李庚飞, 兰素恋, 刘媛

陕西典型麦田区土壤全氮的空间异质性及其影响因素

李庚飞1,2, 兰素恋3, 刘媛4,5,*

1. 广西交科集团有限公司, 广西 530007 2. 陕西省多河流湿地生态环境重点实验室, 陕西 714000 3. 广西交通职业技术学院 南宁 530023 4. 三峡库区生态环境教育部重点实验室 重庆 400715 5. 西南大学生命科学学院重庆 400715

为制定合理施肥方案, 确保农业资源的可持续利用, 采用地统计学方法结合GIS技术研究陕西蒲城县农业区麦田土壤中全氮(TN)的空间结构和分布特征。结果表明: 蒲城县土壤全氮含量范围在0.42—1.32 g·kg-1之间, 变异系数为21.0%, 属于中等变异强度, 表明土壤全氮含量分布不均匀; 486个原始全氮含量样点剔除特异值后, 符合正态分布; 半变异函数的最佳理论模型符合指数模型, 函数块金值为5.83×10-3, 偏基台值为7.26×10-3, 块金值/基台值为0.46, 说明全氮具有中等强度的空间相关性; 普通Kriging插值结果显示, 该县全氮含量呈现出由西南到东北逐渐下降的趋势, 除分布于西南方向的荆姚镇和原仁乡有一些斑块状样区(11.5%)处于中等含氮水平以外, 其余88.5%的调查样区土壤全氮含量均处于不同程度的缺乏状态, 这与农户对西南灌区氮肥的投入多于东北山原区密切相关。该县相关部门要重视氮肥的投入, 提高该县整体氮肥含量, 同时针对“西南多氮东北少氮”的实际情况, 实行因地施肥与精准分区管理。

陕西省蒲城县; 土壤全氮; 地统计学; 空间变异

0 前言

氮素是植物体内蛋白质、叶绿素和磷脂等的结构物质, 控制着植物生态系统中碳素和氮素的养分循环, 是植物体内的“生命元素”[1], 同时氮素作为土壤中重要的营养元素, 通过为植物供应养分影响植物的生长发育, 从而制约着农业生态系统生产力的发展[2]。土壤全氮代表土壤氮的总贮量和供氮潜力, 直接影响土壤中速效氮的含量, 在土壤形成过程中, 特别是在土壤肥力发展过程中, 起着极其重要的作用, 而且在一定含量范围内, 全氮含量的多少, 反映了土壤肥力的高低[3-4]。因此, 研究土壤全氮的空间分布状况, 对合理施肥及农业的可持续发展具有重要意义[5]。土壤养分的统计学研究方法主要有传统统计学方法和地统计学方法, 由于地统计方法可以弥补以概率论为基础的传统统计学分析方法在结构和过程分析方面的不足[6], 被广泛应用于土壤科学的研究领域[7-9], 已经成为当前土壤营养空间变异分析的主要手段。

蒲城县是国家级农业县[10], 其土壤生产力对陕西的农业生产与发展具有重要的意义。然而第二次土壤普查至今已有30多年, 随着农业机械化程度的加强, 农户对于土壤肥料的投入追求方便快速, 长年大面积的投入等量肥料, 势必导致土壤养分分布的不平衡[11-12], 尤其是对植物生长发育需求量最大的氮肥影响更大。因此, 本研究采用地统计学和GIS技术相结合的方法对蒲城县麦田土壤全氮的空间分布特征及丰缺格局进行分析, 以期为相关部门制定科学施肥决策和精细化管理, 保证蒲城县麦田土壤资源的可持续发展提供参考依据。

