运用地统计学的土壤有机碳含量空间分布研究

马黄群，胡玉福，徐 柱，卢彩霞，李木梓

(1.西南交通大学遥感信息工程系，四川成都610031；2.四川农业大学资源环境学院，四川雅安625014）

运用地统计学的土壤有机碳含量空间分布研究

马黄群1,2，胡玉福2，徐 柱1，卢彩霞1，李木梓1

(1.西南交通大学遥感信息工程系，四川成都610031；2.四川农业大学资源环境学院，四川雅安625014）

运用GIS地统计、缓冲区分析、叠置分析等方法，初步研究了西昌市邛海盆地土壤有机碳空间变异特征及主要影响因素。分析结果表明，研究区土壤样本，呈正态分布，属中等变异强度，高值区位于主城区东南部和邛海海域东南部，低值区位于邛海海域东北部,并向西北方向递增。不同土壤质地其含量显著不同，中性条件下，其含量较高；不同缓冲区范围内，其含量表现出相应的相关性。

地统计分析；缓冲区；土壤有机碳

土壤特性的空间变异研究一直是个被关注的热点，但对土壤物理性质、土壤盐分变化问题的研究较多[1,2]，对土壤养分空间变异性的研究则相对较少。90年代，随着发达国家精确农业技术的发展和GIS的广泛应用[3,4]，土壤特性的空间变异研究得到了众多学者的关注。邛海盆地是凉山彝族自治州所在地，农业人口约占总人口的66.4%，土地肥沃，自流灌溉便利，是国家和四川省农业综合开发重点区。因此，如何合理利用土地和如何进行生态环境保护是该区经济发展面临的重大课题。本研究通过分析该区土壤有机碳含量的影响因子，旨在为优化土地资源管理措施和保护生态环境提供参考。

1 材料与方法

1.1 研究区基本概况

邛海盆地地处川西高原，属亚热带高原季风气候，年平均气温 17.2℃，日照充足，雨量充沛；该区以红壤、黄红壤为主，局部地区的红壤达海拔2100m以上。

1.2 数据来源与预处理

数据源于西昌2006年测土配方施肥国家补贴项目土样化验分析汇总表，共提取392个采样点。基于Arc-GIS9.3生成样点分布图如图1所示。

1.3 常规统计分析

利用ArcGIS9.3中地统计模块,统计出土壤有机碳含量的基本特征性数据。

1.4 地统计学基本理论

传统统计学理论是纯随机变量，但许多土壤性质在空间上并不完全独立，而在一定范围内存在着空间相关性。地统计学方法以半方差函数和Kriging插值为基本工具，能对既具有随机性又具有结构性的各种变量在空间上的分布进行研究[5]。

图1 土壤样点分布图

半方差函数能较好地描述区域化变量的空间分布结构性和随机性，其中一些重要参数，可反映区域化变量在一定尺度上的空间变异和相关程度，是研究土壤特性空间变异性的关键，同时也是进行精确Krigking插值的基础[6],其表达式为[7]：

式中，r(h)为半方差函数；h为样点空间间隔间距，即步长；N(h)为间隔距离为h时的所有观察样点的成对数；Z(xi)和 Z(xi+h)分别是区域化变量 Z(x)在空间位置xi和xi+h的实测值。若h为横坐标，r(h)为纵坐标绘制函数曲线图，称为半方差函数曲线图，它可直接展示Z(x)的空间变异特点。

克里格插值，是地统计学的主要内容，它是通过对已知样本点赋权重来求得未知点的值。

式中，Z(x0)为未知采样点的值；Z(xi)为未知样点周围的已知样本点的值；i为第i个已知样本点对位置样点的权重；n为已知样本点的个数。

1.5 空间分布特征分析

缓冲区分析是通过生成相关空间实体的缓冲区，以判断空间实体影响范围的过程[8]。本研究以土壤质地、城镇、邛海和河流为影响源，建立不同距离的缓冲区，以分析有机碳含量的变化情况。

2 结果与分析

2.1 常规统计分析

基于 ArcGIS 9.3的地统计模块，对采样数据进行常规描述性统计 (见表1)。从偏度上看，呈右偏态分布。变异系数反映空间变异性程度，通常认为变异系数CV≤10%为弱变异性，10%

