文章编号：1000－2340（2011）01－0116－07
植烟土壤养分的空间变异性研究
张秋菊1，江厚龙1，刘国顺1，王雪婧1，刘亚琦1，刘清华2，顾建国3，刘红伟4
（1．河南农业大学烟草学院，河南郑州450002；2．河南省烟草公司平顶山分公司，河南平顶山467000；
3．河南省烟草公司郏县分公司，河南郏县467100；4．郏县红伟农机合作社，河南郏县467100）
摘要：采用网格法取样，利用传统统计学和地统计学分析了平顶山地区典型烟区（0 20cm）土壤养分的空间变异特征，并运用普通克里格（Kriging）进行最优无偏线性插值，制作了土壤pH、有机质（OM）、土壤活性有机质（ASOM）、全氮（TN）、碱解氮（AN）、速效磷（AP）、速效钾（AK）、速效微量元素（Fe，Mn，Cu，Zn）、阳离子交换量（CEC）的空间分布图．研究表明，OM与TN，AN，AP，AK，Fe，Mn，ASOM之间存在着很强的正相关性；AN，Zn和CEC的块金值/基台值为3．39% 23．43%，表明其具有强烈的空间相关性；而其他土壤养分的块金值/基台值为30．87% 49．99%，为中等强度的空间相关性．结果显示，研究区域内不同土壤养分在较大范围内存在空间自相关性，其空间自相关距离从34．3m（Zn）到376．3m（Mn）．采用Kriging最优内插法对未测点进行了估值，绘制了等值线图，各种土样养分都在一定程度上受地形、土壤类型、土地利用方式、施肥等因素的影响，且均表现出明显不同的分布规律．
关键词：土壤养分；空间变异性；地统计学；分区管理
中图分类号：S572文献标志码：A
Research on spatial variability of soil nutrients in tobacco plantation field
ZHANG Qiu-ju1，JIANG Hou-long1，LIU Guo-shun1，WANG Xue-jing1，LIU Ya-qi1，
LIU Qing-hua2，GU Jian-guo3，LIU Hong-wei4
（1．Tobacco College of Henan Agricultural University，Zhengzhou450002，China；2．Pingdingshan
Branch of Tobacco Company of Henan Province，Pingdingshan467000，China；3．Jiaxian County Branch of Tobacco Company of Henan Province，Jiaxian467100，China；4．Hongwei
Cooperative of Agricultural Machinery，Jiaxian467100，China）
Abstract：The spatial variability of soil variables in Pingdingshan tobacco field was analyzed via geostatistics method on geographic information system（GIS）platform，and the spatial distribution of soil pH，OM，ASOM，TN，AN，AP，AK，available microelement（Fe，Mn，Cu，Zn）and CEC was quantitatively built by ordinary Kriging-a linear unbiased interpolation method．The results show that the ratios of nugget and sill of OM and TN，AN，AP，Fe，Mn，and ASOM value were lower than25%（3．39% 23．43%），which showed their strong spatial correlation；while other soil nutrients ranged from25%to75%，which implied medium spatial correlation．The results indicate that soil nutrients have relatively large auto-correlation lengths，and with spatial heterogeneity scales from34．3m（Zn）to376．3m（Mn）．The unobserved points were estimated and the contour map was obtained using the kriging method．The results indicated that the spatial distributions of soil nutrient were obviously
收稿日期：2010－09－10
