陈清霞^1,2, 涂成龙³, 陆晓辉^1,2, 李龙波⁴
1. 贵州师范大学地理与环境科学学院/喀斯特研究院, 贵阳 550025;
2. 贵州省喀斯特山地生态环境国家重点实验室培训基地, 贵阳 550025;
3. 贵州医科大学环境污染与疾病监控教育部重点实验室, 贵阳 550025;
4. 贵州省地质环境监测院, 贵阳 550081
收稿日期: 2021-01-12; 修回日期: 2021-04-17; 录用日期: 2021-04-17
基金项目: 国家自然科学基金（No.41867001）；贵州省耕地质量地球化学调查评价项目（No.黔耕调2017-04）；贵州师范大学学术新苗培养及创新探索专项项目（No.黔科合平台人才[2018]5769-23）；贵州师范大学博士科研项目（No.GZNUD[2017]7号）；国土资源部喀斯特环境与地质灾害重点实验室开放基金（No.2018K02）
作者简介: 陈清霞(1995-), 女, E-mail: 2237481706@qq.com
通讯作者（责任作者）: 李龙波, E-mail: Cqxjyjy145523@163.com

摘要：探究黄壤Zn和有机质的空间分布特征及其变异规律，分析环境因子对黄壤Zn和有机质空间分异的影响，对贵州省山地复杂环境下土壤资源的科学管理和可持续利用具有重要意义.基于130914个野外采样点，综合运用多种地统计学与传统统计学的方法，分析了贵州省旱地黄壤Zn和有机质的空间变异特征及其驱动因子.结果表明：①贵州省旱地黄壤Zn的平均含量略低于全国土壤Zn的平均含量（100 mg·kg^-1），处于中等水平，而有机质含量则较为丰富；变异系数表明两者均属于中等程度的空间变异.②黄壤Zn和有机质均存在显著的空间自相关性，呈聚集分布，其中以Zn的Moran's I指数更大、自相关程度更强；两个养分的最优理论模型均为指数模型，且块基比均介于25%~50%，具有中等程度的空间相关性，但结构性因素的作用更大；有机质的分形维数较Zn要高，其空间格局更复杂，对尺度的依赖性大.③Zn的高值区主要集中在西部和西北部地区，低值区多位于东南部和南部地区；有机质高值区沿西北东南带斜线分布，而低值区则沿东北西南方向与高值区呈现交叉分布的格局.④空间自相关分析和方差分析表明，选取的7个环境因子均对黄壤Zn和有机质的空间变异具有不同程度的影响，其中，高程和NDVI与两者的相关性更强.
关键词：黄壤Zn有机质空间分异贵州省
Spatial heterogeneity of Zn and organic matter in dryland yellow soil of Guizhou Province
CHEN Qingxia^1,2, TU Chenglong³, LU Xiaohui^1,2, LI Longbo⁴
1. College of Geography and Environmental Science/Institute of Karst, Guizhou Normal University, Guiyang 550025;
2. Training Base of State Key Laboratory of Karst Mountain Eco-environment of Guizhou Province, Guiyang 550025;
3. Key Laboratory of Environmental Pollution Monitoring and Disease Control, Ministry of Education, Guiyang Medical University, Guizhou 550025;
4. Guizhou Institute of Geo-Environment Monitoring, Guiyang 550081
Received 12 January 2021; received in revised from 17 April 2021; accepted 17 April 2021
Abstract: It is of great significance for scientific management and sustainable utilization of soil resources in complex mountainous environment of Guizhou Province to explore the spatial distribution characteristics and variation rules of Zn and organic matter in dryland yellow soil and analyze the influence of environmental factors on spatial differentiation of Zn and organic matter in yellow soil. Based on 130914 field sampling sites, the spatial variation characteristics and driving factors of Zn and organic matter in dryland yellow soil in Guizhou Province were analyzed by using multiple geostatistics and traditional statistical methods. The results showed that: ①The average Zn content of dryland yellow soil in Guizhou province was slightly lower than the average Zn content of soil in China (100 mg·kg^-1), which was at a medium level, while the organic matter