基于熵權TOPSIS模型和GIS的黔北農產品區土壤養分空間分析及綜合評價

王 歷, 周忠發, 牛穎超, 馮 倩, 但雨生

(1.貴州師范大學 喀斯特研究院, 貴陽 550001; 2.貴州師范大學 地理與環境科學學院/喀斯特研究院,貴陽 550001; 3.貴州省喀斯特山地生態環境國家重點實驗室培育基地, 貴陽 550001)

土壤養分是成土母質、氣候、地形和生物等自然因素和人類活動共同作用的結果，是土壤生態功能中最重要的組成部分，其含量是衡量土壤肥力程度的量化指標，是植物生長發育的基礎[1-2]，土壤養分的高低決定了作物的生產潛力。土壤養分在生態系統中受系統因素和隨機因素的共同作用使得土壤具有空間異質性。而分析、預測土壤養分空間變異性及空間分布，開展區域土壤養分綜合評價是土地可持續利用的重要組成部分[3]，對農作物的精準施肥，土壤的利用與改良，農業生態系統的可持續性具有重要意義。目前，中國大部分地區土壤均出現不同程度的肥力退化現象[4]，科學、合理地分析與評價土壤肥力可以更好地利用土地資源，可為科學施肥、作物布局調整以及土地開發整理等提供科學的依據[5]。

地統計學是以區域化變量理論為基礎的數學工具，不僅能揭示屬性變量的空間分布、空間變異及相關特征，而且能將空間格局與生態過程聯系起來，可有效地解釋空間格局對生態過程與功能的影響[2]。目前，國內外學者應用地統計方法在不同尺度上對土壤養分空間變異規律進行了研究，如Tesfahuneg等[6]在流域尺度基礎上研究了埃塞俄比亞北部特定管理下土壤屬性的空間變異性；Bogunovic等[7]基于地統計方法和樣條基函數插值法研究了小尺度的砂質土壤的養分空間變異；Oueslati等[8]對意大利植被和土壤有機碳的空間變異進行了研究，但并未提及其他土壤養分；呂真真等[9]從大尺度上研究環渤海沿海區域不同土層土壤養分空間變異和分布；Zhang等[10]結合地統計學和GIS技術，研究了愛爾蘭東南部草原地區土壤有機碳的空間分布特征。上述研究基于GIS技術與不同研究方法相結合對土壤養分的空間變異特征進行研究，為更好地綜合評價土壤養分狀況奠定了基礎。在土壤養分綜合評價方法的研究中，國內外研究學者更多偏向于應用數學模型和方法，如模糊綜合評判法[11]、主成分分析法[12]、灰色關聯法[13]、投影尋蹤綜合評價法[14]、神經網絡法[15]等方法，對土壤養分綜合評價進行研究，使土壤養分評價趨于定量化。上述方法均有各自優點，但土壤養分是多指標因素的綜合體系，其每個指標只能描述土壤養分的某一側面[16-17]。因此各單項指標評價結果是不相容的，使上述方法存在忽略各因子對土壤養分總體影響的問題[18]。而熵權TOPSIS模型是熵權法與TOPSIS模型結合在一起的改進模型，是綜合評價法中最新的研究成果[19]，不僅能客觀描述各養分指標對土壤綜合肥力貢獻的重要程度，而且避免了人為因素的主觀性，提高了評價結果的精度和客觀性。

黔北地區是貴州省重要的糧食和特色農產品生產基地，素有“黔北糧倉”的美譽。土壤肥力的高低直接影響著該區域農產品種植的結構、布局和效益，對整個貴州省農產品產業發展也極具影響。因此，正確分析與評價該區域土壤的養分高低水平對于提出合理的施肥建議、充分發揮土壤潛力具有十分重要的意義。

