黄土高原小流域土壤养分的空间异质性
不同土地利用类型下土壤粒径分形分析以黄土丘陵沟壑区为例
不同土地利用类型下土壤粒径分形分析以黄土丘陵沟壑区为例一、概述黄土丘陵沟壑区作为我国黄土高原上的主要黄土地貌形态，其独特的地理环境和气候条件使得土壤侵蚀成为该地区面临的一大环境挑战。
在这一区域，土地利用方式的差异对水土流失的阻截作用各不相同，进而导致了土壤粒径分布的显著差异。
为了深入理解和评价不同土地利用类型对土壤物理性质的影响，本研究以黄土丘陵沟壑区为例，进行了土壤粒径分形分析。
土壤粒径分布作为土壤物理特性的重要组成部分，不仅影响着土壤的水力特性、肥力状况，还与土壤侵蚀等生态过程密切相关。
对不同土地利用类型下土壤粒径分布的研究，有助于我们更好地了解土壤质量与土地利用方式之间的关系，为区域土壤资源管理和生态保护提供科学依据。
分形理论作为一种描述不规则、复杂形状的数学工具，在土壤学领域得到了广泛应用。
本研究采用分形分析方法，对不同土地利用类型下的土壤粒径分布进行了量化描述和对比分析。
通过计算土壤粒径分布的分形维数、多重分形参数等指标，我们旨在揭示不同土地利用类型对土壤粒径分布的影响机制，并探讨这些分形参数作为反映土壤物理性质和土壤质量潜在指标的可行性。
本研究以黄土丘陵沟壑区为例，通过土壤粒径分形分析的方法，探讨了不同土地利用类型对土壤物理性质的影响，旨在为区域土壤资源管理和生态保护提供理论支持和实践指导。
1. 介绍黄土丘陵沟壑区的地理特征和生态环境黄土丘陵沟壑区，位于中国西北部，其地理特征独特且鲜明。
这一区域覆盖面积广泛，涉及多个省份，沟壑纵横，呈现出千沟万壑的景观。
由于长期受到自然风化和侵蚀的影响，黄土丘陵沟壑区的地形地貌复杂多变，地表支离破碎。
这种地形地貌特征使得该区域的水土保持能力较弱，水土流失问题严重，进而影响了该地区的生态环境和农业生产。
从生态环境角度看，黄土丘陵沟壑区的气候条件较为恶劣，冬季漫长且寒冷，夏季短暂而炎热，昼夜温差大，无霜期相对较短。
这种气候条件限制了农作物的生长周期，使得该地区的农业生产受到一定影响。
典型山西黄土高原区土壤有机质的空间异质性及空间插值预测
山西农业科学 2023，51（7）：785-792Journal of Shanxi Agricultural Sciences典型山西黄土高原区土壤有机质的空间异质性及空间插值预测张小美 1，高春瑞 1，闫晓斌 1，杨莎 1，乔星星 1，王超 1，杨武德 1，Fahad Shafiq 2，冯美臣 1，李广信1（1.山西农业大学 农学院，山西 太谷 030801；2.拉合尔政府学院大学植物学系，巴基斯坦 旁遮普省 54000）摘要：农田土壤有机碳库储量是评估其固碳减排潜力的重要依据，而土壤有机碳（SOC ）周转受到气候（温度和降水）、地形（坡度和高程）等环境变量的影响。
为了明确环境变量因子对SOC 的影响及实现SOC 的空间插值预测，为理解小尺度SOC 的空间异质性及精确制图提供一定理论和实践参考，研究利用反距离加权法（IDW ）、径向基函数法（RBF ）、普通克里格插值（OK ）、多元线性回归（MLR ）、回归克里格法（RK ）、回归反距离加权法（MIDW ）、回归径向基函数法（MRBF ）等7种插值方法，探寻地形因子和气候因子与SOC 的关系，并选出能更好预测SOC 空间分布的空间插值模型。
结果表明，SOC 含量与高程（-0.255**）、温度（-0.246**）、坡度（-0.214**）及降水量（-0.085*）均呈显著负相关关系，其中高程与SOC 的关系最为密切。
对比不同插值模型的预测表现可知，MLR 的均方根误差为0.083，小于OK 、RBF 、IDW 、RK 、MRBF 、MIDW 的均方根误差；MRBF 的平均绝对误差为2.506，小于OK 、RBF 、IDW 、MLR 、RK 、MIDW 的平均绝对误差；MRBF 的皮尔逊相关系数为0.674，大于OK 、RBF 、IDW 、MLR 、RK 、MIDW 的皮尔逊相关系数，因此，基于MRBF 方法的SOC 预测效果最好。
关键词：土壤有机碳；影响因素；空间分析；插值方法；地形；数字土壤制图中图分类号：S159 文献标识码：A 文章编号：1002‒2481（2023）07‒0785‒08Spatial Heterogeneity and Spatial Interpolation Prediction of Soil OrganicMatter in the Typical Loess Plateau Area of Shanxi ProvinceZHANG Xiaomei 1，GAO Chunrui 1，YAN Xiaobin 1，YANG Sha 1，QIAO Xingxing 1，WANG Chao 1，YANG Wude 1，FAHAD Shafiq 2，FENG Meichen 1，LI Guangxin 1（1.College of Agriculture ，Shanxi Agricultural University ，Taigu 030801，China ；2.Department of Botany ，Government College University Lahore ，Punjab 54000，Pakistan ）Abstract ：Soil organic carbon(SOC) reservoir reserves of farmland serve as an important indicator for the assessment of the potential of carbon sequestration and emission reduction and turnover of SOC was affected by environmental variables like climate (temperature and precipitation) and terrain(slope and elevation). In order to clarify the impact of environmental variable factors on SOC and achieve spatial interpolation prediction of SOC, provide some theoretical and practical references for understanding the spatial heterogeneity and precision mapping of SOC at small scale, in this study, 7 different approaches including the Inverse Distance Weighting method(IDW), Radial Basis Function method(RBF), Ordinary Kriging(OK), Multiple Linear Regression (MLR), Regression Kriging(RK), regression inverse distance weighting method(MIDW), regression radial basis function method (MRBF) were used to explore the relationship between terrain factors and climate factors and SOC, and thenthe optimal spatial interpolation model to predict the spatial distribution of SOC was further obtained. The results showed that there was a significant negative correlation between SOC content and elevation(-0.255**), temperature(-0.246**), slope(-0.214**), and precipitation (-0.085*). The relationship between elevation and SOC was the closest. Comparing the predictive performance of the different interpolation models, the root mean square error(RMSE) of MLR was smaller than that of RMSE of OK, RBF, IDW, RK, MRBF, MIDW, and its value was 0.083. The average absolute error(MAE) of MRBF was less than MAE of OK, RBF, IDW, MLR, RK and MIDW, and its value was 2.506. The Pearson correlation coefficient of MRBF was greater than that of OK,doidoi:10.3969/j.issn.1002-2481.2023.07.10收稿日期：2022-10-10基金项目：国家自然基金项目（31871571）；国家重点研发项目子课题（2019YFC1710800，2021YFD1600603-03，2021YFD1600603-02）；山西省重点研发项目（201903D211002）；山西省科技合作交流项目（202104041101040）；山西农业大学生物育种工程项目（YZGC097）；山西省基础研究计划项目（202203021211275）；山西省现代农业产业技术体系建设专项（2023CYJSTX02-2）作者简介：张小美（1996-），女，河南开封人，在读硕士，研究方向：作物生态与信息技术。
黄土高原土壤可蚀性因子空间分布特征及影响因素
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:2023-05-17资助项目:国家自然科学基金项目(42077058,41601282,42277320) 第一作者:朱启明(1999 ),男,江苏盐城人,硕士研究生,主要从事土壤侵蚀过程与机理研究㊂E -m a i l :q i m i n g z h u @s n n u .e d u .c n 通信作者:刘俊娥(1987 ),女,山西河曲人,博士,副教授,主要从事土壤侵蚀过程与机理研究㊂E -m a i l :l i u ju n e 5@s n n u .e d u .c n 黄土高原土壤可蚀性因子空间分布特征及影响因素朱启明,刘俊娥,周正朝(陕西师范大学地理科学与旅游学院,西安710119)摘要:为揭示黄土高原地区土壤可蚀性(K )的空间分布特征和影响因素,基于E P I C 模型㊁几何平均粒径模型㊁T o r r i 模型估算黄土高原地区K ,并结合地理探测器比较土壤理化性质㊁海拔㊁坡度等要素对K 空间分布的影响㊂结果表明:(1)E P I C 模型㊁几何平均粒径模型㊁T o r r i 模型估算的黄土高原地区K 均值分别为0.036,0.034,0.041[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m2)]㊂黄土高原以中可蚀性和中高可蚀性的土壤为主,不同模型对K 的估算值有显著差异(F =4.460,p <0.01)㊂(2)黄土高原K 有较为显著的空间异质性,东部和西南地区K 较高,西北地区K 则较低㊂不同省份的中可蚀性和中高可蚀性面积占比有较大的统计差异㊂(3)土壤理化性质(砂粒含量㊁粉粒含量㊁黏粒含量㊁碎石含量㊁容重㊁酸碱度㊁阳离子交换量㊁基本饱和度㊁交换性盐基㊁碳酸盐㊁硫酸盐㊁可交换性钠盐㊁导电率)㊁海拔㊁坡度㊁坡向均对K 呈现极显著影响(p <0.01)㊂土壤理化性质对K 空间分布的影响强于海拔㊁坡度㊁坡向㊁土地利用因子间交互作用对K 的影响大于单个因子㊂研究结果可为黄土高原土壤水蚀准确防治和土壤改良提供一定的理论依据㊂关键词:土壤可蚀性;地理探测器;空间分异;黄土高原中图分类号:S 157.1 文献标识码:A 文章编号:1009-2242(2023)06-0050-07D O I :10.13870/j.c n k i .s t b c x b .2023.06.007R e s e a r c ho n t h e S p a t i a lD i s t r i b u t i o nC h a r a c t e r i s t i c s a n d I n f l u e n c i n gF a c t o r s o f S o i l E r o d i b i l i t y Fa c t o r s o f t h eL o e s sP l a t e a u Z HU Q i m i n g ,L I UJ u n e ,Z HO UZ h e n gc h a o (S c h o o l o f G e o g r a p h y a n dT o u r i s m ,S h a a n x iN o r m a lU n i v e r s i t y ,X i a n 710119)A b s t r a c t :I no r d e r t or e v e a l t h es p a t i a l d i s t r i b u t i o nc h a r a c t e r i s t i c sa n d i n f l u e n c i n g f a c t o r so f s o i l e r o d i b i l i t y (K -f a c t o r )o n t h eL o e s sP l a t e a u ,t h i s r e s e a r c he s t i m a t e d t h ev a l u e so f K -f a c t o r o n t h eL o e s sP l a t e a ub a s e