土壤养分空间分布及三维可视化研究分析*——以吉林省梨树县为例

李开渊，贾　蓓※，王睿博，张一驰，王　鹏，王东东

(1.太原理工大学矿业工程学院，山西太原　030024； 2.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京　100101；3.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京　100101； 4.山西家豪测绘集团有限公司,太原　030009)



·技术方法·

土壤养分空间分布及三维可视化研究分析*
——以吉林省梨树县为例

李开渊1，贾蓓1※，王睿博2，张一驰3，王鹏4，王东东1

(1.太原理工大学矿业工程学院，山西太原030024； 2.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京100101；3.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京100101； 4.山西家豪测绘集团有限公司,太原030009)

随着计算机技术的不断发展，三维可视化技术被应用到农业、气象、林业、煤矿、灾害等多个领域，但是，三维可视化技术往往被应用于宏观三维场景，很少会被用于微观要素的三维可视化。近些年来土壤数据的空间化研究和分析成为3S技术的研究热点之一，该次研究主要基于GIS、GPS技术和地统计学方法，选择吉林省梨树县，从县级尺度研究该县土壤养分的空间分布，对研究区已采集的874个土样样本中全氮、全磷、全钾和有机质土壤养分含量进行空间分布特征的研究； 通过SPSS 19中的K-S法对养分含量正态分布检验，利用GS+Version 9.0的半方差模型对土壤样本中服从正态分布的养分含量进行拟合，进而对土壤养分含量的空间变异性进行了分析。在掌握土壤养分空间分布状况的基础上，通过实现土壤养分含量的三维空间可视化，研究分析了养分含量分布与地形的关系，三维空间模型的建立使得土壤养分状况的分析更加深入、直观。文章最后指出，土壤养分空间分布及三维可视化技术对实现农业与生态环境的可持续发展具有重要意义。

土壤养分空间分布变异三维可视化地形

0　引言

土壤是人类赖以生存的主要自然资源之一，也是人类生态环境的重要组成部分。随着经济的快速发展和人口的增加，农业生产、粮食问题和环境污染等伴随经济的发展随之而来[1-2]。因此，加强土壤养分空间变异及其影响因素的研究，将会对环境预测、精准农业和资源管理起到重要的作用[3]，直接影响土壤养分的循环和作物的产量[4]。

目前，国内外专家学者针对土壤养分空间分布特征展开了大量的研究。Milne[5]等首先提出了土壤特性的空间变异。Ersoy[6]等对英国carsington牧场的土壤中铅、锌、铜 等重金属进行了空间分析。David Mcgrath[7]等利用地统计技术研究了爱尔兰采矿点土壤铅浓度的空间分布和危害评价。Weindorf等[8]对卡普林火山国家保护区土壤颗粒组成(砂、粉和黏粒)和养分含量(有机质、钾、磷、钙、镁等)的空间变异进行了研究。张丽[9]等对吉林省梨树县保护性耕作土壤养分空间变异性做了相关的研究。李菊梅等[10]以5m为间隔的方格取样，研究了黄土干旱地区铵态氮、硝态氮、氯离子等7种营养元素的空间变异性。前人开展的研究主要是针对土壤养分空间变异、分布规律和土壤肥力等方面，但是在土壤养分三维空间分布方面鲜有研究。土壤养分三维空间分布是显示描述和理解养分含量空间分布特征的一种有效工具，对于直观掌握区域土壤养分状况及其与地形的关系具有一定的现实意义。

针对以上问题，文章结合GIS、GPS和地统计学方法，在已有土壤样本养分含量数据的基础上，从县级尺度对研究区土壤养分的空间分布、空间变异性和三维可视化进行了研究。

1　数据与方法

1.1研究区概况

梨树县位于吉林省西南部，地处东北平原腹地，土地肥沃平坦，素有“东北粮仓”和“松辽明珠”之美称。土地面积约4209km2，人口83万，距长春市110km。地理坐标为东经123°45′～120°53′、北纬42°49′～43°46′。南与辽宁省西丰、开原两县及四平市接壤，北与辽河农垦管理区相邻，北、西隔东辽河，与公主岭市、双辽市相望，西毗辽宁省昌图县。

