方慧婷，蒙繼華，程志強

?

基于遙感與作物模型的土壤速效養(yǎng)分時空變異分析

方慧婷1,2，蒙繼華1，程志強1

（1中國科學院遙感與數字地球研究所數字地球重點實驗室，北京 100101；2中國科學院大學，北京 100101）

【目的】研究在均衡施肥模式下，雙山農場2012—2016年間土壤速效養(yǎng)分的時空變異特征，分析施肥管理、輪作模式等人為因素和氣象、地形等自然因素對速效養(yǎng)分變化的影響，該研究成果可為土壤速效養(yǎng)分管理和作物變量施肥提供參考依據?！痉椒ā恳噪p山基地農場為例，通過時間序列HJ-1 CCD遙感數據和作物模型WOFOST反演得到土壤速效養(yǎng)分?；谝陨贤寥浪傩юB(yǎng)分數據在不同時間尺度（年際間和生長季內）和不同空間尺度（農場尺度和田塊尺度）上的速效養(yǎng)分時空變異分析。利用土壤速效養(yǎng)分分級圖來定性分析養(yǎng)分在5年內的空間變異特征；選取相應的統(tǒng)計參量對土壤速效養(yǎng)分的平均含量和變異性進行定量分析；利用線性回歸來分析速效養(yǎng)分的變化量與初始含量的關系；以及養(yǎng)分變化曲線圖分析速效養(yǎng)分的時間變化特征?！窘Y果】在均衡的農田施肥管理模式下，2012—2016年農場的土壤速效氮（AN）、速效磷（AP）和速效鉀（AK）含量平均值變化不大，速效養(yǎng)分高值和低值都在向中間值靠攏，分別集中于280—360 mg·kg-1、38—42 mg·kg-1和160—200 mg·kg-1，該部分面積比例分別增加18.5%、23.1%和23.8%，養(yǎng)分含量整體呈現均一化特征。AN、AP和AK的變異系數分別從2012年的0.314、0.112和0.257變?yōu)?016年的0.131、0.034和0.098，速效養(yǎng)分分布的空間差異性在減弱。AN，AP變化量均與初始值呈現極顯著的負相關，2分別為0.839和0.882，AK的2為0.569，其相關性較弱與土壤中的速效鉀本身不穩(wěn)定有關。通過相鄰地塊的養(yǎng)分變化分析可知，田塊尺度上的土壤速效養(yǎng)分也表現出明顯的均一化特征，輪作模式是影響田塊間養(yǎng)分變化差異的主要因素，對于輪作模式完全相反的#1和#2田塊，人工施肥決定了田塊內養(yǎng)分變化的總體趨勢，對于豆科作物，固氮作用對土壤速效氮的含量變化作用明顯。溫度升高在一定程度上會促進作物對養(yǎng)分的吸收，但這種影響不足以改變養(yǎng)分變化的總體趨勢。土壤的淋洗對養(yǎng)分的空間變異起到決定性作用，特別是強度較大的降水。降水對養(yǎng)分空間變異的影響在地形差異較大的區(qū)域，表現得更加明顯?！窘Y論】農田的施肥管理和作物輪作模式是土壤速效養(yǎng)分變化的主導因素；其次是氣候因素，雨水對土地的淋洗會導致土壤速效養(yǎng)分的流失和下降，該作用在地形差異較大的地區(qū)更加明顯；速效養(yǎng)分的變化量與養(yǎng)分初始含量關系顯著；溫度的升高會促進土壤速效養(yǎng)分的降低，其影響力小于降水。以上變化規(guī)律均可納入后期速效養(yǎng)分的預測研究中，對這些影響因子賦予不同的權值，進行預測模型的構建。以期對作物年際間和生長季內的速效養(yǎng)分的變化進行實時動態(tài)監(jiān)測。

