黑土耕作層土壤pH空間變異及自相關分析①

高鳳杰，鞠鐵男，吳 嘯，王鈺尭，李昕哲，樊 平，欒 天，周 軍

?

黑土耕作層土壤pH空間變異及自相關分析①

高鳳杰1，鞠鐵男1，吳 嘯1，王鈺尭1，李昕哲1，樊 平1，欒 天1，周 軍2*

(1東北農業大學資源與環境學院，哈爾濱 150030；2黑龍江省環境科學研究院，哈爾濱 150036)

以東北黑土耕作區土壤表層(0 ~ 20 cm)土壤pH為研究對象，以經典統計學和地統計學為基礎，結合“3S”技術及Moran指數進行空間自相關分析，剖析黑土區土壤pH的空間自相關類型及其分布格局。研究結果表明：小流域土壤pH均值為6.72，變異系數為9.91%，其變程為1 000 m，具有較強空間自相關性，空間變異受地形、成土等結構性要素影響較大，在東–西(E–W)方向的空間變異相對劇烈；土壤pH與高程等地形因子顯著性相關，地理加權克里格插值顯示土壤pH高值出現在研究區中部旱地，低值出現在東部與西部區域，呈現帶狀分布，與土地利用類型的東西向交替相近。全局自相關分析表明研究區土壤pH存在較強的正自相關特征，且不同方向存在差異；隨著距離的增大，土壤pH呈現負自相關特征，分布存在空間孤立。局部空間自相關類型主要為H–H型(高–高關聯)和L–L型(低–低關聯)，空間集聚特征明顯，其中H–H型主要分布于研究區中部旱地區域，形成高pH且高度空間自相關的格局，L–L型分布于東部林地區域，形成低pH集聚的格局。

黑土耕作層；地統計；土壤pH；空間自相關

東北地區黑土是比較肥沃的土壤之一，是我國重要的商品糧生產基地，其土壤肥力的維持和提升關系到該區域農業的可持續發展和國家糧食安全[1]。土壤pH作為土壤基本的理化性質，影響著土壤中許多化學反應和化學過程[2-3]，從而影響植物和微生物所需養分的有效性，支配著化學物質在土壤中的行為，是土壤養分和重金屬等污染物有效性和遷移性的重要限制性因素[4-5]，在土壤生態系統物質循環、能量流動、土壤質量及生產力的維持和保育以及土地資源持續利用方面具有重要作用[6]。因此，土壤pH的空間分異規律得到了學術界的廣泛關注，目前多數研究采用地統計學方法與GIS相結合的方式，揭示土地利用方式、地形條件、土壤類型等對土壤pH的影響[7-8]，在土壤資源培育、管理及有效利用等方面具有重要指導意義，而結合其空間自相關研究比較少見。地統計學是通過塊基比或變程來定量表征空間變異特點，但不能描述具有離散特點(即空間負相關)空間變量的特征，也不能對變程等進行顯著性檢驗；而空間自相關分析法不僅能反映變量的正負空間自相關特點[9]，而且可以對空間相關的顯著性進行檢驗，與地統計學相比，空間自相關分析法在衡量自相關時更為嚴格[10]，從而對地理變量的空間分布特征進行深入剖析。海溝河流域位于松嫩平原東南部底端，是東北黑土區邊緣地帶典型小流域，主要是由林地、旱地和水田構成的復合型土地利用景觀格局模式，是林地向黑土耕地的過渡地帶，具有較高的環境敏感性和生態脆弱性[11-13]。土壤鹽堿化是松嫩平原主要環境問題之一，因此掌握農田的土壤pH的空間分布特征及其影響因素十分重要。

本文以東北黑土區邊緣地帶的典型小流域為研究案例，綜合應用“3S”技術、地統計學方法，探究黑土區海溝河小流域耕層土壤pH的空間分布格局及其主要影響因子，運用空間自相關分析方法揭示土壤pH的空間自相關特征，識別土壤pH的空間聚集區和空間孤立區，旨為區域內土壤的培育及耕地質量提升服務，進一步為區域精確施肥及農業生產過程提供科學依據。

