农田黑土有机质和速效氮磷不同尺度空间异质性分析
华北地区典型农田土壤有机质和养分的空间异质性
华北地区典型农田土壤有机质和养分的空间异质性郑昊楠;王秀君;万忠梅;卢同平;石慧瑾;李娟茹【摘要】华北平原是我国重要的粮食生产基地,研究华北平原土壤有机质及养分的丰缺状况对于区域农业生态系统的可持续性发展具有重要意义.本研究选取华北平原典型农田,通过设置北线、中线、南线3条研究线路,在省域尺度上研究土壤有机质和养分的空间异质性及其平衡状况.结果表明,研究区域内土壤有机质、全氮、碱解氮、有效磷、速效钾平均含量分别为14.0±3.5 g/kg、0.98±0.28 g/kg、76.6±21.6 mg/kg、18.6±9.9 mg/kg,136.1±42.7 mg/kg,除全氮和有效磷外,有机质及其余养分在不同线路间无显著差异.有效磷在靠近黄河、土壤pH值较高的南线上显著偏低.土壤有机质及养分均为中等程度变异,有效磷的变异系数(47.8％)显著高于有机质及其余土壤养分(24.3％～31.6％).土壤碳氮比介于4.2～14.3间,平均为8.6,低于全国平均水平.土壤有机质和各养分均较1980年有所增加,主要原因可能是华北平原长期以来投入了大量的有机、无机肥.华北平原农田配方施肥应该考虑增施有机肥、减少氮素化肥的投入.【期刊名称】《中国土壤与肥料》【年(卷),期】2019(000)001【总页数】7页(P55-61)【关键词】土壤有机质;土壤养分;土壤C/N;养分平衡;空间异质性【作者】郑昊楠;王秀君;万忠梅;卢同平;石慧瑾;李娟茹【作者单位】北京师范大学全球变化与地球系统科学研究院,北京 100875;北京师范大学全球变化与地球系统科学研究院,北京 100875;吉林大学地球科学学院, 吉林长春 130061;北京师范大学全球变化与地球系统科学研究院,北京 100875;北京师范大学全球变化与地球系统科学研究院,北京 100875;石家庄市农业技术推广中心,河北石家庄 050051【正文语种】中文粮食安全是关系国计民生的重大问题，而粮食产出的数量和质量则较大程度上决定于土壤的肥力水平尤其是养分状况。
绿洲农田土壤养分时空变异及精确分区管理研究
绿洲农田土壤养分时空变异及精确分区管理研究摘要：土壤养分是农田健康生产的重要因素之一，其时空变异性对于精确农田管理和高效施肥具有重要意义。
本文通过对绿洲农田土壤养分的时空变异进行研究，旨在为实施精确分区管理提供依据。
一、引言绿洲地区的农业生产受限于干旱和水资源稀缺的条件，合理管理土壤养分是提高农田生产力的关键。
而农田土壤养分的时空变异性对高效施肥和农田管理至关重要。
二、研究内容1.农田土壤养分的时空变异土壤养分的变异性由多种因素决定，包括土壤类型、气候条件、农田管理措施等。
通过采集不同时间和空间的土壤样品，分析其中的养分含量，可以得出土壤养分时空分布的特点和变异规律。
研究表明，绿洲农田土壤养分的时空变异性较大，主要有以下几方面特点：（1）时变性：不同季节和年份农田土壤养分含量会发生变化，主要受到降水、温度等气候因素的影响。
（2）空变性：不同地点农田土壤养分含量存在差异，主要受到土壤类型、地形和水分状况等因素的影响。
2.精确分区管理理念精确分区管理是指根据农田土壤的空间变异性，将农田分成不同的管理单元，并根据每个管理单元的特点进行精确施肥和农田管理。
通过合理调整施肥的方式和量，可以提高农田的施肥效果，减少农田养分的浪费，并降低对环境的影响。
精确分区管理是实现可持续农田发展的重要途径。
三、方法和结果1.样地选取和采样选取不同农田样地进行采样，保证样本的代表性。
根据采样地点的不同，将农田分为不同的空间单元。
2.养分分析采集土壤样品后，进行养分分析，包括有机质、氮、磷、钾等养分的含量测定。
3.数据处理与分析利用地理信息系统（GIS）和统计学方法，对采样数据进行处理和分析，得出农田土壤养分的时空变异图和精确分区图。
四、讨论通过对绿洲农田土壤养分的时空变异进行研究，可以为精确施肥和农田管理提供科学依据。
根据土壤养分的时变性和空变性，合理调整施肥措施和量，可以提高施肥效果，减少养分的浪费，实现农田的高效利用。
不同土地利用条件下土壤质量综合评价方法
指标
有机质
质量分数/ (g·kg-1)
有效磷质
量分数/ (mg·kg-1)
速效钾质
量分数/ (mg·kg-1)
碱解氮质
量分数/ (mg·kg-1)
全氮
质量分数/ (g·kg-1)
X1
5
X2
20
7.5
35
60
125
10
0.325
90
1
根据各指标的权重和隶属度计算不同土地利用方式
下土壤肥力质量指数
∑ IFI = Wi × Ii
度模型评价土壤肥力，肥力高低顺序为：湿地＞菜地＞粮田＞林地＞果园＞荒地＞草地；采用内梅罗污染指数评价了重
金属污染状况，污染程度高低顺序为：湿地＞菜地＞荒地＞果园＞林地＞粮田＞草地；采用 SQI 指数评价土壤综合质量，
其综合质量的高低顺序为：湿地＞粮田＞菜地＞果园＞林地＞荒地＞草地。此外还对评价模型的适用范围、评价结果的
划分等一系列关键问题进行了探讨，得出：SQI 指数评价方法的应用及结果的划分涵盖了不同的土地利用方式的农用地，
体现了各种土壤属性的差异和变异特性，评价结果可实现土壤综合质量定性和定量化，能够反映土壤的关键信息，符合
农业生产需要。
关键词：重金属，土壤测试，环境保护，土壤质量指数（SQI），评价方法，肥力
(mg·kg-1)
(mg·kg-1)
(mg·kg-1)
(mg·kg-1)
(mg·kg-1)
0.216 0.069
70.02
45.47
23.87
内梅罗污染指数为：1.054，轻度污染
53.89
6.18
11.65
内梅罗污染指数为：0.498，清洁
区域土壤养分空间变异研究——以新疆生产建设兵团农一师16团为例
区域 土 壤 养分 空 间变 异 研 究
以新 疆 生 产建 设 兵 团农 一 师 １ ６团 为例
刘 阳 ，盛 建 东 ， 平 安 蒋
（ 新疆 农 业 大 学 资 源 环 境 学 院 ， 鲁 木 齐 乌 ８０５） ３ ０ ２
摘
要 ： 应 用 地 统 计 学 方 法 ， 合 ＧＩ 术 对 新 疆 生 产 建 设 兵 团 农 一 师 １ 结 Ｓ技 ６团 土 壤 表 层 （ ～ ２ ｍ） 机 质 、 效 ０ ０ｃ 有 速
维普资讯
新 疆 农 业 大 学 学 报
Байду номын сангаас
２０ ，９ ２ ： ５ ０ ０ ６２ （ ） ６ ￣７
Ｊ ｕ ｎ ｌ ｆ Ｘｉｊａ ｇＡ ｒｃ ｌ ｒ ｌ ｎｖｒｉ ｏ ｒ ａ ｎ ｉｎ ｇ ｉｕｔ ａ ｉｅｓｔ ｏ ｕ Ｕ ｙ
文 章 编 号 ：１ ０ — ６ ４ ２ ０ ） ２０ ６ — ６ ０ ７８ １ （ ０ ６ ０ — ０ ５０
Ｔａ ｉ ｇ Ｒｅ ｉ ｅ ａ ｒ １ Ａ ｇ ｉｕ ｔ ｒ ｌＤｉ ｉｉ ｋ ｎ ｇ ｍ ｎｔ ｌＦａ ｍ ６， ｒｃ ｌｕ ａ ｖ ｓｏｎ １，
Ｘｉｊ ｎ ｒｄ ｃｉｎ ａ ｄＣｏ ｓｒ ｃｉｎＣ ｒ ｓｆｒＥｘ ｍｐｅ ｎｉ ｇＰ ｏ ｕ ｔ ｎ ｎ ｔｕ ｔ ｏ ｐ ｏ ａ ｌ ａ ｏ ｏ
ＬＩ Ｙａ ｇ，Ｓ Ｕ ｎ ＨＥＮＧ ｉｎ ｄ ｎ Ｊ ＡＮＧ ｎ — ｎ Ｊａ — ｏ ｇ， Ｉ Ｐｉｇ ａ
（ ｌ ｇ ｆ Ｒｅ ｏ ｒｅ ｎ Ｅｎ ｉｏ ｍｅ ｔ ｃｅ ｃ ｓ Ｃｏ ｌ ｅ ｏ ｓ ｕ ｃ ｓ ａ ｄ ｅ ｖｒ ｎ ｎ Ｓ ｉｎ ｅ ，Ｘｉｊａ ｇ Ａｇ ｉｕ ｔ ｒ ｌＵｎｖ ｒｉｙ，Ｕｒ ｍｑ ， ｎｉｎ ｒｃ ｌｕ ａ ｉｅ ｓｔ ｕ ｉ
宿州市耕地土壤养分时空变化特征分析
Temporal and spatial characteristics of soil nutrients in cultivated land in Suzhou CityDING Qixun 1,ZHAN Xuejie 1,ZHANG Tian′en 1,XU Nuo 2,MA Xiuting 3,ZHANG Changkun 3,MA Youhua 1*（1.Key Laboratory of Farmland Ecological Conservation and Pollution Control of Anhui Province,College of Resources and Environment,Anhui Agricultural University,Hefei 230036,China;2.Suzhou Agriculture and Rural Affairs Bureau,Suzhou 234000,China;3.Anhui Huacheng Seed Co.,Ltd.,Suzhou 234000,China ）Abstract ：Analyzing the temporal and spatial evolution of soil nutrients is a prerequisite for implementing precision agriculture and sustainable soil management.The spatial and temporal variation characteristics of soil organic matter,total N,available P,and available K in arable soil in Suzhou City in 2010and 2019were analyzed by inverse distance weighted spatial interpolation analysis method.The results showed that the soil nutrients of arable soil in Suzhou increased slightly in 2019compared with 2010.The soil organic matter of arable soil was relatively scarce in Dangshan County,Xiaoxian County,and Sixian County,and abundant in the middle towns of YongqiaoDistrict,with an average value of 17.95g·kg -1,an increase of 6.15%.The area with intermediate soil organic matter content accounted for76.00%of the total cultivated land area;the soil total N content was the same,with an average value of 1.06g·kg -1.The area with medium宿州市耕地土壤养分时空变化特征分析丁琪洵1，詹雪洁1，张天恩1，许诺2，马秀婷3，张长坤3，马友华1*（1.农田生态保育与污染防控安徽省重点实验室，安徽农业大学资源与环境学院，合肥230036；2.宿州市农业农村局，安徽宿州234000；3.安徽华成种业股份有限公司，安徽宿州234000）收稿日期：2021-11-26录用日期：2022-03-02作者简介：丁琪洵（1997—），女，江苏泰州人，硕士研究生，主要从事耕地质量评价与提升研究。
江淮丘陵地区土壤养分空间变异特征①--以安徽省定远县为例
江淮丘陵地区土壤养分空间变异特征①--以安徽省定远县为例赵明松;李德成;张甘霖;张兆冬;王莉莉【摘要】以安徽省江淮丘陵地区的定远县为例，利用测土配方施肥获取的1401个农田表层样点数据，运用地统计学方法和GIS技术研究了土壤有机质(SOM)、全氮(TN)、速效磷(AP)和速效钾(AK)含量的空间变异特征及其影响因素。
结果表明，定远县SOM含量为17.74 g/kg，TN含量为1.04 g/kg，AP含量为13.45 mg/kg，AK含量为115.00 mg/kg，属中等水平。