基金项目：国家烟草行业栽培重点实验室项目（TCKL06001）；国家烟草专卖局平顶山市烟叶生产创新模式研究项目（30200197）
作者简介：张秋菊，1986年生，女，河南鲁山人，硕士研究生，主要从事精准农业方面研究．
通讯作者：刘国顺，1954年生，男，河南叶县人，教授，博士生导师．第1期张秋菊等：植烟土壤养分的空间变异性研究117
different，and the mainly affected factors were the topology，soil type，land use types and farming practices etc．
Key words：soil nutrients；spatial variability；geostatistics；management zone
土壤养分具有空间连续性和变异性分布特征，在大尺度下主要受到成土过程中不同的物理、化学、生物和成土母质、地形和地下水位等结构性因素的影响；同时，小尺度上的土壤管理过程中的措施、种植的作物、耕作栽培措施等随机性因素影响，使土样养分具有较强的空间变异性，同时在一定空间范围内，还有一定的空间依赖性．结构性因素可以导致土壤养分强的空间相关性，而随机性因素使土壤养分的空间相关性减弱，朝均一化方向发展［1，2］．PARKIN［3］认为土壤作为在时间和空间上的连续体，它的变异是许多因素相互作用的结果，具有尺度上的相关性．土壤空间变异性研究一直是困扰土壤学家的一个难题．20世纪70年代，地统计方法成功地被引入到土壤科学研究领域，随着地统计学的提出和不断完善，这个问题随之得已解决．地统计学（Geostatistics）是空间变异理论的最主要的研究方法．
随着GPS（Global position system），GIS（Geo-graphic information system）和地统计学等方法应用于土壤领域，土壤特性的空间变异越来越受人们的重视，中国土壤研究者在20世纪80年代初开始土壤空间变异性的研究．多年研究显示［4 8］，由于地形因子与土壤中水分的运输及物质的运移有着紧密的联系［9］，从而影响土壤中养分的分布情况，因此了解土壤养分的空间变异特征对于合理施肥，提高农田养分利用效率和农作物产量及品质具有重要的意义，所以土壤养分空间变异性研究已成为土壤科学研究领域的最热点之一［10］．近年来，国内外许多学者对土壤养分的空间变异性进行了大量研究，并取得了一定的结果．例如，一些学者［11 16］对灌丛地、林地、山地、草地、芦苇地和农业用地土壤养分的空间变异性做了深入研究；JACKSON等［17］研究了林木对土壤养分空间变异特征的影响，发现植物周围土壤养分的空间变异结构与土壤养分的本底特征存在差异．YOST等［18］研究了夏威夷岛土壤养分空间变异性，发现土壤中P，K，Ca和Mg元素质量分数在空间的相关距离为32 42km；陈海生等［19］研究了卢氏烟区土壤肥力因子空间分布特征；郭东旭等［20］利用GIS手段研究了河北遵化市土壤表层（0 20cm）碱解氮、全氮、速效钾、速效磷和OM等养分的质量分数的空间变异性；陈海生等［21］结合地统计学和GIS技术对整个平顶山烟区土壤肥力适应性进行了研究，但至今对植烟区域基于地统计学在小尺度上，对土壤中养分的空间分布规律及各个养分之间的相关性研究仍较少．
本研究运用地统计学和GIS相结合的方法，研究植烟区土壤养分空间结构及变化特征，揭示土壤养分的空间变异规律，从而有效地指导田间施肥，为土壤养分的有效利用与管理提供科学依据．
1研究区概况与研究方法
1．1研究区概况
研究地区为位于河南省中南部的平顶山市郏县，选择郏县茨芭乡吴洞村典型烟草种植地块，种植制度为1年1作．村中心位于东经113ʎ05'04ᵡ、北纬34ʎ04'36ᵡ，面积约为4hm2，为低山丘陵地区，土壤略显碱性（pH≈7．9）且类型复杂，主要有褐土、黏土、沙壤土．该地区属暖温带性季风气候，光照充足，四季分明．年平均气温14．9ħ，年平均降水量680mm，无霜期250d左右．
1．2土壤样品的采集与分析方法
本研究于2009－03中旬整地起垄前进行土壤样品的采集工作，利用GPS定位技术准确定位（ʃ1m）并记录每个样点的大地坐标位置，采用“网格法”（20mˑ20m）取土壤样品．采样时以网格点为圆心、5m为半径的范围内采集10个点，钻取0 20cm的耕层土壤组成代表该点的混合样本，共采集样品111个，样点分布见图1．将获取的土壤样品带回实验室自然风干、研磨、过筛后进行室内养分测定（根据不同测定指标要求再过不同规格筛）．每个样品测定项目包括pH，OM，ASOM，TN，AN，AP，AK，Fe，Mn，Cu，Zn，CEC，测定按文献［22］方法进行．
1．3数据处理方法
原始数据处理及分析采用SPSS13．0软件进行，Grubbs检验法剔除异常离群数据．Kolmogorov-Simrnov法检测数据正态性．用GS+软件［23］进行土壤属性的空间变异性分析、半方差函数计算、理论模型拟合和Kriging插值［24］，图形绘制是由Arc-GIS9．2完成的．118河南农业大学学报第45
卷
图1研究区域土壤样点分布图Fig．1Soil sampling locations in study area
