鄉鎮尺度煙田土壤有機質時空變異性研究①——以襄城縣紫云鎮為例

常 棟，葛少華，李朋彥，劉國順*

?

鄉鎮尺度煙田土壤有機質時空變異性研究①——以襄城縣紫云鎮為例

常 棟1,2，葛少華2，李朋彥2，劉國順2*

(1 河南省煙草公司平頂山市公司，河南平頂山 467000；2煙草行業煙草栽培重點實驗室，河南農業大學煙草學院，鄭州 450002)

為探明田塊尺度煙田土壤有機質(SOM)的時空變異特征，本研究采用地統計學和地理信息系統(GIS)相結合的方法，分析了豫中襄城縣紫云鎮某個約4 hm2的煙田2013年和2014年4月、7月、10月合計6個時期耕層SOM的時空變異特征。結果表明：該田塊各個時期SOM的變異系數差異較小；每年不同時期SOM的平均含量表現為先降后升的變化趨勢，7月的含量顯著低于4月和10月。各時期SOM空間最大相關距離范圍在26 ~ 203 m；2013年4月和2014年7月SOM具有中等的空間自相關性，其他時期均表現為強烈的空間自相關性。研究田塊SOM的穩定高值區主要分布在西部，穩定低值區主要集中在中部；SOM的時間穩定和較穩定級別區域面積很廣，占總面積的90.89%。在時空變異研究的基礎上，輔以時間穩定性分析能夠更好地量化煙田SOM的時空分布，可為研究區更為精確、高效的施肥和田間管理提供決策依據。

土壤有機質；時空變異；煙田；地統計學；地理信息系統

土壤具有高度的時空異質性，氣候條件、成土母質、土地利用、土壤類型等自然因素以及灌溉、施肥、耕作等人為因素都會影響到土壤屬性的時空異質性。土壤作為作物生長的營養庫，其養分變異必然會引起作物生長的變異。因此預測土壤養分含量，研究其時空變異特征是實現土壤差異化管理和精準農業的重要前提和手段。

有關土壤屬性空間變異的研究工作已有很多[1-9]。近年來，土壤屬性時間尺度上的變異研究得到高度重視[10-14]，如Cui等[15]研究了冬小麥不同生育期的土壤養分變異特征及時間變化趨勢，喬紅波等人[16]利用地統計學方法和GIS技術研究了三門峽煙區土壤耕層pH的時空變異，陳偉強等[17]對河南郟縣煙區土壤養分1982—2002年的空間變異趨勢進行了研究，羅由林等[18]系統研究了近30年來川中紫色丘陵區土壤碳氮時空演變特征及其影響因子的變化趨勢。但已有土壤屬性變異研究多在較長的時間尺度，且一般在鄉鎮及其以上的空間尺度。近年來，卷煙工業對烤煙品質的要求日趨提高，在我國煙草科研的經費投入和烤煙種植的物質投入增加迅速的形勢下，有必要也有能力開展更短時間尺度和更小空間尺度(如烤煙的不同生育期和田塊尺度)的煙田土壤養分時空變異研究，從而更進一步指導及時和精準的科學施肥，保障烤煙品質的提升。

有機質(SOM)是土壤的重要組成部分，也是衡量土壤肥力的重要因素[19]。另外，SOM是土壤中最活躍的物質組成之一，一方面，外來有機物料不斷輸入土壤，經微生物的作用形成新的腐殖質；另一方面，原有的SOM不斷分解和礦化被植物吸收利用。SOM是評價土壤質量和土壤碳庫的重要指標，是維持農田土壤生產力的重要因素，體現著生態環境條件下土壤養分的轉化能力和農戶的施肥與管理水平。為此，本研究采用GIS技術和地統計學方法，于2013年和2014年連續兩年針對豫中襄城縣紫云鎮的典型煙田，在每年不同的烤煙生育期，采集耕層土壤測定SOM含量，旨在深入分析各時期SOM的統計特征、空間分布和時空變異，為實現煙草有機肥的精準施用和精細管理提供科學依據。