do nE P I C m o d e l ,g e o m e t r i cm e a n g r a i n s i z em o d e l a n dT o r r im o d e l .T h e i m p a c t s o f s o i l p h y s i c a l a n d c h e m i c a l p r o p e r t i e s ,e l e v a t i o n ,s l o p e ,a n do t h e r f a c t o r so nt h es p a t i a l d i s t r i b u t i o no f K -f a c t o rw e r ec o m p a r e du s i n gg e o g r a p h i cd e t e c t o r s .T h e f i n d i n g s i n d i c a t e dt h a t :(1)T h e m e a nv a l u e so f K -f a c t o ro nt h eL o e s s p l a t e a u e s t i m a t e db y E P I C m o d e l ,g e o m e t r i cm e a n g r a i ns i z em o d e l ,a n dT o r r im o d e lw e r e 0.036,0.034a n d0.041[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)],r e s p e c t i v e l y .T h e d o m i n a n t s o i l s o n t h eL o e s sP l a t e a u e x h i b i t e dm e d i u m e r o d i b i l i t y a n dm e d i u m -h i g he r o d i b i l i t y ,w i t hs i g n i f i c a n t d i f f e r e n c e s i n t h e e s t i m a t e d K -f a c t o r v a l u e s a m o n gt h em o d e l s (F =4.460,p <0.01).(2)T h e K -f a c t o r o fL o e s sP l a t e a u s h o w e d s i g n i f i c a n t s p a t i a l h e t e r o g e n e i t y ,w i t hh i gh e r K -f a c t o r i n t h e e a s t a n ds o u t h w e s t a n d l o w e r K -f a c t o r i nt h en o r t h w e s t .T h e r ew e r es t a t i s t i c a l d i f f e r e n c e s i n t h e p r o p o r t i o no fm e d i u me r o d i b l e a n dm e d i u m -h i g he r o d i b l e a r e a s a m o n g d i f f e r e n t p r o v i n c e s .(3)S o i l p h y s i c o c h e m i c a l p r o p e r t i e s (s a n dc o n t e n t ,s i l t c o n t e n t ,c l a y c o n t e n t ,g r a v e l c o n t e n t ,b u l kd e n s i t y ,p H ,c a t i o ne x c h a n g e ,b a s i cs a t u r a t i o n ,e x c h a n g e a b l es a l t g r o u p ,c a r b o n a t e ,s u l f a t e ,e x c h a n ge a b l es o d i u m s a l t ,e l e c t r i c a l c o n d u c t i v i t y ),e l e v a t i o n ,s l o p e ,a n ds l o p ed i r e c t i o ns h o w e dh i g h l y s i g n if i c a n t e f f e c to n K -f a c t o r (p <0.01).T h e i n f l u e n c e o f s o i l p h y s i c a l a n d c h e m i c a l p r o p e r t i e s o n t h e s p a t i a l d i s t r i b u t i o no f K -f a c t o rw a s s t r o n g e r t h a n t h o s eo f e l e v a t i o n ,s l o p e ,a n ds l o p ed i r e c t i o n ,a n dt h e i n t e r a c t i o nb e t w e e nf a c t o r sh a d m o r e i n f l u e n c e o n K -f a c t o r t h a n i n d i v i d u a l f a c t o r s .T h e s t u d y co u l d p r o v i d e s o m e t h e o r e t i c a l b a s i s f o r t h e a c c u r a t e p r e v e n t i o na n d s o i lw a t e r e r o s i o n c o n t r o l l i n g a n d s o i l i m pr o v e m e n t o n t h eL o e s sP l a t e a u .K e y w o r d s:s o i l e r o d i b i l i t y;g e o d e t e c t o r s;s p a t i a l d i f f e r e n t i a t i o n;L o e s sP l a t e a u土壤可蚀性反映土壤对侵蚀营力的敏感程度,即土壤是否容易受到外力而被分离和输移,通常使用土壤可蚀性因子(K)定量表示土壤可蚀性能力[1]㊂K 也是估算水土流失量和建立土壤侵蚀预报模型的关键参数,被广泛地应用于U S L E㊁R U S L E和W E P P 等模型㊂K最准确的计算方法是基于径流小区多年资料直接计算,但由于实际条件制约,很难获取长时间跨度的实测数据,因此,常使用经验模型对K进行估算,常用的经验模型大致可分为3类:(1)基于土壤粒径组成㊁有机质含量㊁结构特征和入渗能力进行估算的(修正的)诺谟方程;(2)基于土壤粒径分布和有机碳含量进行估算的E P I C模型;(3)基于土壤平均几何粒径进行估算的几何平均粒径模型和T o r r i模型㊂E P I C模型㊁几何平均粒径模型和T o r r i模型对紫色土区㊁亚热带红壤区㊁黄土高原丘陵区等典型区域有较好的适用性[2-4]㊂其中,E P I C模型和几何平均粒径模型已大量应用于黄土高原K的研究[5-6]㊂黄土高原土壤质地粗,多疏松多孔结构,抗蚀性差,K较高[7]㊂土壤理化性质㊁地貌㊁植被㊁土地利用方式会显著影响K㊂张钦弟等[8]研究发现,土壤水稳性团聚体含量显著降低K;陈卓鑫等[5]发现,粉粒含量㊁土壤容重和根重密度是影响黄土高原典型塬坡K的重要因素;李宁宁等[9]发现,退耕坡度的土壤结皮能显著降低K;朱冰冰等[6]研究认为,土壤有机质含量增加可降低K㊂同时,由于各因素在黄土高原存在空间分异性,因此,K在空间上也表现出分异性㊂饶良懿等[10]发现,黄土高原砒砂岩区阴坡坡顶K高于阳坡坡顶,而阴坡坡面K低于阳坡坡面;李娅芸等[11]发现,黄土高原丘陵区草原区K依次高于森林草原区和森林区㊂综上,现有关于黄土高原K的研究[5-11]大多聚焦于单一因素对K的影响,且研究尺度多为小尺度的坡面,针对大尺度(流域㊁省份)上K空间分布和多影响因素的研究还比较欠缺㊂因此,使用E P I C模型㊁几何平均粒径模型㊁T o r r i模型对黄土高原K进行估算,分析黄土高原K的空间分布特征,并结合地理探测器工具探究影响黄土高原K空间分布的主要因素,以期为黄土高原水土流失防治及土壤性状改良提供理论依据㊂1材料与方法1.1研究区概况黄土高原地处我国西北部(33ʎ41' 41ʎ16'N, 100ʎ52' 114ʎ33'E),总面积约为63.5万k m2,地势大致由西北向东南递减,按地貌可分为高原沟壑㊁农灌㊁沙地沙漠㊁丘陵沟壑㊁土石山区㊁河谷平原[12]㊂黄土高原地处温带季风气候向温带大陆性气候的过渡交界地带,属于典型的干旱和半干旱区,年均气温4~16ħ,年均降水量400~600mm[13]㊂土壤属性具有明显分异特征,粒径自西北向东南逐渐变细,土壤类型以黄绵土㊁风沙土㊁粗骨土㊁灰褐土为主,土质疏松且固着力差,抗蚀能力弱,加之地表植被覆盖率低,雨期极易发生侵蚀(图1)㊂图1研究区概况1.2数据来源土壤数据来源于国家冰川冻土沙漠科学数据中心(h t t p://w w w.n c d c.a c.c n/)所提供的1ʒ100万基于世界土壤数据库(HW S D),该数据是空间分辨率为公里的网格数据,提供各个格网点的土壤类型㊁土壤相位㊁土壤理化性状等信息㊂D E M数据(30m´30 m)来源于地理空间数据云(h t t p s:ʊw w w.g s c l o u d.c n/);地貌类型㊁土地利用数据均来源于中国科学院资源环境科学数据中心(h t t p s:ʊw w w.r e sd c.c n/)㊂1.3K计算常用的K估算模型主要有诺谟方程㊁修正诺谟方程㊁E P I C模型㊁几何平均粒径模型㊁T o r r i模型等㊂由于土壤结构等级和土壤渗透性等级的确定,通常需分别根据实际土壤特征确定,因此,使用诺谟方程和修正诺谟方程估算K较为困难,故本研究使用E P I C模型㊁几何平均粒径模型和T o r r i模型对K进行估算㊂(1)E P I C模型㊂S h a r p l y等[14]提出基于土壤粒径组成属性和土壤有机碳K的估算模型,即E P I C 模型㊂在E P I C模型中,K计算公式为:K E P I C=0.1317ˑ0.2+0.3e x p-0.0256㊃S a㊃1-S i100æèçöø÷éëêêùûúú{}ˑS iC l+S iæèçöø÷0.3ˑ1-0.25CC+e x p(3.718-2.947C)éëêêùûúúˑ1-0.7㊃S nS n+e x p-5.509+22.899S n()éëêêùûúú(1)S n=1-S a100(2)式中:K E P I C为E P I C模型估算所得土壤可蚀性因子15第6期朱启明等:黄土高原土壤可蚀性因子空间分布特征及影响因素[(t ㊃h m 2㊃h )/(M J ㊃m m ㊃h m 2)];0.1317为单位转换系数,将估算结果由美国制转换至国际制,下同;S a 为砂粒含量(0.05~2m m ,%);S i 为粉粒含量(0.002~0.005mm ,%);C l 为黏粒含量(<0.002mm ,%),C 为有机碳含量(%)㊂(2)几何平均粒径模型㊂R öm k e n s 等[15]提出仅考虑土壤几何平均粒径(D G ,mm )的土壤可蚀性估算模型,该模型也被用于R U S L E 模型中,其计算公式为:K D G =0.1317ˑ7.594ˑ0.0034+0.0405ˑe x p -12l g D G ()+1.6590.7101æèçöø÷2éëêêùûúú{}(3)D G =e x p 0.01ˑðni =1f i ˑl n m i ()[]{}(4)式中:K D G 为几何平均粒径模型计算得到的土壤可蚀性因子[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)];D G 为平均几何粒径(mm );f i 为第i 个粒径范围内粒径组成百分比(%);m i 为第i 个范围内最大粒径与最小粒径的均值(mm );n 为所划分的粒径范围的个数㊂本研究按照黏粒(<0.002mm )㊁粉粒(0.002~0.005mm )㊁砂粒(0.005~2mm )3个粒径范围计算D G ㊂(3)T o r r i 模型㊂T o r r i 等[16]通过分析全球土壤可蚀性数据集后建立基于几何平均粒径和有机物含量的土壤可蚀性模型,计算公式为:K T o r r i =0.02930.65-D G +0.24D G 2()ˑe x p -0.0021O M C -0.00037O M C æèçöø÷2-4.02+1.72C 2{}(5)D G =ðni =1f i lg d id i -1(6)式中:K T o r r i 为To r r i 模型计算所得的土壤可蚀性因子[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)];O M 为土壤有机质含量(%);C 为小数形式下的黏粒含量(<0.002mm ,无量纲);d i 为第i 个粒径等级内的最大粒径(mm ),d i -1为第i 个粒径等级内的最小粒径(mm )㊂1.4 地理探测器地理探测器是由王劲峰等[17]开发的探测并分析空间异质性的工具,主要包括分异及因子㊁交互作用㊁风险和生态共4个探测器㊂本研究主要使用分异及因子探测器识别影响K 的主控因子,使用交互作用探测器分析因子组合下对K 的影响㊂(1)分异及因子探测器㊂分异及因子探测器主要是计算q 值比较不同因子对于空间分异的解释能力[17],q 值分布在0~1,因子的q 值越大,表明该因子对空间分析的解释能力越强㊂q 值计算公式为:q =1-ðL h =1N h σh 2N