陕西省农田土壤有机质时空变异与驱动因子定量研究

2023-01-05常庆瑞落莉莉蒋丹垚

农业机械学报 2022年11期

王琦常庆瑞落莉莉蒋丹垚黄勇

(西北农林科技大学资源环境学院，陕西杨凌 712100)

0 引言

土壤有机质(Soil organic matter, SOM)是土壤肥力和质量的主导因素，是植物矿质和有机营养物质的重要来源[1-2]。受自然环境[3-4](如气候、微生物、地形、成土母质、降水等)与人文因素[5-7](如耕作措施、施肥方式、政策等)的共同驱动，SOM含量存在时空变异性[8]。研究SOM含量时空变异特性及驱动因子是科学认识耕地土壤肥力的基础，对农业可持续发展具有重要意义[8-9]。地统计方法是揭示SOM含量空间变异性的有效方法，在以往研究中已有广泛应用[6,10]。

近年来，已有学者采用多元线性回归[6]、主成分分析[10]、冗余分析[11]等进行SOM含量驱动因子研究。如LIU等[6]利用多元线性回归发现沈阳市苏家屯边缘地区1980—2010年SOM含量的下降与农户土地利用目标和行为有密切关系；CHEN等[10]采用主成分分析与相关分析法，研究表明 2007年和2017年种植制度变化、施肥差异和酸雨的减少是影响监利县土壤性质和肥力变化的重要原因；杨世琦等[7]研究发现增施有机肥有利于SOM含量提升；赵明松等[9]利用线性回归分析表明江苏省年平均气温、年降水量、土壤质地和pH值对SOM含量变异的解释力为45.3%；卓志清等[11]认为化肥施用强度和土地利用强度是影响土壤碳氮磷生态化学计量特征的重要人为因素。然而上述方法均需假设在整个时间序列中环境因子对SOM含量空间变异的影响为线性平稳，而SOM是在环境因子的复杂响应中形成的，该假设的结果可能与实际不相符[12-15]。地理探测器(Geographic detector model，Geo-D)是一种度量事物空间分异性及驱动因素影响力的统计方法，无线性假设，可有效克服这一局限性[13]。

陕西省作为我国重要的粮食产区，耕地SOM含量变异明显[16]。且近年来积极推广测土配方施肥、农业机械化等措施[17-18](截止2017年，测土配方施肥技术覆盖率达95%以上，秸秆机械化综合利用率达82.6%)，对SOM含量空间分布格局动态变化有重要影响。然而目前针对陕西省SOM含量时空变异性和驱动因素的研究较少，如严玉梅等[4]探讨了20世纪80年代至2017年陕西省土壤养分空间分布现状及变化趋势。但由于20世纪80年代土壤养分数据存在局限性，未能获取空间属性信息，仅对土壤养分变化进行了描述性统计分析，缺乏SOM含量空间格局分析，且未对土壤养分驱动因素进行定量化研究。

因此，本研究以陕西省2007年和2017年耕地SOM含量为研究对象，应用地理探测器模型定量分析SOM含量变异的驱动因子；同时，基于地理探测器结果，利用地统计学与重心偏移方法探讨SOM含量时空变异特性，为区域耕地利用与保护提供技术指导和政策参考。

1 材料与方法

1.1 研究区概况

陕西省地处105°29′～111°15′E、31°42′～39°35′N之间，幅员狭长，地貌类型多样。陕南以山地为主，山岭与河间盆地相间分布。黄土台塬与河流阶地构成了关中地区主要地貌特征。陕北包括黄土高原区和风沙滩地区，黄土高原区分布着黄土塬、黄土梁、黄土峁等特有地貌；风沙滩地区受风蚀和流沙堆积作用，交错分布着沙丘、河川地、滩地等[19]。地跨北亚热、暖温、中温3个热量带，南北气候差异明显。降水与年平均温度随季节和地形变化而剧烈变化，总体表现为雨热同期，降水由南向北减少、温度由南向北降低[20]。陕西省关中北部与陕北区域作物耕作制度多为一年一熟制，粮食作物主要为玉米、小麦和马铃薯；关中南部与陕南地区则多为一年两熟制，主要为小麦/油菜-玉米/水稻轮作[21]。

