白水河小流域退耕坡地土壤养分空间变异研究

摘要：以白水河小流域退耕坡地檠芯慷韵螅应用地统计学分析方法，分析研究区0～10 cm土层土壤有机碳（SOC）、全氮（TN）、全磷（TP）和全钾（TK）的空间分布特征及其变异规律，探讨植被覆盖类型及其他环境因子对土壤养分空间分布的影响，为土壤养分的有效利用和管理提供理论依据。结果表明，①研究区SOC（Mean=18.847 g/kg）和TN（Mean=0.749 g/kg）的含量属于中等水平，TP（Mean=0.291 g/kg）和TK（Mean=3.333 g/kg）的含量则比较缺乏。各养分含量的变异系数（CV）在10%～100%之间，为中等变异性。②SOC拟合模型为高斯模型，TN和TK为球状模型，TP为指数模型。其中，TP和TK有强烈的空间自相关性，自相关变程范围分别为23.43 m和27.48 m，其空间变异主要由土壤母质、地形、气候等非人为的结构因素引起。SOC和TN表现为中等的空间自相关性，自相关变程范围分别为37.78 m和32.65 m，其变异是随机因素（施肥、耕作措施、种植制度等人为活动）和结构因素的共同作用。③各土壤养分总体呈空间连续分布的特点。不同的植被覆盖类型下土壤养分含量差异明显，植被自然恢复，人为干扰较小的灌木和樱桃+草本分布点的SOC和TN含量较高，经营管理强度较高的樱桃和樱桃+玉米分布点的SOC和TN含量较低。耕地施用磷钾肥明显提高了其TP和TK的含量。植被覆盖类型与TK的相关性不显著，说明植被对TK的分布影响较小。④相关性分析表明，SOC、TN、TP在土层浅薄、坡度大、岩石率高的区域土壤养分含量较高，反之亦然。而TK含量的分布规律则与其他土壤养分相反，这可能与研究区施肥和土壤属性有关。不同土地利用方式施肥和种植结构的差异是引起这种空间分布特点的主要因素。

关键词：退耕坡地；土壤养分；空间变异；植被覆盖类型；环境因子；地统计学分析

中图分类号：S158.3；Q142.3 文献标识码：A 文章编号：0439-8114（2017）12-2243-07

DOI：10.14088/ki.issn0439-8114.2017.12.012

Research on the Spatial Variation of Soil Nutrients of De-farming Slope-land in Baishui River Small Watershed

CAO Yi-qun， TAN Wei， PAN Zhi-hua

（College of Forestry， Guizhou University，Guiyang 550025，China）

Abstract： Taking Baishui River small watershed de-farming slope-land as the research object， the spatial distribution characteristics and its variation law of soil organic carbon（SOC）， total nitrogen（TN）， total phosphorus（TP） and total potassium（TK） in 0～10 cm soil layer of study area were analyzed by geostatistical analysis method. Discussing the effects of vegetation cover types and other environmental factors on the spatial distribution of soil nutrient， which provided the theoretical basis for the effective utilization and management of soil nutrients. The results showed that： ①The contents of SOC（Mean=18.847 g/kg） and TN（Mean=0.749 g/kg） in the study area were moderate， and TP（Mean=0.291 g/kg） and TK（Mean=3.333 g/kg） were deficient. The nutrient content of coefficient variation（CV） were between 10%～100%， belonging to moderate variability.②The SOC fitting model was Gaussian model， TN and TK were spherical model， TP was exponential model. TP and TK had a strong spatial autocorrelation， the autocorrelation ranges were 23.43 m and 27.48 m， respectively. The spatial variability of TP and TK were mainly caused by non-artificial structural factors such as soil parent material， topography and climate. SOC and TN showed moderate spatial autocorrelation with the autocorrelation range of 37.78 m and 32.65 m， respectively. The variation was a combination of random factors（fertilization， tillage， cropping system and human activities） and structural factors. ③The spatial distribution of soil nutrient in the whole area was continuous. There were significant differences in soil nutrient contents under different vegetation cover types， the contents of SOC and TN were higher in the shrub and cherry+herbaceous plants with natural vegetation restoration and less human interference， and the contents of SOC and TN were lower in cherry and cherry+maize with higher management intensity. The contents of TP and TK significantly increased due to the application of phosphate and potash fertilizer in arable land. There was no significant correlation between vegetation coverage and TK， which indicated that vegetation had little effect on TK distribution. ④Correlation analysis showed that SOC， TN and TP had higher soil nutrient content in the area with shallow soil layer， high slope and high bareness rate， and vice versa. The distribution of TK content was opposite to that of other soil nutrients， which may be related to fertilization and soil properties in the study area. Differences in fertilization and cropping patterns under different land using types were the main factors that contribute to this spatial distribution.