表1 土壤有机碳描述性统计表

2.2 空间变异分析

2.2.1 半方差分析

上述分析只能反映采样点中有机碳含量特征，难以完全反映整个研究区的空间分布信息，即空间结构性、随机性、相关性和独立性等。运用地统计学方法可以较好地弥补上述缺陷[10]。根据球状理论模型得出相应参数如表2所示。

表2 土壤有机碳的地统计学参数表

土壤养分分布由结构性因素和随机性因素决定。结构性因素，如气候、母质、地形、土壤类型、自然因素等；随机性因素，如施肥、耕作措施、种植制度等各种人为活动，使得土壤养分的空间相关性减弱，朝均一化方向发展。从结构性因素的角度来看，块金值与基台值的比例可以表明系统变量的空间相关性程度，比例<25%时，系统具有强烈空间的相关性；比例在25%～75%时，系统具有中等空间相关性；比例>75%时，系统空间相关性很弱[11]。由表2可知，块金值与基台值之比为0.552，由此可见，邛海盆地土壤有机碳空间变异体现为中等强度的空间相关性,且以随机变异为主。

2.2.2 空间分布特征

在以上分析的基础上，采用Kriging法进行最优内插，得到土壤有机碳分级图 (见图 2)。高值区位于西昌市主城区东南部和邛海海域东南部，且以斑块形式存在。低值区位于邛海海域东北部，并由该低值中心向西北方向递增。

图2 土壤有机碳含量 (g/kg)空间分布图

2.3 土壤有机碳影响因素分析

2.3.1 土壤质地

由表3可知，土壤有机碳含量表现为中壤>重壤>轻壤>砂>砂土，经方差检验其差异均达极显著水平(F=8.213，P=0.000)。其中重壤、轻壤、中壤中有机碳含量明显高于砂土和砂壤，重壤、轻壤、中壤中有机碳含量差异未达明显水平，砂土和砂壤中有机碳含量差异也均未达显著水平(见表3)。不同质地的土壤，肥力特性不同，因此有机碳含量也不相同。

表3 不同质地土壤有机碳含量的均值方差

2.3.2 土壤pH值

土壤pH值常通过影响微生物的活动显著影响土壤有机碳的含量及空间分布，微生物最适宜中性环境下活动，强酸或强碱条件下其活动受到抑制。从研究区不同pH的土壤有机碳含量来看，中性土壤>微酸性土壤>微碱性土壤>酸性土壤。经方差检验，其差异达极显著水平 (F=4.216，P=0.006)(见表4)。其中，中性条件下土壤有机碳含量明显高于其他范围pH值的有机碳含量。主要是由于土壤pH值在7.0左右，微生物较活跃，有利于分解有机质，促进了土壤碳素的释放。土壤pH值过高或过低，都限制了微生物分解有机质的能力，从而土壤中有机碳含量偏低。

表4 不同pH值土壤有机碳含量的均值方差

2.3.3 西昌市影响分析

为分析西昌市城市化进程对其城乡交错带土壤碳素含量的影响，选取最具典型的西昌市主城区为例，采用GIS空间分析中的缓冲区分析方法进行了研究。其具体做法是以西昌市主城区作为面实体影响源，分别建立0.4 km、0.8 km、1.2 km、1.6 km和2.0 km的缓冲区，探讨主城区对城乡交错带土壤碳素含量的影响。通常，相关系数在0.8-1.0为极强相关，0.6-0.8为强相关，0.4-0.6为中等程度相关，0.2-0.4为弱相关，0.0-0.2为极弱相关或无相关。分析显示城镇对土壤有机碳含量影响属于强相关性 (见图 3)。这主要是由于在城市周边人为因素造成的，如生活垃圾、工矿业废渣、污泥、塑料废弃物等，对土壤资源侵占、污染，而使土壤养分遭到破坏。