1.2 数据来源及指标选取

土壤采样点实测数据(如土壤pH值、SOM含量、全氮含量、碳氮比、有效磷含量、速效钾含量和熟制等)采用陕西省2007年(2005—2008年)、2017年(2015—2018年)耕地质量监测点调查数据(图1)，其中2017年629个采样点与2007年重合，约占2007年采样点总数的8.65%；施肥、机械总动力、粮食产量数据来源于2007年(2005—2008年)和2017年(2015—2018年)陕西省及各市(区)统计年鉴资料(https:∥data.cnki.net/)；高程数据采用分辨率30 m SRTM(Shuttle radar topography mission，https:∥www.usgs.gov/)数据；土壤图采用 1∶500 000 省级单位土壤图和1∶50 000县级单位土壤图；地貌类型图和气象数据均来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn/)。

图1 土壤采样点分布图

因子选取是基于地理探测器研究SOM含量空间变异驱动因素的关键，结合前人研究成果[3,5]与数据可获取性，筛选出自然因素与人文因素两大类，共18个驱动因子(表1)。针对数值型因子，利用专家经验知识和自然断点法并结合最大q值确定等级划分标准(表2)，使用p值进行显著性检验[13]。

表1 因子指标

表2 因子分级标准

1.3 研究方法

1.3.1经典统计学

采用经典统计学参数最大值、最小值、平均值、标准偏差和变异系数(CV)描述陕西省SOM含量的分布特征。其中，变异系数采用Nielsen(1985年)划分标准[22]，当CV≤10%时，为弱变异；10%100%时，为强变异。对陕西省SOM含量进行了正态性检验，对偏度大、峰度高的严重非正态数据进行对数或平方根转换使其近似正态分布。

1.3.2Geo-D

Geo-D是度量变量关联性的一种归因方法[13]，可探测环境因子对SOM含量空间变异性的驱动力。用q值进行度量，计算式为

(1)

式中Nh——子类型区h的单元数

N——全区单元数

σ2——SOM含量在全区的方差

q的值域为[0，1]，值越趋近于1表明因子与SOM含量空间分布越一致，因子驱动力越强，反之则越弱[12-14]。

利用风险区探测工具判断两个子区域SOM含量均值是否具有显著差异性[13]，采用t统计量检验。

1.3.3重心迁移

重心迁移可以直观反映同一研究范围内不同时期SOM含量的空间变化[23]。通过计算陕南、关中、陕北各区域SOM含量重心与各SOM含量丰缺度重心迁移位置，模拟陕西省SOM含量时空动态变化趋势，计算式为[24]

(2)

xi、yi——f年耕地图斑i重心坐标

Si——耕地图斑i的面积

Ki——耕地图斑i的SOM含量

n——参与统计的耕地图斑数量

1.3.4地统计

使用多元逐步回归模型量化SOM含量与相关环境因子之间的回归关系，获取回归预测空间分布和回归残差。对回归残差进行普通克里金插值获取残差的空间分布。将回归预测空间分布图与残差空间分布图进行空间加运算，最终得到陕西省SOM含量空间分布图。半变异函数是克里金插值的基础[6]，计算式为

(3)

式中γ(h)——变量Zi在任意位置i处和与其相隔距离h的x+h处的半方差

Zi(xi)——在位置xi处的观测值

Zi(xi+h)——在位置xi+h处的观测值

N(h)——间距为h的区域化变量Zi(xi)和Zi(xi+h)的样点对数

本研究半变异函数计算采用高斯模型，并基于该函数进行残差克里金插值。

模型预测精度采用十折交叉验证法评估。数据集分为10份，依次将其中9份作为训练集进行训练，1份作为验证集进行检验，并将10次检验结果均值作为算法精度的估计[25]。

为消除量纲影响，采用回归分析方法前对数据进行标准化处理[26]。其次，采用空间概率函数表达分类变量的空间变异特征，并将其纳入回归分析[27]。计算式为[28]

(4)

其中

(5)

式中p(h)——相距h距离下的两个点xi和xi+h处，变量属于不同两个类别的概率

Ω[S(xi)≠S(xi+h)]——指示性函数

2 结果与分析

2.1 SOM含量统计分析

统计结果表明(表3)，2017年陕西省SOM平均含量(质量比)为15.63 g/kg，较2007年提升8.61%。2007年与2017年SOM含量变异系数均介于10%～100%，属中等变异强度，但 2017年SOM含量变异程度较2007年有所升高。