Key words：de-farming slope-land； soil nutrient； spatial variability； vegetation cover type； environmental factor； geostatistical analysis

土壤养分具有明显的区域性，在不同的地区和时段内，受母质、地形等自然因素及土地利用方式等人为活动的影响，呈现出不同的空间变异规律[1]。不论在大尺度上还是在小尺度上，土壤养分的空间异质性均存在[2]。喀斯特地区由于小生境类型复杂多样，基岩广泛出露，土壤存量少、土层浅薄且分布不连续，使得该区土壤具有高度的空间异质性[3，4]。

土壤空间变异性的研究，更接近研究区域内土壤变化的实际情况[5]。因此把养分的差异性体现在空间分布上可以及时预测和调控土壤养分的动态变化，是提高农田土壤肥力的重要手段，也是当前开展测土配方施肥工作的重要依据。学者利用地统计学方法研究了不同区域、尺度下土壤养分的空间变异，取得了重要的研究成果。王幼奇等[6]发现两种尺度下土壤全氮（TN）、全磷（TP）和pH的空间分布呈现出明显的差异性，较小尺度下的空间结构不能在较大尺度下表现出来。胡瑞彬等[7]的研究认为中亚热带南酸枣落叶阔叶林土壤磷素的空间变异性受到高程、地表凋落物现存量等多种因子相互作用的影响。有学者对红壤丘陵区[8]、城乡交错区[9]、水源保护地[10]等的土壤养分空间变异进行了研究。在喀斯特地区，吴敏等[11]的研究发现地形因子和土壤相关因子（如土层厚度、土壤质地、土壤含水量等）是影土壤养分空间变异的重要因素。刘淑娟等[12]的研究认为土壤养分的空间异质性随植被演替而改变。范夫静等[13]的研究表明，植被、地形、人为干扰和高异质性的微生境是造成峡谷型喀斯特坡地土壤养分格局差异的主要因素。喀斯特石漠化一直是制约该区生态建设和可持续发展的重要问题，在政策的推动下，该区部分岩石出露率高的坡耕地实施退耕还林（还草）工程，部分地区退耕后种植经济树种，不仅有效的减少了水土流失，还增加了农民的收入。然而，退耕后植被覆盖类型的改变势必影响土壤养分的变化，植被通过改变凋落物的质与量和非生物环境等方式影响生态系统内土壤养分资源的循环和分布[14]，同时土壤养分是限制坡地植被恢复的重要因素。目前，针对喀斯特地区小尺度土壤养分空间变异的研究越来越多，但对退耕后土壤养分与植被及其他环境因子关系的研究比较缺乏。

为此，本课题研究了白水河小流域退耕坡地土壤养分的空间变异性特征，探讨植被覆盖类型、土层厚度、坡度等环境因子对土壤养分含量及其空间异质性格局的影响，研究结果可为当地退耕坡地合理规划植被类型、精准施肥及生态恢复提供理论基础。

