祁连山排露沟流域土壤有机碳空间变异性研究

为研究小流域尺度下土壤有机碳的变异规律,运用地统计学方法对研究区0—10,10—20,20—40 cm土壤有机碳含量的空间变异性进行了研究。结果表明:流域内不同土层有机碳含量属于中等强度变异,具有强烈的空间自相关性;土壤有机碳含量在0,135°方向上空间变异程度明显,空间分布的各向异性显著;克里格插值结果显示流域内阴坡土壤有机碳含量明显高于阳坡,高海拔区域土壤有机碳含量高于低海拔区域;不同土层间,土壤有机碳含量均表现为青海云杉灌丛草地,表明不同植被类型对土壤有机碳含量和分布有着重要影响。土壤有机碳含量的空间变异性特征,与土壤性质、地形因子等结构性因素有关,为研究祁连山小流域土壤信息差异性的测量和描述提供科学依据。     

放牧干扰后自然恢复的退化沙质草地土壤性状的空间分布

用地统计学的方法 ,研究了科尔沁沙质退化草地不同强度放牧干扰 (重度放牧和适度放牧 )后自然恢复过程中 0～ 15cm土层土壤有机碳、全氮、pH和电导率在 10m尺度上的空间异质性特征。结果表明 ,重牧后的恢复草地比适度放牧后的恢复草地呈现出显著低的有机碳和全氮含量及其显著高的变异性。在取样尺度的空间分布上均表现出显著的空间结构特征 ,自相关尺度分别为 2 2 2～ 2 9 4m和 2 5 5～ 39m ,结构性方差占样本方差的 87 2 %～ 88 2 %和 6 5 5 %～ 85 9%。全氮的自相关尺度大于有机碳。土壤pH和电导率在取样的尺度内不存在局部格局 ,而可能受更大尺度的格局控制。放牧引起的植被斑块状分布和沙化裸斑的出现是土壤碳、氮空间变异的主要因素 ;土壤异质性尺度的改变又可能影响着植被的恢复演替和分布格局。     

黄淮海农业区旱地土壤有机碳变异性的空间尺度效应

土壤有机碳(SOC)具有空间变异性,其变异程度依赖于空间尺度,多尺度研究SOC变异性特征及其对空间尺度拓展的响应对精确估算土壤碳储量具有重要意义.本研究以黄淮海农业区为研究区域,利用全国第二次土壤普查资料记录的1 875个土壤剖面,设定4级行政区尺度,即大区、省级、市级和县级,研究了不同土壤深度(0～ 20、20 ～ 30、30 ～ 50、50 ～ 70和70 ～ 100 cm)有机碳含量的变异性特征及其对行政区尺度拓展的响应.研究结果表明:黄淮海农业区SOC含量变异系数均值随着行政区尺度的增大和土壤深度的增加而增大,范围为县级尺度0～20 cm表层的33.68％到大区尺度70～ 100 cm底层的81.02％;两行政区尺度间的跨度越大,其变异度越大,尺度间变异度呈明显的阶梯状,表现为3个尺度等级(大区-县级)＞2个尺度等级(省级-县级和大区-市级)＞1个尺度等级(省级-市级,市级-县级和大区-省级);SOC含量变异系数均值与行政区面积为显著对数关系y=a+b×ln(x),随着土壤深度的增加,SOC变异性对尺度的响应也越快.实际采样过程中,研究区域越大,采样深度越深,所需要的采样点数目越多.     

黄土丘陵区县域农田土壤有机碳空间变异性————-以甘肃省庄浪县为例

运用地统计学和GIS相结合的方法,研究了黄土丘陵区县域尺度农田土壤有机碳空间变异性及其影响因素。结果表明,1）研究区土壤有机碳含量处于较低水平,平均值为8.28g/kg,变异系数为18.8%,属于中等变异强度。2）有机碳变异函数的理论最佳模型为指数模型,块金值与基台值之比为9%,表明有机碳含量具有强烈的空间相关性,空间相关距离为2250 m,大于采样间距400 m。普通Kriging插值表明土壤有机碳含量整体上呈现东部比西部高、北部比南部高,西部区域呈现出斑块状的分布。3）影响该区域土壤有机碳空间变异的主要因素是海拔和土壤类型,坡向及土壤侵蚀程度等,海拔对有机碳空间变异性的贡献率为82.27%,土壤类型为13.10%,坡向和土壤侵蚀程度为4.54%。     