1 材料与方法

1.1 研究区域概况

蒲城县位于陕西关中平原东北部, 地理坐标为109°20′17¢¢—109°54′48¢¢E, 33°44′50¢¢—35°10′30¢¢N, 东西长52.8 km, 南北宽47 km, 地势由西北向东南呈坡阶状递减, 海拔在345—1282 m之间, 地貌类型以台塬为主, 北部山原, 中部台塬, 南部平原[12]。该县属于温带大陆性季风气候, 年平均气温13.2 ℃, 年降水量541.7 mm, 无霜期219 d, 年日照2282.4 h。耕地土壤以褐土和黄棉土为主, 土地垦殖率高达60%, 主要种植粮食作物(小麦和玉米), 夏季麦田播种面积达85万亩, 其中旱塬区40万亩(北部阴坡和中北部阳坡), 灌区45万亩(中南补灌区和南部灌区), 居陕西省首位。

1.2 样品采集与处理

2017年6月下旬, 待小麦全部收获后, 以蒲城县16个乡镇72个农户的麦田为研究样区, 根据各农户麦田的面积, 设定1—2亩为一个采样单元, 并根据采样单元的形状和大小确定合适的布点方法, 近似长方形地块采用“S”法, 近似正方形地块采用“X”法布点。采集5个0—20 cm耕层土样混合均匀后, 用4分法取1 kg作为一个样点, 并用GPS定位中心点的位置, 共采集了486个样点, 其中南部乡镇的样点分布在灌区平原, 中南部乡镇的样点分布在补灌区台塬, 沟渠分布广泛, 水分条件充足; 北部乡镇的样点分布在旱区山原, 中北部乡镇的样点分布在旱区台塬, 水分条件相对薄弱(图1)。将取回的样品自然风干, 除去动、植物残体及石块, 研磨后过80目筛。土壤样品总氮采用凯氏蒸馏法[13], 利用KDY-9820凯氏定氮仪测定。

1.3 数据处理与分析

1.3.1 经典统计分析

运用经典统计学方法对蒲城县土壤全氮数据进行描述性统计分析。

1.3.2 地统计分析

采用地统计半方差函数(半变异函数)的方法对土壤全氮的空间变异特征进行分析。半方差函数以区域化变量理论为基础, 可以反映区域化变量的空间随机性和结构性[14-15], 其计算公式[16]为:

式中:是间隔距离为的半方差函数,为两样点之间的空间距离,() 是空间间隔距离为的样点对总数,(X) 和(X+) 分别表示空间位置在X和X+上的样点实测值。

利用ArcGIS10.2 进行半变异函数模型的拟合, 得到块金值(C0), 偏基台值(C)和变程(A)来反映区域化变量的空间变异程度和相关性[17]。同时运用Kriging插值法绘制土壤全氮的空间分布图。

2 结果与分析

2.1 土壤全氮含量的描述性统计及正态分布检验

由表1可知, 蒲城县土壤全氮的变异系数为21.0%, 根据变异系数的划分等级标准[18], 属于中等变异强度, 从数据统计角度上反映出蒲城县土壤全氮分布不均匀的特征, 但不能反映土壤全氮含量的空间结构性和随机性, 且该地区土壤全氮含量最大值与最小值之间的差异明显, 表明若不考虑土壤全氮含量的空间结构和分布特征而盲目地平均施肥, 必将导致低氮地区氮含量继续不足和高氮地区氮含量过剩。因此, 运用地统计学的方法对该地土壤全氮含量做进一步的分析研究。

由于土样处理中的一些误差, 可导致某些样点的测量值明显区别于其周围样点, 称之为特异值。分布于平均值加减3倍标准差之外的特异值会导致变量连续表面的中断, 使半方差函数失去结构性[19], 影响相应的理论模型拟合及Kriging插值等过程。因而地统计学分析首先需处理特异值, 并要求分析数据呈正态分布[20]。采用域法识别异常值, 分别用正常最大值和最小值代替特异值[19]。运用偏态峰度检验法对土壤样本数据进行分布类型检验, 如果(峰度)<2×(6×)1/2, 并且(偏态)<2×(24/)1/2, 则认为测试样本服从正态分布[21]。由测量样本容量得知, 2×(6×)1/2=108, 2×(24/)1/2=1.405, 可知, 其偏度和峰度均可满足正态分布的要求。剔除特异值之后的全氮含量直方图(图2)也可直观的表明测量数据符合正态分布。因此, 测量数据不需要做相应的正态转换, 后续的分析研究都是采用域法处理后的原始数据。

