作物种植前后土壤有机质及养分因子的空间变异分析

方 斌，吴金凤

(1. 南京师范大学地理科学学院， 南京 210023; 2. 中国科学院地理与资源研究所， 北京 100101)

作物种植前后土壤有机质及养分因子的空间变异分析

方 斌1,*，吴金凤1，2

(1. 南京师范大学地理科学学院， 南京 210023; 2. 中国科学院地理与资源研究所， 北京 100101)

以作物土壤试验数据为基础，结合多年的农户调查数据，采用Moran′s I指数分析、Pearson相关系数分析和Kriging插值3种地统计学方法，探讨了浙江省浦江县作物种植前后土壤有机质及氮磷钾等养分因子的空间演化规律。研究发现Moran′s I指数分析证实随着区域范围的加大，各因子间自相关程度产生较大差异。这一点在Pearson相关系数分析中也得到证实，并在kriging插值图中直观表达。结果还表明：有机质和碱解氮的形成与水的关系较为密切，水源区两因子的含量较周边高，且会促进前者向后者转化。养分投入后，过多的养分在土壤中降解过程与区域自然环境条件的关系较密切。同一作物的农户养分投入在不同区域差异较大，不同作物的农户养分投入在区域内却存在量的相关。

作物种植前后；土壤养分；空间变异分析

土壤养分的空间变异规律可作为土壤资源合理利用与改良、精准施肥和环境物质修复的基本依据[1- 3]。土壤的变异来源可分为系统变异和随机变异, 其中前者可认为是由母质、气候、水文、地形、生物等相对稳定的因素产生，后者可认为是由不同土地利用方式和行为，以及取样、分析等的误差产生[4- 6]。大量的研究表明地统计学方法能较好地揭示土壤异质性机理[7- 11]。近几年, 国内外学者对不同尺度( 乡镇级、村级、田间尺度和微尺度) 的土壤性质( 土壤水分、盐分、养分、理化性质及生物学性质等)进行了广泛研究, 如，连纲等通过对黄土高原县域土壤养分空间变异分析后，认为不同土地利用类型的养分含量差异显著，水田和川地的有机质和全氮含量较高，全磷含量以梯田最高。高义民等通过对黄土区村级农田土壤养分空间变异特征分析，认为施肥是导致该村土壤养分空间变异性的主要原因。张博等通过对江苏滩涂围垦区土壤养分空间变异分析得出该区域应多施有机肥和氮肥，少施或不施钾肥和磷肥的结论。这些研究都在一定程度上揭示了土壤有机质、水解氮、速效磷、速效钾等土壤因子在各自环境区内的空间变异规律[12- 19]。在方法论的研究上，GIS技术被引入进行景观空间异质性分析，并将景观斑块结构、形态、数量的变化特征，作为景观连通性、稳定性和破碎化的重要依据[20- 24]。但是，运用地统计学方法探讨作物种植前后土壤养分空间变异性的文献则鲜有发现。本文以浦江县作物土壤试验数据为基础，结合多年的农户调查数据，以地统计学方法为工具，探讨作物种植前后土壤有机质及其养分因子的空间演化规律，为不同区域作物养分合理实施与种植结构的调整进行分区指导提供理论依据。

1 研究对象与方法

1.1 研究区简介

图1 浦江县的地理特征Fig.1 Geographical Feature of PuJiang county

浙江省浦江县位于浙江省中部偏西，金衢盆地的北缘，是浦阳、壶源两江之发源地。地理坐标界于东经119°42′—120° 07′、北纬29°21′—29°41′。东西宽39.25 km，南北长36.5 km。全县土地面积为907.6637km2。境内地貌分西北山区和浦江盆地两大类型。西北部山区属浙中丘陵山地地貌，以低、高丘为主。浦江盆地属于金衢丘陵盆地地貌。以平畈、岗地、低丘为主。根据海拔高度和农业利用特点可将浦江的地形分这平原区(海拔<150 m)、半山区(150 m<海拔< 500 m)、中低山区(海拔>500 m)，符合“七山二水一分田”中国东部地形特征。