1 材料與方法

1.1 研究區概況

海溝河小流域位于黑龍江省哈爾濱市東郊阿城區境內，地理坐標為126°55′45″ ~ 127°10′05″ E，45°34′18″ ~ 45°40′50″N，海拔高度為54 ~ 366 m，屬典型的黑土丘陵區，流域總面積120 km2(圖1)。境內土壤類型主要為黑土，兼有部分草甸土、白漿土和暗棕壤。氣候類型屬于中溫帶大陸性季風氣候，多年平均氣溫3.9 ℃，年降水量600 ~ 800 mm。地形條件復雜，東部為高山丘陵區，中部為起伏的漫川漫崗區，西部靠近海溝河下游地勢相對平坦，呈東高西低之勢，土地利用方式從東至西，依次為林地、旱地和水田，具有鮮明的海拔地帶性。距省會哈爾濱35 km，受城市快速發展的輻射作用較強，流域內部交通發達，土地利用變更劇烈，資源承載負荷較重，在社會經濟迅速發展的同時，境內生態環境問題不斷惡化，主要表現為土壤肥力下降、水土污染較重、生態脆弱性凸顯等。

圖1 研究區地理位置

1.2 樣品采集與分析

樣點的布設與采集：在綜合考慮研究區地形、土地利用的基礎上，進行室內網格布點，用于指導野外實地采樣工作，每個網格面積約0.81 km2，共布設了120個土壤采樣點(圖1)。為避免作物生長、施肥等因素的影響，于2014年11月農作物收割后進行野外采樣。采樣過程中，通過手持GPS進行空間定位，并盡可能與室內預布點位一致，橫向和縱向均間隔900 m。采樣點的布設直接影響采樣數據的代表性和有效性，一般認為充分小的采樣間隔和足夠多的樣本可以代表土壤屬性真實的變異特征[15]。采用五點法采集土壤表層0 ~ 20 cm耕層土壤，用“四分法”取混合均勻的樣品約1 kg，并分別記錄采樣點周邊環境信息。

測試分析︰將采集的土壤樣品在實驗室內進行自然風干，用木棒壓碎挑出礫石草根等雜物研磨過篩，土壤pH測定采用PHS-25酸度計(土水比為1︰2.5)，測定指標具體分析方法參照鮑士旦編寫的《土壤農化分析》[16]。

1.3 數據處理及方法

考慮到采樣及指標測試誤差，本文采用格拉布斯(Grubbs)法對實驗數據進行異常值識別和處理，剔除明顯偏離平均值的數據，后續相關計算分析也均采用異常值處理后的數據進行[21]。采用SPSS 19.0進行描述性統計分析，GS+9.0進行半方差函數的計算及理論模型的擬合，Geoda軟件進行空間自相關分析，地理加權插值在ArcGIS 10.0中進行，并用ArcView和Origin 9.0軟件繪圖。

1.4 研究方法

空間自相關一般用來檢測空間要素的異質性和空間集聚特征，根據研究的側重點不同，又分為全局性空間自相關(global spatial autocorrelation，GSA)和局部空間自相關(local indicators of spatial association，LISA)兩種類型。Moran's I指數作為一種常用的空間自相關指數，主要用于檢驗某一空間要素在空間上是否存在依賴關系，并進一步量化要素間的相互關系，在諸多學科中有較為廣泛的應用[10, 17]。

1.4.1 全局空間自相關 是從整體尺度對地理空間要素在空間上是否存在集聚特征進行描述的統計量，本研究以全局性Moran's I為基礎，對土壤pH空間自相關特征隨空間距離變化的趨勢進行探討，同時分析不同方向上土壤pH的Moran's I隨空間距離變化的特征。其中，全局性Moran'sI常見的一般過程為：

式中：為空間數據的個數；x和x分別為區、區的空間要素的屬性值；`為所有空間數據的平均值；w為空間權重矩陣的元素，空間權重矩陣一般為對稱矩陣，且w= 0。

對于全局Moran's I，一般使用標準化統計量()來檢驗空間要素空間自相關性的顯著性水平，其一般公式為：

式中：Var()為Moran's I的理論方差；()為Moran's I的理論期望值。在0.05水平下，當||>1.96時，表明該空間要素存在空間自相關，否則不存在空間自相關。

1.4.2 局部空間自相關 是全局空間自相關的分解形式，其實質是將全局空間自相關性分解到更小的空間單元，可以進一步量化具體空間要素與周圍要素之間的差異程度及其顯著性。局部空間相關Moran’s I系數的一般過程為：