σ2=1-S S W S S T =1-ðLh =1N h σh2N σ2(7)式中:h 为分区或分类个数;N h 和N 分别为第h 个分区的小单元数和全区的单元数;σh 和σ分别为第h 个分区属性值的方差和全区属性值的方差㊂S S W 和S S T 依次为分区内方差和以及全区的总方差㊂(2)交互探测器㊂通过比较多因子组合下的q 值,进而识别因子组合是否对空间分异的解释能力产生显著影响㊂选取17种土壤理化性质(土壤类型㊁黏粒含量(%)㊁粉粒含量(%)㊁砂粒含量(%)㊁碎石含量(%)㊁容重(k g /d m 3)㊁有机碳(%)㊁酸碱度(-l g H +)㊁阳离子交换量(c m o l /k g )㊁基本饱和度(%)㊁交换性盐基(c m o l /k g)㊁碳酸盐(%)㊁硫酸盐(%)㊁可交换性钠盐(%)㊁导电率(d S /m )),3种表征地质地貌条件因子[海拔(m )㊁坡度(ʎ)㊁坡向(ʎ)]和土地利用类型共计20个可能影响K 的因素㊂参照王劲峰等[17]提出的数据离散化处理方法,依次将土壤理化性质按照自然断点法分为6类;土壤类型按照U S D A 质地分类分为粉砂质黏土㊁黏土㊁黏壤土㊁粉壤土㊁壤土㊁砂黏壤土㊁砂质壤土㊁砂壤土和砂土共9类;土地利用类型分为耕地㊁林地㊁草地㊁水域㊁建筑用地和未利用土地共计6类;海拔按照<500,500~1500,1500~3500,>3500m 分为4类;坡度分为平坡(<5ʎ)㊁缓坡(6ʎ~15ʎ)㊁斜坡(15ʎ~25ʎ)㊁陡坡(26ʎ~35ʎ)㊁急坡(35ʎ~45ʎ)㊁险坡(>45ʎ)共5类;坡向分为无㊁北㊁东北㊁东㊁东南㊁南㊁西南㊁西㊁西北共9类㊂按照1k m ´1k m 格网划分研究区,获取各格网点离散化处理后的属性数据及可蚀性等级,共得到618261个有效数据㊂2 结果与分析2.1 黄土高原K 统计特征3个模型估算的黄土高原K 的统计学特征见表1㊂K E P I C ㊁K D G ㊁K T o r r i 数值分别为0.010~0.045,0.009~0.044,0.026~0.048[(t ㊃h m 2㊃h )/(M J ㊃m m ㊃h m 2)],3个模型K 最大值和最小值的比值分别为4.50,4.90,1.85倍㊂K E P I C 和K D G 的极差大于K T o r r i ㊂此外,K T o r r i的变异系数<0.15,表明K T o r r i 的变异性较低;而K E P I C 和K D G 的变异系数均介于0.15~1,K E P I C 和K D G 存在中等程度上的变异㊂按照较低可蚀性{<0.0263[(t ㊃h m 2㊃h )/(M J㊃mm ㊃h m 2)]}㊁中低可蚀性{0.0263~0.0329[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)]}㊁中可蚀性{0.0329~0.0395[(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)]}㊁中高可蚀性{0.0395~0.0460[(t ㊃h m 2㊃h )/(M J㊃mm ㊃h m 2)]}㊁高可蚀性{>0.0460[(t ㊃h m 2㊃h )/(M J㊃25水土保持学报 第37卷mm ㊃h m 2)]}对黄土高原可蚀性分级见表2㊂3个模型下,中高可蚀性的土壤面积占比均超过50%,中可蚀性及其以上等级面积占比均超过70%㊂因此,黄土高原地区土壤K 较高,较易受到水蚀㊂表1 黄土高原K 统计特征指标K /(t ㊃h m 2㊃h ㊃M J -1㊃mm -1㊃h m -2)平均值最小值最大值中位数标准差变异系数K E P I C 0.0360.0100.0450.0460.0100.290K D G 0.0340.0090.0440.0400.0120.348K T o r r i0.0410.0260.0480.0420.0400.102表2 黄土高原K 不同等级面积占比单位:%指标低可蚀性中低可蚀性中可蚀性中高可蚀性高可蚀性K E P I C 15.27611.12923.05250.5430K D G 23.0192.21423.55751.2110K T o r r i0.0063.26827.73057.71111.2862.2 黄土高原K 的空间分布特征黄土高原地区K 存在着较显著的空间差异性(图2)㊂总体上,南部地区土壤可蚀性高于北方地区,东部地区高于西部地区㊂东部和西南地区K 较高,西北地区K 则较低㊂对7个省份(自治区)K 进行统计学特征和不同K 等级下的面积占比进行分析(图3㊁表3)表明,山西㊁甘肃K 平均较高,而宁夏㊁内蒙古土壤可蚀性K 平均较低㊂E P I C 模型和几何平均粒径模型K 的变异系数>0.15的有5个省;而T o r r i 模型中,7个省K 变异系数均<0.15㊂E P I C 模型和几何平均粒径模型结果中,多数省份K 有较强的异质性,而T o r r i 模型下下各省份K 的异质性则较低,因此T o r r i模型估算结果的变化范围更小㊂由图2可知,7个省份的土壤可蚀性等级以中可蚀性及其以上为主㊂不同省份的中可蚀性和中高可蚀性土壤面积占比有较大差异㊂以E P I C 模型为例,中可蚀性面积占比最高的为青海(80.520%),最低为陕西(10.217%),2个省份相差70.303%㊂高可蚀性面积占比最高的为陕西(64.686%),面积占比最小的为内蒙古(5.221%),2个省份也相差59.465%㊂综上,黄土高原K 表现出较为显著的空间异质性,不同省份间中可蚀性和中高可蚀性面积占比有较大的统计差异㊂图2 黄土高原K 空间分布注:S X ㊁S a x ㊁H N ㊁NM ㊁N X ㊁G S ㊁Q H 分别为山西㊁陕西㊁河南㊁内蒙古㊁宁夏㊁甘肃㊁青海㊂图3 黄土高原各省份不同K 等级面积占比2.3 黄土高原K 的影响因素相关性分析结果(表4)表明,K E P I C 与砂粒含量㊁容重㊁可交换性钠盐㊁海拔呈现负相关关系;K D G 与砂粒含量㊁容重㊁可交换性钠盐呈现负相关关系;而K T o r r i 与砂粒含量㊁容重㊁硫酸盐含量㊁可交换钠盐㊁电导率㊁海拔呈现负相关关系㊂K E P I C ㊁K D G ㊁K T o r r i 与土壤理化性质指标㊁海拔㊁坡度和坡向均呈现极显著的相关性(p <0.01)㊂本研究中,所选取的14种土壤理化性质中,砂粒含量㊁粉粒含量㊁黏粒含量㊁容重㊁阳离子交换量㊁交换性盐基与K 相关性较高,是影响黄土高原K 的主要土壤理化性质因素㊂相较于海拔和坡向,坡度与K 相关性更高,表明坡度是影响K 大小的主要地质地貌特征㊂此外,砂粒含量㊁粉粒含量㊁黏粒含量㊁容重㊁酸碱度㊁阳离子交换量㊁交换性盐基㊁碳35第6期 朱启明等:黄土高原土壤可蚀性因子空间分布特征及影响因素酸盐与K 的相关性均显著高于海拔㊁坡度㊁坡向㊂相较于海拔㊁坡度㊁坡向,土壤理化性质是影响K 大小的主要因素㊂方差分析表明,土壤理化性质F 统计量均高于海拔㊁坡度㊁坡向㊂表3 不同省份K 统计特征类型研究区K /(t ㊃h m 2㊃h ㊃M J -1㊃mm -1㊃h m -2)平均值最大值最小值中位数标准差变异系数山西0.0400.0450.0100.0440.0060.150陕西0.0360.0450.0100.0400.0100.278河南0.0370.0450.0210.0390.0080.216K E P I C内蒙古0.0290.0120.0450.0370.0130.448宁夏0.0350.0450.0100.0400.0100.286甘肃0.0390.0450.0100.0410.0060.154青海0.0370.0450.0100.0380.0040.108山西0.0370.0440.0090.0410.0070.189陕西0.0320.0440.0090.0400.0010.031河南0.0330.0430.0120.0380.0100.303K D G内蒙古0.0280.0440.0090.0380.0130.464宁夏0.0320.0440.0090.0380.0120.375甘肃0.0380.0440.0090.0410.0070.184青海0.0390.0440.0090.0380.0040.103山西0.0410.0480.0280.0430.0040.098陕西0.0410.0480.0260.0430.0040.098河南0.0400.0480.0270.0400.0050.125K T o r r i内蒙古0.0390.0480.0260.0370.0040.103宁夏0.0410.0480.0260.0410.0040.098甘肃0.0410.0480.0280.0410.0030.073青海0.0410.0480.0300.0420.0040.098表4 黄土高原K 与因子相关系数因素K E P I CK D GK T o r r i砂粒-0.955**-0.989**-0.624**粉粒0.945**0.918**0.812**黏粒0.735**0.846**0.257**碎石0.184**0.158**0.226**容重-0.897**-0.948**-0.511**有机碳0.221**0.416**0.227**酸碱度0.460**0.318**0.269**阳离子交换量0.741**0.816**0.368**基本饱和度0.146**0.068**0.229**交换性盐基0.728**0.697**0.531**碳酸盐0.433**0.339**0.394**硫酸盐0.109**0.099**-0.009**可交换性钠盐-0.035**-0.053**-0.195**电导率0.137**0.134**-0.036**海拔-0.012**0.102**-0.078**坡度0.220**0.229**0.033**坡向0.003*0.005**0.005**注:*㊁**分别表示p <0.05,p <0.01㊂为进一步探究黄土高原K 的空间驱动因子,使用地理探测器中的分异及因子探测器分析对K 的驱动因子进行分析(表5)㊂总体上,砂粒含量㊁黏粒含量㊁粉粒含量㊁容重是影响K 空间分布的主要驱动因子,q 统计量均>0.800㊂海拔㊁坡度㊁坡向㊁土地利用对K 空间分布的影响显著弱于土壤理化性质㊂不同模型下,同一因素对K 的影响程度也不同㊂以容重为例,3种模型下,q 统计量由大到小依次为K D G(q =0.859)>K E P I C (q =0.793)>K T o r r i (q =0.500)㊂交互作用探测器表明,因子间交互作用均为双因子增强和非线性增强,双重因子间交互作用对K 的影响要显著高于单个因子的影响㊂土壤类型对K E P I C ㊁K D G 和K T o r r i 也有显著影响(p <0.05)㊂K E P I C 中,K 平均值由高到低依次为黏壤土(0.044)>壤土(0.041)>粉壤土(0.040)>黏土(0.033)>粉砂质黏土(0.033)>砂质壤土(0.029)>砂黏壤土(0.028)>砂壤土(0.026)>砂土(0.014);K D G 中,黏壤土(0.043)>粉砂质黏土(0.042)>黏土(0.042)>粉壤土(0.041)>壤土(0.040)>砂黏壤土(0.030)>砂质壤土(0.023)>砂壤土(0.021)>砂土(0.010);在K T o r r i 中,粉壤土(0.047)>壤土(0.042)>黏壤土(0.038)>砂土(0.037)>砂壤土(0.037)>砂质壤土(0.036)>砂黏壤土(0.034)>粉砂质黏土(0.033)>黏土(0.029)㊂综上,黏壤土㊁壤土㊁粉壤土的K 较高,未来需重点防治3种土壤类型区的水蚀㊂45水土保持学报 第37卷表5黄土高原K驱动因子因素K E P I C K D G K T o r r i土壤类型0.8400.8270.733砂粒0.9230.9220.529粉粒0.9010.8600.766黏粒0.8470.8270.683碎石0.3430.1340.172容重0.7930.8590.500有机碳0.3560.5890.141酸碱度0.6990.6210.245阳离子交换量0.7810.6470.261基本饱和度0.0520.0250.064交换性盐基0.7000.6260.292碳酸盐0.5140.3960.288硫酸盐0.0680.0110.199可交换性钠盐0.4720.4760.165电导率0.5760.4300.293海拔0.0130.0180.016坡度0.0560.0600.006坡向00.0010地貌0.0290.0330.021土地利用0.1130.0790.0493讨论3.1不同估算模型间差异本研究使用E P I C模型㊁几何平均粒径模型和T o r r i模型估算,黄土高原地区K㊂相较于K E P I C和K D G,K T o r r i分布范围更为集中,变异性也更小㊂方差分析表明,不同模型对K的估算结果差异显著(F= 4.460,p<0.01),K E P I C与K D G间无显著差异,而K E P I C与K T o r r i间存在显著差异㊂对比吴普特等[18] {0.07~0.302[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}和周佩华等[19]{0.071~0.447[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}基于野外小区实测数据推算的K, K E P I C{0.010~0.045[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}和K D G{0.009~0.044[(t㊃h m2㊃h)/(M J㊃mm㊃h m2)]}要更为接近㊂王彬[20]和魏慧等[3]研究发现,E P I C模型和几何平均粒径模型在黄土高原地区表现出更好的估算精度㊂考虑到本研究中E P I C 模型与几何平均粒径模型间估算结果无显著差异,建议优先选用E P I C模型和几何平均粒径模型进行黄土高原K的估算㊂3.2K与水土流失状况黄土高原K呈现出较明显的空间分异性(图3),大致表现为自南向北递减㊁自东向西递减趋势㊂东南和西南的局部地区可蚀性等级较高,而西北局部地区可蚀性等级较低,整体符合陕西子洲 