09精准养分管理县级粮田土壤养分的空间变异性.docx
《09精准养分管理县级粮田土壤养分的空间变异性.docx》由会员分享,可在线阅读,更多相关《09精准养分管理县级粮田土壤养分的空间变异性.docx(15页珍藏版)》请在冰点文库上搜索。
09精准养分管理县级粮田土壤养分的空间变异性
精准养分管理
县级粮田土壤养分的空间变异性
黄绍文金继运杨俐苹程明芳
中国农科院土壤肥料研究所
对土壤特性,尤其是对土壤养分空间变异的充分了解是管理好土壤养分和合理施肥的基础[1]。
研究空间变异的方法主要是基于20世纪60年代初法国著名学者Matheron创立的地质统计学[2],70年代以后,国内外许多学者开始将该方法应用于土壤特性空间变异的研究[3~11]。
但目前已有研究的空间尺度绝大多数偏向于小尺度范围,对大尺度的研究较少[11~12],尤其是在土壤养分空间变异方面。
土壤养分空间变异是普遍存在的,并且比较复杂。
成土母质[13,14]、地形[15~19]、人类活动[20~22]等对土壤养分空间变异均有较大影响,但在特定区域内,由于气候条件等比较一致,经过长期比较一致的种植和管理后,土壤特性空间变异将趋于缓和,即由于母质差异等引起的空间变异逐渐减小[23],可形成表面上大致一致的区域。
我国虽然经过多年的分散经营,但对于平原地区的粮食地块而言,13.3~20.0ha范围内的养分变异是较小的,可把13.3~20.0ha的地块当作1个操作单元来进行管理。
上述结果说明在较大范围内进行土壤养分分区管理是可行的。
目前,我国测土推荐施肥技术仍未真正实现,主要问题是对土壤养分状况及其变异情况缺乏全面系统的了解,因而尚未形成适合我国国情的推荐施肥技术。
为此,十分有必要通过在较大范围内的土壤养分空间变异的研究,揭示土壤养分空间变异特征,探讨土壤养分分区管理的可行性,为发展适合我国国情的分区平衡施肥技术提供理论基础。
本文仅介绍了县级区域粮田土壤养分空间变异结构方面的结果。
1材料与方法
1.1研究试区的基本情况
在黄淮海平原选择主要农业自然经济类型区河北省玉田县作为本项研究的试区。
该县位于东经117。
30'至117。
56',北纬39。
33'至40。
之间。
耕地面积729km2,其中小麦、玉米、水稻种植面积分别为286km2、432km2、16km2。
地形地貌类型为洪积、冲积平原,地势东北高、中部平原、西南洼。
主要土壤类型为潮土和褐土。
气候属暖温带半湿润大陆性季风气候,四季分明,年平均降水量693.1mm,年平均气温11.2℃,无霜期190d左右。
主产小麦、玉米、水稻、蔬菜、苹果、葡萄等。
1.2样品采集
本研究采用GPS定位技术,对河北省玉田县进行定点取样。
从玉田县虹桥镇38个村的每个村选择1~2个代表性地块;从除虹桥镇外的其它19个乡(镇)的每个乡(镇)选择3~7个代表性村,在每个村选择1个代表性地块。
取样点定在有代表性的地块的中心附近,其分布见图1。
取样深度为0~20cm,取样时间是1999年3月下旬至4月上旬。
(图:
图1玉田县土壤取样点分布示意图)
1.3样品分析
本项研究是在“土壤养分综合系统评价法与作物高产高效平衡施肥技术”成果的基础上进行的[24,25]。
