西安市耕地土壤pH空间变异及主控因素分析

doi:10.11924/j.issn.1000-6850.casb2022-0902

中国农学通报 ›› 2023, Vol. 39 ›› Issue (29): 59-67.doi: 10.11924/j.issn.1000-6850.casb2022-0902

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

西安市耕地土壤pH空间变异及主控因素分析

孙喜军¹(), 吕爽¹, 高莹², 蔡苗¹, 孟菁¹, 李荃¹

¹ 西安市农业技术推广中心，西安 710061
² 咸阳职业技术学院，咸阳 712000

收稿日期:2022-10-27 修回日期:2022-12-28 出版日期:2023-10-15 发布日期:2023-10-11
作者简介:
孙喜军，男，1985年出生，甘肃庆阳人，农艺师，硕士，主要从事设施菜地土壤改良与修复方面的研究。通信地址：710061 陕西省西安市长安南路140号西安市农业技术推广中心，Tel：029-85221626，E-mail：jlusxj@126.com。
基金资助:
西安市科技局农业技术研发项目“西安市设施菜地土壤次生盐渍化现状及防控关键技术研究”(20NYYF0044); 咸阳职业技术学院科研基金项目“4种改良剂防治设施土壤次生盐渍化效果研究”(2020KJC01); 咸阳职业技术学院2021年度博士科研基金项目“国家中心城市近郊设施菜地土壤次生盐渍化现状及防控关键技术研究——以西安市为例”(2021BK03)

Spatial Variability Characteristics of Cultivated Land Soil pH and Its Dominating Factors in Xi’an City

SUN Xijun¹(), LV Shuang¹, GAO Ying², CAI Miao¹, MENG Jing¹, LI Quan¹

¹ Xi’an Agricultural Technology Extension Center, Xi’an 710061
² Xianyang Vocational Technical College, Xianyang, Shaanxi 712000

Received:2022-10-27 Revised:2022-12-28 Published-:2023-10-15 Online:2023-10-11

摘要/Abstract

摘要：

通过野外高密度采样，结合地统计学和GIS方法，分析了西安市耕地土壤pH空间变异规律及其影响因素。结果表明：（1）耕地土壤介于pH 5.8~8.9之间，平均值pH 7.63±0.57；变异系数为7.47%，属弱变异性。（2）进行普通克里格插值时，土壤pH用球状模型无阶趋势效应拟合最好，模型块金系数为26.30%，说明土壤pH呈中等程度的空间相关性。（3）耕地土壤pH在空间上大体呈现由南向北的递增趋势，其中酸性、中性、碱性和强碱性土壤面积占比分比为1.47%、25.16%、72.83%和0.54%，说明主要以碱性和中性土壤为主。（4）成土母质、土壤类型、土壤质地、地貌类型以及有机质、海拔等因素对土壤pH空间变异均有显著影响，其中海拔、土壤类型、成土母质对土壤pH的空间变异独立解释能力分别为21.7%、10.9%和7.7%，远高于其他因素，可以作为分析西安市耕地土壤pH空间变异的三大主控因素。研究结果可为西安市平衡施肥管理、耕地质量保护与提升乃至区域生态环境建设提供一定的参考依据。

关键词: 土壤pH, 空间变异, 影响因素, 地统计学, GIS, 西安市

Abstract:

Based on high-density sampling in the field, the spatial variability of soil pH and its influencing factors in cultivated land in Xi’an were analyzed by using the methods of geostatistics and GIS. The results showed that: (1) soil pH of cultivated land ranged from 5.8 to 8.9, with an average of pH 7.63±0.57. Meanwhile, coefficient of variation was 7.47%, which indicated a weak variability. (2) When ordinary Kriging interpolation was performed, soil pH was best fitted by the spherical model with no order trend effect, and the model nugget coefficient was 26.30%, showing a moderate spatial correlation. (3) Soil pH of cultivated land generally showed an increasing trend from south to north in the spatial distribution. The ratio of acidic soil, neutral soil, alkaline soil and highly alkaline soil were 1.47 %, 25.16%, 72.83% and 0.54%, respectively. In general, cultivated land soil in Xi’an was mainly alkaline and neutral soil. (4) The factors of soil parent material, soil type, soil texture, landform type, soil organic matter and elevation had significant impacts on spatial variability of soil pH. Altitude, soil type and soil parent material were able to independently explain 21.7%, 10.9% and 7.7% of soil pH spatial variability, and that far higher than other factors. So altitude, soil type and soil parent material could be used as the three main dominating factors for analyzing the spatial variability of soil pH in cultivated land in Xi’an. The research results could provide a reference for balanced fertilization management, cultivated land quality protection and upgrading regional ecological environment construction in Xi’an.

