陳　英，馮定邦，蔡立群，裴婷婷

(甘肅農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院， 甘肅 蘭州 730070)

?

耕作層土壤養(yǎng)分含量的空間自相關(guān)分析
——以秦安縣郭嘉鎮(zhèn)為例

陳英，馮定邦，蔡立群，裴婷婷

(甘肅農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院， 甘肅 蘭州 730070)

摘要：為了探究土壤養(yǎng)分含量的空間分布特征，運用空間自相關(guān)理論，在GeoDa095i，Arcgis等軟件的基礎(chǔ)上，以甘肅省秦安縣郭嘉鎮(zhèn)為例，采用Moran，I統(tǒng)計量研究了土壤主要養(yǎng)分元素含量在三種不同權(quán)重矩陣下的空間自相關(guān)程度以及空間分布規(guī)律。結(jié)果表明： 秦安縣郭嘉鎮(zhèn)耕作層土壤中各主要養(yǎng)分空間分布并非隨機狀態(tài)，而是存在一定的空間自相關(guān)特性； 全域型空間自相關(guān)的研究表明，rook權(quán)重下秦安縣郭嘉鎮(zhèn)耕作層土壤中有機質(zhì)、全氮、全磷、全鉀、有效磷和速效鉀含量的Moran's I指數(shù)分別為0.3088、0.0024、-0.0522、-0.2220、0.2678和0.2264，表明有機質(zhì)、全氮、有效磷和速效鉀的含量在空間分布上呈現(xiàn)空間正相關(guān)，而全磷和全鉀的含量在空間分布上呈現(xiàn)空間負相關(guān)； 局域空間自相關(guān)結(jié)合Moran散點圖和LISA聚集圖的分析結(jié)果揭示出郭嘉鎮(zhèn)各行政村養(yǎng)分元素含量分布的空間分布規(guī)律，可以直觀地得到各養(yǎng)分元素含量分布的“高—高”、“低—低”聚集區(qū)和“低—高”、“高—低”孤立區(qū)的具體位置，其中有機質(zhì)、全氮、有效磷和速效鉀都在空間分布上出現(xiàn)“高-高”聚集區(qū)和“低-低”聚集區(qū)，而全磷的含量只有“低-低”聚集區(qū)，全鉀的含量在空間分布上較為分散，沒有明顯的聚集區(qū)。

關(guān)鍵詞：耕作層；土壤養(yǎng)分含量；空間自相關(guān)；郭嘉鎮(zhèn)

土壤養(yǎng)分是指土壤中能被植物所吸收的且植物生長所必需的營養(yǎng)元素，其含量的多少直接影響到植被的生長狀況，而耕作層中的土壤養(yǎng)分含量直接影響到農(nóng)作物的產(chǎn)量[1]。因此研究土壤養(yǎng)分含量對于植物健康生長、高產(chǎn)具有重要的現(xiàn)實意義。

目前學(xué)術(shù)界對于土壤養(yǎng)分含量的研究主要集中在土壤養(yǎng)分含量的測定與評價，土壤養(yǎng)分含量的變化分析以及土壤養(yǎng)分含量的空間差異特征[2-5]。其中土壤養(yǎng)分空間變異研究多習(xí)慣上用地域統(tǒng)計學(xué)方法評價土壤性質(zhì)的空間變異，并進一步采用不同的差值的方法估計研究區(qū)域土壤性質(zhì)的變化，再通過匯總土壤性質(zhì)分布圖等，反映某一土壤性質(zhì)的變化[6-8]。空間自相關(guān)分析(Spatial Autocorrelation Analysis)是判斷某一地理現(xiàn)象的屬性值在空間分布上是否具有相關(guān)性，特定屬性值在某一空間位置上的變異是否由相鄰空間位置的變異引起的空間統(tǒng)計方法[9-10]?？臻g自相關(guān)自1950年Moran等提出以來，在空間差異性研究中得到較廣泛應(yīng)用，張朝生等[11]指出除了地域統(tǒng)計學(xué)以外，空間自相關(guān)方法也可用于土壤空間結(jié)構(gòu)研究。目前空間自相關(guān)在土壤中微量元素、重金屬的空間變異中已有大量研究，并且顯示出了其相比于傳統(tǒng)地域統(tǒng)計更直觀、簡便、準(zhǔn)確等特點[9,11-13]。但在研究土壤養(yǎng)分含量的空間變異方面卻鮮有報道。因此本研究將空間自相關(guān)和土壤養(yǎng)分含量相結(jié)合，探討秦安縣郭嘉鎮(zhèn)耕作層土壤養(yǎng)分元素含量的空間自相關(guān)特征，并進一步研究其空間分布規(guī)律，判斷土壤養(yǎng)分元素的空間聚集區(qū)和空間孤立區(qū)的位置，確定合理的土壤養(yǎng)分管理單元，以期為合理施肥和土地利用規(guī)劃等提供科學(xué)依據(jù)。