1.2土壤采样

该次研究的土壤数据是在吉林省梨树县进行实地采集而来。土壤样品的采集采用网格法，利用全球定位系统(GPS)进行控制点定位，在每个样点直径2m范围内提取5个0～20cm耕层土样，均匀混合后作为该节点的土样。该次采样共采集了874个土样样本。样品采集回来后，剔除土壤样品中的植物根系、昆虫残体、石块等杂质，自然风干后的土样经研磨，经过1mm的筛选备用。根据不同的土壤养分选择不同的测定方法。有机质采用烘箱加热—重铬酸钾容量法，全氮采用半微量凯氏定氮法，全磷采用钼锑抗比色法，全钾采用火焰光度法。

该文在大量采集数据实验的基础上，对采集样本的有机物、氮、磷、钾数据进行检验并剔除异常值。采用统计中常用的3σ 原则，即以采用数据超出 A±3S 范围为标准，超出该范围的为异常数据，其中 A、S 分别为采用数据中有机物、氮、磷、钾样本均值和样本标准差。由于变异函数的分析一般要求数据符合正态分布，否则可能会产生比例效应，抬高块金值和基台值，降低估计精度，使某些潜在特征不明显，因此通过SPSS 19中的K-S法对养分含量正态分布检验，根据检验结果利用GS+Version 9.0对研究区域服从正态分布的土壤养分含量进行半方差函数分析，研究养分含量在空间上的变异特征。同时将采集的GPS数据导入Excel表格，添加到ArcGIS10.1赋予空间坐标后导出为ShapeFile文件格式，利用 ArcGIS的地统计学模块对采样数据进行常规统计，根据插值精度、插值结果和空间分布的规律[11-12]，对符合正态分布的数据采用Kringing插值方法，对不符合正态分布的数据采用反距离加权插值方法，绘制出土壤有机物、氮、磷、钾含量的空间分布图，分析养分含量二维空间分布状况与规律，在此基础上根据DEM数据创建不规则三角网(TIN)，生成研究区域的地表模型，将插值得到的二维空间分布数据与地表模型进行耦合，从而构建兼备二者属性信息的土壤养分分布三维空间模型。

2　研究结果分析

2.1养分含量正态分布检验

研究发现当样本数超过500 时适合用“K-S”(Kolmogorov-Smirnov)检验法进行正态检验，因此该文利用SPSS 19中的K-S法对养分含量正态分布检验。分析表1可知，全氮和有机质的Sig值大于0.05，符合正态分布，而全磷和全钾元素的Sig值小于0.05，不符合正态分布，经数据变换后仍不符合正态分布。

表1土壤养分含量K-S检验结果

ID原假设测试Sig.决策者1全氮的分布为正态分布,平均值为1.14g/kg,标准差为0.32g/kg单样本Kolmogorov-Smirnov检验0.078保留原假设2全磷的分布为正态分布,平均值为0.48g/kg,标准差为0.16g/kg单样本Kolmogorov-Smirnov检验0.006拒绝原假设3全钾的分布为正态分布,平均值为22.39g/kg,标准差为2.82g/kg单样本Kolmogorov-Smirnov检验0.018拒绝原假设4有机质的分布为正态分布,平均值为20.50g/kg,标准差为7.17g/kg单样本Kolmogorov-Smirnov检验0.223保留原假设

2.2养分含量描述性统计分析

通过SPSS 19对土壤全氮、全磷、全钾和有机质养分含量进行描述性分析，得出各项统计指标。土壤全氮、全磷、全钾和有机质养分含量描述性统计结果如表2所示。

表2全氮、全磷、全钾和有机质养分含量

土壤养分极小值(g/kg)极大值(g/kg)均值(g/kg)中位数(g/kg)标准差(g/kg)峰度偏度变异系数CV(%)全氮0.1942.1501.1401.1670.3210.012-0.26428.17全磷0.0651.0070.4770.4610.164-0.0640.38934.30全钾11.38732.90022.39322.4562.8201.660-0.26212.59有机质5.05354.26720.50420.6797.1750.0420.05434.99