该技术的核心是应用联合浸提剂和系列化操作规程,能快速准确测定和全面评价土壤中各种大、中、微量营养元素状况和供应能力,并在此基础上实现保证各种营养元素均衡供应的平衡施肥技术体系。
土壤养分含量分析应用土壤养分状况系统研究法[26]。
P、K、Cu、Fe、Mn、Zn的联合浸提与测定:
浸提剂为ASI溶液(0.25mol/LNaHCO3-0.01mol/LEDTA-0.01mol/LNH4F);P用钼锑抗比色法测定,K、Cu、Fe、Mn、Zn用原子吸收分光光度计测定。
NH4+-N、Ca、Mg的联合浸提与测定:
浸提剂为1mol/LKCl溶液;NH4+-N用靛酚蓝比色法测定,Ca、Mg用原子吸收分光光度计测定。
S的浸提与测定:
浸提剂为0.08mol/LCa(H2PO4)2。
H2O溶液,用BaCl2比浊法测定。
有机质(OM):
浸提剂为0.2mol/LNaOH-0.01mol/LEDTA-2%甲醇,比色测定。
pH:
水土比为2.5∶1,复合电极测定。
1.4数据处理
本研究的数据分析采用Fisher统计学和地统计学相结合的方法,涉及地统计学的主要包括半方差函数和半方差函数模型[27]。
1.4.1半方差函数
半方差函数是描述土壤性质空间变异的一个函数,反映了不同距离的观测值之间的变化,所谓半方差函数就是两点间差值的方差的一半,即:
r(h)=(1/2)var[Z(x+h)-Z(x)]
式中:
r(h)为间距为h的半方差,在一定范围内随h的增加而增大,当测点间距大于最大相关距离时,该值趋于稳定。
1.4.2半方差函数模型
半方差函数模型有球状(Spherical)、高斯(Gaussian)、指数(Exponential)和线性(Linear,Lineartosill)等模型。
涉及本研究的模型主要是球状和指数模型,其数学表达式如下:
球状模型:
r(h)=c0+c[1.5h/a-0.5(h/a)3],0〈h≤a
r(h)=c0+c,h>a
r(h)=0,h=0
指数模型:
r(h)=c0+c[1-exp(-h/a)],h>0
r(h)=0,h=0
式中:
c0表示块金方差(间距为0时的半方差),c为结构方差,c0+c为基台值(半方差函数随间距递增到一定程度后出现的平稳值),a为变程(半方差达到基台值的样本间距)。
对于球状和线性模型,a表示观测点之间的最大相关距离,而高斯模型的最大相关距离为(3)1/2a,指数模型的最大相关距离为3a。
2结果与讨论
2.1粮田土壤养分的变异情况
按照土壤养分综合系统评价法所设定的土壤养分含量临界值指标对土壤养分状况进行了初步评价。
表1表明,土壤N、P、K、Mn和Zn普遍缺乏,其速效含量低于临界值的土样数占总土样数的百分数分别为100、75.0、93.6、84.0和91.0。
此外,还有45.1%、20.9%、5.6%的土样中的Fe、S和Cu也低于临界值,对于它们的缺乏也不可忽视。
(表:
表1玉田县粮田土壤速效养分(mg/L)和有机质(%)含量和pH值的统计特征值)
养分项目Item
含量
变异系数(%)C.V.
低于临界值的土样数占总土样数的百分数(%)Percentageofsoilsamplesbelowcriticalvalue
范围Range
均值Mean
标准差S.D.