1 材料與方法

1.1 研究區概況

黔北地區位于貴州省北部的遵義市，介于27°8′—29°12′N，105°36′—108°13′E，地處云貴高原向湖南丘陵和四川盆地過渡的斜坡地帶，位于云貴高原的東北部，地形起伏大，地貌類型復雜。平均海拔1 000～1 600 m，在全國地勢第二級階梯上，國土總面積為30 762 km2，其山間平壩面積占7.4%，丘陵占30.7%，山地占61.9%。低山丘陵盆地區主要以黃壤、石灰土、水稻土為主；低中山地區主要以石灰土、紫色土為主；中高山地主要以黃棕壤為主，土壤性質以酸性和中性為主(圖1)。黔北地區季風環流交替，屬典型的溫暖、濕潤亞熱帶季風高原山地氣候，四季分明，雨熱同季，無霜期長，年平均降水量1 000～1 300 mm，年平均氣溫13～18℃，光熱水氣條件較好，適宜農作物生長，是貴州省重要農產品生產基地，以茶葉、蔬菜辣椒、生態畜牧業、中藥材、干鮮果為重點的“5大主導產業”和以竹、烤煙、馬鈴薯、酒用高粱和特色食糧為主的“5大特色產業”，素有“黔北糧倉”的美譽。

1.2 土壤樣品采集與測定

采樣區位于貴州省北部的黔北地區，囊括遵義市14個縣區，面積30 762 km2，土地利用方式主要以旱地為主。根據黔北地區的地形地貌、土壤類型和性質特點，以兼顧代表性與均勻性為原則，按照NY/T1634—2008《中國耕地地力調查與質量評價技術規程》[20]，運用GPS和BDS儀確定每一個中心樣點的空間地理位置及海拔高度，每個中心樣點周圍設置4個輔助樣點進行多點混合法采集表層(0—20 cm)土壤，并將土壤充分混勻后，去掉雜草、草根、礫石、磚塊、肥料團塊等雜物后，用四分法留取2 kg土樣帶回室內作為中心采樣點的土壤樣品，經自然風干，碾磨后裝袋以備分析，共計土壤樣品1 037個(圖2)。

圖1黔北地區土壤類型分布

樣品理化性質測定：根據研究需要，土樣的測定方法均采取常規分析測定方法。其中全氮采用半微量開氏消煮法—流動注射儀測定；有效磷采用碳酸氫鈉浸提—分光光度法；速效鉀采用乙酸銨浸提—火焰光度法；有機質采用重鉻酸鉀氧化—容量法測定；pH值用pH值計測定[21]。

圖2黔北地區及采樣點分布

2 研究方法

2.1 熵權TOPSIS模型

TOPSIS模型稱為“逼近理想解排序方法”，是一種在系統分析決策中采用逼近于最優解的技術，確定評價對象的排序或等級的分析方法[22]。核心思想是分析系統決策問題的最優解和最劣解的距離，最后計算各評價對象與最優方案的接近程度，按接近程度對各評價對象進行排序，確定評價效果[23]。而權重是TOPSIS模型的重要參數，傳統TOPSIS模型采用的權重指標法已不適合土壤養分元素研究。因此，對傳統TOPSIS模型進行改進，建立熵權TOPSIS模型，通過采用熵權法來確定評價指標權重值，進而再利用TOPSIS模型對評價對象進行優劣排序。熵權法是一種由待評價指標來確定指標權重的一種客觀評價法，不僅能客觀體現出各土壤養分指標對土壤綜合肥力貢獻的重要程度，而且能避免人為因素的主觀性，提高結果的精度和客觀性[24-25]。熵權TOPSIS模型建立步驟如下[26-27]：

(1) 評價指標同趨勢化處理。通過將高優指標數據轉化為低優指標數據，或將低優指標數據轉化為高優指標數據，使得所有指標變化方向一致，即同趨勢化處理，通常采用后一種方式。其轉換公式如下：

(1)

(2) 歸一化處理，建立歸一化矩陣。

(2)

經歸一化處理后的A矩陣為：

(3)

(3) 確定最優解向量和最劣解向量。

(4)

(5)

(4) 確定指標權重。

① 計算信息熵。

(6)

式中：Hj為信息熵；pij代表第j個指標下第i個對象的指標的比重。

② 計算熵權。

(7)

(5) 計算歐式距離。

(8)

(9)

(6) 計算綜合評價指數。

(10)

