05精准养分管理-土壤特性空间变异研究进展

精准养分管理土壤特性空间变异研究进展张宁，金继运（中国农业科学院土壤肥料研究所，北京100081）对土壤特性（物理、化学及生物性质）尤其是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。因此，与土壤特性空间变异有关的问题引起了土壤科学工作者的重视。本文主要对土壤特性空间变异方面的进展进行综述。1土壤特性空间变异的影响因素土壤特性变异性是普遍存在的，其变异来源包括系统变异和随机变异两种。土壤特性的系统变异是由母质、气候、水文、地形、生物、时间、人类活动等的差异引起的，而随机变异是由取样、分析等误差引起的。一些研究结果表明，土壤中大量和微量元素的空间变异性，取决于土壤母质的性质和地形位置，并与气候、大气沉降、降雨和农业措施等有关[1]。Stolt等[2]的研究发现，母质差异在解释土壤空间变异性时较地形位置更为重要。气候是影响土壤特性空间变异的基本因素。气候支配着成土过程的水热条件，直接和间接地影响着土壤形成过程的方向和强度，而土壤特性空间变异程度决定于土壤形成过程以及其在空间和时间上的平衡，因而气候的差异会对土壤特性空间变异产生强烈的影响。由于地球上的气候条件经常变化频繁，大多数土壤都是各种成土过程交互作用的结果，导致土壤特性空间变异现象相当普遍[3]。土壤母质对土壤特性变异有较大影响。土壤母质是土壤形成的基础，往往由于母质的差异而致使土壤特性存在着较大的变异，母质差异小，土壤特性空间变异也小。一般认为，在没有人为因素影响的情况下，母质养分含量高，土壤中养分含量也会较高。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变异逐渐减小，可形成表面上大致一致的区域[3]。地形与土壤特性变异有直接的关系。地形影响水热条件和成土物质的再分配，因而不同地形位置有着不同的土壤特性。目前的研究结果表明，地形对土壤肥力和有效水有较大影响，在坡度相似的位置，土壤特性趋于相似[4]。在复杂的丘陵地区，土壤物理特性如粘粒含量、砂粒含量和pH与地形位置均有高度的相关性[5]；土壤有机质随山坡位置变化而变化[6]。地形是影响NO3--N的重要因素，而土壤磷与地形的相关性较差[7]。人类活动对土壤特性变异也有较大影响。农业生产中的施肥（化肥或有机肥）、作物品种、灌溉及其它的一些生产管理措施都是使土壤特性产生较大变异的因素。作物对养分的吸收、养分本身在土壤剖面中的淋洗及土壤酸碱调节剂的应用都会引起土壤特性的空间变异。在土壤免耕和肥料条施情况下，由于作物残茬、相对不易移动的磷钾等肥料及养分残留在土壤中分布的不均匀性增加，致使土壤肥力特性变异增大；对于知道或不知道肥料条施位置的土壤，采取充分代表小范围（如几米）的土壤样品趋于困难[8]。沿着平行磷肥条施带采取土壤样品，土壤磷测试值比较一致；而沿着垂直磷肥条施带采取土壤样品，土壤磷测试值的变异较大，取决于肥料用量和磷肥条施的带距[9]。在上述情况下，完全随机取样能充分反映地块中磷的肥力状况，并可避免过高估计磷肥条施带的影响及降低成本[10,11]，而JamesandHurst[12]认为不宜采取完全随机取样方法，合理的取样方法应是权衡分配带内和带间的取土钻数。对于种植和施肥历史长的表面上一致的大地块，按土壤类型和以前的管理措施（如前作、耕作制度、化肥或有机肥用量）把该地块划分成若干取土单元，然后从每个取土单元内采取1个混合土壤样品，这种做法对于P、K来说代表性不够强[13]。2土壤特性空间变异的研究方法2.1传统统计分析方法田间实际情况表明，在同一类型土壤中，田间土壤特性表现出明显的差异性；在土壤质地相同的区域内，土壤特性在各个空间位置上的量值并不相等。对于这种差异性，以往多采用Fisher所创立的传统统计方法来进行分析。其统计原理是假设研究的变量为纯随机变量，样本之间是完全独立且服从某已知的概率分布。其统计方法是按质地将土壤在平面上划分为若干较为均一的区域，在深度上划分为不同土层，通过计算样本的均值、标准差、方差、变异系数以及进行显著性检验来描述土壤特性的空间变异。许多研究者用变异系数等来描述土壤特性的空间变异。该方法在土壤科学工作中已经取得了一定的成功，但由于其基本上是定性描述，只能概括土壤特性变化的全貌，而不能反映其局部的变化特征，对每一个观测值的空间位置不予重视。因此，在很多情况下很难确切地描述土壤特性的空间分布。国外许多土壤科学工作者从事土壤特性空间变异性规律方面的研究表明，许多土壤特性在空间上并不是独立的，不属于纯随机变量，而是在一定范围内存在着空间上的相关性[14]，这种属性是由于土壤形成过程的连续性、气候带的渐变性等所造成的。土壤特性自相关性的发现，对传统Fisher统计原理适用范围提出疑问。土壤学家必须探索新的方法定量分析土壤特性空间变异。2.2地统计学分析方法地统计学（Geostatistics）方法可用于土壤特性空间变异研究的定量分析，它是地质矿产部门在探矿和采矿时采用的一种先进空间变异分析方法。其要点是根据地面不同选点钻井所获得的数据资料，寻求数据信息与采样点的位置和采样深度的统计相关性来对矿产进行空间结构分析与数量估计。该法首先是由法国著名学者Matheron建立起来的。他仔细研究了Krige在1951年提出的矿产品位和储量估值方法，提出了区域化变量理论。该理论认为变量具有空间分布特征，结构性和随机性并存，样品之间存在着空间相关性。一些学者[15]曾对地统计学方法作了全面的论述，此法是以区域化变量为核心和理论基础，以矿质的空间结构（空间相关）和变异函数为基本工具的一种数学地质方法。地统计学方法具有提高采样效率和节省人力物力，可允许在空间上不规则地采样，且可进行优化插值计算等优点[16]。Campbell[17]在研究两个土壤制图单元中砂粒含量和pH空间变异时，首先采用了地统计学方法。80年代以来，利用地统计学方法来研究土壤特性空间变异已成为土壤科学研究的热点之一[16,18]。