Key words: soil pH, spatial variability, influencing factors, geostatistics, GIS, Xi’an City

孙喜军, 吕爽, 高莹, 蔡苗, 孟菁, 李荃. 西安市耕地土壤pH空间变异及主控因素分析[J]. 中国农学通报, 2023, 39(29): 59-67.

SUN Xijun, LV Shuang, GAO Ying, CAI Miao, MENG Jing, LI Quan. Spatial Variability Characteristics of Cultivated Land Soil pH and Its Dominating Factors in Xi’an City[J]. Chinese Agricultural Science Bulletin, 2023, 39(29): 59-67.

图/表 12

参考文献 36

[1]	李学垣. 土壤化学[M]. 北京: 高教出版社, 2001:20-35.
[2]	魏孝荣, 邵明安. 黄土沟壑区小流域土壤pH值的空间分布及条件模拟[J]. 农业工程学报, 2009, 25(5):61-67.
[3]	陈丹宁, 王继富. 土壤pH值与土壤因子灰色关联探讨[J]. 土壤通报, 2015, 46(1):117-120.
[4]	VANDERLINDEN K, POLO M J, ORDÓÑEZ R, et al. Spatio-temporal evolution of soil pH and zinc after the aznalcollar Mine Spill[J]. Journal of environmental quality, 2006, 35(1):13-37.
[5]	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(7):1192-1199.
[6]	张晗, 靳青文, 黄仁龙, 等. 大宝山矿区农田土壤重金属污染及其植物累积特征[J]. 土壤, 2017, 49(1):141-149.
[7]	杨秀敏, 任广萌, 李立新, 等. 土壤pH值对重金属形态的影响及其相关性研究[J]. 中国矿业, 2017(6):79-83.
[8]	王亚男, 徐梦洁, 代圆凤, 等. 毕节市耕地土壤pH的空间变异特征与影响因素[J]. 土壤, 2018, 50(2):164-169.
[9]	邓小华, 蔡兴, 张明发, 等. 喀斯特地区湘西州植烟土壤pH分布特征及其影响因素[J]. 水土保持学报, 2016, 30(6):308-313.
[10]	胡敏, 向永生, 张智, 等. 恩施州耕地土壤pH近30年变化特征[J]. 应用生态学报, 2017, 28(4):1289-1297.
[11]	张晶, 濮励杰, 朱明, 等. 如东县不同年限滩涂围垦区土壤pH与养分相关性研究[J]. 长江流域资源与环境, 2014, 23(2):225-230.
[12]	杨波, 王文, 曾清如, 等. 硫脲对酸性红壤pH值与金属元素有效性的影响[J]. 环境科学, 2014, 35(3):1119-1124.
[13]	陕西省统计局,国家统计局陕西调查总队. 陕西统计年鉴-2021[M]. 北京: 中国统计出版社, 2021:112-157.
[14]	赵业婷, 常庆瑞, 李志鹏, 等. 1983—2009年西安市郊区耕地土壤有机质空间特征与变化[J]. 农业工程学报, 2013, 29(2):132-140.
[15]	雷宝佳, 杨联安, 张林森, 等. 猕猴桃果园土壤养分空间变异性分析-以陕西周至县为例[J]. 西北大学学报(自然科学版), 2015, 45(2):323-326.
[16]	王凌青, 卢新卫, 贾晓丹. 西安市郊农田土壤环境地球化学研究[J]. 干旱区资源与环境, 2007, 21(3):113-117.