土壤速效養(yǎng)分；時空變異特征；作物模型；均衡施肥；相關性分析

0 引言

【研究意義】土壤速效氮（available nitrogen，AN）、速效磷（available phosphorus，AP）、速效鉀（available potassium，AK）是決定作物生長，農田穩(wěn)定輸出和生態(tài)平衡的關鍵因素。土壤是包含作物生長所需養(yǎng)分的載體，是在時間和空間上均連續(xù)的變異體。土壤屬性因土質、地貌、降水以及人為的施肥灌溉等原因，而表現出高度的時空變異的特性[1-5]。該特性表現為，即使在土質相同的同一片區(qū)域內，同一時刻的不同空間位置，土壤屬性也存在明顯的差異[6]。傳統(tǒng)的農業(yè)生產通常不考慮這種差異性，對農作物地塊采取均一化施肥管理。這種盲目的施肥方式，不僅降低了資源的利用率，還會造成區(qū)域水體的污染。因此，研究土壤速效養(yǎng)分的時空變化規(guī)律對保護區(qū)域土壤環(huán)境、保障糧食產量和促進農業(yè)的可持續(xù)發(fā)展有著重要的指導意義?！厩叭搜芯窟M展】目前對土壤養(yǎng)分變異分析的研究，主要是基于地面調查法、土壤光譜法以及利用植被指數反演法獲取的土壤養(yǎng)分數據。對于地面調查數據，利用地統(tǒng)計方法進行土壤養(yǎng)分時空變異分析的研究已有不少[7-9]，該方法在單點上可以保持較高精度，但是存在代表性差、成本高、時效性差等缺點[10]，影響?zhàn)B分變異的分析精度。土壤的反射光譜可以有效表征土壤中的養(yǎng)分信息[11]。目前基于地面光譜數據的土壤養(yǎng)分分析的研究已有不少[12-13]。遙感技術的發(fā)展使得快速大面積獲取土壤信息成為可能[14]。其中基于高光譜遙感數據來反演土壤養(yǎng)分信息得到廣泛應用[15-16]，在此基礎上進行養(yǎng)分時空變異分析，可以有效減少單點面尺度外推所帶來的不確定性。但該方法模型建立需要裸土期的高光譜數據，對遙感數據的獲取時間和質量要求較高，且主要獲取的是土壤表層的養(yǎng)分，使其應用受到限制。植被指數法則通過建立土壤養(yǎng)分和作物長勢參數的聯系，利用遙感數據反演作物長勢參數來獲得土壤養(yǎng)分含量[17]，可以實現土壤養(yǎng)分變化的動態(tài)監(jiān)測[18]，但是目前采用的多為經驗統(tǒng)計模型，其準確性和穩(wěn)定性往往無法保證?！颈狙芯壳腥朦c】作物模型能夠很好地模擬作物的生理生化特征以及土壤養(yǎng)分的變化情況[19]，遙感數據彌補了作物模型基于單點外推導致的參數標定問題，可以實現土壤養(yǎng)分的實時有效監(jiān)測，該方法可彌補經驗統(tǒng)計模型的不足，提高反演的準確性和穩(wěn)定度[20-22]，從而提高土壤養(yǎng)分變化分析結果的準確性。但是目前基于作物模型反演的土壤養(yǎng)分進行變異性分析的研究較少?，F階段有關土壤養(yǎng)分變化的研究多以一年或者10年作為單一時間尺度[23-26]，雖然可以在較大時間尺度上掌握土壤養(yǎng)分的動態(tài)變化，但是從精準農業(yè)的角度考慮，在作物生長季內的較小時間尺度上進行土壤養(yǎng)分分析更利于變量施肥，提高資源利用率和作物產量。有關土壤養(yǎng)分分析的空間尺度選擇，有從大空間尺度上考慮土壤類型和土質變化等對養(yǎng)分變化的影響[27-29]；對于中小尺度上的土壤養(yǎng)分分析，有針對單一農作物展開的[30]，也有基于農田尺度上單一的輪作模式進行的[31]。但是基于田塊尺度上多種作物輪作農田的土壤養(yǎng)分時空變異鮮有研究?！緮M解決的關鍵問題】本文以位于黑龍江省訥河市的雙山基地農場為研究區(qū)，以HJ-1 CCD數據和WOFOST作物模型反演得到的AN、AP和AK為研究對象，依據統(tǒng)計學、相關性分析等理論，分別在年際間和生長季內，基于農田和田塊尺度對各速效養(yǎng)分的變化特征進行分析，并從輪作模式、地形要素、氣象條件等方面來分析速效養(yǎng)分變化的主要影響因素，以期為農田的生態(tài)平衡保護和變量施肥提供理論依據。

1 研究區(qū)與方法

1.1 研究區(qū)概況

研究區(qū)位于黑龍江省嫩江縣雙山基地農場48°45′35″—48°52′36″N，125°24′22″—125°38′26″E。總面積39 km2，農場的地塊平均面積較大，為56.7 hm2。海拔高度為255—389 m，農場整體的坡度較緩，多為緩坡（2—6°，占58%）和較陡坡（6—15°，占24%）。農場主要種植的作物是春玉米、大豆和小麥，種植面積約占90%，其中春玉米的種植面積超過50%。農作物為一年一熟制，一般在5月中下旬播種，在9月底至10月初成熟。農場的土壤類型固定，上層為黑土土壤，厚度約為1.2 m，腐殖質及養(yǎng)分含量高。下層為黃土，厚度超過10 m，肥力低，本文基于黑土層進行分析研究。本研究在實驗農場進行2012—2016年的連續(xù)觀測期間，農場作物均采取均衡施肥管理，即種植同種作物的田塊采取相同的施肥模式。圖1顯示了農場的具體位置及用于分析的#1、#2和#3田塊的分布情況。

1.2 數據來源

本文使用的基礎數據主要包括氣象數據、地形數據和作物分布圖。氣象數據來自當地的歷史氣象資料；30 m分辨率的數字高程數據來源于中國科學院計算機網絡信息中心；作物分布圖是基于農場的耕作計劃和遙感影像分類結果得到，獲取的從2012—2016年間主要作物玉米、大豆和小麥3種作物的空間分布。本研究所使用的遙感數據是時間序列HJ-1CCD數據，該數據采集自災害監(jiān)測預報小衛(wèi)星星座A、B 星（HJ-1A /1B星）。一共采集2012—2016年間的55景影像，其中2014年使用的時間序列HJ-1CCD數據如表1所示。完成輻射定標、大氣校正、幾何精校正等一系列預處理。速效養(yǎng)分數據來源于WOFOST作物模型和遙感數據同化的速效養(yǎng)分反演結果[21]，得到研究區(qū)在2012—2016年間，AN、AP和AK年平均速效養(yǎng)分含量分布，以及以5 d為步長的生長季內速效養(yǎng)分的分布。

表1 雙山基地農場時間序列HJ-1 CCD數據

圖1 雙山農場位置及田塊分布

Fig. 1 Location and distribution of study area

1.3 研究方法

1.3.1 速效養(yǎng)分反演方法 本文利用作物模型和遙感數據同化來實現土壤速效養(yǎng)分的穩(wěn)定準確反演。首先使用地面土壤采樣數據來完成WOFOST模型參數的標定，生成參數標定數據集和精度評價數據集；利用遙感數據反演葉面積指數（LAI），生成數據同化數據集；接著采用集合卡爾曼濾波（EnKF）數據同化算法使時間序列遙感數據參與到模型模擬中，將模擬由點外推至區(qū)域。WOFOST作物模型可以模擬最佳養(yǎng)分含量（作物能夠吸收的最高的養(yǎng)分，認為沒有養(yǎng)分脅迫）下的作物生理參數（生物量、LAI），遙感可以獲取實際的生理參數（實際作物生長認為是受到養(yǎng)分脅迫的），兩者對比的差異可以認為是由于養(yǎng)分脅迫引起的，利用養(yǎng)分脅迫引起的參數的變化可以反推實際的土壤速效養(yǎng)分含量。

