基于地统计学和GIS技术的北京市大兴区礼贤镇土壤养分空间变异性研究

doi:10.19657/j.geoscience.1000-8527.2018.06.19

摘要/Abstract

摘要：

运用地统计学和GIS方法,对北京市大兴区礼贤镇的表层土壤全氮、全磷、全钾、全硼、碱解氮、有效磷、速效钾、有效硼、有机质和pH值等参数的空间变异及分布特征进行了研究。结果表明,研究区内有效磷、速效钾、碱解氮变异系数分别为105.99%、100.43%、80.29%,分异性较强。经过不同趋势阶数指标插值误差的综合比较,初步确定全磷、有效磷、全钾、速效钾、全硼、有效硼应该选择一阶,碱解氮、有机质和pH值应该选择无趋势,而全氮则应该选择二阶。全磷、有效磷、全钾、全硼、pH值的理论模型为指数模型,速效钾、全氮、碱解氮、有效硼、有机质的理论模型为线性模型。全磷、有效磷、全钾、全硼、pH值主要受到结构性因素的影响,全氮、有效硼、有机质受到结构性因素和随机性因素的共同影响,速效钾、碱解氮主要受到随机性因素的影响。通过普通克里格插值图清晰可见,按照含量分布特点土壤中全氮、碱解氮、全磷、有效硼、有机质、有效磷的空间展布相似,全钾和速效钾的空间展布相似,全硼的空间展布特点与其他指标都不相同,这与统计学分析结果具有相似性。通过了解研究区土壤中10项养分指标分布情况,对及时调整肥料用量比,实现有针对性施肥,调整农业结构以及优势农产品规划和布局提供数据支持。

关键词: 地统计学, 克里格插值, 空间变异, 土壤养分

Abstract:

Spatial variation and distribution of parameters related to soil nutrients in Lixian, Daxing district in Beijing were investigated by geostatistics and GIS. These parameters include total nitrogen, total phosphorus, total potassium, total boron, alkaline hydrolyzable nitrogen, available phosphorus, available potassium, available boron, organic matter and pH. The results reveal strong variations in available phosphorus, available potassium, and alkaline hydrolyzable nitrogen with variation coefficients of 105.99%, 100.43%, and 80.29%, respectively. The integrative comparison of interpolation error in order-index under different trends has been made. It indicates that the spatial variations of total phosphorus, available phosphorus,total potassium, available potassium, total boron, and available boron are characterized by first-order trend. While that of total nitrogen shows second-order trend and no trend is observed in alkaline hydrolyzable nitrogen, organic matter and pH. The spatial variations of total phosphorus, available phosphorus, total potassium, total boron and pH fit exponential model. While those of available potassium, total nitrogen, alkaline hydrolyzable nitrogen, available boron and organic matter fit linear model. The total phosphorus, available phosphorus, total potassium, total boron and pH are mainly influenced by structural factors. The total nitrogen, available boron and organic matter are controlled by both structural and stochastic factors. While available potassium, alkaline hydrolyzable nitrogen are only influenced by stochastic factors. In the ordinary Kriging interpolation diagram, distribution patterns of element contents in the soil reveal the same spatial distribution for total nitrogen, alkaline hydrolyzable nitrogen, total phosphorus, available boron, organic matter and available phosphorus, as well as for total potassium and available potassium. The total boron has distinct distribution that is different from other elements. This is in agreement with the result of the statistical analysis. Understanding the spatial distribution of the ten nutrient indicators in soil is essential to adjusting the ratio of fertilizer consumption and achieving targeted fertilization. It also provides data support for the structural adjustment and standardized layout of agriculture industry.

Key words: geostatistics, Kriging, spatial variability, soil nutrients

中图分类号:

P595
X142

安永龙, 杜子图, 黄勇. 基于地统计学和GIS技术的北京市大兴区礼贤镇土壤养分空间变异性研究[J]. 现代地质, 2018, 32(06): 1311-1321.

AN Yonglong, DU Zitu, HUANG Yong. Spatial Variation Analysis of Soil Nutrients in Lixian Town of Daxing District in Beijing Based on Geostatistics and GIS[J]. Geoscience, 2018, 32(06): 1311-1321.

