平原丘陵過渡區(qū)土壤有機(jī)質(zhì)空間變異及其影響因素

杜佩穎 張海濤 郭 龍 楊順華 章 清 田 雪

（華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，武漢 430070）

土壤是在成土因素的長期相互作用下形成的復(fù)雜自然綜合體，具有高度的空間異質(zhì)性和依賴性。土壤有機(jī)質(zhì)（Soil Organic Matter, SOM）是土壤肥力的主要來源，對(duì)農(nóng)業(yè)生產(chǎn)和可持續(xù)發(fā)展具有重要意義，因此了解土壤有機(jī)質(zhì)的空間分布，掌握其空間變異規(guī)律對(duì)生產(chǎn)實(shí)踐具有重要的指導(dǎo)意義［1-3］。

目前地統(tǒng)計(jì)模型已經(jīng)被成熟地應(yīng)用于土壤有機(jī)質(zhì)空間變異規(guī)律的研究中，以變異函數(shù)為工具的區(qū)域化變量理論得到了廣泛應(yīng)用［4-5］。普通克里格方法（Ordinary Kriging, OK）作為經(jīng)典的地統(tǒng)計(jì)模型較好地考慮了土壤樣點(diǎn)屬性的空間異質(zhì)性和依賴性，但OK未將環(huán)境影響因子納入模型，忽視了土壤屬性在形成、發(fā)育和遷移過程中會(huì)受到的多種自然社會(huì)因素的影響。因此在構(gòu)建土壤屬性模型時(shí)考慮不同環(huán)境因素對(duì)土壤有機(jī)質(zhì)空間變異規(guī)律的影響具有重要意義，為建立精確的土壤屬性空間模型提供有價(jià)值的輔助信息［6-7］。

眾多研究表明土壤有機(jī)質(zhì)受到氣候、植被、地形、土壤營養(yǎng)元素、土壤質(zhì)地、土壤pH以及人為活動(dòng)等因素的綜合影響［8-10］。因此為進(jìn)一步準(zhǔn)確描述土壤有機(jī)質(zhì)及其影響因素之間的響應(yīng)機(jī)制，學(xué)者們將土壤有機(jī)質(zhì)的異質(zhì)性及其環(huán)境影響因素納入模型，進(jìn)行了土壤有機(jī)質(zhì)預(yù)測(cè)和制圖等方面的研究：例如，連綱等［7］以黃土丘陵溝壑區(qū)縣域土壤有機(jī)質(zhì)為研究對(duì)象，利用多元線性回歸模型進(jìn)行空間預(yù)測(cè)，結(jié)果表明包含地形濕度指數(shù)、高程、林地、梯田和土壤調(diào)節(jié)植被指數(shù)的區(qū)域回歸模型具有最優(yōu)的預(yù)測(cè)效果；郭月峰等［11］利用老哈河流域的地形因子對(duì)土壤有機(jī)碳建立多元線性回歸模型，結(jié)果表明高程和坡度對(duì)該區(qū)域土壤有機(jī)碳影響作用較強(qiáng)。這些研究結(jié)果不僅進(jìn)一步表明了環(huán)境變量與土壤有機(jī)質(zhì)之間的密切聯(lián)系，更為進(jìn)一步進(jìn)行土壤有機(jī)質(zhì)預(yù)測(cè)及制圖提供了發(fā)展方向及理論基礎(chǔ)。