本文中采用的土壤速效養(yǎng)分反演算法將作物的生長分成了三個階段：①起始生長階段；②水分限制條件下的生長模擬及速效養(yǎng)分反演階段；③養(yǎng)分限制條件下的生長模擬階段。①②和②③階段的臨界點分別為A和B。第一階段模擬作物播種到出苗的過程，認為該階段的水分脅迫生長可以代表實際生長，A點處得到相應的LAI等長勢參數；第二階段是養(yǎng)分反演算法實現階段，模型在A點開始模擬作物的生長，主要考慮水分限制長勢，模擬到B點時，通過比對水分限制條件下B點的LAI和LAI遙感反演模型計算的LAI值（遙感反演得到的LAI是同時包含水分限制和養(yǎng)分限制的），利用查找表法尋找兩者差值的最小值所對應的養(yǎng)分含量組合，就是所要反演的養(yǎng)分結果；第三階段主要是用于估算作物生物量和產量等參數（利用階段②得到的養(yǎng)分重新帶入A點，模型在養(yǎng)分模塊的參與下模擬作物實際的水分-養(yǎng)分限制下的長勢直到生長季結束）。具體WOFOST作物模型的參數標定，遙感數據同化以及反演精度的驗證已有相應研究成果[20-21]。

1.3.2 時空變化分析方法 基于以上土壤速效養(yǎng)分的反演結果，使用ArcGIS（10.2）的ArcMap / Spatial Analyst模塊，對土壤速效養(yǎng)分進行分級制圖，定性分析土壤速效養(yǎng)分在不同年份間的空間變異。

選取平均值，標準偏差（Standard Deviation，SD），變異系數（Coefficient of Variation，CV），最大值和最小值作為分析指標，實現土壤速效養(yǎng)分的定量統(tǒng)計描述。關于變異系數，通常認為CV大于100%為強變異；CV大于10%且小于100%時為中等變異；當CV小于10%時為弱變異。

1.3.3 養(yǎng)分變化原因分析 采用線性回歸方法分析土壤速效養(yǎng)分變化量與初始值之間的關系。并進行回歸方程的顯著性檢驗，如果滿足線性關系，則有式（1）成立，其中回與殘如式（2）和（3）所示。然后通過確定顯著性水平α，并根據表查找臨界值α，如果＜0.05(1，-2)，則沒有顯著的線性關系；如果0.05(1，-2)＜＜0.01(1，-2)，則稱自變量和因變量間有顯著的線性關系；若＞0.01(1，-2)，則稱兩者間有十分顯著的線性關系。

2 結果

2.1 農場尺度上土壤速效養(yǎng)分時空變異分析

2.1.1 時空變異特征 圖2為玉米和大豆田塊AN的年際分布圖，由圖可知，土壤AN含量逐年向中間值靠攏，呈現均一化分布趨勢。統(tǒng)計各個養(yǎng)分含量等級的面積比可知，極低、低和較高、高、極高等級的面積比隨時間的變化呈現出波浪型下降趨勢，且均在2014年呈現波峰；較低和中等等級的面積比呈現波浪型上升趨勢，且均在2014年呈現波谷；土壤AN含量變化的集中趨勢為280—360 mg·kg-1。AP和AK表現出類似的變化特征，且集中趨勢分別為38—42 mg·kg-1和160—200 mg·kg-1，且該部分像元比例分別增加18.5%、23.1%和23.8%。

2.1.2 基本統(tǒng)計特征 表2為土壤AN的描述性統(tǒng)計結果，均為生長季前反演所得數據。由表可知，農場尺度上連續(xù)5年的AN含量平均值差異不大，與2012年相比，2016年的養(yǎng)分含量最低值提高了86.3%，最高值降低了19.9%，養(yǎng)分含量整體有向中間值靠攏的趨勢。從變異系數來看，5年的養(yǎng)分含量均呈現中等程度的變異，除2014年的變異系數出現了突變之外，其余年份的變異系數整體呈現下降的趨勢。說明5年內農田尺度上的土壤AN分布的差異性在減弱?？紤]到2013年是澇年，雨水的淋洗是導致2014年土壤AN變異程度增加的直接原因。AP和AK的變異系數分別下降0.074和0.159，在2012—2016年內也表現出與AN類似的均一化特征。不同的是，5年內AK的變異系數隨時間的變化單調遞減，并未在2014年表現出突變，即AK在澇災時期表現出的穩(wěn)定性要更高。

圖3是AN在2012年含量初值和2012—2016年間變化量的散點圖，由圖可知AN變化量與初始值呈現極顯著的負相關（＜0.01）。經過分析，AP的變化量也均與初始值呈現極顯著的負相關，擬合結果分別為= -0.9939.60（2=0.882）；而AK的擬合結果為= -0.83149.26（2=0.569），這與養(yǎng)分本身在土壤中的穩(wěn)定性有關。

2.2 田塊尺度上土壤速效養(yǎng)分時空變異分析

根據2012—2016年間作物分布圖可知每一個田塊單元的輪作模式。為了更好地分析輪作模式對速效養(yǎng)分變化的影響，選擇了玉米-大豆輪作和玉米連作兩種典型種植模式。另外考慮到田塊面積和地形地貌等因素的影響，因此選擇分布較為集中的相鄰地塊進行對比分析?？紤]到以上兩點，在農場東南方向選擇3個相鄰的地塊，編號為#1、#2、#3（圖1）。3個田塊5年的輪作模式分別為B-M-B-M-B、M-B-M-B-M和M-M-M-M-M（B為大豆，M為玉米）。

