兰州市耕地养分综合评价及其影响因素研究

张妍娥; 杨鹏; 马延龙; 康乐; 张利瑞; 王泉灵; 张松林

doi:10.19336/j.cnki.trtb.2022042402

兰州市耕地养分综合评价及其影响因素研究

doi: 10.19336/j.cnki.trtb.2022042402

张妍娥^{1, 2,},
杨鹏¹,
马延龙^2, ,,
康乐¹,
张利瑞¹,
王泉灵¹,
张松林^1, ,

1.
西北师范大学地理与环境科学学院，甘肃兰州 730070
2.
甘肃省地质矿产勘查开发局第三地质矿产勘查开发研究院，甘肃兰州 730050

基金项目: 国家自然科学基金项目（51068025）和甘肃省绿洲资源环境与可持续发展重点实验室资助

详细信息

作者简介:
张妍娥（1996−），女，甘肃省会宁县，在读硕士生，研究方向为资源与环境评价。E-mail: 1164384998@qq.com

通讯作者:
E-mail: 1551410352@qq.com

E-mail: zhangsonglin65@nwnu.edu.cn

中图分类号: X825
计量
- 文章访问数: 72
- HTML全文浏览量: 9
- PDF下载量: 32
- 被引次数: 0
出版历程
- 收稿日期: 2022-04-24
- 修回日期: 2022-09-03
- 网络出版日期: 2023-10-21
- 刊出日期: 2023-10-06

Soil Nutrient Comprehensive Evaluation of Cultivated Land and Influencing Factors in Lanzhou

1.
School of Geography and Environmental Sciences, Northwest Normal University, Lanzhou 730070, China
2.
The Third Institute of Geology and Mineral Exploration and Development, Gansu Bureau of Geology and Mineral Exploration and Development, Lanzhou 730050, China

摘要

摘要: 目的综合评估兰州市耕地土壤养分水平，摸清其分布特征，探明其影响因素，进而提出施肥建议。方法采集了兰州市五个县区618份耕地土样，测定其有机质、全氮、速效钾、有效磷含量以及土壤pH值，采用主成分分析法对其土壤养分进行综合评价，以地理加权回归模型（GWR）分析土壤养分综合水平的影响因素。结果 ① 研究区耕地土壤偏碱性，有机质和全氮含量普遍偏低，速效钾含量较丰富，有效磷含量高低不均。② 研究区耕地土壤养分综合水平以低等级为主，占研究区耕地总面积的50.46%，其次是中等和极低等级，分别占耕地总面积的29.61%和19.30%，高等级地极少，仅占比0.63%。养分综合水平主要限制因素为有机质和全氮含量。③ 研究区耕地土壤养分综合水平偏低且受海拔高度和年均气温因素的影响程度较大。结论研究区耕地土壤养分分布不均且综合养分水平偏低，综合养分水平主要受海拔高度和年均气温因素的影响，建议根据土壤营养元素丰缺、综合养分水平和作物生长需求平衡施肥。
- 土壤养分 /
- 主成分分析 /
- 空间分布 /
- 地理加权回归模型 /
- 兰州
Abstract: Objective The aims were to comprehensively evaluate the soil nutrients’ levels of the cultivated land in Lanzhou city, to find out their distribution characteristics and influence factors, and then to propose reasonable fertilization suggestions. Method In this study, 618 cultivated soil samples were collected from five counties of Lanzhou, and the soil organic matter, total nitrogen, rapidly available potassium, available phosphorus contents and pH value were determined. Principal component analysis was used to evaluate soil nutrients comprehensively, and the influence factors of soil nutrient comprehensive level were analyzed by geographically weighted regression model (GWR). Result ①The cultivated soil in the research area was alkaline, the contents of soil organic matter and total nitrogen were generally low, the rapidly available potassium contents were rich, and the available phosphorus contents were uneven. ②The soil comprehensive nutrients in the research area were mainly of low-level, accounting for 50.46% of the total cultivated area in the research area, medium and extremely low grades were next, accounting for 29.61% and 19.30% of the total cultivated area, and the higher level land rarely accounted for only 0.63%. Soil organic matter and total nitrogen contents were the main limiting factors for the comprehensive level of soil nutrients in cultivated land. ③The comprehensive level of soil nutrients of cultivated land in the study area was relatively low and greatly affected by altitude and annual average temperature. Conclusion In the research area, the cultivated land soil nutrients distribution is uneven, and the comprehensive level of nutrients is low. The comprehensive nutrient level is mainly affected by altitude and the average annual temperature factors. It is suggested to balance fertilization according to the soil comprehensive nutrient levels, nutrient abundance and crop growth requirements.
- Soil nutrient /
- Principal component analysis /
- Spatial distribution /
- Geographically weighted regression model /
- Lanzhou