变异系数介于28.85%~73.38%，属中等变异强度。
地统计分析表明，定远县土壤养分的变异函数符合指数模型，具有中等强度的空间自相关性，SOM和TN的空间自相关性稍强。
土壤养分在空间上呈块状分布，SOM、TN和AK的空间分布总体上东南高、西北低；AP总体上西高东低。
土壤养分空间变异主要受地形和土壤类型影响。
%In this research, Dingyuan County was chosen as a case in the Jianghuai hilly region. A total of 1 401 soil samples were obtained from soil testing and formulated fertilization of Dingyuan County. Spatial variability of organic matter (SOM), total nitrogen (TN), available phosphorus (AP), and available potassium (AK) in the surface layer of soils in this region were analyzed using the Geostatistics and GIS method. The factors influencing the spatial variability of soil nutrients were also investigated by means of correlation analysis and variance of analysis. The results showed that the average contents of SOM, TN, AP and AK were 17.74 g/kg, 1.04g/kg, 3.45 mg/kg and 115.00 mg/kg, respectively. The coefficients of variation for these soil nutrients ranged from 28.85% to 73.38%, belonging to a moderate level of variation. Geostatistical analysis suggested thatsemivariance functions of soil nutrients were fitted by exponential model. There was a moderate spatial autocorrelation among these soil nutrients. Spatial autocorrelation of SOM and TN was slightly stronger than that of AP and AK. Soil nutrients were distributed spatially in patches. The contents of SOM, TN and AK decreased along the direction from southeast to northwest in spatial distribution. AP content decreased from west to east of Dingyuan County. Topography and soil types were main factors influencing the spatial variability of soil nutrients in Dingyuan County.【期刊名称】《土壤》【年(卷),期】2016(048)004【总页数】7页(P762-768)【关键词】土壤养分;空间变异;地统计学;Kriging插值【作者】赵明松;李德成;张甘霖;张兆冬;王莉莉【作者单位】安徽理工大学测绘学院，安徽淮南 232001; 土壤与农业可持续发展国家重点实验室中国科学院南京土壤研究所，南京 210008;土壤与农业可持续发展国家重点实验室中国科学院南京土壤研究所，南京 210008;土壤与农业可持续发展国家重点实验室中国科学院南京土壤研究所，南京 210008;定远县土壤肥料工作站，安徽定远 233200;定远县土壤肥料工作站，安徽定远 233200【正文语种】中文【中图分类】S159研究土壤空间变异对土壤预测制图、土壤分区管理、农业生产等具有重要意义，也是实施土壤调查和优化采样策略必需考虑的因素［1］。
土壤_根系_微生物系统中影响氮磷利用的一些关键协同机制的研究进展_孙波
土 壤 (Soils), 2015, 47(2): 210–219①基金项目：中国科学院战略性先导科技专项(XDB15030200)资助。
作者简介：孙波(1968—)，男，江苏南京人，博士，研究员，研究方向为土壤质量演变与农田养分循环，近期重点研究农田土壤碳氮转化微生物过程及其驱动因素。
E-mail: bsun@DOI: 10.13758/ki.tr.2015.02.004土壤–根系–微生物系统中影响氮磷利用的一些关键协同机制的研究进展①孙 波1，廖 红2，苏彦华1，许卫锋1瑀，蒋霁1(1 土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所)，南京 210008；2 华南农业大学资源环境学院，广州 510642)摘 要：根际是养分进入作物系统的门户，也是土壤-根系-微生物相互作用的微域。
根际界面过程决定了氮磷养分的供应强度和有效性，最终影响了氮磷养分的利用效率和作物生产力。
近年来，国内外在揭示农田土壤-根系-微生物系统中不同界面的养分转化、吸收和运输机制方面取得了一些新进展。
在不同时空尺度上分析了影响土壤氮磷转化微生物组成的影响因子；研究了丛枝菌根系统形成的信号机制及其对氮磷吸收的基因调控机制；从信号网络、根系质子分泌和根构型的角度系统揭示了作物根系应对根际环境氮磷养分供应的形态和生理响应机制。
未来针对根际氮磷高效利用问题，需要深入研究土壤-根系-微生物不同界面的协同机制和调控原理，在根际微域和土壤团聚体尺度开展微生物食物网及其关键功能微生物分布格局和演替规律的研究；揭示根构型对根系–微生物协同结构和功能的影响，研究养分缺乏条件下根内质子分泌和关键转运蛋白对根系生长和养分吸收的调控机制；针对粮食作物，研究根系-微生物对话中已知信号物质(如独脚金内酯和N-酰基高丝氨酸内酯)和新的信号物质(小RNA)的网络作用机制及其对多养分协同代谢的影响；最后，针对不同气候、土壤、作物类型区，提出提高氮磷利用效率的根际生物调控途径和措施。
遥感测绘论文题目GIS测绘学论文题目测绘工程论文题目选题大全毕业论文开题报告参考文献
耕地土壤有机质与速效氮磷钾含量高光谱遥感反演研究 经验模态分解在高光谱遥感数据处理中的应用 面向对象的高分辨率遥感影像的分割与分类研究 多极化星载 SAR 森林覆盖变化检测方法研究 多特征融合的遥感影像变化检测方法研究 近 30 年上海海岸带土地利用变化分析与建模预测 基于矩阵对数累积量和非局部均值方法的极化 SAR 噪声抑制 基于高光谱数据的最大羧化速率遥感定量反演 高分辨率遥感影像道路网提取及变化检测 基于高分辨率遥感影像的城区建筑物提取方法研究 基于高分辨率遥感影像的团场小城镇土地利用变化分析与预测研究 面向对象的草原植被参数反演方法及应用 基于多特征的面向对象高分辨率遥感图像分类 定标缺失情况下的高光谱图像分类研究 基于多波段多极化 SAR 数据的草原地表土壤水分反演方法研究 粒子群优化算法在多时相遥感影像变化检测中的应用研究 基于 Sentinel-1 和 Landsat 8 数据的潮间带盐沼湿地分类研究 高分辨率遥感影像面向对象的绿地信息提取方法研究 基于 HJ-1A HSI 高光谱遥感数据的湟水流域典型植被分类 多源遥感图像融合技术研究 基于 CVA 与光谱解混的高光谱图像变化检测研究 小麦茎基腐与全蚀病高光谱遥感识别研究 基于 Sentinel-1 的近岸海表风场反演研究 雷达卫星 TerraSAR-X 精准测距高原湿地水位反演研究 基于数据挖掘技术的航摄影像土地利用变化检测研究 基于深度神经网络的遥感图像变化检测 基于多空间分辨率遥感数据的山区土地利用/土地覆被分类及变化检测 基于图谱理论的遥感图像分类方法研究 高光谱遥感协同处理黑刺沟岩矿蚀变信息方法研究 基于多核学习的高光谱遥感影像分类方法研究
遥感测绘论文题目 GIS 测绘学论文题目测绘工程论文题目选
题大全毕业论文开题报告参考文献 目录
一、选题技巧............................................................................................................................................1 二、热词分布............................................................................................................................................2 三、测绘学论文题目大全....................................................................................................................... 2 四、知网万方等如何利用................................................................................................................... 104
黑土是非常稀缺的土壤资源申论题
黑土是非常稀缺的土壤资源引言------------黑土，作为我国宝贵的土壤资源之一，一直备受人们的关注。
然而，随着城市化和农业现代化的发展，黑土的稀缺性问题日益突出。
本文将从多个角度探讨黑土的稀缺性问题，并提出个人观点和理解。
一、黑土的定义和特点------------1. 黑土的定义在我国，黑土通常指富含有机质、疏松肥沃、耕作性良好的土壤，常见于东北地区。
2. 黑土的特点1) 含有机质多2) 耕作性好3) 保水保肥能力强4) 土壤肥沃二、黑土的分布和现状------------1. 黑土的分布黑土主要分布于我国东北地区，特别是黑龙江、辽宁和吉林等省份。
2. 现状分析1) 城市化进程中，农地面积不断减少2) 工业化对土壤的破坏3) 农业现代化对土壤的需求三、黑土的稀缺性问题------------1. 城市化进程中，农地面积不断减少随着城市化进程的不断加快，大量农地被用于建设，黑土资源的减少导致了其稀缺性。
2. 工业化对土壤的破坏工业化生产会释放大量有害气体和污染物，直接影响了土壤质量，包括黑土。
3. 农业现代化对土壤的需求为了提高农业生产效率，农业现代化大量使用化肥和农药，对土壤造成损害。
四、我对黑土稀缺性问题的理解------------黑土的稀缺性问题是当前亟待解决的环境问题，需要政府、企业和社会各界共同努力。
我认为，应该加强土地利用规划，保护好每一寸黑土资源；推广有机农业、生态农业，减少化肥农药的使用，保护土壤生态环境。
总结------------黑土的稀缺性问题是一个复杂的环境问题，不仅仅关乎农业生产，更是关乎人类的生存环境。
希望通过全社会的共同努力，能够保护好每一寸黑土资源，为子孙后代留下绿色的家园。
结语------------通过本文对黑土资源稀缺性问题的探讨，希望能够引起更多人的重视和关注。
黑土是非常稀缺的土壤资源，它的保护关乎我们的未来。
让我们携起手来，共同呵护我们的家园。
