高庙屯小流域土壤理化特性空间分布论.docx

摘要摘要土壤有机碳在缓和气候变化、改善土壤质量方面作用巨大，本文对延庆县高庙屯小流域内的土壤有机碳储量进行了估算，及对其空间分布进行了研究。采取典型取样法在流域内选取土样点126个，其中101个取样点分020cm，2040cm取样，获取土样样本202个，另外21个样点只取020cm层土壤（因山上土层平均厚度只有20cm）。对样本数据进行分析，结果表明：（1）流域内土壤平均有机碳含量均为中等强度变异，两层土壤有机碳含量差异显著（P0.05），随着土层深度增加而减小；两层土壤有机碳最优模型均为指数模型，具有很强的空间相关性；020cm层土壤有机碳呈现带状分布， 2040cm层土壤有机碳含量空间分布呈现出带状分布兼带有少量斑块，两层土壤有机碳值基本呈现一致性。（2）质地对土壤有机碳含量有显著影响，020cm土壤层土壤有机碳与粘粒含量呈现极显著负相关，2040cm土壤层土壤有机碳与砂粒含量呈现显著负相关，与粉粒含量量呈现显著正相关，020cm层土壤中，砂壤土与粘壤土差异显著（P0.05），壤土壤与粘壤土差异显著（P0.05）；土壤有机碳含量与高程呈现极显著正相关关系；有机碳含量在不同高程中存在显著差异（P0.05），两层土壤中有机碳含量在不同坡度存在显著差异（P草地耕地其他土地利用类型园地，林地与耕地、草地、园地有机碳含量差异显著（P其他类型用地耕地草地园地，此层土壤只有林地与园地土壤有机碳差异显著（P0.05）；两层土壤间有机碳含量表现出耕地、林地差异显著（P0.05）。本研究区内040cm层土壤有机碳密度为5.91 kgm-2，这要比徐国策等研究的鹦鹉沟小流域平均土壤有机碳密度5.51 kgm-2要高出7.26%，比林培松等、Weijun Fu等研究各自研究区的0-40cm土壤有机碳密度(分别为7.78 kgm-2和7.86 kgm-2) 要低，这可能与气温、水分、土地利用有关系。蚁伟明等的有关于阔叶林研究结果表明：高温和水分会对土壤碳存储能力有限制作用，本研究区属于大陆性季风气候，其平均气温和降水量均没有徐国策所研究的研究区高，使得其有机物质的代谢相对较慢，相比之下更有利于有机碳的积累。而林培松等、Weijun Fu等研究区降水和气温虽然比本研究区要高，但是其立地类型属于林地，而本研究区立地类型为混合类型，从而导致本研究区内土壤有机碳密度要较低。此外，植被情况、土地利用历史等因素也可能造成土壤有机碳储量的差异，有待进一步研究。关键字：土壤有机碳 碳储量 空间分布 地形 质地 水分 土地利用方式The soil organic carbon storage and spatial distribution characteristic study under small watershed of Gao Miao TunMaster Candidate：Xu Guilai (Major：Soil and water conservation and desertification control)Directed by Zhang HongjiangABSTRACTSOC plays an impotant role in mitigating climate change and improving soil quality. In this paper, we have estimated the soil organic carbon under small watershed of Gao Miao Tun in Yanqing and studied their spatial distribution. Typical sampling method was used in the study to take 126 sample plots, Including 101 sample plots having 020cm and 2040cm layers and 21 sample plots only having 020cm layer. We obtained one sample from every layer of every sample plot, totally 223 samples. The result of the analysed samples showed that (1) the mean soil organic carbon content under the small watershed has moderate intensity variation. The difference of the mean soil organic carbon content under two different layers was significant (p 0.05) and that will