content was relatively rich. The coefficient of variation shows that both of them belong to the medium degree of spatial variation. ②Zn and organic matter in the yellow soil showed significant spatial autocorrelation and aggregation distribution, and the "Moran's I" index of Zn was larger and the degree of autocorrelation was stronger. The optimal theoretical models of the two nutrients were both exponential models, and the nugget coefficient was between 25%~50%, showing moderate spatial correlation, but the structural factors played a more important role. The fractal dimension of organic matter is higher than that of Zn, and the spatial pattern of organic matter is more complex and has greater scale dependence. ③The high value region of Zn is mainly concentrated in the western and northwestern regions, while the low value region is mainly located in the southeastern and southern regions. The high value of organic matter distributed diagonally along the northwest and southeast zone, while the low value distributed diagonally along the southwest direction and the high value zone. ④Spatial autocorrelation analysis and variance analysis showed that the seven environmental factors had different effects on the spatial variability of Zn and organic matter in yellow soil, among which elevation and NDVI were more strongly correlated with them.
Keywords: yellow soilzincorganic matterspatial differentiationGuizhou Province
1 引言(Introduction)土壤Zn是动植物体内必需的微量元素, 其含量变化对动植物的生长发育具有重要意义, 但过量的Zn或Zn短缺也会对农业的生产和管理产生直接影响(Lock et al., 2005; Song et al., 2016).土壤有机质作为土壤质量评价的重要指标, 不仅可以通过影响土壤微生物活性和数量、养分利用率及持水能力等来影响土壤肥力, 还对土壤中农药残毒、重金属污染和元素的活性等具有重要的制约作用(钟聪等, 2020).
土壤Zn和有机质作为土壤养分的一部分, 其迁移转化也受自然和人为因素的双重影响, 在空间分布上存在高度的异质性, 成为不均一变化的时空连续体(Song et al., 2016; Hu et al., 2021).近年来, 随着土壤养分流失和重金属污染等问题的加剧, 国内外众多****采用多种方法, 从不同尺度和区域对土壤养分的空间异质性及影响因素进行了探究.如在研究方法上常将地统计学方法(Mondal et al., 2020)、地理加权回归方法(Song et al., 2016)及神经网络模型方法(Zhu et al., 2018)用于土壤养分的空间变异性分析；在区域尺度上则从喀斯特山地(Bai et al., 2020)到高原流域盆地(Zhu et al., 2018；杨静涵等, 2020)再到城市郊区(White et al., 1997; Liu et al., 2019)等区域均有涉及；同时, 对于土壤养分元素空间分异的原因及影响因子, 不同****也从成土母质(Bai et al., 2020)、土壤类型(钟聪等, 2020)、地形地貌(Hu et al., 2021)和土地利用方式(Mondal et al., 2020)等方面展开了大量调查研究, 其研究结果一致表明土壤养分的空间分异是多种因素综合作用的结果, 即使是同一养分元素, 其在不同区域的空间变异程度及其主要驱动因子也会有较大差异.综上可知, 不同区域土壤养分空间变异和影响因子的作用程度不同, 准确掌握区域土壤养分的空间分异特征及其主要驱动因子, 对于科学认识土壤肥力水平、优化作物施肥及实现土壤资源的可持续利用等方面具有重要意义.
