山地丘陵交错地带耕层土壤pH和养分空间变异特征及影响因素分析

木合塔尔·艾买提 肖鹏南 周勇 徐涛 徐杰

摘要：【目的】研究山地丘陵交错地带耕层土壤pH和养分空间变异特征及影响因素，为指导山地丘陵交错地带开展农业生产和科学定量施肥提供参考依据。【方法】以湖北省广水市山地丘陵交错地带耕层土壤为研究对象，通过实地调查和室内检测获得200个土壤样点的相关数据，采用统计学、地统计学和GIS相结合的方法，分析土壤pH和有机质等土壤养分元素的空间分布特征及其影响因素。【结果】湖北省广水市山地丘陵交错地带耕层土壤pH和有机质、全氮、有效磷、速效钾、缓效钾含量变异程度均属中等变异，土壤养分元素均有弱空间相关性特征。养分含量在空间上以集聚分布为主，相互关系较弱，养分元素的块金效应值均处于25%～75%，养分元素的空间变异性受随机性因素和结构性因素共同影响。耕层土壤的pH介于5.5～6.5，以弱酸性土壤为主;有机质含量级别为适宜，有效磷、速效钾和缓效钾含量较高;全氮含量较低，含量级别为缺乏。有机质含量与生物多样性呈正相关，全氮含量与海拔和坡度呈负相关，速效钾含量与海拔呈负相关、与有效土层厚度呈正相关，缓效钾含量与有效土层厚度呈正相关，但相关性均较弱。【结论】湖北省广水市山地丘陵交错地带耕地表层土壤养分中除全氮含量较低外，其余养分元素的含量均不缺乏。土壤pH及主要养分元素的空间变异受自然因素和人为因素的共同作用。对于山地丘陵交错地带的耕层土壤养分含量而言，灌溉能力、海拔、坡向、坡度、有效土层厚度和生物多样性为主要影响因素。

关键词： 山地丘陵交错地带;耕层土壤;pH;养分;半变异函数;空间相关指数;逐步回归

0 引言

【研究意义】耕地质量是影响农作物产量的重要因素之一（朱红波和张安录，2006）。在耕地面积不断减小的情况下（康蕾等，2017），研究耕地质量及其影响因素对保障粮食生产安全具有重要意义。耕地質量的研究主要集中在土壤养分元素含量及驱动分析等领域（王晓瑞等，2018），其中土壤养分对植物生长和粮食生产作用较大。因此，研究耕层土壤养分空间分布特征和影响因素，可为农业生产规划、土壤有效利用及土壤培肥管理等工作提供科学依据。【前人研究进展】土壤养分元素的研究方法主要为统计学和地统计学方法，研究内容为耕地质量评价和土壤养分空间分布及其影响因子分析。其中，地统计学是以区域化变量理论为基础、以变异函数为主要工具，研究空间要素分布情况的学科。通过地统计学与生态论相结合的方法，可研究土壤养分的空间异质性与格局，地统计学中的区域化变量理论、变异函数与生态学相结合能较好地反映土壤养分空间分布格局（王政权，1999）。地统计模型的参数计算和分析较复杂，随着学科发展和应用方向的扩展，地统计学方法已成为研究土壤养分空间变异与空间结构特征的一个重要工具（李友宏等，2006;汤洁等，2014）。王国梁等（2002）运用系统论研究丘陵区纸坊沟流域植被恢复的土壤养分效应，得出土壤全氮含量与土壤有机质含量存在良好的线性相关，土壤全磷含量与土壤有机质含量也有一定的线性相关，土壤有机质的累积和分解对土壤全磷和全氮含量有重要影响。黄绍文等（2003）采用传统统计与地统计学相结合的方法，研究县级区域粮田土壤养分空间变异，结果表明不同土壤养分的变异情况各异，土壤主要养分的空间特征以大块状变异为主，此研究结果对土壤养分分区管理有一定借鉴意义。李亮亮等（2005）、史舟和李艳（2006）研究了地统计学在土壤空间变异及土壤学中的应用，结果表明地统计学为土壤性质空间变异的量化提供了强有力支持。近年来，地理信息系统（GIS）技术在处理土壤养分数据、分析土壤养分空间变异特征、研究土壤养分空间结构及其影响因子等方面发挥了重要作用（史原轲和李玲，2017;韩逸等，2018）。贾树海等（2009）、安永龙等（2018）、杨之江等（2018）利用GIS技术与地统计学相结合的方法，研究不同地区、不同耕地土壤养分空间变异性和影响因素，为土壤施肥、分区管理等生产活动提供了理论指导。总之，研究土壤养分空间变异性和驱动力的方法不断更新，研究内容逐渐丰富，研究视角逐渐扩大，GIS技术和地统计学相结合的方法已成为研究土壤养分空间变异特征和影响因素的有效手段。【本研究切入点】目前，耕地质量方面的研究主要集中在耕地土壤养分元素空间分析及其驱动分析等方面，研究区域主要为湖泊流域（吕真真等，2014）、河流流域（高凤杰等，2016）或其他（高灯州等，2016），但针对地势较复杂的山地丘陵交错地带耕地养分空间变异特征分析的研究还较缺乏。【拟解决的关键问题】在前人ArcGIS地统计分析模块的土壤养分空间变异分析方法（刘晓林等，2012）和县域尺度土壤合理采样方法（于雷等，2016）的基础上，以湖北省广水市山地丘陵交错地带耕层土壤为研究对象，运用GIS技术和地统计学方法，研究耕层土壤养分元素空间变异特征并分析其影响因素，以期为指导山地和丘陵交错地带开展农业生产和科学定量施肥提供参考依据。