从表2中可以得出，研究区土壤中全氮、全磷、全钾、有机质的含量变化范围分别为0.194～2.150g/kg， 0.065～1.007g/kg， 11.387～32.90g/kg， 5.053～54.267g/kg； 其含量的平均值分别为： 1.140g/kg， 0.477g/kg， 22.393g/kg， 20.504g/kg，中位数分别为： 1.167g/kg， 0.461g/kg， 22.456g/kg， 20.679g/kg。经计算得出均值与中位数的差值分为-0.027, 0.016,-0.063,-0.175,其中只有全氮、全磷的均值与中位数接近。全氮、全磷、全钾、有机质的变异系数分别是28.17%， 34.30%， 12.59%， 34.99%，都属于中等变异性。全氮和有机质的峰度和偏度分别为0.012、-0.264和0.042、0.054,偏斜度和峰度分别是度量数据围绕众数不对称程度和分布陡峭程度，参数越接近0，数据越服从正态分布，因此再次验证了研究区域中全氮含量和有机质含量符合正态分布，与数据处理时K-S检验结果相同。

2.3土壤养分含量空间变异特性分析

五四时期是中国儿童文学翻译的高潮，也为后来本土儿童文学创作奠定了基础。虽然现在越来越多的研究学者注意到该方向，但是我们仍要认清现实，现在该方向研究仍然十分有限。希望今后国内针对五四时期的儿童文学翻译也能迎来它的春天。

利用GS+Version9地统计分析软件对研究区域土壤养分含量进行半方差函数分析，研究养分含量在空间上的变异特征。该文选择决定系数最大和残差最小的为最优模型，经计算得到模型的参数、决定系数和残差(表3)。根据半方差函数理论模型计算的相应参数绘制土壤养分含量空间变异函数图，如图1所示。

表3土壤养分含量半方差函数理论模型及有关参数

养分元素理论模型块金值基台值块金/基台值变程(m)决定系数R2残差RSS全氮Gaussian0.13490.34380.3924314600.9751.593E-03有机质Gaussian45.500132.000.3447628100.96284.4

图1　土壤养分含量变异函数

通过对研究区域全氮和有机质养分含量进行半方差函数分析，从而得到土壤全氮和有机质养分含量在空间中的变异特征。从图1和表3中空间变异分析表明：研究区域土壤全氮和有机质养分含量都表现出较明显的空间相关性，能用地统计学模型进行拟合，选择高斯模型(Gaussian Model)进行拟合，其决定系数分别为0.975、0.962。其中所选模型的决定系数越大，表明模型的拟合度越高，拟合效果越好。

块金值与基台值的比值表明了系统变量的空间相关性的程度，也就是由随机性因素引起的空间变异性占系统总变异的比例。如果比值小于25%，说明系统具有强烈的空间相关性； 如果比值在25%～75%之间，表明系统具有中等的空间相关性； 大于75%说明系统空间相关性很弱[13]。由表3中的比值可知，全氮和有机质养分含量值的基底效应值分别为33.24%和34.47%，其值在25%～75%之间，说明它们的空间变异主要是由于随机因素和结构因素共同作用引起的，具有中等的空间相关性。随机性因素主要包括施肥、交通、污灌、环境污染等各种人为活动因素，而结构性因素则是指如气候、母质、地形、土壤类型等自然因素。