图/表 9

参考文献 44

[1]	陈利娜, 李小川, 丁晓纲, 等. 基于地统计学与GIS技术的森林土壤养分空间变异性研究[J]. 林业与环境科学, 2016, 32(5):14-21.
[2]	陈怀满. 环境土壤学[M]. 2版. 北京: 科学出版社, 2005:1-5.
[3]	武婕, 李玉环, 李增兵, 等. 南四湖区农田土壤有机质和微量元素空间分布特征及影响因素[J]. 生态学报, 2014, 34(6):1596-1605.
[4]	朱菊兰, 刘淼, 张阳, 等. 浑河太子河流域地形和土地利用对表层土壤养分空间变异的影响[J]. 生态学杂志, 2016, 35(3):621-629.
[5]	KAY S, RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J]. Ecological Indicators, 2008, 8(5):485-501. DOI URL
[6]	ROGER A, LIBOHOVA Z, ROSSIER N, et al. Spatial variability of soil phosphorus in the Fribourg canton,Switzerland[J]. Geoderma, 2014, 217:26-36.
[7]	CORDOVA C, SOHI S P, LARK R M, et al. Resolving the spatial variability of soil N using fractions of soil organic matter[J]. Agriculture Ecosystems and Environment, 2012, 147:66-72. DOI URL
[8]	赵汝东. 北京地区耕地土壤养分空间变异及养分肥力综合评价研究[D]. 保定: 河北农业大学, 2008:23-44.
[9]	董士伟, 李红, 孙丹峰, 等. 北京市大兴区土壤养分空间结构及影响因素分析[J]. 水土保持研究, 2015, 22(2):32-35.
[10]	张佳佳, 傅伟军, 杜群, 等. 地形和采样数量对浙江省森林凋落物碳密度插值精度的影响[J]. 应用生态学报, 2013, 24(8):2241-2247.
[11]	时立文. SPSS19.0统计分析从入门到精通[M]. 北京: 清华大学出版社, 2012:56-88.
[12]	阿依古丽·买买提, 吉力力·阿不都外力, 葛拥晓. 玛纳斯河流域绿洲土壤养分空间变异特征与格局[J]. 干旱区资源与环境, 2013, 27(9):153-159.
[13]	陶吉兴, 傅伟军, 姜培坤, 等. 基于Moran’s I和地统计学的浙江森林土壤有机碳空间分布研究[J]. 南京林业大学学报(自然科学版), 2014, 38(5):97-101.
[14]	王晓辉, 杨晨. 基于GIS和地统计学的淮南矿区土壤重金属含量与空间分布研究[J]. 长江流域资源与环境, 2014, 23(S1):60-65.
[15]	宋旭, 高灯州, 曾从盛, 等. 基于GIS地统计学的海坛岛农田养分变异研究[J]. 实验室科学, 2017, 20(1):25-28,32.
[16]	解书华. 基于GIS和地统计学的昌图县表层土壤有机碳密度空间变异分析[J]. 农业科技与装备, 2014(2):19-21.
[17]	王政权. 地统计学及其在生态学中的应用[M]. 北京: 科学出版社, 1999:35-149.
[18]	宋文峰. GIS和地统计学应用于泸州植烟土壤养分空间变异及分区管理技术研究[D]. 郑州: 河南农业大学, 2011:44-56.
[19]	池建. 精通ArcGIS地理信息系统[M]. 北京: 清华大学出版社, 2011:61-78.
[20]	李旭, 王海燕, 杨晓娟, 等. 基于地统计学的土壤养分空间变异研究进展[J]. 广东农业科学, 2012, 39(22):65-69,76.
[21]	ZHU Hongxia, CHEN Xiaomin, ZHANG Yong. Temporal and spatial variability of nitrogen in rice-wheat rotation in field scale[J]. Environmental Earth Sciences, 2013, 68(2):585-590. DOI URL
[22]	胡艳霞, 周连第, 魏长山, 等. 水源保护地土壤养分空间变异特征及其影响因素分析[J]. 土壤通报, 2013, 44(5):1184-1191.
[23]	刘月娇, 张洋, 倪九派, 等. 基于地统计学烟区土壤养分及pH值空间异质性分析——以重庆市酉阳县岩溶区为例[J]. 中国岩溶, 2014, 33(3):319-325.
[24]	胡向丹, 邓小华, 王丰, 等. 黔西南州植烟土壤pH分布特征及其与土壤养分的关系[J]. 安徽农业大学学报, 2014, 41(6):1070-1074.
[25]	邹凯, 邓小华, 李永富, 等. 邵阳植烟土壤pH时空特征及其与土壤养分的关系[J]. 北京农学院学报, 2014, 29(1):6-9.
[26]	凌子燕, 刘锐. 基于主成分分析的广东省区域水资源紧缺风险评价[J]. 资源科学, 2010, 32(12):2324-2328.
[27]	李苹, 黄勇, 林赟, 等. 北京市怀柔区土壤重金属的分布特征、来源分析及风险评价[J]. 现代地质, 2018, 32(1):86-94.
[28]	段续川, 李苹, 黄勇, 等. 北京市密云区农业土壤重金属元素地球化学特征及生态风险评价[J]. 现代地质, 2018, 32(1):95-104.
[29]	BEKELE A, HUDNALL W H. Spatial variability of soil chemical properties of a prairie-forest transition in Louisiana[J]. Plant and Soil, 2006, 280:7-21. DOI URL
[30]	汪璇, 王成秋, 唐将, 等. 基于地统计学和GIS的三峡库区土壤微量营养元素空间变异性研究[J]. 土壤通报, 2009, 40(2):359-365.
[31]	王瑞, 何中青, 丁建方, 等. 洪泽湖农场土壤碱解氮含量的地统计学和GIS分析[J]. 安徽农业科学, 2011, 39(31):19122-19126.
[32]	贾振宇, 张俊华, 丁圣彦, 等. 基于GIS和地统计学的黄泛区土壤磷空间变异——以周口为例[J]. 应用生态学报, 2016, 27(4):1211-1220. DOI
[33]	许洺山, 赵延涛, 杨晓东, 等. 浙江天童木本植物叶片性状空间变异的地统计学分析[J]. 植物生态学报, 2016, 40(1):48-59. DOI
[34]	CHIEN Y J, LEE D Y, GUO H Y, et al. Geostatistical analysis of soil properties of mid-west Taiwan soils[J]. Soil Science, 1997, 162(4):291-298. DOI URL
[35]	KRAL F, CORSTANJE R, WHITE J R, et al. A geostatistical analysis of soil properties in the Davis Pond Mississippi Freshwater Diversion[J]. Soil Science Society of America Journal, 2012, 76(3):1107-1118. DOI URL
[36]	汤洁, 林晓晟, 侯克怡, 等. 基于地统计学和GIS的辽河上游区域土壤养分空间分异研究[J]. 东北师大学报(自然科学版), 2014, 46(4):139-146.
[37]	石媛媛, 邓明军, 林北森, 等. 基于GIS和地统计学的百色植烟土壤养分空间分析[J]. 南方农业学报, 2014, 45(8):1403-1409.
[38]	叶存旺, 翟巧绒, 郭梓娟, 等. 沙棘—侧柏混交林土壤养分、微生物与酶活性的研究[J]. 西北林学院学报, 2007, 22(5):1-6.
[39]	廖桂堂, 李廷轩, 王永东, 等. 基于GIS和地统计学的低山茶园土壤肥力质量评价[J]. 生态学报, 2007, 27(5):1978-1986.
[40]	SALCEDO D, CASTRO T, RUIZ-SUAREZ L G, et al. Study of the regional air quality in south of Mexico City(Morelos state)[J]. Science of the Total Environment, 2012, 414(1):417-432. DOI URL
[41]	BEELEN R, HOEK G, PEBESMA E, et al. Mapping of background air pollution at a fine spatial scale across the European Union[J]. Science of the Total Environment, 2009, 407(6):1852-1867. DOI PMID
[42]	丁卉, 余志, 徐伟嘉, 等. 3种区域空气质量空间插值方法对比研究[J]. 安全与环境学报, 2016, 16(3):309-315.
[43]	苏松锦, 刘金福, 何中声, 等. 格氏栲天然林土壤养分空间异质性[J]. 生态学报, 2012, 32(18):5673-5682.
[44]	阮起和, 胡省英, 周亚男, 等. 北京市平原区土壤环境地球化学调查成果报告[R]. 北京: 北京市地质勘察技术院, 2007:1-243.

