陜西典型麥田區土壤全氮的空間異質性及其影響因素

李庚飛, 蘭素戀, 劉媛

陜西典型麥田區土壤全氮的空間異質性及其影響因素

李庚飛1,2, 蘭素戀3, 劉媛4,5,*

1. 廣西交科集團有限公司, 廣西 530007 2. 陜西省多河流濕地生態環境重點實驗室, 陜西 714000 3. 廣西交通職業技術學院 南寧 530023 4. 三峽庫區生態環境教育部重點實驗室 重慶 400715 5. 西南大學生命科學學院重慶 400715

為制定合理施肥方案, 確保農業資源的可持續利用, 采用地統計學方法結合GIS技術研究陜西蒲城縣農業區麥田土壤中全氮(TN)的空間結構和分布特征。結果表明: 蒲城縣土壤全氮含量范圍在0.42—1.32 g·kg-1之間, 變異系數為21.0%, 屬于中等變異強度, 表明土壤全氮含量分布不均勻; 486個原始全氮含量樣點剔除特異值后, 符合正態分布; 半變異函數的最佳理論模型符合指數模型, 函數塊金值為5.83×10-3, 偏基臺值為7.26×10-3, 塊金值/基臺值為0.46, 說明全氮具有中等強度的空間相關性; 普通Kriging插值結果顯示, 該縣全氮含量呈現出由西南到東北逐漸下降的趨勢, 除分布于西南方向的荊姚鎮和原仁鄉有一些斑塊狀樣區(11.5%)處于中等含氮水平以外, 其余88.5%的調查樣區土壤全氮含量均處于不同程度的缺乏狀態, 這與農戶對西南灌區氮肥的投入多于東北山原區密切相關。該縣相關部門要重視氮肥的投入, 提高該縣整體氮肥含量, 同時針對“西南多氮東北少氮”的實際情況, 實行因地施肥與精準分區管理。

陜西省蒲城縣; 土壤全氮; 地統計學; 空間變異

0 前言

氮素是植物體內蛋白質、葉綠素和磷脂等的結構物質, 控制著植物生態系統中碳素和氮素的養分循環, 是植物體內的“生命元素”[1], 同時氮素作為土壤中重要的營養元素, 通過為植物供應養分影響植物的生長發育, 從而制約著農業生態系統生產力的發展[2]。土壤全氮代表土壤氮的總貯量和供氮潛力, 直接影響土壤中速效氮的含量, 在土壤形成過程中, 特別是在土壤肥力發展過程中, 起著極其重要的作用, 而且在一定含量范圍內, 全氮含量的多少, 反映了土壤肥力的高低[3-4]。因此, 研究土壤全氮的空間分布狀況, 對合理施肥及農業的可持續發展具有重要意義[5]。土壤養分的統計學研究方法主要有傳統統計學方法和地統計學方法, 由于地統計方法可以彌補以概率論為基礎的傳統統計學分析方法在結構和過程分析方面的不足[6], 被廣泛應用于土壤科學的研究領域[7-9], 已經成為當前土壤營養空間變異分析的主要手段。

蒲城縣是國家級農業縣[10], 其土壤生產力對陜西的農業生產與發展具有重要的意義。然而第二次土壤普查至今已有30多年, 隨著農業機械化程度的加強, 農戶對于土壤肥料的投入追求方便快速, 長年大面積的投入等量肥料, 勢必導致土壤養分分布的不平衡[11-12], 尤其是對植物生長發育需求量最大的氮肥影響更大。因此, 本研究采用地統計學和GIS技術相結合的方法對蒲城縣麥田土壤全氮的空間分布特征及豐缺格局進行分析, 以期為相關部門制定科學施肥決策和精細化管理, 保證蒲城縣麥田土壤資源的可持續發展提供參考依據。

1 材料與方法

1.1 研究區域概況

蒲城縣位于陜西關中平原東北部, 地理坐標為109°20′17￠￠—109°54′48￠￠E, 33°44′50￠￠—35°10′30￠￠N, 東西長52.8 km, 南北寬47 km, 地勢由西北向東南呈坡階狀遞減, 海拔在345—1282 m之間, 地貌類型以臺塬為主, 北部山原, 中部臺塬, 南部平原[12]。該縣屬于溫帶大陸性季風氣候, 年平均氣溫13.2 ℃, 年降水量541.7 mm, 無霜期219 d, 年日照2282.4 h。耕地土壤以褐土和黃棉土為主, 土地墾殖率高達60%, 主要種植糧食作物(小麥和玉米), 夏季麥田播種面積達85萬畝, 其中旱塬區40萬畝(北部陰坡和中北部陽坡), 灌區45萬畝(中南補灌區和南部灌區), 居陜西省首位。