浦江县属亚热带季风气候区，四季分明，气温适中，光照充足，雨量丰沛，自然资源丰富。由于农业用地分别邻近浦阳江、壶源江和大陈江，因而又形成3种小气候带，分别是浦江盆地温暖少雨区(Ⅰ区)、壶源江谷温和次多雨区(Ⅱ区)、中低山温凉多雨区(Ⅲ区)(见图1)。各气候带特征见表1。

浦江县区域经济发展水平略高于全国平均水平，随着产业扩张速度的不断加快，耕地保护的压力也面临前所未有的挑战如何优化区域资源是亟待解决的重要问题。本研究正是在欧盟项目IRMLA (综合农业资源管理与土地利用分析)成果的基础上，以正在执行的国家基金为支助，以连续10a的农户土地利用与管理的调查数据和土壤、作物的试验数据为基础，探讨县域农地资源的优化利用。

表1 浦江各农业气候带的主要土壤特征

C:粘性Cohesive soil;L:壤性Loam soil;CL:粘壤性Cohesive and Loam soil;EL:海拔Elevation;MAT:年平均温度Mean annual temperature;ARF:年降雨量Annual rainfall;AT: 积温Accumulated temperature;T:类型Type;CT:质地Character;SL:表层Surface layer,;OM:有机质Organic matter

1.2 主要研究方法

1.2.1 土地利用与管理调查

(1)调查方法

在浦江县选取了107个代表性农户进行调查，农户的选取采取点、线、面相结合的方式。面：尽量做到覆盖面广。将全县分3片：平原、半山区、中低山区，并兼顾到全县的每个乡镇。同时把农作物种类和种植面积、各地气候差异、典型产品和重点产业相结合综合考虑，尽量做到平衡。线：以公路为一线，池塘、沟渠为二线，山间小路为三线。点：除考虑各种不同的作物外，还兼顾好、中、差3类生产水平的农户。具体调查点分布见图1。在调查人员的安排上，采取乡镇从事农业技术推广专业人员和在校教师、研究生相结合的方式，根据选取的农户、统一标准、逐户调查。

(2)调查内容

在调查之前先设计详细的调查表，与本研究相关的主要内容包括：1)农户家庭土地利用方式与农业生产管理，包括养分投入，特别是N投入；2)农户耕种田块的基本信息，如：种植面积、规模化程度、地形条件、地理位置、土壤性质等，为土地利用方式的空间分析奠定基础。

1.2.2 土壤采样与分析方法

(1)采样点的选取及农户投入

根据种植作物的不同从107户农户家庭的责任田中取样183个样点(即183块田的采样)，其中，水稻及其它粮油作物共69块， 葡萄36块，蔬菜40块，桃形李及其它水果类31块，其它作物7块，各类作物农户平均投入调查结果见表2。采样地块还需考虑坡度、坡向、相邻性等特征，并做好地理特征的相关信息采集。各样点见图1。

表2 不同作物N、P、K农户投入均值

N: 碱解氮，P: 速效磷，K: 速效钾

(2) 土壤取样方法

1)采样时间 第1次取样为作物播种前(3月3日—12日，共10 d)，第2次取样为作物收获后、施肥前(11月25日到12月4日共10 d)，这一取样时间是综合了该区域的季节特征和农事活动的特点选择的。两次取样的田块完全相同。

2)采样部位和深度 根据耕层厚度，确定采样深度，一般取样深度0—20 cm。

3)采样方法、数量 采用多点混合土样采集方法，每个混合农化土样由20个样点组成。每个点的取土深度及重量尽量均匀一致，土样上层和下层的比例基本相同。样品处理、储存等过程没接触金属器具和橡胶制品。每个混合样品一般取1kg左右。