1研究區(qū)概況與研究方法

1.1研究區(qū)概況

郭嘉鎮(zhèn)位于甘肅省天水市秦安縣北部(圖1)，距縣城20 km，地處通渭、甘谷、秦安縣三縣的交匯地帶，屬隴中南部溫和半溫和濕潤季風(fēng)氣候區(qū)，年平均氣溫10.4℃，年平均降水量507.3 mm，年降水一般集中在7、8、9三個月。氣候特點為氣候溫和，日照充足，降水較少，干旱頻繁，夏無酷暑、冬無嚴(yán)寒，大陸季風(fēng)氣候顯著。郭嘉鎮(zhèn)也是全縣的農(nóng)業(yè)人口大鎮(zhèn)，全鎮(zhèn)有35個行政村，111個村民小組，耕地面積約6 652.6 hm2。全鎮(zhèn)總的特點是山多川少，人多地少，農(nóng)業(yè)基礎(chǔ)設(shè)施較為脆弱。郭嘉鎮(zhèn)土壤主要是灰鈣土、黑壚土、黃綿土和潮土，土壤結(jié)構(gòu)為團粒狀，耕層厚度約為22～25 cm，主要種植的經(jīng)濟作物為小麥、玉米、馬鈴薯等。全鎮(zhèn)以農(nóng)業(yè)人口為主，農(nóng)業(yè)產(chǎn)業(yè)是該鎮(zhèn)的主要經(jīng)濟支柱。

圖1研究區(qū)示意圖及土壤樣點分布

Fig.1Schematic diagram of the target area and soil sampling sites

1.2采樣與分析

以ARCgis9.3為操作平臺，1∶150 000的秦安縣郭嘉鎮(zhèn)行政村圖為基礎(chǔ)，行政村為基本行政規(guī)劃單元，按照每個規(guī)劃單元內(nèi)不同耕地面積的大小、地形地貌、土壤類型的復(fù)雜程度，確定采樣點的個數(shù)，再根據(jù)土壤類型的具體分布狀況，調(diào)整樣點分布位置，本次確定各行政村采樣2～4個(圖1)。對秦安縣郭嘉鎮(zhèn)土壤樣品的采集在作物收獲后土壤施肥前進行，在全鎮(zhèn)35個行政村農(nóng)田耕地上采樣，采用“S”形布點法，用GPS定位儀精確定位，用土鉆采取表層(0～20 cm)[14]土壤，現(xiàn)場均勻混合后用四分法從中選取1 kg土樣作為代表該點的混合樣品，將每個土樣裝入聚氯乙烯塑料袋，內(nèi)外均附標(biāo)簽，標(biāo)明采樣編號、名稱、采樣深度、采樣地點、日期、采集人。將所有土樣帶回實驗室，在室內(nèi)風(fēng)干、磨碎，過100目尼龍網(wǎng)篩，全鎮(zhèn)共采100個混合樣。