续写：五、保护黑土资源的重要性------------黑土资源的稀缺性问题不仅仅是一个环境问题，更是一个关乎经济发展和社会稳定的问题。
土地资源空间异质性与差别化土地管理
研究内容
深入研究土地资源空间异质性的 形成机制、演变规律和空间分布 特征，加强土地资源空间异质性 与经济社会发展的相互影响研究
。
方法手段
综合运用地理信息系统、遥感、 空间分析等技术和方法，开展土 地资源空间异质性的精细刻画和
动态监测。
完善差别化土地管理的政策体系
政策制定
根据不同区域、不同类型土地资源的空间异质性和利用特 点，制定差别化的土地管理政策，明确不同区域、不同类 型土地的用途、利用方式和开发强度。
高土地利用效率。
03
生态用地
根据生态用地类型，如自然保护区、森林公园、湿地公园等，进行差别
化的生态保护和修复措施。例如，对自然保护区实行严格保护政策，禁
止非法开发和利用。
基于土地质量的差别化土地管理
高质量土地
对土地质量较高的地区，实行优化开发 政策，鼓励集约化和规模化利用。例如 ，在土地质量较高的城市核心区域，适 当提高建筑密度和容积率，实现土地高 效利用。
土地资源空间异质性与差别 化土地管理
汇报人： 2023-11-20
目录
• 土地资源空间异质性概述 • 土地资源空间异质性的表现形式 • 差别化土地管理的必要性 • 差别化土地管理的实践 • 差别化土地管理的政策建议 • 差别化土地管理的未来展望
01
土地资源空间异质性概述
土地资源空间异质性的定义
土地资源空间异质性的研究方法
• 研究土地资源空间异质性需要采用地理信息系统（GIS）和 遥感技术等手段，结合实地调查和统计分析方法，对土地资 源的属性、结构和分布进行详细分析和评估。同时，还需要 考虑不同时间和空间尺度下的土地资源变化和动态特征。
02
土地资源空间异质性的表 现形式
东北黑土带土地利用变化特征及生态敏感性评价
第37卷第6期2023年12月水土保持学报J o u r n a l o f S o i l a n d W a t e rC o n s e r v a t i o nV o l .37N o .6D e c .,2023收稿日期:2023-06-07资助项目:国家重点研发计划项目(2021Y F D 1500803) 第一作者:晋一然(2000 ),男,在读硕士研究生,主要从事水土保持与G I S 空间分析研究㊂E -m a i l :U l i s s e s 623@163.c o m 通信作者:郭忠录(1980 ),男,教授,博士,主要从事土壤侵蚀与土壤质量研究㊂E -m a i l :z l gu o h z a u @163.c o m 东北黑土带土地利用变化特征及生态敏感性评价晋一然,澹腾辉,唐琪,华丽,郭忠录(华中农业大学资源与环境学院,武汉430070)摘要:东北黑土带是我国重要的商品粮生产基地,土壤质量退化㊁水土流失等问题直接影响生态与粮食供给安全,为明晰东北黑土带土地利用变化特征及评价生态敏感性,以2000年㊁2005年㊁2010年㊁2015年㊁2020年东北黑土带5期土地利用数据为基础,采用转移矩阵㊁地理探测器㊁综合生态风险评价等方法,研究景观格局及生态风险变化趋势㊂结果表明:(1)2000 2020年,研究区未利用地面积增加1035.7k m2,水域面积减少975.8k m 2,土地利用变化最明显,耕地是阶段性变化较为剧烈的土地利用方式;(2)不同自然因子对研究区土地利用方式的解释力存在显著差异,气温是土地利用方式变化的主导因素,风速与高程㊁气温㊁蒸发量㊁地温㊁气压㊁相对湿度㊁日照时间的交互作用对土地利用方式变化具有显著的协同增强作用;(3)随时间推移,研究区生态敏感性整体改善,高度敏感区域减少,轻度敏感区域增加,并且出现生态敏感高值区向北移动㊁低值区向南移动趋势,研究区生态敏感性高值区的形成可能与以风蚀为主的侵蚀作用有关㊂宏观尺度景观格局变化分析与生态风险评价对区域生态环境保护政策制定及实施具有重要意义㊂关键词:土地利用变化;地理探测器;生态风险评价;聚类分析;东北黑土带中图分类号:X 171.1 文献标识码:A 文章编号:1009-2242(2023)06-0341-09D O I :10.13870/j.c n k i .s t b c x b .2023.06.043L a n dU s eC h a n g eC h a r a c t e r i s t i c s a n dE c o l o g i c a l S e n s i t i v i t yE v a l u a t i o n i n t h eB l a c kS o i l B e l t i nN o r t h e a s tC h i n aJ I N Y i r a n ,T A N T e n g h u i ,T A N G Q i ,HU A L i ,G U OZ h o n gl u (C o l l e g e o f R e s o u r c e s a n dE n v i r o n m e n t ,H u a z h o n g A g r i c u l t u r a lU n i v e r s i t y ,W u h a n 430070)A b s t r a c t :T h eN o r t h e a s tB l a c kS o i lB e l t i sac r u c i a l c o mm e r c i a l g r a i n p r o d u c t i o nb a s e i nC h i n a ,i nr e c e n t y e a r s ,s o i l q u a l i t y d e g r a d a t i o n ,s o i l e r o s i o na n do t h e r i s s u e sh a v e ad i r e c t i m p a c t o nt h e s e c u r i t y o f e c o l o g ya n d s e c u r i t y o f f o o ds u p p l y .I no r d e r t o c l a r i f y t h e c h a r a c t e r i s t i c s o f l a n du s ec h a n g ea n de v a l u a t e t h ee c o l o gi c a l s e n s i t i v i t y o f t h eN o r t h e a s tB l a c kS o i l B e l t ,w e t a k e t h e f i v e p e r i o d s o f l a n du s e d a t a o f t h eN o r t h e a s tB l a c k S o i l B e l t i n t h e y e a r s o f 2000,2005,2010,2015a n d 2020a s t h e b a s i s ,a n du s e t h em e t h o d s s u c h a s t r a n s f e rm a t r i c e s ,g e o d e t e c t o r ,a n dc o m p r e h e n s i v ee c o l o g i c a lr i s ke v a l u a t i o nt os t u d y t h el a n d s c a pe p a t t e r na n d e c o l o g i c a l r i s kc h a n g e t r e n d s .T h e r e s u l t sw e r e a sf o l l o w s :(1)D u r i n gt h e p e r i o d o f 2000 2020,u n u s e d l a n d a n dw a t e r l a n du s e i n t h e s t u d y a r e a c h a n g e dm o s t o b v i o u s l y ,i n c r e a s i n g a n dd e c r e a s i n g b y 1035.7a n d 975.8k m 2,r e s p e c t i v e l y ,a n da r a b l el a n d w a st h el a n du s e w i t h m o r ed r a s t i cc h a n g e s i n p h a s e s ;(2)D i f f e r e n t n a t u r a l f a c t o r s e x h i b i t e ds i g n i f i c a n td i f f e r e n c e s i ne x p l a i n i n g l a n du s e t y p e s i nt h es t u d y a r e a .T e m pe r a t u r e w a s t h ed o m i n a n tf a c t o ri n f l u e n c i ng l a n d u s ech a n g e s ,w hi l e w i n ds p e e ds h o w e ds i g n i f i c a n ts y n e r gi s t i c e n h a n c e m e n tw h e n i n t e r a c t i n g w i t h e l e v a t i o n ,t e m p e r a t u r e ,e v a p o r a t i o n ,g e o t h e r m y ,a t m o s ph e r i c p r e s s u r e ,h u m i d i t y a n dd a y l i g h t d u r a t i o n f a c t o r s i n l a n du s e c h a n g e s .(3)O v e r t i m e ,t h eo v e r a l l e c o l o g i c a l s e n s i t i v i t yo f t h es t u d y a r e a h a si m p r o v e d .H i g h l y s e n s i t i v er e g i o n s h a d d e c r e a s e d ,m i l d l y s e n s i t i v er e gi o n s h a d i n c r e a s e d .A d d i t i o n a l l y ,t h e r ew a sat r e n do fh i g h -v a l u ee c o l o g i c a l s e n s i t i v i t y a r e a s m o v i n g n o r t h w a r da n d l o w -v a l u e a r e a s m o v i n g s o u t h w a r d ,t h eh i g h -v a l u ee c o l o g i c a l s e n s i t i v i t y r e g i o n s m a y b er e l a t e dt oe r o s i o n w h i c hd o m i n a t e db y w i n d e r o s i o n .T h e a n a l y s i s o fm a c r o -s c a l e l a n d s c a p e p a t t e r nc h a n g e s a n de c o l o g i c a l r i s k a s s e s s m e n t a