豫西典型煙田土壤顆粒組成的空間變異性分析

江厚龍，王新中，劉國順，胡宏超，劉清華

（1.河南農業大學煙草學院，國家煙草栽培生理生化研究基地，鄭州 450002；2.重慶煙草科學研究所，重慶 400715；3.云南省煙草公司大理州公司，云南 大理 671000；4.河南省煙草公司平頂山分公司，河南 平頂山 467000）

土壤是由大小和性狀不同顆粒組成的時空連續變異體，在不同尺度上均具有一定程度的空間變異性。Fisher統計學原理對其空間變異性進行描述，忽視了樣點間的空間相關性。隨著地統計學的快速發展和廣泛應用，逐漸成為能有效揭示變量在空間上的分布、變異和相關的優良方法[1-4]。Facchinelli等[5]利用GIS方法研究了意大利皮埃蒙特區土壤重金屬變異性，并繪制重金屬含量分布圖；Kheir等[6]基于GIS技術研究了黎巴嫩土壤鋅空間分布狀況；Kravchenko等[7]研究農田管理對土壤表層礦物態碳的空間變異性影響；Motaghian等[8]利用地統計學方法研究了伊朗半干旱區土壤滲透率。賈艷紅等[9]利用地統計學方法研究了黑河下游地下水波動帶的土壤鹽份空間變異性特征；師榮光等[10]采用地統計學方法對江蘇農業區土壤砷含量的空間變異性進行了分析；馬寧遠等[11]應用地統計學方法研究了外來入侵有害生物煙粉虱危害新疆棉田的時空動態、種群分布面積變化與擴散趨勢，并依此對昆蟲種群的擴散模型進行了模擬。

煙草是我國重要的經濟作物，對質量有著較為嚴格的要求。土壤保肥和供肥能力對煙田肥料管理和煙草質量起著至關重要的影響，特別是氮、磷和鉀肥[12]。研究土壤顆粒組成空間分布特征有利于對煙田進行科學管理，為生產出優質煙葉提供科學依據。土壤顆粒組成影響其持水性、通透性、保水和保肥能力，決定著土壤物理、化學和生物學過程。其空間變異性是農戶確定施肥量和施肥時期的重要依據。地統計學方法也適用于土壤顆粒空間特征的研究，He等[13]利用這種技術研究了土壤質地的三維空間分布特征，Jia等[14]定量分析了荒漠區土壤顆粒的空間變量情況，高俊等[15]研究農田土壤顆粒組成及其剖面分層的各向異性和趨勢效應，黃冠華等[16]研究了土壤顆粒的分形特征，黃紹文等[17]利用地統計學研究了土壤養分與土壤顆粒組成間的關系。由于受到各種因素的影響，土壤顆粒組成的空間分布常呈現顯著的趨勢特征、空間自相關性和異向性分布。目前未見系統分析土壤顆粒組成的空間自相關性、趨勢性和各向異性的報道。

本研究旨在利用地統計學方法和GIS技術，以平頂山地區典型煙田土壤為研究對象，定量分析了土壤顆粒組成的趨勢性、空間相關性和各向變異性，并在此基礎上繪制土壤顆粒組成的空間局部插值圖，探討土壤顆粒組成的結構性及其對土壤供肥能力的影響，為煙田精準施肥提供理論基礎。

1 材料與方法

1.1 研究區域概況

研究區位于平頂山市郟縣的典型煙田（113°17′8″N、33°53′5″E），面積約為 87 hm2，土壤成土母質為由花崗巖類風化剝蝕形成石英砂、黏土礦物、微量元素和稀土元素等組成。該區屬暖溫帶大陸性季風氣候，光照充足，四季分明。年均氣溫14.6 ℃，無霜期220 d左右，≥10 ℃的活動積溫為4734.9 ℃，年日照時數2232.2 h。年均降雨量680 mm，7—9月份降雨量占全年的70%左右，屬“丘陵干熱少雨區”，高溫與多雨同步。

