葡萄规模种植区土壤因子的空间异质性分析

方 斌，吴金凤

（南京师范大学地理科学学院，南京 210023）

作物生长环境，特别是土壤环境质量直接影响葡萄产品质量稳定[1]。目前，我国葡萄每年栽培面积和产量分别为45.13万hm2和751.15万t[1]，但相关研究较少，特别是对不同区域葡萄的土壤因子作合理性分析，揭示其演化规律的研究更少。对此开展研究，对进一步改善葡萄品质具有重要作用。相关葡萄土壤因子研究，探讨肥料对葡萄产量的影响、土壤养分利用现状与合理施肥、不同类型土壤中养分缺失与作物产量的关系、土壤结构的机械组成及其与葡萄品质的关系、土壤重金属含量测定及其对葡萄品质的影响以及真菌等土壤微生物对品质的影响等[2-8]。潘学军等通过对原产于贵州的8种43份葡萄属野生资源的原生境土壤条件进行系统分析，得出土壤pH、有机质及各类矿物质含量间存在着促进与拮抗关系[9]。

该研究从更深层探讨葡萄土壤各因子间的相互作用关系，有助于人们深入了解和分析不同土壤因子的相互作用及其对品质影响。但缺乏对葡萄土壤因子的空间演化特征分析，无法对其空间变化特征加以量化。

本文借助GIS技术，以浦江葡萄种植地的土壤试验数据为基础，结合多年农户调查探讨葡萄规模种植区土壤pH、有机质及养分因子的空间演化规律，为不同区域作物养分合理实施与种植结构的调整进行分区指导提供理论依据。

1 研究对象与方法

1.1 研究对象

浙江省浦江县位于浙江省中部偏西，金衢盆地的北缘，是浦阳、壶源两江之发源地。地理坐标 界 于 东 经 119°42'～120°07'、 北 纬 29°21'～29°41'。东西宽39.25 km，南北长36.5 km。全县土地面积为907.6637 km2。

葡萄种植基地位于浦江县的东部，属于金衢丘陵盆地地貌，海拔＜150 m。有“江南吐鲁番”之称的浦江县，全县葡萄种植面积达2 000 hm2，大部分区域已形成规模化种植，主要集中在黄宅镇、岩头镇、郑宅镇、白马镇等地（见图1）。因此，对葡萄种植基地土壤因子进行空间异质性研究，有助于优化葡萄布局。

1.2 试验采样与分析

1.2.1 采样点的布局

浦江盆地的耕地集中连片，利用地形图、土地利用现状图，从26个农户家田块中选取52个采样点，全面覆盖规模种植的整个区域。各样点布局详见图1。

图1 研究区域位置和样点布局Fig.1 Location of research area and sample layout

1.2.2 土壤取样方法

采样时间：第1次取样为头年收获后，施肥前（11月20～29日，共10 d），第2次取样为当年作物收获后、施肥前（11月25日～12月4日共10 d），这一取样时间是综合该区域的季节特征和农事活动特点选择。两次取样的田块完全相同。

采样部位和深度：根据耕层厚度，确定采样深度，一般取样深度0～20 cm。

采样方法、数量：采用多点混合土样采集方法，每个混合农化土样由20个样点组成。每个点的取土深度及重量尽量均匀一致，土样上层和下层比例基本相同。样品处理、储存等过程不接触金属器具和橡胶制品。每个混合样品一般取1 kg左右。

1.2.3 试验分析方法

样品主要参照文献[10]中的扩散吸收法进行测定文献[11]进行分析。

1.3 地统计学方法

地统计（Geostatistics）以区域变量为基础，借助变异函数，研究既有随机性又有结构性，或空间相关性和依赖性的自然现象，并对这些数据进行最优无偏内插估计，或模拟这些数据的离散性、波动性[12-14]。

正态分布的检验采用SPSS 20.0中柯尔莫哥洛夫-斯蜜诺夫检验（K-S检验）法完成；自相关性检验、模型拟合利用GS+（环境科学空间统计软件）9.0完成；Kriging插值和图形绘制在ArcGIS9.3软件的地统计学模块（Geostatistical analyst）中进行。

2 结果与分析

利用K-S检验对各样本因子分别进行检验，发现各因子均较好地符合正态分布。无需转化，可以进行模型拟合和Kriging插值分析。

2.1 模型的拟合

判断模型是否最优的方法，分析所拟合的理论模型与实际变异函数计算值的残差平方和（Re⁃sidual sums of squares，RSS）和决定系数（R2）大小，其中，残差平方和是实际变异函数值γ(hi)和理论模型计算出的变异函数值之差，即公式