1 材料与方法

1. 1 研究区概况

湖北省广水市位于桐柏山脉东南麓，大别山脉西端。东部与孝感市大悟县毗连，南部与孝感市安陆市和孝昌县相邻，西部与随州市交界，北部与河南省信阳市接壤，地跨东经113°31′～114°07′、北纬31°23′～32°05′。地势北高南低，山地、丘陵、岗地、沿河小块平原自北而南依次分布。全市面积2647 km2，山地占总面积的30.1%，丘陵占67.4%，平原占2.5%。农业用耕地面积7.465×104 ha，其中常用耕地面积3.956×104 ha，山地主要分布在西北和东北部，一般坡度为30°～45°，最高处大贵山海拨907.8 m，相对高差300～500 m，具体地势情况见图1。气候类型属北亚热带大陆性季风气候，冷暖适中，冬干夏雨，雨热同季，四季分明。年平均气温13～16 ℃，北部为13～14 ℃，中部为14～15 ℃，南部为15～16 ℃，南北温差2 ℃。

1. 2 数据来源

结合研究区内各行政村耕地面积、地形地貌、土壤类型、土地利用方式等基础数据，充分考虑代表性、均衡性和可达性后进行采样点布设。从湖北省广水市耕地图斑上选择200个代表性地块，进行实地土样采集，样点分布详见图1。按照客观公正、简便实用、均衡性、定量定性相结合等原则，通过实地调查采样及土壤样品理化分析得到土壤养分数据。基于湖北省广水市的数字地面高程模型（DEM，30 m×30 m），提取地形起伏度、地面粗糙度、坡度和坡向指标数据。通过实地调研记录获得海拔、灌溉条件、生物多样性、有效土层厚度等相关数据。

选择湖北省广水市耕地土壤pH、有机质、全氮、有效磷、速效钾和缓效钾为耕层土壤养分的主要代表性属性（郑梓萱和曾辰，2017）。根据研究区土壤采样点的pH和养分含量特征，参照全国第二次土壤普查养分分级标准（张敏等，2010;张志坚等，2018）和湖北省耕地质量与肥料工作总站发布的《湖北省耕地质量监测指标分级标准》制定广水市土壤养分分级标准（表1）。

1. 3 研究方法及数据处理

先通过统计学方法分析广水市耕地土壤表层养分元素的数据特征，再以地统计方法分析养分元素的空间分布特征（徐建华，2010;张婵婵等，2013）。利用简单克里金法（杨子清等，2012）进行空间插值，再分析养分元素的空间分异情况。最后分析养分元素与其影响因素间的相关性及广水市耕地质量等级。

采用SPSS 22.0的描述性统计功能研究土壤表层的养分含量及数据变化情况;利用GeoDa 0.9.5 进行空间相关性统计，并研究各养分要素的空间分布规律及相互空间分布关系;利用GS+9.0半变异模型找出各要素的空间分布变化规律并为空间插值选择理论模型，利用ArcGIS的空间分析模块进行插值并制作空间分异图。