贵州省地处云贵高原东部斜坡地带, 地势由西向东梯级下降, 最大高差可达2763 m.同时该区又是我国西南岩溶地区的中心, 在喀斯特地貌与非喀斯特地貌的双重作用下, 区内地形复杂, 山地丘陵与洼地谷地交错分布.此外, 省内植被也在地形因素作用下呈现一定的垂直和水平分异特征(贵州省土壤普查办公室, 1994；涂成龙等, 2012).独特的地形地貌和植被差异为土壤的形成发育提供了复杂多变的自然环境条件, 这必将引起贵州省土壤养分呈现一定的空间变异特征.而目前有关贵州省土壤养分空间变异的研究方法较为单一、土壤样本量较少、区域较小, 且研究对象多集中于氮、磷、钾等方面(向仰州等, 2018；王雅琼等, 2020), 在省域尺度上对旱地黄壤Zn和有机质的研究还相对较少.基于此, 本研究以贵州省耕地质量地球化学调查评价数据为基础, 综合运用局部Moran′s I指数、分形维数和半方差函数3种地统计学与传统统计学相结合的方法, 从不同角度分析探讨贵州省旱地黄壤Zn和有机质的空间分异规律及其主要驱动因子, 以期为贵州省土壤的科学管理、农业土肥利用效率的提高及实现土壤资源的可持续利用和治理改良等提供参考依据.
2 材料与方法(Materials and methods)2.1 研究区概况贵州省位于云贵高原东部, 地理位置为24°37′~ 29°13′N、103°36′~109°35′E, 是一个内陆山地省份.全省土地总面积达17.62万km², 其中山地和丘陵就占了92.5%.区内地势总体西北高、东南低, 地形连绵起伏、山脉纵横交错, 平均海拔在1100 m左右.在大陆性气候和海洋性气候的交替作用下, 年平均气温为14~16 ℃, 年降水量为1100~1300 mm, 具有湿润亚热带气候的特点.省内植物资源丰富、种类繁多, 植被覆盖率在52%左右, 但在气候地貌差异条件下, 植被覆盖率也具有明显的区域差异.贵州省土壤在复杂的地形地貌、植被和特殊的气候条件下, 形成了多样的土壤类型, 其中尤以黄壤发育的地形地貌多样、分布面积最大(占全省土壤总面积的46.4%), 从黔西北1900 m的中山到黔中1000 m的高原面再到东南部海拔500 m左右的丘陵均有分布(贵州省土壤普查办公室, 1994)
2.2 数据来源与处理2.2.1 数据来源结合贵州省土壤分布图, 按照1 km×1 km的网格在贵州省旱地黄壤地区采取130914个土样数据, 经风干、研磨过筛后, 分别采用X射线荧光光谱仪(即采用X光或伽玛射线照射样品, 通过不同元素放射的特征X光来测定元素特征值, 能够较大程度地防止外界因素的干扰, 是一种快速、非破坏式、分析精密度高的物质测量方法)、电极法和高温水解法对Zn、pH和有机质进行测定得到基础样本点数据；而后在地理空间数据云平台(http://www.gscloud.cn/)下载贵州省Landsat 8 OLI遥感影像数据和30 m DEM数据.基于Landsat 8 OLI数据通过ArcGIS10.6软件计算归一化植被指数(NDVI), 并对计算后的影像进行拼接和裁剪得到贵州省NDVI影像数据；在ArcGIS10.6中对DEM数据进行拼接、裁剪和填洼处理得到无洼地的DEM数据, 基于填洼后的DEM数据提取贵州省的高程、坡度、坡向、地形湿度指数和地表起伏度数据(窗口大小为3×3).最后通过提取分析, 得到每个样本点对应的环境因子数据.
2.2.2 数据处理对研究区样本数据进行正态检验(K-S法)剔除异常值(3倍标准差法)后, 最终得到110412个有效样本数据.描述性统计和比较环境因子对黄壤Zn和有机质空间分异的影响的单因素方差分析(ANOVA)均在SPSS 22中完成.Zn和有机质的Kriging插值分析在ArcGIS10.6中完成.常规统计分析和绘图处理分别在Excel2016和Origing2017中进行.黄壤Zn和有机质的空间结构特征采用局部Moran′s I指数、分形维数和半方差函数3种方法进行相互验证分析.3种地统计学方法从不同角度出发, 相互印证, 能更客观全面地描述黄壤Zn和有机质的空间结构特点.
半方差函数和分形维数的计算均在GS+10.0中完成.半方差参数中的块基值、基台值、变程和块基比不仅能在一定程度上揭示变量在空间上的分布、变异和相关特征, 还能量化结构性因素和随机因素对黄壤Zn和有机质空间变异的影响程度.其中, 块基比表示空间自相关程度的高低, 当块基比≤25%时为强空间自相关性, 介于25%~75%之间为中等程度的空间自相关性, ≥75%时则表明弱的空间相关性, 且当块基比 < 50%时表明变量的空间变异主要由结构性因素(自然因素)主导(杨静涵等, 2020).分形维数可对变量的空间异质性进行度量, 取值范围在(1, 2]之间, 其值越大, 表示其受随机因素影响越强, 空间分布越复杂(陈洋等, 2016).
虽然半方差函数和分形维数在分析变量空间分异方面具有一定的优势, 但其无法对空间相关性的正负性和显著性进行统计学检验, 而Moran′s I指数刚好弥补了这一缺点.局部空间自相关性(Local Moran′s I)由全局空间自相关演化而来, 其实质是在全局空间相关性的基础上, 进一步量化局部空间要素与周围要素之间的聚离程度和显著性(高凤杰等, 2018).双变量局部空间自相关性(Bivariate Moran′s I)则是利用定量指标来分析和描述两个变量间有无空间相关性及相关程度, 进而探究它们之间是否可以进行相互预测或解读(张子璐等, 2020).Moran′s I指数的取值范围通常在[-1, 1]之间, 其绝对值越大表明空间相关程度越高, 越趋向于0则越偏向于随机分布(杨静涵等, 2020).本文采用基于邻接的空间权重探讨黄壤Zn、有机质及这两种养分指标与环境因子之间的空间相关特征, 分析过程均在GeoDa1.14中完成.
3 结果与分析(Results and analysis)3.1 旱地黄壤Zn和有机质的描述性统计特征将黄壤Zn和有机质的均值(表 1)与全国第二次土壤普查养分分级标准及我国土壤Zn含量背景值(刘铮, 1994)进行对比, 可以看出贵州省旱地黄壤Zn的平均含量略低于全国土壤Zn的平均含量(100 mg · kg^-1), 处于中等水平, 而有机质含量则较为丰富.有机质的变异系数较Zn要高, 但根据Nielsen等(1985)的标准, 两者均介于10%~100%之间, 属于中等程度的空间变异.从养分丰缺等级可以看出, 有机质和Zn的样本量以中等水平偏多.由K-S检验值可知, 两个养分指标均符合正态分布, 满足地统计计算和Kriging插值的要求.
表 1(Table 1)

