湟水流域土壤有机质和速效磷空间布局分析

刘尊方, 雷浩川, 雷蕾

(青海大学地质工程系， 西宁 810016)

土壤养分是生态系统对全球变化反应的一个关键的调节因素，养分供应在调节生态系统结构和功能方面的关键作用已得到广泛承认[1]。土壤有机质(soil organic matter, SOM)和速效磷(available phosphorus, AP)含量是衡量土壤肥力质量的一个重要指标[2]，虽然两者含量在土壤成分中占比很低，但对于植被的生长起着至关重要的作用。分析土壤养分空间分布的影响因子具有重要的理论和现实意义[3]。近年来，对于区域性的土壤养分空间分布及影响因子分析受到很大的重视。Goswami等[4]研究了土地利用方式对土壤速效养分的影响；胡贵贵等[5]研究表明土地利用方式、土壤类型、年均气温是造成SOM空间变异主要三因子；张旭梦等[6]以SOM为研究对象，研究与pH、海拔、地面和地下水位之间的相关性；陈文举等[7]研究不同土壤类型和pH对土壤速效磷的影响；王昭等[8]研究林地开垦对黄土区SOM和AP空间分布的影响；蔡雄飞等[9]基于地理信息系统(geographic information system, GIS)技术，采用反距离权重法对土壤养分空间分布进行分析。综上所述，高效、精确地获得研究区的土壤养分含量分布图，并分析其背后的驱动力因子对于现代农业发展、精准农业的实施提供有利的基础。

目前，土壤养分空间分布影响因子的研究中，多数研究针对单一因子对土壤养分空间分布的影响，如地形因子[10]、海拔[11]等，但是并未考虑到多因子交互作用对土壤养分的空间分布的影响。通过单因子研究土壤有机质和速效磷的空间分布还存在一定的不足，由于土壤有机质和速效磷含量的分布受到众多自然和人为因素的影响，针对单一因素分析空间分布存在缺陷和不足，本文研究借助地理探测器考虑多因子相互作用对土壤有机质和速效磷的空间分布影响。

1 材料与方法

1.1 研究区概况

湟水流域是青藏高原和黄土高原的过渡带，湟水流域位于青海省东北部，湟水是中国黄河上游重要支流，也是黄河水主要的来源之一，地理坐标为35°56′N～37°38′N,100°35′E～103°05′E，海拔1 605～4 874 m,始发位置为海晏县，流经湟源县、湟中县、互助县、大通县、平安县、乐都县、民和县和西宁市9个县市。

湟水流域属于温带大陆性气候，夏季平均温度处于20 ℃左右，流域平均海拔在3 500 m，其总面积大约1.62×104km2；年均降雨量大约为500 mm，其中7—9月比较多，约有60%。研究区主要的土壤类型有栗钙土、黑钙土、黑毡土和灰钙土，占流域总面积的88%，流域内主要种植大豆、马铃薯、油菜、小麦和青稞等经济作物。

1.2 土壤样品采集

本文充分考虑到研究区采样的难易程度以及交通便利情况，于2021年4月在研究区内采集了110个土壤样本数据，并用(global positioning system,GPS)全球定位系统接收机记录采样点的经纬度，在GPS记录点5 m半径范围内，采集5个土壤耕层(0～20 cm)样品，最终用于测定有机质和速效磷含量的土壤样品由5个样品混合而成，采样点分布如图1所示。

图1 研究区地理位置及采样点空间分布Fig.1 Study area geographic location and spatial distribution of sampling point

1.3 数据处理与分析

根据第二次土壤普查中有机质和速效磷含量的分级标准，将研究区的有机质和速效磷含量分为 Ⅰ～Ⅵ 共6级，有机质含量分别为<6、6～10、10～20、20～30、30～40和>40 g/kg，速效磷为<3、3～5、5～10、10～20、20～40和>40 mg/kg。

表1为研究区有机质和速效磷含量描述性统计分析概况。本文研究共采集了110个土壤样本，SOM含量介于4.31～59.79 g/kg，速效磷含量介于1.22～151.65 mg/kg，有机质和速效磷含量的平均值为28.26 g/kg和54.30 mg/kg，研究区的土壤有机质处于中等水平，而速效磷含量处于很丰富的状态；SOM和AP的变异系数为39.54%和58.47%，属于中等变异程度[17]，反映出含量的离散程度，由变异系数可知研究区SOM和AP受到了人为因素的干扰；Kolmogorov-Smirnov(K-S)正态分布检验表明[有机质含量D=0.06，p=0.2(>0.05)，速效磷含量D=0.08，p=0.15(>0.05)]，均未呈现显著性，表明研究数据符合正态分布，即满足地统计分析的前提条件；通过偏度来看，SOM(0.53)和AP(0.36)分布形态与正态分布相比为显著右偏；由峰度可知有机质为正值(0.28)，速效磷为负值(-0.32)，总体数据分布相比于正态分布较为平缓。