图1 蒲城县土壤全氮的样点分布

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统计

2.2 土壤全氮含量的空间结构分析

采用Kriging插值的方法, 通过各拟合参数的比较, 选择无偏最优的半方差函数模型是分析土壤全氮空间结构的关键。由于该采样点全氮区域化变量高程值Z的期望值是未知的, 在预测表面时采取普通克里格插值最为合适。本研究运用球面模型、高斯模型、指数模型和五球模型四种类型, 根据最优模型的预测指标(标准平均值接近于0, 均方根预测误差最小, 平均标准误差接近于均方根预测误差, 标准均方根预测误差最接近于1[22-23]), 分析寻找最适模型。

由表2不同拟合模型各检验参数可知: 四种模型的标准平均数经四舍五入保留四位小数以后完全相等, 且均接近0。他们的均方根预测误差在0.1271—0.1273之间波动, 相差较小, 其中指数模型和高斯模型最小, 均为0.1271, 球面模型(0.1272)次之, 五球模型最大。五种模型的平均标准误差和标准均方根预测误差相差在0.0059—0.0072之间, 其中指数模型的平均标准误差与均方根预测误差相差最小, 高斯模型(0.0059)次之, 而五球模型差距最大, 为0.0072。标准均方根预测误差差异程度较大, 四种预测模型的比较结果为指数模型最接近1, 仅与1相差0.0481, 高斯模型次之, 而五球模型相差最远。综上所述采用指数函数模型分析蒲城县土壤全氮含量的空间结构和分布特征。

根据地统计学理论, 基台值指不同采样间距内半方差的极大值, 表示系统内总的空间变异。块金值是位差为0时的半方差值, 由区域化变量的属性或测量误差决定[24]。块金值和基台值之比, 称为基底效应, 可揭示变量的空间相关性程度, 若比值<0.25, 表明变量具有强烈的空间相关性, 且空间变异主要受结构因子的影响; 若比值>0.75, 则空间相关性很弱, 且空间变异主要受随机性因子影响[25]。由图3可知, 蒲城县土壤全氮的半变异函数中块金值(Nugget)为5.83×10-3, 偏基台值(Partial Sill)为7.26×10-3, 块金值/基台值(Nugget/Sill)为0.46, 说明全氮具有中等强度的空间相关性, 其变异性是结构性因素(气候、地形地貌、成土母质、土壤类型等)和随机性因素(施肥、栽培管理、耕作制度、作物布局等)共同作用的结果。变程是半方差函数的一个非常重要的参数, 表明属性因子的空间自相关范围, 它与观测尺度及取样尺度上影响土壤养分的各种生态过程相互作用有关[26]。蒲城县土壤全氮的变程为3214 m, 说明在3214 m范围内土壤中全氮才具有空间自相关的特性。

2.3 土壤全氮含量的空间分布特征

土壤全氮的空间分布图可作为精准农业中施肥的依据。利用上述拟合的半方差模型对蒲城县土壤全氮进行普通Kriging插值, 得到了该地区土壤养分空间分布图(图4)。由图可以直观的看出土壤全氮空间分布有明显的方向性和连续性。总体来看, 蒲城县土壤全氮含量呈现出由西南到东北逐渐下降的趋势。结合全国第二次土壤普查全氮的分级标准[27]可知, 864个调查样区除了分布于西南方向的少量(11.5%)斑块状样区处于中等含氮水平以外, 蒲城县土壤全氮含量主要在0.42—1 g·kg-1之间波动, 处在不同程度的缺乏水平, 其中土壤全氮含量处于0.75—1 g·kg-1的4级缺乏(36.8%)和处于0.5—0.75 g·kg-1的5级很缺乏(49.2%)状态占整个调查样区的大部分, 甚至2.5%的样区土壤含氮量少于0.5 g·kg-1, 处在6级极缺乏状态。