陕西绥德一带向东㊁向南㊁向北依次递减的趋势[7]㊂此外,较青藏高原和南方红土区,黄土高原地区的土壤可蚀性也较高[21-22]㊂黄土高原地区土壤质地松散,透水透气性能良好,有机质和团聚体发育差,更易被水蚀㊂K一定程度上反映土壤对土壤水蚀的抵抗能力[23]㊂为进一步研究黄土高原土壤水蚀程度对K 的潜在响应关系,对各省不同水蚀强度面积与各省K均值进行线性回归分析(表6),结果表明,不同水蚀强度面积随K的增加而增加,呈现良好的正向线性相关关系(R2ȡ0.067)㊂不同水蚀面积随K变化速率表现为K T o r r i>K E P I C>K D G㊂T o r r i模型估算结果中,水蚀强度剧烈程度对K的响应最为敏感㊂3.3K的影响因素K受土壤理化性质㊁海拔㊁坡度㊁人类活动等多因素综合影响㊂相关性分析和地理探测器结果表明(表4㊁表5),土壤理化性质在统计学或是空间上均对K产生显著影响㊂选取的14种理化性质与K均呈显著的相关性(p<0.01)(表4),其中土壤粒径组成(砂粒含量㊁粉粒含量㊁黏粒含量)和容重与K相关性最高㊂土壤粒径组成影响土壤透水㊁结构发育㊁持水性能㊁有机质发育等,进而影响土壤可蚀性[1];加之3种模型主要基于土壤粒径组成和几何平均粒径进行估算,而粒径组成和几何平均粒径也间接决定土壤容重,因此,土壤粒径组成及容重与K呈现显著相关性㊂本研究中,K与砂粒含量呈现出负相关关系,而与粉粒含量和黏粒含量呈现出正相关关系㊂结果与徐文秀等[24]研究结论相似㊂相较于砂粒,黏粒和粉粒有更高的有机质含量,胶结物黏结土壤颗粒并堵塞土壤孔隙,最终导致土壤入渗性能削弱,增加地表产流,增加土壤水蚀风险,因此,K随黏粒含量和粉粒含量的增加而增加㊂土壤容重代表土壤颗粒之间的致密程度㊂较差的土壤孔隙发育和透水渗水性能也导致容重大的土壤较易发生土壤水蚀㊂地理探测器结果也表明,土壤粒径组成(砂粒㊁粉粒㊁黏粒)和容重是影响K空间分布的最主要的驱动因子(表5)㊂地质地貌(海拔㊁坡度㊁坡向㊁地貌)和土地利用对K空间分布的影响显著弱于土壤理化性质㊂地质地貌和土地利用因素的变化可能导致土壤理化性质发生变化,并最终影响K㊂使用逐步线性回归筛选出与K E P I C㊁K D G和K T o r r i相关性最高的5种理化性质,将海拔㊁地貌类型㊁坡度㊁坡向作为地质地貌特征,土地利用数据作为土地利用特征,使用偏最小二乘法结构方程模型定量分析土壤理化性质㊁地质地貌㊁土地利用对K的影响(图4)㊂结果表明,土壤理化性质是影响K的主要因素,地质地貌因素和土地利用因素主要通过影响理化性质间接影响K㊂55第6期朱启明等:黄土高原土壤可蚀性因子空间分布特征及影响因素表6 土壤可蚀性K 值与水力侵蚀流失面积趋势分析单位:(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m2)水蚀面积/k m2K E P I C趋势方程R2K D G趋势方程R2K T o r r i趋势方程R 2轻度y =80.424x -1.3470.117y =71.973x -0.9050.116y =395.385x -14.4880.137中度y =62.435x -1.5650.220y =40.045x -0.6760.112y =302.692x -11.5890.250强烈y =24.796x -0.6420.207y =16.611x -0.3130.115y =121.923x -4.6920.242极强烈y =10.799x -0.2600.133y =6.536x -0.0930.060y =59.231x -2.2720.033剧烈y =2.658-0.0700.144y =1.627x -0.0300.067y =15.385x -0.5980.233图4 地质地貌㊁土地利用㊁理化性质对K 的影响机制4 结论(1)E P I C 模型㊁几何平均粒径模型㊁T o r r i 模型估算的黄土高原地区K 范围为0.010~0.045,0.009~0.044,0.026~0.048(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2),均值分别为0.036,0.034,0.041(t ㊃h m 2㊃h )/(M J ㊃mm ㊃h m 2)㊂黄土高原土壤以中可蚀性和中高可蚀性为主㊂(2)黄土高原地区K 存在较为显著的空间差异性,大致呈现南高北低㊁东高西低趋势㊂山西㊁甘肃K 较高,宁夏㊁内蒙古K 较低㊂不同省份间的中可蚀性和中高可蚀性等级面积占比有较显著的差异㊂(3)K 与理化性质指标(砂粒含量㊁粉粒含量㊁黏粒含量㊁碎石含量㊁容重㊁酸碱度㊁阳离子交换量㊁基本饱和度㊁交换特性盐基㊁碳酸盐㊁硫酸盐㊁可交换性钠盐㊁导电率)㊁海拔㊁坡度㊁坡向均呈现极显著的相关性(p <0.01)㊂砂粒含量㊁黏粒含量㊁粉粒含量㊁容重是影响该地区K 空间分布的主要驱动因子㊂海拔㊁坡度㊁坡向㊁土地利用对K 空间分布的影响显著弱于土壤理化性质,且主要通过影响土壤理化性质的途径间接影响K ㊂因子间交互作用对K 的影响显著高于单个因子的影响㊂黏壤土㊁壤土㊁粉壤土地区的K 较高㊂参考文献:[1] 魏慧,赵文武,王晶.土壤可蚀性研究述评[J ].应用生态学报,2017,28(8):2749-2759.[2] 史东梅,陈正发,蒋光毅,等.紫色丘陵区几种土壤可蚀性K 值估算方法的比较[J ].北京林业大学学报,2012,34(1):32-38.[3] 魏慧,赵文武.土壤可蚀性K 值最优估算方法遴选:以陕北安塞集水区为例[J ].中国水土保持科学,2017,15(6):52-65.[4] 郑海金,杨洁,喻荣岗,等.红壤坡地土壤可蚀性K 值研究[J ].土壤通报,2010,41(2):425-428.[5] 陈卓鑫,王文龙,郭明明,等.黄土高塬沟壑区植被恢复对不同地貌部位土壤可蚀性的影响[J ].自然资源学报,2020,35(2):387-398.[6] 朱冰冰,李占斌,李鹏,等.土地退化/恢复中土壤可蚀性动态变化[J ].农业工程学报,2009,25(2):56-61.[7] 张科利,蔡永明,刘宝元,等.黄土高原地区土壤可蚀性及其应用研究[J ].生态学报,2001,21(10):1687-1695.[8] 张钦弟,刘剑荣,杨磊,等.半干旱黄土区植被恢复对土壤团聚体稳定性及抗侵蚀能力的影响[J ].生态学报,2022,42(22):9057-9068.[9] 李宁宁,张光辉,王浩,等.黄土丘陵沟壑区生物结皮对土壤抗蚀性能的影响[J ].中国水土保持科学,2020,18(1):42-48.[10] 饶良懿,徐也钦,胡剑汝,等.砒砂岩覆土区小流域土壤可蚀性K 值研究[J ].应用基础与工程科学学报,2020,28(4):763-773.[11] 李娅芸,刘雷,安韶山,等.应用L eB i s s o n n a i s 法研究黄土丘陵区不同植被区及坡向对土壤团聚体稳定性和可蚀性的影响[J ].自然资源学报,2016,31(2):287-298.[12] 穆兴民,李朋飞,刘斌涛,等.1901 2016年黄土高原土壤侵蚀格局演变及其驱动机制[J ].人民黄河,2022,44(9):36-45.(下转第64页)65水土保持学报第37卷2019,578:e124005.[14] M aH B,N i t t r o u e r JA,N a i t oK,e t a l.T h e e x c e p t i o n-a ls e d i m e n tl o a d o ff i n e-g r a i n e d d i s p e r s a ls y s t e m s:E x a m p l e o f t h e Y e l l o w R i v e r,C h i n a[J].S c i e n c eA d v a n c e s,2017,3(5):e1603114.[15]中华人民共和国水利部.‘黄河流域水文资料“(第4卷第3册)[R].北京:中华人民共和国水利部,2018.[16] T i a nP,F e n g JH,Z h a oGJ,e t a l.R a i n f a l l,r u n o f f,a n ds u s p e n d e ds e d i m e n td y n a m i c sa tt h ef l o o de v e n ts c a l e i naL o e s sP l a t e a u w a t e r s h e d,C h i n a[J].H y d r o-l o g i c a l P r o c e s s e s,2022,36(2):e14486.[17] Z h a oGJ,G a oP,T i a nP,e t a l.A s s e s s i n g s e d i m e n tc o n n e c t i v i t y a nd s o i le r o s i o nb y w a t e r i nar e p r e s e n t a-t i v e c a t c h m e n t o n t h eL o e s s P l a t e a u,C h i n a[J].C a t e n a,2020,185:e104284.[18] L iD Y,L i a n g Z M,Z h o u Y,e t a l.M u l t i c r i t e r i aa s-s e s s m e n tf r a m e w o r k o ff l o o d e v e n t ss i m u l a t e d w i t hv e r t i c a l l y m i x e dr u n o f f m o d e l i ns e m i a r i dc a t c h m e n t si n t h e m i d d l e Y e l l o w R i v e r[J].N a t u r a l H a z a r d sa n dE a r t hS y s t e mS c i e n c e s,2019,19(9):2027-2037.[19] D eR o oA PJ,W e s s e l i n g C G,V a nD e u r s e n W P A.P h y s i c a l l y b a s e dr i v e rb a s i n m o d e l l i n g w i t h i na G I S:T h e L I S F L O O D m o d e l[J].H y d r o l o g i c a lP r o c e s s e s,2000,14(11/12):1981-1992.[20]包为民,侯露,沈丹丹,等.黄土高原大理河流域水沙耦合模型应用研究[J].湖泊科学,2019,31(4):1120-1131. [21] E e k h o u t JPC,T e r i n k W,d eV e n t e J.A s s e s s i n g t h el a r g e-s c a l ei m p a c t so fe n v i r o n m e n t a lc h a n g e u s i n g ac o u p l e dh yd r o l o g y a n ds o i le r o s i o n m o d e l[J].E a r t hS u r f a c eD y n a m i c s,2018,6(3):687-703. [22]邵辉.渭河流域水土流失变化对梯田措施响应的模拟研究[D].陕西杨凌:西北农林科技大学,2013. [23] T e r i n k W,L u t zA F,S i m o n sG W H,e ta l.S P H Yv2.0:S p a t i a l p r o c e s s e s i nh y d r o l o g y[J].G e o s c i e n t i f i cM o d e lD e v e l o p m e n t,2015,8(7):2009-2034. [24] N e i t s c hSL,A r n o l dJG,K i n i r y JR,e t a l.S o i l a n dw a t e r a s s e s s m e n t t o o l t h e o r e t i c a l d o c u m e n t a t i o nv e r s i o n2009[R].C o l l e g eS t a t i o n,T e x a s:W a t e rR e-s o u r c e s I n s t i t u t e,2011.[25] S a l t e l l i A,B o l a d oR.A n a l t e r n a t i v ew a y t o c o m p u t e F o u r i e ra m p l i t u d e s e n s i t i v i t y t e s t(F A S T)[J].C o m p u t a t i o n a l S t a t i s-t i c s a n dD a t aA n a l y s i s,1998,26(4):445-460. [26] D u a nQ Y,S o r o o s h i a nS,G u p t aV K.O p t i m a l u s eo ft h eS C E-U A g l o b a l o p t i m i z a t i o nm e t h o d f o r c a l i b r a t i n gw a t e r s h e dm o d e l s[J].J o u r n a l o fH y d r o l o g y,1994,158(3/4):265-284.(上接第56页)[13]陈剑南,刘益麟,李朋飞,等.1901 2016年黄土高原降雨侵蚀力时空变化[J].水土保持研究,2022,29(4):39-46.