decrease with the depth increase. The optimal models of the soil organic carbon in two soil layers were exponential and the soil organic carbon in two soil layers has a strong spatial correlation； The soil organic carbon distribution under 020cm layer was presenting ribbon while presenting ribbon with a little bit of Plaque under 2040cm layer. The soil organic carbon under two soil layers presents the basic consistency parcel areaparcel area. (2) Texture has significant effect on soil organic carbon content.In 020cm layer, SOC was significantly(P0.01) negative correlation with clay content and a negative correlation was presented between SOC and sand content while positive between SOC and clay content. In 020cm layer, the differences of sandy loam and clay loam、 loam soil and clay loam were significant (P0.05). In 020cm layer, soil organic carbon content showed very significant positive correlation (p0.01) with elevation and significant difference (P0.05) in different elevation. In the two layers, there were significant differences among the soil organic carbon content of different slope (P0.05) while no significant differences among that of different aspect (sunny、shady and flat). There were very significant correlation (p0.01) between the soil organic carbon content and their corresponding water content and significant differences among the soil organic carbon content under different levels within the range of moisture content. In 020cm layer, the soil organic carbon content of cultivated land、woodland、 grassland and garden showed very significant correlation (p grassland cultivated land other types of land use garden. The soil organic carbon content in woodland showed significant differences with that of in cultivated land 、grassland and garden（P other types of land use cultivated land grassland garden. Only a siginificnant difference（P0.05） was observed in SOC between woodland and garden in this layer.There was siginificnant difference（P阳坡阴坡（Guo-ce Xu等，2013）。土地利用历史和采样距离的长短会影响土壤碳储量的精度，长期的土地利用较短其的土地利用相比，前者土壤有机碳估算误差会较少。采样距离越短，土壤有机碳估算会更加精确（Catharina J. E. Schulp等，2013）。