1 材料與方法

1.1 研究區域概況

紫云鎮位于河南著名烤煙產區襄城縣西南部，是革命老區鄉鎮，總面積為81 km2，其中山地面積約占70%，耕地面積約2 600 hm2，烤煙種植面積約400 hm2。該鎮的“里川”煙馳名中外，一直是熊貓煙、中華牌香煙的主要原料。紫云鎮屬暖溫帶大陸季風氣候，年均氣溫14.7℃，日照時數1 400 ~ 1500 h，無霜期220 ~ 240 d，日照率52%，降雨量1 000 ~ 1 100 mm，6—8月降雨約占全年的60%，土壤類型為地理發生分類的褐土，煙草種植品種為中煙100。本研究所選田塊為地勢起伏較為平緩的地區，海拔81 m，位于紫云鎮黃柳西村(33°51′ N, 113°24′ E)，面積約4 hm2。該區一直采用機械起壟并條施底肥，統一的耕作、施肥、灌溉等管理模式，沒有進行過變量施肥試驗，是較為理想的精準管理分區研究用地。

受到傳統思想政治教學素材陳舊的影響，導致思想政治教學過程中課堂缺乏生動性，無法吸引學生注意，削弱了思想政治教學的時效性，學生容易對思想政治教學反感，以致對思想政治教學質量的提升形成阻力。新媒體因其更新信息與傳播信息速度快，其信息的傳播不受時空限制，能有效拓寬大學生的視野，大學生能及時接觸、掌握國內外在政治、教育等領域的最新內容，減小了學生與外界的距離。依托微信、微博、QQ等新媒體，思想政治教育主體可以第一時間傳達信息給學生，讓學生進行思考和討論。同時，根據學生討論反饋的情況，能及時迅速的調整教育內容與改變教學方法，有效引導學生思想動態，提高了思想政治教育的時效性。

1.2 土樣采集與測定

2013年4月，在施肥前采用20 m × 20 m網格設置取樣點101個(圖1)，利用手持GPS對每個樣點進行定位。分別于2013年和2014年的4月(施肥前)、7月(旺長期)、10月(采收后)對各樣點進行土壤采集。在每個網格點及其附近1 m范圍內，梅花形采集5個點耕層土壤，均勻混合成約1.5 kg的土樣。土壤樣品經自然風干、去雜、研磨、過0.149 mm篩后，采用重鉻酸鉀-外加熱法測定SOM含量[20]。

※ 一般白細胞>15、中性粒細胞比例>70%、C反應蛋白陽性或者單獨的C反應蛋白>30，提示是細菌感染，否則是病毒感染。

圖1 研究煙田田塊和取樣點

1.3 數據分析與空間分布圖編制

描述性統計分析從整體上把握變量的統計特征，是分析變量整體分布特征的第一步[22]。同時，對各變量的正態性進行檢驗，可為隨后的地統計分析做準備。對研究田塊兩年合計6個時期的SOM數據進行統計分析，結果見表2。

1.4 空間趨勢及時間穩定性分析

本研究利用空間趨勢圖來表示煙田土壤屬性的空間變化趨勢，其可以反映出田間穩定的土壤養分含量區域。通過計算各取樣點6次樣品的平均值，并通過普通克里格插值得到[21]。具體公式為

描述性統計分析只能了解各時期SOM含量的整體情況，為了反映研究田塊SOM的局部變化，定量描述其空間結構特征及分布狀況，本研究利用地統計方法進一步分析SOM含量的空間變異特征。

鉤藤散是傳統中醫名方，出自《本事方》，由鉤藤、石膏、陳皮、麥冬、半夏、茯苓、人參、防風、生姜、甘草、菊花11味藥組成。該方原為治療肝厥頭暈之癥的經典方劑，近代醫者常將鉤藤散用于老年性癡呆的防治，該方在日本醫界被視為治療癡呆的常用方，對AD患者認知行為和神經保護方面有部分改善[4-5]。研究證明鉤藤散能有效降低腦組織β-淀粉樣蛋白含量、促進突觸形成、降低谷氨酸興奮性毒性、調節乙酰膽堿酯酶含量和抗氧化應激等途徑改善AD患者的認知功能[6-9]，但其藥理作用尚未完全闡明。