指标	样品数量	最小值	最大值	中位数	平均值	标准差	变异系数	偏度值	峰度值
全磷	1 789	385.00	1 920.00	827.00	841.25	179.06	21.28	1.05	2.66
有效磷	1 789	0.55	312.00	16.32	24.57	26.04	105.99	3.49	20.52
有效磷^*	1 789	0.05	2.50	1.21	1.22	0.38	30.83	0.06	0.04
全氮	1 789	0.01	0.27	0.07	0.07	0.02	32.46	0.49	3.95
碱解氮	1 789	6.36	1 109.95	73.16	82.45	66.20	80.29	8.17	99.30
碱解氮^*	1 789	0.80	3.05	1.86	1.85	0.23	12.60	-0.12	2.93
全钾	1 789	1.11	2.36	1.75	1.75	0.16	9.29	0.10	-0.50
速效钾	1 789	24.54	2 691.17	1 10.45	145.26	145.88	100.43	8.02	103.17
速效钾^*	1 789	1.39	3.43	2.04	2.08	0.24	11.41	1.11	2.79
全硼	1 789	22.18	83.49	57.31	57.09	7.77	13.61	-0.20	0.51
有效硼	1 789	0.12	3.58	0.72	0.73	0.28	38.69	1.23	6.94
有机质	1 789	0.26	3.62	1.00	1.00	0.33	33.00	0.55	3.49
pH值	1 789	7.55	9.36	8.45	8.45	0.22	2.64	0.09	0.71