表2 2012—2016年土壤速效氮描述性統(tǒng)計

圖2 2012—2016年農田尺度上土壤速效氮空間分布

2.2.1 速效養(yǎng)分年際變化特征 圖4給出了2012— 2016年間，#1、#2和#3田塊上土壤AN、AP和AK的空間分布。5年內的速效養(yǎng)分均表現出明顯的均一化特征，與農場尺度的養(yǎng)分含量集中趨勢一致。對于#1地塊，2013年的速效養(yǎng)分表現出東北部較低，并被“U型”高值包圍的現象。這與地形分布有密切關系，#1地塊的東北部海拔相對較高，在2013年澇災的影響下，雨水對土壤的淋洗作用，使得速效養(yǎng)分隨地形分布的特征更加明顯。而到2014年時養(yǎng)分隨地形分布的差異性減小，這主要是人工均衡化施肥的結果。對比發(fā)現，#1和#2田塊養(yǎng)分含量差異性要大于#2和#3田塊，這主要是輪作模式的影響，因為#1和#2田塊的輪作模式正好相反，而#2和#3田塊則有3年的耕作作物都為玉米。對于5年均種植玉米的#3田塊， 2013和2014年的速效養(yǎng)分含量較低，而其余年份的速效養(yǎng)分含量差異不大。去除2013年的澇災影響，還有一部分是因為2014年是豐年，土壤中被玉米吸收利用的速效養(yǎng)分比例增大，則存留在土壤中的速效養(yǎng)分含量減少。

橫坐標是2012年的速效氮含量，縱坐標為2016年與2012年速效氮含量的差值The horizontal axis represents the contents of AN in 2012, and the vertical axis represents the variation of the contents from 2012 to 2016

2.2.2 速效養(yǎng)分生長季內變化特征 圖5分別是#1、#2、#3的土壤AN、AP和AK在2012—2016年間生長季內平均值的變化。由圖可知到2016年時，3塊田塊的平均養(yǎng)分含量趨于一致，3種速效養(yǎng)分均隨時間呈現出均一化特征。#2和#3田塊的速效養(yǎng)分含量均在2013年發(fā)生不同程度的降低，兩個田塊的AN分別降低了31.4%和47.0%；AP分別降低了9%和8%；AK分別降低了21.2%和31.0%。#1和#2田塊的速效養(yǎng)分變化趨勢近乎相反，這與兩個田塊輪作模式正好相反有關。對于#1和#2田塊來說，種植玉米的年份土壤速效養(yǎng)分高于種植大豆的年份，這主要是輪作模式的影響，因為種植玉米的田塊施肥量要大于種植大豆的田塊。#1田塊的AN在2012—2013年間增加84.1 mg·kg-1，主要原因輪作模式的影響導致人為施肥量的增加；而2013—2014年施肥量減少，但是AN含量不僅未減少，反而增加了1.5 mg·kg-1，主要是由于豆科作物本身的根瘤固氮作用，增加了土壤中氨化氮的含量。

圖4 2012—2016年田塊尺度上土壤速效養(yǎng)分空間分布

圖5 田塊尺度土壤速效養(yǎng)分生長季內平均值變化

圖6分別為#1和#3田塊2012—2016年的生長季內AN變化情況（生長季模擬期為從5月19日至9月11日，以5 d為步長）。兩個田塊均在2014年AN下降速率最快。這與2014年是豐年有關，豐年作物產量高，相同時間內從土壤中吸收的營養(yǎng)物質更多，即吸收養(yǎng)分速率更快。2013年兩塊田均種植玉米，施氮肥量相同，對于生長季內的第1個月，#1田塊土壤AN含量比#3多了近96.5%，這與#1田塊前一輪作作物為大豆密切相關。大豆根瘤菌固氮作用使得第二年土壤的速效氮含量增多，可以相應減少氮肥的施用量。

圖6 #1和#3田塊土壤AN含量生長季內變化

2.3 土壤速效養(yǎng)分時空變化的影響因素

2.3.1 田間施肥管理因素 研究區(qū)采取均衡施肥管理，對同種作物使用相同的施肥量，不同種作物使用不同的施肥配方，玉米田塊的施肥量大于大豆田塊。以#1田塊為例，2013和2014年分別種植的是玉米和大豆，氮肥施用量減少，但是土壤AN、含量卻有少量增加，這主要是大豆的根瘤菌固氮作用的影響，該作用甚至可與人為施肥導致的養(yǎng)分含量差異相比擬。

2.3.2 地形氣候因素 選取地形差異較大的地塊進行速效養(yǎng)分含量的分析，發(fā)現地勢偏高的地塊速效養(yǎng)分含量普遍偏低，且在2013年澇災后，該田塊速效養(yǎng)分含量下降更快。這是由于地形差異，導致速效養(yǎng)分因雨水的淋洗發(fā)生空間上的變異，且二者對速效養(yǎng)分變異性的影響相互促進。表3給出了研究區(qū)2012—2016年的月平均氣溫和月降水量。從表3可知，2012—2015年間，年平均氣溫平穩(wěn)上升，到2016年發(fā)生下降。溫度的升高會促進作物土壤中養(yǎng)分的吸收，促使養(yǎng)分含量下降，結合圖2和圖4可知，溫度不是速效養(yǎng)分含量變化的主要原因。由表4可知，5年內研究區(qū)年度總降水量變化與速效養(yǎng)分含量變化呈現相反的趨勢。2013年中雨以上雨水最多，達到25次，該年的速效養(yǎng)分平均含量最低。2015年和2016年中雨以上雨水總次數相同，但2016年間有一次暴雨，其對土壤的淋洗作用較大，因此強度較大的降雨對土壤速效養(yǎng)分變異的影響較大。

