看作是一个独立的均质区域，通过土壤的统计数据来描述土壤的空间变异，因此存在较多局限性。地统计学能定量描述区域化变量空间的变异特征，克立格插值能可视化土壤特性空间分布格局，并为其空间预测提供最优无偏估计[6]。Pb、Cu是土壤重金属空间变异研究的重要对象。刘琼峰等对城郊农田土壤Pb、Cd的空间变异性研究发现，城市中人类活动在一定空间尺度内对近郊区农田土壤Pb、Cd含量有较大的影响，通过半方差函数分析，发现空间变异由结构性因素、随机因素共同作用[7]。白晓宇等对铜陵矿区土壤重金属元素的空间变异研究发现，铜陵矿区土壤重金属As、Cd、Pb、Zn元素的变异函数表现为各向异性，其方向性主要受矿床分布控制[8]。本研究以金矿区周边土壤重金属Pb、Cu为材料，利用GIS、地统计学分析方法对该矿区Pb、Cu的空间结构及变异规律进行分析，以期为该矿区Pb、Cu污染治理提供依据。
1材料与方法
1.1研究区概况
该研究区属暖温带大陆性雨热同季的季风性干旱气候，温差较大，降水较少，气候比较干燥。受成土母质、外界环境影响，该区的土壤结构和类型差别较大，由南向北大体可分为棕壤、褐土、沙黏土、垆土4种土壤。
1.2样品采集与分析
采用网格法布设采样点，采集耕作层（0～20 cm）的土壤样品，除去杂草、草根、砾石等杂物。每采样点以1点为中心，在周围50 m范围内采集3处子样，通过混合四分法，保留 1 kg 样品，装入布袋。采样、样品保存、样品处理过程中均采用非金属容器，避免样品污染。布设土壤采样点时综合考虑研究区成土母质、土壤类型、地形条件等因素，采用网格法、分层抽样法进行设计。野外样品采集过程中利用1 ∶50 000地形图、 GPS进行定位，并根据实地情况进行调整，共获得46个土壤样点（图1）。
采集的土壤样品经自然风干后，用木棒研碎，过20目筛。室内用高铝钵粉碎均匀，待样品粒度达到一定程度后过100目筛。采用等离子体质谱法（ICP-MS）测定土壤样品中Pb、Cu 2种重金属的含量。测定结果如表1所示。
1.3方法
地统计学也被称为地质统计学，是以具有空间分布特点的区域化變量理论为基础，以半方差函数为基本工具，运用克里格插值法，对自然现象的空间变异问题进行分析研究[9]。本研究采用SPSS19.0软件对Pb、Cu的空间含量分布进行正态分布检验并剔除异常值，采用GS+9.0进行模型最优拟合，最后在ArcGIS9.3软件中应用Kriging插值模块，输入拟合参数，内插生成土壤中Pb、Cu的空间含量分布图。
3结论
本研究结果表明，Pb、Cu含量均值分别为713.358、108.828 mg/kg，均超过了国家土壤环境二级标准。两者的变异系数均大于1，属于强变异。Pb、Cu的空间分布相关系数为0.978，达到极显著相关水平，表现出极强的协同作用，而非拮抗。Pb、Cu的含量分布均不符合正态分布，经对数变换后，K-S值大于0.05，且P-P图上2种重金属的特征数据均呈现直线趋势，说明对数转换后的数据符合正态分布，可用于地统分析。Pb、Cu存在半方差结构，且二者的最优拟合模型分别为指数模型、球状模型。Pb、Cu的变程分别为450、236 m，Pb的变异程度强于Cu。二者的块基比分别为 0.51×10-3、0.11×10-2，均小于0.25，说明二者有很强的空间自相关性，表明Pb、Cu的含量分布主要受人为活动的影响。Pb含量呈团状分布，Cu含量呈条带状分布，均表现出东南高、西北低的特征，高值区均分布在东南角的山前冲积斜塬地区，且空间变异主要发生在东南到西北的方向。Pb的空间分布图上图斑数目要明显多于Cu，这与Pb的强变异性密切相关。
参考文献：
nlc202309021314
[1]史贵涛，陈振楼，李海雯，等. 城市土壤重金属污染研究现状与趋势[J]. 环境监测管理与技术，2006，18（6）：9-12，24.
[2]于小俸，唐嶷，胡玉. 酸性土壤重金属含量的影响因素——以湖南壶瓶山自然保护区为例[J]. 广东农业科学，2011，38（9）：54-55.
[3]Lu J S，Liu Y，Zhang Z L，et al. Factorial kriging and stepwise regression approach to identify environmental factors influencing spatial multi-scale variability of heavy metals in soils[J]. Journal of Hazardous Materials，2013，261：387-397.
[4]毛竹，张世熔，李婷，等. 铅锌矿区土壤重金属空间变异及其污染风险评价——以四川汉源富泉铅锌矿山为例[J]. 农业环境科学学报，2007，26（2）：617-621.
[5]何佳芳，何腾兵. 某铅锌冶炼厂废弃地复垦整理区土壤重金属污染评价[J]. 水土保持学报，2006，20（2）：97-101.
[6]张博，赵耕毛，刘兆普，等. 江苏滩涂围垦区土壤养分空间变异研究[J]. 江苏农业科学，2010（5）：461-464.
[7]刘琼峰，李明德，吴海勇，等. 城郊农田土壤Pb、Cd的空间变异与评价研究——以长沙市为例[J]. 长江流域资源与环境，2012，21（2）：195-203.
[8]白晓宇，袁峰，李湘凌，等. 铜陵矿区土壤重金属元素的空间变异及污染分析[J]. 地学前缘，2008，15（5）：256-263.
[9]黄勇，郭庆荣，任海，等. 地统计学在土壤重金属研究中的应用及展望[J]. 生态环境，2004，13（4）：681-684.
[10]吴文勇，尹世洋，刘洪禄，等. 污灌区土壤重金属空间结构与分布特征[J]. 农业工程学报，2013，29（4）：165-173.
[11]姚荣江，杨劲松，杨奇勇. 典型农区耕作土壤重金属空间变异的稳健性分析[J]. 环境科学与技术，2012，35（S2）：1-7.
[12]Wang X J，Zhang Z P. A comparison of conditional simulation，kriging and trend surface analysis for soil heavy metal pollution pattern analysis[J]. Journal of Environmental Science and Health，Part A：Toxic/Hazardous Substances and Environmental Engineering，1999，34（1）：73-89.
[13]孫波，周生路，赵其国. 基于空间变异分析的土壤重金属复合污染研究[J]. 农业环境科学学报，2003，22（2）：248-251.
[14]蔡德所，王魁，黄景新，等. 喀斯特峰丛洼地原生林区土壤矿质元素空间异质性研究[J]. 中国水土保持，2010（5）：33-36.
[15]葛剑平，郭海燕，仲莉娜. 地统计学在生态学中的应用（Ⅰ）——基本理论和方法[J]. 东北林业大学学报，1995，23（2）：88-94.
[16]Zhao Y C，Wang Z G，Sun W X，et al. Spatial interrelations and multi-scale sources of soil heavy metal variability in a typical urban-rural transition area in Yangtze River Delta region of China[J]. Geoderma，2010，156（3/4）：216-227.