HTML全文

图 1 研究区采样点位分布

Figure 1. Distribution of sampling sites in the study area

下载: 全尺寸图片幻灯片

图 2 研究区各县区耕地土壤SNCI值的空间分布

Figure 2. Spatial distribution of soil SNCI values at counties and districts in the study area

下载: 全尺寸图片幻灯片

图 3 土壤养分综合分值（SNCI）影响因素回归系数的空间分布

Figure 3. Spatial distribution of the regression coefficients of the factors influencing the soil nutrient comprehensive score (SNCI)

下载: 全尺寸图片幻灯片

表 1 耕地土壤养分和pH值描述性统计

Table 1. Descriptive statistics of soil nutrients and pH values in cultivated land

项目 Item	pH值 pH value	有机质（g kg^–1） Organic matter	全氮（g kg^–1） Total nitrogen	有效磷（mg kg^–1） Available phosphorus	速效钾（mg kg^–1） Rapidly available potassium
最大值	10.50	56.10	2.40	538.00	1436.00
中位值	8.53	11.80	0.75	20.8	194.00
最小值	7.48	0.93	0.02	0.41	59.10
均值	8.55	13.19	0.75	37.16	223.52
标准差	3.72	7.38	0.39	53.94	123.86
变异系数	0.43	0.56	0.52	1.45	0.55

下载: 导出CSV

表 2 耕地土壤养分指标和pH值分级

Table 2. Soil nutrient index and pH value classification of cultivated land

指标 Index		Ⅰ 级 Grade Ⅰ	Ⅱ 级 Grade Ⅱ	Ⅲ 级 Grade Ⅲ	Ⅳ 级 Grade Ⅳ	Ⅴ 级 Grade Ⅴ	Ⅵ 级 Grade Ⅵ
有机质（g kg^–1）	标准	> 30	20 ~ 30	15 ~ 20	10 ~ 15	6 ~ 10	< 6
	样本数	18	68	101	234	118	78
	占比（%）	2.92	11.02	16.37	37.93	19.12	12.64

全氮（g kg^–1）	标准	> 1.5	1.25 ~ 1.5	1.00 ~ 1.25	0.75 ~ 1.00	0.50 ~ 0.75	< 0.50
	样本数	14	41	104	150	157	151
	占比（%）	2.27	6.65	16.85	24.31	25.45	24.47

有效磷（mg kg^–1）	标准	> 40	25 ~ 40	20 ~ 25	15 ~ 20	10 ~ 15	< 10
	样本数	168	95	57	54	87	156
	占比（%）	27.23	15.40	9.24	8.75	14.10	25.28

速效钾（mg kg^–1）	标准	> 200	150 ~ 200	120 ~ 150	100 ~ 120	80 ~ 100	< 80
	样本数	291	130	113	52	17	14
	占比（%）	47.16	21.07	18.31	8.43	2.76	2.27

pH值	标准	> 8.5	7.5 ~ 8.5	6.5 ~ 7.5	5.5 ~ 6.5	< 5.5	−
	样本数	271	346	0	0	−	−
	占比（%）	43.92	56.08	0	0	−	−

下载: 导出CSV

表 3 耕地土壤养分的总方差解释

Table 3. Interpretation of the total variance of soil nutrients in cultivated land

成分 Component	初始特征值 Initial eigenvalue			提取平方和载入 Extract the sum of squares and load
成分 Component	合计 Total	方差（%） Squared difference	累积（%） Accumulation	特征值 Characteristic value	贡献率（%） Contribution rate	累积贡献率（%） Accumulated contribution rate
1	2.415	48.307	48.307	2.415	48.307	48.307
2	1.300	25.994	74.300	1.300	25.994	74.300
3	0.607	12.148	86.448
4	0.391	7.817	94.264
5	0.287	5.736	100.000

下载: 导出CSV

表 4 耕地土壤养分的初始因子载荷与成分得分系数

Table 4. Initial factor load and component score coefficient of cultivated soil nutrients

指标 Index	因子载荷 Factor loading		评分系数 Score coefficient
指标 Index	1	2	A₁	A₂
有机质	0.873	0.189	0.361	0.146
全氮	0.849	−0.002	0.352	−0.001
有效磷	0.737	0.119	0.305	0.092
速效钾	0.156	0.908	0.065	0.699
pH	−0.604	0.651	−0.250	0.501