2 结果与分析

2. 1 土壤pH及主要养分元素的统计特征

结合表1和表2数据分析可知，采样点土壤pH平均值为6.25，呈微酸性;有机质平均含量属适宜级别，全氮平均含量属缺乏级别，有效磷和速效钾平均含量属最适宜级别，缓效钾平均含量属丰富级别。由表2还可看出，土壤pH和全氮的标准差较小，分别为0.71和0.23，说明其离散程度较小;缓效钾和速效钾的标准差较大，分别为211.68和58.25，说明其离散程度较大;有机质和有效磷的离散程度居中。变异系数能反映随机变量的相对波动程度，根据变异系数分级标准（CV≤10%为弱变异性，10%<CV<100%为中等变异性，CV≥100%为强变异性）（李友宏等，2006），各指标的变异系数均属中等变异性，其中土壤pH的变异系数最小（11%），有效磷的变异系数最大（78%）。为了解各属性数据分布情况，对土壤养分数据进行单样本K-S正态分布检验，显著性概率值P>0.05，保留原假设数据服从正态分布;P<0.05，表明假设不成立，数据不服从正态分布。由表2可知，除土壤pH和有机质数据服从正态分布外，其余养分数据均不服从正态分布;通过Box-Cox变换后，全氮等养分数据也服从正态分布。

2. 2 土壤pH及主要养分元素的地统计特征

2. 2. 1 半变异模型分析 半变异函数有3个特征参数：块金值（C0）、基台值（C0+C）和变程（A）。其中，块金值反映随机因素对区域化变量的影响，即随机部分（人为因素）引起的变异;基台值表示土壤养分元素在研究区域内的空间变异程度;变程反映土壤养分元素发生空间变异的尺度大小，即空间相关性的最大距离。块金系数[C0 /（C0+C）]可反映样本间的空间相关性特征（赵月玲等，2005;杨之江等，2018;张志坚等，2018），块金系数大于75.00%表明空间异质性主要受随机性因素影响，块金系数小于25.00%表明空间异质性主要受结构性因素影响，块金系数介于25.00%～75.00%表明区域化变量的空间异质性是随机因素和结构性因素共同作用的结果。

利用GS+9.0对广水市土壤pH及主要土壤养分元素进行半变异函数分析后得到的参数和决定系数（R2）如表3所示。由表3可知，土壤pH、全氮和速效钾的最优半变异理论模型为指数模型，有机质的最优半变异理论模型為高斯模型，有效磷和缓效钾的最优半变异理论模型为球状模型。速效钾的块金系数接近25.00%，其余指标的块金系数介于25.00%～75.00%，表明这些指标的空间变异特征受到人为因素和自然因素的共同影响。

2. 2. 2 空间相关性分析 利用GeoDa 0.9.5计算养分元素的空间自相关系数（Moran’s I），通过Moran’s I分析养分元素的空间相关性（陈安宁，2006）。空间自相关是研究空间中某位置的观察值与其相邻位置的观察值是否相关及相关程度的一种空间数据分析方法，用z得分和p值对该指数进行显著性检验。空间自相关可分为正相关和负相关，正相关表明某单元的属性值变化与其邻近空间单元具有相同变化趋势，负相关则相反。

根据土壤采集点地理坐标制作点元素图，建立空间权重矩阵，计算各养分元素的Moran’s I，结果如表4所示。由表4可知，全氮和全磷的Moran’s I为负值，表明空间邻近采样点全氮或全磷含量值之间存在负相关，其他土壤元素的Moran’s I均为正值，说明各采样点同一属性值之间存在正相关。Moran’s I=0的情况未出现，表明全要素具有空间自相关性，但空间自相关较弱。全氮的z得分为负值，表明观测值趋于分散分布;其余要素的z得分均为正值，表明观测值趋于集中分布。

由Moran’s I空间分布图（图2）可看出，各土壤养分元素的空间分布形式各不相同。其中，土壤pH和有机质在四个象限均等分布，未出现高低值集聚分布的情况;全氮和缓效钾的分布情况近似，全氮的大部分采样点分布在第二象限或第四象限，表明空间联系形式为低观测值样点被高观测值样点包围（LH）和高观测值样点被低观测值样点包围（HL），缓效钾的大部分采样点分布在第一象限或第三象限，表明空间联系形式为高值被高值包围（HH）和低值被低值包围（LL）;有效磷和速效钾的分布情况相同，采样点主要集中于坐标中心，表明有效磷和速效钾观测值标准化数据和“滞后”数据差别极小，且大部分采样点分布在第一象限或第三象限，空间联系形式为HH和LL。