[17]	赵彩凤, 卢新卫, 杨光, 等. 西安灞桥燃煤电厂周围土壤天然放射性水平[J]. 核电子学与探测技术, 2012, 32(10):1201-1212.
[18]	孙喜军, 吕爽, 王安, 等. 套餐肥对设施番茄产量及品质的影响[J]. 农学学报, 2018, 8(12):62-67. doi: 10.11923/j.issn.2095-4050.cjas18050006
[19]	王虎, 吕爽, 常庆瑞, 等. 西安市耕地地力评价[M]. 北京: 中国农业出版社, 2017:54-55.
[20]	西安市统计局,国家统计局西安调查队. 西安统计年鉴-2021[M]. 北京: 中国统计出版社, 2022:154-187.
[21]	鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000:134-158.
[22]	余泓, 潘剑君, 李加加, 等. 长三角地区农用地土壤肥力特征及综合评价——以朱林镇为例[J]. 土壤通报, 2017, 48(2):372-378.
[23]	李晓晖, 袁峰, 白晓宇, 等. 典型矿区非正态分布土壤元素数据的正态变换方法对比研究[J]. 地理与地理信息科学, 2010, 26(6):102-105.
[24]	张小桐, 张瑞芳, 王红, 等. 县域土壤有效态微量元素的空间变异特征及影响因素——以徐水县为例[J]. 干旱地区农业研究, 2016, 34(1):74-80.
[25]	张婵婵, 张瑞芳, 张建恒, 等. 高阳县农田土壤速效养分空间变异特征研究[J]. 中国生态农业学报, 2013, 21(6):758-764.
[26]	刘莉莉, 王琳, 赵贵章, 等. 黄河冲积平原表层土壤水力学参数的空间变异特征[J]. 安徽农业科学, 2022, 50(6):60-63.
[27]	张一扬, 周冀衡, 杨虹琦, 等. 基于地统计与GIS的土壤有机质空间变异性研究——以湖南省主产烟区为例[J]. 青岛农业大学学报(自然科学版), 2008, 25(1):48-52.
[28]	高博超, 娄翼来, 金广远, 等. 基于GIS和地统计学的植烟土壤养分空间分析[J]. 中国烟草学报, 2009, 15(1):35-38.
[29]	张立, 雷风华, 崔玉军, 等. 松嫩平原黑土核心区土壤砷空间变异特征及污染评价[J]. 土壤, 2021, 53(4):850-857.
[30]	徐流洋. 惠农渠青铜峡段渠床沉积物渗透系数三维空间变异性研究[D]. 焦作: 河南理工大学, 2020:45-48.
[31]	解书华. 基于GIS和地统计学的昌图县表层土壤有机碳密度空间变异分析[J]. 农业科技与装备, 2014(2):19-21.
[32]	邹凯, 邓小华, 李永富, 等. 邵阳植烟土壤pH时空特征及其与土壤养分的关系[J]. 北京农学院学报, 2014, 29(1):6-9.
[33]	DAI W H, HUANG Y. Relation of soil organic matter concentration to climate and altitude in zonal soils of China[J]. CATENA, 2006, 65(1):1-94. doi: 10.1016/j.catena.2006.01.001 URL
[34]	郑昊楠, 王秀君, 万忠梅, 等. 华北地区典型农田土壤有机质和养分的空间异质性[J]. 中国土壤与肥料, 2019, 279(1):55-61.
[35]	赵明松, 张甘霖, 王德彩, 等. 徐淮黄泛平原土壤有机质空间变异特征及主控因素分析[J]. 土壤学报, 2013, 50(1):1-11.
[36]	王丹丹, 史学正, 于东升, 等. 东北地区旱地土壤有机碳密度的主控自然因素研究[J]. 生态环境学报, 2009, 18(3):1049-1053. doi: 10.16258/j.cnki.1674-5906(2009)03-1049-05

