白水河小流域不同植被类型间土壤养分的差异性及其空间变异研究

潘志华 罗扬 谭伟 曹以群 王元猛

摘 要：本文以典型喀斯特小流域为研究尺度，应用GIS技术和地统计学相结合的方法分析了不同植被类型间土壤养分的空间变异规律及其分布特征。结果表明：（1）各土壤养分含量与在不同植被类型的存在相关性差异，TP和AK呈极显著相关（P<0.01），TK在P<0.05下显著相关，SOC、TN和AN均无显著相关关系;（2）不同植被类型下的土壤养分含量差异明显，TP在草丛中的含量显著高于马尾松林和樱桃林，TK在耕地中的含量显著高于其他植被类型，AK在樱桃林中的含量显著高于除耕地外的其他植被类型，且在耕地和马尾松林间的差异显著;（3）研究区各土壤养分均为中等程度的变异性，变异性大小表现为TK>TP>TN>SOC>AK>AN。除全钾外，其他土壤养分均表现为强烈的空间自相关性，其变异主要是由结构因素引起。全钾含量的空间自相关性很弱，其变异主要受随机因素的影响;（4）SOC、TN、AN和AK的空间分布较为相似，均呈明显的条带状分布，在海拔高、坡度大的区域含量较高，TP呈零星斑块状分布，TK在流域内普遍为低值分布。

关键词：土壤养分;植被类型;空间变异;统计分析

中图分类号：S158

文献标识码：A

文章编号：1008-0457（2019）01-0010-09 国际DOI编码：10.15958/j.cnki.sdnyswxb.2019.01.003

土壤养分是由土壤提供的植物生长所必须的营养元素，是影响土壤肥力的四大因素之一。土壤养分在不同的地区和时段内，受母质、地形等自然因素及土地利用方式等人为活动的影响，呈现出不同的空间变异规律，具有明显的区域特性[1]，其在自然因素和人为因素的综合作用下，不论在大尺度还是小尺度上均存在强烈的空间异质性。通常在同种气候条件下，区域内随着生态系统的自身演替，土壤性质由母质差异等引起的空间异质性逐渐减小，而人为经营活动和小生境对土壤养分的影响显著增加[2]。植物生物量的累积与森林土壤养分的形成和维持密切相关，土壤养分的空间异质性又影响植物生长分布和植被类型[3-5]，白水河小流域属典型的喀斯特峰丛谷地地貌，地形破碎，地貌复杂，土壤空间分布复杂，表现出高度的空间异质性。流域脆弱的岩溶生态环境加上人为不合理的社会经济活动造成了该区石漠化问题突出，严重阻碍了社会经济的发展。在治理石漠化过程中，植被恢复措施（如封山育林、营造人工林、灌、草植被修复或重建被毁坏的森林等）会引起土地利用方式的改变，从而使土壤养分发生变化。目前，针对喀斯特地区土壤养分的空间差异性，已经有了不少研究成果，但由于喀斯特地区的特殊性，土层浅薄，不连续，采样困难，多数研究都建立在典型坡地上，在石漠化治理中不同植被类型下的土壤养分空间差异性的研究较少。另一方面土壤向植物提供养分的能力决定于养分有效性的高低，且植物对养分的吸收主要集中在耕层，以此在研究区展开土壤表层的空间分布差异性具有实际性的操作意义。本文以乌当区白水河小流域的土壤养分为研究对象，研究了该地区不同植被类型间土壤表层养分（0～5 cm）的差异性，运用地统计学与GIS技术相结合的方法，在对土壤养分建立可靠的预测模型的基础上，分析不同土壤养分的空间变异性和分布格局，并探讨普通克里金插值法和基于植被类型的协同克里金插值法对土壤养分的预测精度，以期为该地区合理规划植被类型、石漠化治理、生态恢复与重建以及基于环境因子快速预测土壤养分空间分布特征等提供科学的依据和参考。

1 研究区概况与研究方法

1.1 研究区概况

研究区位于乌当区白水河小流域，北纬26°，总面积3451.62 hm2，地貌类型主要为喀斯特峰丛谷地，地势北高南低，平均海拔为1242 m，出露地层为中上寒武系、二叠系及三叠系白云岩、石灰岩、砂页岩等岩性、岩组、夹页岩，土壤主要为黄红壤和石灰土，平均土层厚度为50 cm左右。属亚热带季风性湿润气候，常年平均气温14.1℃，年平均日照时数1084.7 h，无霜期277 d，年平均降雨量1260 mm。森林覆盖率为46.1%，林草覆盖率为50.3%。流域内乔木树种主要有马尾松、枫香、栎类、杨树、刺槐和其它软阔类;灌木则以火棘、黄荆、马桑、兰天竹及常绿小杂灌为主;草本以禾本科为主;經济植物有核桃、杨梅、樱桃、板栗、柑桔、桃、梨等;农作物以玉米、油菜、水稻为主。