在4.805 415万m步长变化域内对土壤全氮和有机质在不同步长间距下拟合半方差函数模型，得到了效果较好的模型。变程反映变量的空间自相关范围，也就是在该空间范围内，变量存在空间自相关性。两种养分的空间自相关变化尺度不同，全氮变程为31.46km，有机质变程为62.81km，两种土壤养分元素的变程说明这两种土壤养分元素在较大的范围内存在着空间自相关。因此，今后在研究相同土壤母质的情况下，可以增大采样距离，在不影响研究结果的情况下，节省成本，提高效率。全氮和有机质的最优半方差函数模型步长间隔约为3.2km，远远小于有效变程说明了当前的采样设计是恰当的，并且预示了好的空间结构将展示在空间插值图中。

2.4土壤养分含量空间分布规律

该文根据正态分布检验的结果和插值精度的要求，对土壤中符合正态分布的全氮、有机质含量采用Kriging插值，对不符合正态分布的全磷、全钾含量采用反距离权重插值，生成的土壤养分含量空间分布图，如图2所示。图2中a、b、c、d分别表示全磷、全钾、全氮和有机质含量的空间分布，研究分析可知：

土壤全磷含量分布以过研究区域中心南北走向地带及研究区北部部分地带和东南部地带较高，研究区域西部及东南部分地带较低。金山、泉眼岭、万发、石岭子镇土壤全磷含量较高，小宽、沈洋、刘家馆子镇、林海和四棵树镇的北部土壤全磷含量相对较低。

土壤全钾含量分布以过研究区中心线西北地区和东南部零星地区分布较高，自西北部向东南部逐渐降低，总体趋势是过研究区域南北中心线西部区域土壤全钾含量较高，而东部地区较低，在小宽、孤家子镇、沈洋、刘家馆子镇和林海分布较高，其他乡镇分布相对较低。

土壤全氮含量分布以东南偏上至北偏东地区和东南部部分地区分布较高，其他地方分布较低。总体趋势是过研究区中心，以南北方向线为基线，以东的大数地区土壤全氮含量较高，以西的大部分地区土壤全氮含量较低，东西地区呈现出明显的含量差，在小城子镇、双河、金山、泉眼岭、万发、东河、蔡家镇和石岭子镇分布较高，小宽和孤家子镇的部分区域、沈洋、刘家子镇、林海、四棵树部分地区分布较低。

土壤有机质含量基本分布以东北、西南走向成条带分布，此方向线上部地区土壤有机质较低，下部地区含量较高，呈现出截然不同的两个区域。纵观全图，土壤全氮含量在小城子镇、万发、蔡家镇和石岭子镇分布较高，小宽和孤家子镇的部分区域、沈洋、刘家子镇、林海、万发和郭家店镇部分地区普遍较低。

图2　土壤养分空间分布

3　土壤养分含量三维可视化表达

土壤养分的空间分布特征是田间管理和现代农业的重要依据[14]。该文根据全钾含量空间分布数据和DEM数据构建了养分含量分布的三维空间模型(图3)。图3中a、b分别表示不同视角下的三维空间模型。对比图2、图3后发现，三维空间分布模型较以往的二维空间分布模型所承载的信息量要多，其表面的纹理、阴影、晕眩、坡向和起伏度等特征更能将土壤养分的空间分布规律清晰、直观、真实地表达出来，尤其在研究地形因子与土壤养分含量的关系上有较大的优势。

图3　全钾含量三维空间分布

研究图3a发现：在研究区域东南部山地、丘陵地带，坡向为东南坡的全钾含量较其他方向偏低，坡向为西北坡的全钾含量较其他方向偏高，说明了坡向与全钾含量的分布存在着一定的关系。在西北部起伏度较小的平原区域全钾含量处于两极分化状态，最大值和最小值都位于该区域，而东南部起伏度较大的山地丘陵区域全钾含量居中，偏差幅度不大。

研究图3b发现：西部区域全钾含量整体属于较高水平，零星分布着全钾低含量片区，主要位于低洼地形区域，相反全钾高含量主要位于凸起地形区域。海拔、起伏度、坡向等地形因子一定程度上影响着土壤全钾含量的分布。