空间变异特征 篇4
1 材料与方法
1.1 土壤样品采集
2009年以依安县先锋乡长山村地块为研究对象,按每个土样代表地块面积13.3 hm2进行散点取样,在每个取样点,以10 m半径内取10土钻的耕层土壤进行混合作为一个样点,均采用GPS定位取样,共取土样111个,覆盖面积1 460.7 hm2,取样点分布状况见图1。取得的土样送到中国农业科学院国家测土施肥中心和黑龙江省农业科学院土壤肥料与环境资源研究所化验室进行土壤速效养分分析。
1.2 土壤样品分析
速效氮、磷、钾及pH用常规方法测定;有机质,有效硫、锰、硼和锌采用土壤养分系统研究法[5](ASI法)测定。碱解氮用NH4+-N靛酚蓝比色法测定;磷用钼锑抗比色法测定;钾、锌用原子吸收分光光度计测定;硫用BaCl2比浊法测定;硼用姜黄素比色法测定;有机质用比色法测定。
采用地统计学方法进行数据处理,土壤属性的空间插值采用Kringing法[6],使用ArcView GIS 3.2平台进行图形处理。
2 结果与分析
2.1 地块内土壤养分统计分析
土壤养分分析结果表明(见表1,表2):土壤中有效硫含量变异最大,变化范围1.9～75.7 mg-L-1,变异系数最大,达到89.2%;pH变化范围4.55～7.99,变异系数最小,仅为12.97%。该地块土壤的有机质范围为1.78%～4.60%;土壤缺硫和锌,土壤中氮、磷、钾的含量丰富,土壤中不缺硼。
2.2 土壤养分空间分布
从图2土壤养分空间分布可以看出,研究地块土壤养分分布均呈斑块状分布,随机性较强[7]。土壤有机质和速效氮的空间分布一致,从西到东有机质和速效氮由低到高;pH从西到东由高到低;速效磷和钾的空间分布一致,中部含量高,东部和西部含量低;而有效硫相反,中部含量低,东部和西部含量高。
2.3 土壤有效养分之间的相关性
从研究地块土壤养分之间相关分析可看出(见表3),土壤速效氮与pH、有机质、有效锰都极显著相关,相关系数分别为—0.4331、0.4795、0.4773;土壤速效磷与速效钾、有效硼、有效锌都极显著相关,相关系数分别为0.4298、0.3010、0.2446。
注:相关系数临界值,a=0.05时,r=0.1865;a=0.01时,r=0.2436。
土壤速效钾与有效硼、有效锌都极显著相关,相关系数分别0.5011、0.2690;土壤pH与有机质、有效锰、有效硼和有效锌都极显著相关,相关系数分别—0.5723、—0.7774、0.2775和—0.2683;有机质与有效锰极显著相关,相关系数0.5014;有效锰与有效锌极显著相关,相关系数0.3273。
3 结果与讨论
土壤有效硫含量变异最大,变化范围1.9～75.7 mg·L-1,变异系数最大,达到89.2%;pH变化范围4.55～7.99,变异系数最小,仅为12.97%。该地块土壤的有机质范围为1.78%～4.60%;土壤缺硫和锌,土壤中氮、磷、钾的含量丰富。
土壤有机质和速效氮的空间分布从西到东有机质和速效氮含量由低到高;pH从西到东由高到低;速效磷和钾的空间分布中部含量高,东部和西部含量低;有效硫中部含量低,东部和西部含量高。
土壤速效氮与pH、有机质、有效锰都极显著相关;速效磷与速效钾、有效硼、有效锌都极显著相关;速效钾与有效硼、有效锌都极显著相关;pH与有机质、有效锰、有效硼和有效锌都极显著相关;有机质与有效锰极显著相关。
土壤缺硫和锌,土壤中氮、磷、钾的含量丰富,土壤中不缺硼。在下一年的施肥计划中应该补充硫和锌肥,达到平衡施肥。
参考文献
[1]金继运.“精确农业”及其在我国的应用前景[J].植物营养与肥料学报,1988,4(1):1-7.
[2]石元春.土壤学的数字化和信息化革命[J].土壤学报, 1996,37(3):289-295.
[3]周惠珍,龚子同,Lamp J.土壤空间变异性研究[J].土壤学报,1996,33(3):232-241.
[4]张有山,林启美,秦耀东,等.大比例尺区域土壤养分空间变异定量分析[J].华北农学报,1998,13(1):122-128.
[5]加拿大钾磷研究所北京办事处.土壤养分状况系统研究法[M].北京:中国农业出版社,1992.
[6]Oliver M A.Kringing:A method of interpolation for geographical information systems[J].International Journal of Geographic Information System,1990,4(4):313-332.
空间变异特征 篇5
库布齐沙漠油蒿灌丛土壤呼吸速率时空变异特征研究
摘要：利用Li-840红外气体分析仪和Li-6400-09土壤呼吸气室组装而成的动态密闭土壤呼吸测定系统,于生长季对内蒙古库布齐沙漠油蒿(Artemisia ordosica)生态系统2种不同类型土壤的土壤呼吸速率进行了野外测定,分析了日动态、季节动态及其对环境因子的响应,并阐述了油蒿灌丛空间异质性的`特征.结果表明,油蒿灌丛的土壤呼吸速率日动态呈单峰曲线,在12:00左右有最大值.在适宜的水分和温度条件下,生长季里土壤呼吸速率在7～8月份出现最大值.土壤呼吸速率的季节动态与土壤含水量有显著的相关关系,表明水分是限制生长季干旱区灌丛土壤呼吸的最重要因子,分别可以解释油蒿冠幅下土壤和裸地的土壤呼吸速率20主要生长季节(5～9月)变化的75%和77%.油蒿灌丛土壤呼吸速率在空间尺度上存在着显著的异质性.油蒿冠幅覆盖下的土壤呼吸速率季节平均值为(155.58±15.20) mg・(m2・h)-1,要显著地大于灌丛间裸地的数值(110.50±6.77) mg・(m2・h)-1.2种不同类型土壤的土壤呼吸速率是由于根生物量的差异引起的,根生物量可以解释2006年生长季库布齐油蒿灌丛土壤呼吸速率空间异质性的43%.结果表明,在植被覆盖度异质性较大的灌丛生态系统中,要准确定量生态系统碳的释放时,必须充分考虑小尺度上土壤呼吸的空间异质性.作 者：孟祥利 陈世苹 魏龙 林光辉 MENG Xiang-li CHEN Shi-ping WEI Long LIN Guang-hui 作者单位：孟祥利,魏龙,MENG Xiang-li,WEI Long(中国科学院植物研究所植被与环境变化国家重点实验室,北京,100093;中国科学院研究生院,北京,100049)陈世苹,林光辉,CHEN Shi-ping,LIN Guang-hui(中国科学院植物研究所植被与环境变化国家重点实验室,北京,100093)
期 刊：环境科学 ISTICPKU Journal：CHINESE JOURNAL OF ENVIRONMENTAL SCIENCE 年，卷(期)：2009, 30(4) 分类号：X171 关键词：土壤呼吸速率 土壤含水量 根生物量 时间变化 空间差异 沙漠空间变异特征 篇6
土壤参数和土壤含水量信息紧密关联,其变化影响作物的生长发育进程[1]。测定分析一定区域内土壤参数和土壤水分的空间分布特征,对准确实施土壤水分监测,有效管理和利用水土资源等都具有十分重要的现实意义[2]。目前,国内外学者已对不同区域和不同尺度上的土壤参数和土壤水分的空间变异性进行了研究,并取得了很多成果[3,4,5,6,7,8,9,10,11,12,13,14]。东辽河流域位于我国东北粮食主产区,抽穗期又是决定玉米产量最为关键的时期,开展东辽河流域春玉米抽穗期土壤水分和土壤参数的空间统计研究,为春玉米生长期精准提高粮食生产能力提供科技支撑。
1 研究区概况
东辽河发源于东辽县宴平乡安乐村小葱顶子山东南,全长448 km,流域面积11 306 km2,在辽宁省康平县三门郭家屯东与西辽河汇合后称为辽河[15]。东辽河大致分三段,二龙山水库以上为上游,属低山丘陵区,海拔高一般在200～500 m,土壤类型以暗棕壤、白浆土为主;二龙山水库坝下至城子上站为流域中游,属丘陵地区,河道弯曲,植被较好,土壤类型以黑土、草甸土为主;城子上站至平齐线三江口铁桥为下游,土壤类型以草甸土、盐化黑钙土、草原风沙土为主(图1)。
全流域四季分明,属于温带大陆性季风气候,降雨量由上游至下游递减,多年平均雨量从上到下由700 mm降到450 mm。地表径流分布与年雨量相似,由上游低山丘陵到下游平原区,径流深由150 mm递减到25 mm以下[16]。全流域现有耕地面积8 040.83 km2,占总土地面积的71.12%,主要种植作物有玉米、水稻、大豆等。
2 材料与方法
2.1 土壤参数的采集与测定
东北地区的春玉米在8月份进入抽穗期,于2009年8月在东辽河流域中部玉米田内,按照草甸土、黑土、白浆土、暗棕壤等不同土壤类型共布置13个采样点(图2)。在采样点内分别取土壤剖面分层样品和0～1 m深的土壤混合样,分别监测10 cm、20 cm和30 cm深的土壤含水量、土壤机械组成以及有机质、全P、全N含量。
土壤含水量采用烘干法测定;有机质含量用稀释热法测定;用Mastersizer2000激光粒度仪进行土壤颗粒分析,按照我国南京土壤所1978年制定的土壤质地分类标准,分为细黏粒(<0.001 mm)、粗黏粒(0.001～0.005 mm)、细粉粒(0.005～0.010 mm)、粗粉粒(0.010～0.050 mm)、细砂粒(0.050～0.250 mm)和粗砂粒(0.250～1.0 mm) 6类;采用硫酸—高氯酸消煮法测定全P含量;采用半微量开氏法测定全N含量。