表 1 黄壤Zn和有机质的描述性统计特征 Table 1 Desptive statistical characteristics of total Zn and organic matter in yellow soil

表 1 黄壤Zn和有机质的描述性统计特征 Table 1 Desptive statistical characteristics of total Zn and organic matter in yellow soil 黄壤养分 单位 均值 范围 标准差 变异系数 K-S检验值 Zn和有机质丰缺等级样本占比 缺乏 中等 丰富 很丰富 Zn mg·kg-1 98.71 39.40~172.70 28.44 28.81% 0.58 15.92% 40.49% 28.50% 15.09% 有机质 g·kg-1 30.72 7.80~59.60 10.46 34.05% 0.56 14.43% 38.74% 27.80% 19.03% ??注: 表中“缺乏、中等、丰富、很丰富”的划分范围分别为: 有机质 < 20、20~30、30~40、> 40 g · kg-1；Zn < 70、70~100、100~130、> 130 mg · kg-1.

3.2 旱地黄壤Zn和有机质的地统计特征3.2.1 旱地黄壤Zn和有机质的局部空间自相关特征局部Moran′s I指数表明(图 1), 黄壤Zn和有机质均存在极显著的空间正相关(Moran′s I接近于1), 呈聚集分布, 其中, Zn的Moran′s I指数较有机质大, 说明其自相关程度更高.空间分布上, Zn在贵州省的西部、西北部呈现“高-高”型聚集分布, 在东南部和南部呈现“低-低”型聚集分布, 在东北部和北部则呈现“高-低”、“低-高”及“不显著”的交错分布；有机质的“高-高”型聚集区分布于贵州省的西北东南一带, “低-低”型聚集区主要分布于东部和北部, 而“不显著”、“高-低”和“低-高”型则交错分布于两聚集区及其他地区之间.
图 1(Fig. 1)

图 1 黄壤Zn和有机质的空间自相关特征 Fig. 1Spatial autocorrelation characteristics of Zn and organic matter in yellow soil

3.2.2 旱地黄壤Zn和有机质的空间结构特征参照半方差函数理论模型的选取标准(决定系数R²接近于1, 残差RSS趋向于0), 发现黄壤Zn和有机质的最优理论模型均为指数模型(表 2), 且两个养分指标的R²均在0.9以上, 说明模型拟合度较好.Zn和有机质的块基比均介于25%~50%, 具有中等程度的空间相关性, 说明这两种养分指标的空间变异是由结构性因素和随机因素共同决定的, 但结构性因素的作用更大.有机质的块基值、基台值及变程均较Zn要高, 表明有机质变异的随机性和空间相关范围略高于Zn.同时, 有机质的分形维数也较Zn要高, 说明其空间格局更复杂、对尺度的依赖性大.
表 2(Table 2)

表 2 黄壤Zn和有机质的半方差模型参数及分形维数 Table 2 Semi-variance model parameters and fractal dimensions of Zn and organic matter in yellow soil

表 2 黄壤Zn和有机质的半方差模型参数及分形维数 Table 2 Semi-variance model parameters and fractal dimensions of Zn and organic matter in yellow soil 土壤养分 理论模型 块金值 基台值 块基比 变程/km2 R2 RSS 分形维数 Zn 指数模型 0.07 0.13 49.96% 13.26 0.95 5.846×10-5 1.93 有机质 指数模型 0.75 1.50 49.97% 13.79 0.98 2.585×10-3 1.94

3.2.3 旱地黄壤Zn和有机质的空间分布特征Kriging插值结果的交叉验证表明, 黄壤Zn和有机质的平均误差接近于0(分别为0.17、0.10), 均方根标准误差接近于1(均为0.93), 说明插值结果满足精度要求.由图 2可知, 黄壤Zn和有机质在空间上呈现班块状分布的格局, 其中, Zn的高值区主要集中在西部和西北部地区, 低值区多位于东南部和南部地区, 北部地区土壤Zn含量处中等水平；有机质高值区沿西北东南带斜线分布, 而低值区则沿东北西南方向与高值区呈现交叉分布的格局.根据农业划分标准, 当土壤含Zn量低于20 mg · kg^-1、有机质含量低于20 g · kg^-1时, 则可能造成农作物生长发育不良等问题, 因此, 在贵州省东南部和南部地区要注意耕地土壤缺Zn, 而黔北耕地地区则要多施加有机肥避免土壤缺乏有机质等对农作物带来的不利影响.
图 2(Fig. 2)