1 研究区概况

研究区位于乌当区白水河小流域，地貌类型主要为喀斯特峰丛谷地，出露地层为中上寒武系、二叠系及三叠系白云岩、石灰岩等岩性、岩组、夹页岩。土壤主要为黄红壤和石灰土，平均厚度为40 cm左右。常年平均气温14.1 ℃，年平均日照时数1 084.7 h，无霜期277 d，年平均降雨量1 260 mm。小流域总面积3 451.62 hm2，其中耕地面积369.84 hm2（包括水田235.87 hm2，旱地133.97 hm2），仅占流域面积10.71%，旱地多为坡耕地，25°以上陡坡垦殖率高达58.37%，基岩广泛出露，是石漠化重点治理区域。研究区2013年实施石漠化治理工程，对基岩率高的坡耕地采取经济林退耕模式，经济树种主要为樱桃、杨梅、桃、梨、核桃等。

本研究选取的坡地属于典型的峰丛谷地坡面，基岩率达到30%以上，为石漠化工程治理区域，主要采取樱桃经济林退耕治理模式。样区地类为灌木林地、草地和退耕地，植被覆盖类型分为灌木、草本、樱桃、樱桃+玉米、樱桃+草本、李+草本。灌木林地和草地为自然恢复，退耕地有50年以上的耕种历史，2013年退耕还林种植樱桃和李树。样地的详细环境信息（地形、植被覆盖率等）见表1。

2 研究方法

2.1 土样采集与试验分析

根据研究地块的植被覆盖类型和地形情况，确定取样范围为120 m×100 m，利用森林罗盘仪将样地划分为采样间距为10 m的标准网格，采样深度为0～10 cm。采样时先去除地表凋落物，在每个样点周围2 m范围内随机采取0～3个土样混合代表一个采样点，用GPS定位每个样点的相对坐标，并记录其2 m×2 m范围内的地形、土层厚度、岩石率、植被覆盖率等环境因子信息。其中，植被覆盖度和岩石出露率的估算以调查样点周围2 m×2 m内的植被覆盖面积百分比和岩石出露面积百分比计算，土层深度用测钎法以测定样点周围2 m×2 m内3～5个点的土层深度平均值表示[11]。采样时有6个样点分布在出露面积较大的基岩上，未进行取样，仅调查了其环境因子信息，共获得114个采样点。采样结束后，土壤样品及时带回实验室风干过筛，进行土样的化学性质分析。测定的指标包括有机碳（SOC）、TN、TP、全钾（TK），SOC采用浓硫酸-重铬酸钾外加热法测定，TN采用半微量开氏法测定，TP采用浓硫酸-高氯酸消煮钼锑抗比色法测定，TK采用原子吸收仪测定。

2.2 数据处理

采用经典统计学和地统计学相结合的方法进行分析。经典统计很好地描述了土壤养分的总体变化特征，概括了土壤养分含量变化的全貌，但无法反映其局部的变化特征，不能定量描述随距离而产生的空间变异及分布，需要进一步用地统计学方法进行分析研究。地统计学方法是以区域化变量为核心和理论基础，以空间结构和变异函数为基本工具的一种数学方法[15]。具体的关于地统计学方法及原理见文献[16，17]。

采样数据用Excel进行初步处理后，导入到Arc Map中，将采样点数字化整理及投影坐标转换，产生以米为单位的平面坐标系，再与研究区地形图叠加，形成如图1所示的采样分布图。采用SPSS 18.0软件计算土壤养分的均值（Mean）、标准差（SD）及变异系数（CV）等描述性统计参数，用K-S检验法进行非参数检验，显著性水平设定为α=0.05。半变异函数分析、模型优化和各参数的计算在GS+统计软件中完成，根据所得到的优化模型和参数在ArcGIS 10.2软件的扩展模块（Geostatistical analyst）中进行克里格（Kriging）插值并绘制土壤养分预测图，本研究采用样本均值加减3倍标准差来识别特异值，在此区间外的数据均判定为特异值，分别用区间最大值和最小值代替，以下的分析数据均使用去除特异值后的数据。