式中，RSS是回归精度的重要参数，其取值愈小，说明实际观测值与回归线靠近，拟合曲线与实际配合愈好。决定系数R2，也称拟合度，同样用于判断回归模型拟合的好坏，其计算公式为

式中，r(hi)为实际变异函数值为理论模型计算出的变异函数值为实际变异函数平均值。

半方差模拟结果表明，各因子均可拟合成球状模型，能为Kriging插值分析提供最佳条件。说明在作物生长周期内土壤各因子变化的趋势具有相似性；该区域土壤因子的含量在空间的变异程度仅与距离有较密切关系，与方向无关，说明区域自然特点对各因子的影响具有决定性作用；分析决定系数和残差平方和，发现土壤因子中pH和碱解氮无论是施肥前还是施肥后，其拟合效果都较好，说明两者变化的趋同性更高。模型拟合结果如表1所示。

表1 模型拟合结果Table1 Result of model fitting

2.2 最佳模型的参数

2.2.1 变程与基台值

变程是指变异函数达基台值所对应的距离，变程分析发现，就整个区域尺度而言，各因子的变程无明显差异，趋于一致，变化范围是1 204.83～1 857.64 m，跨度较小。第2次采样的土壤因子存在空间相关性变程大于第1次，第1次变化范围是1 204.83～1 578.56 m，第2次1 309.42～1 857.64 m，说明变程增大与不同农田利用方式有较密切关系，且这种差异性与观测尺度及变量本身的性质有较密切关系[15-17]。

2.2.2 结构方差与块金值

结构方差与块金值都是判定因子自相关程度的重要指标，一般情况下，前者值越大，可初步判定该因子相关性相对性较强。相反，后者值越大则可初步判定该因子的相关性越弱。但其各自反应的结果并不完全能体现出其真实性，需要将二者结合起来加以分析，通常可用其两者的比进行分析，很显然，有机质-1和pH的空间自相关性较强。

2.2.3 块金值与基台值

块金值与基台值的比值是测算土壤因子的块金效应，也即环境中随机部分引起的空间变异占系统总变异的比例，揭示变量的空间相关程度。其比值＜25%，说明变量具有强烈的空间相关性；若比值＞75%，变量空间相关性很弱；比值在25%～75%，变量具有中等程度的相关性。根据这一规律，可得出pH、有机质-1具有强烈的空间相关性，且空间变异主要受结构性因子的影响，即土壤母质、地形、气候等非人为区域因素的影响，短期内农田土地利用行为对pH影响不大。有机质-2，碱解氮、速效磷具有中等的空间相关性，说明是受结构因子和随机因子的共同作物，其中有机质-2仅为25.84，说明主要是结构性因子影响的结果，可能与区域水分布有较密切关系，这一点从全县调查的数据中基本得到证实。速效钾空间相关性很弱，且空间变异主要受随机性因子的影响，即试验误差和小于试验取样尺度上施肥、管理水平等随机因素引起变异。试验结果也证实这一点，尽管钾在多地土壤中较为缺乏，但是，在葡萄种植地，钾的含量一直保持较高含量。这与农户经济作物钾投入意识强有一定关系[18-19]。葡萄种植地土壤因子两次试验结果的自相关特征如表2所示。

2.3 Kriging插值分析

Kriging插值分析表明：该区域pH＜6的区域接近90%，pH-1值的空间分布较为零散，总体上呈现北低南高的趋势，但没有呈现出规模化特征，其值主要集中在4.83～5.08和5.33～5.68，约点总区域的42.3%。相反pH-2，则具有典型的南高北低特点，且pH较前者略有升高，呈现出规模化特点，其值均集中在5.20～5.77（见图2）。自然地理环境是导致土壤偏酸的主要原因，而长期土地利用方式也是重要因素。

结合调查数据，与粮食作物相比，有机肥投入到水果种植中，不仅提高水果品质，同时也是水果种植地土壤pH较水稻种植地略高的主要原因之一[20-22]。

表2 葡萄种植地土壤因子两次试验结果的自相关特征Table 2 Autocorrelation characteristic of two experiments result of soil factor in grape region

