北京市大兴区南部土壤有机质空间变异及其影响因素

蒋　威，郜允兵，刘　玉，潘瑜春，邢世和

(1.福建农林大学 资源与环境学院，福建 福州 350002；2.国家农业信息化工程技术研究中心，北京 100097；3.农业部农业信息技术重点实验室，北京 100097；4.北京市农业物联网工程技术研究中心，北京 100097)



北京市大兴区南部土壤有机质空间变异及其影响因素

蒋威1，2，郜允兵2，3，4，刘玉2，3，4，潘瑜春2，3，4，邢世和1，*

(1.福建农林大学 资源与环境学院，福建 福州 350002；2.国家农业信息化工程技术研究中心，北京 100097；3.农业部农业信息技术重点实验室，北京 100097；4.北京市农业物联网工程技术研究中心，北京 100097)

以北京市大兴区南部平原为研究区，基于2 272个农用地土壤样点，采用地统计方法揭示表层土壤有机质空间分布特征，并利用方差分析法和缓冲区分析法探讨其影响因素。结果表明：研究区土壤有机质含量为(11.25±3.68) g·kg-1，变异系数为32.71%；基于指数模型的空间变异拟合效果最佳，变程为7.1 km，块金效应为7.02，存在中等强度的空间相关性，由结构因素引起的变异程度略强于随机因素。土壤有机质空间分布总体呈斑块状，高值区主要分布在中轻壤质上，低值区主要分布在砂质土。除居民点外，土壤质地、土壤类型、土地利用方式、设施农业用地和畜禽养殖等因子对研究区土壤有机质空间分布均具有显著影响，黏质、耕作强度大、蔬菜用地、距设施农业用地1 km以内和距畜禽养殖地1.4 km以内的土壤易于积累有机质。上述结果可为相似区域土壤有机质空间变异特征及其影响因子研究提供参考。

土壤有机质；空间变异；地统计学；方差分析；城郊区

准确掌握区域土壤有机质的空间变异规律及其影响因素是了解土壤肥力状况、进而制定提高土壤有机质含量措施的基础[1-2]。大兴区南部作为北京市的城市郊区，是介于城市和农村之间的错综复杂的地域综合体[3]，是都市现代农业发展规模大、势头强劲的地区。由于其独特的地理位置，农业生产结构复杂，土地利用类型多样，土壤有机质含量空间差异显著，且影响机制复杂。因此，研究城市郊区的有机质空间变异特征及其影响因素对于增加土壤碳存储、减少温室气体排放和保护生态环境等具有理论与现实意义。

土壤有机质的空间变异特征及其影响因素一直是土壤属性研究的热点之一[4-5]。从20世纪70年代开始，国内外学者采用地统计学方法研究土壤有机质的空间变异性。地统计学方法通过变异函数拟合解析土壤有机质的空间变异特征，已成为揭示土壤有机质空间变异规律的有效工具[6-7]。梳理相关文献可知，利用地统计学方法探析土壤有机质空间变异特征的研究已涵盖多个尺度[8-11]，但专门针对城郊平原的相关研究较少。在成土条件和干扰因素的综合作用下，不同区域土壤有机质空间自相关范围差别较大[11-13]，因此，有必要揭示城郊平原区的空间变异程度，探明其空间自相关特点。此外，部分学者尝试揭示土壤有机质空间变异的影响因子，但相关研究集中在成土作用强、结构因子起主导作用的地区[1,14]，对于地域功能复杂、人类利用强度大的城郊区，土壤有机质空间变异影响因素的研究较少。已有文献表明，方差分析具有可操作性强、结果简明等特点[15]，是揭示影响因子的有效方法。

因此，本文基于ArcGIS和GS+软件平台，结合地统计学和数理统计等方法研究土壤有机质的空间变异性，并应用方差分析揭示大兴区南部平原区农业土壤类型、质地、土地利用方式、设施农业用地、畜禽养殖、居民点等自然及人为因素对有机质含量的影响，以期为研究区耕地质量评价中的土壤有机质含量估测、土壤有机质提升方案制定等提供依据，并可为类似区域的相关研究提供参考。