1.4 其他数据

研究所用数字高程数据(digital elevation model, DEM)来自地理空间数据云平台(https://www.gscloud.cn/),分辨率为30 m；基于ArcGIS10.7平台提取出研究区高程、坡度、坡向以及归一化植被指数(normalized difference vegetation index, NDVI)；土地利用数据提取自青海省2020年土地利用图；土壤类型数据来自于中国科学院自然环境与数据中心(https://www.resdc.cn/)；气候数据来源于国家地球系统科学数据中心(http://www.geodata.cn)，整个研究区的数据处理基于ArcGIS10.7平台。首先对青海省各个站点的气象数据通过普通克里金插值得到全省范围的连续气象数据，然后提取出每个采样点的气温和降水量数据；研究区连续的土壤pH也是基于ArcGIS软件插值而得，并按自然间断点分级法将土壤pH分为6级。

第二，语言文字工作模式研究，有利于处理好规范化成果的纵向、横向应用问题。纵向是语言本体的应用，比如对内、对外汉语教学中的应用；横向是其他领域的应用，主要包括生活性服务、生产性服务领域的应用。有利于科学认识语言文字工作在国家整体发展中的定位。

1.5 研究方法

1.5.1 地统计学分析

地统计学建立在概率统计的基础上，是把区域性变量理论作为研究的理论基础，半变异函数作为地统计学的主要工具，研究区域化变量之间的联系，通常研究分布于空间中具有一定随机性、结构性和空间变异性的自然现象的学科。本文研究将利用半变异函数对两种土壤养分的空间分布和相关程度进行研究，最终以半变异函数为基础，结合克里金插值对SOM和AP含量的空间分布特征进行研究。

1.5.2 地理探测器

地理探测器是研究地理空间中某一现象的空间不一以及揭示其背后驱动力，即是一种研究空间分异性的统计学方法。地理探测器模型假设：如果自变量X对因变量Y产生了影响，即自变量和因变量之间存在关联，那么它们在空间分布上就会有相似性[5]。地理探测器包括了风险探测、因子探测、生态探测和交互作用探测4个探测器，本文研究选取的因子探测器用于探测SOM和AP的空间分异性，以及因子对于该空间分异的解释程度[18]，如图2所示。用q值衡量，其取值范围在0～1，当q越大，表明自变量对因变量的解释程度越强，反之，当q越小，表明自变量对因变量的解释程度越弱，依据q可以解释研究区SOM和AP含量空间分异的主导因子。计算公式为

(1)

(2)

SST=Nσ2

(3)

交互作用探测是识别不同的影响因子(X1和X2)同时作用时对因变量的解释程度，即分析因子间相互作用时是否增强或者减弱了对因变量的解释力，交互作用的类型可分如下几类，如表2所示。

表1 研究区土壤有机质描述性统计分析

图2 地理探测器原理Fig.2 The principle of geographical detector

表2 交互作用结果类型

2 结果与分析

2.1 有机质与速效磷含量地统计学分析

土壤养分在空间分布上具有空间自相关性[19]，土壤养分的空间变异特征和相关性可以基于地统计学中的半方差函数来拟合。故本文基于GS+软件对于土壤有机质和速效磷含量进行拟合(表3)，两种养分的最佳拟合模型的决定系数(coefficient of determination,R2)均大于0.7，符合地统计学的要求。块金系数是反映土壤养分空间变异分析的重要参数，其值<0.25时说明区域性变量具有显著的空间自相关性，导致变量空间变异的主要因素是结构性因子(地形、气候等自然因素)；0.25～0.75说明具有中等空间自相关性，随机性和结构性因子共同影响变量的空间变异；>0.75说明变量的空间自相关性弱，主要有随机性因子影响变量的空间变异[20]，变量在空间中分布的随机性较大，不适合用空间插值方法。本研究中有机质和速效磷的块金系数为0.35和0.31，均在0.25～0.75的范围内，故研究区的土壤有机质和速效磷的空间变异是由随机因素和结构性因素共同导致的。

表3 土壤有机质和速效磷半方差函数模型及参数

2.2 土壤有机质与速效磷空间分布

运用GS+软件对于土壤有机质和速效磷含量进行半方差函数计算和理论模型拟合，以最优拟合模型结合ArcGIS10.7软件对研究区的有机质和速效磷含量进行克里金插值，并制作有机质和速效磷含量的空间分布图，如图3所示。插值得到有机质含量的范围为17.81～40.32 g/kg，从图3中可以看出土壤有机质含量在空间上呈现西北高，东南低的趋势，而且研究区中部含量相对较低；速效磷含量介于29.63～85.93 mg/kg，总体呈现中部高于两端的趋势。