OM
0.2~2.3
1.2
0.4
36.9
NH4+-N
0.0~44.1
9.9
6.1
61.9
100
P
1.1~61.7
10.3
8.8
85.3
75.0
K
39.1~117.3
61.9
11.1
17.9
93.6
Mn
1.0~18.4
3.5
2.5
72.8
84.0
Zn
0.4~14.8
1.3
1.2
91.2
91.0
Fe
3.3~91.2
16.6
14.2
85.8
45.1
S
0.0~248.4
36.0
34.5
95.7
20.9
Ca
1302.6~8056.1
4515.7
1404.5
31.1
0.0
Mg
258.8~1705.9
740.4
337.8
45.6
0.0
Cu
0.7~7.7
1.7
0.9
50.4
5.6
pH
5.2~8.4
7.6
0.5
7.2
注释:
注:
临界值(mg/L):
N为50,P为12,K为78,Mn为5,Zn为2,Fe为10,S为12,Ca为401,Mg为122,Cu为1。
不同土壤养分的变异情况各不相同,变异系数在17.9%~95.7%(表1)。
其中土壤NH4+-N、P、Mn、Zn、Fe、S测试值变异较大,变异系数在61.9%~95.7%;有机质、Ca、Mg、Cu次之,变异系数在31.1%~50.4%;土壤K测试值变异较小,变异系数为17.9%。
土壤氮、磷和钾是目前土壤养分管理中最重要的三个元素。
粮田区域土壤NH4+-N含量变异较大,与施氮量、方法、种类等田间管理措施有关。
土壤P含量变异较大,而土壤K含量变异较小,可能有两方面的原因。
一是与P和K在土壤中的化学行为及目前磷和钾肥施用状况有关,施入土壤中的磷,因其移动性小、当季利用率低、土壤磷收支平衡一般为盈余等而使磷肥在土壤中残留较多,导致土壤中P分布不均;而施入土壤中的钾,因其移动性相对较大、当季利用率较高、土壤钾收支平衡一般为亏缺等而使钾肥在土壤中残留较少(局部地区可能有残留),致使土壤中钾相对于土壤磷要均匀些。
二是与整个粮田区域中不同部位的地形、土壤类型、质地等的地带性特征有关。
由于土壤养分的传统统计分析只能概括土壤养分变化的全貌,不能反映其局部的变化特征,即只在一定程度上反映样本总体,而不能定量地刻画土壤养分的随机性和结构性、独立性与相关性。
为了解决这些问题,必须进一步采用地统计学方法进行土壤养分空间变异结构的分析和探讨。
2.2粮田土壤养分空间变异结构
对采用GPS定位技术确定的粮田取样点的土壤速效养分含量及其它属性进行了半方差分析(表2,图2)。
在半方差函数模型的确定过程中,首先计算出(h)~h的散点图,然后分别用不同类型的模型来进行拟合,得到模型的参数值及决定系数和离差平方和,根据决定系数、离差平方和等选取适宜的模型,并对模型进行检验。
(表:
表2玉田县粮田土壤养分及其它属性空间变异参数)
养分项目Item
块金方差(c0)Nuggetvariance
基台值(c+c0)Sill
块金方差/基台值c0/(c+c0)Proportionofnuggetvariance(c0)tosill
最大相关距离(km)Thelimitdistanceofspatialcorrelation
模型Model
模型的检验F-test
R2
F
OM
0.044
0.177
0.249
5.2
指数
0.230
2.09
NH4+-N
12.32
32.09
0.384
105.1
指数
0.791
26.49**
P
10.6
100.1
0.106
25.3
球状
0.848
39.05**
K
36.6
189.0
0.194
50.7
球状
0.916
76.30**
Mn
0.01
14.95
0.001
46.9
指数
0.824
32.77**
Zn
0.01
3.28
0.003
51.8
球状
0.644
12.66**
Fe
1.00
414.7
0.002
33.9
指数
0.820
31.89**
S
1.00
3112.0
0.000
55.0
球状
0.840
36.75**
Ca
36000
2176000
0.017
12.4
球状
0.951
135.86**
Mg
9000
273900
0.033
48.6
球状
0.985
459.67**
Cu
0.186
0.938
0.198
67.7
指数
0.640
12.44**
pH
0.001
0.629
0.002
41.2
指数
0.832
34.67**
注释:
注:
*F0.05=5.59,**F0.01=12.25。
(图:
图2玉田县粮田土壤养分和pH的半方差图)
表2中的最大相关距离表示某土壤养分观测值之间的距离大于该值时,则说明它们之间是相互独立的;若小于该值时,则说明它们之间存在一定的空间相关性。
块金方差/基台值之比[c0/(c+c0)]表示空间变异性程度[27,28],如果该比值较高,说明由随机部分引起的空间变异性程度较大;相反,则由空间自相关部分引起的空间变异性程度较大;如果该比值接近1,则说明该变量在整个尺度上具有恒定的变异。