近30 a玛纳斯县北部土壤有机碳储量变化

研究玛纳斯县北部土壤有机碳时空变异特征,可以为当地土壤肥力管理提供理论依据。本文采用地统计学和GIS相结合的方法,研究了玛纳斯县北部地区1980-2011年间土壤有机碳的时空变异特征。研究结果表明:研究区32a来1m深土体土壤有机碳密度和储量呈现增加的趋势,分别较1980年二次土壤普查时增加1.81kg/m2和7.7×106kg;2011年0～20、>20～60和>60～100cm土壤有机碳质量分数平均值为5.74、4.44和2.17g/kg;0～20cm和>20～60cm土壤有机碳含量符合正态分布特征,相应土壤有机碳变异函数理论模型分别符合指数和球状模型;0～20cm土壤有机碳和>20～60cm土壤有机碳均具有中等程度的空间变异性,土壤有机碳的空间分布受土壤母质、地形等结构因素和耕作、施肥等随机因素的共同影响并呈现出南部和东北部高,中部地区偏低的分布特征;>60～100cm土壤有机碳呈现出南部高北部低的空间分布特征。本文获取了玛纳斯县北部地区土壤有机碳时空变异特征,该结果对研究区域土壤肥力管理具有重要意义。     

北京耕作土壤重金属多尺度空间结构

为了有效揭示土壤重金属的空间分布特征,为土壤环境质量评价提供科学依据,该研究以北京市耕作土壤中重金属为例,通过地统计学方法分析了重金属空间结构的尺度效应。研究结果表明：土壤重金属Cr、Ni、Zn和Hg的空间结构性对空间尺度有明显的依赖,理论半方差函数的最优性检验进一步表明多尺度套合模型能充分地挖掘和利用土壤重金属Cr、Ni、Zn和Hg的空间变异结构,并且采用多尺度套合模型法对重金属Cr、Ni、Zn和Hg进行克里格插值,其插值效果明显优于单一尺度下的普通克里格插值。因此,多尺度套合模型法能有效地揭示耕作土壤中重金属的空间分布特征。     

人为作用对土壤有机碳空间分布规律的影响

为了研究人为长期培肥及生产活动对农田土壤有机碳库空间变异性的影响,在关中农田开展了0~100 cm土体范围内的土壤有机碳含量、有机碳密度及碳库活度等研究。结果表明:土壤有机碳含量变化在7.00~23.39 g kg-1,土壤有机碳含量呈明显分布与变异特征,变异性大且变异程度均属中等水平。有机碳、活性有机碳含量在0~100 cm范围内从上到下逐渐递减,而不是"T"型分布,碳库活度从呈递增趋势;土壤有机碳水平上是以村庄为中心向外辐射递减,尤其在0~20 cm土层规律性更加明显;0~100 cm土壤有机碳密度的水平分布呈随距村庄距离的增加先增加后减少的分布规律。由此得出,关中农田土壤有机碳库的空间变异明显地印记着长期人为作用土壤的历史痕迹,也是关中地区农业文明发展史的有效佐证之一。     

四川省仁寿县土壤有机碳空间分布特征及其主控因素

准确地获取区域尺度内土壤有机碳含量信息对土壤碳调控及全球环境变化具有重要意义。本研究基于野外实地采集的555个表层(0~20 cm)土样,探讨四川省仁寿县土壤有机碳空间分布特征及其主控因素。运用方差分析和回归分析对比了成土母质、土壤类型和土地利用方式对仁寿县土壤有机碳空间分布的影响。结果表明:研究区表层土壤有机碳含量为3.36~37.10 g·kg-1,平均13.46 g·kg-1,变异系数为48.87%,属中等强度的空间变异性。块金效应C0/(C0+C)为66.7%,空间分布受结构性因素和随机性因素的共同影响,总体呈现北高南低的趋势。土地利用方式和土壤类型对土壤有机碳的影响极显著(P0.01),而成土母质的影响不明显(P=0.256)。土类能够独立解释23.7%的土壤有机碳空间变异;亚类和土类的解释能力接近,分别为27.0%和27.1%,土壤亚类可作为探讨该区域土壤有机碳空间变化的最小土壤分级单元。土地利用方式能独立解释53.0%的土壤有机碳空间变异,远大于土壤类型,是研究区土壤有机碳空间分布的主控因素。     