图3 土壤有机质和速效磷含量空间分布Fig.3 Spatial distribution of SOM and AP content

基于ArcGIS平台制作研究区土壤有机质和速效磷的空间分布趋势图，如图4所示。从图4中可以看出，有机质在研究区东西方向上呈现西高东低的趋势，变化幅度较小，南北方向呈现中部低两端高的趋势，且北部高于南部；研究区速效磷的分布趋势为东西方向较为平缓，中部略高，南北低中部高。

图4 研究区土壤有机质和速效磷空间分布趋势图Fig.4 Spatial distribution trend of SOM and AP in the study area

2.3 地理探测器影响因子分析

运用地理探测器的因子探测器和交互作用探测器，对导致研究区土壤有机质和速效磷含量空间分异的9种影响因子进行定量分析。

2.3.1 因子探测

利用因子探测器分析高程、坡向、坡度、NDVI、土壤pH、土壤类型、气温、降水量和土地利用类型9种因子对土壤有机质含量的影响，从分析结果中可以得出(如表4所示)：9种因子对研究区的土壤有机质的影响力在2.3%～23.5%，不同因子对有机质和速效磷含量空间分布的影响存在差异性，其中高程、气温、土壤类型对SOM的解释力最高，分别为23.5%、20.2%和16.7%；植被信息NDVI也对SOM有一定的解释力，解释程度仅次于土壤类型；坡向和土地利用类型的影响力最低，解释力分别为2.3%和4.6%。9种因子对研究区速效磷的影响力在 0.4%～9.4%，对速效磷含量具有高解释力的因子有土壤pH和高程，其q为9.4%和7.7%；土壤类型和气温的影响力较弱，坡向、坡度和土壤利用类型对其的影响力则更低，q在0.4%～1.2%。综上所述，因子探测分析结果可知，高程和气温因子是影响SOM空间分布的主导因子，而影响速效磷空间分布的主导因子是土壤pH和高程，可以看出高程对土壤有机质和速效磷的空间分布都有着明显的影响。

表4 土壤有机质和速效磷因子探测结果

2.3.2 交互作用探测

往往导致区域性变量空间分异的不是单一因子，通常情况下由多个因子共同决定，故采用交互作用探测器可以分析两个因子共同作用时对土壤有机质和速效磷含量空间分布的影响，其分析结果如表5所示。从表5中可以看出当两个因子同时作用时对两种养分的解释力有所提高，表明因子共同作用时可以提高对影响程度的解释力。对有机质而言，当单个因子作用时对其空间分异的解释程度并不高，而NDVI∩降水量对SOM的解释力为44.4%，坡度∩土壤类型对SOM的解释力为41.4%。NDVI经过交互作用后其解释力有显著提高，主要原因在于NDVI反映出植被的茂密程度，其植被的生长离不开土壤的养分供应和降水；坡向在交互作用之后解释程度也是提高，如坡向∩气温(34.1%)，主要原因是坡向的不同导致了光照条件的不同，加之气温的变化，进而影响有机质的含量。速效磷含量的影响因子交互作用中，高程∩NDVI、NDVI ∩ pH 和NDVI∩土壤类型的q较大，而地形因子中坡向∩坡度对其的解释较低。因子间交互作用的类型表现为非线性增强或者双因子增强，因子相互作用没有出现解释力减弱的现象。上述分析结果表明，两种土壤养分的空间分布特征主要受到高程、气温和植被因子的影响，值得注意的是坡度和坡向两个因子单独作用时对两种土壤养分空间分布的影响较小，而当结合其他因子时则表现为双线性增强的交互作用类型，如坡向∩NDVI和坡度∩土壤类型，通过对植被的生长发育产生影响进而造成养分的空间分布差异。

3 讨论

3.1 地形因子对SOM和速效磷含量空间分布的影响

地形因子作为主要的环境影响因素，对两种土壤养分的空间分布具有主导作用，DEM对土壤养分空间变异具有显著影响[21](P<0.05)。在高程、坡向、坡度3个地形因子中，对SOM空间分布解释程度依次为高程>坡度>坡向，从交互作用因子分析中可以看出，当高程和另外两个地形因子交互作用时提高了其解释力，特别是高程∩坡度(35.6%)，相比于坡度单独作用时的解释力高，其主要原因是随着高程的增加，加之坡度的增加导致滑坡和地表径流侵蚀增加，对于植被的生长造成了一定的影响，故对SOM和AP的含量产生影响。地形因子的变化相对较小，故SOM和AP含量随着地形因子而大幅度变化的几率较小。对有机质、速效磷与地形因子作Pearson相关性分析(表6)，研究区高程、NDVI与SOM空间分布呈现极显著正相关，与吴正祥等[22]的研究结果相同；NDVI、高程与速效磷空间分布呈显著负相关，气温和AP含量空间分布呈现显著正相关；地形的不同引起植被生长的差异，加之坡向和坡度两个影响太阳光照和水热条件的因子，致使土壤微生物的活动以及土壤酶的活性，导致土壤养分的差异。