图 2 黄壤Zn和有机质的空间分布 Fig. 2Spatial distribution of Zn and organic matter in yellow soil

3.3 旱地黄壤Zn和有机质空间分异的影响因素3.3.1 黄壤Zn和有机质空间分异的主导环境因子在初步揭示结构性因素对黄壤Zn和有机质空间变异起主导作用的基础上, 选取表 3中7个环境因子, 结合土壤养分进行双变量Moran′s I分析(表 3), 结果显示, 选取的7种环境因子均与黄壤Zn和有机质存在不同程度的空间相关性, 其中, 相关程度最高的为高程和NDVI.从表 3可以看出, Zn与地表起伏度、坡度和坡向存在显著的负相关关系(p < 0.05), 与其余4种环境因子均存在显著的空间正相关性(p < 0.05)；有机质与高程、地形湿度指数、坡向和NDVI存在显著的正相关关系, 而与pH、地表起伏度和坡度存在显著的负相关特征.
表 3(Table 3)

表 3 土壤养分与环境因子的双变量局部Moran′s I指数 Table 3 Bivariate local Moran′s I index of soil nutrients and environmental factors

表 3 土壤养分与环境因子的双变量局部Moran′s I指数 Table 3 Bivariate local Moran′s I index of soil nutrients and environmental factors pH 高程 地表起伏度 地形湿度指数 坡度 坡向 NDVI Zn 0.059* 0.256** -0.008* 0.03* -0.02* -0.04* 0.097* 有机质 -0.081* 0.194** -0.003* 0.02* -0.06* 0.02* 0.162** ??注: * *p < 0.01, *p < 0.05.

3.3.2 环境因子对黄壤Zn和有机质空间分异的具体影响鉴于局部Moran′s I指数只可表征环境因子对黄壤Zn和有机质总体相关程度的高低, 而无法具体展现两者之间内部的变化情况, 因此, 采用单因素方差分析探究两者之间的相互作用情况.参照前人划分标准, 分别对pH、高程、坡度、坡向(汤国安等, 2006) (阴坡0~45°、315°~360°；半阳坡45°~135°；阳坡135°~275°；半阴坡275°~315°)和NDVI划分等级, 地表起伏度和地形湿度指数按照研究区实际情况进行划分.
方差分析表明(图 3), 7种环境因子对黄壤Zn和有机质的空间分异均具有显著性影响(p < 0.05).黄壤Zn(图 3a)含量随pH、高程和NDVI数值的增加逐渐增大, 而随地表起伏度和坡度的增加则表现出逐渐减小的趋势, 且不同区间范围Zn含量差异显著；不同地形湿度和坡向也对Zn含量具有一定影响, 其中, 以地形湿度指数在10以上、坡向为阴坡和半阳坡的Zn含量较高.黄壤有机质(图 3b)含量随高程、地形湿度指数和NDVI数值的增加逐渐增大, 而随pH、地表起伏度和坡度的增加则表现出逐渐递减的规律, 且有机质含量在不同环境因子的各区间范围内差异性显著(p < 0.05)；不同坡向之间, 有机质含量也具有显著性差异, 其中以半阳坡的有机质含量最高、而半阴坡有机质含量最少.
图 3(Fig. 3)

图 3 环境因子对黄壤Zn (a)和有机质(b) 空间分异的影响 Fig. 3Effects of environmental factors on spatial differentiation of Zn(a) and organic matter(b) in yellow soil