1.2 研究方法与数据处理

1.2.1 土样采集与数据处理

本研究以研究区地形图、遥感图、2015年贵州省森林二类调查数据为基础数据，获取地形因子（海拔、坡度、坡位、坡向）、植被类型等，根据不同植被类型和地形在整个流域内均匀布置采样点，制作预设样点分布图。在2015年10月选择连续4天晴朗无风的天气，根据初步布置的采样分布图，利用GPS导航定位，地形图、遥感图进行辅助定位，进行实验样品采集。采样深度为0～5 cm，每个采样点以在10 m范围内采集3～5个土样混合代表一个采样点，采集的土壤用自封袋装好，每个样品约1 kg，并对土壤样品进行编号管理。土样采集的同时测定并记录每个采样点的经纬度、高程、土壤厚度、植被类型等背景信息，本次采样共采集69个土壤样品，最终生成研究区的采样点-植被类型复合分布图。

土壤养分含量的测定为土壤有机碳（SOC）、全氮（TN）、全磷（TP）、全钾（TK）、有效氮（AN）、有效钾（AK）6个指标。土壤SOC采用浓硫酸-重铬酸钾外加热法测定，TN采用半微量开氏法测定，AN 采用碱解扩散法测定，TP采用浓硫酸-高氯酸消煮钼锑抗比色法测定，TK、AK采用原子吸收仪测定。最终采用SPSS 18.0软件从土壤养分的最小值、最大值、均值（Mean）、标准差（SD）、变异系数（CV）、相关系数等方面对数据进行描述性统计分析。将测得的数据以3倍标准差范围剔除异常值。利用GIS软件，基于高程信息计算样点的坡度、坡向、坡位，基于已知点的养分指标进行克里金插值。半变异函数分析、模型优化和各参数的计算在GS+统计软件中完成。

1.2.2 研究方法

本研究采用经典统计学和地统计学相结合的方法，在经典统计学描述土壤养分的总体变化特征上，进一步用地统计学方法定量描述随距离而产生的空间变异及分布。地统计学方法是以区域化变量为核心和理论基础，以空间结构和变异函数为基本工具的一种数学方法[6]。具体的关于地统计学方法及原理见文献[7-8]。

本研究采用交叉验证法[9]对预测方法进行精度分析，在交叉验证过程中，首先将观测值Z（xi）暂时去除，然后通过其他观察值Z（x1），……，Z（xn）和变异函数模型来预测Z（xi）值，最后将预测值放回到原始数据中去，重复以上过程直到对所有观测点进行估值，所以在所有的观测点处既有实际观测值又有估计值，用统计方法一一比较实际值和预测值。在交叉验证结果中，利用均方根误差和标准平均值误差对预测方法的精度进行比较。标准平均值误差（MSE）代表真实值和预测值之间的平均差异，均方根误差（RMSE）用来衡量预测值与真实值之间的偏差，标准平均值最接近于0，均方根误差最小的结果是最优的，且优先考虑均方根误差最小。利用协同克里金（COK）相对于普通克里金（OK）的均方根误差（RMSE）减少的百分数表示预测精度的提高程度。

2 结果与分析

2.1 土壤养分描述性统计分析

根据全国第二次土壤普查分级标准并结合表1可知，研究区土壤表层SOC含量（26.23 g/kg）和AN含量（174.17 mg/kg）很丰富，TN含量（1.03 g/kg）为中等偏高水平，AK含量（85.50 mg/kg）为中等水平，TP含量（0.41 g/kg）为中等偏低水平，TK含量（4.45 g/kg）处于极低水平。各养分指标的变异系数介于47.59%～65.17%之间，均为中等程度的变异，其中TK的变异程度最大，变异系数为65.17%，AN的空间分布相对稳定，变异系数为47.59%。K-S检验结果表明，除TP外，各养分指标均呈正态分布（P>0.05），TP的值近似正态分布（P=0.05），各养分指标的分布形态均为右偏态分布，与标准正态分布相比较为陡峭。