2.2 空间统计方法
地统计学的基本理论和有关参数阐述参考文献[17,18]。在本研究中,应用SPSS 18软件进行区域化变量的描述性统计分析。由于GS+version 9软件对半方差模型的计算和拟合有很好的显示过程,对于优化采样结构和插值精度有较好的选择性,所以选取GS+version 9进行半方差函数模型的拟合和Kriging插值成图,在半方差函数拟合过程中,拟合较优模型其决定系数(R2)应较大,残差(RSS)应较小[19]。
3 结果与分析
3.1 描述性统计分析
半方差函数的计算一般要求数据符合正态或近似正态分布,否则可能存在比例效应。对10 cm、20 cm、30 cm深的土壤含水量,以及有机质、全P、全N、粗砂粒、细砂粒、粗粉粒、细粉粒、粗黏粒和细黏粒含量进行了Kolmogorov-Smirnov (K-S)检验。经检验后的参数值列于表1中。10 cm、20 cm、30 cm深土壤含水量K-S检验值分别为0.582、0.728、0.624,有机质、全P、全N、粗砂粒、细砂粒、粗粉粒、细粉粒、粗黏粒和细黏粒含量K-S检验值分别为0.542、0.868、0.591、0.914、0.425、0.529、0.596、0.744和0.744。研究表明,3项土壤含水量指标和9项土壤参数指标的检验结果均符合正态分布假设,能直接在半方差函数分析系统中应用。
通过土壤参数信息和土壤含水量的变异系数可以粗略的估计研究区域相应性状的变异程度,10 cm、20 cm、30 cm深土壤含水量的变异系数分别为0.316、0.277、0.331,表明研究区0～30 cm深的土壤含水量具有中等变异性;有机质、全P、全N、粗砂粒、细砂粒、粗粉粒、细粉粒、粗黏粒和细黏粒含量的变异系数分别为0.647、0.352、0.234、1.185、0.311、0.379、0.376、0.343、0.343,表明研究区除粗砂粒含量具有强变异性外,其他各项土壤参数指标均具有中等变异性。常规统计分析给出了如表1所示的统计特征参数,但上述变量除表现为随机性外,还表现为空间的结构性,研究其空间分布须用地统计学中半方差理论来揭示。
3.2 半方差函数结构分析
应用地统计学对13个采样点的土壤参数信息和土壤含水量进行了空间变异分析。10 cm深土壤含水量以及全N、粗砂粒、细砂粒、粗粉粒含量半方差模型符合线状模型,20 cm和30 cm深土壤含水量半方差模型均符合球状模型,有机质、全P、细粉粒、粗黏粒和细黏粒含量半方差模型符合高斯模型。拟合的半方差函数及其参数见表2。3项土壤含水量指标和9项土壤参数指标拟合半方差模型结果如图3所示。
3.3 空间分布特征
采用块段克里格方法对20 cm和30 cm深土壤含水量以及有机质、全P、细粉粒、粗黏粒和细黏粒含量等7项指标(不包括半方差模型符合线性模型的指标)进行空间插值,每个块的估计值通过插值块中心周围2×2个点的Kriging估计值计算,得到各项指标的空间分布图(图4),7项指标的Kriging插值空间分布具有明显的片状和斑块状特点。20 cm深土壤含水量以中北部和中南部两个高值区为中心,依次向外呈圈层结构,含量逐渐降低,在边界处含量出现低谷[图4(a)]。30 cm深土壤含水量以中东部高值区为中心,依次向外呈圈层结构,含量先减小后增大[图4(b)]。有机质含量以东南部为高值区,沿东南-西北方向含量先减小后增大,在大约西南-东北对角线方向处含量降到最低约0.20g/kg处[图4(c)]。全P含量以南部为高值区,沿南-北方向含量减少,在中部和北部出现了大片的低值区,约0.63 g/kg[图4(d)]。细粉粒含量以中部高值区为中心,依次向南和向北呈圈层结构,在中南部和中北部出现低值区[图4(e)]。粗黏粒和细黏粒含量的空间分布特征相似,以东北部为高值区,依次向西北和向东南递减,在西北部出现低谷[图4(f)和图4(g)]。
土壤参数和土壤含水量总的变异既受自然因素如降雨、成土母质、地形地貌等空间变异的影响,同时也受一些随机因素如施肥、环境污染、耕作措施等的影响,其空间变化是内因(自然状态)和外因(人为随机)共同作用的结果。施肥、耕作、作物布局等随机因素影响块金值与基台值的比例可以表明系统变量空间相关性的程度,如果比值小于25%,说明系统具有强烈的空间相关性;如果比值在25%～75%之间,表明系统具有中等的空间相关性;大于75%,则说明系统空间相关性很弱,若比值接近于1,说明在整个尺度上变量具有恒定的变异。20 cm和30 cm深土壤含水量、有机质、全P、细粉粒、粗黏粒和细黏粒含量的块金值/基台值分别为0.11%、3.45%、0.17%、0.14%、0.08%、0.10%、0.23%,7项指标均具有强烈的空间相关性,存在着明显的空间自相关格局,结构性因素引起的空间变异分别占总变异的99.89%、96.55%、99.83%、99.86%、99.92%、99.90%、99.77%,受施肥、耕作等人为因素的影响较弱。
4 结 语
将经典统计学与地统计学相结合,采用田间采样和室内分析测定相结合的方式,对春玉米抽穗期主要土壤参数进行了空间统计分析。研究结果表明,10 cm深土壤含水量以及全N、粗砂粒、细砂粒、粗粉粒含量最佳半方差模型符合线状模型,20 cm和30 cm深土壤含水量最佳半方差模型符合球状模型,有机质、全P、细粉粒、粗黏粒和细黏粒含量最佳半方差模型符合高斯模型。20 cm和30 cm深土壤含水量、有机质、全P、细粉粒、粗黏粒和细黏粒含量7项指标Kriging插值空间分布具有明显的片状和斑块状特点,其均具有强烈的空间相关性,存在着明显的空间自相关格局,受施肥、耕作等人为因素影响较弱。
摘要：以在东辽河流域进行的田间采样为基础,将经典统计学与地统计学相结合,对春玉米抽穗期3项土壤含水量指标和9项土壤参数指标进行了空间统计分析。研究结果表明,10cm深土壤含水量以及全N、粗砂粒、细砂粒、粗粉粒含量最佳半方差模型符合线状模型,20cm和30cm深土壤含水量最佳半方差模型符合球状模型,有机质、全P、细粉粒、粗黏粒和细黏粒含量最佳半方差模型符合高斯模型。20cm和30cm深土壤含水量、有机质、全P、细粉粒、粗黏粒和细黏粒含量7项指标均具有强烈的空间相关性,存在着明显的空间自相关格局,Kriging插值空间分布具有明显的片状和斑块状特点。
空间变异特征 篇7
1 材料与方法
1.1 研究区域概况
四川省位于中国西南部, 地处长江上游, 介于东经92.35°～108.2°和北纬24.05°～34.32°之间, 东西长约1075公里, 南北宽约900多公里, 面积约48.5万平方公里。四川省全省地貌东西差异大, 地形复杂多样, 西高东低的特点特别明显。
1.2 数据来源
本次研究SO2浓度数据来源于四川省环境保护科学研究院编制的《四川省“十二五”大气污染防治规划》[1]。该数据模拟采用CALPUFF模型, 浓度场模拟区域网格距为15km, 网格数为79×73, 计算范围为1185km×1095km。污染源数据来源于2007年四川省环境统计数据。气象数据来源于2007年的部分城市的地面气象观测站和MM5模拟。
1.3 地统计学简介
地统计学是以区域化变量理论为基础, 以半变异函数为主要工具, 研究在空间分布上既有随机性又有结构性 (或空间相关和依赖性) 的自然现象的科学[2]。
半变异函数可用下式表示:
式中, γ (h) 是半变异函数;N (h) 是以步长h为间距的所有观测点的对数[2]。
半变异函数把统计相关系数的大小作为一个距离的函数, 是地理学相近相似定理定量量化。半变异函数几个参数含义如下:
块金值 (Nugget) :由于存在测量误差及变量的不连续的变异, 当两采样点距离趋近于0时, 它们的半变异函数值不为0, 即存在块金值。
基台值 (Sill) :当采样点间的距离h增大到一定程度时, 半变异函数r (h) 达到一个相对稳定的常数不再变化, 该常数值称为基台值。
偏基台值 (Partial Sill) :基台值与块金值的差值。
变程 (Range) :半变异函数的取值由块金值达到基台值时, 采样点的间隔距离。变程表示了在某种观测尺度下, 区域化变量存在空间相关性的范围, 其大小受观测尺度及变量本身性质影响。在变程范围内, 样点间的距离越小, 其相似性, 即空间相关性越大。
块金效应 (Nugget effect) :块金效应是块金值与基台值的比值, 指随机部分引起的空间变异占系统总变异的比例, 揭示了变量的空间相关程度[2]。若比值<25%, 说明变量具有强烈的空间相关性;若比值>75%, 变量空间相关性很弱;比值在25%～75%之间, 变量具有中等程度的相关性[3]。
2 结果与分析
2.1 数据处理软件
为了准确直观地描述二氧化硫在空间上的分布, 研究中利用了地理信息系统软件ArcGIS 9.3中的地统计学分析模块 (Geostatistical Analys) 。
2.2 数据的一般统计学特征
