山西省森林土壤因子空间变异特征

doi:10.11924/j.issn.1000-6850.casb2021-0004

摘要/Abstract

摘要：

为了揭示山西省森林土壤因子的空间分布特征,为评价森林土壤肥力提供参考,为森林可持续经营提供技术支撑,并为区域林业发展规划的制定提供依据。基于山西省297块样地的土壤采样检测数据,包括森林土壤碱解氮、全氮、有机质、速效磷、全钾、pH、含水量7个因子,利用GIS进行趋势分析、半变异函数模型选取,利用克里金插值法揭示森林土壤因子的空间变异特征。结果表明：全氮、碱解氮、pH的最优模型为高斯函数模型;速效磷、全钾的最优模型为指数函数模型;有机质、含水量的最优模型分别为三角函数模型和球面函数模型。利用克里金插值法绘制了各森林土壤因子的空间分布图,揭示了山西省森林土壤因子的分布特征。山西省森林土壤因子均有明显的空间分异特征：碱解氮、全氮、有机质含量相对较高的多集中在省境主体山脉沿线的中高山地区;全钾含量整体表现较为丰富;含水量表现出明显的东南多西北少的差异;速效磷作为一种瞬时变量,在空间分布上比较杂乱;pH的空间变异显示,山西省整体森林土壤呈弱碱性,朔州市部分地区森林土壤表现为强碱性,可作为盐碱地研究典型区域。

关键词: 森林土壤, 空间变异, 趋势分析, 克里金插值, 半变异函数, 最优模型, 地统计学

Abstract:

To reveal the spatial distribution characteristics of forest soil factors in Shanxi Province, provide reference for the evaluation of forest soil fertility, technical support for sustainable forest management, and a basis for the establishment of forestry sustainable development policy, based on the soil sampling and testing data of 297 sample spots in Shanxi, the study used GIS techniques to do trend analysis and select the optimal semi-variogram model of 7 factors of forest soil, including alkali-hydrolyzed nitrogen, total nitrogen, organic substance, available phosphorus, total potassium, pH and water content. Then, Kriging interpolation was adopted to analyze the spatial variability characteristics of the forest soil factors. The results show that: the optimal semi-variogram model of total nitrogen, alkali-hydrolyzed nitrogen and pH is Gaussian function model; that of total potassium is exponential function; that of the organic matter and water content is trigonometric and spherical function, respectively. Finally, we used Kriging interpolation method to map the spatial distribution of the forest soil factors, to display the distribution characteristics of them in Shanxi directly. The spatial differentiation characteristics of the forest soil factors in Shanxi are obvious. For alkali-hydrolyzed nitrogen, total nitrogen and organic substance, the relatively high contents are mainly concentrated in the mid-high mountainous area along the main mountain range in the province. The content of total potassium is relatively rich. The water content shows obvious difference of more in southeast and less in northwest. As an instantaneous variable, the spatial distribution of available phosphorus is rather disordered. The spatial variability of pH indicates that the whole forest soil in Shanxi is weakly alkaline, particularly in some areas of Shuozhou, the forest soil is strong alkalinity, which could be used as the typical area of saline-alkali land in research.

Key words: forest soil, spatial variability, trend analysis, Kriging interpolation, semi-variogram, optimal model, geostatistics

中图分类号:

S714.5

任煜堃. 山西省森林土壤因子空间变异特征[J]. 中国农学通报, 2021, 37(32): 42-50.

Ren Yukun. Spatial Variability Characteristics of Forest Soil Factors in Shanxi Province[J]. Chinese Agricultural Science Bulletin, 2021, 37(32): 42-50.