1　材料与方法

1.1研究区概况

研究区位于北京市大兴区南部，东临通州区，南临河北省固安县、霸州市，西隔永定河与房山区为邻，北接大兴区黄村镇与青云店镇。研究区包括庞各庄镇、北臧村镇、礼贤镇、长子营镇、魏善庄镇、安定镇、采育镇和榆垡镇8个镇，是北京市重要的农产品供应基地。土壤母质为永定河冲积物，主要有砂质、中壤质、砂壤质、轻壤质和重壤质等土壤质地类型。土壤类型以潮土为主，占全区土壤面积的96.56%以上；褐土主要分布于安定镇西南部以及礼贤镇东部；风砂土与沼泽土零星分布于研究区。气候属于暖温带半湿润大陆性季风气候，四季分明，年均气温11.6℃，年降雨量556.4 mm。

1.2数据来源与处理

本研究所采用的资料包括：(1)图件和空间数据资料——1∶5万北京市土壤类型分布图、1∶5万北京市土壤质地分布图和1∶5万大兴区土地利用现状图(2006年)；(2)经济数据资料——《大兴区农业结构调整的战略方向研究》和《大兴区县志》等资料；(3)土壤调查样点及其属性数据资料——来自大兴区2007年测土配方施肥项目，采集表层(0—25 cm)土壤样点共2 275个，包含采样点编号、时间、地理位置、土壤有机质等数据，土壤有机质含量测定采用重铬酸钾氧化—外源加热法。

应用ArcGIS空间分析工具将搜集到的部分图件和空间数据资料进行空间配准，并矢量化，设置合适的空间参考，将土壤类型、土壤质地、土地利用方式与采样点通过空间位置关联，将土类属性、质地属性和利用方式等赋给采样点。采样点的规则网格布设较好兼顾了土壤类型、土壤质地和土地利用方式等属性。然后进行样点位置对比和土壤有机质含量数据的QQ-Plot图检测，将1个位置异常、2个全局异常点删除，最终保留2 272个数据样点(图1)。在进行统计分析之前，利用SPSS 19.0软件的Kolmogorov-Smirnov检验判断有机质含量数据是否符合正态分布。

图1　研究区采样点及其土壤类型分布图Fig.1　Spatial distribution of soil sample sites and soil types in the southern area of Daxing District

1.3研究方法

1.3.1地统计学方法

地统计学模型是以区域化变量理论为基础的空间分析方法，能够揭示变量在空间变异中的结构性和随机性，是估测土壤有机质空间变异性最有效、最常见的方法之一[5,16]。研究土壤有机质空间变异时，对变异函数模型的拟合是关键。利用GS+软件对土壤有机质的半方差函数进行拟合，将拟合度和残差最小作为优选条件，并利用Moran’s I空间自相关距离对拟合相关距离进行佐证，使拟合变异函数能真实反映土壤有机质的空间变异性。

普通克里金法常称作局部最优线性无偏估计，是分析土壤有机质空间特征最常用的地统计学方法[5,17]。本研究采用此方法对土壤有机质进行空间预测。

1.3.2方差分析

采用单因素方差分析法研究土壤类型、土壤质地、土地利用方式、设施农业用地、畜禽养殖区以及与居民点距离等因子对研究区土壤有机质含量的影响[18-19]。

样点布设为规则网格采样，样点间距保持在0.38 km左右。理想状态(间距为0.38 km)下，以其中某个采样点为中心，向外延伸，经过其他样点的距离分别为0.38，0.54，0.76，0.85，1.07，1.20 km，…。以中心采样点进行不同缓冲半径的多环分析，发现0.2 km的缓冲半径能使同一缓冲区有适宜的数量样点(不过于集中或分散)，并且同一缓冲区的样点土壤有机质含量统计基本满足正态分布要求；以设施农业用地、畜禽养殖区以及居民点为面实体进行多环缓冲区分析，得到同样的规律。因此，以0.2 km缓冲半径分别对设施农业用地、畜禽养殖区以及居民点进行多环缓冲区分析，将处于同一缓冲区的采样点归为相同类。当方差分析结果认为不同类别间存在显著差异时，再进行多重对比分析，比较不同类别间的显著性影响；反之，则视该影响因子并未对有机质含量空间变异造成显著影响。当各因子满足方差齐性时(即方差相等)，采用LSD(最小显著性差异法)进行显著性检验；方差不满足方差齐性时(即方差不等)，使用Tamhane’s方法进行显著性检验[12]。最后，设施农业用地、畜禽养殖区以及居民点以0.2 km为缓冲半径的多环缓冲区进行多重比较，若连续的类别只在某个缓冲范围存在其内部与外部的显著差异，则利用临界距离内外两类进行多重比较分析。