图2 pH的空间分布特征Fig.2 Spacial character of pH

Kriging插值分析表明，葡萄种植区土壤有机质含量主要分布在29.1～33.98 mg·kg-1，大约占总区域的80%以上，总体表现为西低东高，可能与地势及水份有一定关系。前后两时点的土壤有机质含量基本未发生变化，只是局部地区第2次测试值较第1次有所增加，分析原因很可能与该区域离水源较近有关，这也从侧面反应出水分能促进土壤有机质的增加。如图3所示。

图3 有机质的空间分布Fig.3 Spacial character of organic matter

Kriging插值分析表明，葡萄种植区的土壤碱解氮含量在两个时点的测试值不尽相同。第1次测试值以48.82～64.04 mg·kg-1为主，占区域总量80%以上，而第2次测试其值则以80.87～99.65 mg·kg-1为主，也占区域总量80%以上，第2次测试值较 第1次增加近50%。说明通过农户养分投入，土壤内碱解氮含量得到迅速增加，也说明葡萄种植过程中，碱解氮的投入较高。同时发现，区域土壤碱解氮含量的增长率并不相同，高的增长达70%，低的仅增长10%，说明尽管该区域葡萄已是规模种植，但氮的投入并没有按规模化要求统一种植，也没有根据测土配方结果针对不同土地有针对性地投入[23-24]。

结果如图4所示。

图4 碱解氮的空间分布Fig.4 Spacial character of alkali-hydrolyzable N

Kriging插值分析表明，葡萄种植区的土壤速效磷含量在两个时点的测试值也有差异，第1次测试值较为分散，主要位于65.93～105.39 mg·kg-1，跨度达39.46 mg·kg-1，第2次测试其值则主要集中于85.50～96.84 mg·kg-1，跨度仅为11.34 mg·kg-1，且该区段所占比例达到了90%以上。第2次测试值比第1次平均值高34.24%以上，说明：农户投入的P能很快分解到土壤中，存在于土壤表层，在短时期内即可检测。农户磷投入相对比较一致。这从农户调查结果得到证实，农户纯磷投入普遍达到了105 kg·hm-2，以施用复合肥和有机肥为主，结果与Drahorad等研究一致[25-26]。

图5 速效磷的空间分布Fig.5 Spacial character of available P

Kriging插值分析表明，土壤速效钾在土壤中分布总体呈现西低东高的特征，这可能与该区域西高东低的地形特征有较强相关性，也与该区域水向东流向有一定关系。这一现象与农户调查结果也较为一致，尽管农户钾投入平均值超过200 kg·hm-2，但不同农户对钾的投入意识并不完全一致，投入量也差次不齐，最高的达450 kg·hm-2，最低的仅为48 kg·hm-2，这也是第2次测试值比第1次低的重要原因。农户钾投入过少，而葡萄消耗的K过多，导致葡萄果实和茎会依赖土壤中的K维持其生长，这种现象在相关研究中也得到证实[26-27]。结果见图6。

图6 速效钾的空间分布Fig.6 Spacial character of available K

3 讨论与结论

土壤因子pH主要受结构因子土壤母质、地形、气候等非人为因素影响，人为长期的农化投入也是导致其pH偏低的重要因素，施肥、管理水平等随机因子对土壤速效磷含量的影响大于结构性因子，其他因子土壤中的变化是结构因子和随机因子共同作用所致，这与沈善敏等测算结果相似[12-13]。

通过Kriging插值分析，发现不同区域的大部分土壤因子对农户投入都有响应，主要反映施肥后测算的结果较施肥前都有一定程度增大，与农户投入量相关。

作物规模化种植的养分施入类型相似性较大，复合肥已成为农户养分投入首选，这也是造成土壤养分流失的主要原因，特别是对于氮需求多的作物，由于氮投入的加大，磷、钾损失增加，不仅破坏环境，而且增加农业投入成本。可见针对具体，作物和土壤，建立合理的养分调配尤为必要，这与高义民[2]、陈云霞等[5]研究结果相似。

本文只针对小面积规模化葡萄种植的土壤因子进行分析，测算结果具有一定的代表性。为更好地了解规模化农田生产现状，需要寻求更大空间、结合不同区域的农户行为进行合理性分析，提出更有针对性的措施，保障农田合理利用。

[1]Chatzitheodorou I T.Sotiropoulos T E,Mouhtaridou G I.Effect of nitrogen,phosphorus,potassium fertilisation and manure on fruit yield and fruit quality of the peach cultivars‘Spring Time’and‘Red Hawen’[J].Agronomy Research,2004,2(2):135-143.