3 结果与分析

3.1 土壤养分状况

由表2可以看出，研究区SOC（Mean=18.847 g/kg）和TN（Mean=0.749 g/kg）的含量属于中等水平（根据全国第二次土壤普查养分分级标准），TP（Mean=0.291 g/kg）和TK（Mean=3.333 g/kg）的含量则比较缺乏。各土壤养分变异系数（CV）的范围为20%～30%，属于中等程度的变异。变异程度由大到小依次为SOC、TN、TK、TP。从偏度、峰度和单样本K-S检验结果（P>0.05）来看，各养分均呈正态分布，满足地统计学分析的前提条件。

3.2 土壤养分的空间变异特征

在GS+地统计分析软件中，通过调整步长大小和各参数，得到土壤养分的最优半变异函数拟合模型，用判定系数（R2）和残差平方和（RSS）来判断模型是否最优。一般来说，R2越大而RSS越小，表明模型的拟合程度越高[18]。各土壤养分的半变异函数见图2，其中横坐标为滞后距，表示采样点对之间的距离，纵坐标为相应滞后距上的半变异函数值（半方差）。如果变量在采样尺度上具有空间依赖性（或者空间相关性），半变异函数会随着滞后距的增加而增大，并且在超过一定距离（变程）后逐渐趋近于平稳[19]。由图2可知，各土壤养分拟合的半变异函数曲线均在一定的距离后趋于平稳，说明都具有明显的空间依赖性和空间结构。

各土壤养分半变异函数最优模型及其参数见表3，由表3可知，SOC半变异函数最优拟合模型为高斯模型，TN和TK榍蜃茨P停TP为指数模型。R2在0.8～1.0之间，结合RSS的值，表明拟合模型均能很好地反映土壤养分的空间变异特征。各养分的块金值（C0）均为正值，说明存在着由采样误差、短距离的变异、随机和固有变异所引起的各种正基底效应[20]。C0反映随机变异的大小[19]。各土壤养分C0的大小表现为SOC>TK>TN>TP，说明SOC由随机因素引起的变异大于其他3种土壤养分，而TP由随机因素引起的变异最小。C0与C0+C的比值叫块基比，反映土壤养分自相关性的强弱[19]。其中，TP和TK的C0/（C0+C）小于25%，表现为强烈的空间自相关，说明随机变异的贡献较小，是由土壤母质、地形、气候等非人为的结构因素所引起的变异。SOC和TN的块基比在25%～75%之间，表现为中等的空间自相关性，其变异是随机因素和结构因素的共同作用，其空间变异不仅受结构性因素影响，还与随机因素（如施肥、耕作措施、种植制度等人为活动）有关。变程是使半方差达到基台值时的样本间距，即最大相关距离，表明土壤属性空间自相关范围的大小[19]。各养分的空间自相关范围在20～40 m之间，SOC（37.78 m）和TN（32.65 m）的变程略大于TP（23.43 m）和TK（27.48 m），说明各养分的空间自相关范围差异不大。

3.3 土壤养分的空间分布格局与植被分布的关系

普通克里格插值法是利用区域化变量的原始数据和变异函数的结构特点，对未采样点的区域化变量的取值进行线性无偏最优估计的一种方法，即通过已知点来推测未知点的含量状况，从而预测区域范围内的空间分布情况[19]。通过对土壤养分进行Kriging空间插值，得到如图3所示的SOC、TN、TP和TK的空间分布，并叠加样点的植被覆盖类型，可以直观看到其对土壤养分的局部影响。研究区植被分布点的植被覆盖度、人为干扰情况和施肥情况见表1。结果表明，各土壤养分总体上均呈凹型分布，即中间低、四周高的分布格局。各土壤养分分布的斑块面积较大，变化缓和，空间变异性规律明显。