2　结果与分析

2.1土壤有机质空间分布特征

2.1.1描述性统计

经分析，大兴南部农用地土壤有机质含量为(11.25±3.68) g·kg-1，属于低水平；最小值1.77 g·kg-1，最大值25.44 g·kg-1，变异系数为32.71%，属于中等变异强度，这与现有研究结果一致[5,13]。依据K-S正态分布检测，有机质数据的K-S值为1.26，大于0.05，满足数据正态分布要求，能利用地统计学的克里金方法进行空间预测。

2.1.2变异函数分析

利用变异函数揭示土壤有机质空间变异的结构性和随机性特征。由表1可知，指数模型、球状模型和高斯模型的拟合度都达到93%以上，拟合效果都较优，但指数模型的残差最小(只有2.05)，因此选用指数模型对土壤有机质的变异函数进行分析。一般认为，块金值是随机误差，主要由测量误差和土壤性质的细微变异造成。样点间距为0.38 km左右，块金值为7.02，说明小距离范围内部土壤性质变动较大，随机因子的作用明显；结合基底比进行综合分析，系统具有中等强度的空间相关性，且结构性因子引起的变异只略强于随机因子。指数模型中变程为7.1 km，远大于本次采样间距0.38 km，能满足空间变异分析的要求。基于Moran’s I空间自相关得到的土壤有机质的空间相关距离为6 km，两种方法的计算结果相近，表明指数模型适用于揭示大兴区南部土壤有机质空间特征。

大兴区南部是北京重要的农业生产基地，土地利用强度大，农业生产活动频繁，人类对土壤的干扰力度和强度导致随机性因子作用加大，土壤属性相关性减弱，土壤有机质含量的相关距离远小于双流县、洪洞县等土壤有机质的空间相关距离[17,20]。

表1土壤有机质变异函数模型及其参数

Table 1Theoretical model and parameters of variation function of soil organic matter

拟合模型残差拟合度块金值基台值基底比变程/km指数2.050.987.0213.550.487.1球状5.530.957.9213.460.416.8高斯7.440.939.0213.430.335.9

2.1.3克里金空间插值图分析

利用普通克里金插值法进行制图，得到预测误差精度结果[21-22]。平均误差和标准平均值分别为0.001 3和-0.001 0 g·kg-1，都近于0，表明克里金插值法对区域的土壤有机质预测是无偏的；标准均方根误差为1.003 0，接近于1，表明插值法充分表现出研究区的空间变异特性。模型预测的平均值为(11.18±2.29) g·kg-1，与实测数据接近；但由于克里金插值平滑，导致预测值范围(4.59～18.20 g·kg-1)较实测小。

克里金预测结果表明：土壤有机质总体呈斑块状。高值区位于长子营镇北部、北臧村镇东北部和庞各庄镇东部；低值区位于安定镇与长子营镇交界地区、魏善庄镇西部、北臧村镇的西南部、庞各庄镇的西部以及榆垡镇大部分地区。从图2可知，土壤有机质空间斑块分布与土壤质地类型分布存在较强的相关性，土壤有机质低值区主要分布在砂质土上，而高值区则主要分布在中轻壤质土上。

2.2研究区土壤有机质含量空间变异的影响因素

描述性统计和地统计学分析都显示研究区的土壤有机质存在中等强度空间变异性，且受到成土过程的结构因子和土地利用方式等随机因子的共同影响。大兴区南部由于气候条件差异小、地势平坦，地质构成主要为永定河的冲洪积物质，因此，本文以土壤类型、土壤质地作为结构因子，将土地利用方式、距离设施农业用地、畜禽养殖以及与居民地远近作为随机因子来探讨研究区内土壤有机质空间变化的影响因素。

经方差分析，土壤类型、土壤质地、土地利用方式、设施农业用地和畜禽养殖对土壤有机质含量空间特征存在显著(P<0.05)影响；而居民点则对本区土壤有机质空间变异无显著影响(P>0.05)。

图2　大兴区南部土壤有机质含量和土壤质地分布图Fig.2　Spatial distribution of SOM content and soil texture in the southern area of Daxing District