江西省耕地土壤有机碳空间变异的主控因素研究

准确地获取省域尺度下土壤有机碳空间变异的主控因素对土壤碳调控以及全球环境保护具有重要意义。本文基于江西省2012年测土配方施肥项目采集的16 582个耕地表层(0~20 cm)土壤样点数据,探讨江西省耕地表层土壤有机碳空间变异的主控因素。运用普通克里格法、单因素方差分析与回归分析方法对比地形因子、耕地利用方式、成土母质、土壤类型、灌溉能力和秸秆还田方式对江西省土壤有机碳空间分布的影响。结果表明:(1)江西省土壤有机碳含量在5.22~40.31 g/kg之间,平均值为17.90 g/kg,变异系数为31.01%,呈中等程度的变异性。(2)经半方差分析,土壤有机碳的变程为30.6 km,空间自相关范围较小;块金效应值为12.49%,表明土壤有机碳空间变异受结构性因素影响大于随机性因素。(3)在空间分布上,高值区主要分布在萍乡市、新余市、南昌市、抚州市与景德镇市。(4)回归分析与单因素方差分析结果表明,地形因子、灌溉能力、成土母质、耕地利用方式、土壤类型和秸秆还田方式对土壤有机碳空间变异影响均显著(P0.05),但影响程度不一。秸秆还田方式对土壤有机碳空间变异的独立解释能力最高,为38.9%,是江西耕地表层土壤有机碳空间变异的主控因素。     

小流域土壤有机碳密度空间变异特征的尺度效应研究

选择内蒙古赤峰市敖汉旗黄花甸子流域为研究对象,运用地统计学和Arc GIS空间分析工具相结合的方法研究流域内土壤有机碳密度的多尺度空间变异特征以及其影响因素。结果表明,土壤有机碳密度的空间变异性具有明显的多尺度效应,随着研究尺度的增大,土壤有机碳密度的块金系数逐级减小,小尺度下土壤有机碳表现为中等程度空间相关性;大、中尺度为强烈空间相关。结构性因素对土壤有机碳的空间变异作用逐渐增强,而同时削弱随机因素对其变异所产生的影响。地形因子与NDVI对土壤有机碳密度均有显著影响,大尺度的研究中,环境因子与有机碳密度的相关性由大到小表现为海拔坡度NDVI坡向;中、小尺度的研究则表现为NDVI海拔坡度坡向。     

Using Semivariogram and Moran's I Techniques to Evaluate Spatial Distribution of Soil Micronutrients

Spatial distributions of micronutrients in soils of Shouguang were evaluated using semivariogram and Moran's index (Moran‘s I) techniques to compare difference and veracity of these two spatial analysis methods. A total of 601 topsoil (0–20 cm) and 155 deep subsoil (150–200 cm) samples were collected on a symmetrical grid in the regional geochemical survey of soils in Shandong Province, and copper (Cu), iron (Fe), manganese (Mn), and zinc (Zn) concentrations were analyzed and compared. The results showed significant spatial correlations of micronutrients in Shouguang soils, and the spatial correlation degree was greater in topsoil than in deep subsoil. In topsoil and deep subsoil, the spatial correlation distance for each element obtained using the semivariogram technique was 20–60 km, whereas with Moran's I technique, the positive autocorrelation distance was 20–25 km and the negative autocorrelation distance was 25–55 km. The spatial autocorrelation degree was significant (P ≤ 0.05) for every micronutrient except deep subsoil Zn. Moran's I technique was able to distinguish between positive and negative autocorrelations and the results of semivariogram analysis gave the sum of the positive and negative autocorrelations. This study shows that Moran's I is more accurate and meaningful than semivariogram analysis for spatial autocorrelation of some soil attributes. These results provide the theoretical foundation for the application of spatial analysis methods, and Moran's I in particular, in environmental research.     