变异系数 (C.V.) 为标准差与平均值之比, 是描述样本变异程度的重要参数, 反应了一组数据的离散程度。变异系数C.V.≤0.1时为弱变异性, 0.1
根据计算, 除甘孜州外其他二十个市州二氧化硫浓度变异系数均在0.1～1之间, 呈中等变异性。甘孜州浓度数据变异系数达到1.34, 为强变异性。除攀枝花、遂宁、内江及宜宾外其他市州浓度数据偏度值均在-1～1之间, 符合正态分布, 上述四市州数据符合对数正态分布, 满足半变异函数使用条件。
2.3 半变异函数模拟结果及影响因素探讨
采用ArcGIS软件Geostatistical Analyst模块, 分别对各市州的SO2浓度数据进行空间变异分析, 通过比较确定最优半变异函数拟合模型和变异参数[4]。拟合结果如下:
若块金效应值<25%, 说明变量具有强烈的空间相关性;若比值>75%, 变量空间相关性很弱;比值在25%～75%之间, 变量具有中等程度的相关性[4]。根据拟合结果, 德阳、绵阳、乐山、眉山、阿坝及甘孜块金效应值小于25%, 即上述六个市州二氧化硫浓度的空间变异特征受结构性因素 (自然因素) 影响大于随机性因素 (人为因素) ;其余市州快金效应值在25%～75%之间, 结构性因素与随机性因素作用效果几乎相同。
除三州外, 各市变程范围在70～200公里范围内;阿坝、甘孜变程超过200公里, 甘孜州达到600公里。各市州变程长轴方向受各自地形和气象条件影响。
根据表1, 工业SO2排放量超过10万吨的有5个市, 这5个市变程的长轴均未超过100km, SO2存在空间相关关系的范围较小。工业SO2排放量低于40000吨的有12个市州, 变程相对较大, 但还要受其他因素, 如地形和面积的影响。如地形以平原为主的德阳市, 面积仅5954km2, 但变程超过100km;而三州地区由于面积较大, 变程都超过200km。总结可知, 当排放量大, 污染源情况复杂时, 这一因素对变程影响占主要地位, 变程相对较小。当排放量小, 污染源情况较简单时, 变程受地形及区域面积的影响就相对较大, 存在各种情况。
块金效应值是随机性因素引起的变异在系统总变异所占比例, 受排放量, 地形及区域面积的影响。平原地形利于大气污染物扩散, 属结构性因素, 复杂地形相反, 属随机性因素。由于网格尺度一定, 面积较小的区域将有更多无法体现出的变异, 这一部分变异也将以块金效应形式体现。SO2排放量及污染源分布会根据人为活动变化, 属随机性因素。如块金效应值低于10%的德阳、眉山, 地形均为平原, 工业SO2排放量都低于30000吨。块金值高于50%的自贡、攀枝花、内江, 地形以丘陵、山地为主, 面积不超过10000km2, 工业SO2排放量都超过30000吨。
3 结论
本试验在网格法收集数据的基础上, 以ArcGIS地统计分析模块为工具, 对四川省各市州SO2浓度的一般统计学及空间变异特征进行了定量分析。结论如下:
(1) 四川省只有甘孜州浓度数据变异系数达到1.34, 为强变异性。除甘孜州外其他二十个市州二氧化硫浓度变异系数均在0.1～1之间, 呈中等变异性。
(2) 21个SO2浓度基本符合正态分布或对数正态分布, 可以进行半变异分析。
ArcGIS地统计分析表明, 德阳、绵阳、乐山、眉山、阿坝及甘孜块金效应值小于25%, 即SO2浓度的空间变异特征受结构性因素 (自然因素) 影响大于随机性因素 (人为因素) ;其余市州块金效应值在25%～75%之间, 结构性因素与随机性因素作用效果几乎相同。
除三州外, 各市变程范围在70～200公里范围内;阿坝、甘孜变程超过200公里, 甘孜州达到600公里。各市州变程长轴方向受各自地形和气象条件影响。
3) .不同地区SO2浓度空间变异结构的分析对地区经济发展规划及大气环境保护有一定意义。
根据地区变程范围可确定存在空间相关关系的范围, 使污染源治理和敏感目标保护更有针对性。块金效应值体现的是随机性因素和结构性因素对变异结构的影响, 实际上是各地区排放量、污染源分布及地形的综合表现。
摘要：在网格法计算浓度数据的基础上, 以ArcGISGeostatistics模块为工具, 从地统计学角度研究了四川省各市州二氧化硫空间变异特征。结果表明, 除三州外, 各市变程范围在70～200公里范围内;阿坝、甘孜变程超过200公里, 甘孜州达到600公里。各市州变程长轴方向受各自地形和气象条件影响。德阳、绵阳、乐山、眉山、阿坝及甘孜块金效应值小于25%, 受结构性因素 (自然因素) 影响大于随机性因素 (人为因素) ;其余市州快金效应值在25%～75%之间, 结构性因素与随机性因素作用效果几乎相同。
关键词：ArcGIS,Geostatistics,地统计学,半变异函数,变程
参考文献
[1]四川省环境保护科学研究院.四川省“十二五”大气污染防治规划[R].成都:四川省环境保护科学研究院, 2011.96—113.
[2]张敏, 贺鹏飞, 陈伟强.基于GIS和地统计学的土壤养分空间变异分析[J].东北林业大学学报, 2010, 41 (3) :53—58.
[3]陈彦, 吕新.基于GIS和地统计学的土壤养分空间变异特征研究——以新疆农七师125团为例[J].农业信息科学, 2005, 21 (7) :389—392.
春小麦空间诱变后代的变异研究 篇8
1 材料与方法
1.1 材料
供试小麦材料由黑龙江省农业科学院作物育种研究所小麦生物技术与辐射育种研究室提供。采用龙麦26和克丰10号的种子作为诱变材料, 2003年11月搭载我国第18颗返地卫星进行空间旅行。卫星飞行18d, 近地点高度200km, 远地点高度350 km, 舱内平均辐射剂量为0.102mGy·d-1。返回地面后温室加代后田间种植 (随机排列) 。以龙麦26为诱变材料后代进行田间选育, 2006年在第4代 (SP4) 中决选出1份优异品系06k641, 2007年在第5代 (SP5) 中决选出1份优异品系07k469, 2008年在第6代 (SP6) 中决选出1份优异品系08k499, 2009年在第7代 (SP7) 中决选出1份优异品系09k215;以克丰10号为诱变材料后代进行田间选育, 2008年在第6代 (SP6) 中决选出1份优异品系08k539, 2009年在第7代 (SP7) 中决选出2份优异品系09k415和09k425。以未经空间诱变处理的地面材料龙麦26和克丰10号为对照。
1.2 方法
1.2.1 农艺性状测定
决选出的材料于2009年和2010年连续2a种植于黑龙江省农业科学院实验田, 随机区组排列种植, 3次重复, 小区面积6m2, 种植密度650万株·hm-2, 常规管理, 成熟后采样考种, 时收计产。
1.2.2 统计方法
利用Excel进行基础数据的输入, 采用DPS3.0分析软件进行相关分析, 采用多重比较最小显著差数法 (LSD法) 进行显著性分析, 图表数据均为2a内3次重复的平均值。
1.2.3 SSR多态性分析
按照CTAB方法提取基因组DNA。对照品种基因组DNA为3个单株DNA的等量混合物。变异株系DNA为株系内3个单株DNA的等量混合物。PCR扩增仪为美国ABI公司生产的9700PCR仪。PCR扩增在25μL反应体系中进行, 10×PCR Buffer 2.5μL, 10 mmol·L-1 dNTP 2.0μL, Taq DNA聚合酶 (5U·μL-1) 0.2μL, 上游引物1.5μL, 下游引物1.5μL, 模板DNA5.0μL, 灭菌双蒸水13.3μL。PCR扩增程序:首先预扩增94℃变性30s, 60 (55) ℃复性45s, 72℃延伸45s进行一个循环, 以后每次降低1℃退火温度进行1个循环, 直到退火温度为55 (50) ℃为止, 进入正式扩增程序94℃变性30s, 51~59℃复性45s, 72℃延伸45s共35个循环, 72℃延伸5min, 扩增产物于4℃保存。扩增产物采用非变性PAGE凝胶电泳技术分离, 快速银染法显色。
2 结果与分析
2.1 诱变材料农艺性状分析
由表1可知, 龙麦26变异株系的株高有显著的变化, 09k215、08k499、07k469与亲本龙麦26株高差异显著, 其中09k215株高最高, 较龙麦26平均增高12cm;4份诱变品系在穗长与小穗数上与龙麦26差异均不显著, 龙麦26变异株系09k215和07k469的千粒重均较对照品种有所增加, 但差异不显著;4个品系容重和产量都较对照品种有所增加, 但差异不显著。09k215增产最多, 比对照增重879.08kg·hm-2。克丰10号变异株系3个品系的千粒重和容重均下降, 但差异不显著;09k425和08k539品系的产量比对照有所增加, 但差异不显著。其中09k425增产最多, 为177.3kg·hm-2。
注:表中数值为2次重复的平均值±标准差;同列不同字母表示材料间差异达0.05显著水平。Note:The values show in the table is twice repeated mean±standard deviation;Different lowercases mean significant difference at0.05level.