土壤樣品的化學(xué)分析項目由甘肅省農(nóng)業(yè)科學(xué)院土壤肥料研究所在2012年按照1985年第二次全國土壤普查時相同的化驗分析方法完成，主要包括土壤有機質(zhì)、全氮、全磷、全鉀、有效磷和速效鉀含量的測定。具體的土壤樣品分析方法為：土壤有機質(zhì)含量的測定用K2Cr2O7容量法，全氮含量的測定用半微量凱氏法，全磷含量的測定用NaOH熔融—鉬銻抗比色法，全鉀含量的測定用NaOH熔融—火焰光度法，有效磷含量的測定用Na2CO3浸提—鉬銻抗比色法，速效鉀含量的測定用NH4OAc浸提—火焰光度法。

1.3空間自相關(guān)性分析

本研究采用Anselin等開發(fā)的Geoda095i軟件進行空間權(quán)重計算和Moran's I指數(shù)計算，運用全域型空間自相關(guān)分析耕作層土壤養(yǎng)分含量的空間自相關(guān)性[15]，運用區(qū)域型空間自相關(guān)判別各養(yǎng)分的空間聚集或空間離散區(qū)，用ArcGIS 9.3進行相關(guān)圖形的繪制[16]。

空間自相關(guān)分析是檢驗具有某變量在特定空間位置上的屬性值是否與其相鄰空間位置上的屬性值顯著相關(guān)[17]?？臻g自相關(guān)可分為全局空間自相關(guān)(Global Spatial Autocorrelation)和局部空間自相關(guān)(Local Spatial Autocorrelation)兩種，前者主要是檢測變量的屬性值在空間上是否具有相關(guān)性和規(guī)律性，而后者則主要是表示變量的屬性值在空間上的聚集或者離散區(qū)域。最常用的表示空間自相關(guān)的指標(biāo)是Moran's I 統(tǒng)計量。全局空間自相關(guān)的Moran's I的計算公式[10]為：

(1)

運用Moran's I統(tǒng)計量進行空間自相關(guān)分析時，空間權(quán)重矩陣是很重要的一個量，它決定了變量屬性值的空間位置?？臻g權(quán)重矩陣的選擇一般由研究者自行確定，可以是基于鄰接關(guān)系的空間權(quán)重或基于距離的空間權(quán)重。計算離散點的Moran's I通常用基于距離標(biāo)準(zhǔn)構(gòu)建的空間權(quán)重矩陣，若兩點之間的距離小于指定的臨界值即認為其是相鄰的，權(quán)重為1，否則為0[18]。全域型Moran's I指數(shù)主要是判定研究變量的屬性值在空間位置上相關(guān)性，進而判別區(qū)域化變量在研究區(qū)內(nèi)是否存在空間聚集區(qū)和空間孤立區(qū)。I值取值在-1～1之間，其值越大，則空間相關(guān)性越顯著，I>0表示變量在空間上呈現(xiàn)正相關(guān)，存在空間聚集；I<0表示研究變量在空間上呈現(xiàn)負相關(guān)，存在空間孤立；I=0表示研究變量空間不存在空間自相關(guān)性[19]。

區(qū)域型Moran’s I指數(shù)被定義為：

(2)

式(2)中各變量的含義同式(1)。

全域型空間自相關(guān)的功能在于描述土壤養(yǎng)分元素含量的整體分布狀況，判斷土壤養(yǎng)分元素含量分布是否存在空間聚集區(qū)和空間孤立區(qū)，而區(qū)域型空間自相關(guān)指標(biāo)結(jié)合Moran散點圖可以對土壤養(yǎng)分元素含量的空間格局可視化，以進一步研究土壤養(yǎng)分含量的空間分布規(guī)律。指出土壤養(yǎng)分元素含量的空間聚集區(qū)和空間孤立區(qū)在研究區(qū)內(nèi)的位置。