由表2可知，SOC、TN和AN受坡度、土层厚度和基岩裸露率的影响较大，均显著相关，与坡度和基岩裸露率呈显著正相关关系，与土层厚度呈显著负相关关系。TN还受成土母质的显著影响，与成土母质显著负相关;TP与坡向显著正相关，与植被类型极显著正相关;TK与含水量和植被类型呈显著正相关关系，与土壤质地呈极显著负相关关系;AK与植被类型呈极显著负相关关系，与其他环境因子均无显著相关关系。

2.2 不同植被类型间土壤养分的差异

土壤养分含量在植被类型间的分布存在一定的差异。在各植被类型间，SOC、TN和AN含量的分布比较一致，都表现为在疏林、马尾松林、灌木林、草丛下的含量较高，在樱桃林和耕地下的含量较低;TP在草丛中的含量较高，在其他植被类型下的含量都较低，在马尾松林和樱桃林下的含量最低，仅为0.33 g/kg;TK在耕地中的含量最高，其次是樱桃林和灌木林，疏林的含量相对较低;AK含量在各植被类型间的差异较大，在樱桃林和耕地下的含量较高， 其次是灌木林，在马尾松林下的含量最低，仅为59.59 mg/kg。

由表3结合表2可知，TP、TK和AK含量与植被类型显著相关（P<0.05），其中TP和AK与植被类型极显著相关（P<0.01），SOC、TN和AN与植被类型均无显著相关关系，受植被类型的影响较小。TP在草丛中的含量显著高于马尾松林和樱桃林，TK在耕地中的含量显著高于其他植被类型，AK在樱桃林中的含量显著高于除耕地外的其他植被类型，在耕地和马尾松林间的差异显著。

2.3 土壤养分的空间变异研究

2.3.1 土壤养分的空间变异结构特征

本文运用一种数学函数（半方差函数）对研究区各土壤养分的空间分布进行模型拟合，得到各土壤养分的半变异函数分布图及其模型拟合参数（如表4）。通常用决定系数（R2）和残差平方和（RSS）作为选择最优模型的依据[10]。决定系数越大，残差平方和越小，模型最优，且优先考虑残差平方和最小。由表4可知，流域各土壤养分含量的决定系数和残差值分别在0.204～0.549和0.028～0.0857之间，残差值均接近0，符合建立理论模型的要求。半變异函数图的横坐标为滞后距，表示采样点成对之间的距离，纵坐标为相应滞后距上的半变异函数值（半方差）。如果变量在采样尺度上具有空间依赖性（或者空间相关性），半变异函数会随着滞后距的增加而增大，并且在超过一定距离（变程）后逐渐趋近于平稳[11]，除全钾外，各土壤养分拟合的半变异函数曲线均在一定的距离后趋于平稳，说明都具有明显的空间依赖性和空间结构。

半变异函数分布图中块金值（C0）表示间距为0时的半方差，是由测定误差和小于采样尺度的非连续性变异引起，表示由随机因素（施肥、耕作措施、种植制度等人为活动）引起的变异[11]。SOC、TN和AN的块金值在0.017～0.046之间，块金值较小，说明其变异受随机因素的影响较小，TP和AK的块金值几乎为0，说明基本不受随机因素的影响，TK的块金值较大，为0.449，其变异受随机因素的影响较大;块基比为C0与C0+ C的比值，反应土壤养分空间自相关性的强弱[11]，块基比越大，说明土壤养分的空间变异受结构性因素的影响越大，反之，受随机性因素的影响越大。除全钾外，其他土壤养分的块基比均在25%以下，表现为强烈的空间自相关性，说明随机变异的贡献较小，其变异主要是由土壤母质、地形、气候等非人为的结构因素所引起。全钾的半变异函数拟合模型为线性模型，线性模型的块金值和基台值相等，所以其块基比为100%，大于75%，说明全钾含量的空间自相关性很弱，其变异主要受随机因素的影响，与人为活动密切相关。变程是使半方差达到基台值时的样本间距，即最大相关距离，表明土壤属性空间自相关范围的大小[11]。各养分的空间自相关范围表现为TK最大，高达3986 m，有待更小尺度的研究，SOC（654 m）和TN（575 m）次之，TP、AN和AK相差不大，在364～387 m的范围内。