2结果与分析
2．1土壤养分的描述性统计特征与正态分布检验经典统计学对由采集样点所获取的均值、标准差、峰度、偏斜度、最大值、最小值、中值，变异系数等在某种程度上可以估测和描述总体．根据Fisher 理论对实测样本数据进行经典统计分析，得到不同土壤养分的描述性统计特征值，如表1所示．
表1研究区域（样本数n=111）土壤属性数据的描述性统计
Table1Descriptive statistics of soil properties（Number of samples n=111）in the study area
养分类型Nutrient type 均值
Mean
标准差
SD
最小值
Minimum
中值
Median
最大值
Maximum
变异系
数/%
CV
偏斜度
Skewness
峰度
Kurtosis
K-S检验
（P＞0．05）
K-S Test
pH7．930．267．397．988．443．220．230．460．24有机质/（g·kg－1）
OM
17．192．4011．2516．8522．7813．950．38－0．070．33活性有机质/（g·kg－1）
ASOM
0．330．090．110．340．5426．68－0．21－0．010．90全氮/（g·kg－1）
TN
0．950．170．540．981．4017．90－0．14－0．040．45碱解氮/（mg·kg－1）
AN
74．9714．3145．6671．25110．2719．090．630．010．12速效磷/（mg·kg－1）
AP
7．393．242．026．9414．2343．850．69－0．200．16速效钾/（mg·kg－1）
AK
161．4030．84104．68159．31239．4319．100．60－0．150．17铁/（mg·kg－1）
Fe
8．561．715．128．12．4220．000．14－0．210．71锰/（mg·kg－1）
Mn
7．372．483．466．7414．5033．690．74－0．170．11铜/（mg·kg－1）
Cu
0．930．130．720．921．2513．490．40－0．310．82锌/（mg·kg－1）
Zn
1．790．650．571．683．3136．510．77－0．030．13阳离子交换量/（cmol·kg－1）
CEC
16．151．2413．5616．6618．557．67－0．07－0．280．66
表1中，变异系数（CV）的大小反映了土壤质地在各采样点之间的空间变异性程度，CV＜10%时为弱变异性，＞100%时为强变异性，介于二者之间为中等变异性［25］．从表1中土壤各养分变异系数来看，除了pH和阳离子交换量属于弱变异程度外，其他土壤养分的变异系数均属于中等强度变异．其中有效磷的变异系数最高（43．85%），随后依次为Zn＞Mn＞ASOM＞Fe＞AK＞AN＞TN＞OM＞Cu＞CEC＞pH．pH的变异系数最低为3．22%．冯恭衍［26］也指出，不同土壤养分变异程度不一样，其中pH，TN，AP，TK，OM变异较小，土壤速效养分（AN，AP，AK等）相对变异较大，特别是第1期张秋菊等：植烟土壤养分的空间变异性研究119
AP的变异更大．这主要与养分元素在土壤中的化学行为及肥料施用状况、田间管理措施等有关．由于平均值和变异系数反映的是整块地的总体情况，掩盖了具体每个位置的变化信息，因此有必要利用地统计学方法进行更加准确地分析［27］．由偏斜度、峰度和K-S检验（P＞0．05）表明所有土壤养分均服从正态分布的要求，结果见表1．使用空间统计学克里格方法对土壤养分空间分布规律进行预测，得知能够使用地统计学方法进行空间分析．
2．2土壤各养分之间的相关分析
利用SPSS13．0统计各养分之间的相关系数，其计算结果如表2所示．由表可知，所有的土壤养分都有不同程度的相关关系，尤其是AK和Mn之间存在着极显著正相关关系（P＜0．01）；土壤pH值与OM，TN和AN之间呈负相关关系，说明当土壤酸性降低，OM，TN和AN在土壤中有效性也随之降低；pH 与AP和AK之间呈现正相关关性（P＜0．05），表明AP和AK的有效性随着酸性的增加而降低．结果还表明，OM与TN，AN，AP，AK，Fe，Mn，ASOM之间存在着很强的正相关关系（P＜0．01），表明OM含量提高可以显著增加其他元素含量．
表2研究区域土壤养分之间的相关分析
Table2Correlations analysis among measured soil nutrients in the study area
土壤养分Soil nutrient pH有机质
OM
活性有机质
ASOM
全氮
TN
碱解氮
AN
速效磷
AP
速效钾
AK
阳离子
交换量
CEC
铜
Cu
铁
Fe
锰
Mn
锌
Zn
pH1
有机质OM－0．215*1
活性有机质
ASOM
0．0530．513＊＊1
全氮
TN－0．343
*0．353＊＊－0．430＊＊1
碱解氮
AN－0．208
*0．551＊＊0．530＊＊0．240*1
速效磷
AP0．185