式中：各變量的含義與全局自相關Moran’s I系數公式(1)相同。

2 結果與分析

2.1 描述性統計分析

海溝河小流域土壤pH樣點集的描述性統計特征值見表1。從表1可以看出，土壤pH范圍4.98 ~ 9.02，平均值為6.72，變異系數為9.91%。結合一般的CV評估標準(當CV < 0.1時，為弱變異程度；當0.1< CV < 1時，為中等變異程度；CV > 1時為強變異程度)，研究區土壤pH變異系數程度較低，說明海溝河小流域土壤pH的空間變異受隨機因素的影響相對較小，與高海峰等[3]及魏孝榮和邵明安[13]的研究結論相似。

表1 土壤pH描述性統計

2.2 土壤pH與外部指標相關性分析

在SPSS 19.0中，對海溝河小流域的土壤pH與基本地形因子(高程、坡度)、復合地形因子(平面曲率、剖面曲率)及外部環境因子(到水系距離、到村子距離、到道路距離)進行相關性分析，進而提取與pH顯著相關的指標因子，結果見表2。由表2可以看出，海溝河小流域土壤pH與高程呈顯著負相關(= –0.182)，與水系距離呈極顯著正相關(= 0.332)，與村子距離呈顯著負相關(= –0.231)，是影響研究區pH空間分布的重要因子。高程對土地利用方式影響較大，土地利用及作物種植類型變化在一定程度上可以造成土壤酸堿度的變化；其次，距水系距離在土壤養分的長久運移過程中影響了土壤養分的運移方向及累積過程，距離水系近的地方地勢一般較低，是土壤水分及養分的“匯”區域，極大地促進相關累積過程，進而影響土壤pH；人類活動對土壤pH也具有一定程度的影響，如施肥施藥、排污、秸稈處理等因素均可能造成土壤pH變化。

表2 研究區土壤pH與外部指標相關性

注：**表示在<0.01 水平(雙側)上顯著相關；*表示在<0.05 水平(雙側)上顯著相關。

2.3 半方差函數的結構分析

借助GS9.0+ 軟件，運用地統計學對研究區土壤pH進行分析，得到土壤pH的半方差函數模型(圖2)及相關擬合參數(表3)。結果表明土壤pH的半方差理論模型為高斯模型(Gaussian)時，決定系數為0.860，擬合程度較高。

表3 土壤pH半方差函數模型及參數

在地統計學中，一般認為塊金值(0)能夠揭示區域變量在小于抽樣尺度上發生突然變異的程度；基臺值(0+)是所有變異的總和，基臺值近似于采樣方差；塊金效應(/0+)也稱基底效應，表征了系統內隨機部分引起的變異占系統總變異的比例[18]，能夠有效地反映出土壤養分的空間依賴性，表明系統變量空間相關性的程度。海溝河小流域土壤pH的塊金值為0.130，表明研究區內存在某種生產生態過程影響土壤pH空間分布。土壤養分的空間變異性受自然的結構性因素和人為的隨機性因素的共同作用，結構性因素(土壤類型、地形等)會導致土壤養分空間相關性較強，隨機性因素(耕作制度、施肥等)使土壤養分空間相關性減弱，朝著均一化方向發展[19]，研究區土壤pH塊金效應值為0.679，具有中等空間相關性，表明海溝河小流域土壤pH空間變異主要受成土類型、地形等結構性要素影響，受耕作制度、施肥措施等隨機性要素影響較小，表明在一定程度上pH空間分布受人類活動影響所產生的不確定性較小。變程是半方差達到基臺值的樣本間距，也稱空間最大相關有效距離，通常采樣距離超過該范圍，則沒有空間相關性。從表3可以看出，研究區土壤pH的變程為1 000 m，表明土壤pH存在較強的空間自相關性，該結果可作為指導該區域未來土壤pH空間分異規律時野外采樣間隔距離的參考值。

圖2 土壤pH半方差函數模型

研究區土地利用依次為林地、旱地、水田，各土地利用類型之間跨度較大，地形地貌比較復雜，為此本文對土壤pH的各向異性進行分析，并繪制0°、45°、90° 和135° 4個方向的半方差函數圖(圖2)。各項異性分析表明：研究區土壤pH在間隔距離<3 000 m時，南-北(N-S)方向變異較大，東-西(E-W)方向變異較??；當間隔距離在3 000 ~ 6 000 m之間時，各方向變化整體上呈現各項同性；但是當間隔距離增大時，東西方向變異增大而南北方向變異較小，且各個方向變異差異有增大的趨勢。這可能與研究區地形從東向西依次為高山丘陵、漫川漫崗、平地，而且土地利用依次為林地、旱田、水田，各土地利用類型之間跨度較大有關，在較小采樣粒度下變異程度小于較大粒度采樣的變異程度。該結果可以進一步指導該區域內未來采樣點在各方向上的合理布設。