2.3.2 土壤养分的空间分布特征

2.3.2.1 克里金插值与协同克里金插值预测方法比较

本文用克里金插值法和基于植被类型的协同克里金插值法对研究区土壤养分进行空间插值，考虑到SOC、TN、AN与植被类型无显著相关性，因此只对TP、TK和AK做基于植被类型的协同克里金插值。由69个验证点的土壤养分真实值和基于两种预测方法获取的预测值的散点图可知，TP、TK和AK基于植被類型的协同克里金插值的预测结果都更接近真实值，其预测均值分别为0.42、4.44和85.39，真实均值分别为0.41、4.45和85.50，三种养分指标的预测均值和真实值都相差不大，表明基于植被类型的协同克里金插值预测效果较好。由交叉验证的结果（表5）可知，TP、TK和AK基于植被类型的协同克里金插值的均方根误差均小于普通克里金的均方根误差，且两种预测方法的标准平均值都接近0，说明基于植被类型的协同克里金插值的预测精度更高，预测精度分别提高4.84%、1.48%和4.11%。

以上结果表明，基于植被类型的协同克里金插值能在一定程度上提高土壤养分的预测精度，但其提高的程度不大，在以后的研究中可考虑引入更多的相关变量来进行预测，以获取更可靠的结果。

2.3.2.2 土壤养分的空间分布特征

经过两种预测方法的对比分析，其中得到TP、TK和AK的空间预测图是基于植被类型的协同克里金进行空间插值得到，其余3种土壤养分预测图则用普通克里金方法插值得到。研究区土壤SOC含量呈明显的条带状分布，在研究区的上半部分从左向右逐渐增加，下半部分从上到下逐渐递减，其与TN和AN的分布比较相似，均呈现流域北部、东北部及中下部偏西南的区域含量较高，从西北往东南方向的中间部位含量相对较低，西北部及南部的含量最低的分布趋势。这可能与研究区的地形及土地利用的分布有关，一方面，流域内的地形呈现北部和西南的海拔和坡度较大，西北部和南部的海拔及坡度较低，且南部为大面积的低海拔，地势平坦区域，从西北往东南方向的中间部位为谷地，地势也很平坦。因此，在海拔高、坡度大的区域土壤有机质、氮素含量较高，在海拔低，坡度小的区域土壤有机质、氮素含量较低，原因是海拔高、坡度大的地方人际罕至，植被得以自然恢复，生长良好，有利于有机质、氮素的积累，而海拔低、坡度小的地方则相反。另一方面，流域内的土地利用类型分布为北部和西南部主要以乔灌林地为主，西北部林地虽然很多，但旱地、建设用地和河流也占了很大面积，流域南部以旱地、水田、建设用地为主，中间部分的谷地以旱地、河流和建设用地为主。因此，有机碳和氮素含量较高的区域主要分布在林地，含量较低的区域主要为旱地、水田、建设用地等人为干扰较大的地方;土壤TP呈零星斑块状分布，斑块分布较小较松散，说明在短距离内的空间变异性较强，高值区主要集中在流域的中下部，低值区均主要集中在流域南部和东北部，中部有零星分布，与有机碳相比，流域南部虽然也是低值区，但没有有机碳明显，是因为农民施用磷肥提高了磷含量;全钾含量在整个流域内都比较低，尤其在中间区域极度缺乏，向西部和东部两个方向含量逐渐升高，中间区域为高山间的谷地，是研究区耕地的主要分布区域，可见，研究区耕地缺钾严重，应加强对钾素的补充和保护，促进农作物的生长;有效钾的空间分布和全钾有差异，有效钾含量整体分布不规则，斑块不平滑，含量整体表现出从北向南呈高-低-高-低的分布趋势，高值区面积较低值区大。

3 结论与讨论

3.1 讨论

植被类型对土壤养分的空间分布有重要影响，已有研究表明植物群落组成和群落中植物个体的分布格局制约着土壤结构和元素的异质化过程[12]，本研究亦发现，SOC、TN和AN在各植被类型间的含量分布相似，由高到低依次为疏林>灌木林>草丛>马尾松林>樱桃林>撂荒地>耕地，林地提供了大量的枯枝落叶，是有机质的重要来源，而土壤有机质的积累与分解直接影响着氮素在土壤中的存贮和转化。TK和AK在耕地和樱桃林地下的含量较高，主要与研究区人工普遍施用钾肥有关;且TP和AK在马尾松林下含量较低，可能与马尾松林下土壤呈酸性有关，土壤全P、有效P含量与土壤pH呈正相关，表明土壤pH增高，有利于土壤P积累[13]，这与冯广等[14]的研究也发现湖北木林子常绿落叶阔叶混交林土壤酸性较强，除了磷素亏缺外其余养分富集程度高的结果是一致的。这也是本研究中TP在草丛下的含量显著高于其他植被类型的原因，草地多分布于土层较浅薄的山顶或丘顶，土壤发育较浅，钙淋失程度较低，因而草地下的土壤属于中性偏碱性，有利于TP含量地点积累[15]。