表2表明,玉田县粮田区域不同土壤养分速效含量及其它属性的空间变异结构存在较大差异。
土壤有机质的空间变异结构差,而其它主要土壤养分N、P、K、Mn、Zn、Fe、S等的空间变异结构明显,其最大相关距离在25km以上。
土壤有机质含量的半方差函数模型的决定系数较小,模型的拟合度低,说明本研究条件下各点之间土壤有机质含量均不存在空间相关性,虽其在整个粮田区域的变异相对较小,但土壤有机质含量的渐变性分布规律差,在小范围内忽高忽低。
土壤NH4+-N含量的最大相关距离很大,其半方差函数理论模型可用指数模型拟合,决定系数较大,模型的拟合度较高,表明土壤NH4+-N含量在较大范围内存在着空间相关性,虽其在整个粮田区域的变异相对较大,但土壤NH4+-N含量在整个粮田区域具有一定的渐变性分布规律。
土壤P、K、Mn和Zn含量的最大相关距离均较大,其半方差函数理论模型可分别用球状、球状、指数和球状模型拟合,决定系数在0.644~0.916之间,模型的拟合度均较高,表明这4个主要土壤养分含量在较大范围内均存在着空间相关性,其含量具有一定的渐变性分布规律,这与整个粮田区域地形(东北部高、中部平原、西南部洼)、土壤类型(褐土、淋溶褐土、潮褐土、潮土、盐化潮土、沼泽化潮土)等的地带性分布规律有关。
表2还表明,土壤N、P、K、Mn和Zn养分的空间变异性程度有明显的不同。
土壤NH4+-N的c0/(c+c0)之比较大,为38.4%,说明其在研究区域上由施肥、作物、管理水平等随机因素引起的空间变异性占较大比重;而土壤P、K、Mn、Zn等养分速效含量的c0/(c+c0)之比较小,在0.1%~19.4%之间,表明其空间变异主要是由土壤母质、地形、气候等非人为的区域因素(空间自相关部分)引起的。
按照区域化变量空间相关性程度的分级标准[29]c0/(c+c0)小于25%,变量具有强烈的空间相关性;在25%~75%之间,变量具有中等的空间相关性;大于75%时,变量空间相关性很弱,在玉田县全县粮田区域上土壤NH4+-N具有中等的空间相关性,土壤P、K、Mn、Zn等养分具有强烈的空间相关性。
3结论与讨论
土壤N、P、K、Mn和Zn普遍缺乏,是目前土壤养分管理的重点,而Fe和S也有一定程度的缺乏,对它们的管理不可忽视。
不同土壤养分的变异情况存在较大差异,其中土壤NH4+-N、P、Mn、Zn、Fe和S测试值变异较大,而土壤K的测试值变异较小。
不同土壤养分的空间变异结构存在较大差异。
土壤有机质的空间变异结构差,其含量渐变性分布规律差;而土壤N、P、K、Mn和Zn具有明显的空间变异结构,其含量在较大范围内具有空间相关性,呈现较明显的渐变性分布规律。
值得指出的是,应用地统计学方法对较大空间尺度范围(县级区域)进行土壤养分空间结构分析还是一种尝试,对于不同空间尺度的取样范围,可能得到不同的结论。
一些研究指出,空间变异性是尺度的函数[30],不同尺度上同一变量的自相关程度相差甚大,随着样点间的距离加大,样点间变异函数值的随机成分也在不断增加,小尺度结构特征将被掩盖[31,32]。
对于土壤养分来说,其空间相关距离一般随取样范围的增大而增加,但在较小空间尺度上一般更能揭示土壤养分的变异性,而难以反映其在较大空间尺度上的空间分布格局;在较大空间尺度上一般更能揭示土壤养分的空间分布格局,而难以反映其在较小空间尺度上的变异性。
土壤养分空间变异的半方差分析提供了一个定量工具,可以将土壤某一性质的变异与成土因子和成土过程联系起来,加深成土过程对土壤的作用后果的了解[33,34],是使土壤过程的预测和模拟进一步逼近田间实际的有效途径[35]。
此外,土壤养分的空间变异通常是有方向性的,即不同方向上可能呈现不同的变异规律,各个方向上的半方差函数也可能不一样。
由于本研究采用非规则布点,各观测点没有严格的方向性排列,而没有做这方面的验证。
因此,本文所描述的土壤养分空间变异是各个方向上的平均效果。
尽管如此,但本研究的结论从宏观上是能反映实际情况的,即主要土壤养分P、K、Mn、Zn等含量在较大范围内存在着空间相关性,这与它们的含量分布具有较明显的地带性规律是基本一致的。
在土壤养分空间变异的研究中,关键的问题是准确估算土壤某一养分的半方差函数模型,因为半方差函数反映了土壤养分的空间变异结构,并直接影响土壤养分Kriging插值计算。
在实际研究中,由于半方差模型的选择常受样本的半方差形状、调查者对某一土壤养分的了解程度、调查目的等方面的影响,选定一个模型来描述所测定土壤养分的半方差并拟合一条曲线是有争议的问题。
[1]FranzenDW,HofmanVL,HalvorsonADetal.Samplingforsite-specificfarming:
Topographyandnutrientconsiderations.BetterCrops,1996,80(3):
14~18.
