省域尺度下土壤养分的最佳采样尺度确定

胡冲冲，毕如田

(山西农业大学 资源环境学院，山西 太谷 030801)



省域尺度下土壤养分的最佳采样尺度确定

胡冲冲，毕如田*

(山西农业大学 资源环境学院，山西 太谷 030801)

摘要：合理的采样尺度，尤其是在大尺度区域，对实时掌控土壤养分的空间分布状况以及精准农业的发展具有重要意义。本文以山西省为例，以368 843个土壤养分采样点数据为原始数据，选择11个格网尺度(0.5 km×0.5 km、1 km×1 km、1.5 km×1.5 km、2 km×2 km、2.5 km×2.5 km、3 km×3 km、3.5 km×3.5 km、4 km×4 km、4.5 km×4.5 km、5 km×5 km、5.5 km×5.5 km)对土壤养分点进行样点选择，比较分析不同尺度下土壤有机质、全氮、速效钾、速效磷的基本统计信息、半方差变异函数和普通克里金插值精度，以确定山西省土壤养分的最佳采样尺度。研究表明：在不同尺度下，这4种土壤养分均处于中等变异强度，平均值、中位数、标准差变化不大。土壤有机质和全氮在大尺度下受结构性因素影响变大，速效钾则变化不明显，速效磷空间变异分析结果较差，对该指标进行了剔除。分析不同尺度下插值精度指标，土壤有机质、全氮、速效钾的最佳预测尺度分别为4.5 km、3.5 km、2.5 km尺度。综合各分析结果，最后确定2.5 km为山西省土壤养分最佳的采样尺度。对不同地貌原始密度样点和2.5 km尺度下样点空间制图，分析不同地貌下土壤养分含量各等级分布面积占总面积的差异，发现两种密度分布状况在不同地貌、不同等级的差异甚小。

关键词：不同格网尺度；半变异函数；普通克里金插值：最佳采样尺度；省域尺度

土壤养分是衡量作物产量和质量的一个极其重要的指标，预测土壤养分及其空间变化特征是精确农业中精确施肥的一个目标[1]。土壤养分空间变异特征的分析主要是基于一定的土壤采样数据，若能选择一个合适的采样尺度，使得土壤养分的预测结果达到同等精度，将会在节省人力、物力的同时，对土壤养分的动态监测起到重要作用。近年来，众多的研究者对土壤采样合理性进行了研究，潘瑜春等[2]研究了采样尺度对土壤养分空间变异分析影响作用，为最佳采样数的确定提供指导。王建军等[3]研究了不同地貌类型下不同采样密度对土壤养分空间插值结果的影响，从插值精度角度为合适采样密度的确定提供思路。王宇航等[4]研究采样点数目对反距离加权插值结果的影响，揭示了采样点数目与插值精度之间的关系，为大区域采样方案设计提供参考。陈署晃等[5]利用地统计学方法、地理信息技术对土壤养分变异及合理取样数进行了研究，用纯随机取样法探讨了研究区域不同土壤养分的合理取样数。刘吉平等[6]对不同采样尺度下土壤碱解氮进行了研究，确定研究区碱解氮的最佳采样尺度在80～113 m。盛建东等[7]对不同取样尺度农田土壤速效养分空间变异特征进行了研究。杨琳等[8]采用模糊c均值聚类方法选出代表性样点并进行数字土壤制图。齐雁冰等[9]对县域农田土壤养分合理采样点进行研究。尽管目前对土壤合理采样点问题无论采样数量、采样密度、采样位置等方面有了不少研究[10]，但针对最佳采样尺度选择的研究还相对缺乏，尤其是对省域级别或更大级别研究区的研究较少。

本文以山西省为例，因其地形复杂，多种地貌并存，在研究省域土壤养分的最佳采样尺度中该区域较具有代表性。土壤有机质和全氮在大尺度区域较少受农业活动影响，而土壤速效钾、速效磷受人类农业活动影响较大，所以本文以这4种土壤养分为代表，以不同格网尺度选择样点。利用GIS技术结合地统计方法，通过对土壤有机质、全氮、速效钾、速效磷这4种土壤养分在不同格网尺度下变异状况分析，确定山西省最佳采样尺度，旨在为大尺度区域土壤养分最佳采样尺度的确定提供参考，对研究区土壤养分管理、精准农业实施能有一定的指导作用。