图2 蒲城县土壤全氮含量直方图

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

表 2 不同半变异函数理论模型的参考指数

3 讨论

从描述性统计分析结果来看, 蒲城县土壤全氮的变异系数属于中等变异强度, 表明全县16个乡镇的土壤全氮含量分布不均匀, 土壤的潜在供氮能力参差不齐, 相关部门在制定施肥决策时, 应该避免不同区域平均施肥导致的肥料过度供应或缺乏。地统计学分析结果表明, 蒲城县土壤全氮的最佳拟合模型为指数模型, 半变异函数中块金值为5.83×10-3, 偏基台值为7.26×10-3, Nugget/Sill为0.46, 表现为中等强度的空间自相关。土壤全氮空间分布的中等自相关程度较弱, 说明随机性因素(施肥、栽培管理、耕作制度、作物布局等)未达到破坏其原有空间格局的程度[28-29], 人们为收获更多的经济效益, 对农田进行的一系列改造措施, 并没有完全的改变由成土母质造成的全氮空间分布, 但随着社会经济的飞速发展, 工业化程度的推进, 个体农户更愿意进行简单快捷的农业生产活动。于是, 农业生产中对氮肥的使用量越来越大, 但个体农户往往根据经验施用化肥, 常常均匀施肥, 造成肥力少的地方肥力仍然不足, 肥力多的地方营养过剩。因此, 日积月累, 这种不科学施用氮肥的累积效应也不容忽视, 应该引起有关部门的重视, 制定合理的施肥管理方案, 实现全县土壤生产力的最大化, 确保土壤资源的可持续性利用。

地统计学方法是将点数据进行可视化的最有效的途径[30-31]。通过Kriging插值法分析制图, 将土壤全氮含量的点数据转化为面数据[32], 直观地反映了蒲城县土壤全氮的空间分布特征。该县土壤全氮含量呈现出由西南到东北逐渐下降的趋势, 西南方向上荆姚镇和原仁乡有一些斑块状的区域(11.5%)属于中等含氮水平, 其余88.5%的调查样区土壤全氮含量处于不同程度的缺乏状态, 4级缺乏(0.75—1 g·kg-1)和5级缺乏(0.5—0.75 g·kg-1)的土壤面积分别占36.8%和49.2%, 2.5%的土壤含氮量少于0.5 g·kg-1, 处在6级极缺乏状态。这与蒲城县南部平原麦田产量明显高于北部山原的实际情况相一致。蒲城县土壤全氮含量整体水平不高, 88.5%的区域土壤中缺乏氮素, 这可能正在制约着该县小麦的产量, 导致该县土壤全氮营养水平整体不高的原因可能是土样采集于前茬作物收获后和后茬作物播种前, 此期是土壤营养元素含量较低的时期。同时, 该县西南方向为浇水灌溉区, 交织着相对密集的干渠, 灌溉条件较其它地区优, 农户对农业的重视程度高, 氮肥的投入明显高于北部和中部的旱塬区域, 造成该区域土壤全氮较该县其它地区高, 并向东北山原方向上逐渐降低。因此, 该县相关部门要重视氮肥的投入, 整体上提高全县土壤氮素含量, 从而提升土壤肥力, 增加农作物的产量和品质, 并需要针对不同区域氮素的丰缺程度, 实行因地施肥与精准分区管理, 确保全县农业生产的可持续发展。同时, 建议我国各个农业大县, 可以通过科学的技术手段整体上把握农田的基本状况, 然后结合不同作物对不同养分的需求情况, 因地制宜, 进行精准农业生产, 以实现农业生产效益的最大化, 确保生产实践的可持续发展。

图 3 蒲城县土壤全氮的半变异函数曲线

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

图 4 蒲城县土壤全氮含量空间分布图

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

[1] 武维华. 植物生理学(第二版)[M]. 北京: 科学教育出版社, 2008.