此外，我们还可以通过轮种、免耕、施肥的方法来使土壤有机碳达到最高值(Ding et al. 2012)。轮作系统和免耕能够显著增加土壤中土壤有机碳储量（李辉等，2012；范如芹等，2011），免耕通过促进形成团聚体等影响土壤的物理性质，以及对土壤有机碳分解速度的降低，从而达到对土壤碳截存速率提高的效果而增加土壤有机碳，免耕对土壤有机碳的影响会因各地气候差异、作物不同种植方式、免耕持续时间长短、各地不同的土壤性质、秸还田量的不同而具有不同程度的影响（Marland G等，2004）。土壤有机碳储量的估算方法有多种，地带类型法、森林类型法、生命土组法、碳拟合法、气候参数法、模型法、土壤类型法等等均是我们常用的估算方法。由于影响土壤有机碳的因素众多，这给土壤有机碳储量的估算带来了很大的困难。首先就是预测深度，调查研究的深度一般有三个选择：0.3m、0.4m、1m，以1m土层深度为标准，0.3m土层深度和0.4m土层深度内的有机碳储量估算分别占到60%和71%(Feller and Beare, 1997; HAIBIN WU等,2003)。由于各地土壤类型，深度的不一样，其研究土层深度选择因地而异。其次是土壤有机碳浓度、容重的决定因素有关因子的不确定性(Ulrike Hoffmann等，2013)，其对土壤有机碳估算也非常重要。土壤有机碳浓度和容重相关因子大小决定着土壤有机碳密度大小，准确得到各样点土样的相关值直接影响着土壤有机碳储量的估算。相关因素包括土壤湿度、温度和结构，高程，,土地利用历史，降水结构，排水和坡度,森林管理措施和土地利用年龄,坡度、高程和地形。第三就是研究尺度问题，大尺度较小尺度而言其地形、土壤、土地利用、气候、水文、土地利用历史等因素更加复杂，其估算也就更加困难（M.P. Martin等，2014）。能够准确估算出研究区内有机碳储量的估算方法，会充分考虑此诸多因素的不确定性。在区域尺度上，土地利用方式和土壤类型是在估算碳储量方面需要考虑的两个重要因素，将研究区按二者进行分区，通过其组合来计算土壤有机碳储量是运用最普遍的方法（Liebens 和 VanMolle，2003；Lettens 等，2005）。此种方法会由于地形的空间异质性较大，而不易获得土壤有机碳数据。一般地，区域尺度或国家尺度SOC库是基于按土壤和土地利用类型取样的，大多数基于主要是FAO土壤单元和六个主要的土地利用类型（林地、农地、草地、湿地、宅基地和其他利用用地）。这种方法要求研究尺度上土层是均匀的，而且土壤和土地利用类型是土壤有机碳变化的主导因素。若在尺度更大的情况下，难以保证土层和土地利用数据的一致性，其结果就会出现不确定性（Catharina J. E. Schulp等，2013）。还有建立模型估算土壤有机碳储量：Meersmans et al. (2008)构建了一个回归模型，这个模型通过土地利用，土壤结构和灌溉相结合来预测土壤有机碳.后者的研究成果表明，对于大片的土壤排水不良的山谷利用传统方法得不到可信的观测结果。在具有可信土壤有机碳储量的地区，通过传统方法计算其值可增加8.1%，运用模型代替传统方法，其值可增加10.1%，且回归模型方法代替平均方法的应用会导致土壤利用-土壤类型特定SOC值和总SOC储量估算具有明显较低的标准差。McBratney et al. (2003) 使DSM正式化的scorpan模型：S=f(s,c,o,r,p,a,n)+e，其中S代表土壤财产如：土壤有机碳含量或储量，或土壤组成颗粒，f为预测方法或是公式，这些是与土壤（s）、气候（c）、微生物（o）、地形（r）、母质（p）、时间（a）、和空间（n）、e(某些情况下)空间相关误差（S.B. Karunaratne等，2013；A.B. McBratney等，2003）。利用此模型估算土壤有机碳储量已应用于区域尺度、洲区尺度乃至全球尺度（Meersmans 等，2008；Odgers等，2012；）。被广泛用于估算土壤有机碳储量的模型还有统计倍增模型，FullCAM模型等等，这些模型所考虑的因素不一样，其准确程度也不一样。综上所述，正确估算碳储量须选择合适的估算方法以及得到相对较精确的相关因素的值。国外对土壤有机碳储量的研究已经相对成熟，其尺度往往都是基于全球于全球尺度或是区域尺度，早在1951年，Rubey就搜集了美国有关土壤剖面的资料，对其进行分析处理，估算出全球范围内的土壤有机碳储量为710PgC（Rubey，1951）。Bohn于1976年次估算值为2946PgC(Bohn,1976)，较之Rubey估算值有所增加。1977年，Bolin、Schleisinger利用FAO土壤数据估算土壤有机碳储量分别为710PgC和1456PgC（Bolin，1977；Schleisinger，1977）。Post、Bohn（1982）年分别利用土壤剖面资料和FAO土壤图相关资料估算全球土壤有机碳储量（1m深土壤）分别为1395PgC和2200PgC。