1数据与研究方法

1.1研究区概况

山西省处于中国的华北地区，东靠太行山，东西南北方向分别与河北、陕西、河南、内蒙古自治区毗连，呈东北斜向西南的平行四边形。地理位置为东经110°15′～114°33′，北纬34°34′～40°43′，整个地势表现为东北高，西南低，高低起伏异常显著，地形较为复杂，境内有山地、丘陵、高原、盆地、平原等多种地貌类型，其中山地占全省总面积的40%，丘陵占40.3%，平原和台地面积较小，仅占全省总面积的19.7%，自南向北依次有大同盆地、忻定盆地、太原盆地、临汾盆地、运城盆地、长治盆地等六大盆地，高程逐级降低。海拔最高点为五台山的北台叶斗峰，为3 059 m。属温带大陆性季风气候，年平均气温3～14 ℃，年降雨量均值介于400～650 mm之间[11]。

图1　山西省地理位置及DEM数据Fig.1　The Geographical location of Shanxi Province and DEM data

1.2数据来源与处理

1.2.1土壤养分数据获取

土壤养分数据来源于山西省2006-2013年测土配方施肥土壤调查得到的GPS采样点数据，将GPS测得的带有坐标记录的采样点，利用ArcGIS软件转为具有空间坐标的空间点，并进行投影转换，最后得到具有土壤养分含量信息的样点分布图，去除空值点后，样点数据为369 881个。为了减少数据中异常值对土壤养分的影响，利用均值加减三倍的标准差法，去除离群值1 038个，最后剩下368 843个土壤养分点数据作为原始数据。

1.2.2基于不同格网尺度选点

格网的大小决定了采样点密度和采样点数据，

能较好的优化采样点，使之均匀分布。在ArcGIS软件的支持下，利用格网法对原始数据以0.5 km为间隔进行不同格网尺度样点的选择，对 0.5 km×0.5 km、1 km×1 km、1.5 km×1.5 km、2 km×2 km、2.5 km×2.5 km、3 km×3 km、3.5 km×3.5 km、4 km×4 km、4.5 km×4.5 km、5 km×5 km、5.5 km×5.5 km 11个网格尺度均以土壤养分均值和距离中心点最近原则，选择不同尺度的样点。本文以土壤全氮值为标准进行不同格网尺度单元样点的选择。由于山西地形地貌关系，耕地分布较为广泛，但面积较小。在较高的山地和沟壑处由于无人耕作，样点数相对较少，不同尺度下格网选择的样点数会与理论值不一致，这并不影响对山西省土壤养分的整体分布状况的分析。

1.3研究方法

1.3.1基本统计分析

利用SPSS软件对不同尺度采样点土壤有机质、全氮、速效钾、速效磷含量的数据进行描述性统计分析，统计特征值包括平均值、标准差、变异系数等。

1.3.2地统计分析方法

地统计又称地质统计，是以区域化变量为基础，借助半变异函数，研究既具有随机性又具有结构性，或具有空间相关性和依赖性的自然现象的一门科学[12]。它能够更好地、定性地揭示土壤各种属性变量在空间上的分布、变异及其它相关特征，被广泛用来研究土壤养分的空间变异特征[13]。半变异函数又称半变差函数，是地统计分析的特有函数。半变异函数有三个重要参数：块金值(Co)、变程(Range)和基台值(Co+ C)。利用GS+确定不同尺度下各土壤养分的最佳拟合模型，通过各参数变化趋势可分析不同尺度下土壤养分的空间变异的随机性和结构性。

克里金插值方法是以空间自相关性为基础，利用原始数据和半方差函数的结构性，对区域化变量的未知采样点进行无偏估值的插值方法，运用克里金插值方法进行的插值，不仅可以得到预测结果，而且可以得到预测误差，有利于评估预测结果的不确定性[14]。克里金插值方法有许多种，普通克里金插值方法以精度较高适用性较强的特点被广泛的用于土壤学研究。

