省域尺度下土壤養分的最佳采樣尺度確定

胡沖沖，畢如田

(山西農業大學 資源環境學院，山西 太谷 030801)

?

省域尺度下土壤養分的最佳采樣尺度確定

胡沖沖，畢如田*

(山西農業大學 資源環境學院，山西 太谷 030801)

摘要：合理的采樣尺度，尤其是在大尺度區域，對實時掌控土壤養分的空間分布狀況以及精準農業的發展具有重要意義。本文以山西省為例，以368 843個土壤養分采樣點數據為原始數據，選擇11個格網尺度(0.5 km×0.5 km、1 km×1 km、1.5 km×1.5 km、2 km×2 km、2.5 km×2.5 km、3 km×3 km、3.5 km×3.5 km、4 km×4 km、4.5 km×4.5 km、5 km×5 km、5.5 km×5.5 km)對土壤養分點進行樣點選擇，比較分析不同尺度下土壤有機質、全氮、速效鉀、速效磷的基本統計信息、半方差變異函數和普通克里金插值精度，以確定山西省土壤養分的最佳采樣尺度。研究表明：在不同尺度下，這4種土壤養分均處于中等變異強度，平均值、中位數、標準差變化不大。土壤有機質和全氮在大尺度下受結構性因素影響變大，速效鉀則變化不明顯，速效磷空間變異分析結果較差，對該指標進行了剔除。分析不同尺度下插值精度指標，土壤有機質、全氮、速效鉀的最佳預測尺度分別為4.5 km、3.5 km、2.5 km尺度。綜合各分析結果，最后確定2.5 km為山西省土壤養分最佳的采樣尺度。對不同地貌原始密度樣點和2.5 km尺度下樣點空間制圖，分析不同地貌下土壤養分含量各等級分布面積占總面積的差異，發現兩種密度分布狀況在不同地貌、不同等級的差異甚小。

關鍵詞：不同格網尺度；半變異函數；普通克里金插值：最佳采樣尺度；省域尺度

土壤養分是衡量作物產量和質量的一個極其重要的指標，預測土壤養分及其空間變化特征是精確農業中精確施肥的一個目標[1]。土壤養分空間變異特征的分析主要是基于一定的土壤采樣數據，若能選擇一個合適的采樣尺度，使得土壤養分的預測結果達到同等精度，將會在節省人力、物力的同時，對土壤養分的動態監測起到重要作用。近年來，眾多的研究者對土壤采樣合理性進行了研究，潘瑜春等[2]研究了采樣尺度對土壤養分空間變異分析影響作用，為最佳采樣數的確定提供指導。王建軍等[3]研究了不同地貌類型下不同采樣密度對土壤養分空間插值結果的影響，從插值精度角度為合適采樣密度的確定提供思路。王宇航等[4]研究采樣點數目對反距離加權插值結果的影響，揭示了采樣點數目與插值精度之間的關系，為大區域采樣方案設計提供參考。陳署晃等[5]利用地統計學方法、地理信息技術對土壤養分變異及合理取樣數進行了研究，用純隨機取樣法探討了研究區域不同土壤養分的合理取樣數。劉吉平等[6]對不同采樣尺度下土壤堿解氮進行了研究，確定研究區堿解氮的最佳采樣尺度在80～113 m。盛建東等[7]對不同取樣尺度農田土壤速效養分空間變異特征進行了研究。楊琳等[8]采用模糊c均值聚類方法選出代表性樣點并進行數字土壤制圖。齊雁冰等[9]對縣域農田土壤養分合理采樣點進行研究。盡管目前對土壤合理采樣點問題無論采樣數量、采樣密度、采樣位置等方面有了不少研究[10]，但針對最佳采樣尺度選擇的研究還相對缺乏，尤其是對省域級別或更大級別研究區的研究較少。

本文以山西省為例，因其地形復雜，多種地貌并存，在研究省域土壤養分的最佳采樣尺度中該區域較具有代表性。土壤有機質和全氮在大尺度區域較少受農業活動影響，而土壤速效鉀、速效磷受人類農業活動影響較大，所以本文以這4種土壤養分為代表，以不同格網尺度選擇樣點。利用GIS技術結合地統計方法，通過對土壤有機質、全氮、速效鉀、速效磷這4種土壤養分在不同格網尺度下變異狀況分析，確定山西省最佳采樣尺度，旨在為大尺度區域土壤養分最佳采樣尺度的確定提供參考，對研究區土壤養分管理、精準農業實施能有一定的指導作用。