(3) 试验分析方法

样品主要参照鲁如坤的《土壤农业化学分析方法》中的扩散吸收法对土壤有效N进行测定[25]。本文所指的氮、磷、钾分别是指碱解氮、速效磷和速效钾。

1.2.3 地统计学分析

(1)空间自相关分析可检验土壤养分空间相关性的存在与否(即是否存在区域的集聚或集中)，一般用全域Moran′s I指数、局域Moran′s I指数表达。本文利用ArcGIS空间统计模块中的全域Moran′s I，对县域内两个时点因子空间自相关性进行分析。计算模型已在先前发表的论文中作了详细阐述，不再赘述[26]。

(2)半方差函数是地统计学的基石，其块金值、基台值和变程等参数能表达区域化变量在一定尺度上的空间变异和相关程度，是Kriging精确插值的基础，也行预测和模拟的关键[1- 10]。

(3)

式中, RSS是回归精度的重要参数，其取值愈小，说明实际观测值与回归线靠近，拟合曲线与实际配合愈好。

但是残差平方和受因变量和自变量绝对值大小的影响，RSS值大的拟合模型不一定不及RSS值小的拟合模型，但是决定系数R2就不存在这个问题。决定系数R2，也称拟合度，其计算公式为:

(4)

3 研究结果与分析

本文利用单样本K-S检验对各样本因子分别进行检验，发现通过对数转换后各因子均较好地符合正态分布。可以进行Moran′sI指数和Kriging插值分析。

3.1 土壤因子空间自关性分析

不同养分在不同时点的空间自相关性与步长的总变化趋势基本一致，在作物种植前后均呈现波动性，说明随着尺度的变化，土壤养分之间存在一定的空间关联，但又各具特点(这一点与高义民、史利江等学者得出的结果基本一致[7,12,21]):(1)各因子的振幅在步长﹤1000m时均达到最高点，并随着步长的加大而逐渐衰减，说明区域越近，作物种植结构越相似，养分投入越接近。而随着步长的加大，范围的加大，种植多样性，引起投入的多样化，但大范围的多样化投入又引致相关性程度加大。(2)作物收获后，土壤氮和磷的负振幅超过作物种植前，说明不同农户作物养分投入的差异，导致的相关性增强是由于随机变异引起的，而经过一段时间土壤表层的氮、磷含量趋于稳定的原因是由于土壤本身的吸附与消化能力作用的结果，它属系统变异。(3)作物收获后钾的自相关强度明显弱于作物种植前，而且，随着步长的加大，其相关性增强。前者与不同区域人们对钾肥投入的重视程度不一致有关，后者则说明钾的自相关性与土壤因子系统变异的关系更加密切。具体见图2。

2.2 土壤因子交互相关性分析

为分析土壤因子间的交互相关性，论文运用SPSS软件进行Pearson相关系数分析，并在0.01 的置信水平下进行T检验。得出：(1)作物种植前，在置信0.01水平下，碱解氮- 1与有机质- 1有较强相关性，这一点也与史利江等学者得出的结果相一致[7]。而碱解氮- 2与有机质- 1之间的相关性较前两者明显减弱。说明有机质的含量与碱解氮间的关系紧密，但前者转化为后者需要一定的时间。在0.05置信水平下，碱解氮- 2与速效磷- 2间存在一定的相关性，与速效磷- 1、速效钾之间基本上不相关，说明氮、磷投入，农户有配施的意识，但对钾的配施意识不强，这与农户调查结果相符合。(2)在0.01置信水平下，速效磷- 1与速效磷- 2之间存在极显著的相关性，说明农户对磷的投入相对稳定且其投入磷与土壤内磷素间成较为固定的比例。(3)速效磷与速效钾之间在种植前后都具很强的相关性，这可能与调查中65.4%的农户喜欢使用复合肥有关。具体见表3。

图2 作物种植前后 Moran′s I指数随步长的变化对照Fig.2 Moran′s I index after and before planting crops with step change*-1、-2分别为作物种植前和收获后的土壤取样时间