1993年，Sombroek、Eswaren、Potter等均对土壤有机碳作出了估算，Sombroek估算依据为世界土壤图相关的剖面数据，其估算结果为1220PgC；Eswaren估算依据为世界土壤图相关数据（基本全部来自本国，仅有6.25%剖面数据来自其他44个国家），其估算结果为1576PgC；Potter估算依据为Century模型，且其计算层次为土壤表层，其结果为455PgC。1996年，Batjes率领其研究组，运用横跨亚、非、南美等洲的土壤剖面4353个，运用基本格网估算全球土壤碳储量值为1462-1548 PgC。2004年，Lal估算值为1500 PgC，其结果还显示每年碳固定速率为0. 90. 3 PgC。除全球范围内的土壤有机碳储量估算外，其他各国也作出许多成果。Kern（1994）以不同估算单元（分别以生态系统分类、FAO以及土壤系统分类）为基础，估算出美国范围内土壤有机碳储量为 78.0-84.5PgC之间。足球王国巴西表层（030cm层）土壤有机碳储量为36.43.4 Pg ，此数据是Bernoux（2002）通过将土壤图及植被图相结合，从而得出土壤植被图及土壤剖面数据，进而估算出的巴西地区表层土壤有机碳储量。新西兰国家表层（030）及1m范围内的碳储量为2.58Pg和4.18Pg，此数据是Scott（2002）考虑土地利用方式、气候以及土壤类型等因素，形成约2000个土壤数据从而估算得出。J. Meersmans（2009）通过模拟土壤有机碳三维空间模型估算比利时北部沿海弗兰德伦平原碳储量为0.3m和1m深度分别估算为62.200.72Mt和103.191.27 Mt 。不同年代不同研究者对不同区域尺度土壤有机碳储量估算结果不尽相同，其原因在于影响土壤有机碳储量因素的众多不确定性。总体来说，估算精度随着估算方法及数据来源的可靠性增强而日益增加，更加准确的估算土壤有机碳储量还需要我们进一步努力。国内对土壤有机碳储量的估算较晚，一般都是应用土壤调查数据进行。全国尺度上，方精云（1996）等对全国土壤有机碳储量估算结果是185.6Pg；潘根兴（1999）等对中国土种志的数据进行分析筛选，以1m土壤深度为估算土壤有机碳估算深度，其估算结果是50 Pg；王绍强（2000）等结合将全国1:400 万土壤类型分布图和全国土壤普查的剖面数据相结合，估算出全国土壤有机碳储量为92.4Pg；李克让（2003）等人更加进一步的结合土壤、植被、气候数据对全国土壤有机碳进行估算，其结果是82.65 Pg；解宪丽（2004）结合土壤普查剖面数据及全国土壤分布图，以1m作为土壤深度估算出全国土壤碳储量是84.4Pg；于东升（2005）以 1:100 万土壤数据为基础，结合GIS运用，以面积平均法对中国土壤有机碳储量的估算结果为89.1Pg，其结果非常权威和可靠。从其过程可以看出，因他们运用的方法、数据精度不一样，其估算结果也不尽相同。区域尺度上，在区域尺度上，甘海华等（2003）采用地理信息系统技术估算出广东省有机碳储量为1.75109t；孙维侠等（2004）以中国东北为研究区，估算的1m土层有机碳密度为161.3tChm-2；王义祥、翁伯琦（2005）以第二次土壤普查数据估算福建省土壤有机碳储量，其值为1.58107t；黄雪夏等（2005）以重庆市第2次土壤普查数据为基础，同时参考重庆市土壤及土地利用现状情况，运用GIS估算出重庆市20cm及100cm深土壤有机碳密度及储量，其结果显示1m深土壤有机碳储量大约是20cm深土壤有机碳储量的3倍左右；方华军等（2006）运用我国第二次土壤调查数据估算得出我国东北黑土区的土壤有机碳储量为6.46108t，此外还研究了开垦和翻耕对土壤有机碳损失的影响；许信旺等（2007）利用土壤类型法对安徽省土壤有机碳密度及储量进行了估算，结果表明，该省表层土壤有机碳储量为0.28109t，此数约为整个土层土壤有机碳储量的0.4倍；袁芳等（2008）对江西省表层土壤有机碳储量进行了估算，其值为6.40108t，主要存储在红壤和水稻土中；申广荣等（2011）对上海崇明岛有机碳储量进行估算，其值为3.72106t，主要存储在水稻土中； HaiRen Hua等（2013）研究了广东省土壤有机碳储量在1992到2002这些年间的变化，从1992年的1.45108t变化到2002年的2.15108t，其增加了7.03107t；Weijun Fu等（2013）对浙江安吉县竹林土壤有机碳密度值进行了估算其均值94.48Mgha1。近些年来越来越多的人对土壤有机碳储量进行研究，其估算方法和估算准确性也在逐步提高，但仍存在诸多缺陷，需要我们进一步进行研究。1.2.2土壤性质的空间变异 土壤因其成土母质、气候、地形等自然因素的差异以及受到耕作、施肥等人为因素的影响而具有高度的异质性（秦松等，2008），即使在很小的距离上，其土壤性质也存在较大的差异，从而对其结构和功能产生较大的影响（Mallarino 1996）。