引黄灌区枸杞地土壤电导率空间格局及条件模拟

王幼奇，赵云鹏，张 兴，白一茹

(1.宁夏大学资源环境学院，银川 750021； 2.宁夏(中阿)旱区资源评价与环境调控重点实验室，银川 750021)

土壤电导率是土壤基本化学性质的重要指示因子之一[1,2]，是研究土壤化学反应及土壤养分有效性的重要参数，同时也是反映土壤盐渍化程度、肥力质量特征以及土壤污染的一个综合性指标[3-5]，因此其空间分布特征得到越来越多学者的重视[6]。李艳等[7]和李子忠等[8]运用半方差函数和克立格法分别对海涂和草甸土壤电导率的空间分布进行研究，发现克立格法能提高估测精度，节省采样成本。尹辉等[9]运用地统计学空间插值模型和GIS技术对广西果化岩溶区土壤电导率的空间异质性进行研究。白慧东等[10]和韩跃等[11]运用经典统计学与地统计学相结合的方法，分别对滨海平原和黄河三角洲盐碱地土壤电导率的空间变异进行研究。纵观国内外学者对土壤电导率的研究，大部分是应用克里格插值等空间插值模型进行空间分布研究，但由于克里格插值模型的平滑效应难以再现空间变量的波动性，导致某些剧烈变化区域(甚至异常区)的信息缺失[6-11]，而条件模拟能很好再现空间变量的离散和波动性[12-14]，因此采用地统计条件模拟对土壤的空间分布研究必不可少。

中宁是枸杞发源地和正宗原产地，素有“中宁枸杞甲天下”的美誉，同时也是引黄灌溉的典型农业区。由于气候干旱和常年灌溉，土壤出现了盐分表聚、肥力下降等现象[15,16]，研究土壤电导率的空间分布特征，对探索该区域土壤盐渍化程度以及肥力质量特征等具有重要的意义。因此本文运用地统计学方法对中宁枸杞地土壤电导率空间分布特征进行研究，并对其进行Kriging估值和条件模拟，旨在揭示土壤电导率的空间分异规律，为引黄灌区枸杞地土壤有效利用和农田管理提供科学依据。

1 材料与方法

1.1 研究区概况

取样点选在宁夏回族自治区中宁县“万亩枸杞观光示范园”(105° 37′46″～105° 38′ 27″ E，37° 29′ 51″～37° 30′ 09″ N)。海拔1 258～1 261 m，夏季酷热，冬季寒冷，气候干燥，为典型的温带大陆性气候。年均温9.5 ℃，年平均降水202 mm。按照100 m×100 m网格方式设计采样点，分别采集土壤0～20、20～40和40～60 cm三层土样，共采集土样360个，取样点分布详见图1。土样经风干、研磨、剔除杂物后过20目筛孔以供电导率和pH测定。土壤电导率采用电导率仪(EC330)测定，pH值采用pH计(上海雷磁)测定。

图1 研究区样点分布图Fig.1 Location of the sampling points

1.2 数据处理

利用SPSS 20.0对土壤电导率进行经典统计分析，半方差函数分析、普通Kiging和协同Kriging估值以及条件模拟均在GS+7.0软件中完成[17]，电导率实测值、Kiging估值及其模拟值的空间分布图均在ArcGIS 10.0软件中绘制。

2 结果与分析

2.1 土壤电导率描述性统计分析

表1给出了引黄灌区枸杞地土壤电导率的描述性统计值。通过平均值分析可知，随深度的增加，电导率呈现先减后增趋势。由变异系数可得，不同深度下土壤电导率均属于中等变异性(0.1

表1 引黄灌区枸杞地土壤电导率描述性统计值Tab.1 Descriptive statistics for soil electrical conductivity of Lycium Barbarum in the Yellow River Irrigated Area