1數據與研究方法

1.1研究區概況

山西省處于中國的華北地區，東靠太行山，東西南北方向分別與河北、陜西、河南、內蒙古自治區毗連，呈東北斜向西南的平行四邊形。地理位置為東經110°15′～114°33′，北緯34°34′～40°43′，整個地勢表現為東北高，西南低，高低起伏異常顯著，地形較為復雜，境內有山地、丘陵、高原、盆地、平原等多種地貌類型，其中山地占全省總面積的40%，丘陵占40.3%，平原和臺地面積較小，僅占全省總面積的19.7%，自南向北依次有大同盆地、忻定盆地、太原盆地、臨汾盆地、運城盆地、長治盆地等六大盆地，高程逐級降低。海拔最高點為五臺山的北臺葉斗峰，為3 059 m。屬溫帶大陸性季風氣候，年平均氣溫3～14 ℃，年降雨量均值介于400～650 mm之間[11]。

圖1　山西省地理位置及DEM數據Fig.1　The Geographical location of Shanxi Province and DEM data

1.2數據來源與處理

1.2.1土壤養分數據獲取

土壤養分數據來源于山西省2006-2013年測土配方施肥土壤調查得到的GPS采樣點數據，將GPS測得的帶有坐標記錄的采樣點，利用ArcGIS軟件轉為具有空間坐標的空間點，并進行投影轉換，最后得到具有土壤養分含量信息的樣點分布圖，去除空值點后，樣點數據為369 881個。為了減少數據中異常值對土壤養分的影響，利用均值加減三倍的標準差法，去除離群值1 038個，最后剩下368 843個土壤養分點數據作為原始數據。

1.2.2基于不同格網尺度選點

格網的大小決定了采樣點密度和采樣點數據，

能較好的優化采樣點，使之均勻分布。在ArcGIS軟件的支持下，利用格網法對原始數據以0.5 km為間隔進行不同格網尺度樣點的選擇，對 0.5 km×0.5 km、1 km×1 km、1.5 km×1.5 km、2 km×2 km、2.5 km×2.5 km、3 km×3 km、3.5 km×3.5 km、4 km×4 km、4.5 km×4.5 km、5 km×5 km、5.5 km×5.5 km 11個網格尺度均以土壤養分均值和距離中心點最近原則，選擇不同尺度的樣點。本文以土壤全氮值為標準進行不同格網尺度單元樣點的選擇。由于山西地形地貌關系，耕地分布較為廣泛，但面積較小。在較高的山地和溝壑處由于無人耕作，樣點數相對較少，不同尺度下格網選擇的樣點數會與理論值不一致，這并不影響對山西省土壤養分的整體分布狀況的分析。

1.3研究方法

1.3.1基本統計分析

利用SPSS軟件對不同尺度采樣點土壤有機質、全氮、速效鉀、速效磷含量的數據進行描述性統計分析，統計特征值包括平均值、標準差、變異系數等。

1.3.2地統計分析方法

地統計又稱地質統計，是以區域化變量為基礎，借助半變異函數，研究既具有隨機性又具有結構性，或具有空間相關性和依賴性的自然現象的一門科學[12]。它能夠更好地、定性地揭示土壤各種屬性變量在空間上的分布、變異及其它相關特征，被廣泛用來研究土壤養分的空間變異特征[13]。半變異函數又稱半變差函數，是地統計分析的特有函數。半變異函數有三個重要參數：塊金值(Co)、變程(Range)和基臺值(Co+ C)。利用GS+確定不同尺度下各土壤養分的最佳擬合模型，通過各參數變化趨勢可分析不同尺度下土壤養分的空間變異的隨機性和結構性。

克里金插值方法是以空間自相關性為基礎，利用原始數據和半方差函數的結構性，對區域化變量的未知采樣點進行無偏估值的插值方法，運用克里金插值方法進行的插值，不僅可以得到預測結果，而且可以得到預測誤差，有利于評估預測結果的不確定性[14]?？死锝鸩逯捣椒ㄓ性S多種，普通克里金插值方法以精度較高適用性較強的特點被廣泛的用于土壤學研究。

