木荷次生林地土壤养分空间异质性研究

甘静静，曾思齐，肖化顺，刘发林，彭其龙

（中南林业科技大学，湖南长沙410004）

木荷次生林地土壤养分空间异质性研究

甘静静，曾思齐，肖化顺，刘发林，彭其龙

（中南林业科技大学，湖南长沙410004）

基于GIS与地统计学原理，使用ArcGIS地统计分析模块研究了湖南省青石冈林场土壤(0～60cm) pH值、有机质、水解性氮、全氮、全磷和全钾空间变异情况。结果表明：实验区土壤为酸性，pH值为4.36，有机质、水解性氮、全氮、全磷和全钾平均含量依次为20.47 g/kg、206.41 mg/kg、1.02 g/kg、0.32 g/kg和11.80g/kg，该地区pH值变异系数最小，属于小变异，其他土壤养分变异系数在35%以上，为高度变异，变异强度为全钾(72.26%)＞有机质(68.96%)全氮(66.96%)＞全磷(47.06%)＞水解性氮(37.16%)。全钾(49.58%)＞全氮(46.08%)＞水解性氮(40.09%)＞全磷(35.38/%)＞有机质(33.85%)；半方差最优模型拟合分析表明，全氮、全钾的分布符合指数模型，pH值和水解性氮符合高斯模型，有机质符合球状模型，全磷符合有理二次函数模型；从空间结构特征看，pH值和全钾表现出强烈的空间相关性，其变异主要由地形、土壤母质、气候等自然因素(结构性因素)引起，有机质、全氮和全磷表现出中等空间相关性，主要是结构因素及随机因素共同影响造成，而水解性氮空间相关性很弱，表明随机因素对其空间分布的贡献较大；土壤养分的空间分布特征:有机质、全氮、水解性氮和全磷整体分布趋势比较相似，水解性氮的分布情况相对简单，等值线与等高线基本平行，但5种养分均在低海拔富集，有机质和全氮的分布图零碎，受人为及外界干扰明显。采用克里格插值方法进行最优内插，绘制了养分含量分布图，可更直观地了解县域的土壤养分丰缺状况，为土壤可持续利用、次生林的恢复与重建提供科学依据。

木荷次生林；土壤养分；空间异质性

土壤受自然因子和人为因素的影响使得其空间变异广泛存在[1]，这方面的研究已经成为土壤科学研究领域的热点之一[2]。空间异质性（spatial heterogeneity）在各种尺度上普遍存在[3]，其研究结果不但对了解土壤的形成过程、功能和结构具有重要的理论意义，对了解土壤与植物的关系，如养分和水分对根系的影响、更新过程以及植物的空间格局等也有重要的参考价值[4]。揭示土壤养分空间变异性，掌握土壤养分的空间分布，对林地土壤养分的管理及采取合理的施肥方式具有重要意义，同时也是实现森林可持续利用和可持续发展的前提[5]，已经被证明分析土壤特性变异规律及其空间分布特征最为有效的方法之一就是地统计学，它能够解释人为和自然过程对变量空间变异的影响，揭示随机变量在空间上的分布特征，弥补传统统计学的不足[6-8]。它通过有限的土壤样本采集，利用空间内插的方法掌握土壤养分状况，不仅节省人力物力，还能更好地推动测土配方施肥工程的开展[9-12]。

木荷Schima superba是我国东部亚热带和南方集体林区常绿阔叶林的主要优势树种之一[13]。湖南木荷次生林作为该地区重要的林分类型之一，在森林生态系统演替和自然更新中发挥着重要作用，有研究表明林木的生长与土壤中的全磷、全氮和全钾等养分含量均存在显著或极显著正相关关系[14-15]，因此，对该地区土壤养分的分布情况的研究具有重要现实意义。本研究利用ArcGIS 9.3软件中地统计分析模块，选取pH值、有机质、水解性氮、全氮、全磷和全钾等6种土壤养分，对其含量的空间变异性进行研究，揭示次生林土壤养分的空间变异规律，为该地土壤养分有效管理与利用提供依据，提高养分利用率，实现次生林的健康发展和高效利用，同时也为我国南方次生林高效利用和可持续发展提供科学参考。