2.2.1土壤类型

由图3可知，土壤有机质含量高低顺序依次为褐土>潮土>沼泽土>风砂土。多重比较表明：褐土和潮土之间的差异不显著，含量水平接近，与其他土壤类型差异显著；风砂土和沼泽土都与其他土壤类型呈现显著性差异。风砂土质地多为细砂质，发育微弱，有机质含量贫乏；沼泽土主要为草甸沼泽土，多零星分布在积水洼地，母质多为冲积物，有机质积累相对较多，但由于地势较低，养分流失较大，有机质含量下降；潮土和褐土是研究区耕作强度大的土壤类型，有较多的肥料来源，土壤有机质含量水平高。

2.2.2土壤质地

研究区土壤有机质含量的空间分布与土壤质地的分布趋势基本一致，不同质地的有机质含量差异显著，表明土壤质地是引起研究区土壤有机质空间变异的主要原因之一，这与胡克林等[13]的研究结果相同。由表2可知，砂质土壤有机质含量极显著(P<0.01)低于其他几类，只有9.09 g·kg-1，变异系数高达37.99%，符合其保肥保水性差的特点，不仅不利于有机质的存储，而且受耕作差异影响，养分变化较大。壤质土，尤其是中轻壤质，黏粒和砂粒比例适中，通透性好，保肥性强，土壤有机质含量较高。

图3　不同土壤类型的有机质含量的箱式分布图Fig.3　Box-type profile of soil organic matter on different soil types

2.2.3土地利用方式

由表3可知，不同土地利用方式的土壤有机质含量依次为菜地>水浇地>旱地>园地。大兴区南部是北京市重要的蔬菜生产基地，蔬菜生产效益高，生产周期短，在经济利益驱动下，肥料投入整体要高于其他土地利用方式，以致菜地的土壤有机质含量高，达12.47 g·kg-1；园地和旱地的土壤水分含量较其他利用类型少，土壤通气条件较好，土壤有机质分解较快，土壤有机质含量较低，不足10 g·kg-1，极显著低于其他两种土地利用方式；水浇地灌溉保证率较高，相较旱地和园地，更有利于有机质积累。

2.2.4设施农业用地

将设施农业用地作为面实体影响源，利用多环缓冲区对其进行缓冲区分析，采用分区统计方法探讨设施农业用地对土壤有机质含量的影响。由图4可知，随着缓冲距离增加，土壤有机质含量呈现下降趋势。在距离设施农业用地1 km范围内的有机质平均含量要极显著(P<0.01)大于距离1 km以外的样点的有机质平均含量。从分析结果看，设施农业用地能影响其1 km的范围的有机质含量。一般情况，设施农业用地多种植花卉、食用菌、蔬菜等经济效益高的作物，农业肥料投入大，土壤水分得到保证，有机质含量较高。

表2各质地土壤的有机质含量

Table 2Descriptive statistics of soil organic matter on different soil texture

土壤质地样点数均值/(g·kg-1)最小值/(g·kg-1)最大值/(g·kg-1)标准差/(g·kg-1)变异系数/%中壤质2813.42A7.7322.983.7027.61轻壤质65912.70A2.5225.443.3826.61砂壤质90611.68B2.9625.443.2928.14重壤质3710.78B3.5016.473.4732.14砂质6429.09C1.7721.153.4537.99

注：同列数据后无相同大写字母的表示差异极显著(P<0.01)，下同。

表3不同土地利用方式土壤的有机质含量

Table 3Descriptive statistics of soil organic matter on different land use

土地利用方式样点数均值/(g·kg-1)最小值/(g·kg-1)最大值/(g·kg-1)标准差/(g·kg-1)变异系数/%菜地16912.47A3.7325.443.5528.50水浇地157811.65B1.7724.733.5630.53旱地1279.70C2.0221.593.9841.05园地3989.63C1.8025.443.5136.47

图4　样点与设施农业用地不同距离范围内土壤有机质含量的变化Fig.4　Changes of SOM content in sample sites with increasing distance from facility agricultural land

2.2.5畜禽养殖

大规模的畜禽养殖产生大量的畜禽粪便，畜禽粪便处理的主要途径是直接还田[23]。从畜禽养殖与采样点距离分组的方差分析结果看，畜禽养殖对土壤有机质含量空间分布具有重要的影响。距离畜禽养殖地1.4 km范围内，土壤有机质的含量平均为11.33 g·kg-1，内部以0.2 km为间隔进行多重比较，没有显著性差异。1.4 km范围外的土壤有机质含量为10.48 g·kg-1，显著低于1.4 km范围内的土壤有机质含量。虽然畜禽粪便作为有机肥施用可以提高土壤有机质含量，增加土壤肥力，但目前研究发现，就氮源污染一项，畜禽粪便已经造成大兴区近一半农用地氮素超标[23]；因此，大兴区南部应规范、科学地利用畜禽粪便。