式中：Ci∈0,1，Ci愈接近1，表示該評價對象越接近最優水平；Ci愈接近0，表示該評價對象越接近最劣水平。

2.2 地統計法

2.2.1 半方差函數模型 地統計分析的核心是根據樣本點來確定研究對象(某一變量)隨空間位置而變化的規律，以此推算未知點的屬性值[28]。半方差函數是描述空間變量的關鍵函數，它能描述變量的空間變異結構，反映不同距離觀測值之間的變化[29]。其計算公式如下:

(11)

式中：γ(h)為半變異函數；h為兩點空間距離；N(h)為間隔為h的樣點數目。Z(xi)和Z(xi+h)分別為區域化變量Z(xi)在位置xi和xi+h處的實測值。半變異函數的理論模型有球狀、高斯、指數、純塊金效應、冪函數、對數函數等模型。通過變異函數及曲線圖可以得到4個重要參數，即變程、基臺值、塊金值和分維數[30]。

2.2.2 克里金插值法 克里金插值法是利用原始數據和半方差函數的結構特點，對未知采樣點區域化進行最優、無偏估計的一種方法[28]，其計算公式如下：

(12)

式中：Z(xo)表示未知樣點值；Z(xi)表示未知樣點周圍的已知點值；λi為第i個樣點的權重；N表示樣本數。

3 結果與分析

3.1 土壤養分的含量統計分析

根據全國二次土壤普查養分分級標準[31]，將每個養分指標均分為6級水平，分別為很豐富、豐富、中等、缺乏、很缺乏、極缺乏。對黔北地區1 037個采樣點中的全氮、有機質、有效磷、速效鉀和pH值5項指標進行描述性統計分析，其結果見表1。從土壤養分指標含量的變化范圍來看，全氮的含量變化范圍為0.80～1.65 g/kg；有機質含量的變化范圍是為10.70～23.60 g/kg；而有效磷、速效鉀含量變化范圍分別為8.00～13.60，124.00～291.00 mg/kg；pH值為4.60～8.00。從土壤養分指標含量均值和豐缺狀況來看，全氮含量的均值為1.32 g/kg，達中等豐富水平；有機質含量均值為19.88 g/kg，處于缺乏狀況；而有效磷的均值為10.47 mg/kg，達中等豐富水平；速效鉀的均值為169.74 mg/kg，達到豐富水平；pH值的均值為6.25，呈酸性。

依據變異系數的大小劃分，當變異系數CV≤0.1時為弱變異性，當0.1

表1 土壤各養分指標的統計特征

3.2 土壤養分含量空間特征分析

3.2.1 土壤養分含量空間變異結構特征 采用GS+9.0軟件分析黔北農產品主產區土壤養分的半方差結構特征，進而分析土壤養分的空間變異性程度，經分析得出各土壤養分元素的半方差函數圖及模型參數值(圖3、表2)。而半方差函數是分析變量空間結構的重要工具，通過方向和兩點之間距離來反映變量的空間自相關性[33]。半方差函數中離原點最近的數值稱為塊金值(Co)，反映的是最小采樣尺度的非連續性變異及試驗誤差，屬于隨機部分的空間異質性。基臺值(Co+C)表示系統總變異性，它是結構性變異和隨機性變異的總和，基臺值越大，系統總的空間異質性越高。塊金系數(Co/Co+C)是塊金值(Co)與基臺值(Co+C)之間的比值，反映土壤養分元素在一定范圍內樣點的空間自相關程度，該比值Co/Co+C越大，表明空間自相關性越弱，當Co/Co+C>25%時，變量屬于強烈空間自相關程度；當25%75%時，變量屬于很弱空間自相關程度[34-36]。變程是指變異函數在有限空間距離上達到基臺值時所對應的空間距離，即采樣點的間隔距離。它表示在某種觀測尺度下，空間相關性的作用范圍，當樣點間的距離越小，空間相關性越大[37-38]。