1.4精度评价指标

精度评价利用交叉验证方法。交叉验证方法是假设每一采样点的要素值未知，采用周围其他样点来预测该值，根据所有样点的实测值与预测值的误差大小评判插值方法的优劣，评估指标包括：衡量插值精度的指标有平均预测误差(ME)、标准预测误差(MSE)、平均标准差(ASE)、均方根预测误差(RMSE)均方根标准差(RMSSE)5个指标。前4个指标的值越小越好，RMSSE的值越接近于1表示精度越高，其中ASE和RESE的值反映预测结果对样本空间变异的估计水平，ASE与RMSE越接近，反映空间变异水平的估计越准确[15]。为了更清楚的显示不同尺度下土壤养分预测误差和预测精度的变化趋势，参考其他研究方法[16]，将数据导入到excel中进行处理，求取︱ASE-RMSE︱的值来反映空间变异的估计水平，用︱1-RMSSE︱表示RMSSE与1的接近程度,并根据数据需要乘以或除以10、100、1 000，使4种精度指标数据均处于0～1范围内，便于比较分析。

2结果与分析

2.1土壤养分空间变异的统计特征

表1是各土壤养分的基本描述统计特征说明。由表1可知，土壤有机质、全氮、速效钾、速效磷含量水平与山西省原始数据含量水平较为一致[17]，不同尺度下的同一土壤养分平均值、中位数、标准差相差不大，较为接近，而且土壤有机质、全氮、速效钾、速效磷的变异系数为37.7%～82.3%，根据变异系数(CV)的分级标准[18]：弱变异CV<10%，中等变异CV=10.0%～100%，强变异CV>100%，均处于中等程度的变异，但速效磷的变异系数整体较其余3种土壤养分大，说明该养分在土壤中分布不均匀，受人类活动影响较大。随着尺度的增加，土壤全氮和土壤有机质变异系数呈逐渐减小趋势，即随着样点的减少，数据的离散程度减小，相对稳定性变好，而土壤速效钾和速效磷变异系数基本不变，数值整体较为集聚。

2.2不同尺度下土壤养分空间变异结构分布

本文采用GS+对不同尺度下土壤有机质、全氮、速效钾、速效磷养分点进行了半方差拟合与分析，见表2。由表2可以看出，在不同的尺度下，土壤全氮、有机质、速效钾采样点拟合度R2均较高，除少数尺度下稍低外，其余均大于0.9，半方差函数拟合模型较好，而速效磷拟合度R2小于0.77，拟合度较低。由表2可知,这4种土壤养分的变程由大到小分别为速效钾、有机质、全氮、速效磷，说明其空间可变性：速效钾<有机质<全氮<速效磷，而且空间相关距离均大于采样间距，说明用地统计方法进行的空间分析对大区域尺度分析比较适合。从结构性因素的角度分析，基底效应的百分数可表示系统变量的空间相关性程度，其值<25%，变量具有强烈的空间相关性，在25%～75%之间，具有中等的相关性，>75%变量空间相关性很弱[17]。根据空间相关性的划分标准，不同尺度下土壤有机质、全氮、速效钾的基底效应值均处于50%～75%，具有中等程度空间相关，而速效磷基底效应值小于11%，具有强烈的空间相关性，说明速效磷的空间变异受结构性因素的影响较大，受人为因素的影响较小，这与前文中速效磷具有较大的变异系数和最强可变性的结论相悖，与他人的相关研究也有较大的出入，这可能是速效磷较低的拟合度导致的结果，由于数据较强的空间变异性和有限的拟合模型，导致数据拟合效果不佳，所以后续的研究中以其他3种土壤养分为依据。随着采样尺度的增大，土壤有机质、全氮、速效钾的基底效应值表现出不同的变化规律，整体上土壤有机质的呈逐渐减少之势，而全氮基底效应值随尺度的增加呈先减小后增加的趋势，在3.5 km尺度达到最小值，3.5 km尺度之后，基底效应值逐渐增加。而速效钾的基底效应值呈逐渐增加的趋势，表明随着尺度的增加，速效钾的空间相关性在减弱。随着尺度的增加，有机质块金值由31.1 减小为27，全氮块金值由0.056减小为0.038，速效钾块金值由3 120.0减小为3 039.0，3种土壤养分的块金值逐渐减小，是随机性因素影响作用逐渐减弱，受结构性因素，如土壤母质、地形、气候等非人为因素影响逐渐增强。在小尺度上，土壤养分的空间变异较多的来自于施肥水平、管理状况、作物种类等因素的影响，尤其在山西地区，小区域范围受人为因素影响较为严重。