土地利用方式（顾成军等，2013；Fu B. J. et al. 2000），地形因素（王峰等，2007；张素梅等，2010;徐国策等，2012），植被类型（刘世荣等，2011）,气候（周涛等,2003）等均会对土壤异质性影响较大。地统计学方法是空间统计学的一个重要分支，其分析研究既具有随机性又具有结构性，同时考虑随机性因素和结构性因素对研究对象的影响，考虑到样本值的大小又重视样本空间位置及其之间的距离，弥补了传统统计学只考虑样本值大小而忽略空间方位的缺陷。如今地统计学方法广泛应用于空间变异研究中。张伟等（2013）分析了典型喀斯特林地土壤养分空间变异；王宗明等（2007）研究了东北区域尺度下典型农业县农田土壤养分空间分布及其影响因素；王洪杰等（2004）对四川省资阳市松涛镇的响水村小流域尺度土壤养分的空间分布特征进行了研究；王其兵等（1998）研究了内蒙古锡林河流域草原土壤有机碳空间异质性。对于土壤空间变异研究的不断发展和完善使其在其他各个领域也得到了相应的发展，土壤的空间变特性可以为土地管理者、政策制定者、精准农业提供基本可靠的基础数据，从而为其方向步骤的制定提供依据。第二章 材料与方法2.1 研究区概况2.1.1 地理位置延庆县位于北京北部，东经1154411634，北纬40164047，东与怀柔相邻，南与昌平相联，西面和北面与河北省怀来县、赤城县相接。延庆地域总面积1993.75平方公里，其中，山区面积占72.8%，平原面积占26.2%，水域面积占1%。本研究区高庙屯小流域（11611501161539E，403029403228N）位于延庆县东南部，流域北边为八里店小流域和南菜园小流域，南边为冯家庙小流域，西侧为小泥河流域，东侧为井家庄小流域，流域面积为14.17km2，隶属大榆树镇（见图2-1）。图2-1 项目区地理位置图Fig.2-1 The location of study area map2.1.2 地貌概况高庙屯小流域地貌类型基本为山区和平原，其中南边和东北为山区，其余基本为平原，地势西北侧最低，东北侧和南侧最高，南侧山体最高海拔为650m，平原平均海拔在450 。区内坡度主要在025之间，山体坡度大都在015之间，平原坡度大都在5以内。2.1.3 气候概况本研究区属大陆性季风气候，属温带与中温带、半干旱与半湿润带的过渡连带。气候独特，冬冷夏凉，年平均气温8，流域内多年平均降水443.2mm，降水时空分布不均, 80%集中在69月份。大风日数达175天，主要风向为西北风、北风。2.1.4 植被概况流域内主要土地利用方式为耕地(37.21%)、林地(24.29%)、草地(9.09%)、园地(10.12%)、其他类型用地(19.28%)。流域内流域内坡度及土地利用类型图见图2-2。流域内林草覆盖度为51.75%，主要植物有椴树（Tilia tuan Szyszyl）、柳树（Salix babylonica）、苕条（Lespedeza bicolor Turcz）、红松（Pinus koraiensis Sieb. et Zucc）、落叶松（Larix gmelinii （Rupr.）Kuzen）、樟子松（Pinus sylvestris var. mongolica Litv）、紫椴（Tilia amurensis Rupr）、五味子（Schisandra chinensis （Turcz.）Baill）、向日葵（Helianthus annuus）、苹果（Malus domestica）、毛白杨（Populus tomentosa）、刺槐（Robinia pseudoacacia L.）、火炬树（Rhus Typhina）、侧柏（Platycladus orientalis （L.) Franco）、黄栌（Cotinus coggygria Scop）、杏（Armeniaca vulgaris Lam）、紫叶李（Prunus ceraifera cv. Pissardii）、油松（Pinus tabuliformis Carrire）、紫穗槐（AmorphafruticosaL）等等。图2-2 项目区坡度及土地利用图Fig.2-2 The map of slope and land use in study area2.1.5 土壤概况土壤分类是以土壤发生学为指导，土壤属性为依据的一种土壤分类系统。中国土壤学会于1987年12月在太原召开土壤分类会议拟订出中国土壤分类系统，经过修改，于1992年定稿，确立了12个土纲、28个亚纲、61个土类和233个亚类的高级分类单元；基层分类单元为土属、土种和变种，而以土种为基本单元。延庆山区土壤分为1个土类，5个亚类，土类为褐土，亚类为褐土、淋溶褐土、石灰性褐土、褐土性粗骨土、潮褐土。