1.4精度評價指標

精度評價利用交叉驗證方法。交叉驗證方法是假設每一采樣點的要素值未知，采用周圍其他樣點來預測該值，根據所有樣點的實測值與預測值的誤差大小評判插值方法的優劣，評估指標包括：衡量插值精度的指標有平均預測誤差(ME)、標準預測誤差(MSE)、平均標準差(ASE)、均方根預測誤差(RMSE)均方根標準差(RMSSE)5個指標。前4個指標的值越小越好，RMSSE的值越接近于1表示精度越高，其中ASE和RESE的值反映預測結果對樣本空間變異的估計水平，ASE與RMSE越接近，反映空間變異水平的估計越準確[15]。為了更清楚的顯示不同尺度下土壤養分預測誤差和預測精度的變化趨勢，參考其他研究方法[16]，將數據導入到excel中進行處理，求取︱ASE-RMSE︱的值來反映空間變異的估計水平，用︱1-RMSSE︱表示RMSSE與1的接近程度,并根據數據需要乘以或除以10、100、1 000，使4種精度指標數據均處于0～1范圍內，便于比較分析。

2結果與分析

2.1土壤養分空間變異的統計特征

表1是各土壤養分的基本描述統計特征說明。由表1可知，土壤有機質、全氮、速效鉀、速效磷含量水平與山西省原始數據含量水平較為一致[17]，不同尺度下的同一土壤養分平均值、中位數、標準差相差不大，較為接近，而且土壤有機質、全氮、速效鉀、速效磷的變異系數為37.7%～82.3%，根據變異系數(CV)的分級標準[18]：弱變異CV<10%，中等變異CV=10.0%～100%，強變異CV>100%，均處于中等程度的變異，但速效磷的變異系數整體較其余3種土壤養分大，說明該養分在土壤中分布不均勻，受人類活動影響較大。隨著尺度的增加，土壤全氮和土壤有機質變異系數呈逐漸減小趨勢，即隨著樣點的減少，數據的離散程度減小，相對穩定性變好，而土壤速效鉀和速效磷變異系數基本不變，數值整體較為集聚。

2.2不同尺度下土壤養分空間變異結構分布

本文采用GS+對不同尺度下土壤有機質、全氮、速效鉀、速效磷養分點進行了半方差擬合與分析，見表2。由表2可以看出，在不同的尺度下，土壤全氮、有機質、速效鉀采樣點擬合度R2均較高，除少數尺度下稍低外，其余均大于0.9，半方差函數擬合模型較好，而速效磷擬合度R2小于0.77，擬合度較低。由表2可知,這4種土壤養分的變程由大到小分別為速效鉀、有機質、全氮、速效磷，說明其空間可變性：速效鉀<有機質<全氮<速效磷，而且空間相關距離均大于采樣間距，說明用地統計方法進行的空間分析對大區域尺度分析比較適合。從結構性因素的角度分析，基底效應的百分數可表示系統變量的空間相關性程度，其值<25%，變量具有強烈的空間相關性，在25%～75%之間，具有中等的相關性，>75%變量空間相關性很弱[17]。根據空間相關性的劃分標準，不同尺度下土壤有機質、全氮、速效鉀的基底效應值均處于50%～75%，具有中等程度空間相關，而速效磷基底效應值小于11%，具有強烈的空間相關性，說明速效磷的空間變異受結構性因素的影響較大，受人為因素的影響較小，這與前文中速效磷具有較大的變異系數和最強可變性的結論相悖，與他人的相關研究也有較大的出入，這可能是速效磷較低的擬合度導致的結果，由于數據較強的空間變異性和有限的擬合模型，導致數據擬合效果不佳，所以后續的研究中以其他3種土壤養分為依據。隨著采樣尺度的增大，土壤有機質、全氮、速效鉀的基底效應值表現出不同的變化規律，整體上土壤有機質的呈逐漸減少之勢，而全氮基底效應值隨尺度的增加呈先減小后增加的趨勢，在3.5 km尺度達到最小值，3.5 km尺度之后，基底效應值逐漸增加。而速效鉀的基底效應值呈逐漸增加的趨勢，表明隨著尺度的增加，速效鉀的空間相關性在減弱。隨著尺度的增加，有機質塊金值由31.1 減小為27，全氮塊金值由0.056減小為0.038，速效鉀塊金值由3 120.0減小為3 039.0，3種土壤養分的塊金值逐漸減小，是隨機性因素影響作用逐漸減弱，受結構性因素，如土壤母質、地形、氣候等非人為因素影響逐漸增強。在小尺度上，土壤養分的空間變異較多的來自于施肥水平、管理狀況、作物種類等因素的影響，尤其在山西地區，小區域范圍受人為因素影響較為嚴重。