r e o f g r e a t s i g n i f i c a n c e t o t h e f o r m u l a t i o na n d i m p l e m e n t a t i o no f r e g i o n a l e c o l o gi c a l e n v i r o n m e n t a l pr o t e c t i o n p o l i c i e s .K e y w o r d s:l a n du s e c h a n g e;G e o d e t e c t o r;e c o l o g i c a l r i s ka s s e s s m e n t;c l u s t e r a n a l y s i s;t h eb l a c ks o i l b e l t i n N o r t h e a s tC h i n a21世纪以来,随着经济快速发展,人类对生活空间的需求也在随之增长,其中最为明显的特征是土地利用方式的转变[1]㊂在土地利用方式变化的过程中,往往出现生态空间被挤压㊁生态过程被干扰的现象,导致水土流失㊁生物多样性下降等一系列问题产生㊂党的二十大报告强调,必须牢固树立与践行生态环境保护的理念与措施,站在人与自然和谐共生的角度谋求发展㊂东北黑土带是中国重要的粮食生产基地,但耕地㊁建设用地对林地㊁草地的侵占导致生态用地占比下降,人类改变土地利用方式严重制约自然生态系统发挥其应有的功能㊂因此,进行景观生态风险评估可以将区域已存在或潜在生态风险可视化[2],为进一步生态环境保护与优化工作提供科学依据㊂景观生态风险评价指以景观格局指数为依据,建立区域景观结构与生态过程间的相关关系,反映此区域景观格局中的生态风险[3]㊂不同于传统生态风险评价,景观生态风险评价在景观生态过程与空间格局的耦合机制下,更注重风险的时空异质性与尺度效应所产生的结果,成为区域生态风险评价的重要部分[4]㊂国外研究集中于探究生态过程与空间分布格局间的关联,有学者[5-6]通过结合生态指标与其他指标,建立基于生态视角的评价体系,也有学者[7-8]在物种群落层面研究特定种群对生态系统的敏感性及响应机制;国内有学者[9]针对黄土高原生态环境恶化现状,使用地理探测器探究植被覆盖度与地理因子的耦合机制;诸多学者针对国内东北沙地[10]㊁青藏高原[11]等进行生态风险评价,探究不同自然本底下的生态风险时空分异规律,为宏观生态环境治理提供参考依据㊂东北黑土区是我国重要的商品粮生产基地,以生态视角进行区域环境风险评价具有重要意义㊂松嫩平原地处我国东北内陆,与大㊁小兴安岭以及长白山脉接壤,中部地势平缓,边缘地势起伏多变,生态环境极易发生变化㊂以东北黑土带作为研究区,探究2000 2020年间土地利用时空分异及驱动因素,进一步结合景观指数与土壤流失量进行生态敏感性评价,揭示生态风险时空特征,为松嫩平原生态环境保护以及水土流失防治提供理论支撑,为我国东北黑土区科学管理规划提供决策依据㊂1材料与方法1.1研究区概况中国东北典型黑土区包括蒙东黑土区㊁松嫩黑钙土区㊁松嫩典型黑土区(即东北黑土带)与三江黑土区,研究区(42ʎ58' 50ʎ15'N,122ʎ22' 127ʎ59'E)位于东北黑土带[12](图1)㊂东北黑土带位于松嫩平原东部,总面积10.1k m2,北至大㊁小兴安岭,南至长白山脉,地貌类型主要由较低海拔的台地(即漫川漫岗)构成,西北㊁东北以及南部存在低海拔丘陵[13]㊂气候类型属温带大陆性气候,年降水量400~600mm,年均气温2~6ħ,土地利用方式以耕地为主,是中国商品粮生产基地之一㊂研究区主要位于全国水土保持区划表(试行)二级区划中,由北到南分别为大兴安岭东南低山丘陵土壤保持区㊁东北漫川漫岗土壤保持区(黑龙江省)㊁东北漫川漫岗土壤保持区(吉林省)㊂1.2数据来源使用2000年㊁2005年㊁2010年㊁2015年㊁2020年土地利用㊁高程㊁坡度㊁气象数据(年降水量㊁年均气温㊁年均相对湿度㊁0c m年均地温㊁年日照时间㊁年蒸发量㊁年均气压㊁年均风速)㊁土壤侵蚀数据以及研究区基础信息数据㊂土地利用数据与气象数据均来源于中国科学院资源环境科学与数据中心(h t t p s:// w w w.r e s d c.c n),其中,土地利用数据分辨率为30mˑ30m,对原始数据重分类为耕地㊁林地㊁草地㊁水域㊁建设用地㊁未利用地一级地类,气象数据分辨率为1k mˑ1k m;高程数据来自地理空间数据云(h t t p:// w w w.g s c l o u d.c n),分辨率为30mˑ30m;坡度数据使用A r c G I SP r o软件以D E M数据为基础进行计算提取㊂1.3研究方法1.3.1风险小区划分为更准确地计算各区域具体景观生态指数,根据研究目的,将研究区划分为风险小区进行生态风险评价,参考前人[14]研究并结合区域尺度及数据精度,最终将研究区划分为1.5k mˑ1.5k m的格网,基于A r c G I S软件进行采样提取,并使用F r a g s t a t s软件进行景观指数计算㊂1.3.2地理探测器地理探测器以统计学原理为基础,探究事物间的空间分异性并揭示其背后的驱动因素,包括因子探测㊁风险探测㊁交互探测㊁生态探测4种探测模式㊂选用因子探测和交互探测来解析影响研究区土地利用方式的自然因子,因子探测公式为:q=1-ðL h=1N hσ2hNσ2(1)式中:q为地理因子的解释力(%),取值范围为[0,1],q 值越大,说明地理因子对土地利用方式的解释力越大;L 为因变量或地理因子的分区分类;h为分区变量(h=1, ,L);N h和σ2分别为研究区整体的单元数和方差㊂q 交互探测用于识别地理因子间的交互作用,评估2个243水土保持学报第37卷地理因子共同作用时是否增加或减弱对土地利用方式的解释力,或对其影响是相互独立的㊂图1研究区概况1.3.3景观生态风险指数景观生态风险指数(e c o-l o g i c a l r i s k i n d e x,E R I)用来反映外界环境对不同景观类型的影响程度,不同景观类型对区域生态环境的作用存在差异㊂使用景观结构反映研究区生态风险敏感性,表达式为:E R I i=ðn i=1A k i A kˑR i(2)R i=E iˑV i(3)E i=a C i+b N i+cF i(4)式中:E R I i为第i类景观生态风险指数;n为景观类型;A k i为第k个风险小区中第i类景观类型的面积;A k为第k个风险小区总面积;R i为景观损失度指数;E i为景观干扰度指数;V i为景观脆弱指数,在借鉴前人研究成果[15]的基础上采用专家打分法[14],将景观类型的易损度分为6级,荒地㊁草地㊁耕地㊁林地㊁水域㊁建设用地分别为6,5,4,3,2,1,并进行归一化得到景观脆弱度指数的权重;C i为景观破碎度指数;N i 为景观分离度指数;F i为景观分维数指数;a㊁b㊁c分别为C i㊁N i和F i的权重,且a㊁b㊁c之和为1,结合实际情况分别赋值为0.5,0.3和0.2㊂1.3.4水土流失敏感性指数采用修正的通用土壤流失方程(r e v i s e d u n i v e r s a ls o i ll o s s e q u a t i o n, R U S L E)计算的土壤流失量表征水土流失敏感性,其表达式为:A=RˑKˑL SˑCˑP(5)式中:A为土壤侵蚀量[t/(h m2㊃a)];R为降水侵蚀力因子[(M J㊃mm)/(h m2㊃h㊃a)];K为土壤可蚀性因子[(t㊃h m2㊃h)/(h m2㊃a㊃M J㊃mm)];L S 为地形起伏度因子(无量纲);C为植被覆盖因子(无量纲);P为水土保持措施因子(无量纲)㊂1.3.5综合生态敏感性指数通过计算其他点到敏感性最高点之间的距离来构建综合生态敏感性指数(c o m p r e h e n s i v e e c o l o g i c a l s e n s i t i v i t y i n d e x,C E S I),指数越小,则表示生态敏感性越高㊂生态敏感性最高点以景观生态风险敏感性指数㊁水土流失敏感性指数各自归一化后的最大值表示㊂计算公式为:C E S I=(E R I-E R I m a x)2+(A-A m a x)2(6)式中:E R I为像元的景观生态风险敏感性指数;A为像元的水土流失敏感性指数㊂1.3.6空间自相关分析空间自相关分析可以衡量空间数据之间的相互依赖程度㊂使用全局M o r a n's I指数与局部M o r a n's I指数对研究区综合生态敏感性空间特征进行分析,公式为:全局M o r a n's I指数:I=ðn i=1ðnj=1w i j(x i-x)(x j-x)ðn i=1ðnj=1w i jðn i=1(x i-x)2(7)局部M o r a n's I指数:I=(x i-x)S2ðj w i j(x j-x)(8)343第6期晋一然等:东北黑土带土地利用变化特征及生态敏感性评价式中:I代表M o r a n's I指数;x i㊁x j代表第i㊁j个格网的综合生态敏感性指数均值;x为全部格网敏感性均值;w i j为生态敏感性空间邻接权重;S为空间权重矩阵之和㊂全局M o r a n's I指数采用Z检验,当|Z|>2.58时,说明通过p<0.01显著性检验㊂2结果与分析2.1土地利用空间格局变化东北黑土带2000 2020年土地利用空间格局未发生较大变化,具有较为明显的空间差异性㊂总体来看,2000 2020年研究区内耕地㊁林地㊁水域3类土地利用面积占比呈下降趋势,水域㊁耕地面积变化较大,分别减少975.8,727.1k m2,林地面积减少172.9 k m2;草地㊁建设用地㊁未利用地3类土地利用面积占比呈上升趋势,未利用地㊁建设用地面积变化较大,分别增加1035.7,791.2k m2,草地面积增加48.9k m2;水域面积下降幅度最大,其中110.2k m2净转化为耕地,942.0k m2净转化为未利用地;东北黑土带中扎兰屯市㊁绥化市㊁齐齐哈尔市㊁黑河市以及松原市耕地面积呈上升趋势,阿荣旗㊁鄂伦春自治旗㊁莫力达瓦达斡尔族自治旗㊁哈尔滨市㊁四平市以及长春市耕地面积呈下降趋势(图2,图3)㊂分时段来看,研究区在2000 2005年㊁2010 2015年土地利用方式未发生明显变化,2000 2005年未利用地面积降幅最大,减少105k m2,2010 2015年耕地减少面积最多,减少80.4k m2,2个时期内面积增加最多的均为建设用地,分别增加98.7,159.9k m2㊂2005 2010年㊁2015 2020年研究区土地利用方式变化剧烈, 2005 2010年,研究区北部出现聚集状土地利用变化,南部土地利用变化分布相对均匀,净转化量最大的为草地与耕地,分别增加㊁减少931.9,930.5k m2,转入转出变化最大的为耕地,耕地转为草地2112.3 k m2,林地转为耕地1875.8k m2㊂2015 2020年,研究区南部出现小规模聚集性转化,北部转化分布则相对均匀,净转化量最大的为未利用地与水域,分别增加㊁减少1285.2,1644.5k m2,转入转出变化最大的为耕地,耕地转为未利用地1711.8k m2,草地转为耕地2066.8k m2㊂图22000-2020年土地利用方式转移图32000-2020年各土地利用方式占比2.2地理因子对土地利用格局变化的贡献从自然条件角度分析,选取高程㊁坡度㊁年均气温㊁年蒸发量㊁年均地温㊁年降水量㊁年均气压㊁年均相对湿度㊁年日照时间㊁年均风速10个自然因子,利用自然间断点法进行分类,使用地理探测器模型计算自然因子对土地利用方式的解释力㊂因子探测结果(表1)表明,东北黑土带的自然因子对土地利用方式的解释力(%)从大到小依次为年均气温(1.49)>年均相对湿度(1.29)>年均地温(1.15)>年日照时间(1.04)>年蒸发量(0.99)>年均气压(0.84)>高程(0.51)>年均风速(0.35)>坡度(0.27)>年降水量(0.07)㊂其中,年均气温㊁年均相对湿度㊁年均地温和年日照时间对土地利用方式的解释力>1%,为主要驱动因子,年蒸发量㊁年均气压㊁高程的解释力>0.5%,为次要驱动因子,年均风速的因子解释力相对较弱,坡度㊁年降水量未通过0.05显著性检验㊂根据交互探测结果(表2),选取主要驱动因子与次要驱动因子间探测结果发现,高程ɘ年均气压㊁高程ɘ年日照时间与年均气温ɘ年均气压表现为非线443水土保持学报第37卷性增强,其余因子交互探测结果表现为双因子增强㊂年均气温与各因子交互探测的解释力除年均地温外,均大于其余因子间交互探测的解释力,年蒸发量㊁年均气压㊁高程与不同因子间的交互探测解释力相比其单因子解释力有较为明显的提高,年均风速与各因子交互作用结果均表现为非线性增强㊂不同自然因子对研究区土地利用方式空间分布的影响差异较为显著,且因子间存在增强影响效果的协同作用㊂表1地理探测器因子探测结果单位:%D