2. 3 土壤pH及主要养分元素的空间变异特征

运用ArcGIS的地统计功能，通过简单克里金法对土壤养分元素进行空间插值，并按照湖北省广水市耕地土壤养分级别标准绘制各养分元素含量插值图（图3）。对不服从正态分布的有效磷等元素的属性数据先进行数据变换，然后选择半变异函数进行插值。

由图3可看出，简单克里金插值后，根据土壤养分级别标准，湖北省广水市耕地土壤pH介于5.5～6.5，土壤主要为弱酸性;有机质含量分级为适宜;全氮含量在西北、东北和中南部区含量分级为缺乏，在中部、东南和西南部极缺乏;西北、东北和中部等大部分区域的有效磷含量级别为最适宜，东南部区的级别为适宜;速效钾含量分级为适宜、最适宜、丰富和极丰富，不存在缺乏区域，东南部的速效钾含量低于西北部;缓效钾含量分级为丰富，东北部和中部的含量较高，级别为丰富和极丰富，北部和南部的含量较低，含量分级为适宜和最适宜。

2. 4 影响因素分析

由表3可知，湖北省广水市土壤养分元素的块金系数在24.62%～58.48%，空间变异受随机性因素和结构性因素的影响。影响土壤养分分布情况的随机性因素有耕作制度、施肥、种植作物、管理水平、环境污染、生物多样性和灌溉能力等;影响养分元素空间分布的结构性（自然因素）因素包括母质、地形、土壤类型、地质地貌、土壤质地、气候和生物等。以研究区实际情况为依据，选取灌溉能力等10种因子，分析其对湖北省广水市土壤养分元素空间分布的影响。这些影响因子中大部分是具有随机性的定性因子，为了能定量表示影响因子与养分元素间的关系，对定性数据进行定量化变换。采用隶属度函数法对数据进行定量化处理，再利用SPSS 22.0对原数据进行极大化标准化，计算皮尔逊相关系数，结果如表5所示。

由表5可知，土壤pH与灌溉能力、排水条件、坡向和有效土层厚度呈正相关，与海拔、坡度、地形起伏度、地面粗糙度、土壤容重和生物多样性呈负相关，但相关性均未达显著水平（P>0.05，下同）;土壤有机质含量与生物多样性呈显著正相关（P<0.05，下同），与其余因子的相关性均不显著;全氮与海拔和坡度呈显著负相关;有效磷与所有影响因子的相关性均不显著;速效钾与海拔呈显著负相关，而与有效土层厚度呈极显著正相关（P<0.01）;缓效钾与有效土层厚度呈显著正相关。

使用GeoDa 0.9.5计算土壤养分元素与影响因子的全局双变量Moran’s I，用于分析影响因子和养分元素在全局尺度下的空间关联性，结果（表6）表明，土壤pH与灌溉能力、海拔、土壤容重的空间相关性较大，与灌溉能力正相关，与海拔、土壤容重负相关;有机质与排水条件、海拔、坡度和土壤容重间具有较大的空间相关性，与灌溉能力和坡度间正相关，与海拔和土壤容重负相关;全氮与海拔间的双变量Moran’s I为-0.837，两者具有较强的负空间相关性。此外，全氮与地形起伏度和有效土层厚度间存在较高的空间正相关性;速效钾与有效土层厚度间具有较高的空间正相关性，与其余因素的空间相关性较弱;有效磷和缓效钾与各影响因素的空间相关系数均相对较低。

为比较各影响因子对养分元素空间分异的影响程度，以pH、有机质、全氮、有效磷、速效钾和缓效钾为因变量进行逐步回归分析。通过逐步回归可判定不同影响因子对养分元素空间变异的综合解释能力和相对重要性。表7为各影响因子对6种养分元素间的逐步回归结果，回归指标△R2是回归模型判定系数，该系数是指在其他自变量不变的情况下，只增加某一自变量时，回归方程判定系数的增量。该系数取值越大，说明自变量越重要（赵明松等，2016）。