表1　土壤養分基本統計學特征

表2　不同尺度下土壤養分半方差函數模型分析

2.3不同尺度下土壤養分預測結果的準確性檢驗

由于在空間變異結構分析中，速效磷最佳模型的擬合度較低，空間變異強度分析結果較差，所以選擇土壤有機質、全氮、速效鉀這3種土壤養分進行山西省土壤養分的最佳采樣尺度研究。根據這3種土壤養分在GS+軟件中分析得到的最優擬合模型及相關參數，運用ArcGIS軟件的地統計分析模塊中的普通克里金插值方法進行空間制圖，然后以交互檢驗的方法，對不同尺度下土壤養分的預測精度和預測誤差進行綜合比較分析，結果見表3。表3表明，總體上不同尺度下土壤養分點的平均預測誤差(ME)、標準預測誤差(MSE)值均較小，說明預測值與實測結果偏差很小，除全氮外，其余2種土壤養分點的均方根標準差(RMSSE)與1非常接近，說明模型預測結果對空間變異預測較為準確。為了更清楚的顯示各土壤養分預測誤差和預測精度的變化趨勢，參考其他研究方法[16]，對精度指標數據進行處理，生成曲線圖見圖2～圖4，由圖可知隨著尺度的增加，ME與MSE變化趨勢較為一致。在不同的尺度中，這3種土壤養分精度指標變化趨勢差異較大。圖2表明，隨著尺度的增大土壤有機質的ME、MSE絕對值逐漸增大，在3 km尺度達到最大值，而后逐漸減小在4.5 km尺度達到最小值，而︱ASE-RMSE︱和︱1-RMSSE︱值隨著尺度的增加，呈逐漸減小的趨勢。由此表明有機質預測誤差隨著尺度的增大先增加后減小，而插值精度隨尺度的增加逐漸提高。由圖3可知全氮插值精度指標隨著尺度的增大，ME和MSE的絕對值整體呈上升的趨勢，在3.5 km尺度之前變化相對較為平緩，在3.5 km尺度之后變化呈明顯上升趨勢，而ASE與RMSE的值較為接近，呈平緩的上升趨勢，RMSSE與1的接近程度隨著尺度的增大而增大，但變化趨勢較為緩慢。由圖4得，土壤速效鉀的︱ME︱和︱MSE︱變化趨勢相同，在2.5 km尺度兩者變化幅度較小，2.5 km尺度之后陡然上增，起伏變化較大。︱ASE-RMSE︱和︱1-RMSSE︱的值隨著尺度的增加，呈逐漸減小趨勢，變化幅度不大，較為平緩，而且變化趨勢較為一致，且2.5 km尺度之后誤差的增大并沒有帶來精度相應的變化。

圖2　土壤有機質精度指標分析圖Fig.2　The accuracy index analysis chart of soil organic matter

圖3　土壤全氮精度指標分析圖Fig.3　The accuracy index analysis chart of soil total nitrogen

表3　不同尺度下土壤養分空間插值誤差精度比較

圖4　土壤速效鉀精度指標分析圖Fig.4　The accuracy index analysis chart of soil available potassium

綜合上述分析，隨著采樣尺度的增加，基本統計分析中土壤有機質、全氮、速效鉀均值、中位數、標準差、變異程度變化較小，不能反映最佳采樣尺度范圍。通過半方差函數分析得出最優擬合模型，在不同尺度下的擬合度均較高，實驗數據與模型相關性較為顯著，交叉驗證的結果顯示，土壤有機質在4.5 km尺度下的精度較高，預測效果好，全氮在3.5 km尺度下較好，速效鉀采樣尺度在2.5 km尺度下為宜，綜合3種土壤養分，依據研究區土壤養分最小采樣間距[19]，確定最佳采樣尺度為2.5 km，采樣點數為19 359，不宜再減少采樣點，否則會影響個別土壤養分的空間插值精度，從而不能很好的揭示山西省土壤養分的分布規律。