4 讨论(Discussion)4.1 旱地黄壤Zn和有机质的总体特征Zn作为动植物生长发育必需的微量元素, 既能够促进植物酶、蛋白质、光合作用、核酸和生长素的合成(Yu et al., 2002), 又可通过植物来源的食物在土壤-植物-动物体中传播, 当土壤中Zn含量过量时就会降低土壤微生物活性并抑制作物生长, 同时过量的Zn元素通过食物进入动物体后, 也会对其健康产生不利影响(Chen et al., 2002；闫晓露等, 2020).土壤有机质作为维持土壤生命机能的重要基质之一, 其不仅对土壤结构形成、保肥能力、土壤耕性及协调土壤中水、养、气的关系具有重要作用, 同时, 其迁移转化在一定程度上影响着区域碳循环过程的平衡与稳定, 进而对全球气候变化产生重要影响(贵州省土壤普查办公室, 1994; Hu et al., 2021).
本研究结果显示, 贵州省旱地黄壤Zn的平均含量为(98.71±28.44) mg · kg^-1, 略低于全国土壤Zn含量平均水平(100 mg · kg^-1), 而黄壤有机质含量则处于较丰富水平(均值为(30.72±10.46)g · kg^-1).黄壤Zn和有机质的样本量均以中上水平较多, 能够较好地满足作物生长需求, 但同时也要注意西北地区可能出现土壤Zn含量超标, 而东南部和南部地区可能出现土壤缺锌及黔北地区出现耕地土壤缺乏有机质等问题对动植物带来的不利影响.相关研究表明, 土壤Zn和有机质的含量差异主要与土壤类型、成土母质、气候、地形、植被和人类活动等因素有关(Tu et al., 2018), 其中, Zn含量受土壤类型和成土母质的影响较大(闫晓露等, 2020), 而有机质的积累则与区域海拔、植被和人类活动等关系较为密切(Hu et al., 2021).贵州省受湿润亚热带气候的影响, 水热组合条件较好, 有利于生物的繁衍和生长从而增加生物自肥作用, 同时该区植被条件较好, 大量枯落物归还土壤加之耕作有机肥的施入, 均使贵州省旱地黄壤有机质含量较丰富.有研究表明, 土壤有机质不仅本身是Zn的来源, 同时还可通过吸附作用固定土壤中的Zn(OH)₂使其沉淀, 从而增加土壤Zn含量(赵建等, 2019).因此, 本研究中黄壤Zn含量随有机质含量的丰富也相对较高, 且在空间分布上与有机质具有一定的相似性, 但由于黄壤Zn受成土母质的影响较大, 而贵州省黄壤母质类型多样加之有机质受外界人类活动的影响较多, 所以Zn与有机质的空间分布并不完全一致.
4.2 黄壤Zn和有机质的空间变异性及其与环境因子的关系土壤养分含量的空间变异是结构性因素和随机因素相互作用的结果.变异系数和地统计学参数表明, 贵州省黄壤Zn和有机质均具有中等程度的空间变异性, 且块基比均 < 50%, 说明其变异由结构性因素占主导, 这与Zhang等(2020)和郭广慧等(2011)的研究结果一致.由于贵州省黄壤形成的母质类型多样, 区域地形地貌、植被和气候差异明显, 因此, 不可避免地带来黄壤Zn和有机质在空间上的这种分布差异.其中, 有机质的变异系数和块基比均较Zn要高, 表明其受随机因素的影响更大, 原因在于有机质除在植被类型的影响下还受耕种施肥的影响, 而Zn含量则受成土母质的影响较大.如同为黄壤类型下, 贵州省不同植被类型有机质平均含量大小为阔叶林>草被>针叶林, 不同母质类型下Zn平均含量依次为页岩、板岩和凝灰岩>玄武岩和辉绿岩>砂页岩互层>普通砂岩>老风化壳(贵州省土壤普查办公室, 1994).
空间相关分析和方差分析表明, pH、NDVI、高程、地表起伏度、地形湿度指数、坡度和坡向均对黄壤Zn和有机质的空间分异具有不同程度的影响.其中, Zn和有机质与高程和NDVI的相关系数更高, 且平均含量均随高程和NDVI的增加呈逐渐增加的趋势, 所以本研究中黄壤Zn和有机质均在西部高海拔地区含量较高.Leifeld等(2004)认为, 随海拔高度增加气温逐渐降低, 蒸发量小而湿度较大, 在潮湿环境中土壤生物化学作用减弱而有利于微生物的累积, 而低海拔地区热量丰富, 生物分解速度较快, 因此, 高海拔地区更有利于土壤有机质和Zn元素的积累, 本研究中低海拔地区出现的有机质含量较高的现象可能是由于在低海拔平原或小丘上种植水稻造成的.NDVI用于表征植被覆盖度的高低, 其值越大, 说明植被覆盖度越高, 归还土壤中的枯落物也就越多, 有机质含量也就越丰富, 而有机质对Zn的吸附也使高植被覆盖度区黄壤Zn含量较高.有研究表明, 中国地带性土壤中有机质含量与土壤pH呈显著的负相关关系(Fan et al., 2020), 而Zn含量则与pH呈显著的正相关关系(邓邦良等, 2016), 因此, 在贵州省东南部出现的有机质较高而Zn含量较低的原因可能与土壤pH有关.贵州省东南部黄壤较全省黄壤发育程度高, 其主要成土母岩为泥质岩、石英岩和砂页岩等酸性岩, 土壤pH多处于5.5以下, 有机质分解慢而含量高, 而低pH值导致土壤溶液中氢氧离子和多价阳离子的离子积缩小, 生成含Zn元素的Zn(OH)₂沉淀的机会减小, 从而对Zn²⁺的吸附力弱, 土壤含Zn量降低(贵州省土壤普查办公室, 1994; 杜彩艳等, 2005).
本研究中Zn和有机质随地表起伏度和坡度的增加其含量逐渐减少, 这是由于起伏度大、坡度陡峭的地方水土流失严重, 土壤中养分受到雨水淋洗冲刷较强, 因此, 有机质和Zn含量在平缓地区较低(Bai et al., 2020).地形湿度指数可表征土壤含水量的高低, 其数值越大土壤含水量越高.通过图 4可看出, Zn和有机质均在土壤含水量最高地区出现最大值, 这是由于土壤养分大多以溶解状态存于土壤溶液中, 因此, 含水量较高有利于养分的富集.坡向主要通过影响土壤水热资源的再分配来影响微生物的活跃度和腐殖质的累积, 进而造成土壤养分在空间分布上的差异.本研究中阴坡、半阳坡的Zn和有机质含量要高于阳坡和半阴坡, 这与Román-Sánchez等(2018)的研究结果有一定差异, 这可能与裸岩分布和地区差异有关.土壤养分在阴坡、半阳坡积累量较大的原因可能是这两个坡向受到的光照适中、水热组合较好, 微生物活跃度高, 有利于土壤Zn和有机质的累积.
5 结论(Conclusions)1) 贵州省黄壤Zn的平均含量为(98.71±28.44) mg · kg^-1, 处于中等偏下水平, 而有机质的平均含量为(30.72±10.46) g · kg^-1, 为中等偏上水平.有机质的变异系数、分形维数和块基比略高于Zn, 但两者均属于中等程度的空间变异性, 且结构性因素的作用更大；Zn的Moran′s I指数较有机质高, 表明其空间自相关性更强、分布更聚集.
2) Zn和有机质受海拔的影响在西部和西北部高海拔地区, 由于温度低而湿度相对较大, 有利于土壤养分的储存而含量较高, 在东南部和南部地区, 黄壤受母质影响pH较低, 有机质分解慢且不利于Zn(OH)₂的沉淀, 因而出现有机质含量较高而Zn含量较低的分布格局.同时, Zn和有机质的空间分异还受到其他环境因子和人为因素的影响, 如在地表起伏度大、坡度陡峭的地方, 由于雨水淋洗冲刷较强, 黄壤Zn和有机质流失严重而含量较低, 而在NDVI较高地区, 由于植被枯落物大量归还土壤补充有机质来源的同时吸附Zn元素而使土壤的有机质和Zn含量较高.