1 研究地区与研究方法

1.1 研究区概况

湖南省炎陵县青石 冈国有林场位于罗霄山 脉 中 段， 井 冈 山 西 麓， 地 处 113°34′45"～114°07′15″E、26°03′03"～ 26°38′30" N 之间。全场属中亚热带季风湿润气候区，年均气温17.3℃，年均降水量1 496.7 mm，降雨集中期为每年的4～9月份，其降雨量约占全年降雨量的67%～73%。林场内成土母岩主要是花岗岩，其次是板页岩。土壤垂直带谱明显，海拔1 200m以下土壤的土层较深厚，层次完整，土壤肥力较高。本研究的样地所处的海拔在1 000～1 400m处，此海拔高度上主要是以黄棕壤为主。该研究区主要为天然次生林，分布的主要树种有木荷Schima superba、 杉 木Cunninghamia lanceolata、 马 尾松Pinus massomana、 甜 槠Castanopsis eyre、 樱桃Prunus pseudocerasus、 檫 木Sassafras tsumu、白 栎Quercus fabri、 合 欢Albizzia julibrissin、 茅栗Castanea seguinii、细叶青冈Cyclobalanopsis gracilis、长叶石栎Lithocarpus henryi、椆Cyclobalanopsis glauca、 山 苍 子Litsea cubeba、雷公鹅耳枥Carpinus viminea、红楠Machilus thunbergii、板栗Castanea mollissima、漆树Rhus vernicif l ua等，主要分布在海拔1 600m以下的地区。

1.2 材料与方法

1.2.1 样地设置及数据采集

2012 年 7～9月，在木荷次生林片区（见图1）采用随机布点的方法在研究区设置96个采样点，每个点平行设定3个采样点，每个样点分别在0～15、15～30、30～45和45～60cm 4个土层平行取2个土壤样，混合均匀后装袋保存，共采集土样1 152个。每个样点均用手持 GPS 定位，记录样点经纬度、坡位、海拔和植被类型等相关立地因子。

图1 研究区位置Fig. 1Location of the study area

1.2.2 土样分析方法

采回的土样一批烘干后挑出大的石块和植物根茎，过100目筛存放于铝盒保存到干燥器内备用，用于测定全P和全K。另一批自然风干，过60目筛后存放于铝盒，用于测定有机碳、水解性氮和全N。pH用酸度计测定，有机质用重铬酸钾水合加热法测定，全N和水解性氮分别采用凯氏定氮仪法和扩散吸收发测定，土壤全P用钼锑抗显色后在72型光电分光光度计上测定，全K用火焰光度法测定[16]。

1.2.3 数据处理方法

土壤养分的性统计特征值采用SPSS 18软件计算；地统计分析部分在ArcGIS的地统计分析模块进行，将研究区内96个样点土壤养分数据输入到计算机形成与样点地理坐标匹配的属性数据，即点位图数字化，运用ArcGIS 技术，建立基于位置的空间属性数据库，并进行投影变换，投影类型为高斯投影，投影坐标系：Beijing_1954_3_Degree_GK_Zone_37，地理坐标系：GCS_Beijing_1954。最后生成地统计学分析的土壤样点文件，考虑特异值会使连续表面离散、半方差函数发生畸变，甚至会掩盖变量固有的空间结构特征[17-19]，因此本文中采用单样本Kolmogorov-Smirnov 检验（取显著水平α= 0.05，若 Pk-S＞0.05，则认为是正态分布） 其是否服从正态分布，通过软件ArcGIS 9.3地统计学模块（Geostatistical Analyst）拟合半方差模型，并绘制半方差函数图和土壤养分空间分布插值图（Kriging插值法）[20]。