多元線性回歸模型將整個(gè)研究區(qū)域當(dāng)作一個(gè)研究整體，未考慮回歸系數(shù)的空間局部差異，因此線性回歸模型雖然可以揭示土壤有機(jī)質(zhì)與環(huán)境變量之間的關(guān)系，但是難以建立土壤有機(jī)質(zhì)與環(huán)境變量關(guān)系在局部區(qū)域上的差異性［12-13］。地理加權(quán)回歸（Geography Weighting Regression，GWR）模型作為局部線性回歸模型，不僅考慮了土壤屬性的空間異質(zhì)性，同時(shí)考慮了環(huán)境變量與土壤屬性之間的相關(guān)關(guān)系的空間非平穩(wěn)性［14-16］。GWR模型可以根據(jù)土壤屬性的空間變異規(guī)律調(diào)節(jié)并選擇合適的帶寬，反映環(huán)境影響因子對(duì)局部地理位置土壤有機(jī)質(zhì)的影響程度。GWR模型目前較多地被應(yīng)用于土壤屬性的預(yù)測(cè)和模擬中，但是由于GWR模型的前提假設(shè)是納入模型的變量和殘差具有獨(dú)立性，因此土壤有機(jī)質(zhì)和環(huán)境變量在空間上的依賴性會(huì)違背GWR模型的前提假設(shè)，并且影響模型性能的可靠性，為此GWRK模型由于其考慮了回歸殘差自相關(guān)性的獨(dú)特優(yōu)勢(shì)被廣泛地應(yīng)用于土壤學(xué)領(lǐng)域［24, 26］。

本研究區(qū)內(nèi)土壤有機(jī)質(zhì)影響因子復(fù)雜，土壤有機(jī)質(zhì)在局部區(qū)域表現(xiàn)出很強(qiáng)的異質(zhì)性，因此利用傳統(tǒng)的地統(tǒng)計(jì)模型難以準(zhǔn)確模擬土壤有機(jī)質(zhì)的空間局部特征，而多元線性回歸模型無法考慮環(huán)境變量與土壤有機(jī)質(zhì)的空間異質(zhì)性［21］。為此本文選取GWR模型作為基礎(chǔ)研究模型，探討影響因子對(duì)土壤有機(jī)質(zhì)局部區(qū)域影響作用的差異性，同時(shí)利用GWRK模型將GWR模型的預(yù)測(cè)結(jié)果與OK進(jìn)一步結(jié)合，以達(dá)到更好的預(yù)測(cè)精度和效果。楊順華等［20］曾以此區(qū)域?yàn)檠芯繉?duì)象，將地形因子納入回歸模型對(duì)土壤有機(jī)質(zhì)含量進(jìn)行了預(yù)測(cè)，并得到GWRK具有較高預(yù)測(cè)精度的結(jié)論，但是該研究沒有進(jìn)一步探討土壤有機(jī)質(zhì)與自身物理化學(xué)性質(zhì)之間的關(guān)系，為此本文進(jìn)一步完善輔助數(shù)據(jù)集，為過渡地帶復(fù)雜環(huán)境下數(shù)字土壤制圖提供研究基礎(chǔ)，同時(shí)該研究也未進(jìn)行土壤有機(jī)質(zhì)影響因子空間非平穩(wěn)性影響的研究，本文通過影響因子系數(shù)分布圖深入分析了各影響因子在局部區(qū)域?qū)ν寥烙袡C(jī)質(zhì)影響作用的變化規(guī)律。本文的主要研究內(nèi)容為（1）建立由地形因子和土壤屬性因子組成的土壤有機(jī)質(zhì)預(yù)測(cè)輔助數(shù)據(jù)集，（2）運(yùn)用GWRK預(yù)測(cè)土壤有機(jī)質(zhì)含量并得到其空間變異規(guī)律，為平原丘陵過渡地帶數(shù)字土壤制圖提供參考依據(jù)，（3）分析土壤有機(jī)質(zhì)影響因子變化規(guī)律，結(jié)合研究區(qū)地形特點(diǎn)和土壤有機(jī)質(zhì)分布情況分析影響因子對(duì)土壤有機(jī)質(zhì)影響作用的空間非平穩(wěn)性。