表1　土壤养分基本统计学特征

表2　不同尺度下土壤养分半方差函数模型分析

2.3不同尺度下土壤养分预测结果的准确性检验

由于在空间变异结构分析中，速效磷最佳模型的拟合度较低，空间变异强度分析结果较差，所以选择土壤有机质、全氮、速效钾这3种土壤养分进行山西省土壤养分的最佳采样尺度研究。根据这3种土壤养分在GS+软件中分析得到的最优拟合模型及相关参数，运用ArcGIS软件的地统计分析模块中的普通克里金插值方法进行空间制图，然后以交互检验的方法，对不同尺度下土壤养分的预测精度和预测误差进行综合比较分析，结果见表3。表3表明，总体上不同尺度下土壤养分点的平均预测误差(ME)、标准预测误差(MSE)值均较小，说明预测值与实测结果偏差很小，除全氮外，其余2种土壤养分点的均方根标准差(RMSSE)与1非常接近，说明模型预测结果对空间变异预测较为准确。为了更清楚的显示各土壤养分预测误差和预测精度的变化趋势，参考其他研究方法[16]，对精度指标数据进行处理，生成曲线图见图2～图4，由图可知随着尺度的增加，ME与MSE变化趋势较为一致。在不同的尺度中，这3种土壤养分精度指标变化趋势差异较大。图2表明，随着尺度的增大土壤有机质的ME、MSE绝对值逐渐增大，在3 km尺度达到最大值，而后逐渐减小在4.5 km尺度达到最小值，而︱ASE-RMSE︱和︱1-RMSSE︱值随着尺度的增加，呈逐渐减小的趋势。由此表明有机质预测误差随着尺度的增大先增加后减小，而插值精度随尺度的增加逐渐提高。由图3可知全氮插值精度指标随着尺度的增大，ME和MSE的绝对值整体呈上升的趋势，在3.5 km尺度之前变化相对较为平缓，在3.5 km尺度之后变化呈明显上升趋势，而ASE与RMSE的值较为接近，呈平缓的上升趋势，RMSSE与1的接近程度随着尺度的增大而增大，但变化趋势较为缓慢。由图4得，土壤速效钾的︱ME︱和︱MSE︱变化趋势相同，在2.5 km尺度两者变化幅度较小，2.5 km尺度之后陡然上增，起伏变化较大。︱ASE-RMSE︱和︱1-RMSSE︱的值随着尺度的增加，呈逐渐减小趋势，变化幅度不大，较为平缓，而且变化趋势较为一致，且2.5 km尺度之后误差的增大并没有带来精度相应的变化。

图2　土壤有机质精度指标分析图Fig.2　The accuracy index analysis chart of soil organic matter

图3　土壤全氮精度指标分析图Fig.3　The accuracy index analysis chart of soil total nitrogen

表3　不同尺度下土壤养分空间插值误差精度比较

图4　土壤速效钾精度指标分析图Fig.4　The accuracy index analysis chart of soil available potassium

综合上述分析，随着采样尺度的增加，基本统计分析中土壤有机质、全氮、速效钾均值、中位数、标准差、变异程度变化较小，不能反映最佳采样尺度范围。通过半方差函数分析得出最优拟合模型，在不同尺度下的拟合度均较高，实验数据与模型相关性较为显著，交叉验证的结果显示，土壤有机质在4.5 km尺度下的精度较高，预测效果好，全氮在3.5 km尺度下较好，速效钾采样尺度在2.5 km尺度下为宜，综合3种土壤养分，依据研究区土壤养分最小采样间距[19]，确定最佳采样尺度为2.5 km，采样点数为19 359，不宜再减少采样点，否则会影响个别土壤养分的空间插值精度，从而不能很好的揭示山西省土壤养分的分布规律。