下载: 导出CSV

参考文献(40)

[1]	黄安, 杨联安, 杜挺, 等. 基于主成分分析的土壤养分综合评价[J]. 干旱区研究, 2014, 31(5): 819 − 825.
[2]	许仙菊, 张永春, 汪吉东, 等. 中国三大薯区土壤养分状况及土壤肥力质量评价[J]. 中国土壤与肥料, 2021, (5): 27 − 33. doi: 10.11838/sfsc.1673-6257.20309
[3]	Craine J M, Dybzinski R. Mechanisms of plant competition for nutrients, water and light[J]. Functional Ecology, 2013, 27(4): 833 − 840. doi: 10.1111/1365-2435.12081
[4]	汪景宽, 李双异, 张旭东, 等. 20年来东北典型黑土地区土壤肥力质量变化[J]. 中国生态农业学报, 2007, (1): 19 − 24.
[5]	任家强, 汪景宽, 李双异, 等. 辽西阜蒙县耕地地力定量评价研究[J]. 土壤通报, 2010, 41(6): 1294 − 1298. doi: 10.19336/j.cnki.trtb.2010.06.003
[6]	刘江, 吕涛, 张立欣, 等. 基于主成分分析的不同种植年限甘草地土壤质量评价[J]. 草业学报, 2020, 29(6): 162 − 171.
[7]	刘少春, 张跃彬, 郭家文, 等. 基于养分丰缺分级的蔗田土壤肥力主成分综合分析[J]. 西南农业学报, 2016, 29(3): 611 − 617.
[8]	许仙菊, 马洪波, 陈杰, 等. 基于养分丰缺诊断和主成分分析相结合的桑园土壤肥力评价[J]. 土壤, 2013, 45(3): 470 − 476. doi: 10.3969/j.issn.0253-9829.2013.03.014
[9]	黄馨, 刘君昂, 周国英, 等. 降香黄檀不同混交模式土壤肥力的比较研究[J]. 土壤通报, 2014, 45(5): 1130 − 1136. doi: 10.19336/j.cnki.trtb.2014.05.018
[10]	王栋, 吴晓东, 魏献花, 等. 基于地理加权回归的青藏高原季节冻土区土壤有机碳空间分布研究[J]. 冰川冻土, 2020, 42(3): 1036 − 1045.
[11]	赵明松, 刘斌寅, 卢宏亮, 等. 基于地理加权回归的地形平缓区土壤有机质空间建模[J]. 农业工程学报, 2019, 35(20): 102 − 110. doi: 10.11975/j.issn.1002-6819.2019.20.013
[12]	李政昊, 刘斯泓, 李嘉琦, 等. 辽宁省铁岭植烟区土壤肥力特征及综合评价[J]. 土壤通报, 2022, 53(3): 631 − 639. doi: 10.19336/j.cnki.trtb.2021033101
[13]	孙妍芳, 裴久渤, 张立江, 等. 辽宁棕壤耕地质量评价及障碍因素类型分区研究[J]. 中国农业资源与区划, 2017, 38(11): 130 − 137, 144. doi: 10.7621/cjarrp.1005-9121.20171118
[14]	张润楚. 多元统计分析[M]. 北京: 科学出版社, 2006.
[15]	樊星火, 葛红艳, 张参参, 等. 江西省生态公益林典型林分土壤肥力状况研究[J]. 北京林业大学学报, 2018, 40(11): 84 − 92.
[16]	王小艳, 冯跃华, 李云, 等. 基于主成分和聚类分析的村域稻田土壤肥力评价[J]. 中国农学通报, 2014, 30(33): 46 − 50. doi: 10.11924/j.issn.1000-6850.2014-2090
[17]	杨晓娟, 廖超英, 孙文艳, 等. 乌兰布和沙漠东北部沙区人工林土壤肥力质量评价[J]. 干旱区研究, 2012, 29(4): 604 − 608.
[18]	王雅楠, 赵涛. 基于GWR模型中国碳排放空间差异研究[J]. 中国人口·资源与环境, 2016, 26(2): 27 − 34. doi: 10.3969/j.issn.1002-2104.2016.02.004
[19]	耿荣, 王明国, 尹学红, 等. 基于主成分分析法的中宁县农田土壤肥力评价[J]. 农业科学研究, 2021, 42(1): 1 − 7. doi: 10.3969/j.issn.1673-0747.2021.01.001
[20]	郭瑞, 李静怡, 郑险峰, 等. 大荔枣园土壤养分空间分布及土壤肥力综合评价[J]. 西北林学院学报, 2021, 36(3): 121 − 127. doi: 10.3969/j.issn.1001-7461.2021.03.18