1 材料與方法

1.1 研究區(qū)概況

本研究區(qū)位于宜都市枝城鎮(zhèn)境內(nèi)（圖1）。宜都市位于3 0°0 5′～3 0°3 6′N，111°05′～111°36′E之間，地處湖北省西南部，江漢平原西部。枝城鎮(zhèn)位于宜都市東北部，是江漢平原向鄂西山區(qū)的過渡地帶，亞熱帶季風(fēng)氣候，四季分明，雨熱同期，年平均降水量1 212 mm，氣溫16.7℃，無霜期273 d，地形地貌以平原、丘陵為主，地勢(shì)西南高，東北低，大部地區(qū)屬武陵山脈的丘陵地帶，東北部臨長江有部分沖積平原。結(jié)合地形地貌，在實(shí)地調(diào)查的基礎(chǔ)上選取一塊面積100 km2地形起伏較明顯的代表性區(qū)域作為研究區(qū)，研究區(qū)最高點(diǎn)海拔為483 m，最低點(diǎn)為0 m，高程起伏變化較大，土壤類型主要有黃棕壤土類、石灰?guī)r性土和水稻土類等，土地利用類型主要有林地、水田、旱地和園地，水田的種植方式為水稻輪作，一年兩季，旱地多種植玉米、土豆等農(nóng)作物，園地主要種植柑橘和茶樹。

1.2 樣品采集與分析

500個(gè)樣點(diǎn)土壤樣品采集于2013年12月—2014年1月，布點(diǎn)方法采用“網(wǎng)格+隨機(jī)”相結(jié)合，遵循平原區(qū)域較稀、山區(qū)加密的原則，采樣方法主要使用“梅花法”，對(duì)于較狹窄的地帶或農(nóng)田采用“蛇形法”。土樣選取0～20 cm表層土壤，并使用差分式全球定位系統(tǒng)（DGPS）記錄實(shí)地樣點(diǎn)的空間位置。土壤有機(jī)質(zhì)含量采用重鉻酸鉀氧化—外加熱法測(cè)定，機(jī)械組成采用馬爾文—激光粒度儀測(cè)定，使用美國制分級(jí)：砂粒（2～0.05 mm），粉粒（0.05～0.002 mm），黏粒（＜0.002 mm），土壤容重采用環(huán)刀法測(cè)定［22］。

圖1 研究區(qū)位置及采樣點(diǎn)分布（392個(gè)建模點(diǎn)和98個(gè)驗(yàn)證點(diǎn)）Fig. 1 Location of the study area and distribution of sampling points (including 392 for modeling and 98 for validation in the study area

1.3 輔助信息獲取

研究區(qū)的數(shù)字高程模型（D E M）數(shù)據(jù)（30 m×30 m）來源于國際科學(xué)數(shù)據(jù)共享平臺(tái)（http:/ /datamirror.csdb.cn /admin /datademMain.jsp），利用DEM數(shù)據(jù)獲取其衍生數(shù)據(jù)變量，主要為坡度（Slope）、坡向（Aspect）、高程（Elevation）、粗糙度（Roughness）、地形濕度指數(shù)（Topographic Wetness Index，TWI）、匯流動(dòng)力指數(shù)（Stream Power Index，SPI）、沉積物運(yùn)移指數(shù)（Sediment Transport Index，STI）。其中坡度采用ArcGIS10.2中空間分析模塊中的相關(guān)工具直接提取，其余環(huán)境因子使用ArcGIS10.2中的柵格計(jì)算器以及水文分析模塊綜合計(jì)算獲取。

1.4 提取影響土壤有機(jī)質(zhì)含量的重要指標(biāo)

除地形因子外，土壤屬性因子也是影響土壤有機(jī)質(zhì)含量的重要指標(biāo)，因此除上文提到的地形因子外，加入有效鐵(AI)、土壤pH、容重（BD）、礫石度（GD）、歸一化植被指數(shù)（NDVI）、亞鐵礦物指數(shù)（FMI）和土壤機(jī)械組成（包括黏粒、粉粒、砂粒）這7個(gè)屬性作為輔助變量，組成由14個(gè)輔助因子組成的初選因子集，將土壤有機(jī)質(zhì)含量與影響因子進(jìn)行皮爾遜相關(guān)分析和逐步回歸分析，篩選出與土壤有機(jī)質(zhì)含量顯著相關(guān)的影響因子。利用逐步回歸方法選取進(jìn)入模型的回歸變量，既能保證與土壤有機(jī)質(zhì)含量極顯著相關(guān)的輔助因子進(jìn)入回歸模型，又能有效去除自變量之間的共線性，使用該方法得到研究區(qū)GWR模型的最佳解釋變量：Elevation、Slope、Aspect、AI、BD、GD、Clay。