為了更直觀地反映土壤有機質、全氮和速效鉀在原始數據與2.5 km尺度下的空間分布差異，在半方差分析及模型擬合的基礎上，利用普通克里金插值方法，獲得3種土壤養分在兩個尺度上的空間分布圖，并根據表5所示的全國第二次土壤普查分級標準[20]分級制圖(圖5，圖6)，由圖5可知兩種尺度下土壤有機質和全氮空間分布變化趨勢完全一致，均為東南高西北低，由東南向西北逐漸遞減，速效鉀在兩種尺度下其空間分布變化極小，均為晉中地區、長治地區、運城地區含量較高，晉西北地區含量較少，這3種土壤養分的空間分布與山西省實際情況較為一致，圖6亦符合與圖5的分布趨勢基本一致。通過對兩個尺度空間分布圖的比較可知，原始數據插值圖較為破碎，零星斑塊較多，而2.5 km尺度下的插值圖將原始數據制圖中較為破碎的斑塊進行了合并，整個圖面碎斑較少，圖面較平滑，2.5 km尺度采樣點具有較高的代表性，利用其制圖，可以很好的展現山西省的土壤養分分布狀況，能夠滿足不同土壤養分的制圖精度。

表5全國第二次土壤普查土壤養分分級標準

Table 5Soil nutrient grading standards for the second soil survey in China

級別Grades有機質/g·kg-1Qrganicmatter全氮/g·kg-1Totalnitrogen速效鉀/mg·kg-1Availablepotassium高>40>2>200較高30～401.5～2150～200一般20～301～1.5100～150稍低10～200.75～150～100低6～100.5～0.7530～50極低≤6≤0.5≤30

2.4不同地貌單元不同尺度土壤養分含量各等級面積變化

為了定量的分析土壤有機質、全氮和速效鉀在兩種尺度下信息量的變化情況，對山西省不同地貌下的3種土壤養分各含量等級的面積變化情況進行了分析。根據山西省地形特點將山西省地貌類型綜合為三種大地貌類型，分別為平川、丘陵、山地。由表6可知，2.5 km尺度下土壤有機質值制圖各等級在不同地貌單元的面積比例與原始數據相比，在平川區域含量為6～10 g·kg-1范圍兩尺度相差2.46%，其他地貌區變化均較小。由表7可知土壤全氮在2.5 km尺度下與原始數據在不同地貌下分布狀況相比，幾乎一致，變化均小于1%。由表8可知，速效鉀在2.5 km尺度下與原始數據相比，在不同地貌的分布狀況，相差較小，較為一致，而且在平川、丘陵、山地3種地貌下各等級分布變化趨勢完全一致，結果表明在山西省區域通過格網方法選擇2.5 km尺度進行采樣點選擇為最佳尺度。

圖5　原始采樣尺度土壤空間插值圖Fig.5　Spatial interpolation of soil in the original sampling scale

圖6　2.5 km采樣尺度土壤空間插值圖Fig.6　Spatial interpolation of soil in 2.5 km scale

表6土壤有機質2.5 km尺度和原始尺度插值后各含量等級分布面積占總面積的比例/%

Table 6The proportion of each organic matter content distribution area of total area after the interpolation in 2.5 km scale and original scale

地貌類型Gcomorphictypes有機質分級/g·kg-1Organicmattercontent≤66～1010～2020～3030～40L1L2L1L2L1L2L1L2L1L2平川0.880.670.032.4912.9613.573.623.540.290.13丘陵3.492.959.049.0623.4824.344.173.880.160.11山地1.261.005.405.6224.4824.967.967.650.170.04

注：L1為原始數據； L2為2.5 km尺度數據。表7，表8同。

Note: L1 is the original data. L2 is the data in 2.5 km scale. The same as in table 7 and table 8.