表3 2007—2017年陕西省SOM含量描述性统计

空间分布上，2007年和2017年陕西省SOM含量总体呈南高北低。与2007年相比，2017年陕北SOM含量变幅缩小，而陕南和关中地区SOM含量变幅扩大(表3)。此外，仅陕北SOM含量最大值降低，其他区域最大值、最小值均有提高。

2.2 驱动力分析

通过“因子探测”模块分析各因子对2007年和2017年SOM含量空间变异的驱动程度。结果表明(图2)，陕西省SOM含量空间变异主要驱动因子包括县级行政区划和市级行政区划，但2017年新增主要因子STN含量。行政区划在2007年和2017年均具有较高的驱动力，可能是由于行政区划是人类活动对SOM含量空间变异综合作用的表现[22]。

图2 陕西省SOM空间变异驱动因子q值

2007年SOM含量空间变异主要驱动因子为县级行政区划(q为0.59)、市级行政区划(q为0.44)。其次为年降水量(q为0.40)、年日照时数(q为0.38)。STN含量、亚类、土类的q值介于0.25～0.34，驱动力超过25%。其他驱动因子q值均在0.25以下，对SOM含量空间变异影响较低。

2017年STN含量的q值最高(0.74)，是SOM空间变异的主导驱动因子，与2007年相比提高了0.39。其次，县级行政区划(0.58)、市级行政区划(0.43)以及年日照时数(0.42)的q值均达到0.40以上，与2007年相比变化较小。年降水量、年平均气温、亚类、土类等因子的q值均在0.30以上。其中，年降水量的q值与2007年基本持平，年平均气温、亚类、土类的q值提升0.21、0.10、0.09。此外，尽管机械总动力的q值较低，但与2007年相比提升较大，q值提升0.18。

综合来看，土壤养分(STN含量、碳氮比)、行政区划、气候条件(年降水量、年平均气温、年日照时数)、土壤类型(土类、亚类)等因素对2007、2017年SOM含量空间变异均具有较高的影响力。

2.3 SOM含量的回归分析与空间分布格局

多元逐步回归方法可进一步量化SOM含量与相关环境因子之间的关系。本研究选取q值大于0.1的环境因子作为因变量探讨SOM含量空间变异趋势，其中由于缺乏全省成土母质专题图，未将其纳入回归分析。陕西省南北地形多变、气候差异较大，因此本研究对陕南、关中和陕北分别建立SOM含量的线性回归模型，并采用十折交叉验证法评估模型精度。结果表明(表4)，SOM含量的预测线性模型的变量和系数均具有时空差异性。其中，2017年预测方程对SOM含量空间变异的解释力普遍高于2007年，解释力均在82.45%以上。同时，各预测方程中土壤全氮含量与碳氮比的系数均较高，表明其与SOM含量相关性较高，与前文地理探测器结果一致。然而方程中行政区划的系数较小，与地理探测器结果存在差异，可能由于多元逐步回归方法未考虑数据空间信息导致。

表4 陕西省SOM最优回归模型及其参数

利用上述回归模型与残差克里金结合对陕西省SOM含量空间分布进行预测(图3a、3b)。十折交叉验证表明，2007年陕南、关中和陕北SOM含量预测精度分别为0.92、0.86、0.86，2017年SOM 含量预测精度分别为0.98、0.94、0.97，均较回归模型有所提高。表明引入残差克里金提高了模型对SOM含量空间分异的预测精度。

图3 陕西省2007年和2017年耕地SOM含量分布与重心迁移

由图3b可知，2017年陕西省SOM含量空间分布南北差异较大。依据陕西省第二次土壤普查有机质分级标准[16]，将SOM含量分为9个等级。省内第1、2、3、4等级主要集中在陕南、关中地区；5、6、7、8等级主要分布在陕北，关中地区有零散分布。其中，第1等级区域主要集中在汉中市，在商洛市西部与渭南市东北部有少许分布；第2、3等级区域主要集中在陕南与关中地区；第4等级主要分布在安康市中东部、商洛市东部、延安市南部，在其他区域有零散分布；第5等级主要集中在延安市南部与榆林市中部；第6等级集中分布在延安市北部和榆林市；第7、8等级则主要分布在延安市北部以及榆林市境内。与严玉梅等[4]研究结果相似，陕北地区降水不足，有机质分解速度快，难于积累；而关中与陕南地区，降水量相对丰富，且陕南地区重视粮油作物倒茬，导致有机质含量明显高于陕北与关中地区。