表5 影响因子交互作用对土壤有机质和速效磷的解释力

表6 土壤有机质、速效磷与环境变量之间的相关性分析

3.2 气候因子对SOM和速效磷含量空间分布的影响

对SOM和AP与气候因子作相关性分析，如表6所示，结果表明，SOM和气温因子呈现极显著负相关，这与Li等[23]的研究结果相同，而且气候因素对与土壤养分空间分布的贡献率要比土壤性质低，SOM含量与降水量呈现正相关关系，即降水量增加SOM含量也随之增加[24]；由于温度的升高，土壤中酶活性增强，加快动植物残体的分解速度[25]，导致了SOM含量的增加。AP含量随着高程和降水量的增加而随之减少，由于海拔的增加导致气温降低，植被在低温胁迫环境下需要酶参与其生长的生理生化条件[19]，这样会使得植被对于磷素的需求增大，加速对土壤中磷元素的吸收，进而导致土壤中磷含量的降低。

3.3 土地利用对SOM和速效磷含量空间分布的影响

不同的土地利用方式和管理方法对土壤性质有着重要的影响[26]，了解土地利用变化对土壤养分空间分布的影响至关重要。土地利用均属于类型量，可以通过地理探测器对SOM和AP空间分布的影响因子进行分析，土壤类型和土地利用交互时，对SOM含量空间分布的影响程度较高，其值为32.3%。土地利用类型是影响土壤养分含量最主要的人为因素，对耕地土壤养分含量的影响较大，而在林地及海拔较高的草地中人为干扰较少，植被较为丰富，其养分含量相对其他地区较丰富。随着现代化农业水平的不断加快，施肥量和灌溉也在随之增加，这对于土壤养分含量的空间分布有着很重要的影响。土地利用对于地区的土壤养分含量有着非常重要的决定作用，其通过影响土壤流失率，进而影响不同地方土壤的沉积和流失，导致土壤养分含量存在差异[27]。不同的土地利用类型、同一土地类型的不同地块[28]、不同的灌溉方式[29]和轮作方式[30-31]等都会对土壤养分空间分布造成影响。养分空间分布异质性的解释需考虑多因子协同的影响，才能有效反映养分的变化。

4 结论

(1)湟水流域SOM和AP的描述性统计分析结果显示，SOM和AP含量分别介于4.31～ 59.79 g/kg和1.22～151.65 mg/kg，SOM含量平均值为28.26 g/kg，处于中等水平，AP含量平均值为54.30 mg/kg，处于很丰富的状态；SOM和AP的变异系数为39.54%和58.47%，属于中等变异程度。SOM和AP最优的半方差拟合函数模型为指数模型和高斯模型，块金系数分别为0.35和0.31，属中等程度的空间自相关，其空间变异是由随机因素和结构因素共同导致的。克里金插值结果显示SOM含量在空间上呈现西北高，东南低的趋势，由北向南逐渐降低；AP含量呈现中部高于两端的趋势。

(2) 因子探测器结果表明，两种土壤养分的分布受到众多因素的影响，不同因子对其含量的影响有所不同，高程、气温和土壤类型这3种因子是对SOM含量的解释程度位于前三，而对于AP的解释程度最高的3种因子分别是土壤pH、高程和土壤类型。高程因子对SOM和AP的空间分布都有影响，是决定湟水流域土壤有机质的主导因子，而影响AP空间分布的主导因子是土壤pH。

(3) 交互作用探测结果表明，本文选取的研究区9种影响因子两两相互作用时，均呈现双线性增强或者双因子增强，两种因子相互作用的影响程度大于单因子作用时的影响程度，交互作用会显著提高对湟水流域两种土壤养分的解释程度，表明SOM和AP含量空间分布特征是多种因子共同决定。NDVI∩降水量(44.4%)对SOM的解释力最大，其次是坡度∩土壤类型(41.4%)和NDVI∩土壤类型。AP含量的影响因子交互作用中，NDVI∩土壤类型(39.3%)q最大，其次是NDVI ∩ 土壤pH(31.9%)和高程∩NDVI(31.6%)，NDVI反应出湟水流域的植被信息，而植被的生长离不开降水和土壤的类型，所以对土壤养分的含量有较大的影响。本文研究运用地统计学和克里金插值得到了湟水流域空间范围两种土壤养分的含量分布，并结合了研究区9种影响因子对SOM和AP含量进行分析，为湟水流域的数字农业管理和精准施肥提供了有利基础，并为湟水流域耕地土壤改良和质量的提升提供了理论的基础。