[2]高义民,同延安,马文娟.陕西关中葡萄园土壤养分状况分析与平衡施肥研究[J].西北农林科技大学学报,2006,34(9):42-44.

[3]徐淑伟,刘树庆,杨志新,杜国强,常金华,吉艳芝.葡萄品质的评价及其与土壤质地的关系研究[J].土壤,2009,41(5):790-795.

[4]张云峰,李艳,严斌,庞健,牟德华.葡萄园土壤中4种金属元素的测定及其对葡萄和葡萄酒的影响[J].食品科学,2010,31(24):374-379.

[5]陈云霞,常晓冰,赵复泉,陈美红.太原市葡萄园土壤养分现状与合理施肥[J].山西农业科学2006,34(2):57-59.

[6]姚建龙,林荣新,张彦娟,杨玉爱.酸性土壤葡萄低产与土壤肥力因素和葡萄植株养分关系的研究[J].土壤通报,1991,22(6):267-269.

[7]娄春荣,李学文,王秀娟,高铁岩,王绍新.北宁市葡萄主产区土壤肥力分析及施肥对策[J].辽宁农业科学,2004(6):21-23.

[8]肖振林.北镇市葡萄基地土壤重金属含量测定及质量评价[J].辽宁农业科学,2010(1):50-52.

[9]潘学军,李德燕,张文娥.贵州喀斯特山区野生葡萄原生境土壤因子分析[J].云南农业大学学报,2011,26(4):535-542.

[10]鲁如坤.土壤农业化学分析方法[M].北京:中国农业科技出版社,2000.

[11]沈善敏.中国土壤肥力[M].北京:中国农业出版社,1998.

[12]张敏,贺鹏飞,陈伟强.基于GIS和地统计学的土壤养分空间变异分析[J].东北林业大学学报,2010,41(3):53-58.

[13]赵佳丽,李惠卓,高如泰等.不同土地利用方式下赵县土壤养分元素的空间变异特征[J].河北农业大学学报,2009,32(5):18-22.

[14]周传艳,陈训,周国逸.不同土地利用方式及开垦时间对岩溶山区土壤养分空间分布的影响[J].应用与环境生物学报,2011,17(1):63-68.

[15]李昌龙,肖斌,王多泽.石羊河下游盐渍化弃耕地植被演替与土壤养分相关性分析[J].生态学杂志,2011,30(2):241-247.

[16]庄腾飞,柳云龙,章立佳.上海城郊土壤重金属含量的空间变异与分布特征—以上海市闵行区为例[J].长江流域资源与环境,2012,21(Z1):99-104.

[17]孔祥银,李艳萍,王胜涛,等.京郊桃园养分投入对土壤养分和桃果品质的影响[J].土壤通报,2010,41(2):357-361.

[18]李晨华,贾仲君,唐立松,等.不同施肥模式对绿洲农田土壤微生物群落丰度与酶活性的影响[J].土壤学报,2012,49(3):567-574.

[19]索东让,韩顺斌,王托和.长期定位连施化肥的增产培肥效应研究[J].土壤通报,2009,40(1):127-131.

[20]刘清,孙波,解宪丽,等.县域尺度红壤丘陵区水稻土有机碳模拟[J].土壤学报,2009,46(6):1059-1067.

[21]Roesch L F W,Fulthorpe R R,Riva A,et al.Pyrosequencing enu⁃merates and contrasts soil microbial diversity[J].The ISME Jour⁃nal,2007(1):283-290.

[22]Rodriguez-Murillo J C.Organic carbon content under different types of land use and soil in peninsular Spain[J].Bio l Fertil Soils,2001,33:53-61.

[23]刘骅,林英华,张云舒,等.长期施肥对灰漠土生物群落和酶活性的影响[J].生态学报,2008,28(8):3898-3904.

[24]Drahorad W.Modern Guidelines on fruit tree nutrition[J].The Compact Fruit Tree,1999,32(3):91-97.

[25]马力,韩庆忠,夏立忠.三峡库首地区土壤养分状况与年际变化[J].长江流域资源与环境,2012,21(5):572-577.

[26]Nicol G W,Leininger S,Schleper C,et al.The influence of soil pH on the diversity,abundance and transcriptional activity of am⁃monia oxidizing archaea and bacteria[J].Environmental Microbiol⁃ogy,2008,10(11):2966-2978.

[27]侯勇,高志岭,Lisa Heimann,et al.京郊典型集约化“农田-畜牧”生产系统氮素流动特征[J].生态学报,2012,32(4):1027-1036.