为了更直观地反映土壤有机质、全氮和速效钾在原始数据与2.5 km尺度下的空间分布差异，在半方差分析及模型拟合的基础上，利用普通克里金插值方法，获得3种土壤养分在两个尺度上的空间分布图，并根据表5所示的全国第二次土壤普查分级标准[20]分级制图(图5，图6)，由图5可知两种尺度下土壤有机质和全氮空间分布变化趋势完全一致，均为东南高西北低，由东南向西北逐渐递减，速效钾在两种尺度下其空间分布变化极小，均为晋中地区、长治地区、运城地区含量较高，晋西北地区含量较少，这3种土壤养分的空间分布与山西省实际情况较为一致，图6亦符合与图5的分布趋势基本一致。通过对两个尺度空间分布图的比较可知，原始数据插值图较为破碎，零星斑块较多，而2.5 km尺度下的插值图将原始数据制图中较为破碎的斑块进行了合并，整个图面碎斑较少，图面较平滑，2.5 km尺度采样点具有较高的代表性，利用其制图，可以很好的展现山西省的土壤养分分布状况，能够满足不同土壤养分的制图精度。

表5全国第二次土壤普查土壤养分分级标准

Table 5Soil nutrient grading standards for the second soil survey in China

级别Grades有机质/g·kg-1Qrganicmatter全氮/g·kg-1Totalnitrogen速效钾/mg·kg-1Availablepotassium高>40>2>200较高30～401.5～2150～200一般20～301～1.5100～150稍低10～200.75～150～100低6～100.5～0.7530～50极低≤6≤0.5≤30

2.4不同地貌单元不同尺度土壤养分含量各等级面积变化

为了定量的分析土壤有机质、全氮和速效钾在两种尺度下信息量的变化情况，对山西省不同地貌下的3种土壤养分各含量等级的面积变化情况进行了分析。根据山西省地形特点将山西省地貌类型综合为三种大地貌类型，分别为平川、丘陵、山地。由表6可知，2.5 km尺度下土壤有机质值制图各等级在不同地貌单元的面积比例与原始数据相比，在平川区域含量为6～10 g·kg-1范围两尺度相差2.46%，其他地貌区变化均较小。由表7可知土壤全氮在2.5 km尺度下与原始数据在不同地貌下分布状况相比，几乎一致，变化均小于1%。由表8可知，速效钾在2.5 km尺度下与原始数据相比，在不同地貌的分布状况，相差较小，较为一致，而且在平川、丘陵、山地3种地貌下各等级分布变化趋势完全一致，结果表明在山西省区域通过格网方法选择2.5 km尺度进行采样点选择为最佳尺度。

图5　原始采样尺度土壤空间插值图Fig.5　Spatial interpolation of soil in the original sampling scale

图6　2.5 km采样尺度土壤空间插值图Fig.6　Spatial interpolation of soil in 2.5 km scale

表6土壤有机质2.5 km尺度和原始尺度插值后各含量等级分布面积占总面积的比例/%

Table 6The proportion of each organic matter content distribution area of total area after the interpolation in 2.5 km scale and original scale

地貌类型Gcomorphictypes有机质分级/g·kg-1Organicmattercontent≤66～1010～2020～3030～40L1L2L1L2L1L2L1L2L1L2平川0.880.670.032.4912.9613.573.623.540.290.13丘陵3.492.959.049.0623.4824.344.173.880.160.11山地1.261.005.405.6224.4824.967.967.650.170.04

注：L1为原始数据； L2为2.5 km尺度数据。表7，表8同。

Note: L1 is the original data. L2 is the data in 2.5 km scale. The same as in table 7 and table 8.

表7全氮2.5 km尺度和原始数据插值后各含量等级分布面积占总面积的比例/%

Table 7The proportion of each total nitrogen content distribution area of total area after the interpolation in 2.5 km scale and original scale

地貌类型Gcomorphictypes全氮分级/g·kg-1Totalnitrogencontent≤0.50.5～0.750.75～11～1.51.5～2L1L2L1L2L1L2L1L2L1L2平川1.441.277.047.007.418.244.353.850.160.04丘陵7.677.2115.0815.5410.8911.266.336.100.370.24山地3.352.9710.4511.0313.9214.2510.9610.520.580.50