從土壤養分來看，土壤全氮、有機質、有效磷、速效鉀及pH值的塊金系數分別為12.11%，9.77%，6.86%，12.16%，10.34%，均具有強烈的空間自相關，表明研究區土壤養分元素在較大空間范圍內表現出一致性，主要受內在因子的控制，如土壤母質、氣候、地形、土壤類型因素。在變程上各土壤養分的空間相關距離為1 800～7 800 m，說明在所研究的尺度上，各土壤養分含量具有良好的空間結構性，其速效鉀的空間距離最大，有效磷和全氮的較大，有機質和pH值的最小。從表2中的半方差函數擬合模型可知，土壤有機質、速效鉀模擬最優模型是指數模型，其決定系數分別為0.76，0.56，有機質和速效鉀較好反映了自身的空間變異結構特征，而全氮和pH值模擬最優也是指數模型，其決定系數分別為0.32，0.37；而有效磷最優模型是球狀模型，決定系數僅為0.08，土壤各樣點之間表現出較強的獨立性和隨機性，這既反映了在人類活動強烈影響和干擾下土壤養分性質空間變異的復雜性，同時也說明該采樣密度未能有效反映土壤全氮、有效磷和pH值的空間變異結構，需要通過提高采樣點密度、進行更小尺度的詳細研究來反映土壤養分的空間變異結構，從而提高土壤樣品采集的代表性和合理性。

表2 土壤養分指標半方差函數模型參數

3.2.2 土壤養分含量空間分布格局特征 通過ArcGIS 10.1地統計分析模塊中的普通克里格插值法，并對平均值、均方根、標準平均值、標準均方根、平均標準誤差等指標的比較，進行插值參數的校正和擬合模型的最優篩選，從而得到最精確的預測插值圖(圖4)。

從空間分布圖中可直觀了解土壤養分各指標在研究區的分布情況。結果顯示：研究區土壤養分含量空間分布呈明顯態勢。對于土壤全氮含量空間分布較為分散，在東北部、東部及中部地區含量明顯高于其他區域，東北部地區主要分布在務川縣東南部的石朝鄉、豐樂鎮等地，東部主要分布在湄潭北部、綏陽東部、正安南部、鳳岡西部的交接區域，中部地區主要在綏陽縣中部地帶，全氮含量較高可能受農地利用方式的影響較大，高值區域主要種植茶葉、烤煙、辣椒、水稻等農作物。研究區北部全氮含量低，主要是旱地輪作為主，道真縣分布比較集中。根據研究者的實地調研，農戶對于蔬菜地和園藝植物用地的管理也因其施肥習慣以農家肥、堆肥為主而導致其氮素含量相對較高。而玉米—油菜輪作下的旱作方式則因土地通氣條件較好，耕層有機質分解迅速，氮素流失相對容易，從而使得其氮素含量較低[39-41]。有效磷含量整體含量較低，最大值區域處于中等水平，其空間分布較為均勻，呈現出由西部向中部遞增的趨勢，高值區域主要分布在黔北的中南部，集中在10.79～13.60 mg/kg，沿桐梓縣—綏陽縣—匯川區—紅花崗區—播州區呈帶狀分布，低值區域主要零星分布在赤水市的東北部，含量范圍是8.00～8.99 mg/kg，研究區大部分區域集中在中值區，含量9.79～10.79 mg/kg，呈面狀連片分布。而有效磷的含量空間分布格局與含量值高低與土壤類型分布規律有關，研究區主要以黃壤、黃棕壤、紫色土及石灰土等酸性和中性為主。由于酸性土壤中存在大量游離氧化鐵，很大一部分磷酸鐵被氧化鐵薄膜包裹成為閉蓄態磷，磷的有效性大大降低[42]。速效鉀含量富集程度較好，集中分布在150～190 mg/kg，豐富水平達58.52%，但空間分布比較分散，含量高的區域主要以孤立零散的面狀分布為主，位于研究區內的赤水市、習水縣、桐梓縣等地，而研究區的北部、南部含量較低，主要集中在124～150 mg/kg。對于土壤有機質來講，空間分布較為均勻，呈現出由東部向西部遞減的趨勢，富集程度較低，80%處于中等水平以下，含量高的區域分布在以黃棕壤為主的東部，呈帶狀分布，含量低的區域分布在以紫色土為主的赤水市西部。而經研究顯示，有機質含量與土壤類型分布規律有關，不同的土壤類型對有機質含量高低影響較大，有機質在主要類型土壤中含量高低順序為黃棕壤>石灰土>黃壤>紫色土[43]。對于土壤pH值，研究區土壤pH值分布在4.60～8.00之間，偏酸性，高pH值的區域主要發生在研究區西部，該部分主要分布為紫色土，西北部和東部小片區域pH值較低，對應土壤為黃壤、石灰土為主。將黔北地區的土壤類型分布圖(圖1)與土壤pH值分布圖進行對比，可發現土壤pH值受土壤類型的影響較大，并與土壤類型的分布規律相似。