表3 作物种植前后土壤养分交互相关特征

* 表示在0.05水平上有较显著的相关系数；** 表示在0.01水平上有显著的相关系数; 表中XXX- 1表明是作物种植前土壤养分，XXX- 2表示是作物收获后的土壤养分

2.3 土壤因子空间分布特征分析

作物种植前、收获后的数据表明：(1)自相关系数，种植前碱解氮、有机质、速效磷和速效钾4种因子的自相关系数均< 25%，且均在11.4% —15.8%之间，表现出强烈的空间相关。收获后，它们的自相关系数均增大，且除碱解氮外，均处于中等空间相关程度。(2)变程，种植前，碱解氮和有机质的变程最小，均为720.00 m，最大的速效磷为1830.00 m。收获后，各因子的变程普遍加大，最小的速效磷也达到了6000.00 m。(3)拟合模型，种植前各土壤因子均符合指数同性模型，拟合效果较好。收获后，拟合模型有差异，根据R2，有机质、碱解氮、速效磷拟合效果也好于前者(表4)。

表4 作物种植前后土壤养分自相关特征

*C0为块金值，C为偏基台值，C+C0为基台值，C0/(C+C0)为自相关系数，A0为相关距离，m为变程，R2为决定系数，RSS为残差平方和，CV为变异系数

通过对模型的精度进行分析，各土壤因子空间分布基本符合最优模型的条件，即标准平均值最接近0，均方根预测误差最接近平均标准误差，标准均方根预测误差最接近1。根据半方差分析的结果，利用ArcGIS 9. 0中的Geostatistic analysis模块采用普通Kriging法进行内插，并根据土壤养分的含量对插值图进行合理的分级，得到各养分含量等级面积的空间变异(图3—图6)。

图3 作物种植前后有机质的空间分布特征Fig.3 Spacial Character of organic matter in the after and before planting crops

有机质含量范围在施肥前后基本保持一致，90%以上处于20—40 g/kg范围。作物种植前，有机质含量分布较为不均，含量较高的区域主要分布在园地和林地区。作物收获后其含量分布呈现总体有差异、局部有均衡的现象，体现2点特征：(1)作物收获后，有机质含量处于30—40 g/kg范围的区域面积减少，原有林地区的有机质下降较快，主要原因：其一可能是种植区内作物在生长过程中吸收了土壤原有的碳，而新的有机质的形成需要一定时间转化，因此，总体表现为普遍性下降；其二可能是园地和林地较近，林地的有机质含量通过园地的取样点有机质含量体现，而水果在生长过程中消耗土壤中原有的有机质，而短期内又无法及时得到补充。(2)作物收获后的有机质含量以水源地周边居高，并增加较快，原因可能是有机质的形成与水有较密切的关系。一般而言同一地点土壤有机质在短时内不会有大的变化，而两次试验结果却在不同地方有不同表现，这一现象有必要针对不同地区产生的效应验证其碳收支现象(图3)。

作物种植前后碱解氮含量的空间分布格局变化不大，作物种植前碱解氮含量75%处于50—60mg/kg，作物收获后各区域的氮含量明显增加，范围在70—90mg/kg占65%。主要特点：(1)林地和园地的土壤碱解氮的含量较高，这可能与农户长期对经济作物高施肥有较强的相关性。(2)水源地，特别是水库和水源下游地带氮的含量更高。可能过多投入的氮随着水分的流动而富集在水库、坑塘或流向地势较低的区域。(3)作物收获后，土壤碱解氮的含量普遍高于作物种植前，主要原因在于土壤中的氮降解和固化需要一定的时间。这一点从第2年作物种植前的土壤抽样结果得到证明。具体见较图4作物收获后速效磷的含量较种植前普遍性地有所提高，局部性增加较大，其中城郊结合部和杭坪镇的磷含量更高，超过了100 mg/kg。原因可能有3点：(1)目前农户主要使用的复合肥，导致速效磷含量普遍性有所增加，但受使用量的影响，增加的幅度不大。(2)蔬菜和水果种植区速效磷的浓度增加大。分析原因可能是蔬菜的养分投入较大，除了氮投入超过一般作物的2—3倍外，磷的投入也有明显增加，这一点可从农户养分投入调查中得到证实。从地理位置上看，速效磷含量最高的地方正是城郊蔬菜和高山蔬菜所在地(图5)。