1.5 模型方法

（1）回歸克里格（RK）方法［25-26］首先對(duì)解釋變量和目標(biāo)變量之間的回歸關(guān)系進(jìn)行探討，建立兩者之間的線性回歸關(guān)系，進(jìn)而由回歸關(guān)系得到目標(biāo)點(diǎn)處的確定性趨勢(shì)項(xiàng)，對(duì)分離趨勢(shì)項(xiàng)后的殘差進(jìn)行普通克里格（OK）插值得到殘差項(xiàng)，最后將趨勢(shì)項(xiàng)和殘差項(xiàng)相加得到采樣點(diǎn)處的RK預(yù)測(cè)值。

（2）地理加權(quán)回歸克里格（GWRK）［12,19,27］是一種局部回歸方法，它將全局回歸方法中的全局回歸值換成GWR局部回歸值，同時(shí)考慮了局部預(yù)測(cè)的殘差。GWRK是對(duì)GWR的延伸與擴(kuò)展，即對(duì)局部模型GWR擬合后得到的殘差進(jìn)行OK插值，然后與GWR擬合的趨勢(shì)相加。

（3）數(shù)據(jù)標(biāo)準(zhǔn)化。在評(píng)估解釋變量對(duì)SOM的影響時(shí)，預(yù)測(cè)模型中的系數(shù)是一個(gè)可以定量比較的指標(biāo)，但在進(jìn)行這一過程之前，必須對(duì)解釋變量進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換，將解釋變量的量綱進(jìn)行統(tǒng)一，標(biāo)準(zhǔn)化后的變量其系數(shù)越大說明它對(duì)土壤有機(jī)質(zhì)的影響程度越高，標(biāo)準(zhǔn)化公式如下：

式中，χ*為標(biāo)準(zhǔn)化結(jié)果，χ 為解釋變量的原始值，μ為變量的均值，σ為變量的標(biāo)準(zhǔn)差。

（4）模型精度驗(yàn)證。為綜合比較模型的預(yù)測(cè)精度，從數(shù)值上精確比較預(yù)測(cè)效果，本文選擇平均誤差（ME）、平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）、皮爾遜相關(guān)系數(shù)（Pearson’r）以及不精確度（IP）等指標(biāo)評(píng)估預(yù)測(cè)精度。本研究利用箱線圖法剔除異常值10個(gè)，利用ArcGIS中的工具將490個(gè)樣點(diǎn)隨機(jī)分為兩組，其中一組392個(gè)（占樣點(diǎn)總數(shù)的80%）作為建立模型的擬合數(shù)據(jù)集，另一組為其余98個(gè)（占樣點(diǎn)總數(shù)的20%）作為驗(yàn)證數(shù)據(jù)集用于驗(yàn)證模型。

2 結(jié) 果

2.1 土壤有機(jī)質(zhì)描述性統(tǒng)計(jì)特征

由表1可知，建模點(diǎn)的土壤有機(jī)質(zhì)含量在3.80～69.40 g·kg-1之間，平均值為28.42 g·kg-1，變異系數(shù)為39.86%，屬中等變異，土壤有機(jī)質(zhì)含量不符合正態(tài)分布，經(jīng)對(duì)數(shù)轉(zhuǎn)換后通過K-S檢驗(yàn)，符合正態(tài)分布。研究區(qū)高程均值為172.3 m，最小值為0 m，最大值為483 m，變異系數(shù)為65.06%，具有較強(qiáng)的變異程度，高程變化幅度較大；坡度和坡向的均值分別為9.31°和177.2，變異系數(shù)分別為80.02%、58.49%，變異系數(shù)較大，說明地形起伏程度較大；有效鐵、土壤礫石度、黏粒的變異系數(shù)分別為93.89%、162.1%和51.10%，研究區(qū)土壤屬性因子變異程度較大。