表3 研究區(qū)2012—2016年月平均氣溫及降水量統(tǒng)計

表4 2012—2016年中雨、大雨和暴雨的降水次數

3 討論

3.1 土壤速效養(yǎng)分時空變化分析

土壤速效養(yǎng)分含量不僅與土壤類型、質地、地形等結構性因素有關，也與耕作模式、施肥管理等人為因素有關。在農場尺度上土壤速效養(yǎng)分表現出的空間差異性不僅與耕種模式有關，也要考慮地形因素。在田塊尺度上土壤速效養(yǎng)分也表現出一定的空間差異性，這與作物在不同地點的吸收能力和土壤結構等因素相關，這與宋曉宇等[32]的研究成果一致。經過連續(xù)5年的觀測，發(fā)現無論在農田尺度還是田塊尺度上，土壤速效養(yǎng)分的空間差異性均在減弱，說明人為因素對土壤速效養(yǎng)分的空間變異影響很大。經過長時間的耕作、施肥管理等人為干預，在一定程度上削弱了結構性因素對速效養(yǎng)分空間差異性的影響。這與楊昭君[33]的研究成果一致。土壤速效養(yǎng)分5年內的平均含量基本保持穩(wěn)定，這與人為施肥管理的作用密不可分，可以認為近5年內的人為肥料投入與作物產出相平衡，并維持了農田的肥力收支平衡。生長季內以5天為步長的養(yǎng)分變化情況表明，作物在不同的生長周期對養(yǎng)分的吸收效率不同，這與侯振安[34]的結論一致?？梢愿鶕B(yǎng)分變化趨勢找準作物在生長季內的養(yǎng)分吸收規(guī)律，在養(yǎng)分吸收高峰期予以追肥，才能將肥料的作用最大化。

3.2 土壤速效養(yǎng)分變化原因分析

人類的耕作模式和施肥管理是農田土壤養(yǎng)分變化的主要原因，高緯度黑土區(qū)，合理的輪作有益于有機質的積累，與張迪[35]的結論一致。本文針對玉米-大豆輪作和玉米連作田塊進行了對比分析，其中大豆的固氮作用對速效氮含量的增加起到重要作用。除了大豆-玉米輪作，還有冬小麥-玉米輪作、冬小麥-大豆輪作以及冬小麥-夏玉米、春玉米兩年三熟輪作等?？梢匝芯坎煌喿髂Ｊ较伦魑飳ν寥浪傩юB(yǎng)分吸收效率的影響，尋找最佳的輪作模式。崔貝[36]認為溫度的升高會增加土壤養(yǎng)分的代謝效率，易于作物吸收，從而導致養(yǎng)分含量降低。本文結論與其不一致的原因主要在于研究區(qū)的差異性，雙山基地農場所在區(qū)域年平均氣溫比北京小湯山鎮(zhèn)低大約12℃，氣溫的作用沒有那么明顯；此外本研究區(qū)中到暴雨以上的降水更多，降水量的增多會增大土壤養(yǎng)分的淋溶，造成土壤養(yǎng)分的損失。分析可知，本研究中降水對土壤養(yǎng)分的作用力要大于氣溫。土壤養(yǎng)分初始值明顯影響?zhàn)B分的空間格局及其演變規(guī)律，本文中土壤AN和AP的變化量均與初始含量呈現明顯的負相關，這與于洋[8]的結論一致。但AK的相關性不明顯，養(yǎng)分本身在土壤中的穩(wěn)定性以及其對作物生長影響的類型和程度有關，鉀肥可以增強作物抗倒伏的能力，但作用程度要低于速效氮和有效磷。本文只針對3種不同的速效養(yǎng)分分析其變化規(guī)律，但不同養(yǎng)分間的相互作用和影響有待后續(xù)研究。為尋找最佳的氮磷鉀施肥比例提供參考依據。

3.3 應用

實現農田的分區(qū)施肥管理和動態(tài)的土壤速效養(yǎng)分監(jiān)測，可為農田的變量施肥提供參考依據。依據歷史土壤速效養(yǎng)分的觀測數據以及各個影響因子的取值，求解各個因子的影響權重，并建立土壤速效養(yǎng)分預測模型。可以將模型用于預測未來的速效養(yǎng)分含量，從而可以指導變量施肥，這是下一步的研究方向。

4 結論

4.1 2012—2016年，農場尺度上土壤AN、AP和AK含量的平均水平變幅不大，但是養(yǎng)分含量更加均一，養(yǎng)分分布的空間差異性在減弱。田塊尺度上的土壤養(yǎng)分表現出同樣的均一化特征，說明研究區(qū)人為因素對土壤速效養(yǎng)分空間變異的影響要高于結構性因素。生長季內土壤養(yǎng)分的動態(tài)變化與作物生長周期表現出較明顯的相關性，其變化規(guī)律可以指導作物生長季內的追肥，提高資源的利用效率。

4.2 較強降雨會增大土壤養(yǎng)分的淋溶，增大土壤養(yǎng)分的流失，降雨的影響要高于溫度。田塊間的養(yǎng)分分布差異主要影響因素是輪作模式的不同，特別是當耕種作物由玉米變?yōu)榇蠖箷r，氮肥施用量減少，但是田間土壤AN含量并未減少，反而有少量增加，這主要是豆科作物的根瘤菌固氮作用。土壤養(yǎng)分的初始值明顯影響了其空間分布格局和演變規(guī)律。

[1] BROCCA L, MELONE F, MORAMARCO T, MORBIDELLI R. Spatial-temporal variability of soil moisture and its estimation across scales., 2010, 46(2): W02516. DOI: 10.1029/2009WR008016.

[2] ZHU Q, LIAO K H, XU Y, YANG G S, WU S H, ZHOU, S L. Monitoring and prediction of soil moisture spatial-temporal variations from a hydropedological perspective: a review., 2012, 50(8): 625-637. DOI: 10.1071/SR12228.

[3] DU H, WANG K L, PENG W X, ZENG F P, SONG T Q,ZHANG H, LU S Y. Spatial heterogeneity of soil mineral oxide components in depression between karst hills, Southwest China.2014, 24(2): 163-179. DOI: 10.1007/s11769- 013-0630-9.

[4] L. DARILEK J, HUANG B, WANG Z Y, QI Y B, ZHAO Y C, SUN W X, GU Z Q, SHI X Z.Changes in soil fertility parameters and the environmental effects in a rapidly developing region of China ., 2009, 129(1): 286-292. DOI: 10.1016/j.agee.2008.10.002.