相关性分析（表4）表明，研究区植被覆盖类型对SOC、TN、TP有显著影响，相关性水平分别为0.476、0.423、0.390，而与TK（P=-0.285）的相关性不显著。说明植被覆盖类型是样区土壤养分空间变异的重要因素。SOC、TN、TP的高值区主要分布在西北部和东北部，此处是灌木和樱桃+草本的分布点。灌木林地为自然林，植被覆盖率达90%以上，其枯枝落叶的归还量较大，所以其养分含量较高，尤其对表层土壤SOC和TN含量的补充较为明显。樱桃+草本地为退耕林地，由于其分布接近山顶，坡度大且基岩率高造成樱桃收益较低，所以常年疏于管理，人为干扰较小，植被覆盖率也较大，因而其养分含量较高。从SOC、TN和TP的空间分布（图3）可以看出，樱桃和樱桃+玉米分布点的SOC和TN含量最低，这是因为受人为干扰（耕作、除草、松土）较大，降低了养分含量，而TP的养分含量有所提高，是因为农民施用磷肥所致。研究区TK的高值区在西南部和东南部，相同植被覆盖类型下TK的养分含量差异较大，可能是施肥不均匀，小生境地形（石坑、石穴、石沟等）导致局部样点含量较高或较低。此外，SOC的空间分布情况与TN较为相似，受植被影响也比较一致，说明两者有明显的相关关系。以上研究表明，在人为干扰较大的区域，土壤养分含量呈下降趋势，由此可以看出，在强烈的人为干扰下，尽管施肥能补给部分营养元素，但土壤肥力仍急剧下降。因此，在喀斯特地区应尽量避免人为干扰，并确保植被的顺向演替和土壤养分的合理利用。

3.4 土壤养分与其他环境因子的相关性分析

利用Arcgis10.2的地统计分析模块中的反距离权重法（IDW）对每个样点的坡度、土层厚度、岩石率进行插值，得到空间分布见图4。由图4可知，总体来说，随坡位的升高，呈现出坡度大、岩石率高，土层浅薄的特点，随坡位的下降则表现出坡度和岩石率相对较小，土层相对较厚。研究区整体坡度不大，但基岩率较高，随机出露且广泛分布。

土壤养分与环境因子的相关性分析见表5。SOC与土层厚度呈显著负相关，相关系数为-0.331（P

4 讨论

在对研究区施肥情况的调查中发现，农民在耕地施肥中着重施用磷钾肥，而轻施有机肥和氮肥。尽管样区耕地施用磷钾肥，但样区整体的磷和钾含量仍然缺乏，说明在不受施肥影响下，样区存在缺磷和钾的现象，应注重合理利用土地资源，防止磷和钾的流失。本研究发现，在有机肥和氮肥影响较小的情况下，SOC和TN的空间分布较为相似，且均表现为中等自相关性，变程范围较为接近，分别为37.78 m和32.65 m，说明两者存在一定的相关关系。郭旭东等[20]的研究也得出类似的结论，二者由随机因素引起的空间异质性程度均较高，驱使全氮与有机质时空分布朝均一化方向发展，导致二者呈现相似的空间变异趋势。大量的研究证明，土壤养分元素的含量、空间分布不仅与气候、成土母质以及土壤质地等自然因素有关，还受耕作制度、施肥管理、种植结构和作物类型等人为因素影响[21，22]。研究区土壤养分的高值区主要出现在灌木和樱桃+草本分布点，此处人为干扰和管理强度较低，植被得以自然恢复，增加了物种的多样性和功能多样性，提高了土壤养分的含量，而樱桃和樱桃+玉米分布点因长期耕作导致养分含量较低。此外，结合土层厚度、岩石率和坡度的空间分布来看，灌木和樱桃+草本分布点的土层浅薄、坡度大、岩石率高是造成土壤养分含量较高的重要原因，这是因为土层越浅薄，输入土壤中的有机物质越集中在少量的土壤中，土壤养分含量就高。而土层深厚的土壤，有机物质被分散到较大范围，土壤养分含量就降低[23]。同样，岩石率高的地方，有机物质集中在较小范围，加上石面上的枯落物被侵蚀到土壤中，其土壤养分含量就大，反之，岩石率低的地方有机物质则被分散到较大范围内，土壤养分含量就低[11]。有学者对喀斯特地区其他区域土壤养分的研究表明，坡度、土层厚度和岩石率对土壤养分有显著影响[24，25]，而本研究除植被覆盖类型外，所选的环境因子与土壤养分的相关性几乎不显著，对解释土壤养分含量差异的贡献较小，说明即使在同一研究背景下，不同研究区域土壤养分的主要影响因子也有很大差异，应详细调查研究区土壤类型、土壤质地、微地形、小生境类型、地上及地下生物量等环境因子和土壤因子，分析其对土壤养分的影响，以便更好地解释造成土壤养分空间变异的原因。