1.2 樣品采集與處理

2017年6月下旬, 待小麥全部收獲后, 以蒲城縣16個鄉鎮72個農戶的麥田為研究樣區, 根據各農戶麥田的面積, 設定1—2畝為一個采樣單元, 并根據采樣單元的形狀和大小確定合適的布點方法, 近似長方形地塊采用“S”法, 近似正方形地塊采用“X”法布點。采集5個0—20 cm耕層土樣混合均勻后, 用4分法取1 kg作為一個樣點, 并用GPS定位中心點的位置, 共采集了486個樣點, 其中南部鄉鎮的樣點分布在灌區平原, 中南部鄉鎮的樣點分布在補灌區臺塬, 溝渠分布廣泛, 水分條件充足; 北部鄉鎮的樣點分布在旱區山原, 中北部鄉鎮的樣點分布在旱區臺塬, 水分條件相對薄弱(圖1)。將取回的樣品自然風干, 除去動、植物殘體及石塊, 研磨后過80目篩。土壤樣品總氮采用凱氏蒸餾法[13], 利用KDY-9820凱氏定氮儀測定。

1.3 數據處理與分析

1.3.1 經典統計分析

運用經典統計學方法對蒲城縣土壤全氮數據進行描述性統計分析。

1.3.2 地統計分析

采用地統計半方差函數(半變異函數)的方法對土壤全氮的空間變異特征進行分析。半方差函數以區域化變量理論為基礎, 可以反映區域化變量的空間隨機性和結構性[14-15], 其計算公式[16]為:

式中:是間隔距離為的半方差函數,為兩樣點之間的空間距離,() 是空間間隔距離為的樣點對總數,(X) 和(X+) 分別表示空間位置在X和X+上的樣點實測值。

利用ArcGIS10.2 進行半變異函數模型的擬合, 得到塊金值(C0), 偏基臺值(C)和變程(A)來反映區域化變量的空間變異程度和相關性[17]。同時運用Kriging插值法繪制土壤全氮的空間分布圖。

2 結果與分析

2.1 土壤全氮含量的描述性統計及正態分布檢驗

由表1可知, 蒲城縣土壤全氮的變異系數為21.0%, 根據變異系數的劃分等級標準[18], 屬于中等變異強度, 從數據統計角度上反映出蒲城縣土壤全氮分布不均勻的特征, 但不能反映土壤全氮含量的空間結構性和隨機性, 且該地區土壤全氮含量最大值與最小值之間的差異明顯, 表明若不考慮土壤全氮含量的空間結構和分布特征而盲目地平均施肥, 必將導致低氮地區氮含量繼續不足和高氮地區氮含量過剩。因此, 運用地統計學的方法對該地土壤全氮含量做進一步的分析研究。

由于土樣處理中的一些誤差, 可導致某些樣點的測量值明顯區別于其周圍樣點, 稱之為特異值。分布于平均值加減3倍標準差之外的特異值會導致變量連續表面的中斷, 使半方差函數失去結構性[19], 影響相應的理論模型擬合及Kriging插值等過程。因而地統計學分析首先需處理特異值, 并要求分析數據呈正態分布[20]。采用域法識別異常值, 分別用正常最大值和最小值代替特異值[19]。運用偏態峰度檢驗法對土壤樣本數據進行分布類型檢驗, 如果(峰度)<2×(6×)1/2, 并且(偏態)<2×(24/)1/2, 則認為測試樣本服從正態分布[21]。由測量樣本容量得知, 2×(6×)1/2=108, 2×(24/)1/2=1.405, 可知, 其偏度和峰度均可滿足正態分布的要求。剔除特異值之后的全氮含量直方圖(圖2)也可直觀的表明測量數據符合正態分布。因此, 測量數據不需要做相應的正態轉換, 后續的分析研究都是采用域法處理后的原始數據。