2.2 诱变材料SSR标记突变分析
通过预备试验并参考前人利用SSR分析小麦品种多样性研究结果, 选用27对SSR引物对7份诱变材料及2份对照材料进行基因组突变分析, 共有20对SSR引物在基因组DNA中共扩增出3种突变类型 (见表2) , 即扩增片段增多、扩增片段减少和扩增片段长度差异。其中17对引物在龙麦26的诱变材料中出现位点上的差异, 9对引物在克丰10号的诱变材料中出现位点差异。7份供试品系个体在27个SSR位点上的第2种突变类型 (扩增片段减少) 居多, 其次为第1种突变类型 (扩增片段增加) 。个别品系同时出现多类型突变, 如08k539在Xgwm190位点, 08k499和06k641在Xgwm285位点, 07k469在Xgwm294位点, 09k215在Xgwm533位点上均出现了扩增片段增多和扩增片段减少2种突变类型;09k215在Xgwm294位点, 06k641在Xgwm294位点上均出现了扩增片段增多和扩增片段长度差异2种突变类型;09k415和09k425在Xgwm533位点, 09k415、09k425和08k539在Cwem40位点上出现了扩增片段减少和扩增片段长度差异2种突变类型。Xgwm67、Xgwm160、Xgwm372、Xwmc116、Xwmc420、Xwmc410和Xgdm72在诱变材料与对照中未出现位点上的差异。
CK为龙麦26;1为09k215;2为08k499;3为07k469;4为06k641CK:Longmai 26;1:09k215;2:08k499;3:07k469;4:06k641
注:不同位点后的小写字母表示其所在染色体组;a为扩增片断增多;b为扩增片段减少;c为扩增片段长度差异;-为无变化。Note:Different lowercase after different sites means their chromosomes;a means amplified fragment increase;b means fragments am-plified reduce;c means amplification fragment length difference;-no change.
3 结论与讨论
随着我国第9颗返回式科学试验卫星的成功发射, 经过多年的地面种植筛选, 我国在培育性状优良的新品种及创造新的种质资源等方面都取得了丰硕的成果。研究以空间诱变小麦种子后代为研究对象, 按育种目标最终筛选出7份品系, 对其农艺性状进行调查, 发现经空间诱变后的小麦后代株高存在明显的变化, 品种不同突变表现各异, 以龙麦26为亲本的诱变后代, 株高变异呈显著性差异, 以克丰10号为亲本的诱变后代, 虽然在株高、穗长、小穗数、千粒重、容重和产量上表现出差异, 但均为不显著变异。前人研究结果表明, 不同品种对空间环境敏感性不同, 不同的小麦品种的诱变效果不同, 与该研究结果一致[12,13]。
对诱变材料基因组SSR标记分析结果表明, SSR标记检测到的突变频率最高的位点出现在B组染色体上, A组染色体上最少, D组染色体上的介于二者之间。前人利用SSR分析小麦品种多样性时也得到了小麦B组染色体基因组上SSR标记具有更高的多态性, 如郭小丽利用108对SSR引物对36个优质小麦品种和12个来自不同生态区的普通品种进行了遗传分析[14]。研究利用12对SSR引物对实践八号搭载的6份小麦品系240个单株SP2单株进行标记分析时发现, 在A组染色体上获得了较高的SSR标记位点突变频率[4]。由此可见, 空间条件导致的DNA水平的变化是随机发生的。多态性分析的结果经过重复试验, 仍能重现, 表明各突变系性状的变异是由于DNA的变化所引起的。这可以为进一步解析小麦航天诱变的分子机制提供参考。
空间变异特征 篇9
1 研究区概况与数据来源
(1)研究区概况。本文以河北省沧州市为研究区域,地理坐标北纬37°29′~38°57′,东经115°42′~117°50′,总面积约为1.4万km2,全境年平均干燥度1.2~1.5。由于季风气候的影响,年降水量约为400~500 mm,年平均水面蒸发量1 500~1 800mm,主要集中在夏季(七八月份)。研究区域光热资源丰富,多年平均日照时间2 318h,太阳总辐射2 342.1kJ/cm2,年积温大于4 300 ℃。
(2)数据来源。本文所需要的MODIS数据从http:∥lad-sweb.nascom.nasa.gov/data/search.html网站下载,选用的数据为MODIS数据的2级产品:MODIS 1B数据影像产品。实测土壤含水率采集于沧县、盐山、献县、南皮、青县、河间、泊头等7个县市,土样采集时间尽量与卫星过境时间同步,每个采样点分两层取土,采样深度分别为0~20、20~40cm。
2 研究方法
2.1 植被供水指数
植被指数(Vegetation Index)是指能够反映绿色植物分布和生长状况的特征指数[12],植被供水指数与土壤水分状况存在着十分密切的关系,当植被供水正常时,植被指数在一定的生长期内保持在一定的范围;如遇干旱,植被供水不足,植被供水指数会因为植被生长受到抑制而降低。在计算植被指数时,常选用近红外波段和可见光波段,因为该波段对植被指数最为敏感。本文利用第1、2、31、32等波段值计算植被供水指数:
式中:VSWI是植被供水指数;NDVI是归一化植被指数;Ts是植被冠层温度,℃;ρ1、ρ2分别为MODIS第1、2波段反射率。
利用遥感得到的植被供水指数,可以通过统计分析软件SPSS,建立植被指数与实测土壤水分之间的关系模型,进而估算墒情。
2.2 墒情采集
在通过遥感得到沧州地区墒情的基础上,选取面积为4.5km×4.5km、18km×18km、56km×56km的区域进行墒情信息的采集。对于面积为4.5km×4.5km的区域,在该尺度区域内内嵌250m×250m的网格进行取样,取点324个。在面积为18km×18km的区域内内嵌1km×1km的网格取样,取点324个。在面积为56km×56km的区域内内嵌4km×4km的网格取样,取点196个。上述3种取样尺度分别对应小、中、大尺度。
2.3 数据处理及分析
采用ENVY软件对MODIS数据进行处理,通过SPSS 13.0软件构建植被供水指数与实测土壤含水率之间的关系模型。运用GS +7.0软件对遥感得到的研究区域内的土壤含水率进行空间变异性分析,并使用Arcgis10.0软件的地统计分析模块对研究区域内的土壤含水率进行普通克里格插值,在得到土壤含水率分布图的基础上确定研究区域内土壤水分监测点的合理取样数目,进而为确定土壤墒情监测点的合理布设提供一定的理论和基础。
3 结果分析
3.1 植被供水指数-土壤含水率模型
利用SPSS软件将地面采集到的0~20、20~40cm深度处的土壤含水率(体积)数据与遥感数据计算得到的植被供水指数进行拟合,绘制植被供水指数(VSWI)与0~20、20~40cm深度处的实测土壤含水率的关系散点图(见图1和图2),并对二者进行相关分析,构建植被供水指数- 土壤含水率模型,见表1和表2。在模型的构建过程中,为便于分析,将植被供水指数VSWI放大10 000 倍,土壤体积含水率以百分比的形式表示。
由表1、表2植被供水指数与0~20、20~40cm深度处土壤含水率所构建的模型可知,以上各模型均通过了置信度为0.001的F检验,表现出了极显著的相关性,并且均有较高的相关系数值,其中线性模型使植被供水指数与0~20cm深度处土壤含水率的拟合程度达到最好,相关系数R2为0.621。幂函数模型使植被供水指数与20~40cm深度处的土壤含水率的拟合程度达到最好,相关系数R2为0.642。本研究中植被供水指数与0~20 、20~40cm深度处的土壤含水率的相关性较为显著,与之建立的相关模型的精度较高,故可以利用植被供水指数-土壤含水率模型对0~20 、20~40cm深度处的土壤含水率进行评估并计算得到整个研究区域0~20、20~40cm深度处土壤含水率。在此基础上对土壤含水率进行基于专家知识的决策树分类,绘制出0~20、20~40cm深度处土壤水分的分布状况,分别如图3和图4所示。
3.2 土壤水分的统计分析