1.2.4 研究方法

半方差函数在空间格局描述工具中应用广泛[21-23]，其公式为：

式中：γ（h）是变异函数，Z为区域化随机变量，Z（xi）和Z（xi+h）分别为变量Z在空间位置xi和xi+h上的取值，N（h）是取样间隔为h时的样本对总数。依据变异函数计算结果，拟合理论模型，然后依据模型参数，定量分析土壤氮素含量和更新苗的空间异质性特征。其中，用块金值估计小于抽样尺度的随机变异和测量误差；用基台值衡量空间异质性程度；利用变程估计空间自相关特性的尺度变化，它表示了在某种观测尺度下空间相关性的作用范围；利用结构方差比衡量空间自相关因素对变量总变异的影响程度。

2 结果与分析

2.1 土壤养分的统计特征

实验区0～60cm土层内土壤为酸性，pH值为4.36（见表1），有机质、水解性氮、全氮、全磷和全钾平均含量依次为：20.47 g/kg、206.41 mg/kg、1.02 g/kg、0.32 g/kg和 11.80g/kg，按照全国第二次（1979年）土壤普查土壤分级标准，水解性氮的含量属丰富型，有机质、全氮和全钾的含量属中等水平，全磷含量偏低；其中表层土壤pH值略低于深层的pH值，土壤有机质、水解性氮和全氮的含量随土层的加深而减少，减少速度由快到慢依次为水解性氮、有机碳、全N和全P；全K含量随土层的变化不大；从变异系数看，如果按照Wilding对土壤性质的变异系数进行的分类[21]，该地区土壤pH值变异系数为5.32%（见表2），属于小变异，6种土壤养分变异系数均在35%以上，为高度变异，变异强度为全钾（72.26%）＞有机质（68.96%）全氮（66.96%）＞全磷（47.06%）＞水解性氮（37.16%）；经检验，土壤养分均服从正态分布。

表1 不同土层土壤养分分布特征†Table 1Distribution characteristics of soil nutrients in each soil layer

对土壤养分做相关性分析，发现6种养分与全钾的相关性都很弱以外，与其他养分都有很强的相关性，其中pH值与有机质、水解性氮、全氮和全磷呈负相关性（P=0.01），有机质与水解性、全氮和全磷呈显著性（P=0.01）正相关关系，水解性氮与全磷也呈显著性（P=0.01）正相关关系。

表2 研究区土壤养分的描述性统计特征Table 2Descriptive statistics characteristics of soil nutrients in the study area (n=96)

表3 土壤养分的相关性分析†Table 3Correlation coefficients between soil nutrients

2.2 土壤空间变异及结构特征

2.2.1 土壤养分空间变异的半方差函数拟合

联系电话：025-82296279（主任室），025-82296069（编辑室），025-82296108（财务、收稿、发行）。

半方差函数曲线图反应了一个采样点与其相邻采样点的空间关系。在采样尺度上具有空间依赖性（或者空间相关性）的变量，半方差函数会随着滞后距的增加而增大，但在超过一定距离（变程）后逐渐趋近于基台值（Partial Sill）或围绕基台值波动[22]。以γ为纵轴，h为横轴，即可得半方差函数图（见图2），其中块金值、基台值、有效变程是半方差函数图3个主要参数。由图2可以看出，研究区土壤养分除全钾外均具有明显的空间依赖性和空间结构。

空间变异参数中的块金值和结构方差可用于描述土壤养分受人为因素和自然因素的影响程度[23]。图2中纵坐标中的基台值（C+C0）表示系统内包括结构性变异和随机性变异的总变异，测量误差和小于最小取样尺度引起的随机变异通常由块金值（C0）表示，说明块金比[C0/(C0+C)]表示随机部分引起的空间异质性占系统总变异的比例，也称基底效应，若此值大于75%说明系统空间相关性很弱，小于25%说明系统具有强空间相关性[24]；横坐标表示采样点的的距离，表示空间相关性的作用范围。从表4可知，研究区pH值和全磷的块金值均较小，均接近0，说明这两种养分的随机变异由实验误差和小于取样尺度而引起的误差小，有机质、全氮、水解性氮块金值大，pH值和全钾的块基比均小于25%，表出强烈的空间相关性，其变异主要由地形、土壤母质、气候等自然因素（结构性因素）引起[25]；有机质、全氮和全磷的块基比介于25%和75%之间，表现出中等空间相关性，主要是结构因素及随机因素共同影响造成，而水解性氮空间相关性很弱，表明受随机因素影响强烈。该地区土壤养分的有效变程在1 000m左右，较大，说明具有良好的空间连续性，但是块金值很大，要适当减少采样点的间距。