5 小结

1）研究区SOC和TN的含量为中等水平，TP和TK含量比较缺乏。各土壤养分的变异程度差异不大，由大到小依次为SOC、TN、TK、TP，表F为中等的变异性。

2）土壤养分的空间变异性结果表明，尽管喀斯特地区土壤具有土层薄、不连续、多种小生境发育等的特点，但土壤养分含量仍具有明显的空间结构和空间连续性。SOC的最佳拟合模型为高斯模型，TN和TK为球状模型，TP为指数模型。SOC的块金值显著高于其他土壤养分，达到15.500 0，说明SOC的随机变异最大。TP和TK表现为强烈的空间自相关，其变异主要受结构性因素控制。TN和SOC表现为中等的空间自相关性，其变异是随机因素和结构因素的共同作用。SOC、TN、TP和TK的变异尺度差异不大，分别为37.78、32.65、23.43、27.48 m，其中TP的变程最小，自相关范围最小，空间连续性相对较差，主要与耕地施用磷肥有关。

3）Kriging插值显示，各土壤养分总体上均呈凹型分布，空间变异性规律明显。其中SOC、TN、TK土壤养分分布的斑块面积较大，变化缓和。TP的斑块相对较为破碎，空间连续性较差，空间自相关范围最小。SOC、TN、TP的高值区主要分布在西北部和东北部，而TK的高值区主要分布在西南部和东南部，主要与研究区土地利用方式和施肥有关。植被覆盖类型对土壤养分含量差异有极显著影响，对TK的影响较小，且植被覆盖度较高、人为干扰较小的区域呈现出坡度大、岩石率高、土层浅薄的特点，反之亦然。

4）研究区随坡位升高呈现出坡度大、岩石率高、土层浅薄的特点，随坡位下降则表现为坡度和岩石率相对较小，土层相对较厚。SOC、TN、TP在土层浅薄、坡度大、岩石率高的区域土壤养分含量较高，反之亦然。而TK含量的分布规律则与其他土壤养分相反。

综上所述，在喀斯特地区石漠化治理过程中应注重小尺度上的立地条件，尽量避免人为干扰，结合小生境发育特点和分布格局，合理配置植物种类，以实现退化土壤的快速修复和土壤生态功能的整体提升。

参考文献：

[1] 刘沛松，王健胜，楚纯洁，等.豫西低山丘陵区不同土地利用方式对陡坡地土壤理化性状的影响[J].干旱地区农业研究，2014， 32（1）：208-212，229.

[2] 李 婷，张世熔，刘 浔，等.沱江流域中游土壤有机质的空间变异特点及其影响因素[J].土壤学报，2011，48（4）：863-868.

[3] 王世杰，卢红梅，周运超，等.茂兰喀斯特原始森林土壤有机碳的空间变异性与代表性土样采集方法[J].土壤学报，2007，44（3）：475-483.

[4] 张 伟，陈洪松，王克林，等.典型喀斯特峰丛洼地坡面土壤养分空间变异性研究[J].农业工程学报，2008，24（1）：68-73.