对不同尺度下0~20、20~40cm深度处的土壤含水率进行统计分析,其土壤含水率统计特征值见表3。
土壤含水率的变异系数反映了各个区域内土壤含水率样本的离散特征。一般将变异系数小于0.1时定义为弱变异性,将变异系数大于0.1且小于1.0时定义为中等变异性,将变异系数大于1.0时定义为强变异性[13]。由表3可知不同尺度下0~20cm深度处土壤含水率均表现为中等变异性,其中小尺度下的土壤含水率的变异系数最小,中尺度次之,大尺度变异系数最大。而对于20~40cm深度土壤含水率,小尺度下的土壤含水率表现为弱变异性,而中尺度及大尺度的土壤含水率均表现为中等变异性,其中大尺度的变异系数最大。由此可见随着研究尺度的增大,变异系数随之增大。这主要是因为在面积较小的区域内,土壤含水率之间的相关关系较强。而随着研究尺度(研究区域面积、采样间距)的增大,土壤含水率之间的相关关系逐渐减弱,变异性逐渐增强。此外,所有尺度的土壤含水率均表现弱变异性或中等变异性,可能是因为此时整个沧州地区土壤含水率处于相对较低的水平,导致其变异性减弱。
3.3 土壤水分的空间变异性分析
土壤水分的空间变异性不单服从经典统计学规律,同时也具有一定空间结构性特征,其变异函数会随着研究尺度的变化而变化。本文在通过遥感信息反演沧州地区墒情信息的基础上,研究不同尺度下土壤水分在二维平面上的空间变异结构特性。利用GS+7.0软件分别对不同尺度0~20、20~40cm的土壤含水率数据进行统计分析,计算其半方差函数值并得到半方差模型参数(见表4)。一般认为块金值(C0)表示由随机因素引发的空间变异程度,基台值(C0+C)则表示变量的最大变异程度。二者的比值[C0/(C0+C)]表示随机部分引起的空间变异占系统总变异的比值。比值越高,由随机部分引起的空间变异程度越大;比值越小,则说明由随机部分引起的空间变异程度越小。当块金基台比小于25%时,表明空间变量之间具有强烈的空间相关性;当块金基台比大于25%且小于75%时,表明变量之间具有中等程度的空间相关性;当块金基台比大于75%时,则表明变量之间的空间相关性较弱,空间变异主要由随机因素引起[14]。
由表4可知,3种不同尺度下0~20、20~40cm深度处土壤含水率的半方差函数最佳理论模型均为球形模型,其决定系数大部分接近于1,说明球状模型能够很好地反映土壤水分的空间结构特征。
3种尺度下0~20cm深度处的块金值大于20~40cm深度处的块金值,说明土壤上层水分的空间变异更容易受随机因素的影响。小尺度下0~20、20~40cm深度处的土壤含水率的块金基台比均小于0.25,表现为强烈的空间相关性,说明该尺度各层土壤水分的空间变异主要由结构因素引起。中尺度及大尺度下0~20、20~40cm深度处的土壤含水率的块金基台比介于0.25~0.75之间,表现为中等的空间相关性,表明各深度土壤水分的空间变异由随机因素和结构因素共同作用。研究尺度不同,块金基台比表现出一定的差异。随着研究尺度的增大,块金基台比逐渐增大,空间相关性逐渐减弱,由随机因素引起的空间变异逐渐增强,由结构因素引起的空间变异逐渐减弱,这可能是因为研究尺度(研究区域面积、采样间距)的增大,导致土壤水分的细小结构被掩盖,结构性变异减小,随机性变异变大。变程表示样本点之间达到最大变异程度的空间距离[15],样本之间的距离在变程范围内,则样本之间存在空间相关性,若样本之间的距离大于变程,则样本之间的空间相关性消失。从表4中可以看出,3种不同尺度下0~20cm深度处土壤含水率的变程在2 488~11 806m,20~40cm深度处土壤含水率的变程在2 233~11 296m,随着土层深度的增加,变程值减小,随着研究尺度的增大,各层土壤水分的变程值逐渐增加。
3.4 基于普通克里金插值法的土壤水分空间分布图
为更加直观的反映研究区域土壤水分的空间分布,使用ArcGIS10.0软件的地统计分析模块对各区域的土壤含水率进行普通克里格插值,绘制出各区域0~20、20~40cm深度处土壤水分的空间分布图,见图5。
以小尺度不同深度土壤含水率为例,可以看出随着土层深度的增加,土壤含水率趋于变大,各层土壤含水率分布大体一致,表现为东北高而西南低。0~20cm土壤含水率的空间变异性大于20~40cm土壤含水率的空间变异性。随着研究尺度的增大,土壤含水率的空间变异性逐渐增强,但部分区域插值后的土壤水分连续性反而增大,土壤水分分布更加均匀,这主要是因为随着采样间距的增大,插值所用的有效变程也随之增大,从而掩盖了土壤水分分布的一些细微结构,使得插值后的土壤水分连续性增大,水分分布更加均匀。
3.5 土壤水分监测点的合理布设数目
确定合理的土壤水分监测点数目,即要求工作量最小,又要满足一定的精度要求。本文依据经典统计学理论,采用如下公式确定显著性水平为α时土壤水分监测点的合理采样数目。
式中:tα,f为自由度为f时的T分布的特征值,可以从统计表中查到;S为样本的标准方差;d为采样误差即样本总量均值与测量值均值之间允许的偏离值,一般取d=kμ,其中k取5%、10%、15%、20%等。
依据上述公式,分别选取置信度α=0.10和0.05,确定每一种置信度在不同采样误差(5%,10%,15%,20%)条件下的土壤水分监测点的合理采样数目,如表5所示。
由表5可知,在相同研究区域、相同置信水平情况下的合理采样数目随着采样误差的增加而减少,而在相同研究区域、相同采样误差条件下,采样数目则随着置信水平的降低而减少。固定置信水平和采样误差,随着研究尺度的增加,0~20和20~40cm处的合理采样数目均随之增加,其中0~20cm处的合理采样数目明显多于20~40cm处的合理采样数目。在95%的置信水平,采样误差为5% 的情况下,合理采样数目为13~83个;在90%的置信水平,采样误差为5%的情况下,合理采样数目为9~58个。
4 结语
本文通过modis数据计算得到植被供水指数,结合实测含水率数据分析建立植被供水指数和实测土壤含水率之间的相关模型,通过该模型反演得到整个沧州地区的土壤墒情状况,并以此为基础,通过经典统计学理论和地统计学理论分析研究了沧州地区土壤水分的空间变异规律,得到以下结论。
(1)在面积较小的研究区域内,土壤含水率之间存在着一定的相关关系,而随着研究尺度(研究区域面积、采样间距)的增大,变异系数也随之增大,土壤含水率之间的相关关系逐渐减弱。
(2)小尺度的土壤水分表现了较强的空间相关性,而大、中尺度的土壤水分则表现了中等的空间相关性,随着研究尺度的增大,土壤水分的变程值增大,空间相关性逐渐减弱,由随机因素引起空间变异逐渐增强。
(3)随着研究尺度的增加,土壤各层水分监测点的取样数目亦随之增加。在95% 的置信水平,采样误差为5% 的情况下,合理采样数目为13~83个;在90%的置信水平,采样误差为5%的情况下,合理采样数目为9~58个。
摘要：以沧州地区为例,利用MODIS数据计算得到植被供水指数,分析构建植被供水指数与实测土壤含水率之间的相关模型,进而反演得到整个沧州地区的墒情状况,以此为基础运用经典统计学和地统计学理论,研究3种尺度下土壤含水率的空间变异性,确定各尺度下土壤水分监测点的合理采样数目。结果表明,小尺度下(采样间距250m)土壤水分具有较强的空间相关性,而大尺度(采样间距4 000m)和中尺度(采样间距1 000m)的土壤水分均呈中等的空间相关性;随着研究尺度的增大,土壤含水率的空间相关性减弱,由随机因素引起的空间变异性逐渐增强;根据空间变异规律,分别得到置信度为0.10、0.05情况下不同尺度的土壤水分监测点的合理采样数目,并发现采用数目随研究尺度的增大而增加。
空间变异特征 篇10