1.2 樣品采集與分析

研究于2007年3月整地施肥前用100 m間隔的“網格法”取耕層（0～20 cm）土壤樣品81個，每樣點GPS定位其坐標，每點坐標在ArcGIS中轉換為大地坐標，以便于地統計分析（圖1）。采樣時以網格點為圓心，5 m為半徑的范圍內采集10鉆充分混合為該點的混合樣本。土樣經自然風干，磨碎、過篩，采用比重計法測定土壤顆粒組成[18]。按國際制標準，將土壤顆粒劃分為砂粒（0.02～2 mm）、粉粒（0.002～0.02 mm）、黏粒（＜0.002 mm）3個等級。

圖1 試驗區土壤采樣點分布圖Fig.1 Soil sampling points and boundary of study area

1.3 數據處理

本研究利用 SPSS13.0進行異常值剔除、描述性統計和正態分布檢驗，應用GS+和ArcGIS 9.0軟件進行地統計分析。

2 結果與討論

2.1 土壤顆粒組成的描述性統計

對土壤顆粒組成數據進行統計特征分析是建立變異模型的前提和基礎。利用SPSS軟件對81個采樣點的顆粒組成數據進行了常規統計分析，結果見表1。

由表1可知，根據Cohran[19]方法計算研究區域的合理取樣數。結果表明，本研究取 81個樣品在95%置信區間條件下能滿足試驗要求。變異系數（CV）分析可以看出，研究區域土壤顆粒組成各成份均屬于中等變異程度[20]，變異系數為黏粒 ＞ 砂粒 ＞ 粉粒。而陳洪松等[21]的研究表明，砂粒的變異系數最大，黏粒次之，粉粒最小，三者均屬弱變異性，且最大變異系數為9.6%。

由于常規統計是反映整塊地的總體情況，掩蓋了具體位置的變異信息，因此，有必要進一步進行地統計學分析[22]。由偏度、峰度和Kolmogorov—Smirnov（P＞0.05）檢驗可知，土壤顆粒組成的3種成分測定數據均符合或近似符合正態分布的要求（表1）。因此，數據滿足地統計學分析要求。

2.2 土壤顆粒組成的趨勢分析

土壤顆粒組成的空間分布主要受成土母質和氣候條件的影響，往往呈現出明顯的趨勢特征。因此，有必要對土壤顆粒組成做趨勢面分析。趨勢面分析（Trend analysis）能將研究區平面上的點轉化為以屬性值為高度的三維圖，然后將屬性值按兩個方向投影到與地圖平面垂直相交的平面上。它反映了某種屬性在空間區域上變異的主體特征，揭示了屬性空間變異的總體規律。分析時利用空間抽樣數據來擬合一個數學曲面以反映空間分布的變化情況。它可以分為趨勢面和偏差兩大部分[23]，其中趨勢面反映了空間數據總體變化趨勢，受全局性、大范圍的因素影響。

圖2為土壤顆粒組成的趨勢效應圖。圖中X軸表示正東方向，Y軸表示正北方向，Z軸表示各點實測值的大小。從圖2可以看出，機械組成呈現出一階、二階甚至多階趨勢。為了更準確地模擬短程隨機變異，在半方差分析時將去除這些趨勢，但在Kriging插值結果中將恢復趨勢性，以獲取有切合實際的插值結果[24]。

表1 土壤顆粒組成的描述性統計Table 1 Descriptive statistics of soil particle composition

圖2 土壤顆粒組成的趨勢效應Fig.2 Trend analysis of soil particle composition

由圖2可知，黏粒從西向東呈逐漸上升的趨勢，而從北向南呈逐漸下降趨勢，從西南向東北方向表現出先降后升趨勢，呈現“U”字形；而由東南向西北方向呈逐漸降低趨勢。砂粒由西向東呈先降低而后略微升高趨勢；從西南向東北方向為先升后降，而呈倒“U”字形；由東南向西北則呈現出先降后升趨勢。粉粒在東西和南北方向均呈略微下降趨勢，由西南向東北方向呈直線下降，由東南至西北方向呈略升而后略降趨勢。