[2]孙洪泉.地质统计学及其应用.北京:
中国矿业大学出版社,1990.
[3]WarrickAW,MyersDE,NielsenDR.Geo-statisticalmethodsappliedtosoilscience.InKluteA.(ed.).Methodsofsoilanalysis.Part1,2ndEd.Agron.Monogr.9.ASAandSSSA,Modison,WI,1986,53~82.
[4]HillelD.Researchinsoilphysics:
areview.SoilSci.,1991,151:
30~34.
[5]RonnyBerndtsson,AkissaBahri,andKenjiJinno.SpatialDependenceofgeo-chemicalelementsinasemiaridagriculturalfield:
II.Geo-statisticalproperties.SoilSci.Soc.Am.J.,1993,57:
1323~1329.
[6]CahnMD,HummelJW,BrouerBH.DIVISIONS-8-NUTRIENTMANAGEMENTandSOILandPLANTANALYSIS.Spatialanalysisofsoilfertilityforsite-specificcropmanagement.SoilSci.Am.J.,1994,58:
1240~1248.
[7]YangJ,HammerRD,BlancharRW.Micro-scalepHspatialdistributionintheAphorizonofMexicosiltloam.SoilScience,1995,160(5):
371~375.
[8]ZhangR,RahmanS,VanceGFetal.Geo-statisticalanalysesoftraceelementsinsoilsandplants.SoilScience,1995,159(6):
383~390.
[9]AssadianNW,EsparraLCetal.SpatialvariabilityofheavymetalsinirrigationalfalfafieldintheupperRioGrandRiverbasin.Agriculturalwatermanagement,1998,(36):
141~156.
[10]TeferiTsegayeandRobertLHill.Intensivetillageeffectsonspatialvariabilityofsoiltest,plantgrowth,andnutrientuptakemeasurements.SoilScience,1998,163
(2):
155~165.
[11]白由路,李保国,胡克林.黄淮海平原土壤盐分及其组成的空间变异特征研究.土壤肥料,1999,21(3):
22~26.
[12]WhiteJG,WelchRM,NorvellWA.SoilZincmapoftheUSAusinggeo-statisticsandgeographicinformationsystems.SoilSci.Soc.Am.J.,1997,61:
185~194.
[13]WildA.ThepotassiumstatusofsoilsinthesavannazoneofNigeria.Expl.Agric.,1971,7:
257~270.
[14]TeningAS,OmuetiJI.Potassiumstatusofsomeselectedsoilsunderdifferentland-usesystemsinthesub-humidzoneofNigeria.Commun.SoilSci.PlantAnal.,1995,26(5and6):
657~672.
[15]OvallesFA,CollinsME.Soil-landscaperelationshipsandsoilvariabilityinnorthcentralFlorida.SoilSci.Soc.Am.J.,1986,50:
401~408.
[16]MillerPM,SingerMJ,NielsenDR.Spatialvariabilityofwheatyieldandsoilpropertiesoncomplexhills.SoilSci.Soc.Am.J.,1988,52:
1133~1141.
[17]BhattiAU,MullaDJ,FrasierBE.Estimationofsoilpropertiesandwheatyieldsoncomplexerodedhillsu