[14] S h a r p l e y A N,W i l l i a m s JR.E P I C-e r o s i o n/p r o d u c t i v i-t y i m p a c t c a l c u l a t o r:1.M o d e l d o c u m e n t a t i o n[J].T e c h-n i c a lB u l l e t i n-U n i t e d S t a t e s D e p a r t m e n t o f A g r i c u l-t u r e,2010,4(4):206-207.[15] Röm k e n sMJM,Y o u n g R A,P o e s e n JW A,e t a l.S o i le r o d i b i l i t yf a c t o r(k)//R e n a r dKG,F o s t e rGR,W e e s i e sGA,e t a l.A g u i d e t oc o n s e r v a t i o n p l a n n i n g w i t ht h eR e-v i s e dU 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)[M].U S D Aa g r i c u l t u r eh a n d b o o k,1997,703:65-100. [16] T o r r i D,P o e s e n J,B o r s e l l i L.P r e d i c t a b i l i t y a n d u n c e r-t a i n t y o f t h e s o i l e r o d i b i l i t y f a c t o ru s i n g a g l o b a l d a t a-s e t[J].C a t e n a,1997,31(1/2):1-22. [17]王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134.[18]吴普特,周佩华,郑世清.黄土丘陵沟壑区(Ⅲ)土壤抗冲性研究:以天水站为例[J].水土保持学报,1993,7(3):19-25,36.[19]周佩华,武春龙.黄土高原土壤抗冲性的试验研究方法探讨[J].水土保持学报,1993,7(1):29-34. [20]王彬.土壤可蚀性动态变化机制与土壤可蚀性估算模型[D].陕西杨凌:西北农林科技大学,2013. [21]刘斌涛,陶和平,史展,等.青藏高原土壤可蚀性K值的空间分布特征[J].水土保持通报,2014,34(4):11-16.[22]杨辰丛海,陈志强.武夷山丘陵茶园红壤土壤可蚀性近似计算初探[J].水土保持研究,2022,29(1):21-27.[23]汪邦稳.安徽省土壤可蚀性K值及其分布特征[J].中国水土保持科学,2019,17(6):132-139. [24]徐文秀,韦杰,李进林,等.三峡库区紫色土坡耕地表土的可蚀性研究[J].水土保持通报,2019,39(3):7-11,18.46水土保持学报第37卷。
黄土坡耕地地表糙度的空间异质性研究
黄土坡耕地地表糙度的空间异质性研究张莉;张青峰;赵龙山;王健;吴发启【期刊名称】《中国农业科学》【年(卷),期】2014(000)012【摘要】【目的】探讨微尺度下（2 cm×2 cm）地表糙度在侵蚀过程中的空间异质性规律，为进一步理解和定量化描述地表糙度与土壤侵蚀的相互耦合关系奠定基础，并为黄土高原坡耕地水土流失的治理提供一定的理论依据。
【方法】以黄土高原不同耕作措施条件下（4种常见的农业耕作措施：人工锄耕、人工掏挖、等高耕作、直线坡（对照）的坡耕地为研究对象，通过室内人工模拟降雨实验，利用激光扫描仪获取地表糙度数据，运用地统计学和分形维数方法对地表糙度的空间分布特征及变异性进行研究。
【结果】基本统计特征分析表明，黄土坡耕地地表糙度在整体上的分布较均匀，具有较弱的空间变异特征。
半方差函数分析表明，黄土坡耕地地表糙度均表现出中等以上的空间自相关性，其空间自相关尺度范围为2.02-3.82 m。
由空间结构特征引起的异质性占总异质性的比例较大。
分形维数分析表明，黄土坡耕地地表糙度具有良好的分形性质，其分形维数介于1.59和1.91之间；随坡度的增大，各坡面地表糙度的空间分布趋向复杂，空间异质性增强；人工锄耕、人工掏挖、等高耕作坡面的空间异质性在小尺度范围内依次增强，具有良好的水土保持作用。
【结论】造成地表糙度空间异质性差异的主要原因是由人为耕作和坡度所形成的空间结构特征。
地表糙度的空间配置格局在小尺度范围上由人为耕作和坡度、在大尺度范围上由降雨及其侵蚀过程所控制。
该研究结果可为进一步理解地表糙度与侵蚀的相互耦合关系奠定基础，并为黄土坡耕地的水土流失防治提供一定的科学依据。
【总页数】9页(P2365-2373)【作者】张莉;张青峰;赵龙山;王健;吴发启【作者单位】西北农林科技大学资源环境学院，陕西杨凌 712100; 中科院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西杨凌712100;西北农林科技大学资源环境学院，陕西杨凌 712100; 中科院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西杨凌 712100;西北农林科技大学资源环境学院，陕西杨凌 712100; 中科院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西杨凌 712100;西北农林科技大学资源环境学院，陕西杨凌 712100;西北农林科技大学资源环境学院，陕西杨凌 712100【正文语种】中文【相关文献】1.黄土坡耕地不同地表糙度下坡面填洼与入渗的关系研究 [J], 李陶陶;吴发启2.坡面水蚀过程中地表糙度的空间异质性研究 [J], 张莉;张青峰;徐健;张翔3.基于DEM的黄土坡耕地地表糙度测定方法研究 [J], 赵龙山;梁心蓝;张青峰;兰敏;吴发启4.坡耕地地表糙度对降水分配的实验研究 [J], 郭建华;吴发启;梁心兰;刘淼5.人工降雨条件下坡耕地地表糙度的时空变异分布研究 [J], 高树静;赵龙山;梁心蓝;张青峰;吴发启因版权原因，仅展示原文概要，查看原文内容请购买。
黄土高原小流域土壤养分的时空变异及其影响因子
黄土高原小流域土壤养分的时空变异及其影响因子邱扬;傅伯杰;王军;陈利顶【期刊名称】《自然科学进展》【年(卷),期】2004(014)003【摘要】对黄土丘陵小流域尺度上土壤有机质与养分含量的时空变异性及其影响因子的研究结果表明,黄土丘陵小流域表层土壤有机质和诸项养分含量在植物生长期内的时间变异不明显,但是空间变异非常显著.土壤有机质和养分含量在景观尺度上的空间变异以全磷最小,速效磷最大,有机质、全氮和碱解氮居中.土地利用方式对表层土壤有机质和养分含量有重要的影响.林地和荒草地表层土壤有机质、全氮和碱解氮的含量都显著偏高,耕地显著偏低;全磷含量也是以林地最高,耕地最低;速效磷含量以间作地较高,灌木地最低.土壤养分还存在显著的地形分异.水平凸形坡的表层土壤有机质、全氮、碱解氮和速效磷的含量都显著低于水平直形坡和水平凹形坡,速效磷含量以水平直形坡最高.土壤有机质和全氮含量都以偏东坡显著低于偏西坡,全磷含量表现为偏北坡大于偏南坡;全磷和速效磷含量与坡度互为显著负相关;随着海拔的升高,表层土壤有机质、全氮、全磷、碱解氮和速效磷都显著降低.【总页数】6页(P294-299)【作者】邱扬;傅伯杰;王军;陈利顶【作者单位】中国科学院生态环境研究中心系统生态开放实验室,北京,100085;北京师范大学资源与环境科学系,北京,100875;中国科学院生态环境研究中心系统生态开放实验室,北京,100085;国土资源部土地整理中心,北京,100035;中国科学院生态环境研究中心系统生态开放实验室,北京,100085【正文语种】中文【中图分类】P5【相关文献】1.黄土高原小流域土壤养分空间特征及其与地形因子的相关性 [J], 杨建虎;常鸿莉;魏琪2.黄土高原小流域土壤养分空间变异特征及预测 [J], 连纲;郭旭东;傅伯杰;虎陈霞3.黄土高原沟壑区小流域坡地土壤养分分布特征 [J], 魏孝荣;邵明安4.黄土丘陵小流域土壤侵蚀的时空变异及其影响因子 [J], 邱扬;傅伯杰;王军;陈利顶5.黄土高原大南沟小流域土壤养分空间分异特征 [J], 崔旭辉;郝羽;邱扬因版权原因，仅展示原文概要，查看原文内容请购买。
黄土区不同土层土壤容重空间变异与模拟
黄土区不同土层土壤容重空间变异与模拟于冬雪;贾小旭;黄来明;邵明安;王娇【摘要】容重(ρb) 是土壤最基本物理性质之一, 是衡量土壤质量和生产力的重要指标, 也是土壤碳氮贮量估算的重要参数.为探明黄土区不同土层ρb的分布特征并建立预测模型, 在黄土区布设243个样点, 获取0～10、10～20和20～40 cm土壤ρb及环境因子, 采用经典统计学与地统计学方法, 分析了不同土层ρb的空间变异特征, 并利用逐步回归和传递函数方程对ρb的空间分布进行了模拟.结果表明:黄土区不同土层ρb均为中等程度变异, ρb随土层深度的增加而增大.不同土层农地ρb最大, 其次为林地和草地.0～10、10～20和20～40 cm土壤ρb半方差函数最佳拟合模型分别为指数模型、指数模型和球状模型, 变程为22～780km.粉粒含量、坡度、海拔、多年平均降水量、气温、干燥度和土地利用是影响区域尺度黄土区ρb空间分布的重要因素, 基于相关因子建立的传递函数模型可以解释0～40cm 深度ρb变异的38％～52％, 且预测效果优于逐步回归方程, 可用于田间条件下ρb 空间分布特征的预测.%[Objective]Soil bulk density (ρb) is one of the most important soil physical properties and can be used to characterize soil quality and soil productivity and as a basic parameter to assess soil carbon and nitrogen storage. Furthe rmore, ρb has a significant effect on transport of soil water and solutes.However, large-scaled soil databases do not encompass much ρb data, owing to the time-and laborconsuming methods to acquire such data, especially the data of deep soil layers in the field. This study was conducted to (1) explore characteristics of regional spatial variation of ρb relative to soil layer across the loess area, (2) determine effects of soil texture, topography, climate and land use on ρband (3) compare the stepwise regression method with the pedotransfer function method in simulation of spatial variation of ρb.[Method]A total of 243 sampling sites were set based on a grid sampling scheme (40 km×40 km) in the loess area, and ρb of the soils at the depth of 0～10, 10～20 and 20～40 cm of the soil profile and relevant environmental variables, were collected separately, at each sampling site. Spatial variation of ρb was analyzed with the classical statistic method and geostatistical method, respectively. Stepwise regression equation and pedotransfer function equation was used to simulate spatial distribution of soil ρb, separately.[Result]Results show that ρb varied moderately within a soil layer, and generally increased with soil depth in the profile loess area. ρb variability in the 0～40 cm soil layer was moderate according to the coefficient of variation. In general, cropland was the highest in mean ρb, and followed by forestland and grassland. Semivariance of soil ρb of the 0～10, 10～20 and 20～40 cm soil layer can be best fitted by the exponential model, the exponential model and the spherical model, respectively. Soil ρb of the 0～10 cm soil layer exhibited strong spatial dependence and those of the 10～20 and 20～40 cm soil layer did moderate ones. The optimal interval between sampling sites was 5.6～11.2, 70.9～141.7 and 195.4～390.8 km for the 0～10, 10～20 and 20～40 cm soil layer, respectively. Silt content, land use, elevation and slope gradient were the key factors affecting soil ρb in the 0～10 cm layer; silt content, elevation, multi-year mean annual air temperature, aridity and land use were in the 10～20 cm soil layer; and silt content, elevation, land use,multi-year mean annual precipitation, slope gradient and aridity, were in the 20～40 cm soil layer.The pedotransfer function equation explained 38％～52％the variation of ρb, while the stepwise regression equation did only 34％～39％.