本研究利用區(qū)域型空間自相關(guān)指標(biāo)結(jié)合LISA聚集圖將土壤養(yǎng)分元素含量空間分布劃分為4種類型：“高—高”、“低—低”為空間聚集(Spatial clusters)，表示某觀測點自身與其周圍觀測點的養(yǎng)分元素含量都較高或較低，二者的空間差異程度顯著較小，空間自相關(guān)程度較高；“低—高”、“高—低”為空間孤立(Spatial outliers)，表示某觀測點自身土壤養(yǎng)分元素含量較高(或較低)，而其周圍觀測點的土壤養(yǎng)分元素含量較低(或較高)，為高低相鄰，二者的空間差異程度顯著較大，空間自相關(guān)程度較低。

2結(jié)果與分析

2.1秦安縣郭嘉鎮(zhèn)土壤養(yǎng)分元素含量

對秦安縣郭嘉鎮(zhèn)耕作層的土樣進行化驗分析，測出6種土壤養(yǎng)分元素的含量，利用數(shù)理統(tǒng)計的方法，以行政村為基本規(guī)劃單元，得到各行政村養(yǎng)分元素含量的平均值，見表1。

表1　各行政村土壤養(yǎng)分含量

2.2土壤養(yǎng)分元素含量全域空間自相關(guān)性

利用Geoda軟件分析在rook、queen、k-nearest三種空間權(quán)重矩陣下土壤養(yǎng)分元素含量Moran’s I指數(shù)，結(jié)果見表2。從表2中可以看出：

(1) 在rook權(quán)重矩陣下，有機質(zhì)、全氮、有效磷和速效鉀含量Moran's I指數(shù)均大于0，分別是0.3088、0.0024、0.2678和0.2264，表明有機質(zhì)、全氮、有效磷和速效鉀含量在空間上呈現(xiàn)正相關(guān)，存在空間聚集區(qū)，且有機質(zhì)、有效磷和速效鉀含量Moran's I指數(shù)較大，其空間相關(guān)程度也較大，全氮含量Moran's I指數(shù)較小，其空間相關(guān)程度較??；全磷和全鉀含量Moran's I指數(shù)均小于0，分別為-0.0522和-0.2200，表明全磷和全鉀含量在空間上呈現(xiàn)負相關(guān)，存在空間孤立區(qū)，且全鉀含量Moran's I指數(shù)絕對值較大，其空間相關(guān)程度也較大，全磷含量Moran's I指數(shù)較小，其空間相關(guān)程度較小。

(2) 在queen權(quán)重矩陣下，有機質(zhì)、全氮、有效磷和速效鉀含量Moran's I指數(shù)均大于0，分別是0.3190、0.0108、0.2666和0.2268，表明有機質(zhì)、全氮、有效磷和速效鉀含量在空間上呈現(xiàn)正相關(guān)，存在空間聚集區(qū)，且有機質(zhì)、有效磷和速效鉀含量Moran's I指數(shù)較大，其空間相關(guān)程度也較大，全氮含量Moran's I指數(shù)較小，其空間相關(guān)程度較??；全磷和全鉀含量Moran's I指數(shù)均小于0，分別為-0.0306和-0.2410，表明全磷和全鉀含量在空間上呈現(xiàn)負相關(guān)，存在空間孤立區(qū)，且全鉀含量Moran's I指數(shù)較大，其空間相關(guān)程度也較大，全磷含量Moran's I指數(shù)較小，其空間相關(guān)程度較小。

表2　不同空間權(quán)重矩陣下土壤養(yǎng)分元素含量Moran's I指數(shù)

(3) 在k-nearest權(quán)重矩陣下，有機質(zhì)、有效磷和速效鉀含量Moran's I指數(shù)均大于0，分別是0.2212、0.2773和0.2124，表明有機質(zhì)、有效磷和速效鉀含量在空間上呈現(xiàn)正相關(guān)，存在空間聚集區(qū)，且相關(guān)程度大小依次為有效磷、有機質(zhì)、速效鉀含量；全氮、全磷和全鉀含量Moran's I指數(shù)均小于0，分別為-0.0176、-0.0020和-0.2381，表明全氮、全磷和全鉀含量在空間上呈現(xiàn)負相關(guān)，存在空間孤立區(qū)，且全鉀含量Moran's I指數(shù)較大，其空間相關(guān)程度也較大，全氮和全磷含量Moran's I指數(shù)較小，其空間相關(guān)程度較小。