区域	样点数	最大值	最小值	中位数	平均值	标准差	变异系数/%	峰度	偏度
周至县	942	8.80	5.80	7.30	7.35	0.58	7.89	2.420	0.163
鄠邑区	1169	8.60	5.80	7.70	7.65	0.43	5.62	4.527	-0.809
长安区	910	8.80	5.80	7.20	7.07	0.57	8.06	2.570	-0.388
蓝田县	789	7.60	7.00	7.20	7.20	0.12	1.67	2.979	0.252
临潼区	1024	8.90	7.20	8.20	8.25	0.29	3.52	3.386	-0.149
灞桥区	534	8.90	6.60	7.90	7.84	0.32	4.08	3.611	-0.031
阎良区	842	8.90	7.20	7.60	7.70	0.25	3.25	10.596	2.65
高陵区	480	8.90	7.60	8.20	8.23	0.19	2.31	3.629	0.414
西安市	6690	8.90	5.80	7.60	7.63	0.57	7.47	3.190	-0.410
Box-Cox变换数据	6690							2.960	0.000

区域	样点数	最大值	最小值	中位数	平均值	标准差	变异系数/%	峰度	偏度
周至县	942	8.80	5.80	7.30	7.35	0.58	7.89	2.420	0.163
鄠邑区	1169	8.60	5.80	7.70	7.65	0.43	5.62	4.527	-0.809
长安区	910	8.80	5.80	7.20	7.07	0.57	8.06	2.570	-0.388
蓝田县	789	7.60	7.00	7.20	7.20	0.12	1.67	2.979	0.252
临潼区	1024	8.90	7.20	8.20	8.25	0.29	3.52	3.386	-0.149
灞桥区	534	8.90	6.60	7.90	7.84	0.32	4.08	3.611	-0.031
阎良区	842	8.90	7.20	7.60	7.70	0.25	3.25	10.596	2.65
高陵区	480	8.90	7.60	8.20	8.23	0.19	2.31	3.629	0.414
西安市	6690	8.90	5.80	7.60	7.63	0.57	7.47	3.190	-0.410
Box-Cox变换数据	6690							2.960	0.000

趋势效应	模型	平均误差	均方根误差	平均标准误差	标准化平均误差	标准化均方根误差
0阶	球状模型	0.960×10^-3	0.339	0.335	2.553×10^-3	1.009
	指数模型	1.784×10^-3	0.336	0.308	6.667×10^-3	1.092
	高斯模型	-1.566×10^-3	0.346	0.387	-4.232×10^-3	0.890
一阶	球状模型	0.122×10^-3	0.341	0.350	-0.058×10^-3	0.968
	指数模型	1.789×10^-3	0.336	0.314	6.996×10^-3	1.071
	高斯模型	-0.546×10^-3	0.347	0.376	-1.495×10^-3	0.918
二阶	球状模型	2.510×10^-3	0.342	0.333	10.118×10^-3	1.027
	指数模型	1.957×10³	0.342	0.337	8.380×10^-3	1.015
	高斯模型	2.780×10^-3	0.342	0.328	11.003×10^-3	1.041

趋势效应	模型	平均误差	均方根误差	平均标准误差	标准化平均误差	标准化均方根误差
0阶	球状模型	0.960×10^-3	0.339	0.335	2.553×10^-3	1.009
	指数模型	1.784×10^-3	0.336	0.308	6.667×10^-3	1.092
	高斯模型	-1.566×10^-3	0.346	0.387	-4.232×10^-3	0.890
一阶	球状模型	0.122×10^-3	0.341	0.350	-0.058×10^-3	0.968
	指数模型	1.789×10^-3	0.336	0.314	6.996×10^-3	1.071
	高斯模型	-0.546×10^-3	0.347	0.376	-1.495×10^-3	0.918
二阶	球状模型	2.510×10^-3	0.342	0.333	10.118×10^-3	1.027
	指数模型	1.957×10³	0.342	0.337	8.380×10^-3	1.015
	高斯模型	2.780×10^-3	0.342	0.328	11.003×10^-3	1.041

成土母质	样点数	最大值	最小值	平均值	标准差	变异系数/%
冲积母质	1114	8.90	5.80	7.85A	0.51	6.50
红土母质	14	8.50	6.00	7.78AB	0.77	9.90
黄土母质	4955	8.90	5.80	7.63B	0.55	7.21
残积母质	15	8.10	7.20	7.26C	0.36	4.83
坡积母质	30	7.40	7.00	7.23C	0.13	1.80
洪积母质	562	8.50	5.80	7.20C	0.60	8.33

西安市耕地土壤pH空间变异及主控因素分析

Spatial Variability Characteristics of Cultivated Land Soil pH and Its Dominating Factors in Xi’an City

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 36

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

土壤类型	样点数	最大值	最小值	平均值	标准差	变异系数/%
灌淤土	318	8.90	7.20	8.24A	0.20	2.40
土	820	8.90	7.00	7.75B	0.31	4.05
褐土	2907	8.90	5.80	7.66C	0.61	8.00
潮土	631	8.90	5.90	7.64C	0.49	6.45
黄绵土	1200	8.90	5.80	7.56D	0.52	6.83
新积土	497	8.80	5.80	7.37EF	0.56	7.59
红粘土	95	8.50	6.00	7.32EF	0.33	4.52
棕壤	22	8.20	6.80	7.30EF	0.26	4.24
紫色土	19	8.10	7.00	7.23EF	0.23	3.12
水稻土	181	8.50	5.80	7.09F	0.71	10.01

质地类型	样点数	最大值	最小值	平均值	标准差	变异系数/%
壤土	6538	8.90	5.80	7.64A	0.57	7.46
砂土	39	8.10	7.00	7.41AB	0.25	3.35
粘土	113	8.10	6.30	7.24B	0.22	3.10