[5] 徐劍波, 宋立生, 彭磊, 張橋. 土壤養(yǎng)分空間估測方法研究綜述. 生態(tài)環(huán)境學報, 2011, 20(Z2): 1379-1386. DOI: 10.16258/j.cnki.1674- 5906.2011.z2.019

XU J B, SONG L S, PENG L, ZHANG Q. Research review on methods of spatial prediction of soil nutrients.2011, 20(Z2): 1379-1386. DOI：10.16258/j. cnki.1674-5906.2011.z2.019. (in Chinese)

[6] 程先富, 史學正, 于東升, 潘向章. 江西省興國縣土壤全氮和有機質的空間變異及其分布格局. 應用與環(huán)境生物學報, 2004(1): 64-67.

CHENG X F, SHI X Z, YU D S, PANG X Z. Spatial variance and distribution of total nitrogen and organic matter of soil in Xingguo County of Jiangxi, China., 2004(1): 64-67. (in Chinese)

[7] 邱揚, 傅伯杰, 王軍, 陳利頂. 黃土高原小流域土壤養(yǎng)分的時空變異及其影響因子. 自然科學進展, 2004(3): 56-61.

QIU Y, FU B J, WANG J, CHENG L D. Spatio-temporal variability of soil nutrients and its influencing factors in small watershed of Loess Plateau., 2004(3): 56-61. (in Chinese)

[8] 于洋, 趙業(yè)婷, 常慶瑞. 渭北臺塬區(qū)耕地土壤速效養(yǎng)分時空變異特征. 土壤學報, 2015, 52(6): 1251-1261.

YU Y, ZHAO Y T, CHANG Q R. Spatial-temporal variability of soil readily available nutrients in cultivated land of Weibei tableland area.2015, 52(6): 1251-1261. (in Chinese)

[9] Qui W W, CURTIN D, JOHNSTONE P, Beare M, Hernandez-- Rameriz G, Qiu W W. Small-scale spatial variability of plant nutrients and soil organic matter: an arable cropping case study ., 2016, 47(19): 2189-2199. DOI: 10.1080/ 00103624.2016.1228945.

[10] LAMSAL S. Visible near-infrared reflectance spectrocopy for geospatial mapping of soil organic matter., 2009, 174(174): 35-44.

[11] EHSANI M R, UPADHYAYA S K, FAWCETT W R, PROTSAILO L V, SLAUGHTER D. Feasibility of detecting soil nitrate content using a mid-infrared technique., 2001, 44(6): 1931-1940. DOI: 10.13031/2013.6991.

[12] 程朋根, 吳劍, 李大軍, 何挺. 土壤有機質高光譜遙感和地統(tǒng)計定量預測 . 農業(yè)工程學報, 2009, 25(3):142-147.

CHENG P G, WU J, LI D J, HE T. Quantitative prediction of soil organic matter content using hyperspectral remote sensing and geo-statistics., 2009, 25(3): 142-147. (in Chinese)

[13] 郭燕, 紀文君, 吳宏海, 史舟. 基于野外Vis-NIR光譜的土壤有機質預測與制圖 . 光譜學與光譜分析, 2013, 33(4): 1135-1140. DOI:10.3964/j.issn.1000-0593(2013)04-1135-06.

GUO Y, JI W J, WU H H, SHI Z. Estimation and mapping of soil organic matter based on vis-nirreflectance spectroscopy., 2013, 33(4): 1135-1140. DOI:10.3964/j.issn. 1000-0593(2013)04-1135-06. (in Chinese)

[14] CROFT H, KUHN N J, ANDERSON K. On the use of remote sensing techniques for monitoring spatio-temporal soil organic carbon dynamics in agricultural systems., 2012, 94(9): 64-74. DOI: 10.1016/j.catena.2012.01.001.

[15] GOMEZ C, ROSSEL R A V, MCBRATNEY A B. Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy: An Australian case study.2008, 146(3): 403-411. DOI: 10.1016/j.geoderma.2008.06.011.

[16] HBIRKOU C, PATZOLD S, MAHLEIN A K, WELP G. Airborne hyperspectral imaging of spatial soil organic carbon heterogeneity at the field-scale., 2012, 175/176: 21-28. DOI: 10.1016/j. geoderma.2012.01.017.

[17] MENG J H, YOU X Z, CHENG Z Q. Evaluating soil available nitrogen status with remote sensing.2015, 175-182. DOI: 10.3920/978-90-8686-814-8_21.

[18] 李燕麗, 潘賢章, 王昌昆, 劉婭, 趙其國. 廣西中南部耕地土壤有機質和全氮變化的遙感監(jiān)測. 生態(tài)學報, 2014, 34(18): 5283-5291.

LI Y L, PAN X Z, WANG C K, LIU Y, ZHAO Q G. Monitoring changes of soil organic matter and total nitrogen in cultivated land in Guangxi by remote sensing., 2014, 34(18): 5283-5291. (in Chinese)

[19] MA H, HUANG J, ZHU D, FAN J L. Estimating regional winter wheat yield by assimilation of time series of HJ-1 CCD NDVI into WOFOST–ACRM model with Ensemble Kalman Filter., 2013, 58(3): 759-770. DOI: 10.1016/j.mcm. 2012.12.028

[20] CHENG Z Q, MENG J H, QIAO Y Y, WANG Y M, DONG W Q, HAN Y X . Preliminary study of soil available nutrient simulation using a modified WOFOST model and time-series remote sensing observations., 2018, 10(2): 64. doi: 10.3390/rs10010064

[21] 蒙繼華, 程志強, 王一明. 基于WOFOST模型與遙感數據同化的土壤速效養(yǎng)分反演新方法. 遙感學, 2018(4): 546-558. DOI:10.11834/ jrs.20186431

MENG J H, CHENG Z Q, WANG Y M. Simulating soil available nutrients by a new method based on WOFOST model and remote sensing assimilation., 2018(4): 546-558. DOI:10.11834/jrs.20186431. (in Chinese)

[22] HUANG J X, SEDANO F, HUANG Y B, MA H Y， LI X L, LIANG S L, TIAN L Y,ZHANG X D, FAN J L, WU W B. Assimilating a synthetic Kalman filter leaf area index series into the WOFOST model to improve regional winter wheat yield estimation.2016, 216:188-202.