多尺度下的南方山地丘陵区耕地质量空间自相关分析——以江西省黎川县为例

分析不同尺度下的耕地质量空间分布格局,是提高耕地质量与加强耕地保护建设的基础。选取耕地质量等别监测试点县江西省黎川县为研究区,运用加权平均法、变异系数法和空间自相关分析法,以国家级耕地质量指数为空间变量,分别从县级、乡镇级和村级尺度上探讨了耕地质量的空间关联程度及其分异规律。研究结果表明:1)研究区耕地质量呈现出"南北高,东西低"的空间分布规律,耕地质量指数Mora’s I值表现为国家利用等指数国家经济等指数国家自然等指数,县级、乡镇级和村级耕地质量指数的Moran’s I值依次降低,三者均呈显著的空间正自相关集聚态势。2)随着空间尺度的不同,耕地质量指数具有不同的空间关联度,自然等指数受空间尺度影响较大,经济等指数其次,利用等指数最小。3)正相关高-高型和低-低型耕地以组团形式聚集分布,负相关高-低型和低-高型耕地无明显的集中区域,多以零星状分布。研究结果显示耕地质量空间差异对空间尺度的变化较为敏感,可为区域高标准基本农田建设、土地综合整治、耕地质量监测和耕地保护与管理分区提供借鉴参考。     

贵州山区土地利用变化多尺度空间自相关分析

该文以贵州省贵阳市花溪区1986年,1995年和2000年3个时段的土地利用变化数据为基础,运用地理信息系统技术,首先研究了0.2km×0.2km、0.4km×0.4km和0.6km×0.6km3个尺度土地利用变化的空间自相关性,分别建立不同尺度的经典线性回归模型和空间滞后模型,并对比2种模型的精度。结果表明,1986年、1995年和2000年花溪区的耕地、林地、草地、建设用地和水域在3个尺度都表现出较强的空间正相关性,空间相关性与研究尺度有关,随研究尺度变大空间自相关性逐渐下降。通过对比分析3个尺度空间滞后模型和经典线性回归模型,发现空间滞后模型的残差较小,解释能力比经典线性回归模型强,空间滞后模型的预测精度优于经典线性回归模型。该文研究可为喀斯特地区土地利用管理提供依据。     

环渤海沿海区域耕地格局及影响因子分析

为分析环渤海省市沿海区域耕地格局与影响因子的关系,以耕地在5 km×5 km网格单元所占比例为因变量,选用地形、距离、气候及人口等10个影响因子为自变量,分别建立普通最小二乘法线性回归模型、空间滞后模型、空间误差模型、地理加权回归模型。结果表明:耕地格局及各影响因子均呈现较强的空间正相关,并随距离增大而减少;针对该研究,空间滞后模型、空间误差模型和地理加权回归模型模拟效果均优于普通最小二乘法线性回归模型,空间误差模型优于空间滞后模型;从全局上来讲,高程、坡度、到最近公路距离与耕地格局呈负相关影响,距最近海岸线、铁路、居民点距离、多年平均气温和多年平均降水与耕地格局呈正相关。从局部上来讲,除了多年平均降水对各网格单元内耕地面积均呈正向影响外,其余影响因子随网格单元变化正负向影响均存在。多年平均气温和多年平均降水是主要的、最敏感的正向影响因子,高程、坡度和距最近水系距离为主要的、最敏感的负向影响因子。     

不同尺度下土壤养分空间变异特征的研究

在不同取样尺度下采集了农田土壤样品并测定土壤有机质、全N和有效P含量，研究不同尺度下地统计学方法对土壤养分空间变异分析的适用性和空间插值质量。研究结果表明，大比例尺下土壤有机质含量、有效P含量、全N含量的分布呈正态分布，在中小比例尺下呈现轻微偏态分布。各养分空间变异系数存在明显空间变异(C．V.介于17％—27％之间)，大比例尺下，空间变异较小；中小比例尺下，空间变异程度大(C.V.和峰度值较小)。在各种尺度下，土壤养分均存在典型的半方差结构，表明在各种取样比例尺下采用地统计学方法进行土壤养分空间变异分析都是可行的。在大中比例尺下，各养分块金系数介于0．28—0．38之间，表明土壤养分具有明显空间自相关；而在小比例尺下，块金系数介于0—0．17之间，表明土壤养分具有强烈空间自相关，其中有机质含量具有恒定的空间自相关(块金系数为0)，有效P含量的空间自相关程度相对较弱；空间插值和交互检验结果表明，球状模型空间插值结果与实测结果符合性很好，交互检验均达到极显著水平。在小比例尺下其估计比大比例尺下精度更高。不同养分的空间预测结果质量不尽相同，土壤有机质含量空间预测符合度最高。     