企業的往來賬款，一般是指企業在進行經濟活動時與他人發生的產品、勞務供銷等業務而形成的債權、債務關系，包括應收、應付、預收、預付賬款等。電力企業作為特殊的基礎性企業，往來賬款主要有四類，包括主營收款、付款業務和其他應收、應付款業務。

圖4為研究區SOM空間趨勢及時間穩定性圖。從圖4A可以看出，煙田SOM兩年的空間趨勢具有較為明顯的分布格局。SOM低值主要分布在田塊中部，田塊西部SOM含量高且面積較大，東部SOM含量中等。從時間穩定性圖(圖4B)可以看出，田塊SOM穩定性無明顯的分布特征，不穩定區域零星分布于較高SOM含量的位置，MS1主要分布在較低SOM含量的區域。整體來看，本研究中SOM時間較穩定區域分布面積很廣，占研究區域總面積的90.89%。在生態條件一致的情況下，人為管理措施對SOM異質性有較大影響，研究區統一的生產模式是造成SOM較強時間穩定性的主要因素。

表1 土壤養分時間穩定性級別劃分

2 結果與分析

2.1 不同時期SOM描述性統計

本研究描述性統計和正態分布檢驗利用IBM Statistics SPSS 20.0統計軟件進行，利用GS+7.0進行半方差函數擬合，克里格插值、圖形運算及編輯在ESRI ArcGIS10.2中完成。

從K-S (>0.05)檢驗結果可以看出，煙田各時期耕層SOM數據均符合正態或對數正態分布。6個時期SOM的變異系數差異較小，變異范圍13.69% ~ 24.56%，屬于中等程度變異。較多研究表明，SOM屬中等強度變異，具有較強的空間自相關性[23-25]。從平均含量來看，2013年4月至2014年10月SOM的均值分別為20.97、10.49、16.38、17.10、15.14和18.24 g/kg，其含量范圍較為適宜烤煙的生長[26]。通過方差分析可以看出，2013年10月和2014年4月兩個時期SOM含量的差異沒有達到顯著性水平，其余各時期均有顯著性差異。隨著煙草生育期的推移，最大值與最小值之間的差異在兩年中均表現為7月最小，10月最大。

表2 不同時期SOM描述性統計

注：SOM，有機質；SOM1、SOM2、SOM3分別表示2013年4月、7月、10月的土壤有機質含量；SOM4、SOM5、SOM6分別表示2014年4月、7月、10月的土壤有機質含量，下同。均值數據后不同小寫字母表示差異達到顯著水平(<0.05)。

2.2 不同時期SOM空間結構

式中：y是第個取樣點第次取樣的觀測值；為取樣次數，本研究取樣6個時期，即= 6。研究區土壤養分的時間穩定性由6次取樣觀測值的變異系數來表征。其最初用于作物產量的時間穩定性評估，表達式為

目前有關煙田土壤養分的時空變異研究主要集中在較大空間尺度和較長時間尺度上或作物生育過程某些生育階段[28]，而在田塊尺度和較為精確的時間尺度下的研究還相對較少。地形地貌、成土母質、土地利用方式、土壤類型、作物種類以及農事操作等因素均可影響SOM的時空分布[29]。而土壤養分的有效性概念不應當只有數量多寡，也應當有時間有效性和空間有效性，較多研究更加注重土壤養分的數量，而對于土壤養分的時間和空間變異關注較少[30]。

2.3 不同時期SOM空間分布格局

依據擬合的最優半方差模型，采用普通克里格插值法對未采樣區域SOM含量進行估算，繪制各時期SOM的空間分布圖(圖3)。圖3顯示，不同時期煙田SOM的分布特征具有差異性，2013年4月和10月SOM含量呈現明顯的空間分布格局，連續性較好，田塊中部含量相對較低，東西部出現高值；2013年7月SOM的分布相對復雜，呈斑塊狀分布，高值出現在中部區域；2014年則表現為4月和10月SOM分布復雜，空間連續性相對較差，而7月具有明顯的空間分布格局，西部SOM含量較高，中部含量較低。