綜上，在rook權(quán)重矩陣、queen權(quán)重矩陣和k-nearest權(quán)重矩陣的影響下，有機質(zhì)、有效磷和速效鉀的指數(shù)均為正值，即這三種養(yǎng)分含量呈的空間正相關(guān)，而全磷和全鉀的Moran's I指數(shù)在三種權(quán)重矩陣作用下均為負值，即在空間分布上呈現(xiàn)空間負相關(guān)。全氮的Moran's I指數(shù)值在前兩種空間權(quán)重矩陣影響下為正值，而在k-nearest權(quán)重矩陣的作用下為負值，說明選擇不同的空間權(quán)重矩陣，對Moran's I指數(shù)的影響較大。

2.3土壤養(yǎng)分元素含量區(qū)域空間自相關(guān)分析

通過分析全域型空間自相關(guān)得到三種空間權(quán)重矩陣的相關(guān)程度較高，尤其是rook權(quán)重矩陣和queen權(quán)重矩陣下的空間自相關(guān)程度基本一致，因此，在LISA中選擇rook權(quán)重矩陣分析局部空間自相關(guān)分析。分析得到6種養(yǎng)分元素rook權(quán)重矩陣下的Moran散點圖和LISA聚集圖。

圖2中，從有機質(zhì)的Moran散點圖可以看出，有機質(zhì)含量Moran's I指數(shù)為0.3088，表明有機質(zhì)含量在空間上呈現(xiàn)正相關(guān)，從有機質(zhì)的LISA聚集圖可以

圖2有機質(zhì)的Moran散點圖和LISA聚集圖

Fig.2Moran scatter diagram and LISA accumulation map of organic matter

看出高值聚集區(qū)主要分布在孫坡村、暖泉村、郭嘉村、下山村和洛泉村，即這些行政村的有機質(zhì)含量較高，其周圍的有機質(zhì)含量也較高，因此形成了“高-高”聚集區(qū)；低值聚集區(qū)主要分布在張和村、邵溝村、上川村和段坡村，即這一區(qū)域內(nèi)的有機質(zhì)含量較低，其周圍區(qū)域的有機質(zhì)含量也較低，因此形成了“低-低”聚集區(qū)。有機質(zhì)含量的分布出現(xiàn)了一個高值孤立點，主要分布在月陽村，即月陽村相對周圍的有機質(zhì)含量較高。

圖3中，從全氮的Moran散點圖可以看出，全氮含量Moran’s I指數(shù)為0.0209，表明全氮含量在空間上呈現(xiàn)正相關(guān)，全氮含量的空間自相關(guān)程度相對較低。從全氮的LISA聚集圖可以看出在劉溝村和洛泉村出現(xiàn)了全氮含量的“高—高”聚集區(qū)，在孫坡村出現(xiàn)了全氮含量的“低—低”聚集區(qū)。

圖4中，從全磷的Moran散點圖可以看出，全磷含量Moran's I指數(shù)為-0.0448，表明全磷含量在空間上呈現(xiàn)負相關(guān)，相關(guān)程度較小，從全磷的LISA聚集圖可以看出在瓦坪村和邵咀村出現(xiàn)了全磷含量的“低—低”聚集區(qū)，在胡河村和槐川村出現(xiàn)了全磷的“高—低”孤立區(qū)。

圖5中，從全鉀的Moran散點圖可以看出，全鉀含量Moran's I指數(shù)為-0.2354，表明全鉀含量在空間上呈現(xiàn)負相關(guān)，從全鉀的LISA聚集圖可以看出在背后溝村、邵堡村和槐廟村出現(xiàn)了全鉀含量的“低—高”孤立區(qū)，在硬洼村和元川村出現(xiàn)了全鉀含量的“高—低”孤立區(qū)。