2.2 土壤电导率半方差分析

为了更好地反映土壤电导率的空间分布特征，利用半方差函数模型对土壤电导率进行拟合分析。由于相同深度下土壤电导率与pH值存在极显著的相关性(P<0.05)，因此分析了同层电导率的半方差函数及其与pH值的协半方差函数。由表2得，不同深度下土壤电导率均符合高斯模型，0～20 cm土壤电导率和pH值符合线性模型，20～40和40～60 cm土壤电导率和pH值符合球状模型。同时表2也给出了土壤电导率及其与pH值的空间相关性，土壤表层(0～20 cm)电导率及其与pH值的块金系数均在25%～75%之间，属于中等空间相关性，其空间分布特征是随机性因素(人为过程)和结构性因素的共同作用的结果。其余深度下电导率及其与pH值的块金系数均小于25%，呈现强烈的空间相关性，主要受气候、地形和土壤质地等结构性因素的影响。由表2知，土壤电导率与pH值的块金系数随深度的增加而减小，即随深度增加，土壤电导率受随机因素影响逐渐变小，结构性因素增强。从变程可得，电导率的变程在土壤表层出现最大值，其空间连续性范围较大。

2.3 土壤电导率的Kriging估值

为了更好的研究土壤电导率的空间分布特征，本文运用普通Kriging法(OK)和与pH值协同Kriging法(CKOM)对土壤电导率的空间分布进行估值，土壤电导率与两种Kriging估值结果统计值见表3。

表2 引黄灌区枸杞地土壤电导率及其与pH值半方差函数理论模型及参数Tab.2 Semivariogram model and corresponding parameters for soil electrical conductivity and electrical conductivity of pH value of Lycium Barbarum in the Yellow River Irrigated Area

注：G为高斯模型；L为线性模型；S为球状模型。

表3 普通Kriging法和协同Kriging法估值结果与土壤电导率实测值的比较Tab.3 Comparison of measured electrical conductivity and estimated values by ordinary Kriging (OK)and crossed Kriging(CKOM)

由表3可知，CKOM对引黄灌区土壤表层电导率的估值范围以及均值与实测值最接近，且具有最小的偏度和最低的峰度系数，其估值范围以及均值较好的反映土壤表层电导率的空间分布状况，OK估值范围在 139.78 ～374.05 μS/cm之间，其范围远小于实测值，同时其偏度与峰度系数较大，因此OK对引黄灌区土壤表层电导率空间分布状况反映较差。但在20～40以及40～60 cm土层中，OK对土壤电导率的估值范围与实测值最为接近，且偏度和峰度系数较小，其估值范围较好的反映土壤电导率的空间分布状况，相比OK，CKOM对土壤电导率的估值范围与实测值相差较大，且偏度与峰度系数偏大，因此CKOM对20～40和40～60 cm土壤电导率的空间分布状况反映较差。

2.4 土壤电导率的条件模拟

为了更好的研究土壤电导率的空间分布特征，本文运用ArcGIS 10.0分别绘制出土壤电导率实测值、OK、CKOM及条件模拟10次、100次和1000次的空间分布图(见图2～图4)。由图2～图4可知，土壤电导率在0～20 cm呈现由西南到东北逐渐递减的趋势，并在局部地区出现较大值。这与坡度走向相反，由于灌溉水量是定额的，地势较低的区域水量汇集较多，水分蒸发后，土壤含盐量较高，即土壤电导率值高；在局部地区出现较大值，这可能与局部地区枸杞植株密集程度以及土壤管理模式有较大关系[18]。在20～40和40～60 cm深度下，除局部地区外，土壤电导率空间分布的密集程度和走向都非常相似，均呈现三个较大值，并向四周逐渐递减。其主要受气候、地形和土壤质地等结构性因素的影响。同时通过对比空间分布图，发现条件模拟结果与实测数据的空间分布在密集程度和走向非常相似，并且在同一采样点上，条件模拟结果与实际测量值相近，这与Kriging估值结果存在一定差异。虽然Kriging估值与实际测量值空间分布趋势相近，但在局部区域存在较大差异，主要原因Kriging估值具有“平滑效应”，不适合估计和预测某些剧烈变化的空间属性，即Kriging估值会使土壤电导率空间分布变得平滑，峰值区分布更加集中。条件模拟更强调概率模型的作用，是将采样点的模拟值条件转化到实测值，能更好显示土壤电导率空间分布离散和波动性。图2～图4还表明，随着模拟次数的增加，条件模拟对整个模拟区域土壤电导率分布的描述更为详细。