2.2.6居民点

方差分析表明，离居民点的距离远近对土壤有机质含量没有显著影响。究其原因，大兴区南部居民点与城镇布局相对均匀，离居民点最远的采样点约为1.6 km，加之地势平坦，村民耕作方便，耕作半径大，此距离对于农户或农业生产企业的耕作意愿和施肥影响不大，因此对土壤有机质的空间变异影响并不显著。

3　结论

研究发现，大兴区南部的土壤有机质含量为(11.25±3.68)g·kg-1，含量低，变异系数为32.71%，属于中等强度变异。基于地统计学的方法充分表现出城郊平原区土壤有机质的空间变异规律，基于指数模型的变异函数的拟合效果最佳，拟合系数达到0.98。变程为7.1 km，自相关距离短，并且块金值为7.02，基底比为0.48，说明城郊区随机因子对土壤有机质空间分布影响明显。

地统计分析表明：大兴区南部的结构因素对土壤有机质含量的影响要略强于随机因素。结构因子中，土壤质地与土壤保肥保水特性密切相关，土壤质地对土壤有机质空间变异的影响最明显，含量高低依次为中壤质>轻壤质>砂壤质>重壤质>砂质；土壤类型中，有机质含量高的为适宜耕作的褐土和潮土，而地势较低的沼泽土和物理特性较差的风砂土有机质含量低。研究区的土地利用方式、设施农业与畜禽养殖对城郊平原土壤有机质空间变异有显著影响，而居民点未产生显著影响。

由于相关资料的获取难度大，本文多采用字符变量分析影响土壤有机质空间变异的因素，对城郊区土壤有机质影响因子单独解释度不够强；对居民点、设施农业用地和畜禽养殖区等随机因素均是以0.2 km为半径对多环缓冲区进行分析，处理相对简单。在今后的研究中，需进一步深化随机因子对土壤有机质空间变异影响的机理研究。城郊区生产和经济功能复杂，还存在其他外部性影响因子，如主城区、不同的城市功能区和经济发展水平对土壤有机质含量的影响。今后还需要加深探讨这些因素对土壤有机质空间分布特征的影响。

[1]姜勇，张玉革，梁文举，等.沈阳市苏家屯区耕层土壤养分空间变异性研究[J].应用生态学报，2003，14(10)：1673-1676.

[2]刘东海，李双来，陈云峰，等.武汉市汉南区土壤有机质和养分时空变异研究[J].中国土壤与肥料，2014 (4)：24-28.

[3]刘洪彬，于国锋，王秋兵，等.大城市郊区不同区域农户土地利用行为差异及其空间分布特征——以沈阳市苏家屯区238户农户调查为例[J].资源科学，2012，34(5)：879-888.

[4]陈江，常艳春，童丽华.湖州表层土壤有机质的空间分布及相关性分析[J].浙江农业学报，2012，24(4)：680-685.

[5]赵明松，张甘霖，李德成，等.苏中平原南部土壤有机质空间变异特征研究[J].地理科学，2013，33(1)：83-89.

[6]HU K，WANG S，LI H，et al.Spatial scaling effects on variability of soil organic matter and total nitrogen in suburban Beijing[J].Geoderma，2014，226-227:54-63.

[7]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.

[8]余笑眉，吕晓男，王美琴，等.南方丘陵耕地土壤有机质空间插值精度比较——以衢江区为例[J].浙江农业学报，2010，22(5):639-643.

[9]崔潇潇，高原，吕贻忠.北京市大兴区土壤肥力的空间变异[J].农业工程学报，2010，26(9)：327-333.

[10]赵汝东，孙焱鑫，王殿武，等.北京地区耕地土壤有机质空间变异分析[J].土壤通报，2010，41(3)：552-557.

[11]张法升，刘作新，张颖，等.农田土壤有机质空间变异的尺度效应[J].中国科学院研究生院学报，2009，26(3)：350-356.

[12]张文博，张福平，苏玉波，等.渭河干流沿岸土壤有机质空间分布特征及其影响因素[J].水土保持通报，2014，34(1)：138-143.