通過對各樣點土壤養分指標的時間變異系數CV進行空間插值，繪制出時間穩定性圖，并依據表1的穩定性級別劃分進行重分類。

圖2 不同時期SOM半方差函數

表3 不同時期SOM半方差理論模型及參數

圖3 不同時期SOM空間分布

3 討論

在選取半方差模型時，首先計算半方差函數的散點圖，再進行不同間距下各模型的比較，依據決定系數和殘差確定最優模型，同時繪制出半方差函數圖(圖2)。本研究選用指數模型和高斯模型來描述各時期SOM的空間結構，具體參數見表3。變程(空間最大相關距離)反映了變量空間自相關范圍的大小，半方差函數圖中顯示，各時期SOM的半方差值均隨步長的增大而增加，達到一定距離后趨于穩定，這個距離就是各變量的變程。從表3中可以看出，不同時期煙田SOM在一定范圍內均存在空間相關性。2013年4月、7月和10月SOM的空間最大相關距離分別為84、26 和97 m，而2014年SOM的空間最大相關距離分別為35、203和37 m，各時期SOM的變程均大于研究取樣尺度，這表明20 m的取樣間距是合理的。塊金值(C0)和基臺值(C0+C)的比值為塊金系數(C0/(C0+C))，表征變量的空間相關程度：當C0/(C0+C)＜25%，表明區域化變量具有強烈的空間相關性，結構性因素起主要作用；當25%

此集今世本多不同，惟近歲南安軍所刊方氏校定本號為精善，別有《舉正》十卷，論其所以去取之意，又他本之所無也。然其去取，多以祥符杭本、嘉祐蜀本及李謝所據館閣本為定，而尤尊館閣本，雖有謬誤，往往曲從，他本雖善，亦棄不錄。至于《舉正》，則又例多而辭寡，覽者或頗不能曉知。故今輒因其書更為校定，悉考眾本之同異，而一以文勢義理及他書之可驗者決之。茍是矣，則雖民間近出小本，不敢違；有所未安，則雖官本、古本、石本，不敢信。又各詳著其所以然者，以為《考異》十卷，庶幾去取之未善者，覽者得以參伍而筆削焉。[注] 朱熹：《原本韓集考異》卷一，臺灣商務印館景印文淵閣《四庫全書》本。又見朱熹：《晦庵集》卷七十六。

本研究田塊的SOM含量在不同時期表現出了較大的差異性，其中2013年和2014年煙田SOM含量最低的時期均為7月，分別為10.49 g/kg和15.14 g/kg。7月是煙草旺長期，煙株對養分的需求大，土壤微生物及土壤酶活性較高，對有機質的分解有促進作用。10月煙草收獲結束后，田塊閑置，降低了人為活動及種植制度對SOM的影響；同時，季節的轉換使得溫度降低，較大地影響土壤微生物活動及生理作用，降低了SOM的分解和轉化。但值得注意的是，整體來看，田塊SOM含量兩年來有所降低，應注重有機肥的施用以及綠肥的種植。

1.5 統計學處理 采用SPSS 18.0統計軟件進行數據處理。連續變量例如年齡、體質量、實驗室相關檢查結果、住院時間等符合正態分布的計量資料以x±s表示，組間均數比較采用t檢驗。男女比例、腫瘤類型、輸血患者比例、下肢深靜脈血栓和肺栓塞的發生率采用卡方檢驗進行比較。P＜0.05為差異有統計學意義。

造成兩年各時期SOM分布差異的原因可能有：①人為因素。田塊化肥的施用利用機械條施，而有機肥仍為人工撒施，不同人工撒施效果不一，難于保證空間撒施均勻，增大了隨機性變異。同時，不同年份所用工人不同，有機肥種類也可能有一定差異，這也會加劇其變異性。②環境因素。SOM的礦化受土壤溫度、水分等的影響很大[31-32]。2014年豫中地區的反常氣候，煙草生長前期干旱，溫度高，無有效降雨，后期連續陰雨，直接影響了煙株和土壤生物的生物化學過程，進而造成了兩個年份煙草生長季節較大差異的SOM分布。