圖3　全氮的Moran散點圖和LISA聚集圖

圖4全磷的Moran散點圖和LISA聚集圖

Fig.4Moran scatter diagram and LISA accumulation map of total phosphorus

圖7中，從速效鉀的Moran散點圖可以看出，速效鉀含量Moran's I指數(shù)為0.2431，表明速效鉀含量空間上呈現(xiàn)正相關(guān)，從速效鉀的LISA聚集圖可以看出在西山村、月陽村、把龍村、吊灣村和劉灣村出現(xiàn)了速效鉀含量的“高—高”聚集區(qū)，在上川村和邵溝村出現(xiàn)了速效鉀含量的“低—低”聚集區(qū)，在陳溝村出現(xiàn)了速效鉀含量的“低—高”孤立區(qū)。

圖6有效磷的Moran散點圖和LISA聚集圖

Fig.6Moran scatter diagram and LISA accumulation map of available phosphorus

3討論

1) 與傳統(tǒng)的地域統(tǒng)計學(xué)方法相比較，空間自相關(guān)不僅可以反映變量的正負相關(guān)性，而且在殘差存在空間自相關(guān)時可以精準(zhǔn)測量結(jié)果[20]。本文通過運用空間自相關(guān)理論對秦安縣郭嘉鎮(zhèn)耕作層6種養(yǎng)分元素含量的空間分布特征進行了探討，根據(jù)6種土壤養(yǎng)分含量的Moran's I指數(shù)確定其空間分的相關(guān)性及其相關(guān)性大小。對養(yǎng)分含量進一步的區(qū)域自相關(guān)分析得出該鎮(zhèn)耕作層土壤養(yǎng)分元素含量具有一定的自相關(guān)關(guān)系，存在“高—高”、“低—低”空間聚集區(qū)和“低—高”、“高—低”空間孤立區(qū)，并能明確指出空間聚集和空間孤立的具體所在行政村位置。該鎮(zhèn)土壤養(yǎng)分元素含量既有聚集分布，也有孤立分布，土壤養(yǎng)分元素含量差異性較顯著，并不是均等分布，這是由地質(zhì)構(gòu)造、成土作用、施肥以及人為因素等共同作用的結(jié)果。

圖7速效鉀的Moran散點圖和LISA聚集圖

Fig.7Moran scatter diagram and LISA accumulation map of available potassium

2) 秦安縣郭嘉鎮(zhèn)大部分土壤類型為黑壚土和黃綿土，整體上為中等肥力等級，通過該鎮(zhèn)各行政村土壤養(yǎng)分含量差異的分析比較，此研究結(jié)果可以用于指導(dǎo)施肥和土地利用的規(guī)劃，對各養(yǎng)分含量較低的行政村采取相應(yīng)的施肥方案，從而達到提高作物產(chǎn)量，改善農(nóng)產(chǎn)品品質(zhì)，節(jié)省勞力，節(jié)支增收的目的；對于該鎮(zhèn)耕作層土壤養(yǎng)分含量低且難以改良的耕地，可根據(jù)具體情況分析，可以改變其種植制度，如輪作、撂荒等，或改變其土地利用方式，發(fā)展多種農(nóng)業(yè)經(jīng)營方式，例如果椒和蔬菜等，做到因地制宜，確保農(nóng)業(yè)發(fā)展，農(nóng)民增收。

3) 本研究中只選取了耕作層6種常規(guī)營養(yǎng)元素指標(biāo)來分析，而對作物生長還需考慮其他不可或缺的中、微量必需營養(yǎng)元素等；另外，本研究只對該區(qū)域耕作層土壤養(yǎng)分含量的自相關(guān)關(guān)系進行分析，而不同深度土層土壤的養(yǎng)分含量的自相關(guān)關(guān)系等研究仍需要后續(xù)大量研究探索。