参考文献

Bai Y, Zhou Y. 2020. The main factors controlling spatial variability of soil organic carbon in a small karst watershed, Guizhou Province, China[J]. Geoderma, 357: 113938. DOI:10.1016/j.geoderma.2019.113938

Chen X, Wang G, Liang Z. 2002. Effect of amendments on growth and element uptake of pakchoi in a cadmium, zinc and lead contaminated soil[J]. Pedosphere, (3): 243-250.

陈洋, 齐雁冰, 王茵茵, 等. 2016. 多重密度布点对土壤有机质空间特性的解析[J]. 自然资源学报, 31(12): 2099-2110. DOI:10.11849/zrzyxb.20160084

邓邦良, 袁知洋, 李真真, 等. 2016. 武功山草甸土壤有效态微量元素与有机质和pH的关系[J]. 西南农业学报, 29(3): 647-650.

杜彩艳, 祖艳群, 李元. 2005. pH和有机质对土壤中镉和锌生物有效性影响研究[J]. 云南农业大学学报, (4): 539-543. DOI:10.3969/j.issn.1004-390X.2005.04.018

Fan M, Lal R, Zhang H, et al. 2020. Variability and determinants of soil organic matter under different land uses and soil types in eastern China[J]. Soil & Tillage Research, 198: 104544.

高凤杰, 鞠铁男, 吴啸, 等. 2018. 黑土耕作层土壤pH空间变异及自相关分析[J]. 土壤, 50(3): 566-573.

贵州省土壤普查办公室. 1994. 贵州省土壤[M]. 贵阳: 贵州科技出版.

郭广慧, 张航程. 2011. 宜宾市城市土壤锌含量的空间分布特征及污染评价[J]. 地理研究, 30(1): 125-133.

Hu W, Shen Q, Zhai X, et al. 2021. Impact of environmental factors on the spatiotemporal variability of soil organic matter: A case study in a typical small Mollisol watershed of Northeast China[J]. Journal of Soils and Sediments, (21): 736-747.