地貌类型	样点数	最大值	最小值	平均值	标准差	变异系数/%
黄土台塬	431	8.90	7.00	7.73A	0.47	6.07
平原	5840	8.90	5.80	7.64B	0.58	7.58
丘陵	220	8.70	7.00	7.58B	0.50	6.57
山地	199	7.60	7.00	7.23C	0.12	1.68

影响因子	方差分析				回归分析
影响因子	组间方差和	组内方差和	F	P	决定系数(R²)	校正决定系数	P
成土母质	166.063	1984.397	111.869	<0.001	0.077	0.077	<0.001
土壤类型	237.072	1913.388	91.963	<0.001	0.110	0.109	<0.001
土壤质地	19.778	2130.682	31.036	<0.001	0.009	0.009	<0.001
地貌类型	38.159	2112.301	40.261	<0.001	0.018	0.017	<0.001
有机质	4.130	2146.330	3.216	<0.001	0.002	0.001	<0.001
海拔	468.051	1682.409	464.946	<0.001	0.218	0.217	<0.001

[1]	陈高霖, 麦咏芯, 张冬青, 吕梦雨, 李霞. 抗生素在人工湿地中的去除机制综述[J]. 中国农学通报, 2023, 39(9): 63-70.
[2]	韩小英, 张蕾, 杨三维, 芦艳珍, 李文婷. 基于GIS的山西高粱种植气候适宜性精细区划[J]. 中国农学通报, 2023, 39(9): 92-99.
[3]	孙梅婷, 李良涛, 王倩, 张晓华, 赵艳丽. 青崖寨国家级自然保护区森林资源及重点保护野生植物空间格局分析[J]. 中国农学通报, 2023, 39(8): 27-36.
[4]	闫彩霞, 苗婷婷, 刘俊龙, 吴中能, 苏晓华, 丁昌俊, 曹志华, 孙慧. 杨树杂交F₁代扦插无性系苗期生长节律及遗传变异分析[J]. 中国农学通报, 2023, 39(5): 39-48.
[5]	刘媛媛, 涂国良. 平凉市耕地土壤有效态微量元素丰缺评价及影响因素研究[J]. 中国农学通报, 2023, 39(4): 83-92.
[6]	欧阳鸿伟, 欧金秀, 林兆里, 张华, 罗俊, 李诗燕. 还田作物秸秆腐解研究进展[J]. 中国农学通报, 2023, 39(30): 74-81.
[7]	徐永清, 刘赫男, 刘春生, 张洪玲, 蒋慧亮. 黑龙江省玉米暴雨洪涝灾害风险评估研究[J]. 中国农学通报, 2023, 39(30): 94-100.
[8]	王慧, 张从合, 黄艳玲, 汪和廷, 方玉, 杨韦, 管昌红, 杨力, 王林, 严志. 植物花粉影响因素和保存方法研究进展[J]. 中国农学通报, 2023, 39(3): 49-54.
[9]	马永仁, 王娇, 朱美玲. 新疆棉农农业高效节水服务采纳的地域差异、影响因素与路径分析[J]. 中国农学通报, 2023, 39(27): 149-156.
[10]	章明奎, 麻万诸. 中国植稻土壤发生分类的研究现状与存在问题分析[J]. 中国农学通报, 2023, 39(27): 67-74.
[11]	王月彤, 耿贵. 植物间化感作用及其研究进展[J]. 中国农学通报, 2023, 39(23): 17-22.
[12]	李煜婧, 夏紫祎, 申桐, 王斐, 郑磊, 周建利, 张强, 孙楠, 徐明岗. 烟台市典型县域土壤pH时空变化特征及影响因素[J]. 中国农学通报, 2023, 39(21): 103-108.
[13]	罗毅, 张雪, 佘新松, 庄敏, 苏敏, 胡长玉, 田原. 香榧林下复合种植模式对皖南山区土壤养分保持的影响[J]. 中国农学通报, 2023, 39(20): 51-59.
[14]	路港滨, 俄胜哲, 袁金华, 赵天鑫, 冶赓康, 张鹏, 刘雅娜, 王钰轩. 土壤重金属有效性影响因素及其在作物和土壤系统迁移运转规律研究进展[J]. 中国农学通报, 2023, 39(20): 67-73.
[15]	陈海鹏, 宋群, 刘静怡, 孙艳春. 中国利用赤眼蜂防治大豆食心虫的寄生影响因素探析[J]. 中国农学通报, 2023, 39(20): 113-118.