圖4 SOM空間趨勢(A)及時間穩定性(B)

4 結論

1) 研究田塊各個時期SOM的變異系數差異較小；每年各時期SOM平均含量表現為先降后升的變化趨勢，7月的含量顯著低于4月和10月。

2) 各時期SOM以指數模型和高斯模型擬合最優，2013年4月和2014年7月SOM具有中等的空間自相關性，其他時期為強烈的空間自相關性。

3) 研究田塊SOM的穩定高值區主要分布在西部，穩定低值區主要集中在中部；SOM 在時間尺度上的變異性較小。有機肥的施用方式和兩年氣候的差異是造成田塊各時期SOM 空間分布差異的主要因素。田塊SOM含量兩年來有所降低，應注重有機肥的施用以及綠肥的種植。

[1] 武婕, 李玉環, 李增兵, 等. 微山縣農田耕層土壤有機碳空間變異及動態變化分析[J]. 中國農學通報, 2014, 30(14): 218–222

[2] 唐杰, 王昌全, 李啟權, 等. 川北植煙土壤有機質和全氮空間變異研究[J]. 中國煙草學報, 2014, 20(5): 66–72

[3] 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

[4] 常棟, 徐明康, 王勇, 等. 緩坡植煙田土壤微量元素的空間變異特征[J]. 中國煙草學報, 2012, 18(3): 34–41

[5] Fuka M M, Engel M, Haesler F, et al. Diversity of proteolytic community encoding for subtilisin in an arable field: Spatial and temporal variability[J]. Biology and Fertility of Soils, 2008, 45(2): 185–191

[6] 王新中, 劉國順, 楊程, 等. 小尺度下煙田土壤有效態微量元素空間分布格局研究[J]. 中國煙草科學, 2011, 32(1): 12–16

[7] 黃新杰, 屠乃美, 李艷芳, 等. 湖南省煙稻輪作區土壤養分的空間變異特征[J]. 中國煙草科學, 2012, 33(3): 13–16

[8] 張春華, 王佩, 王可, 等. 小尺度下煙田土壤養分空間變異性研究[J]. 中國煙草科學, 2014, 35(5): 74–78

[9] 趙明松, 李德成, 張甘霖, 等. 江淮丘陵地區土壤養分空間變異特征——以安徽省定遠縣為例[J]. 土壤, 2016, 48(4): 762–768

[10] 許文強, 羅格平, 陳曦, 等. 天山北坡綠洲土壤有機碳和養分時空變異特征[J]. 地理研究, 2006, 25(6): 1013– 1021

[11] 張玲娥, 雙文元, 云安萍, 等. 30年間河北省曲周縣土壤速效鉀的時空變異特征及其影響因素[J]. 中國農業科學, 2014, 47(5): 923–933

[12] Hu K, Li H, Li B, et al. Spatial and temporal patterns of soil organic matter in the urban–rural transition zone of Beijing[J]. Geoderma, 2007, 141(3/4): 302–310

[13] 于洋, 趙業婷, 常慶瑞. 渭北臺塬區耕地土壤速效養分時空變異特征[J]. 土壤學報, 2015, 52(6): 1251–1261

[14] Huang B, Sun W, Zhao Y, et al. Temporal and spatial variability of soil organic matter and total nitrogen in an agricultural ecosystem as affected by farming practices[J]. Geoderma, 2007, 139(3/4): 336–345

[15] Cui B, Yang W, Feng M, et al. Study on the spatial– temporal variability of soil nutrients during winter wheat growth season[M]//Li D, Chen Y. Computer and computing technologies in agriculture VI. CCTA 2012. Berlin: Spinger, 2013

[16] 喬紅波, 張慧, 高瑞, 等. 三門峽煙區土壤pH時空變異特征[J]. 中國煙草科學, 2010, 31(4): 48–51

[17] 陳偉強, 劉國順, 華一新, 等. 基于GIS的河南省典型煙區土壤養分時空變異分析[J]. 河南農業科學, 2007(11): 70–75

[18] 羅由林, 李啟權, 王昌全, 等. 近30年來川中紫色丘陵區土壤碳氮時空演變格局及其驅動因素[J]. 土壤學報, 2016, 53(3): 582–593