表7全氮2.5 km尺度和原始數據插值后各含量等級分布面積占總面積的比例/%

Table 7The proportion of each total nitrogen content distribution area of total area after the interpolation in 2.5 km scale and original scale

地貌類型Gcomorphictypes全氮分級/g·kg-1Totalnitrogencontent≤0.50.5～0.750.75～11～1.51.5～2L1L2L1L2L1L2L1L2L1L2平川1.441.277.047.007.418.244.353.850.160.04丘陵7.677.2115.0815.5410.8911.266.336.100.370.24山地3.352.9710.4511.0313.9214.2510.9610.520.580.50

表8速效鉀2.5 km尺度和原始數據插值后各含量等級分布面積占總面積的比例/%

Table 8The proportion of each rapidly available potassium content distribution area of total area after the interpolation in 2.5 km scale and original scale

地貌類型Gcomorphictypes速效鉀分級/mg·kg-1Availablepotassiumcontent≤3030～5050～100100～150150～200>200L1L2L1L2L1L2L1L2L1L2平川0.010.0030.170.053.63.66.356.27.087.843.192.71丘陵0.380.320.350.179.599.9116.2216.1611.612.052.201.74山地0.290.190.20.174.905.2217.3817.6213.9814.22.521.87

3結論與討論

本文對山西省區域368 843個土壤養分點數據，以0.5 km為間隔，進行不同格網尺度的處理。選擇土壤有機質、全氮、速效鉀、速效磷為代表，通過對3種土壤養分數據在不同尺度下基本特征統計分析、半方差函數分析及插值精度綜合比較和分析，最終確定山西省在2.5 km尺度下土壤養分具有較好的代表性，為最佳采樣尺度。通過對研究區土壤有機質、全氮、速效鉀、速效磷的基本統計分析，3種土壤養分隨著尺度的增加，平均值、中位數、標準差變化不大。而土壤有機質與全氮變異系數隨尺度增大而減小，速效鉀、速效磷變異系數變化不明顯。在半方差模型分析中發現，土壤有機質和全氮在大尺度下受結構性因素影響變大，隨機性因素對其影響作用減弱，由于速效磷的空間變異強度分析結果較差，所以在后續研究中對該指標進行了剔除。通過不同尺度下土壤養分點插值各精度指標分析，可知土壤有機質在4.5 km尺度下的精度較高，預測效果好，全氮的在3.5 km尺度下較好，速效鉀采樣尺度在2.5 km尺度下為宜，最后綜合分析3種土壤養分隨尺度的基本統計信息、半方差參數以及制圖精度，最后確定2.5 km為山西省土壤養分最佳的采樣尺度。通過不同地貌下2.5 km尺度下各土壤養分含量各等級分布面積與原始土壤養分含量各等級分布面積比較，表明2.5 km尺度采樣點能較好的反映山西省土壤養分的分布狀況，土壤制圖精度較高，代表性較好。有望為山西省土壤養分數據調查更新以及測土配方的實施提供指導。

本文在進行最佳采樣尺度的選擇時，基于已有樣點的土壤屬性統計參數和空間變異特征等信息，但這并不適合于土壤養分空間特征未知的區域進行首次采樣設計。在對土壤養分特征進行分析時，沒有結合研究區相關的地形地貌因素來研究合理的采樣尺度和采樣數目，對于大尺度采樣設計在以后的研究中可以綜合考慮地形、母質、氣候等要素的影響作用，設計更加合理的采樣布局和構型。

參考文獻

[1]李艷,史舟,徐建明，等. 地統計學在土壤科學中的應用及展望[J]. 水土保持學報,2003,17(1):178-182.

[2]潘瑜春,劉巧芹,閻波杰,等.采樣尺度對土壤養分空間變異分析的影響[J]. 土壤通報,2010,41(2):257-262.

[3]王建軍,王長松,殷朝珍,等.不同采樣密度對土壤養分空間插值結果的影響[J]. 江西農業學報,2010,22(7):87-90.

[4]王宇航,繆亞敏,楊昕.采樣點數目對反距離加權插值結果的敏感性分析[J]. 地理信息世界,2012,8(4):31-35.

[5]陳署晃,馮耀祖,許詠梅.土壤養分變異及合理取樣數的初步研究[J]. 新疆農業科學,2003,40(6):328-331.

[6]劉吉平,劉佳鑫,于洋,等.不同采樣尺度下土壤堿解氮空間變異性研究——以榆樹市農田土壤為例[J]. 水土保持研究,2012,19(2):106-110+115.

[7]盛建東,肖華,武紅旗,等.不同取樣尺度農田土壤速效養分空間變異特征初步研究[J]. 干旱地區農業研究,2005,23(2):63-67.

[8]楊琳,朱阿興,秦承志，等.一種基于樣點代表性等級的土壤采樣設計方法[J]. 土壤學報,2011,48(5):938-946.