圖3 土壤養分含量半方差函數

圖4 土壤養分指標含量空間分布

3.3 土壤養分綜合評價

3.3.1 土壤養分綜合指數空間格局評價 利用地統計空間插值模塊，選取擬合最優的高斯模型對土壤養分綜合評價指數(Ci)進行普通克里格插值，并運用自然間斷點法將Ci分為5個等級[44]，分別為極高(0.78～0.95)、高(0.63～0.78)、中等(0.44～0.63)、低(0.18～0.44 )和極低(0.02～0.18)，最終得到土壤肥力等級分布圖(圖5)。

從圖5可看出，黔北地區土壤綜合肥力的空間分布格局差異性顯著。在北部和西部部分區域土壤肥力等級極高，主要分布在道真縣的中部地區和習水縣的南部，以獨立的面狀和帶狀形式呈現，其面積占2.55%；在北部、西南部、南部和東南部部分地區土壤肥力等級高，主要分布在道真縣周邊外圍地區，仁懷市及習水縣交界地區，遵義、湄潭、鳳岡、綏陽交界帶分布最為集中，其他區域分布較為零散，其面積占32.43%；中等土壤肥力空間分布最廣，且集中連片，其面積占據了55.45%；西部、中部、東部部分區域土壤肥力等級低，且集中分布在赤水市，桐梓縣和綏陽縣交界帶，湄潭、鳳岡、綏陽交界帶的3個區域，分布較為明顯，其面積占9.45%；研究區極低的土壤肥力分布極少，其面積占0.11%，由于所在面積很小，所以插值后在空間上分布不明顯。綜上所述，黔北地區土壤肥力等級總體較高。

圖5 土壤養分綜合評價

根據熵權TOPSIS模型的計算，從而獲得各土壤養分的最優解和最劣解，再依據公式(8—9)計算出各土壤養分與最優解和最劣解的歐氏距離，得到土壤養分綜合指數Ci，并進行描述性統計分析(表3)。黔北地區的土壤養分綜合指數(Ci)處于0.02～0.95，平均值為0.58，標準差為0.26，變異系數為44.69%，屬中等變異程度。

表3 土壤養分綜合評價結果

3.3.2 不同土壤類型的土壤養分評價 為了深入分析研究區土壤類型與土壤養分之間的相互關系，利用ArcGIS 10.1地理處理工具，將土壤肥力綜合評價結果與土壤類型分布圖進行疊加分析，得到不同土壤養分等級下各土壤類型的面積和占比(表4)。

從表4分析結果可知，不同土壤類型下土壤肥力存在顯著差異。黃壤在中等養分水平下所占面積最大為5 082.39 km2，占57.91%，沒有極低水平分布；黃棕壤、黑色石灰土、紅色石灰土和棕色石灰土為中等肥力分布面積最大，面積為741.64，772.32，6 411.88，1 863.14 km2，占比90.16%，65.99%，68.40%，41.17%；紫色土和粗骨紫色土為高等土壤肥力分布面積最大，面積為1 134.92，1 549.52 km2，占比為4.08%，44.03%。

表4 不同土壤類型下土壤養分統計 km2

4 結 論

(1) 研究區土壤養分元素含量統計顯示，研究區土壤速效鉀的平均含量豐富，全氮、有效磷為中等豐富水平；有機質處于缺乏狀況，pH值的均值為6.25，呈酸性，總體而言研究區土壤養分為中等水平。土壤養分指標的變異程度為速效鉀>有效磷>全氮>pH值>有機質，其所有指標變異系數均小于25%，為中等變異性強度。

(2) 半方差函數模型擬合結果表明，土壤有機質、速效鉀為指數模型，有較好的空間變異結構特征，而全氮和pH值同為指數模型，有效磷為球狀模型，但空間變異結構性弱，表明土壤各樣點之間表現出較強的獨立性和隨機性，也反映了在人類活動強烈影響和干擾下土壤養分性質空間變異的復雜性。