*0．482＊＊－0．0020．196*0．510＊＊1
速效钾
AK0．275
*0．354＊＊－0．1*0．254＊＊0．349＊＊0．415＊＊1
阳离子交换量
CEC
－0．1010．165*－0．0690．287＊＊0．11－0．0370．0681
铜Cu0．0710．238*0．154－0．0740．196*0．1280．0270．1771
铁Fe0．0180．252＊＊0．384＊＊0．0260．396＊＊0．153－0．0710．1340．735＊＊1
锰Mn0．0610．380＊＊0．0870．1760．584＊＊0．369＊＊0．3＊＊－0．0210．333＊＊0．517＊＊1
锌Zn－0．0520．1290．0480．1730．1840．1760．123－0．0190．110．250＊＊0．203*1注：*表示P＜0．05，＊＊表示P＜0．01．
Note：*indicates P＜0．05，＊＊indicates P＜0．01．
2．3土壤养分的地统计分析及空间变异特征传统统计分析只能概括土壤养分变化的全貌，不能反映土壤养分空间上的变化特征，即只在一定程度上反映样本总体，而不能定量描述土壤养分的随机性和结构性变异．地统计学方法则是土壤养分空间变异结构分析和探讨的最佳方法．本研究利用地统计学方法对土样进行了分析，结果见表3．
表3列出了各养分变异函数理论模型的相关参数．其中，C o表示块金值，是由实验误差和小于实验取样尺度上的随机性变异引起的；C为结构方差，由土壤母质、地形、气候等非人为的结构性因素（空间自相关部分）引起的变异；（C
o
+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．总体来看，土壤各养分的半方差均可用球状模型来进行较准确地拟合，各养分的半方差模型参数见表3．R2表示模型拟合度，其中除了Zn，OM和TN外其它各养分的决定系数均大于0．915，因此，球状模型拟合效果较好．
块金值和基台值之比（C o/（C o+C）），即块金效应，反映块金方差占总空间异质性变异的大小；土壤各养分的空间相关性程度可由块金效应值的大小进行划分［28］．块金效应值高，说明由随机部分引起的空间变异性程度较大，相反则由结构性因素引起的空间变异性程度较大．当块金效应值＜25%，变量具有强烈的空间相关性；块金效应值为25% 75%，变量具有中等的空间相关性；而当块金效应值＞75%，变量空间相关性小［29］，变异主要有随机变异组成，不适合采用空间插值的方法进行120河南农业大学学报第45卷
表3研究区域土壤养分变异函数理论模型及其相关参数
Table3Models and parameters of semivariograms in the study area
土壤养分Soil nutrient 步长/m
Lag
模型
Model
块金值C o
Nugget
基台值
C o+C
Still
块金值/
基台值/%
Nugget/Still
空间自相关性
Spatial
Class
变程/m
Range
决定系数
R2
残差
RSS
pH19．00S0．030．0737．17M83．000．9901．07E－05有机质OM22．90S1．815．8630．87M56．500．8754．73E－01活性有机质
ASOM
23．32S0．000．0150．00M320．500．9513．11E－07全氮TN16．02S0．0010．033．39S54．600．7181．74E－04碱解氮AN17．S105．60232．9045．34M112．600．9965．39E+01速效磷AP23．00S3．9112．3131．76M124．900．9961．43E－01速效钾AK25．12S435．001179．1036．M312．400．9476．21E+03铁Fe20．20S1．803．5949．99M233．200．9803．05E－02锰Mn19．10S4．669．3249．99M376．300．9902．33E－01铜Cu19．92S0．010．0249．71M．300．9856．68E－07锌Zn17．03S0．060．4413．61S34．300．61．05E－02阳离子交换量
CEC
25．20S0．291．7117．01S86．000．9156．E－02 S：球状模型；E：指数模型；M：C0/C0+C：25% 75%，为中等空间相关性；S：C0/C0+C＜25%，为强烈空间相关性．
S：Spherical model；E：Exponential model；M：C0/C0+C：25% 75%，Medium correlation；S：C0/C0+C＜25%strong correlation．
空间预测．通过地统计分析所有土壤养分均具有中等强烈的空间相关性（表3，＜50%），由此可知，研究区域土壤养分的空间相关性在很大程度上受结构性因素的影响，结构性因素可以导致土壤养分强的空间相关性．土壤pH，AM，ASOM，AN，AP，AK，Fe，Mn和Cu的块金效应值为30．87% 50．00%，说明这些养分具有中等强度的空间相关性．