地统计学方法是研究空间变异性的一种重要方法,已被广泛地应用于土壤主要肥力指标的空间变异研究中。据已有研究结果表明,土壤有效磷的空间变异系数比其他指标大,属于中等或强变异程度[5],有机质、全氮、有效钾的变异属于中等强度,p H值则具有弱的空间变异程度[6]。土壤肥力质量仍然是我国土壤质量研究的核心内容之一。目前对土壤肥力质量的研究主要集中在土壤养分平衡、时空变化特征、趋势分析与预测、肥力(养分)质量综合评价等方面[7,8,9],其特点表现为理论研究较多,应用研究较少。关于土壤肥力质量空间变异研究,蔡崇法等采用GIS技术研究了乡镇域土壤肥力评价的方法和过程,分析了土壤肥力变化原因[3];崔潇潇采用地统计技术评价了北京郊区大兴土壤肥力质量演变[10]。不同土地利用方式必然对土壤养分的变化产生重要影响[11],因而土壤肥力质量也会发生很大变化。研究耕作区尤其是南方紫色丘陵区不同土地利用方式土壤肥力质量变化规律,探讨土地利用方式对土壤质量的影响,分析农用地利用方式变化引发的土壤质量变化,对指导该区耕地利用结构调整和可持续利用具有实践价值。
紫色土是中国南方,特别是湖南、四川等省的重要耕地土壤[12]。紫色土肥力高,土层发育浅薄,土质风化度低,受土地利用方式影响较大。不同土地利用方式改变土壤微生态环境,导致土壤有机质库和土壤肥力水平变化[13]。土壤养分是土壤质量变化最基本的表征和核心研究内容[14]。本文选择湘南典型紫色丘陵区,采用地统计学、GIS和GPS相结合的方法,在分析土壤主要单项肥力要素的空间变异基础上,结合Fuzzy综合评价法和普通Kriging插值法研究了紫色丘陵耕作区不同土地利用土壤肥力质量空间变异规律,为该区合理规划、开发土壤资源、进行科学施肥、合理种植以及提高水土资源利用效率提供科学依据。
1 材料与方法
1.1 研究区概况
实验所在的永州市属中亚热带湿润季风气候区,平均气温17.2℃,年平均无霜期为275d,积温为5457℃,年平均日照数为1677 h,热量条件比较优越;年降水量为1390 mm,集中在春夏两季,降水年际变化较大。实验地位于祁阳县文富市镇坪阳甸村(东经111°50′16.4''-111°50′31.8'',北纬26°45'33.2''-26°45'20.9'')约13.49 hm2的连片紫色丘陵耕作小区,区内土壤均为紫色砂页岩发育而成的石灰性紫色土。
1.2 土壤样品的采集与分析
本研究采样在考虑样点等距分布的前提下,土样采集结合土地利用类型、地貌单元及植被,按旱地、荒地和水田进行表土(0cm-20 cm)随机采样。每个土样以取土点为中心,在10 m半径内取5点混合而成,同时用GPS(GARMIN 72)记录中心点位置,记录其经纬度坐标及高程,并详细记录采样点周围的景观信息。在地形相对复杂处加大采样密度,共采集土壤样品29个,其中包括旱耕地土壤7个,主要种植花生、果树及蔬菜;抛荒地土壤6个,主要为低矮灌丛、杂草及裸露地,水田为冲於田或梯田,土样16个,主要种植水稻。样点分布如图1。
所有样品经风干、剔除杂质和研磨后,分别过10目和100目筛,用于土壤理化性质指标的测定,分析方法均采用常规分析方法[15]。
1.3 土壤肥力质量综合指数的计算
1.3.1 评价指标筛选
因土壤肥力形成机制较复杂,不同学者对土壤肥力内涵和外延的理解不同,其评价方法和评价指标也不尽一致。作为土壤肥力评价,应以土壤的养分含量为主[16]。本研究针对南方土壤特性,基于选择的通用性、实用性、有效性和敏感性原则,按照因子对土壤生产力的影响,选取有机质、全氮、全磷、全钾等8个土壤肥力评价指标,建立南方紫色丘陵区土壤肥力质量评价指标体系。
1.3.2 土壤肥力质量Fuzzy综合评判法
本研究肥力质量评价根据模糊数学(Fuzzy)和多元统计分析原理分别计算各肥力指标的隶属度和权重系数,再利用加乘法原则得出综合肥力指标值(Integrated Fertility Index,IFI)[17]。IFI取值范围为0-1,其值越高,表明土壤肥力质量越好。
隶属度函数实际是所要评价的肥力指标与作物生长效应曲线(S型曲线或直线)之间关系的数学表达式,它可以将肥力评价指标标准化,转变成范围为0-1的无量纲值(即隶属度)。隶属度函数通常有两类,分别是S型隶属度函数和抛物线型隶属度函数,其函数表达式为:
S型隶属度函数:
抛物线型隶属度函数:
通过建立各个参评指标的隶属函数模型,计算其隶属度值。本研究除了p H值采用抛物线型隶属度函数外,其他肥力指标可采用S型隶属度函数。根据湘南地区土壤肥力特性、作物品种特点以及相关研究的结果[18],确定隶属函数曲线转折点的取值(表1),其中p H值在抛物线型隶属度函数曲线中转折点的相应取值为:x1=4.0,x2=5.5,X3=7.5,x4=8.5。
1.3.3 单项肥力指标权重的确定
首先将所有样点各项评价指标的测定值录入SPSS软件,求单项肥力质量指标间的相关系数(R2),建立各肥力质量指标间的相关系数矩阵;然后计算各因子与其他因子相关系数的平均值;求出该平均值占所有肥力质量指标相关系数平均值之和的百分率即为该单项肥力质量指标在表征土壤肥力质量中的贡献率,由此可以得出各项肥力指标的权重[19]。所得权重值见表2。
1.3.4 土壤养分质量综合指标值的确定
以模糊数学中的加乘法原则为原理,利用各项肥力指标的权重系数和隶属度值,计算土壤综合肥力指数(integrated fertility index,IFI),具体计算公式如下:
式中:Ni—第i项评价指标的隶属度值;Wi———第i项评价指标的权重系数。
参考湘南土壤肥力质量的实际状况,以土壤综合肥力指数IFI作为依据,按照等距法[20],将土壤肥力划分为5个等级(表3)。
1.4 地统计数据处理方法
本研究主要采用地统计学中的半方差函数及其模型,半方差函数的块金系数、基台值和变程等重要参数可以用来表征区域化变量在一定尺度上的空间变异和相关程度,它是研究土壤特性空间变异的关键,同时也是进行Kriging插值的基础[21]。半方差函数表达式如下:
其中γ(h)为半变异函数值;h是空间向量;N(h)是间距等于h的点对数;Z(x)是区域化变量Z在位置xi的实测值;Z(xi+h)是与xi距离为h处样点的值;以h为横坐标,γ(h)为纵坐标作图,即为半方差图[22]。
运用Map Info7.0软件将采样区的边界进行矢量化,且将各采样点的位置及其数据导入Arc GIS中,以获得样点分布的空间数据库和样点分布图(图1),通过关键字段与分析数据之间实现连接,作为普通Kriging插值的源属性数据。最后运用Cross-Validation交叉验证选择合适的Kriging插值模型,并进行验证和对各参数进行修正,以得到最合理的土壤肥力指标及土壤肥力质量分布等值区图。
1.5 合理采样数量计算
合理采样数量取决于养分要素自身空间变异程度和对数据精度的要求[23]。本研究采用针对区域随机取样而构造的最佳取样数量计算公式计算各土壤样本容量[24],公式为:N=t2a/2(df)×(CV/K)2,其中,N为需要的取样数量;ta/2(df)为t分布特征值,CV为变异系数;K是与测定值和期望值之差有关的系数,由CV决定,当CV<10%,CV=10%~20%,CV=20%~30%,CV>30%时,K值分别取5%,10%,20%和30%。本研究在95%置信水平允许误差为10%的要求下,需采集的样本数有一定的区别。有机质和全磷较高,分别为18和13,最低的速效钾为2,p H、碱解氮、速效磷分别为5、11、8;全氮及全钾为9,均小于本研究采集样本数29个,表明本研究采样点数量已满足置信度95%,相对误差10%的要求。
2 结果与讨论
2.1 紫色丘陵区土壤肥力指标统计特征分析
如表4所示,紫色丘陵区土壤有机质、全氮、全磷、全钾的含量变化范围分别为3.0 g/kg-39.9 g/kg、0.3 g/kg-2.7g/kg、0.5 g/kg-0.8 g/kg、14.6 g/kg-25.9 g/kg;而碱解氮、有效磷、速效钾含量和p H值分别在22.48 mg/kg-201.98 mg/kg、2.40 mg/kg-12.61 mg/kg、54.25 mg/kg-178.86 mg/kg和6.1-8.5之间;研究区所有养分偏度检验值接近于0,而峰度检验值在1.93-2.71,p H值则最大,为9.06,表明土壤养分的分布变化范围较广,测定数据中全钾和有效钾服从对数正态分布,其他养分均服从正态分布;p H和全磷变异系数分别为5.7%和9.2%,据变异系数等级划分标准[25],属于弱变异;其他养分变异系数在15.1%和65.5%之间,属于中等变异。
注:“对数正态”指养分指标经对数转换后的频数分布;有机质、全氮、全磷、全钾的单位为g/kg;碱解氮、有效磷和速效钾单位为mg/kg。