ArcGIS 9.3 地统计分析模块提供了Tetraspherical、 Pentaspherical、Circular、Spherical、Gaussian、Exponential 等 11 种半变异函数模型，各土壤养分指标通过比较分析得出的最佳拟合模型的决定系数都大于0.9，土壤养分空间结构特征均能很好地被各拟合模型反应出来（见表4）。水解性氮和pH值符合高斯模型，全氮、全钾符合指数模型，有机质符合球状模型，全磷符合有理二次函数模型。除了水解性氮和全氮的残差和偏大以外，其他养分的指标的拟合度效果显著，各模型都能很好地反应该地区的养分空间结构。

2.2.2 土壤养分趋势面特征

土壤养分趋势图采用趋势面分析得土壤养分趋势（见图3） ，可以从不同角度分析采样点养分数据集的全局趋势。该图是将研究点的属性值转换为高度的三维透视图，趋势分析图中每根竖棒代表一个样点的养分含量，将这些点投影到东西-南北（EW-SN）两个正交平面，再通过投影点集作一条最佳拟合线（浅灰色线和深灰色线）来模拟特定方向上存在的趋势。如果该线平直，说明无全局趋势。

从图3可知，6个土壤养分指标在东西方向均有明显的二阶趋势，有机质、水解性氮、全氮和全磷表现出东西高中间低的凹形特征，pH值和全钾表现出上凸的特征，相比之下，pH值和全钾的二阶趋势更加明显；南北方向上，全钾和pH值呈平滑下降趋势，全钾表现出一定的二阶趋势，pH值没有明显的二阶趋势，水解性氮、有机质、全磷和全氮由北向南有递增的趋势，其中有机质、全氮和全磷线条平滑，线条中段有略微的下凹，无全局趋势，而水解性氮趋势线中段略微隆起，有二阶趋势。

图2 次生林林土壤养分半方差函数曲线Fig.2Semi-variograms of soil nutrients in secondary forest

表4 土壤养分变异函数理论模型的相关参数Table 4Parameters of theoretical variogram models for soil nutrients

2.2.3 土壤养分空间分布规律

图3 次生林土壤养分趋势Fig.3Trend analysis of soil nutrients in secondary forest位置:0°；水平方向:120°；垂直方向:-13°；浅灰色表示东西方向；深灰色表示南北方向。

土壤是演化过程和形态都十分复杂的自然综合体，受成土地形、母质、植被、气候等成土因素及人为干扰活动的影响，具有空间变异性和复杂性[26]。

建立半方差函数，应用ArcGIS软件中Kriging插值法绘制空间等值分布图，更深刻、全面和直观地反映土壤养分在空间上的分布特征。

该地区土壤养分服从正态分布，在 ArcGIS9.3的 Geo-statistical Analyst 地统计模块支持下，结合半方差函数参数及趋势分布图，采用普通Kriging插值法获得各土壤养分空间分布插值图（见图4）。

3 结论与讨论

3.1 土壤养分描述性统计特征

变异系数（Cv） 指标能表征样本的离散程度，该地区除了pH值之变异系数最小，属于小变异外，其他变异系数大，属于中等变异，其中全钾的变异系数最大。土壤养分对林分更新格局和过程影响是通过影响植物对有效养分的吸收与利用而产生的，研究区土壤全磷缺乏，是制约该地次生林健康持续发展的主要制约因素[27]，施加磷肥促进林木的生长发育，有效促进该地次生林的高效利用。pH值和全钾在垂直剖面上呈递增规律，有机质、水解性氮、全氮和全磷平均含量丰富，但均随土层深度的增加而减小，即土壤养分集中表现为在土壤表层富集的现象，而且稳定性差，与樊后保等[28]研究结果相一致，由此可见，该地频繁的人为活动和其他自然灾害对表层植被的破坏，也影响到了维持土壤养分库的稳定性。