2.4 土壤pH的地理加權回歸克里格插值

由于研究區地形復雜，考慮到空間插值可能存在局部效應，本文采用地理加權回歸克里格法對所有樣點數據進行空間插值，克服了回歸克里格法中回歸系數可以隨空間位置而變化的不足，并在相關研究中取得了很好的效果[20]。在SPSS 19.0中對所選外部指標與pH進行相關性分析，提取參與回歸分析的指標(表2)，該過程優先選取易于提取的地形指標因子，采用OK法對顯著相關因子、截距系數以及殘差分別插值，最后進行疊加得到土壤pH的空間分布(圖3)。

圖3 研究區土壤pH空間分布圖

從圖3可以看出：海溝河小流域土壤pH取值范圍為4.50 ~ 9.00。整體上流域土壤pH的高值區出現在中部區域，向東西兩側依次呈現“高-低”交替的帶狀趨勢，高值與低值區之間過渡比較平緩，與土地利用方式在東西方向上的交替情形一致。旱地區域土壤pH整體偏高，在與林地過渡地帶達到最高值，說明旱地和林地過渡地帶是該區域土壤相對容易鹽堿化的區域，這可能與土壤侵蝕有關。林地和旱地過渡區域坡度較大，每年6—8月份集中降雨過程中容易發生侵蝕[21]，侵蝕嚴重的區域土壤相對貧瘠，土壤質地相對較差，作物長勢較差，水土保持能力較差，使其抵抗侵蝕能力更弱，惡性循環，導致土壤pH高。根據高海峰等[3]研究結果，土壤pH與含水量呈顯著負相關。西部地區土壤pH為6.5 ~ 7.5，與中部旱地相比，西部地區地勢平坦且土壤含水量較高，因此西部區域土壤pH較低。土壤pH最低值出現在東部林地區域，這可能是因為林地覆蓋較好，侵蝕量相對較少，這是因為林地土壤表層聚集了大量的枯枝落葉，枯枝落葉在微生物的作用下發生分解，此過程向表層土壤釋放各種有機酸，顯著降低了表層土壤的pH[23-24]；另外，林地土壤腐殖質含量高，其中的腐殖酸等也能使土壤pH有較大程度的降低，這與魏孝榮等[13]的研究結果相同。

2.5 土壤pH全局空間自相關特征分析

通過GS+9.0軟件計算研究區土壤pH各向同性(圖4A)及各項異性(圖4B) 條件下的全局空間自相關Moran’sI系數，()值為8.6，通過() 值檢驗(= 0.05)，表明研究區土壤pH存在強烈的全局空間自相關性。

圖4 土壤pH各向同性(A)和各向異性(B)條件下全局自相關系數

在各項同性下(圖4A)，土壤pH存在較強的自相關性，且隨著間隔距離的增加自相關性呈現劇烈變化。當間隔距離<4 000 m時，pH表現出正的空間自相關性，且間隔距離<2 000 m時表現出很強的正空間自相關性；當間隔距離>4 000 m時，pH表現負空間自相關性，隨著間隔距離的增加(間隔距離>5 800 m)，逐步表現出較強的負的空間自相關性；在間隔距離>7 500 m后，pH空間自相關性表現為小幅度回升態勢。

在各向異性條件下(圖4B)，流域內土壤pH也表現出較為復雜的自相關性，在0°(N-S)方向上，Moran’s I變化比較復雜，在間隔距離<1 000 m時，由弱的負自相關逐步演變為強烈的正的空間自相關，然后隨著間隔距離的增加，逐漸表現為較強的正自相關性，這可能與研究區南北方向上地形變化小且土地利用類型較為一致有關；在45°(NE-WS)方向上，Moran’s I的變化趨勢與各向同性條件下的變化趨勢較為一致，均表現為Moran’s I隨間隔距離的增加由正相關變為負相關，但在局部上變化更為明顯；在90°(E-W)方向上，Moran’s I變化較為復雜，隨著間隔距離增加，由強正相關性迅速向負相關性變化，當間隔距離>6 000 m時，空間自相關性逐漸減弱，這可能與東西方向土地利用方式及植被類型差異較大有關；在135°(SE-WN)方向上，Moran’s I的變化趨勢整體與各項同性一致。以上自相關特征的出現與研究區內不同尺度和不同方向上的土地利用及區域化耕作制度的差異性有著密切關系，其具體的影響過程有待進一步驗證?？傊虾有×饔蚋乇韺油寥纏H在不同方向上的Moran’s I變化趨勢相近，但在局部范圍內存在較大差異，這對后期指導該區域農業生產具有十分重要的意義。