此外，利用BS Contact VRML浏览器对已建立的土壤养分三维空间模型进行任意的平移、旋转、飞行等方面的三维交互操作，并且对三维模型中纹理、头灯、平滑、顶点、背景等属性进行设置，从而可以得到不同类型、不同视觉、不同高度的三维视图，为土壤养分空间分布特征的研究提供了丰富的信息量，更有利于挖掘潜在的规律[15]。

4　结论与讨论

该文利用GIS、GPS技术和地统计学方法，从县级尺度对多要素土壤养分要素进行了的空间化处理，通过对土壤养分含量进行正态分布检验和拟合，对土壤养分的空间变异性和三维可视化进行了研究，得到以下结论：

(1)在整个研究区内土壤全氮、全磷、全钾、有机质的含量变化范围分别为： 0.194～2.150g/kg， 0.065～1.007g/kg， 11.387～32.90g/kg， 5.053～54.267g/kg； 其含量的平均值为： 1.140g/kg， 0.477g/kg， 22.393g/kg， 20.504g/kg； 中位数分别为： 1.167g/kg， 0.461g/kg， 22.456g/kg， 20.679g/kg。经K-S检验全氮含量和有机质含量符合正态分布； 全磷和全钾含量不符合正态分布，处理之后也未能符合正态分布。土壤养分的全氮、全磷、全钾、有机质的变异系数分别是12.59%～34.99%，都属于中等变异性。

(2)对研究区域符合正态分布的全氮和有机质养分含量进行半方差函数分析，研究土壤全氮和有机质养分含量在空间上的变异特征。上述空间变异分析表明：研究区域土壤全氮和有机质养分含量都表现出较明显的空间相关性，运用地统计学模型高斯模型(Gaussian Model)进行拟合，其决定系数分别为0.975、0.962,表明模型的拟合度很高，拟合效果较好。全氮和有机质养分含量值的基底效应值分别为33.24%和34.47%，其值在25%～75%之间，说明它们的空间变异主要是由于随机因素和结构因素共同作用引起的，具有中等的空间相关性。

(3)土壤养分三维空间模型所具有的纹理、阴影、晕眩、坡向和起伏度等特征为土壤养分空间分布和潜在规律的研究提供了丰富信息。研究结果发现：研究区域内海拔、坡向和起伏度等地形因子与全钾含量的分布存在着关系，从一定程度上直接影响着全钾含量的分布。

综上所述，利用GIS、GPS技术和地统计学方法，能够很好地实现土壤养分要素在县级尺度的空间化处理，通过对多元素土壤养分数据空间化研究分析和三维可视化表达，充分了解了研究区域土壤养分的空间分布，精确反应土壤养分状况，为农田土壤养分现代化管理奠定基础，对农业生态环境保护等工作具有一定的指导意义

[1]陈印军，方琳娜，杨俊彦.我国农田土壤污染状况及防治对策，中国农业资源与区划， 2014, 35(4): 1～5

[2]邱建军， 张士功，李哲敏,等.农业生态环境安全与生态农业发展.中国农业资源与区划， 2005, 26(6): 42～46

[3]Stark C H E，Condron L M，Stewart A.Small-scale Spatial variability of selected soil biological Properties.Biology & Biochemistry， 2004, 36(4): 601～608

[4]Corre M D，Sehnabel R S.Spatial and seasonal variation of gross nitrogen transformations and microbial biomass in a northeastern US grassland Soil.Biology & Biochemistry， 2002， 34： 445～457

[5]Milne G.Normal erosion as a factor in normal soil development.Nature， 1936， 138： 548

[6]Ersoy A，Yunsel TY，Cetin M.Characterization of land contaminated by Past heavy metal mining using geostatistical methods.Arehives of Environrnental Contamination and Toxicology， 2004, 46(2): 162～175

[7]McGrath D，Zhang C S，Carton O T.Geostatistical analyses hazard assessment on soil lead in Silvermines area，Ireland.Environmental Pollution， 2004， 127： 239～248

[8]Weindorf D C，Zhu Y.Spatial Variability of Soil Properties at Capulin Volcano，New Mexico，USA：Implications for Sampling Strategy.Pedosphere， 2010, 20(2): 185～197