3.2 土壤养分空间结构特征

图4 次生林土壤养分含量空间分布等值线Fig.4Spatial distribution of soil nutrients in secondary forest

土壤养分在山顶至山脚的垂直方向（南北方向）以及沿等高线的水平方向（东西方向）上的分布均有明显差异，除了地势及海拔变化，植被、地形及人类活动对这种差异也造成一定影响。养分的基台值在有效变程以后有略微波动，这与地形的起伏变化以及该山体中由北向南的一条沟壑有关系。土壤全氮的基台值较大，表明受小于最小取样尺度的随机变异性强，但是块基比较小，说明空间相关性较强，表明样本间的变异更多的是由结构因素引起，受地形、土壤矿物质等影响明显，该特点在空间分布图中被直观反映出来。水解性氮空间相关性较弱，表明其受随机因素的影响较强。林地土壤养分结构因林地的水循环和水平衡、养分循环、有机物及金属元素的分解、积累、传输等生态过程的作用而发生变化，土壤养分也因这种生态过程使得各自在一定范围内保持一定的相关性，即相似性，但这种空间相关性的作用有一定的空间范围，即土壤养分空间的有效变程，且不同养分的有效变程差异很大，有机质、全氮、全磷和全钾的有效变程均集中在1 000～1 200m，而pH值的生态过程在850m范围内起作用，水解性氮的生态过程尺度最小，为726 m，在这些有效变程以外的点之间的生态过程几乎没有空间相关性。因此，要通过同一批土样采集多个土壤养分指标，须用尺度嵌套的网格模式才能满足土壤取样设计的要求。

3.3 土壤养分空间分布特征

地统计学模块分析能有效地揭示区域变异特征及变量空间分布特征，将生态过程与空间格局联系起来能更加有效地解释空间格局对生态功能与生态过程的影响，这种方法也被视为土壤空间异质性的研究方法中最为有效的方法之一[29]。土壤养分具有明显的空间异质性，相对平缓的地形导致地面累积较厚的凋落物，有机质、全氮、水解性氮和全磷整体分布趋势比较相似，均在植被丰富、地势平缓的山脚富集，但水解性氮和全磷的变异情况相对简单，养分含量的等值线与山体等高线基本平行，有机质和全氮因受到人为干扰，其分布图相对零碎。总体上四种养分均在山体东南部的山脚富集，这里不仅海拔低，且地势平坦，有利于土壤养分的富集，而西北角地势险峻，海拔高，且植被稀少，加上人为干扰严重，养分含量偏低；pH值的分布和水解性氮的分布刚刚好相反，主要是因为山顶岩石裸露率高、土层薄，加上岩溶作用，山顶pH值高，而在岩石裸露较少，坡度相对平缓，土层较厚且相对潮湿的山脚，土壤pH值较低。总体上地形因子在决定土壤养分的空间分布上扮演着重要角色，但也不能忽视人为外界因素的影响，因此要加强人为维护和管理，并对养分含量相对稀薄的地方加强管理，适当施肥，提高林地的生产效率。

本研究通过探索森林土壤空间变异特征，了解了土壤养分的整体水平及空间分布特征，对提高林地生产力，提高管理效率，促进次生林的生态恢复，更快、更好的发挥次生林的生态效益有重要意义。

[1]秦 松,樊 燕,刘洪斌,等.地形因子与土壤养分空间分布的相关性研究[J].水土保持研究,2007,14(4): 275-279.

[2]汪懋华.精细农业发展与丁程技术创新[J].农业工程学报,1999, 15(1): 1-8.

[3]WU Jianguo, Dennis E, Jelinski M.L, et al. Multi-scale analysis of landscape heterogeneity: scale variance and pattern metrics[J].Geogrphy Information Science, 2000, 6 (1):6-19.