[21]	吴湘琳, 陈署晃, 赖宁, 等. 基于主成分分析和聚类分析果园土壤养分综合评价[J]. 新疆农业科学, 2018, 55(7): 1286 − 1292.
[22]	付天新, 闫浩文, 骆成凤, 等. 兰州市七里河区农用地分等更新评价与分析[J]. 国土资源遥感, 2012, (3): 140 − 145.
[23]	姜霓雯, 童根平, 叶正钱, 等. 浙江清凉峰自然保护区土壤肥力指标空间变异及其影响因素[J]. 生态学报, 2022, 42(6): 2430 − 2441.
[24]	李燕丽, 潘贤章, 周睿, 等. 长期土壤肥力因子变化及其与植被指数耦合关系[J]. 生态学杂志, 2013, 32(3): 536 − 541. doi: 10.13292/j.1000-4890.2013.0074
[25]	罗梅, 郭龙, 张海涛, 等. 基于环境变量的中国土壤有机碳空间分布特征[J]. 土壤学报, 2020, 57(1): 48 − 59. doi: 10.11766/trxb201812110454
[26]	丁亚鹏, 张俊华, 刘玉寒, 等. 基于GWR模型的伊河流域土壤有机碳空间分布特征及影响因素分析[J]. 生态学报, 2021, 41(12): 4876 − 4885.
[27]	李红林, 贡璐, 朱美玲, 等. 塔里木盆地北缘绿洲土壤化学计量特征[J]. 土壤学报, 2015, 52(6): 1345 − 1355. doi: 10.11766/trxb201411220585
[28]	Zhang S L, Zhang X Y, Huffman T, et al. Influence of topography and land management on soil nutrients variability in Northeast China[J]. Nutrient Cycling in Agroecosystems, 2011, 89: 427 − 438. doi: 10.1007/s10705-010-9406-0
[29]	王经波, 郑利林, 郭宇菲, 等. 鄱阳湖湿地土壤有机碳空间分布及其影响因素[J]. 长江流域资源与环境, 2022, 31(4): 915 − 926.
[30]	董　悦. 基于GWR模型的尧都区中部土壤养分与重金属空间变异规律研究[D]. 太原: 山西师范大学, 2019.
[31]	车宗贤. 甘肃土壤肥力演变特征及培肥技术研究[R]. 甘肃省: 甘肃省农业科学院土壤肥料与节水农业研究所, 2017.
[32]	李兴发. 基于土壤养分的皋兰县耕地质量评价[D]. 兰州: 甘肃农业大学, 2018.
[33]	火玉玲. 甘肃省皋兰县黑石川乡西边沟基本农田利用现状与对策[J]. 农业工程, 2015, 5(5): 79 − 81. doi: 10.3969/j.issn.2095-1795.2015.05.024
[34]	魏　鹏, 刘学录. 兰州市红古区农用地分等评价与分析[J]. 草原与草坪 2014, 34(4): 43-46.
[35]	卜春燕, 米成林, 汪延彬. 基于GIS的甘肃省榆中县耕地质量监测评价[J]. 甘肃农业科技, 2021, 52(8): 28 − 32. doi: 10.3969/j.issn.1001-1463.2021.08.008
[36]	Liu F, Zhang G L, Sun Y J, et al. Mapping the three-dimensional distribution of soil organic matter across a subtropical hilly landscape[J]. Soil Science Society of America Journal, 2013, 77(4): 1241 − 1253. doi: 10.2136/sssaj2012.0317
[37]	高顺平, 何明珠, 白光祖, 等. 甘肃陇西中药材种植区土壤有机质分布特征[J]. 干旱地区农业研究, 2020, 38(5): 192 − 197 + 251. doi: 10.7606/j.issn.1000-7601.2020.05.27
[38]	张兰, 夏红霞, 朱启红, 等. 水分调节对施用生物炭的重金属污染土壤速效养分的影响研究[J]. 节水灌溉, 2022, (4): 60 − 64, 76. doi: 10.3969/j.issn.1007-4929.2022.04.011
[39]	陈玉, 焦菊英, 田红卫, 等. 黄土高原归一化植被指数与自然环境因子的空间关联性−基于地理探测器[J]. 生态学报, 2022, 42(9): 3569 − 3580.
[40]	车升国. 区域作物专用复合(混)肥料配方制定方法与应用[D]. 北京: 中国农业大学, 2015.