在成土母质、气候条件较为一致情况下，植被类型是土壤全P、有效K空间异质性产生的重要原因。本研究各土壤养分均为中等程度的变异性（除TK外），其变异受结构因素和随机因素的影响，均具有明显的空间变异结构特征，块基比均小于25%，表现出强烈的空间自相关性。结合土壤表2中土壤养分和环境因子的相关系数可知，其中TP和AK的块金值最小，分别为0.25%和0.04%，说明其由随机因素引起的空间异质性分别占其总空间异质性的0.25%和0.04%，由结构性因素引起的空间异质性分别占系统总变异比例的99.75%和99.96%，表明土壤全P、有效K含量在研究尺度上明显受结构性因素影响。除TK外，各土壤养分的空间变异都主要受自然因素的影响，但人为因素也在一定程度上影响土壤养分的变化，其中施肥活动对土壤养分的变异有重要影响，李红伟等[16]和王宏庭等[17]认为，在农业活动影响下，土壤速效磷、全氮等养分的空间变异受施肥过程影响显著，而土壤有机质、速效钾等养分的空间变异特征受随机施肥过程的影响较小。李龙等[18]研究认为，黄花甸子流域由于人为对氮肥的大量施加田间管理水平的差异，使得土壤养分的空间自相关范围减小，空间变异程度增强。本研究中由于大量施用磷、钾肥使得土壤TP、TK的空间变异程度较大，加之种植作物也存在明显的差异，土壤养分空间分布差异较大。土壤TN、TP、AN和AK呈现出分散的斑块状分布，与SOC相比，前者的分布更加分散，斑块更小，这是由于前者的空间自相关距离更小，空间上的含量相对孤立，在小尺度上表现出强烈的变异。SOC呈明显的条带状分布，表现出明显的过度性，土壤各养分的空间分布均与其自相关特点有着紧密联系。由于全钾的半方差模型的拟合曲线为一条直线，无明显的空间结构特征，且空间自相关范围高达3900 m，远大于本次研究的平均采样距离，说明在当前观测尺度上随机因素对TK的影响较大，可能与干扰、试验误差有关，所得出的结论不能有效的反应研究区TK的实际变异特征，其有待更小尺度的研究。且当前的采样尺度不能有效的反应研究区TK的实际变异特征，导致其空间插值图无法准确反应出其空间连续性和变异性特点，只能从变异系数来定量表达TK的变异性，从TK的变异系数来看，其变异程度较大，主要与研究区人为施用钾肥有关。在喀斯特生态脆弱地区，土壤养分含量的高低及空间分布直接影响该地区土壤生产力的高低和生态恢复的途径与方向，揭示土壤养分空间变异和分布格局，对指导峡谷型喀斯特地区的生态重建和植被恢复具有重要意义。

在土壤养分的预测中，将地形指数、土地利用方式或者植被类型参与到预测模型的构建中，其精度会有所提高[19]。本研究亦发现，非连续的典型喀斯特小流域植被类型复杂多样，基于植被类型的协同克里金预测模型精度优于基于已知点和预测点位置信息的克里金预测方法，在TP、TK和AK的预测中，基于植被类型的协同克里金插值较普通克里金插值的精度分别提高了预4.84%、1.48%和4.11%。主要是因为普通克里金空间插值基于已知点和未知點的位置关系，其首先考虑的是空间属性在空间位置上的变异分布，确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。而研究区环境因素复杂，仅仅依据样点间的地理位置信息对其进行估测势必会使预测的精度有所下降。因而在土壤养分的预测中，把与之相关的变量参与到预测模型的构建中，能使土壤状况的预测更为精准，更能接近真实土壤的发生发展过程。

3.2 结论

（1）流域内的土壤养分与植被类型的相关性差异明显，TP和AK含量与植被类型极显著相关，TK与植被类型显著相关，SOC、TN和AN与植被类型均无显著相关关系，受植被类型的影响较小。

（2）研究区不同植被类型中土壤养分的含量是存在差异的，土壤表层SOC和AN含量很丰富，TN和AK含量为中等水平，TP和TK含量较少。SOC、TN和AN这三种养分在疏林、马尾松林、灌木林、草丛下的含量较高，在樱桃林和耕地下的含量较低;TP在在草丛中的含量较高，TK和AK在耕地和樱桃林地下的含量较高。