[4]王政权,王庆成.森林土壤物理性质的空间异质性研究[J].生态学报,2000,20(6):945-950．

[5]李亮亮,依艳丽,凌国鑫,等.地统计学在土壤空间变异研究中的应用[J].土壤通报,2005,36(2): 265-268.

[6]苏荣瑞,金卫斌,艾天成,等.基于GIS的湖北省江陵县土壤养分空间变异研究[J].长江大学学报:农学卷，2007,4(3):13-17, 25.

[7]Webster R. Quantitative spatial analysis of soil in the fi eld [J].Advance Soil Science, 1985, 3: 1-70.

[8]Burgess T M, Webster R. Optimal interpolation and is arithic mapping of soil properties I. The semivariogram and punctual Kriging [J]. Soil Science,1980, 31: 315-341.

[9]刘付程,史学正,于东升,等.基于地统计学和GIS的太湖典型地区土壤属性制图研究—以土壤全氮制图为例[J].土壤学报,2004,41(1):20-27.

[10]张敏,贺鹏飞,陈伟强.基于GIS和地统计学的土壤养分空间变异分析[J].东北农业大学学报,2010,41(3): 53-58.

[11]赵 军,张久明,孟 凯,等.地统计学及GIS在黑土区域土壤养分空间异质性分析中的应用——以海伦市为例[J].水土保持通报,2004,24(6): 53-57.

[12]陈 彦,吕 新.基于GIS和地统计学的土壤养分空间变异特征研究——以新疆农七师125团为例[J].中国农学通报,2005,21(7): 389-391,405.

[13]刘发茂.不同坡位木荷人工林生物量及营养结构研究[J].福建林业科技,1995,22(增刊):59-63.

[14]周志凯,任旭琴,潘国庆.土壤养分含量对杂交马褂木生长的影响[J].中南林业科技大学学报,2010, 30(12):42-46.

[15]王玉娟,陈永忠,王 瑞,等.覆草间种对油茶林土壤养分及生长量影响的主成分分析[J].中南林业科技大学学报,2010,30(6):42-49.

[16]鲁如坤.土壤农业化学分析[M].北京:中国农业科技出版社,1999.

[17]张朝生,章 申,何建邦.长江水系沉积物重金属含量空间分布特征研究-地统计学方法[J].地理学报,1997, 52(2): 185-192.

[18]郭旭东,傅伯杰,马克明,等.河北省遵化平原土壤养分的时空变异特征-变异函数和Krigring插值分析[J]. 地理学报,2000, 55(5):555-566.

[19]王绍强,朱松丽,周成虎.中国土壤土层厚度的空间变异特征[J].地理研究, 2001,20(2):61-169.

[20]刘述强,张长利,高君峰,等.土壤水分空间变异性的研究[J].东北农业大学学报,2008,39(8):122-126.

[21]Wilding L P. Spatial variability. Its documentation, accommodation and implication to soil surveys[C]//In D R Nielson, J Bouma. Soil Spatial Variability. Purdoc, Wagningen, 1984: 166-193.

[22]张 伟,陈洪松,王克林,等.典型喀斯特峰丛洼地坡面土壤养分空间变异性研究[J].农业工程学报,2008,24(1): 68-73.

[23]Robertson G P, Gross K L. Assessing the heterogeneity of belowground resources: Quantifying pattern and scale[C]//In:Caldwell M M, Pearcy R W, eds. Exploitation of environmental heterogeneity by plants: eco-physiological processes above-andbelowground. San Diego: Academic Press,1994.237-253.

[24]Burgess T M, Webster. Optimal interpolation and is arithmic mapping of soil properties I. The semivariogram and punctual Kriging [J]. Soil Science,1980,31:315-341.

[25]梁中龙,袁中友,林兴通,等. 城郊耕层土壤养分的空间变异特征[J].土壤通报, 2006,37(3):417-421.