变程的大小反映区域化变量自相关范围的大小，在变程范围内变量具有空间自相关特性，反之不存在［30］．本研究表明，各养分的相关距变化范围为34．30 376．30m，其中Zn的变程最小，为34．30m，Mn的变程最大，为376．30m．
2．4研究区域土壤养分的Kriging插值分析经典统计学不能分析土壤特性的空间分布和空间变异结构，随着地统计学的发展，将Kriging插值法引入到土壤特性空间变异性研究，使得土壤特性研究变得简单化，土壤养分的空间分布可视化．同时土壤养分的空间变异分布图是精准农业中进行变量施肥的基础，它也是平衡施肥的依据．为了样点数据区域化，根据所得到的半方差函数模型，利用Kriging最优内插法，获得了研究区域土壤各种养分含量的空间分布图，如图2所示．从图中可以直观地了解研究区域内土壤各养分含量的空间分布特征．
总的来看，西南部氮磷钾养分含量较高，北部和东部的氮磷钾养分比较缺乏，东南部有效铁、有效铜的含量均偏低，是微量元素的重点补给区域．从各养分空间分布来看，OM的空间分布规律与土壤TN的空间分布特征比较一致的；但是在东南角全氮的含量不低，而OM在这区域的含量比较低，这可能是由于地形和土壤管理引起的；AN，AP，AK 和Mn的空间分布规律基本一致，养分含量分布规律大体上是从南向北、从中西部向其它各个方向逐渐递减，这主要与该区域的土壤母质及耕种措施有关；Fe和Cu的空间分布大体上都是从西向东呈递减趋势．各养分指标均表现出明显的空间分布格局，且空间变异性较大．因此，对该研究区域实施分区管理和变量施肥很有必要．
3结论
本研究以平顶山典型烟区为研究对象，将地统计学与GIS技术相结合，根据111个采样点的实测数据，对土壤养分的空间相关性和分布规律进行了分析．初步得到如下结论：
1）从传统统计分析来看，OM与其他属性间均呈现正相关相关性，表明OM含量提高可以显著增加其他元素含量．pH值与OM，TN和AN间呈负相关关系，说明当土壤酸性降低，OM，TN和AN在土壤中有效性也随之降低；pH与AP和AK呈正相关关系，表明AP和AK的有效性随着酸性的增加而降低．
2）通过地统计分析，各个养分均能较为精确的用球状模型进行拟合；土壤养分在一定范围内均存在空间相关性，土壤TN，Zn，CEC存在强烈的空
第1期张秋菊等：植烟土壤养分的空间变异性研究
121
图2
研究区各个养分的空间分布图
Fig．2
Smoothed contour maps produced by kriging for each soil nutrients
间相关性，
pH ，AM ，ASOM ，AN ，AP ，AK ，Fe ，Mn 和Cu 具有中等强度的空间相关性，养分空间自相关距离从34．3m （Zn ）到376．3m （Mn ）．由此可见该地区土壤养分空间分布受人类活动的干扰相对较大．
3）Kriging 插值结果表明，OM 与TN 的空间分
布特征比较一致且含量较低，
AN ，AP ，AK 和Mn 的空间分布规律基本一致．土壤养分具有较大的空间
变异性，氮磷钾在西南部含量较高，北部和东部相对缺乏；有效铁和有效铜的含量在东南部均偏低，因此东南部是微量元素的重点补给区域．
本研究以20m 取样间隔获取了土壤样品，分析了土壤养分的空间变异性和空间分布特征．由于时间，本试验仅从1年数据来分析这些元素的
122河南农业大学学报第45卷
空间变异性，未能体现时间上的变异性．下一步研究可以用多年数据来分析土壤养分的空间分布特征，同时应考虑土壤养分的趋势效应、空间自相关性等因素，综合分析土壤微量元素的空间变异性．
参考文献：
［1］SAUERT J，MEEK D W．Spatial variation of plant-a-vailable phosphorus in pastures with contrasting manage-
ment［J］．Soil Science Society of America Journal，
2005，67：826－836．
［2］CHIEN Y J，LEE D Y，GUO H Y，et al．Geostatistical analysis of soil properties of mid-west Taiwan soil［J］．
Soil Science，1997，162（4）：151－162．
［3］PARKIN T B．Spatial variability of microbial process in soil：a review［J］．Environ Qual，1993，22：409－417．［4］区美美，王建武．土壤空间变异研究进展［J］．土壤，2003，35（1）：30－33．
［5］黄绍文，金继运，杨俐苹，等．县级区域粮田土壤养分空间变异与分区管理技术研究［J］．土壤学报，
2003，40（1）：79－88．
［6］刘付程，史学正，王洪杰，等．苏南典型地区土壤锌的空间分布特征及其与土壤颗粒组成的关系［J］．土
壤，2003，35（4）：330－333．
［7］程先富，史学正，于东升，等．江西省兴国县土壤全氮和有机质的空间变异及其分布格局［J］．应用与环