表1 土壤有機(jī)質(zhì)含量及其影響因子的描述性統(tǒng)計(jì)結(jié)果Table 1 Descriptive statistic of soil organic matter (SOM) and its affecting factors

2.2 土壤有機(jī)質(zhì)預(yù)測(cè)模型的建立

土壤有機(jī)質(zhì)預(yù)測(cè)模型中使用高程、坡度、坡向、有效鐵、容重、土壤礫石度和黏粒7個(gè)影響因素作為解釋變量建立多元線性回歸模型（MLR）和地理加權(quán)回歸（GWR）。MLR模型參數(shù)的統(tǒng)計(jì)結(jié)果表明，高程、坡度和土壤容重系數(shù)的絕對(duì)值大于坡向、有效鐵、土壤礫石度和黏粒含量，系數(shù)越大表明影響程度越大。土壤有機(jī)質(zhì)含量與高程、坡度、坡向、有效鐵和土壤礫石度呈正相關(guān)，而土壤有機(jī)質(zhì)與土壤容重和黏粒呈負(fù)相關(guān)。方差膨脹因子（VIF）在逐步線性回歸中反映了冗余的解釋變量信息，VIF大于7.5的解釋變量存在局部共線性需要去除，本模型中VIF均小于7.5，7個(gè)解釋變量均適合納入模型。

GWR是局部回歸模型，解釋變量的回歸系數(shù)在研究區(qū)內(nèi)隨空間位置的不同隨之變化， GWR模型參數(shù)的統(tǒng)計(jì)結(jié)果顯示，解釋變量的范圍、最小值、最大值、平均值、標(biāo)準(zhǔn)差和變異系數(shù)如表所示。GWR模型中的參數(shù)與MLR有著類似的含義，系數(shù)范圍、標(biāo)準(zhǔn)差和變異系數(shù)用來描述解釋變量空間系數(shù)的分布情況，除土壤容重外，其他解釋變量均具有強(qiáng)空間變異性（＞35%）。

2.3 土壤有機(jī)質(zhì)預(yù)測(cè)模型

由表2可知，土壤有機(jī)質(zhì)含量、線性回歸殘差和地理加權(quán)回歸殘差的理論半方差模型分別為指數(shù)模型、指數(shù)模型和球狀模型。塊金值分別為0.021、0.032、0.087，說明土壤有機(jī)質(zhì)存在較小的隨機(jī)性誤差。塊基比分別為0.23、0.19、0.16，說明三個(gè)模型存在不同程度的空間自相關(guān)性，且均小于25%，適合進(jìn)行普通克里格插值。變程分別為142 3 m、134 3 m和158 0 m，在此范圍內(nèi)的空間變量具有空間自相關(guān)性，變程以外則不存在；三者的決定系數(shù)均在80%以上，取得了較好的模型擬合效果，較小的殘差平方和也表明了擬合點(diǎn)和擬合曲線之間較好的吻合效果。

表2 有機(jī)質(zhì)、線性回歸殘差和GWR殘差的半方差函數(shù)模型及參數(shù)Table 2 Semi-variance models of SOM, OLS and the residuals of GWR and parameters involved

采用OK、RK和GWRK三種方法分別預(yù)測(cè)研究區(qū)土壤有機(jī)質(zhì)含量（圖2），從圖中可以看出，GWRK預(yù)測(cè)得到的SOM區(qū)間范圍較OK和RK更大；三種方法的預(yù)測(cè)結(jié)果在整體上趨勢(shì)一致，高值區(qū)集中分布在研究區(qū)東北部，低值區(qū)聚集在南偏東方向，在研究區(qū)南部及西南部也有部分低值區(qū)域存在；GWRK在低值區(qū)域的預(yù)測(cè)范圍更大，OK和RK在高值區(qū)域的預(yù)測(cè)范圍更大，整體上呈現(xiàn)出“高低值區(qū)域縮小，中值區(qū)域擴(kuò)大”的趨勢(shì)；在高低值過渡的區(qū)域，OK和RK的過渡范圍小，過渡幅度較大，存在過渡區(qū)突變的情況，過渡不夠平緩，而GWRK在過渡方面則體現(xiàn)出更好的效果，過渡較為平緩，整體上沒有較突兀的顯示效果，高低值界線更加模糊化，過渡曲線更加曲折，這與實(shí)際SOM分布規(guī)律更加吻合。從空間分布圖上來看，GWRK具有更好的預(yù)測(cè)效果，這主要是因?yàn)镚WRK更好地考慮了局部影響因子對(duì)土壤有機(jī)質(zhì)的影響作用，更加全面、準(zhǔn)確地將解釋變量納入模型，同時(shí)考慮了預(yù)測(cè)殘差，有利于反映研究區(qū)細(xì)節(jié)變化特征，使預(yù)測(cè)結(jié)果與真實(shí)值更加接近，有助于掌握SOM的整體分布情況。