E M T E M E V P G S T P R E P R S R HU S L O P E S S D W I Nq s t a t i s t i c0.511.490.991.150.070.841.290.271.040.35 P v a l u e00000.602000.13900.001表2地理探测器交互探测结果单位:%D E M T E M E V P G S T P R S R HU S S D W I ND E MT E M1.87*E V P1.42*2.26*G S T1.56*2.15*2.06*P R S1.44#2.40#1.76*2.00*R HU1.70*2.17*1.92*2.14*1.18*S S D1.62#2.35*1.77*1.93*1.56*1.95*W I N1.10#2.13#2.03#2.37#1.35#2.14#2.02# 注:*表示双因子增强,即q(X1ɘX2)>M a x(q(X1),q(X2));#表示非线性增强,即q(X1ɘX2)>q(X1)+q(X2); 表示无数值㊂2.3生态敏感性时空变化特征分析2.3.1单一指标生态敏感性时空变化特征本研究将单因子指标归一化,采用自然间断点法进行分级,得到各生态指标敏感性时空分布图㊂由图4可知,研究区景观生态风险敏感性分布呈北高南低的模式,高敏感区集中分布在研究区北部大㊁小兴安岭山地丘陵与松嫩平原的交错地带,地形较为复杂,土地开发利用受到的限制条件较多,景观系统分布较为破碎;长白山脉与松嫩平原交汇处整体高程变化不大,以平原㊁台地和低丘陵为主[16],地势较为单一,景观系统种类丰富且分布均匀,导致其景观生态风险敏感性较低㊂2005 2010年间,研究区景观生态风险敏感性呈下降趋势,主要表现为北部高敏感区范围缩小,南部较高敏感区转变为中㊁低敏感区;2015 2020年间,研究区北部高敏感区由聚集状向条带状转化,存在向中部移动的趋势㊂总体而言, 2000 2020年研究区景观生态风险敏感性存在显著的阶段性变化,敏感性与地势的空间分布一致,地势较为复杂的区域敏感性较高㊂图42000-2020年景观生态风险敏感性分布研究区水土流失敏感性时空变化(图5)表明,水土流失敏感性空间分布受到年降水量㊁高程的影响,研究区南北两端水土流失敏感度相对较高㊂由于大兴安岭㊁小兴安岭与长白山脉海拔较高,阻挡水汽输送,研究区内形成了3个年降水量高值区,分布于研究区北部㊁中部和南部,年降水量高值区中存在山地丘陵与平原的过渡地带,地形较为复杂,高程变化较大㊂上述区域长期受降水径流冲刷,水土流失情况最为严重㊂水土流失敏感性较低的区域主要分布于松嫩平原,此区域地形起伏小㊁年降水量较低,受径流冲刷的影响较小㊂2000 2005年,大兴安岭山麓水土流失敏感性普遍降低,长白山脉附近出现水土流失敏感性升高的区域㊂2005 2010年,研究区中部敏感性普遍下降,南北两端高敏感聚集区出现向中部移动543第6期晋一然等:东北黑土带土地利用变化特征及生态敏感性评价的趋势㊂2010 2015年,大兴安岭山麓敏感性回升,其余地区敏感性总体呈下降趋势㊂2015 2020年,研究区内高值区域向内收缩,在西㊁南两端出现小范围敏感性高值区域㊂图5 2000-2020年水土流失敏感性分布2.3.2 综合生态敏感性时空变化特征 将研究区各年份综合生态敏感性采用自然间断点[17]法进行分级,将生态敏感性分为高度敏感㊁较高敏感㊁中度敏感㊁较轻敏感㊁轻度敏感5个等级(图6),统计各年份不同敏感程度的面积及比例表明(表3),2000 2020年,研究区内轻度敏感㊁较轻敏感区面积之和占比在44%左右波动,轻度敏感区主要分布于松嫩平原地带,为常年低敏感区;中度敏感㊁较高敏感区面积之和在2005 2020年出现下降趋势,高度敏感区面积呈先增加后减少趋势,在2005 2015年面积呈增加趋势,2015 2020年面积大幅下降,减少2184.4k m 2,生态环境整体呈改善趋势㊂图6 2000-2020年综合生态敏感性分布表3 2000-2020年综合生态敏感性面积占比综合生态敏感性2000年面积占比/%2005年面积占比/%2010年面积占比/%2015年面积占比/%2020年面积占比/%高度敏感6051.06.06672.66.66788.56.77490.87.45306.45.2较高敏感15248.615.024516.424.214837.714.612312.612.122454.922.1中度敏感28874.628.538012.537.534037.133.636969.536.529141.528.7较轻敏感34936.134.521187.120.932969.532.534764.134.329721.029.3轻度敏感16274.016.110995.710.812751.612.69847.39.714760.414.6 从空间分布来看,2000年研究区高度敏感区主要集中于大兴安岭山麓,较高㊁中度敏感区呈聚集状均匀分布,轻度㊁较轻敏感区呈条带状分布㊂2005年研究区内轻度㊁较轻敏感区出现收缩趋势,中度㊁较高敏感区出现向四周扩散的现象,高度敏感区略微扩张,长白山脉及大㊁小兴安岭区域生态敏感性上升㊂2010年研究区高度敏感区域基本没有变化,较高敏感区向大㊁小兴安岭山麓转移,研究区轻度㊁较轻敏感区增多,中度敏感区分布趋于集中㊂2015年研究区南㊁北两端的较轻敏感区㊁中度敏感区均出现向外扩张趋势,整体分布结构趋于单一㊂2020年研究区低敏感区向南转移,中部较轻㊁中度㊁较高敏感区穿插分布,高度敏感区范围收缩较为明显,小兴安岭以及长白山脉区域生态敏感性得到改善㊂643水土保持学报 第37卷2.4生态敏感性空间聚集特征2.4.1全局空间自相关分析使用A r c G I SP r o软件对研究区多年份生态敏感性进行全局空间自相关分析,由表4可知,各年份综合生态敏感性M o r a n's I指数均>0,表明综合生态敏感性在空间上呈现正相关㊂检验全局M o r a n's I指数,p值均为0,通过99%置信度检验,说明综合生态敏感性空间自相关显著,相邻度高的区域综合生态敏感性较为相似㊂Z统计量均>2.58,说明可拒绝零假设㊂研究区综合生态敏感性的空间分布存在正相关关系,表现出聚集分布模式,Z得分随时间变化先上升后略微下降,说明聚集程度总体升高,空间趋同性相对升高㊂表42000 2020年研究区综合生态敏感度全局M o r a n s I指数统计量指标2000年2005年2010年2015年2020年M o r a n's I0.9820.9870.9940.9950.992 Z统计量85.04585.50586.07186.16685.921p值00000 2.4.2局部空间自相关分析使用A r c G I SP r o软件在计算研究区综合生态敏感度M o r a n s I指数的基础上进行空间聚类,得到L I S A空间聚类图㊂在99%置信区间内,划分为5种不同聚集类型,分别为高高聚集区(H-H)㊁高低聚集区(H-L)㊁低高聚集区(L-H)㊁低低聚集区(L-L)和不显著区(N o t S i g-n i f i c a n t),最终得到研究区4041个分区,2000年㊁2005年㊁2010年㊁2015年㊁2020年的综合生态敏感性局部空间自相关聚类图(图7)㊂总体而言,研究区生态敏感性在空间尺度呈聚集状分布,聚集程度随时间推移出现升高趋势㊂综合生态敏感性低值聚集区主要分布于大㊁小兴安岭区域, 2000年㊁2005年㊁2010年长白山脉附近存在小部分低值聚集区,低低聚集区与高度㊁较高敏感区域存在空间分布轻度㊁较轻相似性㊂高值聚集区主要分布于松嫩平原部分,高高聚集区与轻度㊁较轻敏感区域存在空间格局上的相似性㊂由L I S A聚类图可知,研究区生态敏感性随时间推移表现出同一化趋势,生态敏感性高值区向北部聚集,低值区向南部聚集㊂图72000-2020年综合生态风险指数3讨论东北黑土带综合生态风险敏感性的空间分布格局由2000年的总体分散㊁局部聚集转变为2020年的南北分段㊁交错穿插,随时间推移聚集程度出现上升趋势,表明研究区生态环境可能受到规律性的调控㊂中华人民共和国水利部从2003年起针对东北地区实行水土流失综合防治工程,对东北黑土区提供工程以及生态修复方面的技术支持;与此同时,中央及地方政府陆续出台关于东北地区土地利用方式的调控政策以及针对耕地土壤质量的保护政策[18],对东北地区的生境质量产生积极影响㊂3.1综合生态敏感性时空分异特征及归因2000 2010年间,研究区内高度敏感区主要集中于大兴安岭东南低山丘陵土壤保持区中,东北漫川漫岗土壤保持区(黑龙江省)以中度敏感及以下区域为主,存在少量高度敏感区域,东北漫川漫岗土壤保持区(吉林省)内中度㊁较高敏感区占比较大;2010 2020年间,东北漫川漫岗土壤保持区(吉林省)内生态风险明显降低,以中度㊁较轻敏感为主,东北漫川漫岗土壤保持区(黑龙江省)内高度敏感区逐渐减少,较高敏感区域面积相对升高,中度敏感区域面积呈先升高,后降低趋势,较轻及轻度敏感部分变化不明显,大兴安岭东南低山丘陵土壤保持区内高度敏感区呈收缩趋势,中度㊁较轻敏感区稍有改善㊂综合生态高度敏感区持续存在于大兴安岭东南低山丘陵土壤保持区,可能由于其地处山脉与平原之间的过渡地带,地形较为复杂,导致自然因素㊁人为干扰对生态环境的影响被扩大;东北漫川漫岗土壤保持区(黑龙江省)与东北漫川漫岗土壤保持区(吉林省)由于地形相对简单,地势较为平缓,综合生态敏感程743第6期晋一然等:东北黑土带土地利用变化特征及生态敏感性评价度相对较低㊂国家发改委于2015年出台‘农业环境突出问题治理总体规划(2014 2018)“[19],将黑土地区域土壤质量保护工程纳入重点项目,大兴安岭区域综合生态高敏感区得到有效控制,松嫩平原区域综合生态敏感程度得到改善㊂根据聚类图可知,2000 2020年综合生态敏感性高值区出现南移趋势,低值区出现北移趋势,并且均趋于聚集㊂说明研究区南部生态环境改善程度高于北部,且生态敏感性可能受到周围地区影响,出现同化趋势㊂2005 2010年㊁2015 2020年研究区北部土地利用方式转化区域较为集中,不同景观类型间相互转化导致景观格局稳定性下降,生态敏感性上升[11]㊂3.2土地利用方式及综合生态敏感性变化归因土地作为地表景观的宏观表征,景观生态风险的时空分布与其构成或动态变化具有高度的关联性[4]㊂土地利用方式是人类可以宏观调控的过程因子,反映景观生态对人类活动的响应㊂2000 2020年,研究区土地利用转移较为剧烈的部分为东北漫川漫岗土壤保持区(黑龙江省)区域北部与大兴安岭东南低山丘陵土壤保持区相交的地带,以及南部与东北漫川漫岗土壤保持区(吉林省)相交的地带(图1㊁图2)㊂北部发生剧烈变化的原因可能是此部分处于2个水土保持功能区划的交界处,其土地利用方式易发生变化,导致景观格局稳定性下降,出现景观生态高敏感性聚集区;南部发生剧烈变化可能由于城镇的城市化进程加快,不同土地利用方式转化为建设用地的过程中破坏原本较稳定的景观格局体系,从而导致该区域景观破碎度升高,出现景观生态高敏感区域㊂本研究根据地理探测器结果,将年均气温㊁年均相对湿度㊁年均地温和年日照时间划分为主要驱动因子,对土地利用方式改变产生较为显著的独立影响;年蒸发量㊁年均气压㊁高程与其他因子交互探测结果相比于其单因子探测结果有明显提高,表明次要因子之间存在较为显著的协同作用关系;年均气温与除年均地温外各因子交互作用解释力均为最大,侧面表明土地利用方式对年均气温的响应较为明显;年均风速与各因子交互探测结果均表现为非线性增强,说明年均风速与其他因子的交互作用对研究区土地利用方式变化存在较为显著的影响,针对土地利用方式变化导致景观生态恶化升高的状况,中央政府出台‘全国土地利用总体规划纲要(2006 