圖1 蒲城縣土壤全氮的樣點分布

Figure 1 Sample sites of soil total nitrogen in wheat fields of Pucheng county

表 1 土壤全氮含量的描述性統計

2.2 土壤全氮含量的空間結構分析

采用Kriging插值的方法, 通過各擬合參數的比較, 選擇無偏最優的半方差函數模型是分析土壤全氮空間結構的關鍵。由于該采樣點全氮區域化變量高程值Z的期望值是未知的, 在預測表面時采取普通克里格插值最為合適。本研究運用球面模型、高斯模型、指數模型和五球模型四種類型, 根據最優模型的預測指標(標準平均值接近于0, 均方根預測誤差最小, 平均標準誤差接近于均方根預測誤差, 標準均方根預測誤差最接近于1[22-23]), 分析尋找最適模型。

由表2不同擬合模型各檢驗參數可知: 四種模型的標準平均數經四舍五入保留四位小數以后完全相等, 且均接近0。他們的均方根預測誤差在0.1271—0.1273之間波動, 相差較小, 其中指數模型和高斯模型最小, 均為0.1271, 球面模型(0.1272)次之, 五球模型最大。五種模型的平均標準誤差和標準均方根預測誤差相差在0.0059—0.0072之間, 其中指數模型的平均標準誤差與均方根預測誤差相差最小, 高斯模型(0.0059)次之, 而五球模型差距最大, 為0.0072。標準均方根預測誤差差異程度較大, 四種預測模型的比較結果為指數模型最接近1, 僅與1相差0.0481, 高斯模型次之, 而五球模型相差最遠。綜上所述采用指數函數模型分析蒲城縣土壤全氮含量的空間結構和分布特征。

根據地統計學理論, 基臺值指不同采樣間距內半方差的極大值, 表示系統內總的空間變異。塊金值是位差為0時的半方差值, 由區域化變量的屬性或測量誤差決定[24]。塊金值和基臺值之比, 稱為基底效應, 可揭示變量的空間相關性程度, 若比值<0.25, 表明變量具有強烈的空間相關性, 且空間變異主要受結構因子的影響; 若比值>0.75, 則空間相關性很弱, 且空間變異主要受隨機性因子影響[25]。由圖3可知, 蒲城縣土壤全氮的半變異函數中塊金值(Nugget)為5.83×10-3, 偏基臺值(Partial Sill)為7.26×10-3, 塊金值/基臺值(Nugget/Sill)為0.46, 說明全氮具有中等強度的空間相關性, 其變異性是結構性因素(氣候、地形地貌、成土母質、土壤類型等)和隨機性因素(施肥、栽培管理、耕作制度、作物布局等)共同作用的結果。變程是半方差函數的一個非常重要的參數, 表明屬性因子的空間自相關范圍, 它與觀測尺度及取樣尺度上影響土壤養分的各種生態過程相互作用有關[26]。蒲城縣土壤全氮的變程為3214 m, 說明在3214 m范圍內土壤中全氮才具有空間自相關的特性。

2.3 土壤全氮含量的空間分布特征

土壤全氮的空間分布圖可作為精準農業中施肥的依據。利用上述擬合的半方差模型對蒲城縣土壤全氮進行普通Kriging插值, 得到了該地區土壤養分空間分布圖(圖4)。由圖可以直觀的看出土壤全氮空間分布有明顯的方向性和連續性。總體來看, 蒲城縣土壤全氮含量呈現出由西南到東北逐漸下降的趨勢。結合全國第二次土壤普查全氮的分級標準[27]可知, 864個調查樣區除了分布于西南方向的少量(11.5%)斑塊狀樣區處于中等含氮水平以外, 蒲城縣土壤全氮含量主要在0.42—1 g·kg-1之間波動, 處在不同程度的缺乏水平, 其中土壤全氮含量處于0.75—1 g·kg-1的4級缺乏(36.8%)和處于0.5—0.75 g·kg-1的5級很缺乏(49.2%)狀態占整個調查樣區的大部分, 甚至2.5%的樣區土壤含氮量少于0.5 g·kg-1, 處在6級極缺乏狀態。

圖2 蒲城縣土壤全氮含量直方圖

Figure 2 Histogram of soil total nitrogen content in wheat fields of Pucheng county