[Conclusion]Spatial distribution of soil ρb varies significantly with soil depth and vegetation type across the loess area, and is affected jointly by soil texture, topography, climate and land use at the regional scale. The pedostransfer function equation is recommended for modeling and predicting spatial distributions of ρb, particularly for soil layers below 40 cm in the loess area of China.【期刊名称】《土壤学报》【年(卷),期】2019(056)001【总页数】10页(P55-64)【关键词】黄土区;容重;空间变异;土地利用;传递函数【作者】于冬雪;贾小旭;黄来明;邵明安;王娇【作者单位】中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京 100101;中国科学院大学资源与环境学院,北京 100190;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京 100101;中国科学院大学资源与环境学院,北京 100190;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京 100101;中国科学院大学资源与环境学院,北京100190;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京 100101;中国科学院大学资源与环境学院,北京 100190;中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京 100101【正文语种】中文【中图分类】S152.5土壤容重（Bulk density, ρb）是土壤基本物理性质之一，是衡量土壤质量和土壤生产力的重要指标［1］，对土壤的透气性、入渗性能、持水能力、溶质迁移特征以及土壤的抗侵蚀能力均有显著影响［2］，也是评估土壤有机碳和养分贮量的重要参数［3-4］。
陕北黄土区土壤水分养分空间分异规律
雨的陡ｊ 地 区 ， 分 和养 分 已成 为 制约 建设 山川 秀 ： 水 美的黄 土高原 的主要 因素 。黄 土 高原 的 土壤 侵蚀 ，
不仅不同地貌 区侵蚀量 、 侵蚀方式有差别 ， 而且同一
地 貌 区随地 面坡 度 的变化 ， 侵蚀量 、 侵蚀 方式也 有差 别 另外 ， 在陕 北黄 土高原 调 查 中我 们 发现 同一 地
中 囤 分 类 号 ：１２７ Ｓ５ Ｓ５ ． ；１８７ 文 献 标识 码 ： Ａ
陕北 黄土 高原 属 于水 蚀 风蚀 交错 带 ， 壤 为 沙 土 盖黄 土 ， 土质松散 ， 当地 降水 稀 少 但 多暴 雨 ， 黄 土 是 高原 的暴 雨 中心 ． 上植被 盖度较 少 ， 成该地 区水 加 造 土流失严 重 ， 黄 土高原泥 沙 的主要来源 ， 是 其恶劣 的 生态环境 成 为制 约西 部 大开 发 的 限制性 因子 。“ 西 部大 开发 ， 态环境 建 设 要 先行 ． 是 生态 环 境 建 生 但
维普资讯
： Ｏ卷 Ｉ １８ ｌ 页 期 ０ 一ｌｌ
２０ ０ ２年 ２月
山
地
学
报
Ｖ １ ２ Ｎ０ １ Ｐ １ ～】 １ ｅ ． ０． Ｐ 嘴 １ Ｆ ｂ ，２ ０ ｅ ０２
Ｊ ＲＮ ＯＵ ＡＬＯＦＭＯ Ｎ ．Ｎ Ｃ Ｅ ａＥ Ｕ Ｔ４ Ｓ Ｉ ／
设 特 别是植被建 设 又离不 开水分 和养分 。在 干早少
ｌ 试 验 区概 况
本研究 的试验 区设 在陕 北 神 木县 西 １ｋａ ４ｒ处
六道沟小流域， 流域 面积为 ６ ８ ， 自南而北流 ． ９ 是 人 窟野河的 一级支 流 。六 道沟北 依长 城 。地 处毛 乌
素 沙地 的边 缘 ， 地貌 属片沙 覆盖 的黄 土丘陵 区 ， 气候 上属半 干旱草 原地 带 ， 降 水 量为 ２０ ｍ～ ５ｎ ａ 年 ５ｒ ４０ｍ， ａ 风沙地貌 和流水侵 蚀地貌 交错分 布 ， 被退 化 ． 植 沙化 严重， 生态环 境脆弱 ， 形成 农牧交错 和 水蚀 风蚀交错 的特 殊地 区。 区内地 质构 造 复 杂 ． 形 破 碎 淘 道密 地 度为 ３ｍ ｋ ２ ｋ ｋ ２地 面破 裂 度 ２ ％ ～５％ ， ｋ ／ ｍ ～５ｍ／ｍ ， ５ ０ 本试 验 区是 水蚀 风蚀交错 区 的代 表地 区 。本 试验 区 所 在的水蚀 风蚀 交错 区也是黄河 下游 河床 粗沙 的主
陕北黄土丘陵区撂荒群落土壤养分与地上生物量空间异质性
陕北黄土丘陵区撂荒群落土壤养分与地上生物量空间异质性杜峰;梁宗锁;徐学选;张兴昌;山仑【期刊名称】《生态学报》【年(卷),期】2008(28)1【摘要】应用地统计学方法,研究了群落尺度上陕北黄土丘陵区不同演替阶段猪毛蒿、长芒草和达乌里胡枝子3种撂荒群落土壤全氮、全磷和地上生物量的空间异质性.利用基于距离矩阵的Mantel偏相关方法分析了群落地上生物量与土壤全氮、全磷在不同尺度上的相互关系,分析了土壤全氮、全磷及群落自身的空间过程对群落地上生物量空间分布的解释程度.结果表明:(1)猪毛蒿、长芒草和达乌里胡枝子3种群落土壤全氮含量空间自相关性较差,而全磷自相关性较好,不同深度的土壤全氮含量其空间异质性大小也有所差别.3种群落0～20cm全氮的空间变异性大小为:达乌里胡枝子〉长芒草〉猪毛蒿群落;20～40cm为:长芒草〉达乌里胡枝子〉猪毛蒿群落.即土壤表层全氮含量为撂荒年限越长空间变异性越大,而亚表层全氮含量则是演替中期空间异质性较大,演替前后期较小.3种群落0～20cm、20～40cm全磷含量也是演替中期空间异质性较大,而前后期较小.(2)3种群落地上生物量空间自相关性以长芒草群落为最小,并且空间异质性大小为猪毛蒿〉达乌里胡枝子〉长芒草群落;猪毛蒿群落地上生物量与土壤全氮在小尺度上(0.71m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51m尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(0.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(0.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(0.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(u0000.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(u0000.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(u0000.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(u0000.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在各个尺度上都不显著,只在小尺度上与全氮负相关性较好.(3)土壤氮和磷,对达乌里胡枝子群落地上生物量的解释较好,约为19.59%,猪毛蒿次之,长芒草群落最小.群落本身的空间过程对猪毛蒿群落的解释程度最高,约为5.42%,其次为达乌里胡枝子,长芒草最小.u0000m)为显著正相关,与全磷相关性也较好,为负相关,在19.80～20.51u0000尺度上与全磷为显著负相关.达乌里胡枝子群落地上生物量与全磷在7.07～20.51m尺度上为显著正相关,在小尺度上(u0000.71m)正相关性也较好.长芒草群落地上生物量与土壤全氮、全磷相关性在【总页数】10页(P13-22)【作者】杜峰;梁宗锁;徐学选;张兴昌;山仑【作者单位】西北农林科技大学,中国科学院,水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨陵,712100;西北农林科技大学,中国科学院,水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨陵,712100;西北农林科技大学,中国科学院,水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨陵,712100;西北农林科技大学,中国科学院,水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨陵,712100;西北农林科技大学,中国科学院,水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨陵,712100【正文语种】中文【中图分类】Q142;Q145;Q948【相关文献】1.陕北黄土丘陵区撂荒演替中期群落比较异质性研究 [J], 杜峰;梁宗锁;徐学选;山仑;张兴昌2.陕北黄土丘陵区撂荒草地群落生物量及植被土壤养分效应 [J], 杜峰;梁宗锁;徐学选;山仑;张兴昌3.黄土丘陵区铁杆蒿群落和长芒草群落地上生物量及土壤养分效应 [J], 张婷;陈云明;武春华4.陕北黄土丘陵区撂荒演替前期群落异质性研究 [J], 郭朝晖;马来换;杜峰;梁宗锁5.黄土丘陵区撂荒群落地上生物量和物种多样性关系 [J], 高艳;杜峰;王雁南因版权原因，仅展示原文概要，查看原文内容请购买。
黄土高原土壤水分的空间分异及其与林草布局的关系
黄土高原土壤水分的空间分异及其与林草布局的关系胡良军;邵明安;杨文治【期刊名称】《草业学报》【年(卷),期】2004(013)006【摘要】通过大面积的土壤水分深土钻测定(5～10 m土深)和相应的植被生长调查,对黄土高原土壤水分的空间分异及其与该区林草布局的关系进行了研究.结果表明,黄土高原的土壤水分具有显著的区域分异和微域分异特征;黄土高原土壤水分的空间分布决定着该区植被类型及其生长状况的空间布局,表现为区域植被的地带性分布及各地带内坡面植被景观的规律性分布;人工林草措施的实施,包括宜林宜草选择、造林技术和选种等环节,必须遵循土壤水分的时空分布规律来区别进行,才能获得植被生态环境的持续健康发展.【总页数】7页(P14-20)【作者】胡良军;邵明安;杨文治【作者单位】东北师范大学草地研究所,植被生态科学教育部重点实验室,吉林,长春,130024;中国科学院地理科学与资源研究所,北京100101;中国科学院地理科学与资源研究所,北京100101;中国科学院水利部水土保持研究所,西北农林科技大学黄土高原土壤侵蚀与一旱地农业国家重点实实验,陕西,杨凌,712100;中国科学院水利部水土保持研究所,西北农林科技大学黄土高原土壤侵蚀与一旱地农业国家重点实实验,陕西,杨凌,712100【正文语种】中文【中图分类】S152.7;S728.3【相关文献】1.黄土高原阴/阳坡向林草土壤水分随退耕年限的变化特征 [J], 安文明;梁海斌;王聪;王帅;李宗善;吕一河;刘国华;傅伯杰2.陕西黄土高原苹果园土壤水分分异特征 [J], 王延平;韩明玉;张林森;毛晨鹏;雷玉山3.地形空间频率层次性及其空间分异性研究——以黄土高原丘陵沟壑区为例 [J], 卢昱铭;乔雪丽;吴佳琪;王春梅4.基于黄土高原关键带类型的土地利用与年径流产沙关系空间分异研究 [J], 胡健;胡金娇;吕一河5.黄土高原坡面带状植被土壤水分有效性的空间分异特征 [J], 吕文强;王立;党宏忠;周泽福;何修道因版权原因，仅展示原文概要，查看原文内容请购买。
2001—2020年黄土高原气候对植被NDVI空间异质性的影响
2001—2020年黄土高原气候对植被NDVI空间异质性的影响李俞;张翀;田晓凤【期刊名称】《湖北农业科学》【年(卷),期】2024(63)5【摘要】选用2001—2020年归一化植被指数(Normalized difference vegetation index,NDVI)和气候数据,通过地理加权法探究黄土高原气候变化对植被及其变化趋势的影响。
结果表明,黄土高原NDVI与地表温度在空间上具有非平稳关系,NDVI与温度指标的回归系数主要以负值为主,主要集中在北部的内蒙古高原,空间正相关则集中分布于胡焕庸线以南区域;对比不同气候指标的标准化系数可知,降水量是黄土高原植被变化的主要因素,占黄土高原总面积的30.90%,植被受水分控制作用较为显著的区域主要集中在黄土高原中北部的内蒙古高原及西部祁连山附近;而黄土高原中南部植被活动的主导因素为气温,面积占42.91%,其中最高气温对NDVI的主导区域范围最广,影响区包括甘肃省东部、陕西省中部、山西省南部及河南省,其植被主要以农业和林业为主,降水量充沛,随着温度的升高,植被活动均有所增强。