2020年)“[20]等相关政策,结合各地区自然因素,因地制宜,以土地利用为媒介,对生态风险进行动态调控㊂导致东北地区土壤侵蚀的因素通常有冻融侵蚀㊁风力侵蚀㊁水力侵蚀等,更主要的情况是由多种外营力复合侵蚀导致水土流失[21]㊂地理探测器结果显示,年均气温的单因子解释力显著,年均风速㊁年均气温同其他各因子共同作用的解释力均出现升高趋势,说明气温与风速在景观层面与土壤侵蚀层面均存在较为显著的复合影响作用㊂杨婉蓉等[22]对东北地区风蚀现象进行长时间序列的研究发现,东北地区发生风蚀较为严重的区域与本文中大兴安岭东南低山丘陵土壤保持区重合;任景全等[23]研究结果表明,吉林省风蚀程度自西向东逐渐减弱㊂研究区南北两端出现生态风险高值区的原因可能是受以风蚀为主的侵蚀作用,而吉林省颁布‘吉林省耕地质量保护条例“[24]‘黑土耕地土壤肥力评价技术规范“[25]等针对黑土地保护的专项政策,使得东北漫川漫岗土壤保护区(吉林省)在2010 2020年综合生态敏感度显著下降,生态环境质量得到明显改善㊂现有研究[26-27]表明,土地利用方式是土壤保持功能变化的主导因子,通过影响土壤结构改变土壤侵蚀情况㊂总体来说,研究区综合生态敏感性变化由土地利用方式及土壤侵蚀的复合作用导致,人类通过政策调控[18]㊁技术支持[28]等宏观㊁微观结合的方式均可以对综合生态敏感性进行有效改善㊂4结论(1)研究区2000 2020年土地利用整体格局未发生较大变化,转化最明显的是未利用地和水域,未利用土地面积增加1035.7k m2,水域面积减少975.8 k m2,水域与未利用地之间发生明显的转化㊂2005 2010年㊁2015 2020年2个时期土地利用方式发生较为剧烈的变化,且变化主要发生于耕地部分,2005年 2010年间,耕地主要转为林地㊁草地与建设用地,转出总面积5386.2k m2,耕地由林地转入最多,转入面积1875.8k m2;2015 2020年,耕地主要转出为林地㊁建设用地与未利用地,转出总面积4951.0 k m2,耕地由草地转入最多,转入面积2066.8k m2㊂(2)不同自然因子对研究区土地利用方式的解释力存在显著差异,年均气温㊁年均相对湿度㊁年均地温和年日照时间是土地利用变化的主要驱动因子,因子解释力均>1%;气温是土地利用方式变化的主导因素,风速与高程㊁气温㊁蒸发量㊁地温㊁气压㊁相对湿度㊁日照时间的交互作用对土地利用方式变化均具有显著的协同增强作用㊂(3)随时间推移,研究区生态敏感性整体改善,高度敏感区域减少,轻度敏感区域增加;高度敏感区域843水土保持学报第37卷。
关于农田尺度下土壤有机质的空间变异研究
关于农田尺度下土壤有机质的空间变异研究随着全球气候变化的加剧和土地资源的日益紧张，农田土壤的肥力和质量成为农业可持续发展的重点关注对象。
土壤有机质作为土壤养分的主要来源之一，其空间变异性对于农田管理和土壤改良具有重要意义。
本文旨在通过对农田尺度下土壤有机质的空间变异进行研究，探讨不同尺度下土壤有机质的变异规律和影响因素，为农田土壤肥力管理和保护提供科学依据。
一、研究背景土壤有机质是土壤中非常重要的组分，对土壤结构改良、水分保持、营养储备等起着重要作用。
而土壤有机质的空间分布不均匀性是造成土壤肥力不均衡的重要原因之一。
对土壤有机质的空间变异规律进行研究，不仅有助于科学合理地进行土壤管理，提高土壤肥力，还有利于土壤保护和环境保护。
二、研究方法本文选取某农田作为研究对象，以土壤有机质含量为指标，采用空间插值法和地统计学方法对农田尺度下土壤有机质的空间变异进行研究。
通过采集不同位置和深度的土壤样品，获取土壤有机质含量数据，并利用地统计学软件对数据进行插值和空间变异分析。
结合气象、生物和土壤理化性质等相关因素，分析其对土壤有机质空间变异的影响。
三、研究结果与讨论在气象要素方面，降水量、温度和光照等因素直接影响了植物生长和腐植质的分解，进而影响土壤有机质的积累和分布。
在生物因素方面，植物根系活动和微生物代谢对土壤有机质的分解和转化起着重要作用。
而土壤理化性质如土壤质地、pH值、通气性等也对土壤有机质的累积和分布产生影响。
通过对这些影响因素的综合分析，我们可以更加深入地理解土壤有机质的空间变异规律，为科学合理地进行土壤管理提供重要依据。
通过合理调控气象水文条件和优化作物布局，可以促进土壤有机质的积累和分布均衡，提高土壤肥力，保护土壤生态环境。
四、结论与展望未来，我们可以进一步开展多个样地的调查和数据分析，深入研究不同地理环境和管理措施下土壤有机质的空间变异规律。
结合遥感技术和地理信息系统，提高土壤有机质空间变异的精细化程度，为精准施肥和农田管理决策提供更为科学的支撑。
土壤属性空间变异性研究概述
土壤属性空间变异性研究概述作者：姚尧来源：《农村经济与科技》2018年第18期[摘要]土壤属性空间变异性指的是在同一时间不同点上的土壤性质存在着明显的差异性。
空间变异是土壤本身就存在的一种自然特性，无论观测的尺度是大尺度还是小尺度，土壤属性的空间变异性都是存在的。
土壤属性空间变异性的主要研究方法有经典统计学方法、地统计学方法和地理信息系统方法（GIS）。
将地统计学方法与GIS技术结合起来并发挥各自的优势，可以大大地推动土壤属性空间变异性的研究。
[关键词]土壤属性;空间变异性;地统计学方法;地理信息系统[中图分类号]S152.3 [文献标识码]A土壤属性的空间变异最早是由英国土壤学家Milne在20世纪30年代首先提出的土壤系统性空间变异，土壤属性在一定范围内会通过一个或多个过程来影响周边土壤中一些要素的物理化学性质，并产生一定的联系。
土壤属性空间变异性指的是在同一时间不同点上的土壤性质存在着明显的差异性。
即使在土壤质地相同的区域内，土壤属性在各个空间位置上的量值也并不相等。
空间变异是土壤本身就存在的一种自然特性，无论观测的尺度是大尺度还是小尺度，土壤属性的空间变异性都是存在的。
土壤属性空间变异性的研究已趋于成熟，本文对土壤属性空间变异性的研究进行了梳理，并针对存在的问题进行了思考。
1 土壤属性空间变异性的主要研究方法1.1 经典统计学早期对土壤性质特征的空间变异研究一般采用的是Fisher创立的经典统计学。
经典统计学的原理是通过假设研究的变量为随机变量，样本之间是完全独立且服从某已知的概率分布。
运用计算样本均值、标准差、方差和变异系数以及进行显著性检验等统计学方法来描述样本的某些规律。
因此，这种方法基本只能定性地描述土壤性质的空间变异性，概括土壤性质变化的全貌。
国外许多从事土壤性质空间变异性规律方面的土壤科学研究者的研究发现，许多土壤性质在空间上并不是独立的，而是在一定范围内存在着空间相关性，不属于纯随机变量。
土壤属性空间预测精度与不确定性分析——有限最大似然法和高程辅助变量的应用
摘要土壤属性空间变化的准确预测是土壤学及环境科学等相关学科的一个共同主题。
在全球变化、资源与环境、生态多样性、食品安全以及人口与耕地等一系列问题的相关研究过程中，对土壤属性空间分布信息，不论在信息的数量方面还是在准确性方面，都提出了越来越高的要求。
本文从准确性和不确定性两个方面，对有限最大似然法（REML）和高程辅助变量在土壤属性空间预测中的应用进行了探讨和研究，主要内容与结论如下：（1）以北京市大兴研究样区作为研究样区，以土壤有机质、土壤含水量、土壤速效钾和土壤有效锰四个土壤属性作为目标变量，通过选择不同的样本点数，对比分析REML法和传统的矩量法（MoM）在计算变异函数准确性方面的表现。
结果表明：在样本点数从150个逐渐减少到50个过程中，当样本点数小于70个后，所有目标变量的预测精度都开始明显的下降。
在样本点数比较少的情况下，REML法估计的变异函数比MoM法估计的变异函数更准确一些。
（2）以土壤有机质和土壤有效锰作为目标变量，通过选择不同的空间尺度，分析空间尺度对土壤属性变异函数准确性的影响。
结果表明：空间尺度对于认识土壤目标变量的空间变异特征具有明显的影响；REML法在提高空间预测精度方面效果是否明显与研究区的空间尺度也紧紧相关，本文中，REML法估计的变异函数在20km和30km两个尺度范围内比MoM法变异函数的预测精度高。
（3）以平谷区为研究样区，以高程作为辅助变量，以土壤有机质、土壤速效钾、土壤有效磷、土壤有效铁等为目标变量，通过利用普通克里格法（OK）、协克里格法（CK）和回归克里格法（RK）三种方法，对比分析高程数据是否可以用来提高上述土壤属性的空间预测精度。
结果表明：高程作为辅助变量，可以用来提高土壤属性的空间预测精度，但这种方法并不适合所有土壤属性，本文中土壤有效铜、土壤有效铁和土壤有效锰三种微量元素的预测精度没能够被提高；利用高程对土壤属性进行空间预测时，在选用最适宜的方法之前，应该对土壤变量的空间结构、土壤属性的全局趋势、土壤属性与高程之间的线性相关关系、结构相关关系等进行仔细分析。
不同质地农田土壤酶活性差异分析
不同质地农田土壤酶活性差异分析摘要：通过对3种质地（沙壤、中壤和重壤）农田的土壤酶分析，得出沙壤土的酶活性低于中壤土和重壤土，重壤土的脲酶活性最高，沙壤土的转化酶活性最低，中壤土的磷酸酶活性最高。
土壤酶活性随着农田土层深度（0～30 cm）的增加而降低。
关键词：质地；土壤酶活性；差异分析土壤酶是土壤的组成成分之一，是一种具有蛋白质性质的高分子生物催化剂，参与土壤中有机物和动植物及微生物残体的水解与转化、土壤中各种氧化还原反应，促进土壤中各种有机、无机物质转化与能量交换，使土壤具有同生物体相似的活组织代谢能力[1]。
人们常把土壤酶活性作为评价土壤肥力的重要指标[2-4]，其活性的增强能促进土壤的代谢作用，使土壤养分、形态发生变化，提高土壤肥力，改善土壤性质[5]。
土壤质地对土壤酶活性有很大的影响[6，7]，因而研究不同质地农田土壤酶的差异性，可以为农田科学管理提供一定的理论依据。
1 材料与方法1.1 研究区域概况研究区域位于鲁西地区农田，研究区从东到西的土壤质地依次是沙壤土、中壤土和重壤土，长期小麦、玉米轮作。
该区属暖温带亚湿润季风型大陆性气候，四季分明，雨热同期，温度适宜，光照充足。
年平均日照时间为2 420.5 h，日照率为55%。
多年平均气温13.2 ℃，1月份平均气温-6.6 ℃，极端最低气温-22.7 ℃。
年平均无霜期为119 d，年平均降水量551.5 mm，多集中在6、7、8月份，对农作物生长非常有利。
1.2 土壤样品的采集2011年1月下旬在研究区域内按照土壤质地以数字方式标记样地，即样地1为沙壤，样地2为中壤，样地3为重壤。
土壤样品分上下两层采集，上层为0～15 cm，下层为15～30 cm。
土壤样品为混合土样，即用直径为4 cm的土钻在每个层面上采集，每个土样由5～8个采样点的土壤混合，用四分法取适量用土袋带回实验室，立即风干，除去植物根系、杂物等，研磨、过筛、装瓶，用于土壤酶活性测定。
盐碱地土壤养分的空间变异及合理取样密度研究
盐碱地土壤养分的空间变异及合理取样密度研究张华杰;陈为峰;宋富贵;李晓;周虎【摘要】本研究以东营市河口区新户土地开发项目二期为研究区,运用经典统计法和地统计分析相结合的方法,对土壤有机质、速效磷、速效钾、碱解氮等养分以及土壤全盐的空间变异性质进行研究,并对不同采样密度下有机质的空间插值结果进行分析比较,用均方根误差和相关系数检验不同密度下的插值精度,以确定盐碱地有机质的合理取样密度。
结果表明,研究区速效钾的变异系数为18.4%,属于低等程度的变异;有机质、碱解氮、速效磷、土壤全盐的变异系数在57.4%~76.9%之间,属中等程度变异。
研究区的各种土壤属性均具有较好的空间结构,表现出一定的空间自相关性。