2.4 SOM含量时空变异及重心迁移分析

为探讨2007—2017年陕西省SOM含量时空变异特性，结合第二次土壤普查有机质分级标准[29]与空间分布现状，将SOM含量按丰缺度进一步划分为丰富(>20 g/kg)、中等(10～20 g/kg)、缺乏(0～10 g/kg)3类。

整体上，2017年SOM含量较2007年有所提升(图3a、3b、4a)。2017年SOM含量丰富的耕地转入量达27 258.22 km2，SOM含量中等区域转出量最大，为22 505.99 km2，其次SOM含量缺乏区域转出量为4 752.23 km2。空间上，丰缺度提升区域主要分布在陕南以及关中地区，在此作用下导致2007—2017年间陕西省SOM含量重心向西南偏移(图3c)。

从各区域看，陕南地区2017年SOM含量处于中等以上水平(图4b)。2007—2017年间SOM含量丰富的耕地转入量(3 061.67 km2)高于转出量(362.08 km2)，表明该区域SOM含量总体呈上升趋势，但部分区域有所下降。空间上，陕南SOM含量重心向西偏移。其中，由于汉中市、安康市东南部和商洛市东部区域SOM含量丰富耕地转入，以及商洛市东部和安康市东部区域SOM含量的降低，导致SOM含量丰富重心向西偏移，中等重心向东偏移53.48 km。

关中地区2017年99.77%的耕地SOM含量处于中等水平(图4b)。2007—2017年间SOM含量中等耕地转入量(3 040.04 km2)占该类别总量的0.09%；丰富耕地转入量(24 688.21 km2)占该类别总量的95.46%。空间上，SOM含量中等耕地主要转入区域为渭南市中部与西北部以及咸阳市中部(2 925.16 km2)，此外，关中地区北部SOM含量中等区域SOM含量有所提升，在此共同作用下SOM含量中等重心向西北偏移8.80 km；西安市中部、东北部和咸阳市南部以及宝鸡市中东部是SOM含量丰富耕地转入的主要区域，面积达20 179.93 km2，导致2017年SOM含量丰富重心西移。2007年SOM含量缺乏的耕地仅渭南市北部极少部分SOM含量丰缺度未改变，其余耕地SOM含量均提升至中等，导致2017年SOM含量缺乏重心向东北出现偏移。关中地区SOM含量重心受各区域SOM含量时空变异的影响向东偏移 4.45 km。

图4 陕西省2007—2017年间各SOM含量丰缺度土地转移图

陕北地区2017年SOM含量以缺乏为主(图4b)。空间上，2007—2017年间榆林市西南、西北部与延安市中南部区域SOM含量由缺乏提升至中等，导致中等重心向西北偏移；延安市中部与榆林市北部区域SOM含量由中等降低至缺乏，导致缺乏重心向东北偏移，但由于面积较小(560.24 km2)，对缺乏重心影响较弱，偏移距离仅为3.39 km。受西部SOM含量升高与中北部降低的影响，陕北SOM含量重心整体向西南偏移。

SOM含量是土壤肥力的主导因素，对作物产量具有重要影响[30]。王立刚等[31]研究发现，长期施用有机肥可以促进干物质积累，持续稳定提升作物产量。据陕西省统计年鉴资料显示，总体上2007—2017年陕西省粮食、水果产量均有所提升。其中，陕南汉中市中东部、安康市与关中地区的渭南市、咸阳市北部以及陕北榆林市西部、延安市北部粮食产量提升较大(1.029 8～12.875 6万t)；陕南安康市、汉中市中东部与关中咸阳市、渭南市、西安市、铜川市以及陕北延安市南部水果产量提升较大，均超过10万t。综上，陕南中南部、关中中东部与陕北南部区域主要农作物产量提升较为明显，与前文SOM含量重心偏移趋势一致。