NDVI变率与气候变率的回归结果表明,黄土高原气温增高对植被的生长起到促进作用的区域较广;但黄土高原西北部也存在气温和降水量减少而植被却表现为增长趋势的情况。
【总页数】7页(P30-36)【作者】李俞;张翀;田晓凤【作者单位】宝鸡文理学院/陕西省灾害监测与机理模拟重点实验室【正文语种】中文【中图分类】Q948.11;X171.1【相关文献】1.基于延安市不同植被类型NDVI对气象因子影响及空间异质性2.黄土高原气候和人类活动对植被NPP变化的影响3.基于NDVI和EVI不同植被指数表征的粤港澳大湾区植被空间格局驱动因子影响力比较分析4.2001—2021年川西高原植被NDVI时空变化及影响因素分析5.1982-2013年中国植被NDVI空间异质性的气候影响分析因版权原因，仅展示原文概要，查看原文内容请购买。
黄土高原区土壤养分空间变异及其耕地质量评价
黄土高原区土壤养分空间变异及其耕地质量评价摸清土壤养分变异规律,划分耕地质量等级,是实施精准农业的重要依据。
本论文以黄土高原区耕地为对象,依据15578个样点的调查化验数据和其它相关数据资料,应用GIS技术和模糊评价方法,对全区耕地土壤的养分状况和耕地质量进行分析评价,取得以下成果:(1)土壤OM含量在1.41~38.24 g/kg,平均值为15.14 g/kg;TN含量在0.03~2.34g/kg,平均值为0.95 g/kg;AP含量在0.51~94.9 mg/kg,平均值为18.46 mg/kg;AK含量在14.00~478.00 mg/kg,平均值为182.3 mg/kg;pH平均值为8.28。
变异系数AP>AK>OM>TN>pH,分别为78.12%、47.27%、43.55%、42.96%和3.74%。
(2)各养分之间存在显著的相关性。
OM与TN、AP、AK均呈现显著的正相关,其中OM与TN相关性系数最大,达到0.806,pH和OM、TN、AP的相关系数分别为-0.370、-0.387、-0.136,存在显著的负相关。
五种养分的Moran’s I和Z值均表现为显著的空间相关性,呈现空间聚集特征,其中pH的空间自相关性大于其它养分。
有效磷和速效钾分维数较高达到1.934和1.944。
(3)研究区的OM面积占比以四级为主,为65.05%;TN三、四级面积占比较大,为32.86%和30.69%;AP 二、三级面积占比较大,为34.34%和45.83%;AK一、二、三级面积分别为35.38%,34.73%、26.05%;pH在8.0-8.5区间内面积占比最大,为64.96%。
(4)黄绵土养分含量低,褐土、黑垆、潮土养分含量较高,灰钙土养分含量一般,黑钙土属于研究区最为肥沃的土壤类型,栗钙土养分稍次于黑钙土,风沙土的平均养分含量很低,属于最贫瘠的土壤。
陕北黄土高原景观生态质量时空分异及驱动力分析
陕北黄土高原景观生态质量时空分异及驱动力分析作者：项曦明丁诗雨赵永华康宏亮韩磊赵明张鹏来源：《人民黄河》2024年第04期摘要：景观生态质量是衡量生态系统稳定度的重要指标。
基于景观稳定性、景观干扰度和恢复与重建力三个层面构建景观生态质量评估模型，探究了陕北黄土高原２０ａ来景观生态质量及时空变化，并利用地理探测器进行了驱动力分析。
结果表明：陕北黄土高原景观生态质量呈现中南部高、西部及北部低的分布特征，空间相关性和异质性显著；景观生态质量等级在中等及以上的区域面积占比由４０．０％上升至６３．５％，景观生态质量明显改善，并呈现先下降后上升的变化趋势；区域景观生态质量受自然因子和人为因子的共同作用，ＮＤＶＩ和高程是主要驱动因子，且与降水、气温、ＧＤＰ和人口密度等因素交互后驱动力增强。
关键词：景观生态质量；时空分异；驱动力；地理探测器；陕北黄土高原中图分类号：Ｐ９０１文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０４．０１５引用格式：项曦明，丁诗雨，赵永华，等．陕北黄土高原景观生态质量时空分异及驱动力分析［Ｊ］．人民黄河，２０２４，４６（４）：９２－９８，１１６．近年来城镇化进程在驱动经济社会发展的同时推动了土地利用转型［１］，对原有景观生态系统产生冲击，造成景观破碎化、生物多样性受损、植被覆盖度锐减等问题［２－３］，威胁人类生存与发展。
景观生态质量作为衡量生态系统稳定性的关键指标，从景观的角度研究区域环境质量，对区域生态修复、资源优化配置具有重要意义。
国内外学者对景观生态质量进行了大量研究。
Ｂａｒｂａｒａ［４］基于景观多样性、景观结构特征和土地覆被提出了景观生态质量评价指标体系，探究了波兰东部的景观生态质量；Ｇａｖｒｉｌｉｄｉｓ等［５］借助城市景观质量指数对罗马尼亚的城市景观质量进行了评价，进而分析了城市生活质量水平；许洛源等［６］从景观稳定度、干扰度和产出功能等方面构建评价指标体系，对生态系统封闭的海坛岛景观生态质量进行了评价；马守臣等［７］采用四象限模型以行政村为基本单元对煤粮复合区的景观生态质量进行了综合评价；Ｗｕ等［８］基于岩溶生态环境特征，应用空间异质性和景观格局基础理论，从景观稳定性、景观干扰度和恢复与重建力三个层面评价了华南喀斯特地区的生态质量。
黄土高原沟壑区小流域坡地土壤养分分布特征
黄土高原沟壑区小流域坡地土壤养分分布特征魏孝荣;邵明安【期刊名称】《生态学报》【年(卷),期】2007(27)2【摘要】坡地土壤质量退化以及生产力下降是限制坡地植被恢复的主要因素,而坡地土壤质量和生产力在很大程度上取决于土壤养分状况.通过野外调查和室内分析相结合的方法,研究了黄土高原沟壑区坡地土壤养分分布特征,结果表明坡地土壤主要养分含量均随土壤层次的加深而降低,其中以有机碳和全氮降低最多,而硝、铵态氮和全磷降低较少;坡地不同土层土壤有机碳和全氮表现出较大的变异性,土壤铵态氮和全磷的变异较小.0.005～0.05 mm土壤颗粒含量随土层加深而增加, 0.05～1 mm颗粒含量随土层加深而降低;＜0.005 mm土壤颗粒含量在0～40 cm土层变异很大,而0.005～0.05 mm和0.05～1 mm的土壤颗粒在所有土层变异都很小.有机碳、全氮、全磷和＜0.005 mm颗粒从坡顶向下呈增加的趋势,其分布与坡度和坡长有关,其变异性随坡度和坡长的增加而增大.坡面较长时,＜0.005 mm颗粒易于在坡面中、下部累积,坡度较大时则易于迁移出坡面.坡面土壤有机碳、全氮和全磷均在坡底部富集,其富集程度和位置因坡长和坡度而异,长缓坡有利于养分富集,短陡坡利于养分迁出.坡度较小时坡面不同位置土壤养分剖面分布主要由坡面土壤性质变异引起,随坡度的增加,土壤侵蚀便逐渐成为坡面养分分布的主导因子.坡上部碳、氮养分流失的深度也随坡度的增加而加深,而不同坡位全磷的剖面分布与坡度的关系较差.因此,在坡地土壤养分调控中必须综合考虑坡度和坡长因素.【总页数】10页(P603-612)【作者】魏孝荣;邵明安【作者单位】黄土高原土壤侵蚀与旱地农业国家重点试验室,中国科学院水利部水土保持研究所(西北农林科技大学水土保持研究所),陕西,杨凌,712100;中国科学院研究生院,北京,100039;黄土高原土壤侵蚀与旱地农业国家重点试验室,中国科学院水利部水土保持研究所(西北农林科技大学水土保持研究所),陕西,杨凌,712100【正文语种】中文【中图分类】P941.74;Q142;S153【相关文献】1.白水河小流域退耕坡地土壤养分空间变异研究 [J], 曹以群;谭伟;潘志华2.黄土高原沟壑区沟坡地土壤剖面中矿质氮的分布特征 [J], 郭胜利;党廷辉;郝明德3.黄土高原沟壑区小流域土壤水分空间分布特征 [J], 何福红;黄明斌;党廷辉4.黄土高原沟壑区小流域土壤养分分布特征 [J], 张春霞;郝明德;王旭刚;魏孝荣5.黄土高原沟壑区小流域土壤碳酸盐碳的空间分布特征 [J], 贾宇平;段建南因版权原因，仅展示原文概要，查看原文内容请购买。
黄土高原大南沟小流域土壤养分空间分异特征
黄土高原大南沟小流域土壤养分空间分异特征崔旭辉;郝羽;邱扬【期刊名称】《北京师范大学学报：自然科学版》【年(卷),期】2016(52)4【摘要】本文利用地统计学空间插值分析了陕西安塞县大南沟流域内土壤有机质、全氮、全磷、碱解氮、速效磷、速效钾6种土壤养分的空间分布特征.结果表明:流域内土壤养分含量普遍较低,质量分数平均值分别是:有机质0.964%,全氮0.506g·kg-1,全磷0.609g·kg-1,碱解氮41.295mg·kg-1,速效磷2.009mg·kg-1,速效钾138.506mg·kg-1.各养分空间分布模型:全磷符合指数模型,速效磷和碱解氮符合球状模型,速效钾符合高斯模型,其变程由大到小依次是全磷(870m)、速效磷(724m)、速效钾(207m)、碱解氮(105m).各养分空间分布由高到低总体表现为林地、果园、荒草地、退耕地、农地,坡下部高于坡上部.由于氮素易于淋溶损失,且受人工施肥影响严重,在分布上有连片特征;磷素受母质控制,存在状态稳定,所以空间变异较小;速效钾也易淋溶损失,且与植被类型有较强关系.研究为优化大南沟流域的土地利用模式,从根本上遏制以水土流失为代表的生态环境退化提供科学依据.【总页数】7页(P472-478)【关键词】大南沟流域;土壤养分;空间分异【作者】崔旭辉;郝羽;邱扬【作者单位】北京师范大学地理学与遥感科学学院【正文语种】中文【中图分类】S153.6【相关文献】1.黄土高原小流域土壤养分空间特征及其与地形因子的相关性 [J], 杨建虎;常鸿莉;魏琪2.黄土高原大南沟流域非耕地中土壤养分变化 [J], 汤正全;吴薇琦;高明3.黄土高原小流域土壤养分空间变异特征及预测 [J], 连纲;郭旭东;傅伯杰;虎陈霞4.鲁中山区小流域坡面侵蚀土壤养分空间分异特征研究 [J], 王艳华;董元杰;张民;邱现奎;胡国庆5.朝阳县小流域坡面土壤侵蚀状况与土壤磁化率空间分异特征分析 [J], 王万香因版权原因，仅展示原文概要，查看原文内容请购买。
黄土高原第Ⅲ副区小流域降水空间异质性分析
黄土高原第Ⅲ副区小流域降水空间异质性分析
李海光;余新晓;傅恒;刘奇;武二喜
【期刊名称】《水土保持通报》
【年(卷),期】2011(31)5
【摘要】降水的空间异质性是水资源管理重要的理论基础。
以吕二沟小流域为例,从地形地貌角度对黄土高原第Ⅲ副区小流域尺度上降水的空间异质性进行了分析,结果发现,多年平均降水量表现出流域上游>中游>下游的特性,并且随着海拔的增高而增加;不同降水强度引起的降水空间异质性不同,降水量愈大,空间异质性越大。
应用SURFER软件对不同降水量情形下流域降水等值线的分布进行了模拟,结果表明,降水量越大,高程和距离沟口距离所起的作用越明显。
【总页数】5页(P235-239)
【关键词】降水;空间异质性;黄土高原第Ⅲ副区
【作者】李海光;余新晓;傅恒;刘奇;武二喜
【作者单位】鄂尔多斯市水土保持局;北京林业大学水土保持学院水土保持与荒漠化防治教育部重点实验室
【正文语种】中文
【中图分类】S715.3
【相关文献】
1.黄土高原丘陵沟壑区第1副区小流域淤地坝工程经济效益分析 [J], 杜锋;张胜利
2.黄土高原小流域土壤水分空间异质性的研究 [J], 张晨
3.黄土高原小流域土壤养分的空间异质性 [J], 王军;傅伯杰;邱扬;陈利顶;余莉
4.黄土高原丘陵沟壑区一副区小流域淤地坝系效益分析——以王茂沟小流域为例[J], 侯建才;李占斌;李勉
5.黄土高原丘陵沟壑第三副区小流域土壤渗透特性研究 [J], 李海光;余新晓;张满良;信忠保;徐峰;李庆云;刘淑艳
因版权原因，仅展示原文概要，查看原文内容请购买。
黄土高原南麓县域耕地土壤速效养分时空变异
黄土高原南麓县域耕地土壤速效养分时空变异陈涛;常庆瑞;刘京;齐雁冰;刘梦云【摘要】在生态脆弱的黄土高原南麓合阳县,以1983、2006年耕地土壤速效氮、磷、钾含量为对象,利用空间自相关、变异函数及分形维数等方法,研究县域土壤速效养分时空变异特征及主要影响因素.结果表明,从1983到2006年,除土壤速效钾外,耕地速效氮、磷的平均含量分别提高73.98％和92.69％；土壤速效养分全局Moran's I指数和空间相关距均呈递减变化、分维数增加,预示其空间结构减弱,随机变异性增强.土壤速效氮、磷含量在绝大部分研究区域内呈现不同程度累积,而速效钾含量则在59.65％的耕地上减少；导致其不同变化的因素有耕地利用方式、施肥管理、灌溉、土壤类型等,其中以土地利用方式和施肥管理措施的影响最大.【期刊名称】《生态学报》【年(卷),期】2013(033)002【总页数】11页(P554-564)【关键词】土壤速效养分;时空变异特征;空间自相关;变异函数;分形维数【作者】陈涛;常庆瑞;刘京;齐雁冰;刘梦云【作者单位】西北农林科技大学资源环境学院,杨凌712100;农业部西北植物营养与农业环境重点实验室,杨凌712100;西北农林科技大学资源环境学院,杨凌712100;农业部西北植物营养与农业环境重点实验室,杨凌712100;西北农林科技大学资源环境学院,杨凌712100;农业部西北植物营养与农业环境重点实验室,杨凌712100;西北农林科技大学资源环境学院,杨凌712100;农业部西北植物营养与农业环境重点实验室,杨凌712100;西北农林科技大学资源环境学院,杨凌712100;农业部西北植物营养与农业环境重点实验室,杨凌712100【正文语种】中文土壤速效氮(AN)、速效磷(AP)、速效钾(AK)养分不仅是作物生长发育所必需的三大基本元素直接来源，也是影响区域水体生态环境的重要属性［1］。
它既受成土母质、地形、时间等自然因素影响，同时也受施肥、灌溉等人为因子作用，具有高度空间异质性特点［1-3］。
黄土高原环境异质性与植被的恢复与重建
黄土高原环境异质性与植被的恢复与重建
王晗生
【期刊名称】《生态学报》
【年(卷),期】2009(29)5
【摘要】黄土高原是一个独特的地理区域,由于对其原生植被的不同认识,自然区划历来富有争议.为因地制宜地进行植被建设,在辨析植被属性有关论点(黄土无林、草原次生等)的基础上,主要由现代植被证据进一步讨论黄土高原的自然地带.分析了生物气候条件在不同地域之间的分异性,阐述了植被地带特征.为充分说明植被地带性,还从历史的角度探讨了植被建设的效果.表明黄土高原环境的非均质性可表征为森林、草原等地带,不能认为黄土高原不具有森林发育的地带性环境.相对于森林地带北界森林线,森林草原地带北界应为树木线.植被建设不应局限于一种土地利用模式,不能无视疏林及稀疏灌丛在森林草原地带的客观存在.