[23] 郭旭東, 傅伯杰, 陳利頂, 馬克明, 李俊然. 河北省遵化平原土壤養(yǎng)分的時空變異特征——變異函數與Kriging插值分析. 地理學報, 2000(5): 555-566. DOI: 10.11821/xb200005005.

GUO X D, FU B J, CHEN L D, MA K M, LI J R. The spatio-temporal variability of soil nutrients in Zunhua Plain of Hebei Province: Semivariogram and Kriging analysis., 2000(5): 555-566. DOI: 10.11821/xb200005005. (in Chinese)

[24] 齊偉, 徐艷, 張鳳榮. 黃淮海平原農區(qū)縣域土壤養(yǎng)分平衡評價方法及其應用. 中國農業(yè)科學, 2004, 37(2): 238-243.

QI W, XU Y, ZHANG F R. Study on evaluation methods of soil nutrient balance and application at county level in huang-huai-hai plain., 2004, 37(2): 238-243. (in Chinese)

[25] 張玲娥, 雙文元, 云安萍, 牛靈安, 胡克林. 30年間河北省曲周縣土壤速效鉀的時空變異特征及其影響因素. 中國農業(yè)科學, 2014, 47(5): 923-933. DOI: 10.3864/j.issn.0578-1752.2014.05.009.

ZHANG L E, SHUANG W Y A, YUN A P, NIU L A, HU K L. spatio-temporal variability and the influencing factors of soil available potassium in 30 years in Quzhou county, Hebei province, 2014, 47(5): 923-933. DOI: 10.3864/j.issn. 0578-1752.2014.05.009. (in Chinese)

[26] FOURNIER S, LEE T, GIERACH M M. Seasonal and interannual variations of sea surface salinity associated with the Mississippi River plume observed by SMOS and Aquarius., 2016, 180: 431-439. DOI: 10.1016/j.rse.2016.02.050.

[27] 陳濤, 常慶瑞, 劉京, 齊雁冰, 劉夢云. 黃土高原南麓縣域耕地土壤速效養(yǎng)分時空變異. 生態(tài)學報, 2013, 33(2): 554-564. DOI: 10.5846/stxb201111161745.

CHEN T, CHANG Q R, LIU J, QI Y B, LIU M Y. Temporal and spatial variability of soil available nutrients in arable lands of Heyang County in South Loess Plateau., 2013, 33(2): 554-564. DOI:10.5846/stxb201111161745. (in Chinese)

[28] 康日峰, 任意, 吳會軍, 張淑香. 26年來東北黑土區(qū)土壤養(yǎng)分演變特征. 中國農業(yè)科學, 2016, 49(11): 2113-2125. DOI: 10.3864/j.issn. 0578-1752.2016.11.008.

KANG R F, REN Y, WU H J, ZHANG S X. Changes in the nutrients and fertility of black soil over 26 years in Northeast China., 2016, 49(11): 2113-2125. DOI: 10.3864/j.issn. 0578-1752.2016.11.008. (in Chinese)

[29] 楊艷麗, 史學正, 于東升, 王洪杰, 徐茂, 王果. 區(qū)域尺度土壤養(yǎng)分空間變異及其影響因素研究. 地理科學, 2008, 28(6): 788-792. DOI:10.13249/j.cnki.sgs.2008.06.013.

YANG Y L, SHI X Z, YU D S, WANG H J, XU M, WANG G. Spatial heterogeneity of soil nutrients and their affecting factors at regional scale., 2008, 28(6): 788-792. DOI:10. 13249/j.cnki.sgs.2008.06.013. (in Chinese)

[30] 危常州, 侯振安, 朱和明, 鮑柏楊, 張福鎖. 基于GIS的棉田精準施肥和土壤養(yǎng)分管理系統(tǒng)的研究. 中國農業(yè)科學, 2002, 35(6): 678-685.

WEI C Z, HOU Z A, ZHU H M, BAO B Y, ZHANG F S. Study on precision fertilizer recommendation and soil nutrition management in cotton land based on GIS system., 2002, 35(6): 678-685. (in Chinese)

[31] 徐蔣來, 胡乃娟, 張政文, 朱利群. 連續(xù)秸稈還田對稻麥輪作農田土壤養(yǎng)分及碳庫的影響. 土壤, 2016, 48(1): 71-75. DOI:10.13758/ j.cnki.tr.2016.01.011.

XU J L, HU N J, ZHANG Z W, ZHU L Q. Effects of continuous straw returning on soil nutrients and carbon pool in rice-wheat rotation system., 2016, 48(1): 71-75. DOI：10.13758/j.cnki.tr.2016.01.011. (in Chinese)

[32] 宋曉宇, 王紀華, 薛緒掌, 劉良云, 陳立平, 趙春江.利用航空成像光譜數據研究土壤供氮量及變量施肥對冬小麥長勢影響. 農業(yè)工程學報, 2004(4): 45-49.

SONG X Y, WANG J H, XUE X Z, LIU L Y, CHEN L P, ZHAO C J. Assessment of the influence of soil nitrogen supplies and variable fertilization on winter wheat growth condition using airborne hyperspectral image., 2004(4): 45-49. (in Chinese)

[33] 楊昭君. 不同尺度下橡膠園土壤養(yǎng)分時空變異特性的研究[D]. ?？? 海南大學, 2010.