表8速效钾2.5 km尺度和原始数据插值后各含量等级分布面积占总面积的比例/%

Table 8The proportion of each rapidly available potassium content distribution area of total area after the interpolation in 2.5 km scale and original scale

地貌类型Gcomorphictypes速效钾分级/mg·kg-1Availablepotassiumcontent≤3030～5050～100100～150150～200>200L1L2L1L2L1L2L1L2L1L2平川0.010.0030.170.053.63.66.356.27.087.843.192.71丘陵0.380.320.350.179.599.9116.2216.1611.612.052.201.74山地0.290.190.20.174.905.2217.3817.6213.9814.22.521.87

3结论与讨论

本文对山西省区域368 843个土壤养分点数据，以0.5 km为间隔，进行不同格网尺度的处理。选择土壤有机质、全氮、速效钾、速效磷为代表，通过对3种土壤养分数据在不同尺度下基本特征统计分析、半方差函数分析及插值精度综合比较和分析，最终确定山西省在2.5 km尺度下土壤养分具有较好的代表性，为最佳采样尺度。通过对研究区土壤有机质、全氮、速效钾、速效磷的基本统计分析，3种土壤养分随着尺度的增加，平均值、中位数、标准差变化不大。而土壤有机质与全氮变异系数随尺度增大而减小，速效钾、速效磷变异系数变化不明显。在半方差模型分析中发现，土壤有机质和全氮在大尺度下受结构性因素影响变大，随机性因素对其影响作用减弱，由于速效磷的空间变异强度分析结果较差，所以在后续研究中对该指标进行了剔除。通过不同尺度下土壤养分点插值各精度指标分析，可知土壤有机质在4.5 km尺度下的精度较高，预测效果好，全氮的在3.5 km尺度下较好，速效钾采样尺度在2.5 km尺度下为宜，最后综合分析3种土壤养分随尺度的基本统计信息、半方差参数以及制图精度，最后确定2.5 km为山西省土壤养分最佳的采样尺度。通过不同地貌下2.5 km尺度下各土壤养分含量各等级分布面积与原始土壤养分含量各等级分布面积比较，表明2.5 km尺度采样点能较好的反映山西省土壤养分的分布状况，土壤制图精度较高，代表性较好。有望为山西省土壤养分数据调查更新以及测土配方的实施提供指导。

本文在进行最佳采样尺度的选择时，基于已有样点的土壤属性统计参数和空间变异特征等信息，但这并不适合于土壤养分空间特征未知的区域进行首次采样设计。在对土壤养分特征进行分析时，没有结合研究区相关的地形地貌因素来研究合理的采样尺度和采样数目，对于大尺度采样设计在以后的研究中可以综合考虑地形、母质、气候等要素的影响作用，设计更加合理的采样布局和构型。

参考文献

[1]李艳,史舟,徐建明，等. 地统计学在土壤科学中的应用及展望[J]. 水土保持学报,2003,17(1):178-182.

[2]潘瑜春,刘巧芹,阎波杰,等.采样尺度对土壤养分空间变异分析的影响[J]. 土壤通报,2010,41(2):257-262.

[3]王建军,王长松,殷朝珍,等.不同采样密度对土壤养分空间插值结果的影响[J]. 江西农业学报,2010,22(7):87-90.

[4]王宇航,缪亚敏,杨昕.采样点数目对反距离加权插值结果的敏感性分析[J]. 地理信息世界,2012,8(4):31-35.

[5]陈署晃,冯耀祖,许咏梅.土壤养分变异及合理取样数的初步研究[J]. 新疆农业科学,2003,40(6):328-331.

[6]刘吉平,刘佳鑫,于洋,等.不同采样尺度下土壤碱解氮空间变异性研究——以榆树市农田土壤为例[J]. 水土保持研究,2012,19(2):106-110+115.

[7]盛建东,肖华,武红旗,等.不同取样尺度农田土壤速效养分空间变异特征初步研究[J]. 干旱地区农业研究,2005,23(2):63-67.

[8]杨琳,朱阿兴,秦承志，等.一种基于样点代表性等级的土壤采样设计方法[J]. 土壤学报,2011,48(5):938-946.

[9]齐雁冰,常庆瑞,刘梦云,等.县域农田土壤养分空间变异及合理样点数确定[J]. 土壤通报,2014,45(3):556-561.