(3) 地統計和普通克里格插值法得出研究區綜合土壤養分空間分布圖，顯示出研究區總體土壤養分狀況較好。北部和西部部分區域土壤養分等級極高，面積占2.55%；北部、西南部、南部和東南部部分地區土壤養分等級高，面積占32.43%；中等土壤養分空間分布最廣，且集中連片，面積占55.45%；土壤養分空間分布圖的西部、中部、東部部分區域土壤養分等級低，面積占9.45%；極低的土壤養分分布最少，面積占0.11%。其研究結果對研究區農產品種植結構的合理布局，空間上科學施肥、土壤環境質量的改善和發揮土壤潛力具有十分重要的實際意義。

參考文獻:

[1] Mzuku M, Kbosla R, Reich R, et al. Spatial variability of measured soil properties across site-specific management zones[J]. Soil Science Society of American Journal, 2005,69(5):1572-1579.

[2] 劉璐,曾馥平,宋同清,等.喀斯特木論自然保護區土壤養分的空間變異特征[J].應用生態學報,2010,21(7):1667-1673.

[3] 連綱,郭旭東,傅伯杰,等.黃土高原縣域土壤養分空間變異特征及預測:以陜西省橫山縣為例[[J].土壤學報,2008,1(4):577-584.

[4] 張桃林,王興祥.土壤退化研究的進展與趨向[J].自然資源學報,2000,15(3):280-284.

[5] 葉回春,張世文,黃元仿,等.北京延慶盆地農田表層土壤肥力評價及其空間變異[J].中國農業科學,2013,46(15):3151-3160.

[6] Tesfahunegn G B, Tamene L, Vlek P L G. Catchment-scale spatial variability of soil properties and implications on site-specific soil management in northern Ethiopia[J]. Soil & Tillage Research, 2011,117(6):124-139.

[7] Bogunovic I, Mesic M, Zgorelec Z, et al. Spatial variation of soil nutrients on sandy-loam soil[J]. Soil & Tillage Research, 2014,144(4):174-183.

[8] Oueslati I, Allamano P, Bonilaoio E, et al. Vegetation and topographic control on spatial variability of soil organic carbon[J]. Pedosphere, 2013,23(1):48-58.

[9] 呂真真,劉廣明,楊勁松,等.環渤海沿海區域土壤養分空間變異及分布格局[J].土壤學報,2014,51(5):944-952.

[10] Zhang C S, McGrath D. Geostatistical and GIS analyses on soil organic carbon concentrations in grassland of southeastern Ireland from two different periods[J]. Geoderma, 2004,119(3/4):261-275.

[11] 曾翔亮,董希斌,宋啟亮,等.闊葉混交低質林誘導改造后土壤養分的模糊綜合評價[J].東北林業大學學報,2013,41(9):50-53.

[12] 楊勁松,姚榮江.蘇北灘涂墾區土壤質量綜介評價研究[J].中國生態農業學報,2009,17(3):410-415.

[13] 楊奇勇,楊勁松,姚榮江,等.基于GIS和改進灰色關聯模型的土壤肥力評價[J].農業工程學報,2010,26(4):100-105.

[14] 王順久,張欣莉,丁晶,等.投影尋蹤聚類模型及其應用[J].長江科學院院報,2002,19(6):44-47.

[15] 韓磊,李銳,朱會利.基于BP神經網絡的土壤養分評價的綜合模型[J].農業機械學報,2011,42(7):109-115.

[16] 肖玖金,馬紅星,王莉,等.物元模型的川東北丘陵區土壤養分綜合評價:基于以平昌縣為例[J].江西農業大學學報,2011,33(2):381-387.

[17] 湯潔,王晨野,李昭陽,等.基于物元模型的區域土壤養分評價[J].水土保持通報,2008,8(3):101-106.

[18] 王晨野,湯潔,林年豐,等.物元模型在區域土壤養分評價中的應用[J].土壤通報,2009,40(5):1069-1075.

[19] 杜挺,謝賢健,梁海艷,等.基于熵權TOPSIS和GIS的重慶市縣域經濟綜合評價及空間分析[J].經濟地理,2014,34(6):40-47.