境生物学报，2004，10（1）：－67．
［8］王宏庭，金继运，王斌，等．土壤速效养分空间变异研究［J］．植物营养与肥料学报，2004，10（4）：349
－354．
［9］FLORINSKY I V，MCMAHON S，BURTON D L．Top-ographic control of soil microbial activity：a case study of
enitrifiers［J］．Geoderma．2004，19（1）：33－53．［10］ALEMI M H．Kriging and univariate modeling of a spa-tial correlated date［J］．Soil Technology，1988，1（2）：
133－147．
［11］贾晓红，李新荣，张景光，等．沙冬青灌丛地的土壤颗粒大小分形维数空间变异分析［J］．生态学报，
2006，26（9）：2827－2833．
［12］王峰，石辉．林地土壤性质空间变异性与土壤入渗过程的研究［J］．水土保持通报，2007，27（2）：
15－19．
［13］廖桂堂，李廷轩，王永东，等．基于GIS和地统计学的低山茶园土壤肥力质量评价［J］．生态学报，
2007，27（5）：1978－1986．
［14］范亚宁，党蕊娟，李世清，等．云雾山草地土壤氮素及有机质空间变异特征［J］．水土保持研究，2007，
14（4）：82－87．
［15］杨帆，邓伟，章光新，等．苏打盐渍土地区芦苇
地土壤盐分离子空间变异与群落关系研究［J］．土
壤学报，2008，45（4）：594－560．
［16］LIU G S，WANG X Z，ZHANG Z Y，et al．Spatial var-iability of soil properties in a tobacco field of central
China［J］．Soil Science，2008，173（9）：659－667．［17］JACKSON R B，CALDWELL M M．The scale of nutri-ent heterogeneity around individual plants and its quanti-
fication with geostatistics［J］．Ecology，1993，74（2）：
612－614
［18］YOST R S，UEHARA G，FOX R L．Geostatistical anal-ysis of soil chemical properties of large land areas：I．
Semivariograms［J］．Soil Sci Soc Am J，1982，46：
1028－1037．
［19］陈海生，刘国顺，叶谢峰，等．卢氏烟区土壤肥力因子空间变异性分析［J］．河南农业大学学报，2008，42
（1）：46－50
［20］郭旭东，傅伯杰，马克明，等．基于地统计学的土壤养分空间变异特征研究：以河北遵化市为例［J］．应
用生态学报，2000，11（4）：557－563．
［21］陈海生，魏跃伟，刘国顺，等．基于GIS的平顶山烟区土壤肥力适宜性研究［J］．河南农业大学学报，2008，
42（5）：545－549
［22］中国土壤学会农业化学专业委员会．土壤农业化学常规分析方法［M］．北京：科学出版社，1983．［23］ROBERTSON G P．GS+geostatistics for environmental science user manual［M］．Plainwell，MI：Gamma De-
sign Software．Version3．1，1998．
［24］OLIVER M A．Kringing：a method of interpolation for geographical information systems［J］．International
Journal of Geographic Information System，1990，4
（4）：313－332．
［25］王绍强，朱松丽，周成虎．中国土壤土层厚度的空间变异性特征［J］．地理研究，2001，20（2）：161
－169．
［26］冯恭衍．平原地区养分分析中土壤取样方法的初步研究［J］．土壤通报，1984，15（1）：29－325．
［27］陈义强，刘国顺，习红昂．微尺度下烟田铁的空间变异性及其与烟叶铁的相关分析［J］．生态学报，
2009，29（3）：1448－1458．
［28］王绍强，朱松丽．周成虎．中国土壤土层厚度的空间变异性特征［J］．地理研究，2001，（2）：161－170．［29］CAMBARDELLA C A，MOORMAN T B，NOVAK J M ．Field scale variability of soil properties in Central Iowa
soils［J］．Soil Sci Soc Am J，1994，58：1501－1511．［30］王政权．地统计学及其在生态学中的应用［M］．北京：科学出版社，1999．
（责任编辑：朱秀英）下载本文