2.3 土壤顆粒組成的空間自相關性分析

Moran’s I可以定量描述變量的空間相關性程度[25]。本研究運用 GS+軟件中 Moran’s analysis 模塊對土壤顆粒組成的 Moran’s I進行分析。由圖 3可知，黏粒、砂粒和粉粒的空間自相關性具有相似的變化趨勢，滯后距較小的點對呈顯著的空間自相關性；隨著滯后距的增大，空間自相關系數逐漸向負方向增長，呈現出負空間自相關性，表現簡單的斑塊狀分布。

黏粒的空間自相關性變化比較明顯，當步長在0～400 m范圍內，步長與Moran’s I值呈現較強的正相關關系，且空間自相關程度隨步長增大而降低；步長在400 m左右出現零值，表現出零相關；步長超過400 m后出現負相關關系，且在530 m左右負相關關系穩定，相關性不再隨步長增加而變化。砂粒的Moran’s I值的變化趨勢與黏粒相似，但零值和平穩點出現較黏粒早，說明砂粒的空間自相關性較黏粒小。粉粒的 Moran’s I值變化較前兩者弱，步長在0～280 m范圍時，步長越小，相關性越強，當步長大于280 m時，Moran’s I值幾乎為零，說明當步長大于280 m時，粉粒的空間自相關關系消失。

Moran’s I分析表明，黏粒、砂粒和粉粒均在一定范圍內存在著空間自相關關系。黏粒的空間自相關性較其他兩種強，且自相關性變化劇烈；砂粒次之；粉粒空間自相關性最弱，自相關距離最短。由此可知，黏粒的結構性最好，空間自相關性最強；砂粒次之；粉粒的結構性最差，空間自相關性弱。

2.4 各向異性下半方差函數分析

半方差函數在各個方向上區域化變量變異性不同稱為各向異性。各向同性是相對的，各向異性是絕對的[26]。就區域化變量而言，半方差函數不僅與步長有關，而且還與方向有關[27]。由表2知，黏粒、砂粒在45°、90°和135°方向上；粉粒在12°和135°方向上的各項異性比均接近1或為1，說明他們在這些方向上的差異性不明顯；黏粒和砂粒在12°方向上的差異性均較大；而粉粒則在 90°和 45°方向上的差異性均較大，尤其是在 90°方向上。總體來看，該研究區域內的土壤顆粒組成在各方向上的變異性較小，這可能與該區相同的成土母質、氣候條件、耕作制度、農事操作和田間管理有關。

圖3 土壤顆粒組成的Moarn’s I系數Fig.3 Moran’s for soil particle composition indices

表2 土壤顆粒組成各向異性半方差函數理論模型及相關參數Table 2 Theoretical models and corresponding parameters for anisotropic semivariogram of soil particle composition

2.5 各向同性下半方差函數分析

地統計學中的各向同性是指在計算變異函數時不區分方向，只要在步長范圍內的點均可參與計算。為了揭示該區域土壤顆粒組成的空間分布狀況，將土壤顆粒組成的變異函數列入表3，圖4為去除趨勢效應時的變異函數圖。由表3可知，砂粒和黏粒為球狀模型，粉粒為指數模型，其決定系數分別為0.99、0.99和0.97，殘差分別為0.69、7.44和1.03，因此擬合效果較好；他們的變異函數曲線比較平穩，說明在整個尺度上各種生態過程同等重要[28]。劉付程等[24]研究表明，砂粒和粉粒為指數模型，黏粒為球狀模型。

表3 土壤顆粒組成半方差函數理論模型及有關參數Table 3 Theoretical models and corresponding parameters for semivariogram of soil particle composition

圖4 土壤顆粒組成半方差函數理論模型Fig.4 Experimental and model-fitted semivariograms of soil particle composition