4結(jié)論

通過對秦安縣郭嘉鎮(zhèn)各行政村耕作層土壤中6種養(yǎng)分元素含量的空間自相關(guān)進行分析，得到結(jié)論：

1) 空間自相關(guān)可作為一種新方法分析耕作層土壤養(yǎng)分含量。

2) 全域型空間自相關(guān)表明秦安縣郭嘉鎮(zhèn)土壤養(yǎng)分元素含量的空間分布并非隨機狀態(tài)，而是存在一定的空間自相關(guān)特性。在rook權(quán)重矩陣、queen權(quán)重矩陣和k-nearest權(quán)重矩陣的影響下，有機質(zhì)、有效磷和速效鉀的Moran's I指數(shù)均為正值，即這三種養(yǎng)分含量呈空間正相關(guān)，而全磷和全鉀的Moran's I指數(shù)在三種權(quán)重矩陣作用下均為負值，即在空間分布上呈現(xiàn)空間負相關(guān)。全氮的Moran's I指數(shù)值在前兩種空間權(quán)重矩陣影響下為正值，而在k-nearest權(quán)重矩陣的作用下為負值，說明選擇不同的空間權(quán)重矩陣，對Moran's I指數(shù)的影響較大。

3) 區(qū)域型空間自相關(guān)結(jié)合Moran散點圖和LISA聚集圖的分析結(jié)果揭示了郭嘉鎮(zhèn)各行政村養(yǎng)分元素含量的空間分布規(guī)律，可以直觀地得到各養(yǎng)分元素含量分布的“高—高”、“低—低”聚集區(qū)和“低—高”、“高—低”孤立區(qū)的具體位置，即得出郭嘉鎮(zhèn)各行政村養(yǎng)分元素含量分布之間的空間自相關(guān)關(guān)系。局域空間自相關(guān)的研究結(jié)果表明有機質(zhì)、全氮、有效磷和速效鉀都在空間分布上出現(xiàn)“高-高”聚集區(qū)和“低-低”聚集區(qū)，而全磷的含量只有“低-低”聚集區(qū)，全鉀的含量在空間分布上較為分散，沒有明顯的聚集區(qū)。

參 考 文 獻：

[1]黃昌勇,徐建明.土壤學(xué)[M].北京:中國農(nóng)業(yè)出版社,2010.

[2]梁永鋒.固原市原州區(qū)土壤養(yǎng)分含量的測定與評價[J].安徽農(nóng)業(yè)科學(xué)，2012,40(36):17566-17588.

[3]白崗栓,張占山,李志熙.仁用杏園不同土層土壤養(yǎng)分含量的測定[J].干旱地區(qū)農(nóng)業(yè)研究，2006,24(2):75-78.

[4]封芙蓉,汪秋女.休寧縣土壤養(yǎng)分含量變化分析[J].安徽農(nóng)學(xué)通報，2013,19(3):81-82.

[5]羅洮峰.加壓滴管條件下土壤養(yǎng)分含量的變化研究[J].新疆農(nóng)墾科技，2012，(8):32-33.

[6]張萍,黃永文,陳燕華,等.宜昌典型土壤養(yǎng)分含量及相關(guān)分析[J].湖北農(nóng)業(yè)科學(xué),2012,51(24):5628-5632.

[7]穆葉賽爾·吐地,吉力力·阿不都外力,姜逢清.天山北坡林沿土壤養(yǎng)分含量的區(qū)域差異特征研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報，2013,21(5):580-589.

[8]古麗娜爾·托合提,海米提·依米提,米日姑·買買提,等.伊犁河谷土壤含鹽量空間變異和格局分析[J].干旱地區(qū)農(nóng)業(yè)研究,2011,29(2):152-158.

[9]黃智剛.丘陵紅壤蔗區(qū)土壤的中微量營養(yǎng)元素的空間變異[J].中國土壤與肥料,2006,(6):16-32.