【总页数】11页(P2445-2455)
【作者】王晗生
【作者单位】西北农林科技大学水土保持研究所,陕西,杨凌,712100;中国科学院、水利部水土保持研究所,陕西,杨凌,712100
【正文语种】中文
【中图分类】Q16;Q948;X171.4
【相关文献】
1.陕北黄土丘陵沟壑区植被恢复与重建技术对策 [J], 刘建军;王得祥;雷瑞德;韩黎明;杨正礼
2.豫西黄土丘陵区植被恢复与重建的理论基础及技术体系 [J], 刘增进;李宝萍;李远华;崔远来
3.黄土丘陵沟壑区森林植被恢复与重建技术探讨 [J], 侯洁;黄新峰;赵萧然;黄丽;王会勤
4.浅淡甘肃黄土高原区的植被恢复与重建 [J], 陈晓妮;邹天福;魏晓兰;殷长寿
5.豫西黄土丘陵沟壑区植被恢复与重建模式探讨——以三门峡城郊黄土丘陵沟壑区为例 [J], 裴卫国
因版权原因，仅展示原文概要，查看原文内容请购买。
黄土丘陵区小流域尺度上土壤有机碳空间异质性
黄土丘陵区小流域尺度上土壤有机碳空间异质性薛志婧;侯晓瑞;程曼;安韶山【期刊名称】《水土保持学报》【年(卷),期】2011(25)3【摘要】通过对上黄试区小流域不同土地利用类型下的60个样点的采样分析,结合地统计学原理对小流域土壤有机碳的空间异质性进行研究。
试验结果表明,土壤有机碳含量随土层深度的增加而减少,不同土地利用类型下的土壤有机碳存在显著性差异。
表层0-10cm的土壤有机碳含量为9.544g/kg,明显高于10-30cm的7.10g/kg和30-60cm的4.63g/kg。
通过Kriging插值法估算,其结果也表现出相同的规律。
由土壤有机碳含量分布图可知,0-10cm,10-30cm和30-60cm 3层土壤的有机碳含量均表现出天然草地和柠条纯林高于川台地和河滩地。
土壤有机碳含量在空间分布上表现出的特征,与动植物在土体中的垂直分布格局、人类社会活动及区域气候条件等因素有关。
【总页数】5页(P160-163)【关键词】土壤有机碳;空间变异;变异系数;小流域;地统计学【作者】薛志婧;侯晓瑞;程曼;安韶山【作者单位】西北农林科技大学资源环境学院;西北农林科技大学水土保持研究所【正文语种】中文【中图分类】S153.62【相关文献】1.黄土丘陵区小流域尺度土壤有机碳密度及储量 [J], 薛志婧;马露莎;安韶山;王万忠2.基于辅助环境变量的土壤有机碳空间插值——以黄土丘陵区小流域为例 [J], 文雯;周宝同;汪亚峰;黄勇3.黄土丘陵区小流域生态恢复对土壤有机碳和全氮的影响 [J], 张祎;任宗萍;李鹏;时鹏;蒋凯鑫;马田田;肖列;赵宾华4.黄土丘陵区人工柠条恢复为主小流域土壤有机碳空间变异性及其影响因素 [J], 栗文玉;刘小芳;赵勇钢;高冉;杜雨佳;张星星5.黄土丘陵区纸坊沟小流域土壤有机碳储量研究 [J], 侯晓瑞;薛志婧;程曼;安韶山因版权原因，仅展示原文概要，查看原文内容请购买。
黄土区退耕草地小尺度土壤水分空间异质性
Ａｂ ｔａ ｔ Ｉ ｒ ｅ ｏｅ ｐｏｅｔｅ ｈ ｔｒｇ ｎ ｉ ｆ ｏ ｓ ｉ ｗ ｔｒｃ ｎｅ ｔ（ Ｍ）ｏ ｅ ｒｓｅ ｒｓｌｎ ｓａ ｓｒ ｃ ｎ ｏｄ ｒｔ ｘ ｌｒ ｈ ｅｅｏ ｅ ｅｔ ｏ ｐ ｏｌ ａｅ ｏ ｔｎ Ｓ ｙ ｔ ｆｒｇｅ ｓｄ ｇａｓａ ｄ ｔ
刘 丙 霞 ，邵 明安
（ ． 国科 学 院 水 利部 水 土保 持研 究所 ， 土 高 原 土 壤 侵 蚀 与 旱 地 农 业 国家 重 点 实 验 室 ，１ １０ 陕西 杨 凌 ； １中 黄 ７ ２０ ， ２ 中 国科 学 院研 究 生 院 ，００ ９ 北 京 ； ． 国科 学 院地 理 科 学 与 资 源 研 究 所 ，０ １ １北 京 ） ． １０ ３ ， ３中 １０ ０ ，
率 呈 负 相 关 ； 尺度 下 改 变 采 样 间 距 ， 土 壤 干 旱 和湿 润 时 均 不 改 变 ３块 退 耕 草 地 表 层 土 壤 水 分 空 间变 异 程度 。 小 在
关键词Βιβλιοθήκη 小 尺 度 ；退 耕 草 地 ； 壤 含 水 率 ； 间 异 质 性 ； 蚀 风 蚀 交 错 带 土 空 水
Ｓ ｉ ｗａ ｅ ｏ ｔ ｎｔｈｅ ｅ Ｏ ｅ ｉｙ ａ ｍ ａ ｌｓ ａ ｅ ｏ ｅ ｒ ｄ ｄ ｏｌ ｔ ｒ ｃ ｎ ｅ ｔ ｒ ｇ ｎｅｔ ｔｓ ｌ－ ｃ ｌ ｎ ｄ ｇ ａ ｅ ｇ ａ ｓａ ｄ ｎ Ｌｏ ｓ ａ ｅ ｕ ｒ ｓ ｌ ｎ ｓ ｏ ｅ ｓ Ｐｌ ｔ ａ
Ｌｉ ｎ ｘ ａ 一 ｕ Ｂｉ ｇ ｉ ’
．
Ｓ ｏ Ｍｉ ｇ ａ 。 ｈａ ｎ ’ ｎ ＇
（ ． ｔｔ ｙＬａ ｏａｏｙｏ ｏｌＥｒｓｏ ｎ ｙ Ｌ ｎ ａｍｉｇｏ ｈ ｏ ｓ ｌｔａ １ Ｓａｅ Ｋｅ ｂ ｒｔｒ ｆＳ ｉ ｏ ｉｎ ａ ｄ Ｄｒ ａ ｄ Ｆ ｒ ｎ ｎ ｔｅＬ ｅｓＰａｅｕ，Ｉ ｓｉ ｔ ｆＳ ｉ ａ ｄ Ｗ ａｅ ｏ ｓｒａｉｎ． ｎｔｔ ｅｏ ｏｌ ｎ ｔｒＣ ｎ ｅｖ ｔ ｕ ｏ
陕北黄土区土壤水分养分空间分异规律
陕北黄土区土壤水分养分空间分异规律卢金伟;李占斌;郑良勇;郭彦彪【期刊名称】《山地学报》【年(卷),期】2002(020)001【摘要】黄土高原生态脆弱,沟壑纵横,水土流失非常严重.西部大开发,黄土高原植被建设要先行.植被建设又受当地土壤水分、养分等条件的制约.坡向、坡位对水分、养分的分布有重要影响,因而研究陕北黄土高原土壤水分、养分的空间变异规律,对于黄土高原植被建设具有重要意义.本文通过研究黄土高原不同坡向、坡位土壤水分、养分的空间变异规律,为西部大开发和黄土高原植被建设和规划提供理论和实践依据.【总页数】4页(P108-111)【作者】卢金伟;李占斌;郑良勇;郭彦彪【作者单位】中国科学院黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨凌,712100;中国科学院黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨凌,712100;西安理工大学,陕西西安,710048;中国科学院黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨凌,712100;中国科学院黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨凌,712100【正文语种】中文【中图分类】S152.7;S158.7【相关文献】1.陕北黄土区陡坡土壤水分变异规律研究 [J], 赵磊磊;朱清科;聂立水;秦伟;赵彦敏;赵荟2.晋西黄土区基于地形因子的土壤水分分异规律研究 [J], 刘鑫;毕华兴;李笑吟;李俊;郭孟霞;林靓靓;郭超颖3.陕北黄土区人工林地土壤水分的垂直变化规律 [J], 王瑜;朱清科;赵维军;王利娜;马欢;梁非凡;赵兴凯;李安怡4.陕北黄土区浅沟土壤水分空间分布特征 [J], 艾宁;宗巧鱼;刘广全;强大宏;刘长海5.陕北黄土区缓台土壤水分空间变异性 [J], 马欢;朱清科;赵维军;刘蕾蕾;姚文俊;王瑜因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
1 174
生 态 学 报Biblioteka 22卷sta tistics in th is p ap er. T heo retica l sem iva riogram m odels of so il o rgan ic m a tter, to ta l N , ava ilab le N , to 2 . T he ra tio of random va riance (nugget) to to ta l va ri2 ta l P , and ava ilab le P w ere sp herica l m odel w ith a sill ance ( sill) w a s low. T hese va lues w ere 13. 333% fo r so il o rgan ic m a tter, 10. 938% fo r to ta l N , 22. 000% fo r ava ilab le N , 9. 091% fo r to ta l P and 27. 536% fo r ava ilab le P, resp ectively. T h is indica ted tha t the five . How ever, the sign ifican t differences in so il nu trien ts had rela tively strong sp a tia l co rrela tion p a ttern s ranges of the five so il nu trien ts w ere found. To ta l P and ava ilab le P had the h ighest va lues in the sam e ranges of 160m. So il o rgan ic m a tter in range of 120m fo llow ed them , w h ile to ta l N and ava ilab le N w ere the low est va lues, 90m and 110m. T hese differences in ranges can be exp la ined by p a rticu la r p rop erties of the five so il nu trien ts, so il ero sion, land u se p a ttern s and topograp hy. T he info rm a tion ob ta ined from th is study m ay be help fu l fo r i m p roving the sam p ling design of so il nu trien ts and fo r in terpo la tion and m ap of so il nu trien ts. Key words: the L oess P la teau; so il nu trien t; geo sta tistics; sp a tia l heterogeneity; G IS
室, 北京 100035; 3. 北京师范大学资源与环境科学系, 北京 100875)
摘要: 利用地理信息系统的空间分析功能, 通过地统计学的半变异函数定量研究了黄土高原典型小流域土壤养分的空间 异质性特征。 结果表明: 土壤有机质、 全氮、 有效氮、 全磷和有效磷的理论模型均为球状模型, 由随机因素引起的空间变异 占空间总变异的比例小, 其值分别为131333% 、 101938% 、 221000% 、 91091% 和271536% , 反映5 种养分具有较强的空间 自相关格局, 但它们的空间自相关范围具有明显的差异, 土壤全氮和有效氮变程小, 分别是90 m 和110m , 有机质次之, 变 程是120m , 而土壤全磷和有效磷的变程最大为160m 。 研究成果将有效地指导土壤的取样设计, 以及进行土壤养分的空间 内插和制图。 关键词: 黄土高原; 土壤养分; 地统计学; 空间异质性; 地理信息系统
Spa tia l Heterogene ity of So il Nutr ien ts in a Sma ll Ca tchm en t of the L oess P la teau
W AN G J un
1, 2 1 3 1 2 , FU Bo 2 J ie , Q I U Yang , CH EN L i2 D ing , YU L i (1.
1173 ～ 1178.
Abstract: A n understanding of the distribu tion of so il nu trien ts a t the field and ca tchm en t sca le is i m po rtan t fo r i m p roving agricu ltu ra l m anagem en t and fo r a ssessing the effects of agricu ltu re on environm en ta l qua lity and the influence degree of random facto rs such a s hum an distu rbance on so il p rop erties. How ever, so il nu trien ts a re h igh ly heterogeneou s w hether la rge sca le o r sm a ll sca le, and their heterogeneity resu lts from . D ue to seriou s m any p rocesses acting and in teracting acro ss a con tinuum of sp a tia l and tem po ra l sca les so il ero sion and nu trien t lo ss in h illy a rea of the L oess P la teau, som e resea rchers have studied the m echa 2 n ism of so il nu trien t lo ss and how to con tro l so il nu trien t lo ss, and o thers have exp lo red the va riab ility of so il nu trien t described by cla ssica l sta tistica l m ethods. How ever, there is little info rm a tion on sp a tia l va ri2 ab ility and sca les of so il nu trien ts in th is a rea. W ith the w ide app lica tion s of G IS and the developm en t of so il science and landscap e eco logy, the rela 2 tion sh ip s betw een sp a tia l heterogeneity and eco logica l p rocesses have a rou sed m o re and m o re a tten tion in . Geo sta tistica l m ethods o rigina lly deriving fo r the m in ing indu stry have ex tended to a ssess recen t yea rs sp a tia l and tem po ra l heterogeneity in so il science, eco logy and w a ter resou rces becau se of its advan tages in . B a sed on sp a tia l ana lysis function of G IS, sp a tia l hetero 2 ana lyzing the va riab ility a t a w ide range of sca les geneity of so il nu trien ts in a sm a ll ca tchm en t of the L oess P la teau w a s studied u sing sem iva riogram of geo 2
文章编号: 100020933 (2002) 0821173206 中图分类号: S15 文献标识码: A
土壤是时空连续的变异体, 具有高度的空间异质性, 不论在大尺度上还是在小尺度上, 土壤的空间异 质性均存在 [1, 2 ]。 黄土高原地区地形破碎, 土壤侵蚀剧烈, 养分流失严重。 因此, 更多的研究者探讨了土壤养 分流失的机理、 影响养分流失的因子以及如何控制养分流失 [3～ 5 ] , 其他研究者则利用传统的统计方法从概 率的角度分析了养分变异规律 [6～ 8 ] , 但对土壤养分的空间异质性如空间结构和空间变异尺度等方面缺乏研 究。 随着地理信息系统的广泛应用、 土壤学和景观生态学等学科的不断发展, 结构和过程分析正在受到越 来越高的重视, 而以数理统计的概率论为基础的传统统计分析在结构和过程分析方面受到很大限制 [9 ]。 地 统计学是在传统统计学基础上发展起来的空间分析方法, 不仅能够有效地揭示属性变量在空间上的分布、 变异和相关特征, 而且可以将空间格局与生态过程联系起来, 有效地解释空间格局对生态过程与功能的影 响 [9, 10 ]。 由于地统计学的特点及在格局与生态过程研究中的优越性, 其应用范围已由当初的地质学领域逐 渐推广应用到土壤学、 生态学和水资源等领域 [2,