Li等[29]認為，空間異質性主要有兩部分組成：隨機部分和自相關部分。塊金值表示隨機部分的空間異質性，是由試驗誤差和小于取樣尺度引起的變異，較大的塊金方差值表明較小尺度上的某種過程不容忽視；基臺值表示系統內總變異；塊金系數表示隨機因素引起的變異占系統總變異的比例；從結構性因素角度來看，塊金系數可以表示系統變量的空間相關性程度。

由表3可知，三者均有較大的塊金值和基臺值，說明試驗誤差和小尺度引起的變異較大，且總變異也較大。砂粒、黏粒和粉粒的塊金系數分別為19.19%、18.76%和 43.82%，說明砂粒和黏粒具有較強的空間相關性和較好的結構性；粉粒具有中等空間相關性，且結構性較差；三者空間相關性主要由結構性因素引起的，人為因素只能減弱空間相關性，使其朝均一化方向發展[30]。劉作新等[31]研究表明，砂粒和粉粒的塊金系數較小（0.21%和0.22%），黏粒的塊金系數較大（21.3%）。綜合分析顯示，分維數與塊金值及塊金系數呈現正比例關系，與空間自相關性呈現反比例關系。

2.6 Kriging插值分析

土壤屬性在空間分布上既具有隨機性，又具有相關性。經典統計學不能分析其空間分布和空間變異結構。隨著地統計學的發展，將 Kriging插值法引入到土壤特性空間變異性研究，使得土壤特性研究變得簡單化。

為了更直觀地了解土壤顆粒組成的空間分布和變化特征，本研究利用 Kriging最優內插法繪制了土壤顆粒組成空間分布圖（圖5）。從圖中可直觀地了解土壤顆粒組成的不同粒級土粒含量的空間分布特征。結果表明，土壤砂粒、粉粒和黏粒含量均呈現較明顯的漸變性分布規律。土壤砂粒含量以北部較高，西南部較低；粉粒和黏粒含量的分布與砂粒的分布基本呈相反的趨勢。根據黏粒含量，土壤顆粒組成可分為砂土類、壤土類（黏粒含量＜15%）、粘壤土類（15%＜黏粒含量＜25%）和粘土類（黏粒含量＞25%）[18]。因此，該區域土壤顆粒組成包括壤土和粘壤土兩類，壤土占了研究區域土壤的絕大部分，粘壤土僅在西南角有小塊分布。

圖5 土壤顆粒組成的空間分布圖Fig.5 Contour maps of soil particle composition

3 結 論

黏粒和砂粒的最優半方差函數模型為球狀模型，粉粒為指數模型。砂粒和黏粒具有強烈的空間相關性和較好的結構性，粉粒具有中等空間相關性，且結構性較前兩者差。黏粒的趨勢效應最強，空間變異性最大；砂粒空間變異性不大，具有一定的趨勢效應；粉粒的趨勢效應不明顯，三者的各向異性均不明顯。

Kriging插值顯示，該區域砂粒含量以北部較高，西南部較低；粉粒和黏粒含量的分布與砂粒的分布基本呈相反的趨勢；該區壤土占了絕大部分面積，黏壤土僅在西南角有小塊分布。

[1]Burgess T M, Webster R.Optimal interpolation and isarithmic mapping of soil properties, I, The semi-variogram and punctual kriging [J].J.Soil Sci.,1980, 31: 333-341.

[2]Webster R.Quantitative spatial analysis of soil in the field[J].Advance in Soil Science, 1985, 3:1-70.

[3]Mckinion J M, Willers J L, Jenkins J N.Spatial analyses to evaluate multi-crop yield stability for a field [J].Comput.Electron.Agric, 2010, 70: 187-198.

[4]Fu W J, Hubert Tunney, Zhang C S.Spatial variation of soil nutrients in a dairy farm and its implications for site-specific fertilizer application [J].Soil and Tillage Research, 2009, 1-9.

[5]Facchinelli A, Sacchi E, Mallen L.Multivariate statistical and GIS-based approach to identify heavy metal sources in soils [J].nvironmental Pollution, 2001, 114(3):313-324.