图3 主城区不同缓冲区距离土壤有机碳含量的变化情况

2.3.4 邛海影响分析

作为四川第二大淡水湖的邛海对西昌市的降雨、气温、土地利用等也有较大的影响。以邛海作为面实体影响源，分别建立0.3 km、0.6 km、0.9 km、1.2 km和1.5 km的缓冲区，分析显示呈现极强的相关性 (见图4)。总体水平上随着缓冲区距离的增加，其含量也增加。这主要是由于大量侵蚀、搬运、沉积作用使得较大的土壤颗粒堆积在湖岸，一般来说土壤颗粒越大保肥性越弱，从而土壤有机碳含量低。

图4 邛海海域不同缓冲区距离土壤有机碳含量的变化情况

2.3.5 河流影响分析

该区水系相对密集，为反映河流对土壤有机碳含量的影响，以河流作为线实体影响源，分别建立0.1km、0.2 km、0.3 km、0.4 km和0.5 km的缓冲区，分析显示其呈极强的正相关 (见图5)。随着缓冲区距离的增加，其含量也明显增加。这主要是由于河流流水搬运、沉积作用使得土壤表现近河岸粗远河岸细。一般来说颗粒大的土壤保水性差，吸附、保持养分能力差，且土中有机养分分解迅速。

3 结 语

本研究从结构性因素和随机性因素两方面，分析了研究区域内土壤有机碳含量变化的情况，表现其空间变异显著。运用GIS的地统计分析，能够更直观地反映土壤有机碳的空间分布，为该区资源配置提供决策支持。

[1] 史海滨，陈亚斯.土壤水分空间变异的套合结构模型及区域信息估值[J].水利学，1994(7)：70-77

[2] Pusso D.A Geo-statistical Approach to Solute Transport in Heterogeneous Fields Add Its Applications to Salinity Management [J].Water Resource Res,1984,20(9):1260-1270

[3] 郭旭东，傅伯杰，马克明,等.基于GIS和地统计学的土壤养分空间变异特征研究——以河北省遵化市为例[J].应用生态报，2000，11(4)：557-563

[4] 孙英君，王劲峰，柏延臣,等.地统计学方法进展研究[J].地球科学进展，2005，19(2)：258-274

[5] 黄元仿，周志宇，苑小勇,等.干旱荒漠区土壤有机质空间变异特征[J].生态学报，2004，24(12):101-106

[6] 王政权.地统计学及在生态学中的应用[M].北京：科学出版社,1999

[7] 汤国安，杨昕.ArcGIS地理信息系统空间分析试验教程[M].北京:科学出版社，2006

[8] 黄杏元，马劲松，汤勤.地理信息系统概论[M].北京：高等教育出社，2001

[9] 胡克林,李保国,林启美,等.农田土壤养分的空间变异性特征[J].农业工程学报,1999，15(3):39-44

[10]代英，张世熔，李婷,等.成都平原土壤Hg和Pb的空间分布及影响因素研究[J].农业环境科学学报，2006，25(3):203-208

[11]Cambardella C A,Moorman T B,Novak J M.Feld-scale Variability of Soil Properties in Central Iowa Soils[J].Soil SciSo Am J, 1994(68):1501-1511

Research on Spatial Distribution of Soil Organic Carbon Content Based on Geostatistics

by MA Huangqun

s Apreliminary researchonthe spatial distributioncharacteristics and their main influential factors of soil organic carbon in Qionghai basin here were performed by the software ArcGIS 9.3 with the geostatistics,buffer analysis and overlay analysis tools.The results were as follows.Firstly,the soil organic carbon content followed a normal distribution,and belonged to moderate variability.Secondly, the regions with high soil organic carbon content were located in the southeast of Xichang and the southeast of Qionghai,while the low ones were located in the northeast of Qionghai,and gradually increased towardsnorthwest simultaneously.Furthermore,theorganiccarbon content was significantly different with different soil structure,especially in neutral condition,it had a high value.Finally,the content of soil organic carbon showed a corresponding correlation on different buffer zones.

Geostatistic analysis，buffer，organic carbon

2011-09-23

项目来源：公益性行业科研专项经费资助项目（201111013）。

P208

B

1672-4623(2012)03-0075-03

马黄群，硕士，研究方向为GIS理论与应用。