由表7可知，10个影响因子中有7个对土壤pH的空间变异影响显著（P<0.1），能独立解释土壤pH空间变异的1.7%～7.5%，灌溉能力、土壤容重和海拔对土壤pH的空间分异影响较大，排水条件的影响程度较小;对有机质来说，坡度能解释4.5%的空间变异，其次为灌溉能力和生物多样性，地形起伏度对有机质的空间变异解释量不显著（P>0.1）。海拔等6個影响因子对全氮的影响显著（P<0.1），其中有效土层厚度单独解释5.8%的变异，灌溉能力等6个影响因子的作用不显著（P>0.1）;灌溉能力、海拔和土壤容重对有效磷的空间变异的影响显著，但影响程度较低，在1.5%～2.7%;灌溉能力、排水条件、坡度等因素对速效钾的空间变异影响程度较高，地形起伏度和地面粗糙度对速效钾影响不显著;灌溉能力、有效土层厚度、土壤容重和生物多样性4个影响因子对缓效钾的空间变异影响显著，其中灌溉能力的影响程度最高。综合来看，灌溉能力、海拔、坡向、坡度、有效土层厚度及生物多样性对3个或3个以上养分元素的解释能力较强，可视为主要影响因子。

3 讨论

本研究以湖北省广水市山地和丘陵交错带耕地200个土壤样点的调查和检测数据为基础，运用GIS技术和地统计学方法，研究耕层土壤养分元素空间变异特征并分析其影响因素，结果表明，200个土壤表层样点的pH平均值为6.25，呈微酸性特征，有机质、有效磷、速效钾和缓效钾的平均含量较高，全氮平均含量较低;土壤pH和土壤养分元素呈中等变异特征。

土壤养分元素的地统计分析结果表明，湖北省广水市土壤养分元素的块金系数在25.00%～75.00%，养分元素的空间分布由结构性因素和人为因素共同作用，与杨艳丽等（2008）、赵明松等（2016）的研究结果基本一致，即不管是山地丘陵带或平原区，土壤养分元素的空间变异均受自然因素和人为因素的作用，但影响程度不同。土壤养分元素空间分布类型主要以高值包围高值、低值包围低值为主，低值被高值所包围或高值被低值所包围的空间联系形式的观测点数量较少，养分元素的空间分布格局总体上呈斑块状特点。全局单变量Moran’s I和各影响因子间的全局双变量Moran’s I 均较小，呈空间弱相关特征。说明土壤养分元素分布受到地形、土壤类型等自然因素的影响之外，还受灌溉能力和施肥方式等人为因素的影响，且人为因素的作用越来越强。

本研究结果表明，湖北省广水市土壤pH和主要养分元素中，仅全氮含量缺乏，其中中部、东南和西南部的全氮极缺乏;其余指标的含量分级均为适宜、最适宜、丰富或极丰富。究其原因可能是湖北省广水市耕层土壤全氮含量主要受地形影响，东北和东部为山地，中部和西南等为河谷和平原地带;此外，土壤氮素含量较低还可能与施肥、耕作方式等人为因素有关。因此，在农业生产或耕地施肥时，东南部和西南部的耕地应适当增加氮肥的施用量。各影响因子对土壤养分元素的空间变异性影响较弱且影响程度各异，各养分元素间存在较复杂的关联。灌溉能力对土壤pH、有机质和速效钾的空间变异影响较大，海拔对土壤pH、有机质、全氮和缓效钾的空间变异影响较大，生物多样性对有机质、全氮和速效钾的影响程度较大，与吴崇书和章明奎（2015）提出的不同高程地貌区耕地土壤肥力差异明显的研究结果一致。在农业生产实践中，河谷地带、坡度较大区域应采用提高灌溉能力、秸秆还田等方式增加土壤有机质含量，还要保护生物多样性，从而提高耕地质量，以保证农作物对土壤养分的需求。但本研究中仅从影响强度方面分析土壤养分与影响因子间的关系，而土壤养分与各影响因子间的数量关系和影响机制还需进一步探讨。

4 结论

湖北省广水市山地丘陵交错地带耕地表层土壤养分中除全氮含量较低外，其余养分元素的含量均不缺乏。土壤pH及主要养分元素在空间上存在一定的分布差异，各养分的空间变异受自然因素和人为因素的共同作用。对于山地丘陵交错地带的耕地土壤养分含量而言，灌溉能力、海拔、坡向、坡度、有效土层厚度和生物多样性为主要影响因素。

参考文献：

安永龙，杜子图，黄勇. 2018. 基于地统计学和GIS技术的北京市大兴区礼贤镇土壤养分空间变异性研究[J]. 现代地质，32（6）：1311-1321. [An Y L，Du Z T，Huang Y. 2018. Spatial variation analysis of soil nutrients in Lixian Town of Daxing district in Beijing based on geostatistics and GIS[J]. Geoscience，32（6）：1311-1321.]