（3）研究区各土壤养分均为中等程度的变异性，具有一定的空间相关性，也即存在空间变异结构特征，变异性大小表现为TK>TP>TN>SOC>AK>AN。除全钾外，其他土壤养分均表现为强烈的空间自相关性，其变异主要是由土壤母质、地形、气候等非人为的结构因素所引起。全钾含量的空间自相关性很弱，其变异主要受随机因素的影响，与人为活动密切相关。

（4）流域内各土壤养分的空间分布也存在明显的差异，SOC、TN和AN均呈现流域北部、东北部及中下部偏西南的区域含量较高，从西北往东南方向的中间部位含量相对较低，西北部及南部的含量最低的分布趋势。土壤TP呈零星斑块状分布，高值区主要集中在流域的中下部，低值区均主要集中在流域南部和东北部，中部有零星分布，全钾含量在整个流域内都比较低，尤其在中间区域极度缺乏，AK含量整体表现出从北向南呈高-低-高-低的分布趋势。流域内的地形、土地利用方式、植被类型及施肥等是造成各土壤养分空间分布格局和差异的主要原因。

参 考 文 献：

[1] 刘沛松，王健胜，楚纯洁，等. 豫西低山丘陵区不同土地利用方式对陡坡地土壤理化性状的影响[J].干旱地区农业研究，2014，32（1）：208-212，229.

[2] 范夫静，宋同清，黄国勤，等.西南峡谷型喀斯特坡地土壤养分的空间变异特征[J].应用生态学报，2014，25（1）：92-98.

[3] Enoki T，Kawaguchi H，Iwatsubo G.Topographic varia-tions of soil properties and stand structure in Pinus thun-bergii plantation [J].Ecological Research，1996，11（3）：299-309.

[4] 霍小鹏，张兴华，李贤伟，等.川西米亚罗林区不同林分类型土壤养分性质研究[J].水土保持研究，2012，19（3）：58-62，66.

[5] 张忠华，胡 刚，祝介东，等.喀斯特森林土壤养分的空间异质性及其对树种分布的影响[J].植物生态学报，2011，35（10）：1038-1049.

[6] 张 敏.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.

[7] Matheron G. Principles of geostatistics[J]. Economic Geology，1963，58（8）：1246-1266.

[8] Issakes E H，Srivastava R M. An introduction to applied gecstatistics[M]. New York：Oxford University Press，1989.

[9] Savchuk O Y，Hart J D，Sheather S J . Empirical study of indirect cross-validation[J]. Statistics，2008（29）：288-308.

[10] 徐国策，李占斌，李 鹏，等.丹江中游典型小流域土壤总氮的空间分布[J].地理学报，2012，67（11）：1547-1555.

[11] 王雪梅，柴仲平，武红旗. 典型干旱荒漠绿洲区耕层土壤养分空间变异[J].水土保持通报，2016（1）：51-56.

[12] Xiao-Li C，Shi-Rong L .The individual distribution patterns and soil elements hetero-geneity during the degradation of grassland in ordos[J]. Acta Phytoecologica Sinica，2003，27（4）：503-509.

[13] Qing-Bo K，You-Lu B，Li-Ping Y，et al. Spatial distribution characteristic and its influential factors of soil phosphorus in region of the Huang-Huai-Hai plain[J]. Soil  and  Fertilizer Sciences in China，2009（5）：10-14.

[14] 冯 广，姚 兰，艾训儒，等.鄂西南亚热带常绿落叶阔叶混交林土壤空间异质性[J].生态学报，2016，36（23）：7635-7643.

[15] 张 维，李启权，王昌全，等.川中丘陵县域土壤pH空间变异及影响因素分析——以四川仁寿县为例[J].长江流域资源与环境，2015，24（7）：1192-1199.

[16] 李红伟，邢维芹，李立平. 不同尺度土壤性质空间变异研究进展[J].河南农业科学，2006，35（11）：5-8.

[17] 王宏庭，金继运，王 斌，等.土壤速效养分空间变异研究[J].植物营养与肥料学报，2004，10（4）：349-354.

[18] 李 龙，姚云峰，秦富仓.黄花甸子流域土壤全氮、速效磷、速效钾的空间变异[J].生态学杂志，2015，34（2）：373-379.

[19] 王苗苗，陈洪松，付同刚，等.典型喀斯特小流域不同植被类型间土壤养分的差异性及其空间预测方法[J].应用生态学报，2016，27（6）：1759-1766.