2.2 土壤肥力指标空间变异特征分析
在Arc GIS地统计模块中,对各肥力指标选取各种半方差模型进行拟合,并对预测误差进行了显著性检验和比较,比较标准是:标准平均值(MSE)最接近于0;标准均方根预测误差(RMSSE)最接近于1[26]。由表5可知,p H值、有机质和速效钾符合球状模型;碱解氮、有效磷、全氮、全磷和全钾符合高斯模型。就预测误差而言,8种肥力指标与半方差函数拟合较好,说明理论模型较好地反映了8种指标的空间结构特征。从块金值与基台值的比值可以看出,有机质、全氮、有效磷、速效钾值的C0/(C+C0)分别为100.0%、100.0%、87.9%和99.9%,属于空间弱相关,说明在养分要素中,随机因素对其空间变异的影响较大,这与研究区域内不同土地利用类型下不同施肥措施有关。p H、碱解氮、全磷、全钾值的C0/(C+C0)分别为33.8%、63.3%、66.1%和73.7%,说明它们具有中等的空间相关性,其空间变异受结构性因素和随机性因素共同影响;这与研究区成土作用、土地利用及施肥等结构性因素密切相关。
2.3 土壤单项肥力指标的空间分布特征分析
土壤肥力指标的正态或对数正态分布保证了Kriging插值的有效性[27]。空间插值结果如图2。
2.3.1 p H
土壤p H值大致在6.1-8.4之间,土地利用类型由水田演变为旱地到荒地的变化中,土壤由弱酸性演变为中性和碱性。由于该区为紫色岩性土,同时耕作利用强度大,因此这种分布状况与整个研究区域内的土壤母质和土地利用类型有着密切的关系。西部区域主要以水田为主,土壤常处于氧化还原反应中,p H值要低于以旱地为主的东部区域,加之当地农民以粮食生产为主,在追求产量效益的时候,大量施用化肥,有机肥施用不足,造成土壤结构变差,加速酸化过程。
2.3.2 有机质与速效养分
土壤有机质几乎呈带状从东到西呈梯度增加的变化趋势。西部水田土壤有机质含量在18.7g/kg-39.9 g/kg;东部旱地及荒地有机质含量在3.03 g/kg-12.3 g/kg之间,这种现象可能仍与东部旱地与荒地和西部水田为主的土地利用方式有关,由于水田土壤熟化程度更强烈,加之水热条件充足,土壤有机物质积累较旱地更多。全区土壤碱解氮含量与有机质含量呈显著正相关(相关系数为0.98),其空间分布格局与有机质一致,这与前人的研究一致[28]。速效磷的空间变异结构较为复杂,大体上该区有效磷含量呈现从东到西递增的趋势。西部水田有效磷含量稍高,为6.1mg/kg-12.6 mg/kg,东部旱地与荒地有效磷含量稍低,含量在2.4mg/kg-5.8 mg/kg之间,可能是由于土地利用类型和施肥等随机因素造成的。速效钾随着土地利用类型由水田向荒地演变呈现带状分布且从东南向西北部递减。西部为水田,耕地利用强度大,在钾肥施用的同时有效性钾容易随水分流失。东南部旱地为主,有效性钾流失现象不明显,含量较西部高。
2.3.3 全量养分
全氮含量从南向北呈现凹状,其中凹陷的部分全氮含量较高,含量为1.39 g/kg-2.70 g/kg,其余部分大部分全N含量偏低,含量大约在0.3 g/kg-1.2 g/kg,可能由于南部低海拔地区土层相对较厚,土壤细颗粒丰富,水分充足,有机态氮分解慢等原因。此外,全氮含量小于1.2 g/kg的土壤占据整个区域的3/5之多,说明此区域的土壤全氮含量处于较低水平,应该增加氮肥的施用量以维持当地农业发展。全磷的空间变异分布为中部、西部和东部向南北两方向递减,中部、西部和东部全磷含量大体在0.7g/kg-0.8 g/kg之间,南部及北部全磷含量大致在0.5 g/kg左右,因母质以紫色砂页岩为主,整个区域土壤全磷处于弱变异性,且其含量处于较低水平。全钾呈现带状分布从东南到西北部递增变化,西北部全K含量在20.5g/kg-25.9 g/kg之间,东南部全钾含量<16.3 g/kg。土壤全K含量主要是由土壤母质以及K肥的施用量所决定的,紫色砂页岩母质发育的土壤钾素较高,虽水田钾素较旱地易流失,但当地农民以粮食生产为主,水田施钾水平较旱地高,土壤全钾含量西部略高于东部。
2.4 土壤肥力质量的空间分布特征
2.4.1 土壤综合肥力指数(IFI)的描述性统计分析
对坪阳甸村29个样点的IFI值进行统计分析(表6)可知,坪阳甸村土壤的IFI值在0.36-0.72之间,均值为0.57。就变异系数而言,IFI值的变异系数为71.2%,属于中等强度变异。单一样本K-S检验结果表明,IFI值服从对数正态分布。
2.4.2 土壤综合肥力指数(IFI)空间变异特征分析
由表7可以看出,坪阳甸村土壤综合肥力指数IFI符合球状模型,预测误差则表明该理论模型较好地反映了IFI值的空间结构特征。块金值与基台值的比值为57.1%,由于影响速效磷变异的因素中,随机性因素占主导,影响有机质、全氮、速效钾等肥力指标和p H值变异的因素既有结构性因素又有随机性因素。因此,从整个区域看,土壤综合肥力指数IFI表现出中等空间相关性,其空间变异受结构性和随机性因素共同影响。
2.4.3 土壤肥力质量空间分布
由图3和表3可知,文富市坪阳甸村土壤肥力质量总体上呈现出从西到东的梯度递减的变化趋势。整个区域土壤肥力质量均为Ⅱ、Ⅲ、Ⅳ等,其中Ⅱ等占整个区域面积的46.2%;Ⅲ等面积为19.6%;Ⅳ等面积为34.2%。西部水田土壤肥力质量较优,为Ⅱ等,丘陵下部梯田土壤肥力质量为Ⅲ等,可能与该区为农田的土地利用类型有关,由于多年的耕作和人为培肥作用,土壤肥力质量相对较好;中部地势较低的坡耕地土壤肥力质量为Ⅲ等,相对地势较高的为Ⅳ等,可能与旱耕作用和水土流失相关,丘陵中上部由于侵蚀作用,土壤养分流失作用强,土壤肥力质量较差,中下部侵蚀作用较弱,土壤肥力质量相对较好。东部荒地土壤肥力质量均为Ⅳ等,该区为丘陵顶部,成土作用较弱,同时没有耕作与施肥作用,土壤肥力质量相对较低。总体上,坪阳甸村紫色土肥力质量偏低,这可能与紫色土是岩性土,成土作用快,土壤质地偏砂,土壤退化相关,由于该区母质单一,土壤综合肥力分布格局与土地利用类型、地形和施肥有着密切的关系。
3 结论与讨论
3.1 结论
(1)湘南文富市镇坪阳甸村8种土壤养分的分布变化范围较广,测定数据中全钾和有效钾接近正态分布,其他养分均服从正态分布;p H和全磷变异系数分别为5.7%和9.2%,据变异系数等级划分标准,属于弱变异。其他养分变异系数在15.1%和65.5%之间,属于中等变异。
(2)8种肥力指标具有一定的空间相关性。有机质、全氮、有效磷、速效钾值的C0/(C+C0)分别为100.0%、100.0%、87.9%和99.9%,属于空间弱相关,说明在养分要素中,随机因素对其空间变异的影响较大,与研究区土地利用和施肥措施有关。p H、碱解氮、全磷、全钾值的C0/(C+C0)分别为33.8%、63.3%、66.1%和73.7%,说明它们具有中等的空间相关性,其空间变异受结构性因素和随机性因素共同影响;采样尺度影响土壤肥力指标的空间相关性,块金值随着采样尺度的增大而增大[29],因而随着研究尺度的增大,小尺度上变异的相关性可被大尺度变异的相关性所掩盖。本研究每个土样以取土点为中心,在10 m半径内取5点混合而成,可能掩盖了10 m内土壤肥力指标的空间相关性,导致研究区空间异质比较大,影响了肥力指标的空间相关性。
(3)各单一肥力指标值表现出不同的空间变化趋势。从西到东,土壤利用类型由水田演变为旱地到荒地的变化中,土壤由弱酸性演变为中性和碱性;有机质、碱解氮分布趋势则表现为从西南向东北呈减少趋势,速效磷则相反。全氮从南向北呈现凹状;全磷的空间变异分布为中部、西部和东部向南北两方向递减;全钾呈现带状分布从东南到西北部呈增加的变化趋势。
(4)研究区土壤肥力质量呈现出从西到东的梯度递减的变化趋势,为Ⅱ、Ⅲ、Ⅳ等,其中Ⅱ等占整个区域面积的46.2%;Ⅲ等面积为19.6%;Ⅳ等面积为34.2%。西部水田土壤肥力质量较优,主要为Ⅱ等;丘陵下部梯田土壤肥力质量为Ⅲ等。中部地势较低的坡耕地土壤肥力质量为Ⅲ等,相对地势较高的为Ⅳ等。东部荒地土壤肥力质量均为Ⅳ等。总体上,坪阳甸村紫色土肥力质量偏低,这可能与紫色土是岩性土,成土作用快,土壤质地偏砂,土壤退化相关。
3.2 讨论