图4 作物种植前后碱解氮的空间分布特征Fig.4 Spacial character of alkali-hydrolyzable N in the after and before planting crops

作物收获后速效钾的含量较种植前普遍性提高不多，但局部性增加却有超过150 mg/kg。原因可能有3点：(1)目前农户主要使用的复合肥，导致速效钾含量普遍性有所增加，但钾含量并不高，因而，增加的幅度不大。(2)从全县整体上看，钾的投入没有得到人们的重视，蔬菜区域钾浓度增大的原因与农户蔬菜养分投入量大有直接关系。此外，高山蔬菜多是直接销售到上海，其养分及其主要成份会被检测，县内有专职人员定期对养分的施用进行指导，钾的投入也正逐步引起重视。因此，对于农村大部分地区，特别是经济作物种植较为密切的地区，配备养分指导专家有针对性地进行土壤合理配方是必要的(图6)。

图5 作物种植前后速效磷的空间分布特征Fig.5 Spacial character of available P in the after and before planting crops

图6 作物种植前后速效钾的空间分布特征Fig.6 Spacial character of available K in the after and before planting crops

3 结论

(1)运用Moran′s I指数分析、Pearson相关系数分析，以及kriging插值图等方法对作物种植前和收获后的土壤因子空间变异进行分析，发现3种方法所得出的结果可以相互应证，互为补充。Moran′s I指数分析证实随着区域范围的加大，各因子间自相关程度存在差异。Pearson相关系数分析可检验出各因子间的相关性程度。kriging插值图则能直观反应各因子在不同区域的分布特征。

(2)从养分利用特征看：1)有机质和碱解氮与水的关系较为密切，水源区两因子的含量较周边高，可能是水的作用加速了有机质向氮的转化。2)养分投入后，过多的养分在土壤中降解有一段时间过程，这种过程与区域自然环境条件的关系较密切。3)由于主要是通过复合肥被施入到土壤的，测算结果反映磷、钾之间有极强的相关性，作物收获后两者在土壤中的含量均高于作物种植前，这可能与农户好用固定磷、钾比的复合肥有较密切的关系，此外，磷、钾在土壤中降解较慢也是原因之一。

(3)同一作物的农户养分投入在不同区域差异较大，不同作物的农户养分投入在区域内却存在量的相关。水稻等常规作物和规模化经营的葡萄的养分区域内投入差异相对较小，而其它作物则表现较大差异，空间分析结果与农户调查结果基本一致。

(4)高山蔬菜、城郊蔬菜种植区和壶源江下游地带氮的投入过高应适当管控，山体周边土壤磷的含量高也需要适当管控。钾的投入普遍不高，虽然部分区域钾含量呈较高的现象，但主要分布在高山区，可能与该区域山体林木有关。

[1] Sheng J D, Xiao H, Wu H Q, Chen B, Wang J, Yang X J. Primary study of spatial variability of available soil nutrients in farmland with different sampling intervals. Agricultural Research in the Arid Areas, 2005, 23(2): 63- 67.

[2] Gao H, Zhang H C, Xing L, Wang Y, Zhu D J, Yan G Z. Study on spatial variability of soil nutrients in different soil groups and fertilization strategy. Journal of Yangzhou University: Agricultural and Life Science Edition, 2011, 32(2): 42- 47.

[3] Gao X Z, Hu K L, Guo Y, Li B G, Ma W D, Du S, Wang Y H. Spatial variability of soil nutrients and crop yield and site-specific fertilizer management. Scientia Agricultura Sinica, 2002, 35(6): 660- 666.

[4] Liu Y, Sun Z M, Yang J, Liu X, Wang X M, Liu S Q, Wang W J. Spatial variability of soil N, P, and K in main production area ofCastaneamollissima. Chinese Journal of Applied Ecology, 2010, 21(4): 901- 907.