2.4 預(yù)測(cè)模型精度評(píng)價(jià)

為進(jìn)一步說明GWRK預(yù)測(cè)精度，引入模型評(píng)價(jià)指標(biāo)對(duì)預(yù)測(cè)模型進(jìn)行精度評(píng)價(jià)。選用平均誤差（ME）、平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)、不精確度（IP）和相關(guān)系數(shù)（r）五個(gè)指標(biāo)進(jìn)行模型評(píng)價(jià)。從表3可以看出，三者的ME均為正值，說明預(yù)測(cè)值整體水平較實(shí)測(cè)值偏低，GWRK平均誤差最??；GWRK的MAE和RMSE均小于其他兩者的結(jié)果，降低程度分別為26.76%和39.28%；不精確度則是OK、RK高于GWRK；GWRK的相關(guān)系數(shù) r 高于OK和RK。由定量數(shù)據(jù)分析可知，局部預(yù)測(cè)模型GWRK較OK和全局模型RK預(yù)測(cè)精度更高。

2.5 影響因子的空間非平穩(wěn)性分析

為說明解釋變量對(duì)SOM影響作用的變化規(guī)律，繪制解釋變量系數(shù)空間分布圖，如圖3。

圖2 土壤有機(jī)質(zhì)含量空間分布圖（a.普通克里格，b.回歸克里格，c.地理加權(quán)回歸克里格）Fig. 2 SOM spatial distribution map interpolated with OK, RK and GWRK

表3 普通克里格、回歸克里格和地理加權(quán)回歸克里格的精度評(píng)價(jià)Table 3 Comparison between OK, RK and GWRK in precision