陈安宁. 2006. 空间计量学入门与GeoDa软件应用[M]. 杭州：浙江出版社. [Chen A N. 2006. Introduction to spatial metrology and GeoDa software application[M]. Hangzhou：Zhejiang Publishing House.]

高灯州，闵庆文，陈桂香，章文龙，胡伟芳，王维奇. 2016. 联合梯田农业文化遗产稻田土壤养分空间变异特征[J]. 生态学报，36（21）：6951-6959. [Gao D Z，Min Q W，Chen G X，Zhang W L，Hu W F，Wang W Q. 2016. Spatial variability of soil nutrients in the agricultural heritage systems of Lianhe terraced fields[J]. Acta Ecologica Sinica，36（21）：6951-6959.]

高鳳杰，马泉来，韩文文，单培明，周军，张少良，张志民，王宏燕. 2016. 黑土丘陵区小流域土壤有机质空间变异及分布格局[J]. 环境科学，37（5）：1915-1922. [Gao F J，Ma Q L，Han W W，Shan P M，Zhou J，Zhang S L，Zhang Z M，Wang H Y. 2016. Spatial variability and distribution pattern of soil organic matter in a mollisol watershed of China[J]. Environmental Science，37（5）：1915-1922.]

韩逸，郭熙，江叶枫，饶磊，孙凯，余慧敏. 2018. 南方丘陵区耕地质量与景观格局指数相关性分析[J]. 江苏农业学报，34（5）：1057-1065. [Han Y，Guo X，Jiang Y F，Rao L，Sun K，Yu H M. 2018. Correlation analysis between cultivated land quality and landscape pattern index in south hilly areas[J]. Jiangsu Journal of Agricultural Sciences，34（5）：1057-1065.]

黄绍文，金继运，杨俐苹，程明芳. 2003. 县级区域粮田土壤养分空间变异与分区管理技术研究[J]. 土壤学报 ，40（1）：79-88. [Huang S W，Jin J Y，Yang L P，Cheng M F. 2003. Spatial variability and regionalized management of soil nutrients in the grain crop region in Yutian County[J].  Acta Pedologica Sinica，40（1）：79-88.]

贾树海，张琦，孟维军，白静，王会，王慧强. 2009. 基于GIS与地统计学土壤养分空间变异特征研究——以辽宁省凌源市6乡镇为例[J]. 水土保持通报，29（3）：197-201. [Jia S H，Zhang Q，Meng W J，Bai J，Wang H，Wang H Q. 2009. Spatial variability of soil nutrients based on GIS and geostatistics—A case study of 6 townships in Lingyuan City，Liaoning Province[J]. Bulletin of Soil and Water Conservation，29（3）：197-201.]

康蕾，马丽，刘毅. 2017. 中国城镇化与耕地变化时空耦合研究[J]. 地域研究与开发，36（5）：87-92. [Kang L，Ma L，Liu Y. 2017. Analysis on the time-spatial coupling chara-cter of urbanization and cultivated land resource in China[J]. Areal Research and Development，36（5）：87-92.]

李亮亮，依艳丽，凌国鑫，王甦. 2005. 地统计学在土壤空间变异研究中的应用[J]. 土壤通报，36（4）：265-268. [Li L L，Yi Y L，Ling G X，Wang S. 2005. Utilization of geostatistics in soil spatial variability[J]. Chinese Journal of Soil Science，36（4）：265-268.]

李友宏，董莉丽，王芳，张建明. 2006. 宁夏银北灌区灌淤土营养元素空间变异性研究[J]. 干旱地区农业研究，24（6）：68-72. [Li Y H，Dong L L，Wang F，Zhang J M. 2006.  Spatial variability of nutrients in irrigation-silted soil in north Yinchuan，Ningxia[J]. Agricultural Research in the Arid Areas，24（6）：68-72.]