[5] 赵佳丽，李惠卓，高如泰，等.不同土地利用方式下赵县土壤养分元素的空间变异特征[J].河北农业大学学报，2009，32（5）：18-22.

[6] 王幼奇，白一茹，展秀丽.在不同尺度下宁夏引黄灌区农田土壤养分空间变异分析[J].干旱区研究，2014，31（2）：209-215.

[7] 胡瑞彬，方 晰，项文化，等.中亚热带南酸枣落叶阔叶林土壤磷素空间变异及其影响因素[J].应用生态学报，2016，27（3）：705-715.

[8] 路 鹏，苏以荣，牛 铮，等.红壤丘陵区村级农田土壤养分的空间变异与制图[J].浙江大学学报（农业与生命科学版），2007，33（1）：89-95.

[9] 赵彦锋，史学正，于东升，等.小尺度土壤养分的空间变异及其影响因素探讨―以江苏省无锡市典型城乡交错区为例[J].土壤通报，2006，37（2）：214-219.

[10] 胡G霞，周连第，魏长山，等.水源保护地土壤养分空间变异特征及其影响因素分析[J].土壤通报，2013，44（5）：1184-1191.

[11] 吴 敏，刘淑娟，叶莹莹，等.典型喀斯特高基岩出露坡地表层土壤有机碳空间异质性及其储量估算方法[J].中国生态农业学报，2015，23（6）：676-685.

[12] 刘淑娟，张 伟，王克林，等.桂西北喀斯特峰丛洼地表层土壤养分时空分异特征[J].生态学报，2011，31（11）：3036-3043.

[13] 范夫静，宋同清，黄国勤，等.西南峡谷型喀斯特坡地土壤养分的空间变异特征[J].应用生态学报，2014，25（1）：92-98.

[14] 胡忠良，潘根兴，李恋卿，等.贵州喀斯特山区不同植被下土壤C、N、P含量和空间异质性[J].生态学报，2009，29（8）：4187-4195.

[15] 张 敏，贺鹏飞，陈伟强.基于GIS和地统计学的土壤养分空间变异分析[J].东北农业大学学报，2010，41（3）：53-58.

[16] MATHERON G. Principles of geostatistics[J].Economic Geology，1963，58：1246-1266.

[17] ISAAKS E H，SRIVASTAVA R M. An introduction to applied geostatistics[M].New York：Oxford University Press，1989.

[18] 杨 文，周脚根，焦军霞，等.亚热带丘陵小流域土壤有效磷空间变异与淋失风险研究[J].环境科学学报，2015，35（2）：541-549.

[19] 王雪梅，柴仲平，武红旗.典型干旱荒漠绿洲区耕层土壤养分空间变异[J].水土保持通报，2016，36（1）：51-56.

[20] 郭旭东，傅伯杰，马克明，等.基于GIS和地统计学的土壤养分空间变异特征研究――以河北省遵化市为例[J].应用生态学报，2000，11（4）：557-563.

[21] 罗新宁，朱友娟，张宏勇，等.塔里木绿洲种植制度对棉田土壤养分性状的影响[J].干旱地区农业研究，2012，30（3）：114-118.

[22] 程 辉，傅瓦利，沈 艳.岩溶区坡耕地土壤养分空间变异及其影响因子分析[J].现代农业科技，2013（7）：229-232.

[23] 王世杰，卢红梅，周运超，等.茂兰喀斯特原始森林土壤有机碳的空间变异性与代表性土样采集方法[J].土壤学报，2007，44（3）：475-483.

[24] 吴 敏，刘淑娟，叶莹莹，等.喀斯特地区坡耕地与退耕地土壤有机碳空间异质性及其影响因素[J].生态学报，2016，36（6）：1619-1627.

[25] 高 鹏，付同刚，王克林，等.喀斯特峰丛洼地小流域表层土壤微量元素的空间异质性[J].生态学杂志，2013，32（8）：2133-2139.