图/表 12

参考文献 20

[1]	胡惠蓉, 贝荣塔, 王艳霞. 森林土壤学[M]. 北京: 中国林业出版社, 2019.
[2]	姜秋香, 付强, 王子龙. 空间变异理论在土壤特性分析中的应用研究进展[J]. 水土保持研究, 2008, 15(1):250-253.
[3]	陈强, 杨劲松, 姚荣江, 等. 河套平原典型县域耕地土壤养分空间变异特征研究[J]. 中国农学通报, 2020, 36(10):102-108.
[4]	高一帆. 陕西省土壤养分空间变异及其耕地质量评价研究[D]. 杨凌:西北农林科技大学, 2019.
[5]	史立江. 基于GIS和地统计学的土壤养分空间变异特征研究[D]. 上海:上海师范大学, 2006.
[6]	唐启敏. 基于GIS的陕西省榆林市耕地土壤养分空间变异及其地力评价[D]. 杨凌:西北农林科技大学, 2018.
[7]	杨静涵, 刘梦云, 张杰, 等. 黄土高原沟壑区小流域土壤养分空间变异特征及其影响因素[J]. 自然资源学报, 2020, 35(3):743-754.
[8]	张志坚, 刘苑秋, 吴春生, 等. 基于地统计学和GIS的江西省森林土壤养分空间分布特征[J]. 水土保持研究, 2018, 25(1):38-46.
[9]	谢红花, 李超, 钱晔, 等. 云南乌蒙山区土壤养分空间变异及海拔梯度分布规律[J]. 中国农学通报, 2019, 35(8):52-59.
[10]	乔磊, 黄明镜, 张吴平, 等. 晋中盆地典型耕地厚度、土壤养分空间变异[J]. 中国农学通报, 2020, 36(1):89-97.
[11]	梁守伦, 刘菊, 孙拖焕, 等. 山西省森林经营规划与全周期森林经营模式[M]. 北京: 中国林业出版社, 2018: 1.
[12]	孙拖焕, 梁守伦, 樊兰英, 等. 山西省森林生态连清与生态系统服务功能研究[M]. 北京: 中国林业出版社, 2019:32-36.
[13]	张姣, 张晓虎, 阎佩云. 洛南县连翘种植区土壤养分状况及空间分布特征初步研究[J]. 中国农学通报, 2020, 36(10):95-101.
[14]	康钦俊. 黄土高原区土壤养分空间变异及其耕地质量评价[D]. 杨凌:西北农林科技大学, 2019.
[15]	谢佳. 寿县土壤养分空间变异特征研究[D]. 合肥:安徽农业大学, 2019.
[16]	赵义博, 雷少刚, 刘英. 胜利矿区土壤养分空间变异特征与影响因素[J]. 土壤, 2020, 52(2):356-364.
[17]	岳林辉. 基于地统计学的麦田土壤养分空间特征研究[D]. 太谷:山西农业大学, 2018.
[18]	朱昌达, 高明秀, 王文倩等. 基于GIS的滨海盐渍化农田土壤空间变异及其分区管理[J]. 生态学报, 2020, 40(19):6982-6990.
[19]	刘晓林, 李文峰, 杨林楠, 等. 基于ArcGIS地统计分析模块的土壤养分空间变异分析——以云南建水县为例[J]. 土壤通报, 2012, 43(6):1432-1437.
[20]	王婕, 牛文全, 张文倩, 等. 农田表层土壤养分空间变异特性研究[J]. 农业工程学报, 2020, 36(15):37-46

森林土壤因子	样本数据		对数转换		Box-Cox转换
森林土壤因子	偏度值	峰度值	偏态值	峰度值	偏态值	峰度值
含水量	0.8861	4.2141	-0.8663	4.8787	-0.2280	3.2426
全氮	1.8830	8.7456	0.0213	2.4168	0.4758	2.8075
全钾	2.2439	12.781	0.3479	5.3157	0.8616	6.3306
速效磷	4.8633	30.789	0.4353	3.4016	1.5866	7.0907
有机质	1.9942	10.222	-0.1628	2.496	0.3630	2.7438
碱解氮	5.901	63.129	0.0100	2.6891	0.7668	4.8477
pH值	-1.5247	5.0615	-1.8487	6.6525	-1.7434	6.0842

森林土壤因子	样本数据		对数转换		Box-Cox转换
森林土壤因子	偏度值	峰度值	偏态值	峰度值	偏态值	峰度值
含水量	0.8861	4.2141	-0.8663	4.8787	-0.2280	3.2426
全氮	1.8830	8.7456	0.0213	2.4168	0.4758	2.8075
全钾	2.2439	12.781	0.3479	5.3157	0.8616	6.3306
速效磷	4.8633	30.789	0.4353	3.4016	1.5866	7.0907
有机质	1.9942	10.222	-0.1628	2.496	0.3630	2.7438
碱解氮	5.901	63.129	0.0100	2.6891	0.7668	4.8477
pH值	-1.5247	5.0615	-1.8487	6.6525	-1.7434	6.0842