3 讨论

SOM含量变异受自然与人文因素共同作用，2017年主要驱动因子影响力(q≥0.30)由大到小依次为：STN含量、县级行政区划、市级行政区划、年日照时数、年降水量、年平均气温、亚类、土类。由于2007—2017年间机械总动力驱动力提升较高，因此本研究仅探讨上述主要因子与机械总动力对SOM含量变异的驱动机制。

3.1 STN含量

陕西省2017年耕地不同等级STN含量间差异性显著，且SOM含量随STN含量的升高呈增大趋势。当STN含量大于1.48 g/kg时，SOM含量最高(图5a，图中*表示p<0.05显著性差异)，该部分区域主要分布在陕南地区以及宝鸡市、西安市、咸阳市等关中地区。关中地区STN含量主要集中在0.61～1.18 g/kg，略低于陕南地区，高于陕北地区(≤0.61 g/kg)，与陕西省SOM含量空间分布基本一致，进一步表明STN与SOM含量密切相关。

图5 驱动因子各分区SOM含量及均值统计显著性

2007—2017年间，STN含量q值由0.34提升至0.74。可能由于早期农业集约化经营，为追求高产，农民大量施入化肥，一方面驱动土壤速效氮的增加，提升STN 含量；另一方面过量化肥施入可能引起土壤性状恶化[32]，SOM含量下降，进而导致STN含量与SOM含量协同性较差。2007—2017年间，政府积极推广“秸秆还田，秸秆禁烧”、“测土配方施肥”、“增施绿肥、堆肥” 等多项举措，使土壤耕层结构有所改善，有机肥占比增大[17-18,33]，导致STN含量对SOM含量的影响力q值有所提升。

3.2 行政区划

陕西省2017年县级行政区划对SOM含量影响力比市级高，但q值差异较小(图2)，同时考虑县级单元较多，本研究对行政区划的分析选用市级(图5b)。除安康市与西安市、铜川市与咸阳市和渭南市、咸阳市与渭南市之间SOM含量差异性较弱，其他城市间SOM 含量差异性显著。陕南地区城市SOM含量普遍较高，关中城市居中，陕北较低，与前文结果表现一致。

2007—2017年间，行政区划对SOM含量的影响力q值基本保持不变，可能由于行政区划内部政策、培肥模式、耕作等因素趋同，导致SOM含量空间分布呈区域性特征[12]。

3.3 年日照时数

日照时数通过改变作物光合作用影响作物长势，进而驱动土壤SOM含量空间变异[9]。2017年陕西省年日照时数为1 461.5～2 742.92 h，SOM含量随年日照时数的升高而降低，当年日照时数低于1 713 h时，SOM含量最高(图5c)。当年日照时数高于2 564 h时，SOM含量高于年日照时数为2 391～2 564 h区域，与上述年日照时数和SOM含量关系不一致。这是由于年日照时数高于2 564 h区域主要为农牧交错带与风沙滩地，年降水量少，且年平均气温低，虽然有机物投入低，但低温干燥条件限制了SOM的分解，有利于SOM的累积[16]。

2007—2017年间年日照时数有所减少，但q值差异较小，这与陕西省日照时数较高，光合有效辐射已基本满足作物生长需求[21]，而年降水量、年平均气温等气候因子成为作物生长的相对限制因素有关[34-35]。综上，年日照时数的高驱动力q值是气候因素综合作用的结果。

3.4 年降水量

陕西省2017年年降水量和SOM含量呈正相关关系(图5d)，与赵业婷[22]、赵明松等[9]研究结果一致。陕西省南部地区年降水量普遍大于700 mm，区域内SOM含量较高、差异较小，且与其他年降水量等级SOM含量差异性显著。关中与陕北地区年降水量分别为515.9～700.0 mm、0～515.9 mm，低于陕南地区，各年降水量等级间SOM含量表现出显著性差异。

2007—2017年间，陕西省各区域SOM含量时空变异与年降水量变化的协同性较差。汉中市、宝鸡市西南部、安康市西部等区域年降水量均呈减少趋势，但SOM含量呈不同程度升高或降低趋势。表明尽管SOM含量空间变异受年降水量的影响力较大，但年降水量的变化对SOM含量时空变异的驱动力受其他因素影响有所减弱。