[10]韩宗伟,黄魏,张春弟,等. 基于土壤养分-景观关系的土壤采样布局合理性研究[J]. 华中农业大学学报, 2014,33(1):56-61.

[11]袁瑞强,龙西亭,王鹏，等.山西省降水量时空变化及预测[J]. 自然资源学报,2015,30(4):651-663.

[12]汤国安，杨昕.ArcGIS地理信息系统空间分析实验教程[M].北京：科学出版社，2007:289-349.

[13]薛志婧,侯晓瑞,程曼,等.黄土丘陵区小流域尺度上土壤有机碳空间异质性[J]. 水土保持学报,2011,25(3): 160-163+168.

[14]李俊晓,李朝奎,殷智慧.基于ArcGIS的克里金插值方法及其应用[J]. 测绘通报,2013(9):87-90+97.

[15]杜挺,杨联安,张泉,等.县域土壤养分协同克里格和普通克里格空间插值预测比较——以陕西省蓝田县为例[J].陕西师范大学学报(自然科学版),2013,41(4):85-89.

[16]柴亚飞.基于不同地貌分区的土壤养分最佳采样尺度研究[D].山西农业大学,2014.

[17]张红丽.基于TM影像的山西省耕地土壤有机质空间分布与变化特征研究[D].山西农业大学,2013.

[18]褚雅红,毕如田,刘秀珍,等.黄土丘陵沟壑区坝地土壤养分的空间变异性[J]. 山西水土保持科技,2012(3):9-13.

[19]赵倩倩.县域耕地土壤养分空间变异性及其合理采样数研究——以山东省费县为例[D].山东农业大学,2012.

[20]范铭丰.基于GIS的土壤养分空间变异特征及预测方法比较[D].西南大学,2010.

(编辑：赵红)

Determination of the optimum sampling scale of soil nutrients in provincial scale

Hu Chongchong, Bi Rutian*

(CollegeofResourcesandEnvironment,ShanxiAgriculturalUniversity,Taigu030801，China)

Abstract:The reasonable sampling scale, especially in large scale area, plays an important role in controlling the spatial distribution of soil nutrients and promoting the development of precision agriculture. In this study, existing high density of soil nutrient sampling data (368843) in Shanxi Province was made as the original data, 11 grid scales (0.5 km*0.5 km， 1 km*1 km, 1.5 km*1.5 km, 2 km*2 km, 2.5 km*2.5 km, 3 km*3 km, 3.5 km*3.5 km, 4 km*4 km, 4.5 km*4.5 km, 5 km *5 km, 5.5 km*5.5 km) of soil nutrient were used to choose sampling points. Through the comparison and analysis of basic statistical information, semi-variance function and the accuracy of ordinary Kriging interpolation for soil organic matter, total nitrogen, rapidly available potassium, available phosphorous, the best sampling scale was determined in Shanxi Province. The research showed that: in different scales, the three kinds of soil nutrients were in the medium variation intensity, the average, the median and the standard deviation of soil nutrients changed a little. The soil organic matter and total nitrogen were affected by the structural factors at the large scale, the available potassium was not the same, and spatial variation analysis results of available phosphorous is poor. The best prediction of soil organic matter, total nitrogen and available potassium respectively were 2.5 km、4.5 km、3.5 km.Comprehensive analysis of the results, best sampling scale of soil nutrients in Shanxi were 2.5 km. Through the analysis of spatial mapping about the original sample points and the points in 2.5 km scale of different landforms, the distribution area of all soil nutrients content levels in different landforms was analyzed, which showed that the differences of the two density distributions were very small.

Key words:Different grid scales; Semi-variance; Ordinary kriging interpolation; Optimal sampling scale; Provincial scale

中图分类号：S159

文献标识码：A

文章编号：1671-8151(2016)03-0209-10

基金项目：山西省科技攻关项目(20120311009-1)

作者简介：胡冲冲(1989-)，女(汉)，山东枣庄人，硕士研究生，研究方向：3S技术与应用*通讯作者：毕如田，教授，博士生导师，Tel:0354-6288912; E-mail: brt@sxau.edu.cn

收稿日期：2015-12-02修回日期：2016-01-04