2.6 土壤pH局部空間自相關特征分析

通過局部空間自相關分析，繪制了研究區土壤pH的局部Moran’s I散點圖(圖5)，揭示研究區不同土壤樣點pH空間自相關特征的分布格局。結果表明：海溝河小流域土壤pH局部自相關系數為0.4374，說明土壤pH在空間分布上存在較強的正相關性。從局部Moran’s I散點圖可以看出樣點主要分布在第一和第三象限，呈現高-高和低-低集中格局，即土壤pH高值樣點比較集中，且形成高值與高值高度自相關的趨勢，同時，土壤pH低值樣點也比較集中，且形成低值與低值高度自相關的趨勢。此外，相當一部分樣點處于第二象限，形成低-高型區域，即pH較低的樣點被pH高的樣點所包圍，空間上形成中間低或者低值零星分布于高值區的格局。綜觀以上分析可以得出海溝河小流域土壤pH呈現高值集聚與低值集聚并存的格局，同時，在高低值混合分布情形中，以低值零星出現、高值呈現較大面積分布的情形較多。

基于局部Moran’s I散點圖，進一步對局部Moran’s I系數進行顯著性檢驗，并在研究區范圍內進行空間展布(圖6)。從圖6可以看出，海溝河小流域土壤pH局部Moran's I大部分呈現非顯著性水平(= 0.05)，且達到顯著性水平的以“高-高”型為主，主要分布在研究區中部，同時，“低-低”型也較多呈現顯著性水平，主要分布在研究區北部山腳下和南部山腳下的小區域范圍內?！案?低”型和“低-高”型的樣點分布較為散亂，這樣的結果可能與本研究的采樣尺度有關，即在該采樣尺度兩種類型不具有空間集聚特征，具體情形有待基于不同采樣尺度進行深入探討。

圖5 土壤pH局部Moran's I系數散點圖

圖6 土壤pH局部空間自相關特征分布圖

3 討論

土壤pH的變化能夠直接影響到土壤生態系統的物理、化學和生物過程，是土壤養分和重金屬等污染物有效性和遷移性的重要限制性因素，全面分析土壤pH的空間分布格局，有助于評價和分析土壤酸堿性和土壤養分有效性[25-26]。土壤酸堿性的形成受自然和人為因素的影響，本研究表明，海溝河小流域土壤pH空間分布與海拔高度、到水體距離和到村莊距離具有顯著相關性。海拔高的地方人類活動干擾小，多森林灌叢等植被覆蓋，溫度和濕度適宜，落葉等腐殖質較多致使土壤呈酸性。河流水系一般位于區域低洼處，直接決定了土壤養分隨土壤水分運移及區域水土流失的方向，經過長期的累積效應造成了距離河流水系較近的區域pH較低的狀況。因此，通過引入地形等外部環境因子構造土壤pH空間分布的模擬模型，是一種提高土壤pH空間分布預測精度的有效方法。當前，隨著農業生產向規?；途珳驶较虬l展，基于區域地形條件、農業資源要素自身結構特征等，劃定不同農業生產區域，進而在農業生產過程中實現農業資源及基礎設施的分區管理、合理投入以實現高效產出的目標，是農業現代化經營管理領域的重要內容。本研究結合地統計學和空間自相關分析方法，能夠更加精確地反映研究區土壤pH空間分布特征及區域自相關情況，識別土壤pH空間集聚和孤立區域，參照土壤pH的“高-高”與“低-低”集聚區，科學精準施肥施藥，因地制宜地挖掘區域最大的農業生產潛力。