表 2 不同半變異函數理論模型的參考指數

3 討論

從描述性統計分析結果來看, 蒲城縣土壤全氮的變異系數屬于中等變異強度, 表明全縣16個鄉鎮的土壤全氮含量分布不均勻, 土壤的潛在供氮能力參差不齊, 相關部門在制定施肥決策時, 應該避免不同區域平均施肥導致的肥料過度供應或缺乏。地統計學分析結果表明, 蒲城縣土壤全氮的最佳擬合模型為指數模型, 半變異函數中塊金值為5.83×10-3, 偏基臺值為7.26×10-3, Nugget/Sill為0.46, 表現為中等強度的空間自相關。土壤全氮空間分布的中等自相關程度較弱, 說明隨機性因素(施肥、栽培管理、耕作制度、作物布局等)未達到破壞其原有空間格局的程度[28-29], 人們為收獲更多的經濟效益, 對農田進行的一系列改造措施, 并沒有完全的改變由成土母質造成的全氮空間分布, 但隨著社會經濟的飛速發展, 工業化程度的推進, 個體農戶更愿意進行簡單快捷的農業生產活動。于是, 農業生產中對氮肥的使用量越來越大, 但個體農戶往往根據經驗施用化肥, 常常均勻施肥, 造成肥力少的地方肥力仍然不足, 肥力多的地方營養過剩。因此, 日積月累, 這種不科學施用氮肥的累積效應也不容忽視, 應該引起有關部門的重視, 制定合理的施肥管理方案, 實現全縣土壤生產力的最大化, 確保土壤資源的可持續性利用。

地統計學方法是將點數據進行可視化的最有效的途徑[30-31]。通過Kriging插值法分析制圖, 將土壤全氮含量的點數據轉化為面數據[32], 直觀地反映了蒲城縣土壤全氮的空間分布特征。該縣土壤全氮含量呈現出由西南到東北逐漸下降的趨勢, 西南方向上荊姚鎮和原仁鄉有一些斑塊狀的區域(11.5%)屬于中等含氮水平, 其余88.5%的調查樣區土壤全氮含量處于不同程度的缺乏狀態, 4級缺乏(0.75—1 g·kg-1)和5級缺乏(0.5—0.75 g·kg-1)的土壤面積分別占36.8%和49.2%, 2.5%的土壤含氮量少于0.5 g·kg-1, 處在6級極缺乏狀態。這與蒲城縣南部平原麥田產量明顯高于北部山原的實際情況相一致。蒲城縣土壤全氮含量整體水平不高, 88.5%的區域土壤中缺乏氮素, 這可能正在制約著該縣小麥的產量, 導致該縣土壤全氮營養水平整體不高的原因可能是土樣采集于前茬作物收獲后和后茬作物播種前, 此期是土壤營養元素含量較低的時期。同時, 該縣西南方向為澆水灌溉區, 交織著相對密集的干渠, 灌溉條件較其它地區優, 農戶對農業的重視程度高, 氮肥的投入明顯高于北部和中部的旱塬區域, 造成該區域土壤全氮較該縣其它地區高, 并向東北山原方向上逐漸降低。因此, 該縣相關部門要重視氮肥的投入, 整體上提高全縣土壤氮素含量, 從而提升土壤肥力, 增加農作物的產量和品質, 并需要針對不同區域氮素的豐缺程度, 實行因地施肥與精準分區管理, 確保全縣農業生產的可持續發展。同時, 建議我國各個農業大縣, 可以通過科學的技術手段整體上把握農田的基本狀況, 然后結合不同作物對不同養分的需求情況, 因地制宜, 進行精準農業生產, 以實現農業生產效益的最大化, 確保生產實踐的可持續發展。

圖 3 蒲城縣土壤全氮的半變異函數曲線

Figure 3 Semivariograms curve for total nitrogen in wheat fields of Pucheng county

圖 4 蒲城縣土壤全氮含量空間分布圖

Figure 4 Spatial distribution for total nitrogen content in wheat fields of Pucheng county

[1] 武維華. 植物生理學(第二版)[M]. 北京: 科學教育出版社, 2008.

[2] 崔曉東, 侯龍魚, 馬風云, 等. 黃河三角洲不同土地利用方式土壤養分特征和酶活性及其相關性研究[J]. 西北林學院學報, 2007, 22(4): 66–69.

[3] FOTH H D. Fundamentals of Soil Science[M]. Soil Science, 1958.

[4] 袁知洋, 鄧邦良, 郭曉敏, 等. 武功山山地草甸土壤全量氮磷鉀分布格局及對不同退化程度的響應[J]. 西北林學院學報, 2015, 30(3): 14–20.