大量研究表明，地统计学方法中半方差图和Kriging分析在研究土壤特性空间变异中取得了相当大的成功，并得到了广泛应用[8,19]。半方差图是利用变异函数研究土壤特性空间变异并产生一个合适的空间变异模型，是地统计学解释土壤特性空间变异结构的基础，它的精确估计是成功的空间内插的关键。而Kriging分析是利用了半方差图的模型进行测定点之间的最优内插。半方差图揭示了土壤样本变异与由各个样本分离的偏离距离之间的关系。根据这种关系就可以选择使得样本方差和样本数目最佳的样本之间的偏离距离，在方差逼近渐近线上限时的距离是数据具有空间相关性所包括的范围。在土壤特性空间变异的定量研究中，涉及地统计学的主要内容包括半方差函数及其拟合模型和Kriging插值[20]。2.2.1半方差函数及其模型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。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，它们的数学表达式如下：线性无基台值模型：r(h)=c0+ch/a,h≥0线性有基台值模型：r(h)=c0+ch/a,0≤h≤ar(h)=c0+c,h＞a球状模型：r(h)=c0+c[1.5h/a-0.5(h/a)3],0＜h≤ar(h)=c0+c,h＞ar(h)=0,h=0高斯模型：r(h)=c0+c[1-exp(-h2/a2)],h＞0r(h)=0,h=0指数模型：r(h)=c0+c[1-exp(-h/a)],h＞0r(h)=0,h=0式中c0表示块金方差（间距为0时的半方差），由实验误差和小于实验取样尺度上施肥、作物、管理水平等随机因素引起的变异，较大的块金方差表明较小尺度上的某种过程不容忽视；c为结构方差，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）引起的变异；（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），表示系统内总的变异；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。最大相关距离表示某土壤特性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着空间相关性。另外，块金方差/基台值之比[c0/(c+c0)]可表示空间变异性程度（由随机部分引起的空间变异性占系统总变异的比例），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。从结构性因素的角度来看，c0/(c+c0)的比例可表示系统变量的空间相关性程度，如果比例＜25%，说明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；＞75%时，变量空间相关性很弱[21]。一些研究指出，土壤特性空间变异性是尺度的函数，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，样点间的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[15]。在土壤特性空间变异的研究中，准确估算土壤某一特性的半方差函数模型是关键的问题，因为半方差函数反映了土壤特性的空间变异结构，并直接影响土壤特性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、调查者对某一土壤特性的了解程度、调查目的等方面的影响，选定一个模型来描述所测定土壤特性的半方差并拟合一条曲线是有争议的问题。尽管如此，但是土壤特性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[22]，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。2.2.2Kriging插值Kriging插值是目前地统计学中应用最广泛的最优内插法，它是利用已知点的数据去估计未知点(x0)的数值，其实质是一个实行局部估计的加权平均值：式中Z(x0)是在未经观测的点x0上的内插估计值，Z(xi)是在点x0附近的若干观测点上获得的实测值。λi是考虑了半方差图中表示空间的权重，所以，Z值的估计应该是无偏的，因为：估计偏差是最小的，并可以由下列方程求出：式中：是被估计点与其它点之间的半方差矩阵，bT为矩阵b的转置矩阵，为拉格朗日参数。Kriging插值可为空间格局（在空间上有规律的分布）分析提供从取样设计、误差估计到成图的理论和方法，可精确描述所研究的变量在空间上的分布、形状、大小、地理位置或相对位置，这在确定空间定位图式（格局）方面是比较有效的方法[20,22]。3土壤养分的空间变异国外学者自60年代提出和70年代开始研究土壤特性空间变异以来，应用地统计学方法主要偏重于研究土壤物理性质空间变异，并取得了长足进展。80年代初期，国内学者也逐步认识到地统计学方法在土壤特性空间变异研究中的实用性，先后在土壤的物理参数（如颗粒组成、团聚体大小、容重等）、状态参数（如水分含量、水力传导度等）等方面进行了研究。进入80年代尤其是90年代以来，国外应用地统计学方法对土壤养分空间变异进行了大量的研究[23,24]。WebsterandNortcliff[25]的研究发现，1ha农田内的Fe和Mn有相当强的空间依赖性，空间相关距离在80~100m之间，但Zn和Cu则几乎没有。相当数量的研究[26,27]表明，小区域范围内土壤养分是空间相关的，土壤有机质的空间相关距离在50~350m之间；速效P和K的空间相关距离有较大差别，一些研究者的结果在100m以上，也有一些研究者的结果在60m以下；NO3--N的空间相关距离在30m以下，且其相关范围