有机质和速效钾的空间变异性主要影响因素与成土母质、土壤类型、气候条件等有关,而碱解氮、速效磷、土壤全盐的空间变异性与耕作方式及农业生产中施肥等有关。
随着采样点密度的增加,克里格插值精度提高,适当减小样点密度可以满足插值分析的需要,充分考虑土壤养分空间变异评价的精度分析,确定研究区土壤有机质合理取样数为111个,合理取样单元为48 hm~2,合理取样间距为692 m。
【期刊名称】《农业资源与环境学报》【年(卷),期】2016(033)002【总页数】7页(P120-126)【关键词】盐碱地;空间变异;地统计学;合理样点密度【作者】张华杰;陈为峰;宋富贵;李晓;周虎【作者单位】[1]山东农业大学资源与环境学院,山东泰安271018;[2]东营市国土资源局,山东东营257091;[3]垦利县职业中等专业学校,山东东营257500;[4]泰安市恒源大地景观工程有限公司,山东泰安271018【正文语种】中文【中图分类】S159.3张华杰，陈为峰，宋富贵,等.盐碱地土壤养分的空间变异及合理取样密度研究[J].农业资源与环境学报, 2016, 33（2）: 120-126.ZHANG Hua-jie, CHEN Wei-feng, SONG Fu-gui, et al. Spatial Variability of Soil Nutrients and Salinity in Saline-alkali Land and Determination of Reasonable Sampling Density[J]. Journal of Agricultural Resources and Environment, 2016, 33（2）: 120-126.盐碱地作为珍贵的后备土地资源在地球上分布十分广泛。
东北黑土区耕地系统变化机理
第37卷第6期农业工程学报 V ol.37 No.62021年3月Transactions of the Chinese Society of Agricultural Engineering Mar. 2021 243东北黑土区耕地系统变化机理苏浩，吴次芳※（浙江大学公共管理学院，杭州，310058）摘要：耕地系统变化直接影响耕地生产能力和国家粮食安全。
该研究以东北黑土区典型地域克山县为研究区，重构耕地系统的科学内涵，运用GIS、RS手段和Matlab计算机编程，采用地理探测器模型，识别研究区1986年、2010年和2018年耕地系统变化关键影响因子，测算关键影响因子、各因子间交互作用对耕地系统变化的作用关系，揭示研究区耕地系统变化机理。
结果表明：1）耕地系统是具有长、宽、高的有机立体空间，在一定范围内是所有要素综合作用结果，同时它受周围环境影响与垂直方向、水平方向因子共同形成一个微生态环境。
2）1986年、2010年和2018年影响耕地系统变化的关键影响因子分别为5个、8个和6个。
1986—2018年不同时期耕地系统变化均受系统内部因子作用的影响，随着时间推移，水平方向作用因子对耕地系统变化的影响逐年加强，垂直方向作用因子的影响减弱，表现为影响耕地系统变化程度的关键影响因子由自然要素为主，转向自然与人类活动因素的双重影响。
其他因子影响相对较弱。
3）1986—2018年不同时期耕地系统内部影响因子与垂直和水平方向的其他因子交互作用对耕地系统变化的影响均为最大，水平方向与垂直方向的交互作用在研究期间影响的显著性显化程度不同。
与关键单一因子对耕地系统的影响相比，因子间交互作用后对研究区耕地系统变化空间分异的解释能力明显高于单一因子对其作用，具体表现为双因子增强或非线性增强的特征。
研究结果较好地反映了不同时期耕地系统变化空间分异的各因素单一和交互作用关系，为保护耕地和保障粮食安全提供了科学依据。
关键词：土地利用；遥感；耕地；东北黑土区；微生态环境；粮食安全；机理doi：10.11975/j.issn.1002-6819.2021.06.030中图分类号：F302.2 文献标志码：A 文章编号：1002-6819(2021)-06-0243-09苏浩，吴次芳. 东北黑土区耕地系统变化机理[J]. 农业工程学报，2021，37(6)：243-251. doi：10.11975/j.issn.1002-6819.2021.06.030 Su Hao, Wu Cifang. Mechanism of cultivated land system change in black soil areas of Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 243-251. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.06.030 0 引 言耕地系统是粮食生产最基本的载体和生境条件，具有复杂性、自组织性、时空动态性、恢复性和非线性等耗散结构特征[1]。
寒地黑土不同水氮运筹下玉米氮素利用的15N示踪分析
寒地黑土不同水氮运筹下玉米氮素利用的15N 示踪分析摘要：为了研究不同水氮运筹下玉米对氮肥的吸收利用情况，采用大田试验与15N 示踪微区结合的方法，分析了玉米植株对土壤氮素和肥料-15N 的吸收情况及各器官中土壤氮素和肥料-15N 的累积情况，并计算玉米的氮肥利用率。
结果表明：不同水氮运筹下玉米植株对肥料氮素吸收量占总量的25.46%～40.99%；肥料-15N 在各器官中的积累量，由大到小顺序为：籽粒、叶、茎；适量增加灌水量和增施氮肥均能提高玉米的氮肥吸收利用率（NUE ）和农学利用率（NAE ），其中W2N2处理最优，NUE 和NAE 分别为39.19%和17.65kg/kg 。
关键词：玉米；水氮运筹；15N ；利用率中图分类号：S147.2文献标识码：A 文章编号：2095-0438（2021）06-0145-03（绥化学院农业与水利工程学院黑龙江绥化152061）玉米生长对氮肥的需求量最大，因此氮肥的施用将直接影响玉米的产量和品质[1-2]。
近些年来，尽管氮肥投入量较高，但许多地区玉米产量的增长明显放缓，甚至停滞不前[3]。
在玉米产量不明显增加的情况下，过量的氮肥投入会导致氮肥利用率降低[4]。
为了提高氮肥利用率和减少氮的损失，提出了施用控释肥料[5]、深埋[6]和综合管理技术[7]等方法，然而，这些方法的应用受到劳动成本、经济因素和技术的限制。
相比之下，水氮运筹更容易在玉米生产中推广应用[8]，它能够提高氮肥利用率，增加玉米产量。
本文采用大田试验与15N 示踪微区结合的方法，研究不同水氮运筹下，玉米植株对土壤氮素和肥料-15N 的吸收情况及各器官中土壤氮素和肥料-15N 的累积情况，同时计算玉米的氮肥吸收利用率和农学利用率，以期为玉米高产、氮肥利用率的提升提供理论依据和技术支撑。
一、材料与方法（一）试验区概况。
试验于2017年5月至9月，在黑龙江省大庆市肇州县试验中心(125°17'57.70″E ，45°42'57.50″N)进行，该区属典型的寒地黑土旱作物（玉米、大豆等）试验区，位于第一积温带，生育期平均降雨量在390mm 左右，平均蒸发量为1700mm ，全年无霜期138d 左右。
松嫩平原黑土区农田土壤肥力评价研究
松嫩平原黑土区农田土壤肥力评价研究付微;李勇;李向越;杜书立;赵军;谢叶伟;孟凯【摘要】通过对松嫩平原农田土壤采样和调查、化验分析得到土壤养分各项指标,综合区域实际情况采用特尔斐模型确定10项评价指标.在Model Builder建模平台上综合运用模糊数学法、层次分析法、加法模型,结合Python脚本建立了土壤肥力评价模型,实现了土壤肥力评价的定量化、自动化、模型化.评价结果表明:研究区域土壤肥力综合指数介于0.57～0.84之间,空间分布呈现出明显西南低东北高的条带状分布特征,哈尔滨周边地区高而双城市较低的主要分布趋势,结果与实际情况相符.开展松嫩平原黑土农田土壤肥力评价可以为指导该区域农业生产及制定有效的农田生态环境保护措施提供科学依据.【期刊名称】《土壤与作物》【年(卷),期】2012(001)003【总页数】9页(P166-174)【关键词】土壤肥力;Model Builder;综合评价法;AHP;黑土【作者】付微;李勇;李向越;杜书立;赵军;谢叶伟;孟凯【作者单位】中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室,黑龙江哈尔滨150081;中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室,黑龙江哈尔滨150081;山东正元地理信息工程有限责任公司,山东济南250101;中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室,黑龙江哈尔滨150081;东北农业大学资源与环境学院,黑龙江哈尔滨150030;中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室,黑龙江哈尔滨150081;中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室,黑龙江哈尔滨150081;中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室,黑龙江哈尔滨150081;东北林业大学林学院,黑龙江哈尔滨150040;黑龙江大学农业资源与环境学院,黑龙江哈尔滨150080【正文语种】中文【中图分类】S158.3广义的土壤肥力概念通常把土壤的水、肥、气、热等诸多因素一并考虑在内，并注意到土壤物理的、化学的和生物学的诸多属性对土壤肥力的作用与影响。
土壤养分空间分析及综合评价最新版(2)
各省市年平均降雨量空间统计分析----基于R语言朱青国佳欣摘要：基于赣州市赣县2015年274份耕地土壤的土壤样本数据：有机质、土壤pH、全氮、有效磷、速效钾、坡度、高程7个样本指标和县域尺度土壤养分的合理采样数。
通过SPSS软件统计分析的方法，全氮、有机质两种养分呈现较强的空间相关性且为显著关系。
有机质、土壤PH其贡献率分别为26.346%和20.458%，累积贡献率将近50%；当聚类距离扩大到25时，274个样点被聚一类；通过GS+，ArcGIS软件进行样点有机质数据地统计分析可得，高斯模型有机质样点的空间相关性很强烈，但变程不是很大;通过普通克里金插值算法表示样本有机质的空间分布特征。