[13]胡克林，余艳，张凤荣，等.北京郊区土壤有机质含量的时空变异及其影响因素[J].中国农业科学，2006，39(4)：764-771.

[14]韩丹，程先富，谢金红，等.大别山区江子河流域土壤有机质的空间变异及其影响因素[J].土壤学报，2012，49(2)：403-408.

[15]王丹丹，史学正，于东升，等.东北地区旱地土壤有机碳密度的主控自然因素研究[J].生态环境学报，2009，18(3)：1049-1053.

[16]王淑英，路苹，王建立，等.不同研究尺度下土壤有机质和全氮的空间变异特征——以北京市平谷区为例[J].生态学报，2008，28(10):4957-4964.

[17]宋莎，李廷轩，王永东，等.县域农田土壤有机质空间变异及其影响因素分析[J].土壤，2011，43(1):44-49.

[18]刘艳婷.彭山土壤有机碳和全氮密度的空间分布特征及其影响因素研究[D].雅安：四川农业大学，2012∶6-49.

[19]胡玉福，邓良基，肖海华，等.邛海盆地土壤氮素空间变异特征与影响因素研究[J].农业机械学报，2015，46(4)：132-140.

[20]张建杰，张强，杨治平，等.山西临汾盆地土壤有机质和全氮的空间变异特征及其影响因素[J].土壤通报，2010，41(4)：839-844.

[21]孙志英，赵彦锋，张化楠，等.基于地图直接对比的土壤空间表达尺度效应研究——以封丘土壤属性制图为例[J].土壤学报，2014，51(4)：781-794.

[22]吴才武，夏建新，段峥嵘.土壤有机质预测性制图方法研究进展[J].土壤通报，2015，46(1)：239-247.

[23]阎波杰，赵春江，潘瑜春，等.大兴区农用地畜禽粪便氮负荷估算及污染风险评价[J].环境科学，2010，31(2)：437-443.

(责任编辑高峻)

Spatial variability of soil organic matter and its influencing factors in southern area of Daxing District in Beijing

JIANG Wei1，2，GAO Yun-bing2，3，4，LIU Yu2，3，4，PAN Yu-chun2，3，4，XING Shi-he1,*

(1.College of Resource and Environment，Fujian Agriculture and Forestry University，Fuzhou 350002，China;2.National Engineering Research Center for Information Technology in Agriculture，Beijing 100097，China;3.Key Laboratory of Agri-Informatics，Ministry of Agriculture，Beijing 100097，China;4.Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture，Beijing 100097，China)

With the southern plain in Daxing District，Beijing as the study area，a total of 2 272 soil sample sites were selected in agricultural land.Spatial distribution characteristics of soil organic mather (SOM) in the surface layer were analyzed using Geo-statistical method，and its influencing factors were revealed by variance analysis and buffer analysis.It was shown that SOM content varied in the range of (11.25±3.68) g·kg-1with a coefficient of variation being 32.71%.The spatial variability distance of SOM was 7.1 km，and the SOM content was moderately spatial dependent with the nugget effect of 7.02，which suggested that the structural factors exhibited stronger effect than random factors.On the whole，the spatial distribution of SOM content were plaque shape，and its high spot was located in medium loam and light loam soil，and low spot was mainly located in sandy soil.Except residential area，soil texture，soil type，land use type，facility agricultural land and livestock and poultry industry had a significant impact on the spatial distribution of SOM.The argillaceous，high tillage intensity soil was inclined to accumulate SOM.And so was the soil which was within 1 km away from agricultural facilities land and 1.4 km away from livestock and poultry industry.These results could provide

for studies regarding spatial variability of soil organic matter and its influence factors in homogeneous regions.

soil organic matter;spatial variability;Geo-statistics;variance analysis;suburban area

浙江农业学报Acta Agriculturae Zhejiangensis，2016，28(3):482-488http://www.zjnyxb.cn

蒋威，郜允兵，刘玉，等.北京市大兴区南部土壤有机质空间变异及其影响因素[J].浙江农业学报，2016，28(3)： 482-488.

10.3969/j.issn.1004-1524.2016.03.20

2015-10-27

国家科技支撑计划课题(2013BAJ05B01)

蒋威(1990—)，男，湖南湘阴人，在读硕士研究生，主要研究方向为土壤资源与GIS应用。E-mail∶jiangwei4639@126.com

，邢世和，E-mail:fafuxsh@126.com

S158

A

1004-1524(2016)03-0482-07