[9]齊雁冰,常慶瑞,劉夢云,等.縣域農田土壤養分空間變異及合理樣點數確定[J]. 土壤通報,2014,45(3):556-561.

[10]韓宗偉,黃魏,張春弟,等. 基于土壤養分-景觀關系的土壤采樣布局合理性研究[J]. 華中農業大學學報, 2014,33(1):56-61.

[11]袁瑞強,龍西亭,王鵬，等.山西省降水量時空變化及預測[J]. 自然資源學報,2015,30(4):651-663.

[12]湯國安，楊昕.ArcGIS地理信息系統空間分析實驗教程[M].北京：科學出版社，2007:289-349.

[13]薛志婧,侯曉瑞,程曼,等.黃土丘陵區小流域尺度上土壤有機碳空間異質性[J]. 水土保持學報,2011,25(3): 160-163+168.

[14]李俊曉,李朝奎,殷智慧.基于ArcGIS的克里金插值方法及其應用[J]. 測繪通報,2013(9):87-90+97.

[15]杜挺,楊聯安,張泉,等.縣域土壤養分協同克里格和普通克里格空間插值預測比較——以陜西省藍田縣為例[J].陜西師范大學學報(自然科學版),2013,41(4):85-89.

[16]柴亞飛.基于不同地貌分區的土壤養分最佳采樣尺度研究[D].山西農業大學,2014.

[17]張紅麗.基于TM影像的山西省耕地土壤有機質空間分布與變化特征研究[D].山西農業大學,2013.

[18]褚雅紅,畢如田,劉秀珍,等.黃土丘陵溝壑區壩地土壤養分的空間變異性[J]. 山西水土保持科技,2012(3):9-13.

[19]趙倩倩.縣域耕地土壤養分空間變異性及其合理采樣數研究——以山東省費縣為例[D].山東農業大學,2012.

[20]范銘豐.基于GIS的土壤養分空間變異特征及預測方法比較[D].西南大學,2010.

(編輯：趙紅)

Determination of the optimum sampling scale of soil nutrients in provincial scale

Hu Chongchong, Bi Rutian*

(CollegeofResourcesandEnvironment,ShanxiAgriculturalUniversity,Taigu030801，China)

Abstract:The reasonable sampling scale, especially in large scale area, plays an important role in controlling the spatial distribution of soil nutrients and promoting the development of precision agriculture. In this study, existing high density of soil nutrient sampling data (368843) in Shanxi Province was made as the original data, 11 grid scales (0.5 km*0.5 km， 1 km*1 km, 1.5 km*1.5 km, 2 km*2 km, 2.5 km*2.5 km, 3 km*3 km, 3.5 km*3.5 km, 4 km*4 km, 4.5 km*4.5 km, 5 km *5 km, 5.5 km*5.5 km) of soil nutrient were used to choose sampling points. Through the comparison and analysis of basic statistical information, semi-variance function and the accuracy of ordinary Kriging interpolation for soil organic matter, total nitrogen, rapidly available potassium, available phosphorous, the best sampling scale was determined in Shanxi Province. The research showed that: in different scales, the three kinds of soil nutrients were in the medium variation intensity, the average, the median and the standard deviation of soil nutrients changed a little. The soil organic matter and total nitrogen were affected by the structural factors at the large scale, the available potassium was not the same, and spatial variation analysis results of available phosphorous is poor. The best prediction of soil organic matter, total nitrogen and available potassium respectively were 2.5 km、4.5 km、3.5 km.Comprehensive analysis of the results, best sampling scale of soil nutrients in Shanxi were 2.5 km. Through the analysis of spatial mapping about the original sample points and the points in 2.5 km scale of different landforms, the distribution area of all soil nutrients content levels in different landforms was analyzed, which showed that the differences of the two density distributions were very small.

Key words:Different grid scales; Semi-variance; Ordinary kriging interpolation; Optimal sampling scale; Provincial scale

中圖分類號：S159

文獻標識碼：A

文章編號：1671-8151(2016)03-0209-10

基金項目：山西省科技攻關項目(20120311009-1)

作者簡介：胡沖沖(1989-)，女(漢)，山東棗莊人，碩士研究生，研究方向：3S技術與應用*通訊作者：畢如田，教授，博士生導師，Tel:0354-6288912; E-mail: brt@sxau.edu.cn

收稿日期：2015-12-02修回日期：2016-01-04