Leifeld J, Bassin S, Fuhrer J. 2004. Carbon stocks in Swiss agricultural soils predicted by land-use, soil characteristics, and altitude[J]. Agriculture, Ecosystems and Environment, 105(1): 255-266.

Liu H, Li S, Zhou Y. 2019. Spatial-temporal variability of soil organic matter in urban fringe over 30 years: A case study in Northeast China[J]. International Journal of Environmental Research and Public Health, 17(1): 292. DOI:10.3390/ijerph17010292

刘铮. 1994. 我国土壤中锌含量的分布规律[J]. 中国农业科学, (1): 30-37.

Lock K, Janssen C R. 2005. Influence of soil zinc concentrations on zinc sensitivity and functional diversity of microbial communities[J]. Environmental pollution (Barking, Essex: 1987), 136(2): 275-281. DOI:10.1016/j.envpol.2004.12.038

Mondal B P, Sekhon B S, Setia R K, et al. 2020. Geostatistical assessment of spatial variability of soil organic carbon under different land uses of Northwestern India[J]. Agricultural Research, 17(11): 1-10.

Nielsen D, Bouma J. 1985. Soil Spatial Variability[M]. Wageningen: Pudoc.

Román-Sánchez A, Vanwalleghem T, Pe?a A, et al. 2018. Controls on soil carbon storage from topography and vegetation in a rocky, semi-arid landscapes[J]. Geoderma, 311(1): 159-166.

Song X D, Zhang G L, Liu F, et al. 2016. Characterization of the spatial variability of soil available zinc at various sampling densities using grouped soil type information[J]. Environmental Monitoring and Assessment, 188(11): 600. DOI:10.1007/s10661-016-5615-6

汤国安, 杨昕. 2006. ArcGIS地理信息系统空间分析实验教程[M]. 北京: 科学出版社.

涂成龙, 张玉彪, 刘丛强, 等. 2012. 典型岩溶区域主要土壤类型分布特征与表层土壤保有量估算[J]. 生态学杂志, 31(3): 620-625.

Tu C, He T, Lu X, et al. 2018. Extent to which pH and topographic factors control soil organic carbon level in dry farming cropland soils of the mountainous region of Southwest China[J]. Catena, 163: 204-209. DOI:10.1016/j.catena.2017.12.028

White J, Welch R, Norvell W. 1997. Soil zinc map of the USA using geostatistics and geographic information systems[J]. Soil Science Society of America Journal, 61(1): 185-194. DOI:10.2136/sssaj1997.03615995006100010027x

王雅琼, 李军乔, 白世俊, 等. 2020. 不同种植年限蕨麻根际土壤养分变化规律[J]. 贵州师范大学学报(自然科学版), 38(4): 56-63.

向仰州, 喻阳华, 刘英, 等. 2018. 刺梨果实品质与土壤养分的多元分析[J]. 贵州师范大学学报(自然科学版), 36(5): 74-78.

杨静涵, 刘梦云, 张杰, 等. 2020. 黄土高原沟壑区小流域土壤养分空间变异特征及其影响因素[J]. 自然资源学报, 35(3): 743-754.

Yu P, Tung P, Tsun K. 2002. Multivariate analysis of soil heavy metal pollution and landscape pattern in Changhua county in Taiwan[J]. Landscape and Urban Planning, 62(1): 19-35. DOI:10.1016/S0169-2046(02)00094-4

闫晓露, 郑欢, 赵烜杭, 等. 2020. 辽东湾北部河口区土壤重金属污染源识别及健康风险评价[J]. 环境科学学报, 40(8): 3028-3039.

Zhang J, Zhang M, Huang S Y, et al. 2020. Assessing spatial variability of soil organic carbon and total nitrogen in eroded hilly region of subtropical China[J]. PloS One, 15(12): e0244322. DOI:10.1371/journal.pone.0244322

张子璐, 左昕弘, 刘峰, 等. 2020. 渝西丘陵区土壤速效钾空间异质性及影响因素[J]. 土壤学报, 57(2): 307-315.

赵建, 师华定, 吴啸, 等. 2019. 遵义市土壤锌空间分布特征研究[J]. 农业资源与环境学报, 36(3): 298-303.

Zhu H, Xu Z, Jing Y, et al. 2018. Spatial variation and predictions of soil organic matter and total nitrogen based on VNIR reflectance in a basin of Chinese Loess Plateau[J]. Journal of Soil Science and Plant Nutrition, 18(4): 1126-1141.

钟聪, 李小洁, 何园燕, 等. 2020. 广西土壤有机质空间变异特征及其影响因素研究[J]. 地理科学, 40(3): 478-485.