刘晓林，李文峰，杨林楠，徐文博. 2012. 基于ArcGIS地统计分析模块的土壤养分空间变异分析——以云南省建水县为例[J]. 土壤通报，43（6）：1432-1437. [Liu X L，Li W F，Yang L N，Xu W B. 2012. Spatial variability of soil nutrients based on ArcGIS geostatistical analyst a case study in Jianshui County of Yunnan Province[J]. Chinese Journal of Soil Science， 43（6）：1432-1437.]

吕真真，刘广明，杨劲松，张密密. 2014. 环渤海沿海区域土壤养分空间变异及分布格局[J]. 土壤学报，51（5）：944-952. [Lü Z Z，Liu G M，Yang J S，Zhang M M. 2014. Spatial variability and distribution pattern of soil nutrients in Bohai Coastal Area[J]. Acta Pedologica Sinica，51（5）：944-952.]

史原轲，李玲. 2017. 基于GIS 的济源市耕地质量等别更新评价[J]. 河南農业大学学报，51（6）：860-866. [Shi Y K，Li L. 2017. Update evaluation of cultivated land quality based on GIS in Jiyuan City[J]. Journal of Henan Agricultural University，51（6）：860-866.]

史舟，李艳. 2006. 地统计学在土壤学中的应用[M]. 北京：中国农业出版社：84-89. [Shi Z，Li Y. 2006. Application of geostatistics in soil science[M]. Beijing： China Agriculture Press：84-89.]

汤洁，林晓晟，侯克怡，李忠和. 2014. 基于地统计学和GIS的辽河上游区域土壤养分空间分异研究[J]. 东北师大学报（自然科学版），46（4）：139-146. [Tang J，Lin X S，Hou K Y，Li Z H. 2014. Study on spatial variation and distrubution characteristics of soil nutrient in Liao River basin based on geostatistical methods and GIS[J]. Journal of Northeast Normal University（Natural Science Edition），46（4）：139-146.]

王国梁，刘国彬，许明祥. 2002. 黄土丘陵区纸坊沟流域植被恢复的土壤养分效应[J]. 水土保持通报，22（1）：1-5. [Wang G L，Liu G B，Xu M X. 2002. Effect of vegetation restoration on soil nutrient changes in Zhifanggou Watershed of Loess Hilly Region[J]. Bulletin of Soil and Water Conservation，22（1）：1-5.]

王晓瑞，林晨，刘向南，周华，龚和强，陈祎. 2018. 西南喀斯特山区耕地质量现状与驱动因素分析——以贵州省为例[J]. 江西农业学报， 30（11）：94-100. [Wang X R，Lin C，Liu X N，Zhou H，Gong H Q，Chen Y. 2018. Analysis of current situation and driving factors of cultivated land quality in southwestern karst mountain area：Taking Guizhou as an example[J]. Acta Agriculturae Jiangxi，30（11）：94-100.]

王政权. 1999. 地统计学及在生态学中的应用[M]. 北京：科学出版社：158-165. [Wang Z Q. 1999. Geostatistics and its application in ecology[M]. Beijing：Science Press：158-165.]

吴崇书，章明奎. 2015. 长期不同施肥对茶园土壤碳氮磷构成的影响[J]. 土壤通报，46（3）：578-583. [Wu C S，Zhang M K. 2015. Effects of long-term different fertilization on carbon，nitrogen and phosphorus pools in tea garden soils[J]. Chinese Journal of Soil Science， 46（3）：578-583.]

徐建华. 2010. 地理建模方法[M]. 北京：科学出版社：258-267. [Xu J H. 2010. Geographical modeling method[M]. Beijing：Science Press：258-267.]

杨艳丽，史学正，于东升，王洪杰，徐茂，王果. 2008. 区域尺度土壤养分空间变异及其影响因素研究[J]. 地理科学，28（6）：788-792. [Yang Y L，Shi X Z，Yu D S，Wang H J，Xu M，Wang G. 2008. Spatial heterogeneity of soil nutrients and their affecting factors at regional scale[J]. Scientia Geographica Sinica，28（6）：788-792.]