[20] 中華人民共和國農業部.中國耕地地力調查與質量評價技術規程NY/T1634—2008[S].北京:中國標準出版社,2008.

[21] 張韞.土壤、水、植物理化分析教程[M].北京:中國林業出版社,2011.

[22] 陳伯揚.TOPSIS法在土壤環境質量評價中的應用[J].現代地質,2008,22(6):1004-1009.

[23] 李剛,遲國泰,程硯秋.基于熵權TOPSIS的人的全面發展評價模型及實證[J].系統工程學報,2011,26(3):400-407.

[24] 程啟月.評測指標權重確定的結構嫡權法[J].系統工程理論與實踐,2010,30(7):1225-1228.

[25] 張明華,鄭元文.近10年來山東省區域經濟發展差異時空演變及驅動力分析[J].經濟地理,2013,33(1):79-85.

[26] 張目,周宗放.基于粗集和嫡權TOPSIS法的高新技術企業自主創新能力評價[J].數學的實踐與認識,2008,38(24):52-58.

[27] 李剛,遲國泰,程硯秋.基于熵權TOPSIS的人的全面發展評價模型及實證[J].系統工程學報,2011,26(3):400-407.

[28] 牟乃夏,劉文寶,王海銀,等.ArcGIS 10地理信息系統教程:從初學到精通[M].北京:測繪出版社,2012.

[29] 劉國順,常棟,葉協鋒,等.基于GIS的緩坡煙田土壤養分空間變異研究[J].生態學報,2013,33(8):2586-2595.

[30] 李哈濱,工政權.空間異質性定量研究理論與方法[J].應用生態學報,1998,9(6):651-657.

[31] 全國土壤普查辦公室.全國第二次土壤普查暫行技術規程山[M].北京:農業出版社,1979.

[32] 蘇偉,聶宜民,胡曉潔,等.利用Kriging插值方法研究山東龍口北馬鎮農田土壤養分的空間變異[J].安徽農業大學學報,2004,31(1):76-81.

[33] 莊騰飛,柳云龍,章立佳,等.上海城郊土壤重金屬含量的空間變異與分布特征:以上海市閔行區為例[J].長江流域資源與環境,2012,21(S1):99-104.

[34] Cambardella C A, Moorman T B, Novak J M, et al. Field-scale variability of soil properties in central Iowa soils[J]. Soil Science Society of America Journal, 1994,58(5):1501-1511.

[35] 郭旭東,傅伯杰,馬克明,等.基于GIS和地統計學的土壤養分空間變異特征研究:以河北省遵化市為例[[J].應用生態學報,2000,11(4):557-563.

[36] Robertson G P, Klingensmith K M, Klug M J, et al. Soil resources, microbial activity and primary production across an agricultural ecosystem[J]. Ecological Applications, 1997，7(1):158-170.

[37] 黃紹文,金繼運,楊俐蘋,等.縣級區域糧田土壤養分空間變異與分區管理技術研究[J].土壤學報,2003,40(1):79-88.

[38] 湯國安,楊聽. ArcGIS地理信息系統空間分析試驗教程[M].北京:科學出版社,2006.

[39] 胡玉福,鄧良基,張世熔,等.川中丘陵區典型小流域土壤氮素空間變異特征及其影響因素研究[J].水土保持學報,2008,22(3):70-81.

[40] Yang X L, Zhu B, Li Y L. Spatial and temporal patterns of soil nitrogen distribution under different land uses in a watershed in the hilly area of purple soil, China[J]. Journal of Mountain Science,2013,10(3):410-417.

[41] Xue Z J, Cheng M, An S S. Soil nitrogen distributions for different uses and landscape positions in a small watershed on Loess Plateau, China[J]. Ecological Engineering, 2013,60(11):204-213.

[42] 李壽田,周健民,王火焰,等.不同土壤磷的固定特征及磷釋放量和釋放率的研究[J].土壤學報,2003,40(6):908-914.

[43] 王暉,丁偉,許自成,等.貴州煙區紫色土與其他土壤類型養分特點的差異[J].貴州農業科學,2006,34(3):22-25.

[44] 張彬,楊聯安,馮武煥.基于改進TOPSIS和COK的土壤養分綜合評價[J].干旱區資源與環境,2016,30(7):180-185.