森林土壤因子	理论模型	均值	均方根		标准化平均值		标准化均方根	平均标准误差
含水量	球面函数	0.0540	6.1031		-0.0066		0.9961	6.2921
	三角函数	0.0446	6.0883		-0.0079		0.9893	6.2909
	高斯函数	0.0393	6.0773		-0.0077		0.9826	6.2798
	指数函数	0.0580	6.1187		-0.0077		1.0092	6.3158
全氮含量	球面函数	0.0096	1.4472		-0.0259		0.9562	1.6258
	三角函数	0.0049	1.4515		-0.0260		0.9546	1.6213
	高斯函数	0.0043	1.4540		-0.0285		0.9582	1.6249
	指数函数	0.0066	1.4401		-0.0188		0.9331	1.6354
有机质含量	球面函数	0.4526	20.5024		-0.0251		0.9304	24.7939
	三角函数	0.4404	20.5199		-0.0249		0.9257	24.7570
	高斯函数	0.3709	20.2168		-0.0241		0.9210	27.7590
	指数函数	0.4178	20.3552		-0.0112		0.8839	25.2029
碱解氮含量	球面函数	0.5687	95.5943		-0.0552		1.4657	89.4300
	三角函数	0.7598	92.6125		-0.0613		1.4578	90.8222
	高斯函数	0.6500	92.6364		-0.0635		1.4551	90.1801
	指数函数	0.9738	92.3187		-0.0514		1.4739	90.5451
速效磷含量	球面函数	-3.5250		53.2164		-0.2012	1.6760	42.2368
	三角函数	-3.4972		53.2122		-0.2004	1.6729	42.2988
	高斯函数	-3.2531		53.2124		-0.1907	1.6352	43.2534
	指数函数	-3.0023		53.2393		-0.1782	1.5978	44.2805
pH	球面函数	-0.0082		0.6628		-0.0094	0.9515	0.7021
	三角函数	-0.0065		0.6648		-0.0072	0.9545	0.7025
	高斯函数	-0.0037		0.6642		-0.0043	0.9625	0.6941
	指数函数	-0.0072		0.6602		-0.0067	0.9464	0.7032
全钾含量	球面函数	0.0136		5.7401		-0.0249	1.0016	5.7193
	三角函数	0.0206		5.7243		-0.0245	1.0010	5.7149
	高斯函数	0.0543		5.6975		-0.0204	0.9849	5.7942
	指数函数	0.0034		5.7794		-0.0261	1.0078	5.7324

森林土壤因子	理论模型	均值	均方根		标准化平均值		标准化均方根	平均标准误差
含水量	球面函数	0.0540	6.1031		-0.0066		0.9961	6.2921
	三角函数	0.0446	6.0883		-0.0079		0.9893	6.2909
	高斯函数	0.0393	6.0773		-0.0077		0.9826	6.2798
	指数函数	0.0580	6.1187		-0.0077		1.0092	6.3158
全氮含量	球面函数	0.0096	1.4472		-0.0259		0.9562	1.6258
	三角函数	0.0049	1.4515		-0.0260		0.9546	1.6213
	高斯函数	0.0043	1.4540		-0.0285		0.9582	1.6249
	指数函数	0.0066	1.4401		-0.0188		0.9331	1.6354
有机质含量	球面函数	0.4526	20.5024		-0.0251		0.9304	24.7939
	三角函数	0.4404	20.5199		-0.0249		0.9257	24.7570
	高斯函数	0.3709	20.2168		-0.0241		0.9210	27.7590
	指数函数	0.4178	20.3552		-0.0112		0.8839	25.2029
碱解氮含量	球面函数	0.5687	95.5943		-0.0552		1.4657	89.4300
	三角函数	0.7598	92.6125		-0.0613		1.4578	90.8222
	高斯函数	0.6500	92.6364		-0.0635		1.4551	90.1801
	指数函数	0.9738	92.3187		-0.0514		1.4739	90.5451
速效磷含量	球面函数	-3.5250		53.2164		-0.2012	1.6760	42.2368
	三角函数	-3.4972		53.2122		-0.2004	1.6729	42.2988
	高斯函数	-3.2531		53.2124		-0.1907	1.6352	43.2534
	指数函数	-3.0023		53.2393		-0.1782	1.5978	44.2805
pH	球面函数	-0.0082		0.6628		-0.0094	0.9515	0.7021
	三角函数	-0.0065		0.6648		-0.0072	0.9545	0.7025
	高斯函数	-0.0037		0.6642		-0.0043	0.9625	0.6941
	指数函数	-0.0072		0.6602		-0.0067	0.9464	0.7032
全钾含量	球面函数	0.0136		5.7401		-0.0249	1.0016	5.7193
	三角函数	0.0206		5.7243		-0.0245	1.0010	5.7149
	高斯函数	0.0543		5.6975		-0.0204	0.9849	5.7942
	指数函数	0.0034		5.7794		-0.0261	1.0078	5.7324

森林土壤因子	块金值	偏基台值	基台值	块金系数	变程/m	最优模型
含水量	0.7094	0.4350	1.1444	61.99	69033	球面函数
全氮含量	0.3370	0.1674	0.5044	66.81	71983	高斯函数
有机质含量	0.3824	0.2561	0.6385	59.89	81419	三角函数
碱解氮含量	0.4679	0.1747	0.6426	72.81	57609	高斯函数
速效磷含量	0.3537	0.5489	0.9026	39.19	16488	指数函数
pH	0.3211	0.3142	0.6353	50.54	44993	高斯函数
全钾含量	0.0468	0.0295	0.0763	61.34	16956	指数函数