[6]Kheir R B, Greve M H, Abdallah C, et al.Spatial soil zinc content distribution from terrain parameters: A GIS-based decision-tree model in Lebanon [J].nvironmental Pollution, 2009, 158: 520-528.

[7]Kravchenko A N, Hao X M.Management practice effects on spatial variability characteristics of surface mineralizable [J].Geoderma, 2008, 144: 387-394.

[8]Motaghian H R, Mohammadi J.Predictive infiltration rate mapping with improved soil and terrain predictors [J].Journal of Applied Sciences, 2009, 9(8): 1562-1567.

[9]賈艷紅，趙傳燕，南忠仁，等.黑河地下水波動帶土壤鹽份空間變異性研究[J].土壤學報，2008，45（3）：420-430.

[10]師榮光，趙玉杰，周啟星，等.蘇北優勢農業區土壤砷含量空間變異性研究[J].農業工程學報，2008，24（1）：80-84.

[11]馬寧遠，王惠卿，張偉，等.基于地統計學的新疆棉田煙粉虱（Bemisia tabaci（Gennadius）危害動態與時空分布[J].生態學報，2008，28（6）：2654-2662.

[12]劉國順.煙草栽培[M].北京：中國農業出版社，2003.

[13]He Y, Hu K L, Chen D L, et al.Three dimensional spatial distribution modeling of soil texture under agricultural systems using a sequence indicator simulation algorithm[J].Comput.Electron.Agric, 2009: 1-8.

[14]Jia X H, Li X R, Zhang J G, et al.Analysis of spatial variability of the fractal dimension of soil particle size of Ammopiptanthus mongolicus’desert habitat[J].Environ Geol, 2009, 58: 953-962.

[15]高俊，黃元仿，李保國.農田土壤顆粒組成及其剖面分層的空間變異分析[J].植物營養與肥料學報，2003，9（2）：151-157.

[16]黃冠華，詹衛華.土壤顆粒的分形特征及其應用[J].土壤學報，2002，39（4）：490-497.

[17]黃紹文，金繼運，楊俐蘋，等.糧田土壤養分的空間格局及其與土壤顆粒組成之間的關系[J].中國農業科學，2002，35（3）：297-302.

[18]鮑士旦.土壤理化分析[M].北京：中國農業出版社，2000.

[19]Cochran W G.Sampling Techniques [M].New York: John Wiley ＆ Sons, 1977.

[20]王紹強，朱松麗，周成虎.中國土壤土層厚度的空間變異性特征[J].地理研究，2001，20（2）：161-169.

[21]陳洪松.坡面尺度土壤特性的空間變異[J].水土保持通報，2004，24（6）：45-48．

[22]陳義強，劉國順，習紅昂.微尺度下煙田鐵的空間變異性及其煙葉鐵的相關分析[J].生態學報，2009，29（3）：1448-1458.

[23]Trangmar B B, Yost R S, Uehara G.Application of geostatistics to spatial studies of soil properties[J].Adv.Agron., 1985, 38: 44-94.

[24]劉付程，史學正，潘賢章，等.蘇南典型地區土壤顆粒的空間變異特征[J].土壤通報，2003，34（4）：246-250.

[25]Cliff A D, ORD J K.Spatial Processes: Models and Applications [M].London: Poin limited, 1981: 6-46.

[26]王政權.地統計學及其在生態學中的應用[M].北京：科學出版社，1999.

[27]李保國.分形理論在土壤科學中的應用[J].土壤學進展，1994，22（1）：1-9.

[28]Burrough P A.Multiscale sources of spatial variability in soil variation [J].Soil Sci., 1983, 34: 577-579.

[29]Li H, Reynolds J F.On definition and quantification of heterogeneity[J].Oikos, 1995, 73: 280-284.

[30]蘇永中，趙哈林.科爾沁沙地農田沙漠化演變中土壤顆粒分形特征[J].生態學報，2004，24（1）：71-75.

[31]劉作新，唐力生.褐土機械組成空間變異等級次序地統計學估計[J].農業工程學報，2003，19（3）：27-32．