采樣時間點的不同或研究尺度的變化，可造成土壤pH時空變化差異，因此，雖然小尺度上研究土壤pH不具備普遍性，但對其空間結構關系特征展開研究在農業生產中有很強的指導作用。此外，采用地統計學與空間自相關相結合的方法對土壤養分、重金屬等元素進行空間上集聚區域的識別，可為農業生產中土壤肥力的精準培育以及由于氮磷分布不合理引發的農業面源污染區的識別與控制提供科學依據。本研究只進行了一個時期的野外采樣，未對人類活動、季節、降雨等因素的影響作深入分析，將來可以通過對研究區不同時期的采樣數據進行時空上的實驗分析，進一步驗證自然狀態下土壤pH空間格局的穩定性，并對空間格局的影響因素進行探討。

4 結論

1) 海溝河小流域土壤pH范圍為4.98 ~ 9.02，標準差為0.62，不同區域土壤pH差異較大，空間變異程度低。半方差函數分析顯示土壤pH變程為1 000 m，空間自相關性較強，土壤pH的空間變異受人類活動(耕作制度、施肥措施、秸稈處理)等隨機因素影響小，受地形、成土母質等結構性要素的影響大，東-西(E-W)方向變異程度占主導作用。

2) 地理加權克里格插值法能夠有效提高土壤pH空間分布模擬精度，插值結果表明海溝河小流域內土壤pH高值區集中在中部旱田區域，低值區出現在西部水田及東部的林地區域。高值與低值區之間過渡比較平緩，向西依次呈現“高-低”交替的帶狀分布趨勢，與土地利用方式在東西方向上的交替情形相近。

3) 全局自相關分析表明海溝河小流域土壤pH存在較強的正自相關性，且不同方向存在差異，隨著距離的增大，土壤pH呈現負自相關特征，分布存在空間孤立。局部空間自相關性結合Moran散點圖分析結果顯示土壤pH空間分布主要為H-H型(高-高關聯)和L-L型(低-低關聯)兩種類型，空間集聚特征明顯，H-L型(高-低關聯)和L-H型(低-高關聯)空間分布散亂。

[1] 雷國平, 代路, 宋戈. 黑龍江省典型黑土區土壤生態環境質量評價[J]. 農業工程學報, 2009, 25(7): 243–248

[2] 鞏杰, 陳利頂, 傅伯杰, 等. 黃土丘陵區小流域土地利用和植被恢復對土壤質量的影響[J]. 應用生態學報, 2004, 15(12): 2292–2296

[3] 高海峰, 白軍紅, 王慶改, 等. 霍林河下游典型洪泛區濕地土壤pH值和土壤含水量分布特征[J]. 水土保持研究, 2011, 18(1): 268–271