杨之江，陈效民，景峰，郭碧林，林高哲. 2018. 基于GIS和地统计学的稻田土壤养分与重金属空间变异[J]. 应用生态学报，29（6）：1893-1901. [Yang Z J，Chen X M，Jing F，Guo B L，Lin G Z. 2018. Spatial variability of nutrients and heavy metals in paddy field soils based on GIS and geostatistics[J]. Chinese Journal of Applied Ecology，29（6）：1893-1901.]

杨子清，陈平留，刘健，余坤勇，廖晓丽，游浩辰，缪绿琳. 2012. 基于Kriging法的森林土壤养分空间插值[J]. 福建农林大学学报（自然科学版），41（3）：296-300. [Yang Z Q，Chen P L，Liu J，Yu K Y，Liao S L，You H C，Miao L L. 2012. Spatial interpolation of forest soil nutrients based on Kriging method[J]. Journal of Fujian Agriculture and Forestry University（Natural Science Edition），41（3）：296-300.]

于雷，魏东，王惠霞，黄群，彭妍，徐鸳媛. 2016. 江汉平原县域尺度土壤有机质空间变异特征与合理采样数研究[J]. 自然资源学报，31（5）：855-863. [Yu L，Wei D，Wang H X，Huang Q，Peng Y，Xu Y Y. 2016. Spatial variability of soil organic matter and appropriate number of samples on county scale in Jianghan Plain[J]. Journal of Natural Resources，31（5）：855-863.]

张婵婵，张瑞芳，张建恒，张爱军，王红，周大迈. 2013.  高阳县农田土壤速效养分空间变异特征研究[J]. 中国生态农业学报，21（6）：758-764. [Zhang C C，Zhang R F，Zhang J H，Zhang A J，Wang H，Zhou D M. 2013.  Spatial variability of available nutrients contents in cropland soils in Gaoyang County of Hebei Province，China[J]. Chinese Journal of Eco-Agriculture，21（6）：758-764.]

张敏，贺鹏飞，陈伟强. 2010. 基于GIS和地统计学的土壤养分空间变异分析[J]. 东北农业大学学报，41（3）：53-58. [Zhang M，He P F，Chen W Q. 2010. Spatio-temporal variability analysis of soil nutrients based on GIS and geostatistics[J]. Journal of Northeast Agricultural University， 41（3）：53-58.]

張志坚，刘苑秋，吴春生，李晓东，刘亮英，李应文. 2018.  基于地统计学和GIS的江西省森林土壤养分空间分布特征[J]. 水土保持研究，25（1）：38-46. [Zhang Z J，Liu Y Q，Wu C S，Li X D，Liu L Y，Li Y W. 2018. Spatial distribution characteristics of forest soil nutients in Jiangxi Pro-vince based on geostatistics and GIS[J]. Research of Soil and Water Conservation，25（1）：38-46.]

赵明松，李德成，张甘霖，张兆冬，王莉莉. 2016. 江淮丘陵地区土壤养分空间变异特征——以安徽省定远县为例[J]. 土壤，48（4）：762-768. [Zhao M S，Li D C，Zhang G L，Zhang Z D，Wang L L. 2016. Spatial variability characteri-stics of soil nutrients in Jianghuai hilly region—A case study of Dingyuan County，Anhui Province[J]. Soils，48（4）：762-768.]

赵月玲，陈桂芬，王越. 2005. 基于GIS的土壤养分空间变异状况研究[J]. 西北农业学报，14（6）：195-198. [Zhao Y L，Chen G F，Wang Y. 2005. A study on spatial variability of soil nutrients based on GIS[J]. Acta Agriculturae Boreali-Occidentalis Sinica，14（6）：195-198.]

郑梓萱，曾辰. 2017. 纳木错典型小流域土壤有机碳含量空间分布[J]. 南方农业学报，48（12）：2152-2156. [Zheng Z X，Zeng C. 2017. Regional evaluation and promotion of agricultural informatization level in China[J]. Journal of Southern Agriculture，48（12）：2152-2156.]

朱红波，张安录. 2006. 我国耕地资源数量安全的时空差异分析[J]. 中国人口·资源与环境，16（6）：113-117. [Zhu H B，Zhang A L. 2006. Analysis on the differences of cultivated land resource quantity security on time and space in China[J]. China Population Resources and Environment，16（6）：113-117.]

（責任编辑 王 晖）