[5] WARKENTIN B P. The changing concept of soil quality[J]. Journal of Soil and Water Conservation, 1995, 50: 226–228.

[6] 臘貴曉, 劉國順, 曹杰, 等. 基于地統計學和GIS的喀斯特煙田土壤肥力綜合評價[J]. 農業環境科學學報, 2006, 25(2): 377–381.

[7] MARCHETTI A, PICCINI C, FRANCAVIGLIA R, et al. Spatial distribution of soil organic matter using geostatistics: A key indicator to assess soil degradation status in central Italy[J]. Pedosphere, 2012, 22(2): 230–242.

[8] SHAH Z, MALIK W, BHATTI A, et al. Spatial variability of nutrients in wheat plants in semi-arid regions of northwe-stern Pakistan[J]. Communications in Soil Science and Plant Analysis, 2013, 44(16): 2472–2487.

[9] 司涵, 張展羽, 呂夢醒, 等. 小流域土壤氮磷空間變異特征分析[J]. 農業機械學報, 2014, 45(3): 90–96.

[10] 胡明. 基于GIS技術的蒲城縣土壤重金屬空間分布及來源分析[J]. 湖北農業科學, 2015(8): 1836–1839.

[11] BOGUNOVIC I, MESIC M, ZGORELEC Z,et alSpatial variation of soil nutrients on sandy-loam soil[J]. Soil and Tillage Research, 2014, 144(4): 174–183.

[12] 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.

[13] 中國科學院南京土壤所. 土壤理化分析[M]. 上海: 上海科學技術出版社, 1978.

[14] FOTI S, BALOGH J, HERBST M, et al. Meta-analysis of field scale spatial variability of grassland soil CO2efflux: Interaction of biotic and abiotic drivers[J]. Catena, 2016, 143: 78–89.

[15] 姚雄, 余坤勇, 曾琪, 等. 福建西部山地水土流失區土壤呼吸的空間異質性[J]. 環境科學, 2016, 37(12): 4789– 4799.

[16] GHOLAMI S, SAYAD E, GEBBERS R, et al. Spatial analysis of riparian forest soil macrofauna and its relation to abiotic soil properties[J]. Pedobiologia, 2016, 59(1-2): 27–36.

[17] 方學燕, 馮永玖, 陳新軍, 等. 6-9月秘魯外海莖柔魚資源的空間異質性研究[J]. 上海海洋大學學報, 25(2): 271–281.

[18] 趙建華, 蓋艾鴻, 陳芳, 等. 基于GIS和地統計學的區域土壤有機質空間變異性研究[J]. 甘肅農業大學學報, 2008, 43(4): 103–106.

[19] WHITE J G, WELCH R M, NORVELL W A. Soil zinc map of the USA using geostatistics and geographic information systems[J]. Soil Science Society of America Journal, 1997, 61(1): 185–194.

[20] 黃智剛, 蔣代華. 紅壤蔗區土壤有效態鉀的空間變異研究[J]. 廣西農業生物科學, 2007 (3), 26(1): 67–70.

[21] 張朝生, 章申, 何建邦. 長江水系沉積物重金屬含量空間分布特征研究[J]. 地理學報, 1997, (2): 185–192.

[22] 藺娟, 地里拜爾蘇力坦, 艾尼瓦爾·買買提. 新疆鹽潰化區土壤養分的空間結構和分布特征[J]. 干旱區資源與環境, 2007, 21(11): 113–117.

[23] 王正軍, 李典謨, 謝寶瑜. 基于GIS 和GS的棉鈴蟲卵空間分布與動態分析[J]. 昆蟲學報, 2004, 47(1): 33–44.

[24] 胡瑞彬, 方晰, 項文化, 等. 中亞熱帶南酸棗落葉闊葉林土壤磷素空間變異及其影響因素[J]. 應用生態學報, 2016, 27(3): 705–715.

[25] CAMBARDELLA C A, MOORMAN T B, PARKIN T B, et al. Field-scale variability of soil properties in central Iowa soils[J]. Soil science Society of America Journal, 1994, 58(5): 1501–1511.

[26] TRANGMAR B B, YOST R S, UEHARA G. Application of geostatistics to spatial studies of soil properties[J]. Advances in Agronomy, 1985, 38: 45–94.