[19] 苑小勇, 黃元仿, 高如泰, 等. 北京市平谷區農用地土壤有機質空間變異特征[J]. 農業工程學報, 2008, 24(2): 70–76

[20] 魯如坤. 土壤農業化學分析方法[M]. 北京: 中國農業科技出版社, 2000

[21] Blackmore S. The interpretation of trends from multiple yield maps[J]. Computers & Electronics in Agriculture, 2000, 26(1): 37–51

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

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

[24] Yanai J, Mishima A, Funakawa S, et al. Spatial variability of organic matter dynamics in the semi-arid croplands of northern Kazakhstan[J]. Soil Science and Plant Nutrition, 2005, 51(2): 261–269

[25] 胡克林. 農田土壤養分的空間變異性特征[J]. 農業工程學報, 1999, 15(3): 33–38

[26] 張翔, 黃元炯, 范藝寬. 河南植煙土壤與烤煙營養[M]. 北京: 中國農業科學技術出版社, 2009

[27] Kravchenko, nbsp, A. N. Influence of spatial structure on accuracy of interpolation methods[J]. Soil Science Society of America Journal, 2003, 67: 1564–1571

[28] 王育軍, 周冀衡, 孫書斌, 等. 云南省羅平縣煙區土壤肥力適宜性評價及養分時空變異特征[J]. 土壤, 2015, 47(3): 515–523

[29] 楊東, 劉強. 基于GIS和地統計學的張掖市甘州區土壤全氮、有機質的空間變異特征分析[J]. 土壤通報, 2011, 42(3): 593–597

[30] 張仁鐸. 空間變異理論及應用[M]. 北京: 科學出版社, 2005

[31] Stanford G, Epstein E. Nitrogen mineralization-water relations in soils[J]. Soil Science Society of America Journal, 1974, 38(1): 289–299

[32] 周才平, 歐陽華. 溫度和濕度對長白山兩種林型下土壤氮礦化的影響[J]. 應用生態學報, 2001, 12(4): 505–508

Spatial and Temporal Variation of SOM During Tobacco Growth Season—A Case Study of Ziyun Town of Xiangcheng County

CHANG Dong1,2, GE Shaohua2, LI Pengyan2, LIU Guoshun2*

(1 Pingdingshan Tobacco Company of Henan Province, Pingdingshan, Henan 467000, China; 2 Key Laboratory on Cultivation of Tobacco Industry, School of Tobacco Sciences, Henan Agricultural University, Zhengzhou 450002, China)

The spatial and temporal variation of soil organic matter(SOM) of tobacco-planting fields at field scale was comprehensively analyzed by using geostatistics method and GIS platform. In total 606 soil samples were collected from Ziyun Town of Xiangcheng County of Henan Province six times in successive two years, and the spatial distribution maps of SOM were edited and analyzed. The results indicated that CV of SOM during each period was small, ranging from 13.69% to 24.56%. The mean content of SOM during each period in a year decreased first and then increased, which was significantly lower in July than those in April and October. The maximal range of spatial correlation of SOM ranged from 26 m to 203 m. SOM showed medium spatial autocorrelation in April 2013 and July 2014, expressed strong spatial autocorrelation in other duration. In the study area, the stable high value of SOM was mainly distributed in the west area while the stable low value appeared in the middle area. The area of SOM stable with time was the largest, accounting for 90.89% of the total study area. The above results prove that spatial and temporal analysis can provide more efficient approach to quantify SOM with the help of time stable analysis and provide a theoretical basis for accurate and efficient fertilization and field management.

SOM; Spatial and temporal variation; Tobacco field; Geostatistics; GIS

國家煙草專賣局項目(110201101001TS-1)資助。

(liugsh1851@163.com)

常棟(1986—)，男，河南延津人，博士，主要從事煙草栽培及土壤保育研究。E-mail: cd411@outlook.com

10.13758/j.cnki.tr.2018.05.021

S158

A