关键词：赣州市赣县；土壤养分；统计分析；普通克里金；Abstract ：Based on 274 soil sampled data from Gan county of Ganzhou city in 2005.Including seven sample indexes: organic matter, PH of the soil,total nitrogen，available phosphorus，rapidly available potassium, slope and elevation. And reasonable samples with soil nutrient in the county range. By using statistic analysis method of the SPSS software , total nitrogen and organic matter present quite strong spatial correlation and obvious negative relationship . The contribution rate of organic matter and pH of the soil are 26.346% and 20.458%,the accumulative contribution rate is nearly 50%.When clustering distance extending to 25,274 samples are gathered to one form. By using GS+ and ArcGIS software conducting geostatistical analysis on the organic matter statistics, we can conclude : available phosphorus of Gaussian Model has strong spatial correlation, but the codomain is not large ; And the Ordinary Kriging interpolation algorithm can display the spatial distribution characteristics of the organic matter samples.Key words:Gan county of Ganzhou city; Soil nutrient; Statistical analysis; Ordinary Kriging;前言土壤养分是由土壤提供的植物生长所必须的营养元素，而土壤肥力则是土壤最重要的生态功能之一，实时掌握土壤养分的空间分布是管理好土壤养分和合理施肥的基础。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第20卷第1期2006年2月水土保持学报J o urnal o f Soil a nd Wa ter Co nserv ationV o l.20No.1Feb.,2006农田黑土有机质和速效氮磷不同尺度空间异质性分析①赵 军,刘焕军,隋跃宇,张兴义,孟 凯(中国科学院东北地理与农业生态研究所,哈尔滨150040)摘要:应用地统计学的方法并结合GIS空间分析技术,对海伦市农田黑土区域不同尺度的耕层土壤有机质和速效养分进行了空间异质性分析。
结果表明,大尺度下土壤有机质和碱解氮半变量函数的最佳理论模型符合高斯模型,小尺度下有机质最佳理论模型为球状模型,碱解氮符合指数模型,2种尺度下速效磷均符合线性模型,速效磷变异系数较大。
不同尺度下土壤养分表现的空间自相关的变化有很大不同,说明不同的生态学过程在不同的尺度下起作用。
关键词:黑土; 土壤速效养分; 空间变异; 地统计学; G IS中图分类号:S158.3 文献标识码:A 文章编号:1009-2242(2006)01-0041-04Analysis for Spatial Heterogeneity of Organic Matter Content andAvailable Nutrients in Blacksoil Crop Area with Different ScalesZHAO Jun,LIU Huan-jun,SUI Yue-yu,ZHANG Xing-yi,M ENG Kai(1.N ortheast Institute of G eography and Agricultural Ecology,Chinese Academy of Sciences,Harbin150040) Abstract:Geostatistics co mbined w ith GIS w as applied to trea tment and analy ze the spatial v ariability o f soil nutrients in topsoil(0～20cm)in blacksoil cro p area with different scales.The results indica ted that the semiv ariog ram of o rganic matter co ntent and av ailable nitrogen w ere best described by Gaussian m odel in la rg e scale;Th e semiv ariog ram of OM C w as fited by sphericity model;the AN w as best fitted by ex po nential m odel in small scale;and av ailable phosphorus w as best fitted by linear m odel in both scales.CV of AP wa s cha ng ed big est of all nutrents.The analy sis also show ed that the spatial auto-co rrela tions of soil nutrients are v ery different in different scales,which indicated the chang e w as im pacted by different eco logical process. Key words:blacksoil; soil av ailable nutrients; spatial heterogeneity; geosta tistics; GIS地统计学是在经典统计学基础上发展起来的空间分析的有效方法,近20年来已在土壤学上成功应用。
地统计学与GIS技术,结合已成为性状空间分析的有效手段[1～4]。
多在同一尺度对性状的空间特性进行分析,但是对不同尺度的空间变化比较分析较少。
海伦市是农业生产大市,地处松嫩平原的东北部,在黑土区具有典型性和代表性。
近年来该区水土流失相当严重,土壤肥力下降。
本文应用地统计学结合GIS技术,对海伦市不同尺度的土壤有机质(OM C)、碱解氮(AN)和速效磷(AP)的空间变异规律和特征进行了分析,并绘制出土壤养分空间分布图,用以科学地指导不同尺度的施肥,并对指导农业生产合理布局和土壤肥力的培育具有重要意义。
1 材料和方法1.1 研究区域概况研究区域位于黑龙江省海伦市,地理位置为北纬46°59′～47°38′,东经126°16′～127°07′。
地势东北到西南由低丘陵、高平原、河阶地、河漫滩依次呈阶梯型逐渐降低,海拔高度147～400m,一般为200m左右。
除少量残丘外,大部分为漫川漫岗平原,总土地面积45.5万hm2,有4条主要河流贯穿全境。
全县从东北到西南最长,约150km;南北较短,约78km。
海伦气候条件属北温带大陆性季风气候区,冬季寒冷干燥,夏季高温多雨,雨热同季,极端最高气温为37℃,极端最低气温为-39.5℃。
海伦市土壤大部分为黑土,占土地总面积63.4%。
小尺度采样地点位于海伦市中部的胜利村,海拔高度约为200m左右,面积约为50hm2。
1.2 采样与分析大尺度取样原则,GPS定位,按黑土亚类划分、区域分布面积比例和土地利用方式不同,而取样的密度也①收稿日期:2005-05-24基金项目:中国科学院知识创新项目(KZCX2-SW-416)和(IN F105-SDB-1-28)资助作者简介:赵军,女,生于1958年,研究员。
主要研究方向为信息技术、GIS、土壤水肥模拟模型等。
DOI:10.13870/ k i.st b cxb.2006.01.010有所不同,采集农田黑土耕层(0～20cm )土壤样品65个。
平均取样距离为5km ,每种作物地块S 型取样,4分法。
小尺度取样参照栅格采样法,在胜利村50hm 2的区域内,随机采集50个样点,每个样点代表90m ×90m 网格。
每一网格取5个点的混合土样,取样深度0～20cm 。
将土样自然风干,过2mm 筛,然后分析土壤养分含量。
具体分析方法是:有机碳:德国Elementar 公司生产的Vario ELII 元素分析仪,燃烧法。
碱解氮:碱解扩散法。
有效磷:碳酸氢钠浸提,钼锑抗比色法(Olsen -P )。
表1 不同尺度土壤有机质、速效氮和速效磷的描述性统计小比例尺大比例尺项目 有机质(g /k g)碱解氮(mg /k g)有效磷(mg /k g)有机质(g /kg )碱解氮(mg /k g)有效磷(mg /kg )最大值90.75291.3561.6955.525918.60最小值26.44120.74 6.4541.2519512.60中值43.54205.0416.5745.4234.516.85平均值44.96203.2518.9346.60229.8416.60标准差10.439.6210.36 3.28616.32 1.1变异系数0.240.190.620.0720.06950.065斜度0.000.010.110.02-0.54-0.95峰度0.90-0.01-0.110.27-0.852.351.3 数据处理方法(1)样本的描述性分析采用SPSS10.0软件进行,利用K -S 检验数据是否呈正态分布;(2)利用SU-PERM AP 软件将数据由经纬度坐标转换为公里网坐标,并以最小经纬度点为基准定出相对坐标零点。
(3)半方差函数和kriging 插值应用GS + 5.3b 进行计算。
步骤为:(1)在GS +软件中对数据进行处理,作出频率分布图,如果不符合正态分布还要进行转换;(2)半方差函数的计算、模拟、分析和检验;(3)进行kriging插值;(4)生成2维或3维养分分布图。
(4)利用GIS 软件将海伦市区域图、土地利用图等和土壤养分分布图进行配准叠加,生成海伦市农田黑土土壤养分分布图。
图1 不同尺度下土壤有机质、碱解氮和速效磷半方差分布图及模型拟合结果2 结果与讨论2.1 描述性统计分析海伦市速效土壤养分的描述性统计结果见表1。
在不同尺度下,土壤养分的最大值、最小值和均值都存在着较大的差别,表明土壤养分存在着明显的空间分布差异。
大尺度下土壤养分的变异系数(CV)范围为19%～42水土保持学报第20卷62%,均属于中等变异水平。
其变化受土壤本身结构性因子和农田生产管理随机性因子共同影响。
AP 的变异系数最大,与当地磷肥的施用量不均一性,而磷肥在土壤中又易于固定有很大关系。
而小尺度下的变异系数为6.5%～7%,属于弱变异水平,变化范围较小。
就平均值和中值的比较来看差别不太大,但有一定的偏移,表明这些养分的中心趋向分布,可能被异常值影响而使其呈非标准正态分布。
2.2 相关性分析大尺度下,土壤OM C 与AN 有极显著的正相关,其它相关关系不显著。
而在小尺度下,土壤OM C 与AN 和AP 都显示了极显著的负相关,AN 和AP 之间显示了显著的正相关关系。
有研究表明:土壤OM C 与土壤全量氮、磷含量显著正相关,而和速效养分的相关性较差[5,6]。
本研究中,大尺度下OM C 与AN 正相关,说明土壤氮矿化较高。
而小尺度下,可能土壤OM C 和速效养分更易受地形和植被的影响。
胜利村的地形为南部漫岗向东延伸,东北部湿地,现已种植水稻,而西部为大片旱田。
东部水田区域OM C 高,而水田的氮矿化不好,所以形成OM C 高的地方,速效养分相对较低(见图2)。
土壤养分之间的相关关系对于分析土壤肥力有重要的意义,可作为土壤肥力观测和评价指标,同时对指导合理施肥也具有重要作用。
图2 土壤有机质、碱解氮和速效磷分布图表2 不同尺度土壤有机质、碱解氮和速效磷半方差模型及其拟合参数地点项目理论模型块金值C 0基台值(C 0+C )块金值/基台值(%)C 0/C 0+C 变程(k m)决定系数r 2分维数D 大尺度有机质高斯0.030.06645.570.10.79 1.88(海伦市)碱解氮高斯819163949.9820.93 1.926速效磷线性0.3980.39810055.30.31 1.97小尺度有机质球状0.090.1850 2.230.65 1.89(胜利村)碱解氮指数0.47 2.7916.8 1.110.7 1.90速效磷线性1.1451.15599.13.60.31.9232.3 空间变异程度分析经K-S 软件对数据的正态分布进行检验,大尺度下,土壤AN 属于正态分布,OM C 和AP 属于偏正态分布,经过对数转换后,符合正态分布;小尺度下,OM C 经转换后符合正态分布,而AN 和AP 基本符合正态分布。