土壤电导率实测值、OK、CKOM、不同次数条件模拟结果的统计值见图5，由图5可知，不同土壤深度下，两种Kriging的估值范围以及不同次数条件模拟范围均小于电导率实测值；两种Kriging估值的均值均略高于实测值，土壤表层(0～20 cm)不同次数条件模拟结果与电导率实测值相近，其余土壤深度下，不同次数条件模拟结果均低于电导率实测值，且随模拟次数增加，模拟范围及均值渐趋稳定。

2.5 Kriging估值、条件模拟结果和实测值的空间分布特征

为了更好的分析Kriging估值和条件模拟结果对土壤电导率空间分布的反映，本文比较了Kriging估值和条件模拟结果的空间分布特征。

图2 土壤(0～20 cm)电导率实测值、普通 Kriging 估值、与pH值协同 Kriging 估值及条件模拟结果的空间分布Fig.2 Spatial distribution of measured electrical conductivity(0～20 cm), ordinary Kriging estimated electrical conductivity (OK),crossed Kriging estimated electrical conductivity of pH value (CKOM) and conditional simulated values

图3 土壤(20～40 cm)电导率实测值、普通 Kriging 估值、与pH值协同 Kriging 估值及条件模拟结果的空间分布Fig.3 Spatial distribution of measured electrical conductivity(20～40 cm), ordinary Kriging estimated electrical conductivity (OK),crossed Kriging estimated electrical conductivity of pH value (CKOM) and conditional simulated values

图4 土壤(40～60 cm)电导率、普通 Kriging 估值、与pH值协同 Kriging 估值及条件模拟结果的空间分布Fig.4 Spatial distribution of measured electrical conductivity(40～60 cm), ordinary Kriging estimated electrical conductivity (OK),crossed Kriging estimated electrical conductivity of pH value (CKOM) and conditional simulated values

图5 土壤电导率实测值、普通 Kriging 估值、与pH值的协同 Kriging 估值及条件模拟结果的统计特征Fig.5 Statistical characteristics of measured electrical conductivity, ordinary Kriging estimated values(OK), pH value crossed Kriging estimated values(CKOM) and conditional simulated values

表4 Kriging估值、条件模拟结果和实测数据的空间结构特征Tab.4 Spatial structure characteristics of Kriging estimated values, conditional simulated values and measured values

由表4可知，不同深度下土壤电导率的普通Kriging的基台值最小，协同Kriging次之，其主要原因是Kriging估值有较明显的“平滑效应”，协同Kriging估值考虑了土壤pH值的影响。不同深度下土壤电导率的普通Kriging和协同Kriging估值结果的块金系数均较小，说明对Kriging估值对影响电导率空间分布的随机因素反映不足。除40～60 cm深度下，两种Kriging估值的电导率变程均小于实测值。条件模拟在一定程度上能反映环境因素对土壤电导率空间分布的影响，在土壤表层，随模拟次数的增加，块金系数逐渐降低，变程渐趋于实测值。在20～40和40～60 cm深度下，随模拟次数的增加，块金系数逐渐降低，变程明显高于实测值，其测定结果较Kriging估值差。其主要原因有两个，一是序贯高斯条件模拟的Kriging算法以及高斯特性在一定程度上会造成模拟误差。即序贯高斯条件模拟多个模拟结果形成的Kriging算法与实际测量值的Kriging算法存在一定差异，同时条件模拟结果有高斯分布特性，如果测量数据不符合高斯分布时，会先将测量数据进行高斯变换，再进行模拟，最后进行逆高斯变换，在变换过程中往往会放大或缩小模拟过程中所产生的系统误差。另一个方面是土壤表层其空间分布特征受随机性因素(人为过程)和结构性因素的共同影响，其空间分布特征较复杂，条件模拟能很好展现其离散性和波动性，而在20～40以及40～60 cm深度下土壤主要受结构性因素(气候、地形和土壤质地等)的影响，其空间变异较小，更适合Kriging估值，使用条件模拟反而会造成模拟误差，导致研究失真。