[5] Yuan X Y, Huang Y F, Gao R T, Cai X R, He Y. Spatial variability characteristics of farmland soil organic matter in Pinggu District, Beijing, China. Transactions of the Chinese Society of Agricultural Engineering, 2008, 24(2): 70- 76.

[6] Yang Q Y, Yang J S, Yao R J, Li D S. GIS-based soil suitability evaluation of cultivated land in saline soil improvement district. Journal of Natural Resources, 2011, 26(3): 1376- 1384.

[7] Shi L J, Zheng L B, Liu Y L, Yu L Z, Jia Z C. Research on the characteristics of spatial variability of soil nutrients and general assessment in farmland in the Yangtze river delta. Resources and Environment in the Yangtze Basin, 2008, 17(6): 839- 846.

[8] Haefele S M, Wopereis M C S. Spatial variability of indigenous supplies for N, P and K and its impact on fertilizer strategies for irrigated rice in West Africa. Plant and Soil, 2005, 270(1): 57- 72.

[9] Sugihara S, Funakawa S, Kilasara M, Kosaki T. Dynamics of microbial biomass nitrogen in relation to plant nitrogen uptake during the crop growth period in a dry tropical cropland in Tanzania. Soil Science and Plant Nutrition, 2010, 56(1): 105- 114.

[10] Zhao B, Sun L, Hu H Q, Sun Z H. Post-fire soil microbial biomass and nutrient content of Larix gmelinii forest in autumn. Journal of Natural Resources, 2011, 26(3): 450- 459.

[11] Ma Q, Zhao G X. Effects of different land use types on soil nutrients in intensive agricultural region. Journal of Natural Resources, 2011, 25(11): 1834- 1844.

[12] Gao Y M, Tong Y A, Hu Z Y, Wang C R, Zhang S L, Zhao H B. Spatial variability of soil nutrients in farmland of Loess plateau. Chinese Journal of Soil Science, 2006, 37(1): 1- 6.

[13] Lian G, Guo X D, Fu B J, Hu C X. Spatial variability and prediction of soil nutrients on a county scale on the Loess plateau-a case study of Hengshan county, Shaanxi province. Acta Pedologica Sinica, 2008, 45(4): 577- 584.

[14] Hu W, Shao M A, Wang Q J. Scale-dependency of spatial variability of soil moisture on a degraded slope-land on the Loess Plateau. Transactions of the Chinese Society of Agricultural Engineering, 2005, 21(8): 11- 16.

[15] Gan H H, Peng L Y. Spatial variability of nutrients in cultivated soils of Xinhui District, Jiangmen City. Chinese Journal of Applied Ecology, 2005, 16(8): 1437- 1442.

[16] Li W L, Zhao G X, Xu Z W. Cultivated land soil nutrient precision management zoning and prescription fertilization at town scale. Journal of Natural Resources, 2011, 26(5): 746- 754.

[17] Wang J M, Wang J A, Hu Y M, Zhao Z Z. Studies on spatial variability of soil nutrients and sampling methods in a field of chestnut soil. Agricultural Research in the Arid Areas, 2006, 24(5): 59- 63.

[18] Herai Y, Kouno K, Hashimoto M, Nagaoka T. Relationships between microbial biomass nitrogen, nitrate leaching and nitrogen uptake by corn in a compost and chemical fertilizer-amended regosol. Soil Science and Plant Nutrition, 2006, 52(2): 186- 194.

[19] Cambardella C A, Moorman T B, Parkin T B, Karlen D L, Novak J M, Turco R F, Konopka A E. Field-scale variability of soil properties in central Iowa soils. Soil Science Society of America Journal, 1994, 58(5): 1501- 1511.

[20] Che Q J, Cao Y H, Yu L, Song Z N, Dong Y W. Landscape spatial heterogeneity is associated with urbanization: an example from Yangtze River in Jiangsu Province. Acta Ecologica Sinica, 2011, 31(23): 7261- 7270.