[26]李双异,刘慧屿,张旭东,等. 东北黑土地区主要土壤肥力质量指标的空间变异性[J].土壤通报, 2006,37(2): 220-225。

[27]杨秀清,韩有志,李 乐,等.华北山地典型天然次生林土壤氮素空间异质性对落叶松幼苗更新的影响[J].生态学报,2009, 2(9): 4656-4664.

[28]樊后保,李燕燕,黄玉梓,等.马尾松纯林改造成针阔混交林后土壤化学性质的变化[J].水土保持学报,2006,20(4):77-81.

[29]王 军,傅伯杰,邱 扬,等.黄土高原小流域土壤养分的空间异质性[J].生态学报,2002,22(8): 1173-1178.

Spatial variability of soil nutrients in Schima superba secondary forests

GAN Jing-jing, ZENG Si-qi, XIAO Hua-shun, LIU Fa-lin, PENG Qi-long
(Central South University of Forestry & Technology, Changsha 410004, Hunan, China)

Combined the methods and geo-statistics with GIS, the spatial variability of soil nutrients in Hunan province, such as pH,organic matter(OM), hydrolyzable nitrogen(HN), total nitrogen(TN), total phosphorus (TP), Total potassium (TK), were analyzed with ArcGIS geo-statistical analyst. In this study area, soil is acidic. The average content of pH, organic matter(OM), hydrolyzable nitrogen(HN), total nitrogen(TN), total phosphorus (TP) and Total potassium (TK) are 4.36, 20.47 g/kg, 206.41 mg/kg, 1.02 g/kg, 0.32 g/kg and 11.80g/kg. The results show that the pH had a weak variation, and the variation coeff i cients of fi ve kinds of soil nutrients over 35%, belong to highly variation. The variation intensity of soil nutrients and soil pH ranked from high to low as follows: total potassium (72.26%), organic matter (68.96%) total nitrogen (66.96%), total phosphorus (47.06%), hydrolysable nitrogen (37.16%)..The parameters of theoretical variogram models for soil nutrients show that the distributions of soil pH and total potassium fitted the exponential model，the pH and hydrolyzable nitrogen fitted Gaussian model, the organic matter fitted Pentaspherical model,the total phosphorous fi tted Ratonal Quadratic model. In terms of spatial structure, the pH and total potassium showed high spatial autocorrelation, which was resulted from topography, soil parent material and climate (structural factors) factors. The organic matter,total nitrogen and total phsphorous indicated medium spatial correlation each other, which mainly due to structural factors and random factors, but thr hydrolyzable nitrogen’s spatial autocorrelation was very weak, it was intensive affected by human and outside factors.The random factors made a bigger contribution to the spatial distribution. The spatial distributions of soil nutrients had different characteristics. Organic matter, total nitrogen, hydrolyzable nitrogen and total phosphorous had similar overall distribution trend, but the distribution of hydrolysis nitrogen was relatively simple. The lines of constant altitude and contour line on a map were basically parallel.However, the fi ve kinds of nutrients had obvious enrichment phenomenon at low altitude. The distribution of organic matter and total nitrogen was a little complex, was signif i cantly inf l uenced by humanity. It was more directly to understand the soil nutrients status of Schima superba secondary forests with distribution maps of the nutrients content which were drew by the Bestinterpolation of Krigingmethod. And it also may give a scientif i c foundation for sustainable use of soil and the recovery and reconstruction of secondary forests.

Schima superbasecondary forests; soil nutrient; spatial heterogeneity

S714.8

A

1673-923X(2014)05-0009-08

2014-03-10

国家林业局林业公益性行业项目 “南方集体林区次生林抚育间伐与高效利用技术研究”（201004032)）

甘静静（1987-），女，湖北宜昌人，硕士研究生，主要从事森林可持续经营等方面的研究；

E-mail：ganjingjing0514@126.com

曾思齐（1957-），男，湖南新化人，教授，博士，博士生导师，主要从事林学、林业工程方面的教学与研究：

E-mail：zengsiqi@21cn.com

[本文编校：吴 毅]