[2] 崔晓东, 侯龙鱼, 马风云, 等. 黄河三角洲不同土地利用方式土壤养分特征和酶活性及其相关性研究[J]. 西北林学院学报, 2007, 22(4): 66–69.

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

[4] 袁知洋, 邓邦良, 郭晓敏, 等. 武功山山地草甸土壤全量氮磷钾分布格局及对不同退化程度的响应[J]. 西北林学院学报, 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] 腊贵晓, 刘国顺, 曹杰, 等. 基于地统计学和GIS的喀斯特烟田土壤肥力综合评价[J]. 农业环境科学学报, 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 northwe­stern Pakistan[J]. Communications in Soil Science and Plant Analysis, 2013, 44(16): 2472–2487.

[9] 司涵, 张展羽, 吕梦醒, 等. 小流域土壤氮磷空间变异特征分析[J]. 农业机械学报, 2014, 45(3): 90–96.

[10] 胡明. 基于GIS技术的蒲城县土壤重金属空间分布及来源分析[J]. 湖北农业科学, 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, 赵业婷, 常庆瑞. 渭北台塬区耕地土壤速效养分时空变异特征[J].土壤学报,2015, 52(6): 1251–1261.

[13] 中国科学院南京土壤所. 土壤理化分析[M]. 上海: 上海科学技术出版社, 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区土壤呼吸的空间异质性[J]. 环境科学, 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] 方学燕, 冯永玖, 陈新军, 等. 6-9月秘鲁外海茎柔鱼资源的空间异质性研究[J]. 上海海洋大学学报, 25(2): 271–281.

[18] 赵建华, 盖艾鸿, 陈芳, 等. 基于GIS和地统计学的区域土壤有机质空间变异性研究[J]. 甘肃农业大学学报, 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] 黄智刚, 蒋代华. 红壤蔗区土壤有效态钾的空间变异研究[J]. 广西农业生物科学, 2007 (3), 26(1): 67–70.

[21] 张朝生, 章申, 何建邦. 长江水系沉积物重金属含量空间分布特征研究[J]. 地理学报, 1997, (2): 185–192.

[22] 蔺娟, 地里拜尔苏力坦, 艾尼瓦尔·买买提. 新疆盐溃化区土壤养分的空间结构和分布特征[J]. 干旱区资源与环境, 2007, 21(11): 113–117.

[23] 王正军, 李典谟, 谢宝瑜. 基于GIS 和GS的棉铃虫卵空间分布与动态分析[J]. 昆虫学报, 2004, 47(1): 33–44.

[24] 胡瑞彬, 方晰, 项文化, 等. 中亚热带南酸枣落叶阔叶林土壤磷素空间变异及其影响因素[J]. 应用生态学报, 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] 全国土壤普查办公室. 中国土壤普查技术[M]. 北京: 中国农业出版社, 1992.

[28] 胡克林, 张凤荣, 吕贻忠, 等. 北京市大兴区土壤重金属含量的空间分布特征[J]. 环境科学学报, 2004, 24(3): 463–468.

[29] 吴琼, 赵同科, 邹国元,等. 北京东南郊土壤重金属含量与环境质量评价[J]. 中国土壤与肥料, 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. 木论喀斯特自然保护区表层土壤矿物质的空间异质性[J]. 农业工程学报, 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年度高校青年教师科研基础能力提升项目“稻秸秆-泥皮结构相互作用机理及其坡面防护技术研究”（2019KY1338）

李庚飞(1978—), 女, 内蒙古通辽人, 副教授, 硕士, 主要从事环境污染与生态修复研究, E-mail: ligengfei2005@163.com

刘媛(1991—), 女, 陕西宝鸡人, 博士, 主要从事应用生态学研究, E-mail: liuyuan20100901@163.com

李庚飞, 兰素恋, 刘媛等. 陕西典型麦田区土壤全氮的空间异质性及其影响因素[J]. 生态科学, 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.