[27] 全國土壤普查辦公室. 中國土壤普查技術[M]. 北京: 中國農業出版社, 1992.

[28] 胡克林, 張鳳榮, 呂貽忠, 等. 北京市大興區土壤重金屬含量的空間分布特征[J]. 環境科學學報, 2004, 24(3): 463–468.

[29] 吳瓊, 趙同科, 鄒國元,等. 北京東南郊土壤重金屬含量與環境質量評價[J]. 中國土壤與肥料, 2016(1): 7–12.

[30] SAHABIEV I A, RYAZANOV S S, KOLCOVA T G, et al. Selection of a geostatistical method to interpolate soil properties of the state crop testing fields using attributes of a digital terrain model[J]. Eurasian Soil Science, 2018, 51(3): 255–267.

[31] RAMZAN S, WANI M A. Geographic information system and geostatistical techniques to characterize spatial variability of soil micronutrients including toxic metals in an agricultural farm[J]. Communications in Soil Science and Plant Analysis, 2018(5): 1–15.

[32] 杜虎, 宋同清, 彭晚霞, 等. 木論喀斯特自然保護區表層土壤礦物質的空間異質性[J]. 農業工程學報, 2011(6), 27(6): 79–85.

Spatial heterogeneity and the influencing factors of soil total nitrogen in typical wheat fields of Shanxi province, China

LI Gengfei1,2, LIU Yuan3,4, *, ZHOU Shengbo1

1.Guangxi Transportation Research Institute, Nanning 530007, China 2. Key Laboratory for Eco-environment of Multi-River Wetlands in Shaanxi Province, Weinan, Shannxi 714000, China 3. Guangxi Transport Vocational and Technical College, Nanning 530023, China 4. Key Laboratory of Eco-Environments of the Three Gorges Reservoir Region of Ministry of Education, Chongqing 400715, China 5.College of Life Science, Southwest University, Chongqing 400715, China

In order to make reasonable fertilization scheme and guarantee the sustainable utilization of agricultural resources,the spatial structure and distribution characteristics of soil total nitrogen (TN) were studied by geostatistic and geographic information system (GlS) techniques in the wheat fields of Pucheng county. These results are as following: the content rangesof soil TN in the wheat fields of Pucheng county were 0.42-1.32g·kg-1, and the variance coefficient was 21%belonged to middle intensity, which suggested that the distribution of total TN was unequal.After 486 sample points were got rid of distinguished values, it was the normal distribution in the sample area. The best theoretical model of hemivariate function was accorded with index model, and the Nugget was 4.56×10-3, and the Partial Sill was 8.68×10-3, and the ratio of Nugget and Sill was 0.46, which suggested that TN belonged to moderate variability. The ordinary Kriging interpolation result showed that TN gradually declined from southwest to northeast in the cultivated lands of Pucheng county, and 88.5% of the sampling areas was TN deficiency except for a few patch(11.5%) distributed in southwest of Pucheng county, which was closely related to nitrogen application in southwestern irrigation areas than in northeastern arid areas. Therefore, the local relevant departments should focus on nitrogen investment and improve nitrogen level in the whole regional soil. More importantly, implement precision management should be adopted due to different nitrogen levels in different areas.

Pucheng county in Shanxi; soil total nitrogen; geostatistics; spatial variation

10.14108/j.cnki.1008-8873.2020.03.010

S158.2

A

1008-8873(2020)03-064-07

2018-04-27;

2019-05-08

2019年度高校青年教師科研基礎能力提升項目“稻秸稈-泥皮結構相互作用機理及其坡面防護技術研究”（2019KY1338）

李庚飛(1978—), 女, 內蒙古通遼人, 副教授, 碩士, 主要從事環境污染與生態修復研究, E-mail: ligengfei2005@163.com

劉媛(1991—), 女, 陜西寶雞人, 博士, 主要從事應用生態學研究, E-mail: liuyuan20100901@163.com

李庚飛, 蘭素戀, 劉媛等. 陜西典型麥田區土壤全氮的空間異質性及其影響因素[J]. 生態科學, 2020, 39(3): 64-70.

LI Gengfei, LIU Yuan, ZHOU Shengbo, et al. Spatial heterogeneity and the influencing factors of soil total nitrogen in typical wheat fields of Shanxi province, China[J]. Ecological Science, 2020, 39(3): 64-70.