研究區(qū)地勢(shì)西高東低，為典型的平原丘陵過渡地帶，從高程系數(shù)分布圖(圖3b)可以看出，高程對(duì)東北部影響程度最弱，這可能與東北部較為平坦的地勢(shì)有關(guān)；從東北向西南遞進(jìn)，出現(xiàn)了高程對(duì)SOM影響程度最大的區(qū)域，因?yàn)榇颂幷茄芯繀^(qū)平原丘陵地貌分界線（200 m）所在的區(qū)域，因此也是影響程度最高的區(qū)域。坡度的不同引起地表徑流強(qiáng)弱的不同，同時(shí)坡度較大的地方土地利用類型為林地的可能性最大，地表大量枯枝落葉阻礙了水分的下滲淋溶，樹木對(duì)徑流的緩沖作用也有利于SOM積累［18］，由坡度系數(shù)分布圖(圖3c)可知，西部和東部受坡度影響作用最大，從兩側(cè)向中間移動(dòng)，影響作用逐漸減小，最低值區(qū)分布在研究區(qū)北部邊緣，坡度越小，SOM與坡度空間變化一致性越強(qiáng)，反之隨坡度增加，SOM影響因素復(fù)雜化，因此坡度對(duì)SOM的空間影響權(quán)重減小。坡向決定了區(qū)域接受太陽輻射的角度和強(qiáng)度，影響光熱資源再分配，接受太陽輻射多的區(qū)域有機(jī)質(zhì)循環(huán)速度快，更有利于SOM積累，研究區(qū)坡向的正弦值和余弦值分別代表坡向朝東和朝北的程度，且前者與SOM呈負(fù)相關(guān)，后者呈正相關(guān)，表明研究區(qū)西北坡向更有利于有機(jī)質(zhì)的積累，坡向系數(shù)分布圖(圖3d)顯示，研究區(qū)西北部受坡向影響最大，且從西北部向中部影響逐漸減弱，這與太陽輻射規(guī)律吻合。有效鐵系數(shù)分布圖(圖3e)(AI)顯示，研究區(qū)中西部受有效鐵影響作用最大，這可能與過渡區(qū)高程變化有關(guān)，此處向南北兩側(cè)影響作用減弱，至東南角處減為最弱，而東北部地勢(shì)較平坦處受有效鐵影響作用中等，且強(qiáng)弱分布較均勻，這是因?yàn)樵诘貏?shì)平坦處有效鐵隨徑流變化較小，含量分布均勻。容重系數(shù)分布圖(圖3f)和礫石度系數(shù)分布圖(圖3g)的強(qiáng)弱變化規(guī)律相似，趨勢(shì)相反，說明兩者對(duì)SOM的影響作用相反，容重系數(shù)從中心至四周逐漸增大，最小值出現(xiàn)在中心位置，最大值位于研究區(qū)邊緣，而礫石度系數(shù)則是從中心至四周逐漸減小，分布規(guī)律相反，由此可知，受土壤容重影響作用強(qiáng)的地方土壤礫石度影響作用弱，呈負(fù)相關(guān)關(guān)系。土壤機(jī)械組成［13］（黏粒、粉粒、砂粒）通過土壤的通透性、保水保肥性等影響SOM，尤其是砂粒和黏粒在局部范圍對(duì)SOM影響作用較為顯著，黏粒會(huì)影響土壤物理和化學(xué)保護(hù)機(jī)制，黏粒含量越高，土壤對(duì)SOM的吸附作用更強(qiáng)，降低SOM礦化速度，有利于SOM積累；砂粒的影響機(jī)制恰恰相反，砂粒含量較高的土壤，有機(jī)質(zhì)礦化速度加快，不利于有機(jī)質(zhì)的積累，本研究中黏粒（Clay）對(duì)SOM影響作用顯著，從黏粒系數(shù)分布圖(圖3h)可以看出，研究區(qū)自西北至東南影響作用逐漸減弱，最高值區(qū)位于中西部區(qū)域，最低值區(qū)位于東南部，東北地勢(shì)平坦區(qū)域影響作用變化微弱。

圖3 解釋變量系數(shù)的空間分布圖Fig. 3 Spatial distribution of explanatory variable coefficients

3 結(jié) 論

土壤有機(jī)質(zhì)是影響土壤肥力的重要指標(biāo)，掌握其影響因素的變化規(guī)律對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要意義。本文所選研究區(qū)為平原丘陵過渡地帶，地形條件復(fù)雜，人為活動(dòng)頻繁，運(yùn)用GWRK對(duì)建模集392個(gè)采樣點(diǎn)建模預(yù)測(cè)，通過分析得到研究區(qū)模型最佳解釋變量為：高程、坡度、坡向、有效鐵、容重、礫石度、黏粒，且GWRK由于考慮了區(qū)域化變量的局部非平穩(wěn)性，較OK和RK具有更好的預(yù)測(cè)效果。計(jì)算各影響因素權(quán)重，并繪制其系數(shù)分布圖，從圖中可以得到各影響因子在不同空間位置對(duì)土壤有機(jī)質(zhì)含量的影響和變化規(guī)律，從而針對(duì)性地采取農(nóng)業(yè)改造措施，在影響因素作用較強(qiáng)的區(qū)域重點(diǎn)開展農(nóng)業(yè)設(shè)施或局地改造，充分利用地形特點(diǎn)和土壤屬性特征，合理開展農(nóng)業(yè)布局，因地制宜地進(jìn)行農(nóng)業(yè)生產(chǎn)，為實(shí)踐生產(chǎn)提供參考依據(jù)。