[10]霍霄妮,李紅,孫丹峰,等.北京耕作土壤重金屬含量的空間自相關(guān)分析[J].環(huán)境科學(xué)學(xué)報,2009,29(6):1339-1344.

[12]梁二，王小彬，蔡典雄，等.河南省土壤有機碳分布空間自相關(guān)分析[J].應(yīng)用生態(tài)學(xué)報,2007,18(6):1305-1310.

[13]劉永生.華北平原土壤重金屬元素空間自相關(guān)研究[D].北京:中國地質(zhì)大學(xué),2012.

[14]彭世逞,陳剛.1985—2006年西昌市農(nóng)田主要肥力指標(biāo)變化情況分析[J].安徽農(nóng)業(yè)科學(xué),2008,36(35):15590-15592.

[15]劉永生，楊楠，王軼，等.保定—滄州地區(qū)基于空間自相關(guān)分析的土壤區(qū)域監(jiān)測點網(wǎng)絡(luò)密度研究[J].水文地質(zhì)工程地質(zhì),2012,39(5):126-131.

[16]張新峰.空間自相關(guān)的數(shù)據(jù)分析方法與應(yīng)用研究—以南亞海嘯對海洋生態(tài)因子的影響為例[D].蘭州：蘭州大學(xué),2009.

[17]徐建華.計量地理學(xué)[M].北京:高等教育出版社,2006.

[18]劉仲剛,李滿春,劉劍鋒,等.面向離散點的空間權(quán)重矩陣生成算法與實證研究[J].地理與地理信息科學(xué),2006，22(3):53-56.

[19]楊奇勇,楊勁松,余世鵬,等.不同尺度下耕地土壤Cr含量的空間自相關(guān)性分析[J].應(yīng)用與環(huán)境生物學(xué)報,2011,17(3):393-397.

[20]張朝生,章申,何建邦.長江水系沉積物重金屬含量空間分布特征研究—空間自相關(guān)與分形方法[J].地理學(xué)報,1998,53(1):87-96.

Spatial autocorrelation analysis on soil nutrient contents of plough layer

——A case from Guojia Town, Qinan County

CHEN Ying, FENG Ding-bang, CAI Li-qun, PEI Ting-ting

(CollegeofResourcesandEnvironment,GansuAgriculturalUniversity,Lanzhou,Gansu730070,China)

Abstract：In order to explore the spatial distribution of soil nutrient content at Qinan County of Gansu Province, we employed the method of spatial autocorrelation using software like GeoDa095i and ArcGIS. The results showed that: (1) the spatial distribution of the soil nutrient elements in Guojia, Qinan County had a fixed spatial distribution rather than random; (2) Under the rook weight matrix, global-type spatial autocorrelation analysis indicated positive spatial correlations among soil organic matter, total nitrogen content, available phosphorus and available potassium content showed,with the Moran's I indexes being 0.3088, 0.0024, 0.2678, 0.2264, respectively. By contrast, negative correlation existed between total phosphorus and total potassium content, the Moran’s I values -0.0522 and -0.2220, respectively. (3) Local spatial autocorrelation analysis revealed a “high-high” and ”low-low” concentrating pattern and a “l(fā)ow-high” and “high-low” dispersing pattern for nutrients content, a “high-high” and “l(fā)ow-low” pattern for organic matter, total nitrogen, available phosphorus and available potassium, and a “l(fā)ow-low” pattern for total phosphorus.

Keywords:plough layer; soil nutrients; spatial autocorrelation; Guojia Town

中圖分類號：S151.9+5

文獻標(biāo)志碼：A

作者簡介：陳英(1969—)，男，甘肅武威人，副教授，博士，主要研究方向為土地生態(tài)與土地資產(chǎn)管理。 E-mail：cheny@gsau.edu.cn。

基金項目：國家自然科學(xué)基金項目(71263003)

收稿日期：2015-04-15

doi:10.7606/j.issn.1000-7601.2016.01.11

文章編號：1000-7601(2016)01-0066-08