3 结 语

(1)引黄灌区枸杞地土壤在0～60 cm深度下电导率均属于中等变异性。土壤表层(0～20 cm)电导率属中等空间相关性，其空间分布特征受坡度、植株密集程度以及土壤管理模式等因素的影响。20～40和40～60 cm深度下土壤电导率表现为强烈的空间相关性，其主要受气候、地形和土壤质地等结构性因素的影响。

(2)通过对比普通Kriging法(OK)与pH值协同Kriging法(CKOM)对土壤电导率的空间分布研究，发现CKOM对土壤表层电导率的估值与实测值相近，能较好地反映表层电导率的空间分布状况，OK估值能较好地反映20～40和40～60 cm土层电导率的空间分布状况。但两种Kriging法的估值范围均小于实测数据，均值略高于实测数据。

(3)序贯高斯条件模拟对土壤表层电导率模拟结果的空间分布特征与实测数据相近，模拟结果范围、均值以及变程均与电导率实测值相近，能很好地显示土壤电导率的空间分布离散和波动性。而对20～40以及40～60 cm深度下土壤电导率模拟结果与实测值存在一定差异，模拟结果范围和均值低于实测数据，变程大于实测数据，其误差来源于序贯高斯模拟过程中独特的Kriging算法及高斯特性。

□

[1] 于天仁.土壤的电化学性质及其研究法(修订本)[M].北京:科学出版社,1976.

[2] 李成保,季国亮,孔晓玲.红壤耕层电导率动态变化的初步研究[J].土壤,1997,(3):156-158.

[3] 袁大刚,张甘霖.不同土地利用条件下的城市土壤电导率垂直分布特征[J].水土保持学报,2010,24(4):171-176.

[4] Moller A, Muller H W, Abdullah A, et al. Urban soil pollution in Damascus, Syria: concentrations and patterns of heavy metals in the soils of the Damascus Ghouta[J]. Geoderma, 2005,124(1/ 2):63-71.

[5] Madrid F, Madrid L. Availability and bio-accessibility of metals in the clay fraction of urban soils of Se-villa[J].Environmental Pollution, 2008,156(3):605-610.

[6] Revil A, Iii L M C, Losh S, et al. Electrical conductivity in shaly sands with geophysical applications[J]. Journal of Geophysical Research Atmospheres, 1998,103(B10):23 925-23 936.

[7] 李 艳,史 舟,王人潮,等.海涂土壤剖面电导率的协同克立格法估值及不同取样数目的比较研究[J].土壤学报,2004,41(3):434-443.

[8] 李子忠,龚元石.农田土壤水分和电导率空间变异性及确定其采样数的办法[J].中国农业大学学报,2000,5(5):59-66.

[9] 尹 辉,李 晖,蒋忠诚,等.广西果化岩溶区土壤电导率的空间异质性[J].中国沙漠,2014,34(3):786-794.

[10] 白慧东,刘焱选,初振东,等.滨海平原区土壤电导率的空间变异规律研究[J].石河子大学学报(自然科学版),2007,25(5):571-574.

[11] 韩 跃,马风云,解国磊,等.黄河三角洲盐碱地混交林土壤电导率的空间异质性[J].中国水土保持科学,2014,12(5):84-89.

[12] 魏孝荣,邵明安.黄土沟壑区小流域土壤pH值的空间分布及条件模拟[J].农业工程学报,2009,25(5):61-67.

[13] 李保国,胡克林,陈德立,等.农田土壤表层饱和导水率的条件模拟[J].水利学报,2002,(2):36-40.

[14] 陈亚新,史海滨,魏占民.土壤水盐信息空间变异的预测理论与条件模拟[M].北京:科学出版社,2005.

[15] 张永宏,尹志荣,桂林国,等.宁夏引黄灌区盐碱地水稻节水控灌抑盐效应[J].节水灌溉,2011,(7):23-28.

[16] 魏光辉,杨鹏年. 干旱区不同灌溉方式下棉田土壤水盐调控研究[J].节水灌溉,2011,(6):26-30.

[17] 李 彬,史 海, 张艺强,等.农田大尺度表层土壤电导率的序贯高斯模拟[J].中国农村水利水电,2010,(3):57-62.

[18] 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):1 596-1 605.