3.5 年平均气温

通常情况下，年平均气温越高的区域有机质含量越高[9]。2017年陕西省年平均气温和SOM含量变化规律与上述一致，且各年平均气温等级间SOM含量普遍差异性显著(图5e)，但陕南地区以及关中西安市西部、咸阳市西南部等区域年平均气温高于13.71℃，其SOM含量差异较小。关中其他区域年平均气温较低，普遍介于10.45～13.71℃，陕北地区年平均气温最低(0～10.45℃)，年平均气温总体呈南高北低趋势，SOM含量也随之降低。

2007—2017年间，陕西省大部分年平均气温升高区域，SOM含量呈升高趋势，气温升高有利于植被生长，进而提高植物残体的数量，有利于土壤有机质的输入[9]。然而，部分区域SOM含量时空变异与气温变化的协同性较差，表明年平均气温对SOM含量时空变异具有一定的影响力，但SOM时空变异同时受其它因子的作用。

3.6 土壤类型

不同土壤类型形成过程及其理化性质的差异，导致其SOM含量水平差异较大[36]。陕西省2017年土类与亚类对SOM含量均具有较高影响力，但q值差异较小(图2)，因此本研究仅分析土类对SOM含量的影响(图5f)。陕西省土壤类型丰富，陕南土类以黄棕壤、黄褐土、水稻土为主，关中地区以褐土和黄绵土为主，黑垆土、新积土和潮土也有零散分布；陕北地区则多为黄绵土，西北部风沙滩地区则分布着风沙土。其中黄棕壤与黄褐土、潮土与褐土间SOM含量差异性较小，平均含量分别为21.21、20.91、18.85、18.24 g/kg；其余土类SOM含量差异性显著，水稻土SOM含量最高(26.81 g/kg)，风沙土最低(8.42 g/kg)。

2007—2017年间，土类驱动力q值提升了0.10。调查结果显示各土壤类型间主栽作物有所差异，如水稻土主栽作物为水稻、水稻-油菜轮作；黄绵土为玉米、玉米-小麦轮作、果树；而风沙土为马铃薯和玉米。近年秸秆还田、作物留茬种植等一系列举措的实施，受土类间主栽作物的影响其秸秆还田量具有一定的差异性[37]，这间接提升了土壤类型对SOM含量空间变异的驱动力。

3.7 机械总动力

陕西省关中地区机械总动力水平较高，普遍为4.12～19.50 kW/hm2，而陕南和陕北地区受地形地貌条件限制，机械总动力水平较低，分别主要集中在4.12～14.87 kW/hm2、0～4.12 kW/hm2。总体上，2017年机械总动力小于14.87 kW/hm2时，SOM含量随机械总动力增大呈升高趋势(图5g)。这是由于农业机械化的普及以及水平的提高，有助于耕地集中化、规范化作业，有效遏制焚烧秸秆现象，推进秸秆还田，提升SOM含量[38]。然而，当机械总动力大于14.87 kW/hm2时，SOM含量降低，可能是由于该部分采样点多为种植猕猴桃、苹果以及冬枣等的耕地。果园通常比小麦、玉米等耕地的机械化水平低[17-18,39]，而本研究以全县平均机械化总动力代替采样点位，对该部分区域代表性较差，进而导致SOM含量与机械化总动力协同性较低。

2007—2017年陕西省大力推动秸秆综合利用机械化，实现免耕硬茬播种[17-18]。据统计结果显示，陕西省2017年平均机械化水平为0.59 kW/hm2，较2007年提高了0.25 kW/hm2。同时，随着土地流转利好政策的推出与实施，2016年陕西省逐步实现土地分散向规模化转变，土地流转面积达812.53 hm2[17]。人均耕地面积的提升，有利于政府农业政策的实施和耕地的统一管理，进一步推动农业机械化进程以及田间施肥量的管控[40]，以上政策的实施导致2017年机械总动力q值增大。

综上，陕西省2007—2017年间SOM含量时空变异受自然环境与人类活动共同作用。自然因素对SOM含量时空变异的影响力基本保持平稳，但部分因子(如STN含量、年平均气温、土壤类型等)影响力有所提升；而人类活动通过耕作措施直接驱动SOM含量空间变异，或影响自然因素间接驱动SOM含量空间变异，对SOM含量时空变异具有重要作用。