[21] Shi L J, Zheng L B, Liu Y L. Research on the characteristics of spatial variability of soil nutrients in farmland. Journal of Henan Agricultural University, 2008, 42(1): 51- 56, 70- 70.

[22] Dibari J N. Evaluation of five landscape-level metrics for measuring the effects of urbanization on landscape structure: the case of Tucson, Arizona, USA. Landscape and Urban Planning, 2007, 79(3/4): 308- 310.

[23] Deng J S, Wang K, Hong Y, Qi J G. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization. Landscape and Urban Planning, 2009, 92(3/4): 187- 198.

[24] Thomas I, Frankhauser P, Biernacki C. The morphology of built-up landscapes in Wallonia (Belgium): a classification using fractal indices. Landscape and Urban Planning, 2008, 84(2): 99- 115.

[25] Lu Y K. Soil Agricultural Chemical Analysis Method. Beijing: China′s Agricultural Science Press，2000.

[26] Fang B, Wu J f, Ni S X. Correlation analysis of spatial variability of soil available nitrogen and household nitrogen inputs at Pujiang County. Acta Ecologica Sinica, 2012, 32(20): 6489- 6500.

参考文献:

[1] 盛建东, 肖华, 武红旗, 陈冰, 王军, 杨新建. 不同取样尺度农田土壤速效养分空间变异特征初步研究. 干旱地区农业研究, 2005, 23(2): 63- 67.

[2] 高辉, 张洪程, 邢琳, 王云, 朱德进, 严桂珠. 不同土类土壤养分空间变异与施肥策略研究. 扬州大学学报: 农业与生命科学版, 2011, 32(2): 42- 47.

[3] 高祥照, 胡克林, 郭焱, 李保国, 马韫韬, 杜森, 王运华. 土壤养分与作物产量的空间变异特征与精确施肥. 中国农业科学, 2002, 35(6): 660- 666.

[4] 刘杨, 孙志梅, 杨军, 刘霞, 王小敏, 刘树庆, 王文江. 京东板栗主产区土壤氮磷钾的空间变异. 应用生态学报, 2010, 21(4): 901- 907.

[5] 苑小勇, 黄元仿, 高如泰, 柴旭荣, 贺勇. 北京市平谷区农用地土壤有机质空间变异特征. 农业工程学报, 2008, 24(2): 70- 76.

[6] 杨奇勇, 杨劲松, 李晓明, 李冬顺. 基于GIS的盐渍土改良区耕地土壤适宜性评价. 自然资源学报, 2011, 26(3): 1376- 1384.

[7] 史利江, 郑丽波, 柳云龙, 俞立中, 贾正长. 长三角地区农田土壤养分空间变异及养分综合评价. 长江流域资源与环境, 2008, 17(6): 839- 846.

[10] 赵彬, 孙龙, 胡海清, 孙志虎. 兴安落叶松林火后对土壤养分和土壤微生物生物量的影响. 自然资源学报, 2011, 26(3): 450- 459.

[11] 马群, 赵庚星. 集约农区不同土地利用方式对土壤养分状况的影响. 自然资源学报, 2011, 25(11): 1834- 1844.

[12] 高义民, 同延安, 胡正义, 王彩绒, 张树兰, 赵护兵. 黄土区村级农田土壤养分空间变异特征研究. 土壤通报, 2006, 37(1): 1- 6.

[13] 连纲, 郭旭东, 傅伯杰, 虎陈霞. 黄土高原县域土壤养分空间变异特征及预测——以陕西省横山县为例. 土壤学报, 2008, 45(4): 577- 584.

[14] 胡伟, 邵明安, 王全九. 黄土高原退耕坡地土壤水分空间变异的尺度性研究. 农业工程学报, 2005, 21(8): 11- 16.

[15] 甘海华, 彭凌云. 江门市新会区耕地土壤养分空间变异特征. 应用生态学报, 2005, 16(8): 1437- 1442.