指标	样品数量	最小值	最大值	中位数	平均值	标准差	变异系数	偏度值	峰度值
全磷	1 789	385.00	1 920.00	827.00	841.25	179.06	21.28	1.05	2.66
有效磷	1 789	0.55	312.00	16.32	24.57	26.04	105.99	3.49	20.52
有效磷^*	1 789	0.05	2.50	1.21	1.22	0.38	30.83	0.06	0.04
全氮	1 789	0.01	0.27	0.07	0.07	0.02	32.46	0.49	3.95
碱解氮	1 789	6.36	1 109.95	73.16	82.45	66.20	80.29	8.17	99.30
碱解氮^*	1 789	0.80	3.05	1.86	1.85	0.23	12.60	-0.12	2.93
全钾	1 789	1.11	2.36	1.75	1.75	0.16	9.29	0.10	-0.50
速效钾	1 789	24.54	2 691.17	1 10.45	145.26	145.88	100.43	8.02	103.17
速效钾^*	1 789	1.39	3.43	2.04	2.08	0.24	11.41	1.11	2.79
全硼	1 789	22.18	83.49	57.31	57.09	7.77	13.61	-0.20	0.51
有效硼	1 789	0.12	3.58	0.72	0.73	0.28	38.69	1.23	6.94
有机质	1 789	0.26	3.62	1.00	1.00	0.33	33.00	0.55	3.49
pH值	1 789	7.55	9.36	8.45	8.45	0.22	2.64	0.09	0.71

指标	有效磷	全磷	速效钾	全钾	碱解氮	全氮	有效硼	全硼	有机质	pH值
有效磷	1
全磷	0.677^**	1
速效钾	0.409^**	0.151	1
全钾	-0.003	0.043	0.124^*	1
碱解氮	0.394^*	0.335^*	0.408^**	0.034	1
全氮	0.454^**	0.647^**	0.296^*	0.072	0.526^**	1
有效硼	0.359^*	0.435^**	0.336^*	0.073	0.422^**	0.586^**	1
全硼	0.042	0.120	0.027	-0.025	0.116	0.181	0.233^*	1
有机质	0.347^*	0.575^**	0.146	0.045	0.319^*	0.809^**	0.479^**	0.175	1
pH值	-0.302^*	-0.383^*	-0.157	-0.056	-0.440^**	-0.477^**	-0.336^*	-0.095	-0.368^*	1

指标	有效磷	全磷	速效钾	全钾	碱解氮	全氮	有效硼	全硼	有机质	pH值
有效磷	1
全磷	0.677^**	1
速效钾	0.409^**	0.151	1
全钾	-0.003	0.043	0.124^*	1
碱解氮	0.394^*	0.335^*	0.408^**	0.034	1
全氮	0.454^**	0.647^**	0.296^*	0.072	0.526^**	1
有效硼	0.359^*	0.435^**	0.336^*	0.073	0.422^**	0.586^**	1
全硼	0.042	0.120	0.027	-0.025	0.116	0.181	0.233^*	1
有机质	0.347^*	0.575^**	0.146	0.045	0.319^*	0.809^**	0.479^**	0.175	1
pH值	-0.302^*	-0.383^*	-0.157	-0.056	-0.440^**	-0.477^**	-0.336^*	-0.095	-0.368^*	1

主成分	特征值	累计特征值	方差贡献率/%	累计方差贡献率/%
主成分1	8.73	9.73	61.39	61.39
主成分2	1.15	10.88	12.82	74.21
主成分3	1.01	11.89	11.24	85.45