江淮丘陵区农田表层土壤有机碳空间变异——以定远县为例

以安徽省江淮丘陵区农业大县滁州市定远县为代表,运用统计学方法、地统计学方法和GIS技术研究了农田表层(0~20 cm)土壤有机碳(SOC)含量的空间分布及其影响因子。统计结果表明:研究区2011年SOC含量为(10.96±3.63)g/kg,变异系数为33.12%,属于中等变异程度。地统计分析结果表明,研究区SOC半方差模型为指数模型,存在强烈的空间自相关性,SOC含量在空间分布上表现为由东至西先递减后递增,大致呈带状分布。土壤颗粒组成和秸秆还田是影响SOC空间变异的主要因素。     

Assessment of Spatial Distribution of Selected Soil Properties using Geospatial Statistical Tools

To gain additional knowledge and better understand forest soil management on a small scale, geostatistical analytical tools were employed to examine the spatial distribution in dry aggregate mean weight diameter (MWD) and other selected soil properties and to assess the possible relationships between MWD and other soil properties. Selected properties of forest soils collected along a 300-m transact in the Nimbia Forest Reserve of Nigeria exhibited moderate to high variability in distribution with sodium ion displaying the greatest variability [coefficient of variation (CV, 91.2%)] and principal component analysis revealed the exchange complex cluster as influencing total variation of field soil properties. The autocorrelation function showed significant spatial correlation from 1 lag in soil organic carbon up to 17 lags (51 m) in soil moisture content (θ). The spherical and Gaussian semivariogram models described the spatial structure of most soil properties; however, for clay, cation exchange capacity (CEC), and soil organic carbon (SOC), an exponential model analyzed their spatial dependence.     

Effect of sampling density on regional soil organic carbon estimation for cultivated soils

An extensive knowledge of how sampling density affects soil organic C (SOC) estimation at regional scale is imperative to reduce uncertainty to a meaningful confidence level and aid in the development of sampling schemes that are both rational and economical. Using kriging prediction, this paper examined the effect of sampling density on regional SOC‐concentration estimations in cultivated topsoils at six scales in a 990 km² area of Yucheng County, a typical region in the N China Plain. Except the original data set (n = 394), five other sampling densities were recalculated using grids of 8 km × 8 km (n = 28), 8 km × 4 km (n = 44), 4 km × 4 km (n = 82), 4 km × 2 km (n = 142), and 2 km × 2 km (n = 257), respectively. Experimental SOC semivariances and kriging interpolations at six sampling density scales were calculated and modeled to estimate regional SOC variability. Accuracy of the effects of the five sampling densities on regional SOC estimations was assessed using the indices of mean error (ME) and root mean square error (RMSE) with 100 independent validation samples. By comparison with the kriged grid map derived from the 394 samples data set, the relative error (RE,%) was spatially calculated to highlight the spatial variability of prediction errors at five sampling‐density scales due to the intrinsic limitations of ME and RMSE in accuracy assessment. The results indicated that sampling density significantly affected the estimation of regional SOC concentration. Particularly when the sampling density was < 4 km × 4 km, the large spatial variation of SOC was concealed. Semivariance analysis indicated that different sampling density had significant effect on reasonable detection of the dominant factors which influenced SOC spatial variation. Greater sampling density could more exactly reveal regional SOC variation caused by human management. The prediction accuracy for regional SOC estimation increased with the increasing of sampling density. The critical areas with larger RE values should be intensified in the future sampling scheme, and the areas of lower RE values should be decreased relatively. A specific sampling scheme should be considered in accordance with the demand to the estimation accuracy of regional SOC stock at a certain confidence level. Our results will facilitate a better understanding of the effect of sampling density on regional SOC estimation for future sampling schemes by providing meaningful confidence levels.