[4] 郭熙, 郭曉敏, 譚雪明, 等. 農田養分空間變異研究[J]. 江西農業大學學報, 2004, 26(1): 73–77

[5] 王文艷, 張麗萍, 劉俏. 黃土高原小流域土壤陽離子交換量分布特征及影響因子[J]. 水土保持學報, 2012(5): 123–127

[6] 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

[7] 張素梅, 王宗明, 張柏, 等. 利用地形和遙感數據預測土壤養分空間分布[J]. 農業工程學報, 2010, 26(5): 188– 194

[8] 虞娜, 張玉龍, 黃毅, 等. 保護地不同灌溉方法表層土壤pH小尺度的空間變異[J]. 土壤, 2008, 40(5): 828–832

[9] 張朝生, 陶澍, 袁貴平, 等. 天津市平原土壤微量元素含量的空間自相關研究[J]. 土壤學報, 1995, 30(1): 50–57

[10] 霍霄妮, 李紅, 孫丹峰, 等. 北京耕作土壤重金屬含量的空間自相關分析[J]. 環境科學學報, 2009, 29(6): 1339– 1344

[11] 白軍紅, 鄧偉, 王慶改, 等. 松嫩平原濕地環境問題及整治方略[J]. 濕地科學, 2008, 6(1): 1–6

[12] 王充, 于東升, 張海東, 等. 典型黑土區農田土壤碳庫及其影響因子顯著性變化特征研究[J]. 土壤學報, 2014, 51(4): 845–852

[13] 魏孝榮, 邵明安. 黃土溝壑區小流域土壤pH值的空間分布及條件模擬[J]. 農業工程學報, 2009, 25(5): 61–67

[14] 馬泉來, 高鳳杰, 張志民, 等. 我國東北黑土丘陵區小流域土壤有機質空間分布模擬[J]. 環境科學研究, 2016 (3): 382–390

[15] 吳文斌, 楊鵬, 唐華俊, 等. 土地利用對土壤性質影響的區域差異研究[J]. 中國農業科學, 2007(8): 1697–1702

[16] 鮑士旦. 土壤農化分析[M]. 北京: 中國農業出版社, 2000: 106–107

[17] 韋仕川, 熊昌盛, 欒喬林, 等. 基于耕地質量指數局部空間自相關的耕地保護分區[J]. 農業工程學報, 2014, 30(18)：249–256

[18] 李子良, 王樹濤, 張利, 等. 經濟快速發展地區耕地生產能力空間格局[J]. 農業工程學報, 2010, 26(11): 323– 331

[19] 李啟權, 王昌全, 岳天祥, 等. 基于RBF神經網絡的土壤有機質空間變異研究方法[J]. 農業工程學報, 2010, 26(1): 87–93

[20] 史舟, 李艷. 地統計學在土壤學中的應用[M]. 北京: 中國農業出版社, 2006

[21] 崔明, 蔡強國, 范昊明. 東北黑土區土壤侵蝕研究進展[J]. 水土保持研究, 2007, 14(5): 29–34

[22] 張學雷, 陳杰, 張甘霖. 海南島不同地形上土壤性質的多樣性分析[J]. 地理學報, 2003(6): 839–844

[23] 蘇松錦, 劉金福, 何中聲, 等. 格氏栲天然林土壤養分空間異質性[J]. 生態學報, 2012, 32(18): 5673–5682

[24] 金海龍, 白祥, 滿中龍, 等. 新疆艾比湖濕地自然保護區土壤空間異質性研究[J]. 干旱區資源與環境, 2010(2): 150–157

[25] 李慶逵. 我國土壤科學發展與展望[J]. 土壤學報, 1989, 26(3): 207–216

[26] Kim D H, Shin Y H. Spatial autocorrelation potentially indicates the degree of changes in the predictive power of environmental factors for plant diversity[J]. Ecological Indicators, 2016, 60: 1130–1141

Spatial Variability and Autocorrelation Analysis of pH in a Mollisol Tillage Area of Northeast China

GAO Fengjie1, JU Tienan1, WU Xiao1, WANG Yuyao1, LI Xinzhe1,FAN Ping1, LUAN Tian1, ZHOU Jun2*

(1 College of Resource and Environment, Northeast Agricultural University, Harbin 150030, China; 2 Research Academy of Environmental Sciences of Heilongjiang Province, Harbin 150036, China)

This paper mainly discussed the spatial variation and distribution characteristics of soil pH in a mollisol watershed of northeast China by combining methods of classical statistics, with the Moran index model of global spatial autocorrelation and local indicators of spatial association and “3S” technology. The results showed that the mean value of soil pH was 6.72, the variation coefficient was 9.91%, and the variation range was 1 000 m, which had strong spatial autocorrelation, the spatial variability was influenced significantly by structural factors such as terrain and parent material, and it was relatively severe in the East–West direction (E–W). Soil pH was significantly correlated the terrain factors such as the altitude and so on. Geographical weighted kriging showed that high value of pH mainly distributed in dry field in the middle while the low value area distributed in the eastern woodland and the western paddy field, presenting a trend as high in the middle and low in the east and west, which conformed with the distribution pattern of paddy land–dry land–forest from west to east. The results of global autocorrelation analysis showed a strong positive autocorrelation characteristic of soil pH and obvious differences in different directions. With the increase of distance, soil pH showed a negative autocorrelation characteristic, presenting isolation in space. The local spatial autocorrelation mainly displayed an H–H (high–high correlation) and L–L (low–low correlation) types, indicating a coexistence pattern of high and low value agglomeration. The H–H type mainly distributed in the middle flat place, where surface soil moisture and its spatial autocorrelation were both high. The L–L type mainly distributed in the eastern mountain and western paddy field, where surface soil pH content was low.

Mollisol tillage area; Geostatistics; Soil pH; Spatial autocorrelation

國家重點研發計劃課題子課題(2016YFD0201009)和國家自然科學基金項目(31700407)資助。

(zhoujunhky@126.com)

高鳳杰(1981—)，女，河北遷西人，博士，副教授，主要從事資源環境遙感研究。E-mail: gaojiecumt@126.com

10.13758/j.cnki.tr.2018.03.018

S158

A