[9]张丽， 刘吉平，陈智文.吉林省梨树县保护性耕作土壤养分空间变异性研究.吉林农业科学， 2014, 39(3): 36～41

[10]李菊梅， 李生秀.几种营养元素在土壤中的空间变异.干旱地区农业研究， 1998, 16(2): 58～64

[11]李晓燕， 张树文.吉林省德惠市土壤速效钾的空间分异及不同插值方法的比较.水土保持学报， 2004， 04： 97～100

[12]付传城， 王文勇，潘剑君，张文敏，张威，廖启林.南京市溧水区土壤重金属污染不同插值方法的对比研究.土壤通报， 2014， 06： 1325～1333

[13]Webster R，Nortcliff S.Improved estimation of micronutrients in hectare plots of the Sonning series.J Soil Sci， 1984， 35： 667～672

[14]谭万能， 李志安，邹碧,等.地统计学方法在土壤学中的应用.热带地理， 2005， 04： 307～311

[15]姜健， 陈桂芬.基于VTK土壤养分三维可视化研究与实现.农业网络信息， 2011， 03： 10～13

ANALYSIS AND THREE-DIMENSIONAL VISUALIZATION OF SPATIAL DISTRIBUTION OF SOIL NUTRIENTS*——A CASE STUDY IN LISHU

Li Kaiyuan1，Jia Bei1※，Wang Ruibo2，Zhang Yichi3，Wang Peng4，Wang Dongdong1

(1.College of Mining Engineering, Taiyuan University of Technology, Taiyuan 030024, China;2. State Key Laboratory of Resources And Environmental Information System, Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences, Beijing 100101, China;3. Institute of Geographic Sciences and Natural Resources Research, Key Lab of Water Cycle and Related Land Surface Processes,CAS，Beijing 100101,China;4. Shanxi Jia Hao Mapping Group Ltd , Taiyuan 030009, China)

With the continuous development of computer technology, the 3D visualization technology has been widely applied to various fields such as agriculture, meteorology, forestry, coal mining, disaster, and so on. However, 3D visualization technology is more often applied to 3D scene in macroscopic view, but less used in3D visualization of the micro elements. In recent years, the space research and analysis of soil data has become one of the hot spots in the research of 3S technology. In the paper, Lishu County of Jilin Province was chosen as a case to study the spatial distribution of the soil nutrient content in the county scale. Based on the GIS, GPS technology, together with the geo-statistics method, the spatial distribution of the soil nutrients, i.e., the total nitrogen, the total phosphorus, the total potassium and the organic soil nutrient content, of the 874 soil samples were collected in the study area. The normal distribution of sampling points was tested by the K-S method in IBM SPSS Statistics software. By fitting the nutrient content accorded the normal distribution by using the semi variance model of various types of GS+ Version 9.0, the spatial variation of soil nutrient content was analyzed. Finally, it analyzed the relationship between the distribution of nutrient content and the terrain through the realization of the 3D visualization for the space distribution of soil nutrient content. The three-dimensional spatial model promoted the analysis of the soil nutrient space distribution status. The result verified that the 3D spatial model can provide abundant information for the spatial distribution of soil nutrients and the study of potential disciplines. In conclusion, the application of 3D visualization technology in soil nutrient spatial distribution will be of vital importance to realize the sustainable development of agriculture and ecological environment.

soil nutrient; spatial distribution; variation; 3D visualization; terrain

10.7621/cjarrp.1005-9121.20160602

2015-07-14

李开渊(1988—)，男，山西运城人，硕士研究生。研究方向： 3S技术应用。※通讯作者：贾蓓(1960—)，北京人，女，副教授。研究方向：空间数据处理与应用研究。Email：jiahuli1000@foxmail.com

国家自然科学基金面上项目“极端干旱区植被对水环境变化的响应研究”(41371059)

S158; S126

A

1005-9121[2016]06-0008-07