[16] 李文璐, 赵庚星, 许志伟. 乡镇级耕地土壤养分精确化管理分区及配方施肥研究. 自然资源学报, 2011, 26(5): 746- 754.

[17] 王晋民, 王俊鹏, 胡月明, 赵之重. 栗钙土农田土壤养分空间变异特性及采样方法研究. 干旱地区农业研究, 2006, 24(5): 59- 63.

[20] 车前进, 曹有挥, 于露, 宋正娜, 董雅文. 景观空间异质性及城市化关联——以江苏省沿江地区为例. 生态学报, 2011, 31(23): 7261- 7270.

[21] 史利江, 郑丽波, 柳云龙. 农田土壤养分空间变异特征研究. 河南农业大学学报, 2008, 42(1): 51- 56, 70- 70.

[25] 鲁如坤. 土壤农业化学分析方法. 北京: 中国农业科技出版社, 2000.

[26] 方斌, 吴金凤, 倪绍祥. 浦江县土壤碱解氮的空间变异与农户N投入的关联分析. 生态学报, 2012, 32(20): 6489- 6500.

Spatial variation analysis of soil organic matter and nutrient factor for before and after planting crops

FANG Bin1,*, WU Jinfeng1,2

1CollegeofGeography,NanjingNormalUniversity,Nanjing210023,China2InstituteofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China

The soil organic matter and nutrient factor space evolution for before and after planting crops was discussed,based on data of tested soil and household survey over the years. Results could provide the theoretical basis for reasonable input of crop nutrient and planting structure adjustment to divisional guidance in different regional.

The spatial variability of soil factor before and harvest after crops was analyzed by using Moran′s I index analysis, Pearson correlation coefficient analysis, and Kriging interpolation diagram. Results suggested that three methods can interactly examine and complemente. Moran′s I index was proved to the great different of nutrient factor of all kinds with the enlarged area coverage,. The correlation degree among all kinds was tested through Pearson correlation. The feature of space distribution in different area could be directly reacted by Kriging interpolation..

The characteristics of used nutrient was showed as following: 1) The soil organic matter and nitrogen was a very close relationship with water, and they had a high content in the water resource district. Results resulted from the accelerated the transformation of nitrogen by water. 2) The a period of time was needed to degradation of a plethora of nutrients in the soil after input nutrient, and this process was closely related with the regional natural environment condition. 3) The calculated result showed a significant correlation between the content of P and K Because of mainly using the compound fertilizer.The content of P and K of soil were higher after harvest crops than before planting crops, which was contributed to the used compound fertilizer with fixed ratio of P and K by farmers. In addition, another reasons is the slower degradation rate of P and K. For the same crop, nutrient inputs by farmers was differend in different regional, but it was correlations in quantitative in the area for different crop. Input nutrient in the same area was the relatively small differences between in conventional rice crop and in scale management grape. However, input nutrient was bigger different for other crops. Spatial analysis results was basically agreed with the peasant household survey results. Nitrogen input should be properly controlled in high mountain, suburban vegetable growing areas, and pot source river downstream zone due to high input nitrogen. The high content of soil P was also properly needed to control in Mountain surrounding. The content of input K is usually not high. Although the the K content in some areas is higher, it is mainly distributed in the high mountains areas, which may be related to the trees.

before and after planting crops ; soil nutrients; spatial variation analysis

国家自然基金资助项目(40971105, 41271189);江苏省高校哲学社会科学研究重点资助项目(2010ZDIXM049)；江苏高校优势学科建设工程资助项目

2012- 09- 30;

2013- 04- 08

10.5846/stxb201209301364

*通讯作者Corresponding author.E-mail: wenyanfang731@163.com

方斌, 吴金凤.作物种植前后土壤有机质及养分因子的空间变异分析.生态学报,2014,34(4):983- 992.

Fang B, Wu J F.Spatial variation analysis of soil organic matter and nutrient factor for before and after planting crops.Acta Ecologica Sinica,2014,34(4):983- 992.