YANG Z J. Study on time-space variation characters of soil nutrients in different scales of rubber plantation[D]. Haikou: Hainan University, 2010. (in Chinese)

[34] 侯振安, 劉小玉, 龔江, 冶軍. 北疆滴灌小麥一年兩作農田土壤養(yǎng)分動態(tài)變化研究. 石河子大學學報(自然科學版), 2012, 30(6): 666-671. DOI:10.13880/j.cnki.65-1174/n.2012.06.002.

HOU Z A, LIU X Y, GONG J, YAN J. Soil nutrient dynamics in wheat-based multiple cropping field under drip irrigation., 2012, 30(6): 666-671. DOI: 10.13880/j.cnki.65-1174/n.2012.06.002. (in Chinese)

[35] 張迪, 韓曉增. 長期不同植被覆蓋和施肥管理對黑土活性有機碳的影響. 中國農業(yè)科學, 2010, 43(13): 2715-2723. DOI:10.3864/ j.issn.0578-1752.2010.13.011.

ZHANG D, HAN X Z. Changes of black soil labile organic carbon pool under different vegetation and fertilization managements., 2010, 43(13): 2715-2723. DOI:10.3864/ j.issn.0578-1752.2010.13.011. (in Chinese)

[36] 崔貝, 王紀華, 楊武德, 陳立平, 黃文江, 郭建華, 宋曉宇, 馮美臣. 冬小麥-夏玉米輪作區(qū)土壤養(yǎng)分時空變化特征. 中國農業(yè)科學, 2013, 46(12): 2471-2482. DOI:10.3864/j.issn.0578-1752.2013. 12.008.

CUI B, WANG J H, YANG W D, CHEN L P, HUANG W J, GUO J H, SONG X Y, FENG M C. Analysis of temporal and spatial variation of soil nutrients in the winter wheat-summer maize rotation field., 2013, 46(12): 2471-2482. DOI:10.3864/ j.issn.0578-1752.2013.12.008. (in Chinese)

Spatio-temporal Variability of Soil Available Nutrients Based on Remote Sensing and Crop Model

FANG HuiTing1,2, MENG JiHua1, CHENG ZhiQiang1

(1Key Laboratory of Digital Earth, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101;2University of Chinese Academy of Sciences, Beijing 100101)

【Objective】The spatio-temporal variability of soil available nutrients in Shuangshan farm during 2012-2016 was studied under uniform fertilization mode. The influence of human factors (such as fertilization management and crop rotation model) and natural factors (such as meteorology and topography) on the changes of available nutrients were analyzed, which could be used to provide references for soil available nutrients management and crop variable fertilization.【Method】The time series satellite HJ-1 CCD imagery and the WOFOST crop model were selected to retrieve soil available nutrients. Based on the above soil available nutrients data, spatio-temporal variability of soil available nutrients analysis of available nutrients on different time scales (interannual and within-year) and different spatial scales (farm scale and field scale) was carried out. The hierarchical maps of soil available nutrients were used to qualitatively analyze the spatial variability of nutrients in five years. The specific statistical parameters were used to quantitatively analyze the average content and variability of soil available nutrients. The linear regression was used to analyze the relationship of variation and initial content of available nutrients. And the temporal variation characteristics of available nutrients were analyzed by the change curve of available nutrients. 【Result】The average contents of available nitrogen (AN), available phosphorus (AP) and available potassium (AK) in the farm were not changed obviously from 2012 to 2016. The high and low values of available nutrients were all close to the middle value, which were concentrated at 280-360 mg·kg-1, 38-42 mg·kg-1and 160-200 mg·kg-1, respectively. And the area of these three parts increased by 18.5%, 23.1% and 23.8%, respectively, which showed uniform characteristics as a whole. The coefficient of variation of AN, AP, and AK changed from 0.314, 0.112, and 0.257 in 2012 to 0.131, 0.034, and 0.098 in 2016, respectively. And the spatial heterogeneity of available nutrients distributions was weakened. The variation of AN and AP were negatively correlated with the initial values in 2012, and the determination coefficient were 0.839 and 0.882, respectively. And the determination coefficient of AK was 0.569, its weak correlation was related to the instability of AK in the soil itself. The nutrients change characteristics of adjacent field indicated that the soil available nutrients on the field scales also showed obvious uniform characteristics. Crop rotation mode was the main factor affecting the difference of nutrients change between fields. For the field #1 and field #2 with the opposite rotation mode, artificial fertilization determined the general trend of nutrients change in the field. For leguminous plants, nitrogen fixation had a significant effect on the content of soil available nitrogen. The increase in temperature would promote the absorption of nutrients by crops to a certain extent, but this effect was not enough to change the general trend of nutrient changes. Soil leaching played a decisive role in the spatial variability of nutrients, especially for stronger precipitation. The effect of precipitation on nutrients spatial variability was more pronounced in areas with large topography variation.【Conclusion】Farmland fertilization management and crop rotations were the dominant factors in the change of soil available nutrients, followed by topographic and climatic factors. The leaching of rainwater would lead to the loss and decline of soil available nutrients, which was more obvious in the area with larger topography. The amount of change in available nutrients was significantly related to the initial nutrients content. The increase of temperature would accelerate the decrease of available nutrients in soil, and its influence was less than that of precipitation. The above rules could be included in the prediction model of available nutrients, and different weights were assigned to these influencing factors to construct the prediction model, to achieve real-time dynamic monitoring of the variation of soil available nutrients in the inter-annual and growing seasons.

soil available nutrient; spatial-temporal variation; WOFOST crop model; uniform fertilization; correlation analysis

10.3864/j.issn.0578-1752.2019.03.008

2018-06-06；

2018-09-28

國家自然科學基金（41871261）、國家科技重大專項（30-Y20A03-9003-17/18,09-Y20A05-9001-17/18）、綠洲生態(tài)農業(yè)重點實驗室開放課題（201701）

方慧婷，E-mail：fanght@yeah.net。信作者蒙繼華，E-mail：mengjh@radi.ac.cn

（責任編輯 李云霞）