2.2 数据来源与处理2.2.1 数据来源根据高庙屯小流域不同的立地类型，采取典型取样法在流域内选取土样点126个（68个样点数据为2013年6月获得，52个样点数据为2014年7获得），其中101个取样点分020cm，2040cm取样，获取土样样本202个，另外21个样点只取020cm层土壤（因山上土层平均厚度只有20cm）。采样的同时用GPS记录各采样点位置信息，坡度，坡向，高程等信息通过北京30mDEM图由各点坐标提取而来。在每个样点周边选取四个点作为土钻取样点，取出后将此四个点取出的土样充分混合，从中取出约500克土样带回实验室进行化验分析。经风干的样品经过0.25mm土壤筛后，运用运用重铬酸钾氧化稀释热法进行有机碳测定，剩余样品装入自封带备用。土壤容重及含水量数据通过环刀法测得，在每个取样点，每层土壤均取一环刀，总共223个环刀，用烘干法（用烘箱在105摄氏度下烘8小时）测定其土壤容重及含水量。用比重计法测定每个样品的土壤质地。2.2.2 数据处理样本数据的描述性统计采用EXCEL2003和SPSS19.0进行，分析值包括样本均值、样本标准差、偏/峰度、最大值、最小值等。运用GS+9.0得到其半方差函数，空间分布等值线图运用ARCgis9.3处理得到。本研究所采用的有机碳密度SOCi（kgm-2）公式（王绍强等，2000；解宪丽等，2004；Hongqing Wang等，2002）为：SOCi=CiBDidi(1-Hi)/10 (2) 式中：Ci代表第i层土壤有机碳含量（%），BDi代表第i层土壤容重（gcm-3），di代表第i层土壤厚度(cm)，Hi第i层土壤中大于2mm石砾的体积百分比（%）。若一土壤剖面由N层土壤组成，那么此剖面的有机碳储量（T）为：T= (3) 式中：T代表剖面有机碳储量（kg），Ai代表i层土壤中与有机碳密度一一对应的面积，N代表该剖面的土层数。2.2.3 技术路线图2-3 本研究技术路线图Fig.2-3 The technical route of the research2.3理论分析方法与基础2.3.1 GS+软件GS+在 1988 年成为第一个在 PC 机运行的地质统计学软件，是一款先进的地 质统计分析软件。之后快速被全世界用户广泛使用。GS+是第一个将所有组件集 成到一起来完成统计任务，包括有半方差分析，克里金方法以及软件绘制图形。GS+主要用来将不完整的数据来完成精确、严格的统计地图，这就意味着客户只需要使用较简单的样例数据，通过GS+的统计计算，就可以完成详尽的地质 统计结果。这样在绘制石油分布图或者浮游生物分布图时，GS+就可以自动补充 地质的非实测数据。GS+可以提供空间自相关分析、快速插值和提供基础参数统计等特点。2.3.2 地统计学方法地统计学又叫地质统计学，它是法国著名统计学家G.Matherond在大量统计学基础上形成的一门新型统计学分支，它借助区域化变量，充分考虑到样本数据结构性和随机性差异。它较之经典统计学的优越之处就是重视样本空间位置和相对位置，它们之间的共同特点在于：它们都是在大量采样的基础上，通过对样本的极值、均值、中值、变异系数、频率分布、方差、标准差等及其内部规则进行分析，确定其空间分布格局以及各因素之间的相关关系。 运用地统计学分析前必须进行对数据会进行几点假设：1、所用样本值为随机过程，即所有样本值都是存在一定内存规律的，不都是相互独立；2、所有样本值经正态检验均为正态分布，若有数据不符合正态分布则对数据进行log化等数据转化，直到数据符合正态分布为止；3、所有数据符合平稳性假设，包括均值平稳和二阶平稳及内蕴平稳。均值平稳表明位置不会对样本数据均值产生影响；二阶平移与协方差有关，协方差只与两点的值相关而与两点的位置无头；内蕴平稳指任意两点具有相同距离和方向，那么它们的方差相同。大量研究者研究表明，地统计学方法中半方差函数图和 Kriging 插值法适用于土壤养分的空间预测，并得到了广泛应用（王政权 1999）。2.3.2 半变异函数半变异函数是用于地统计学分析中的一类函数，可以用它来分析土壤有机碳空间变异（包括随机性和差异性）。关键的半变异函数为：Y()= (1)式中各值含义：Y()为半变异函数；N（）为距离为h时的观测点总对数；（）为空间点处的实测样本值；（+）为空间点偏离距离为时的实测样本值。 半变异函数表示：当两个校点无限接近的时候，相似性最大，即再者基本没有差别，函数值为零；当样点间的距离逐渐增大时，函数值会随之增大，但当距离增大到一定程度时，函数值将保持稳定，不会增加。在此期间会产生四个重要参数：块金值、变程、基台值、偏基台值。块金值：一般来讲，当两个样点无限接近时其半变异函数值为零，但是由于测量仪器内存在误差，其函数值不为零，这个值就是块金值；基台值：当采样点间的距离增大时，半变异函数值也会随着增大，最终达到稳定，这个稳定的值即为基台值，达到基台值后，采样点的距离继续增大，半变异函数值保持不变，样点间的空间相关性不存在；偏基台值：基台值与块金值的差值；变程：半变异函数值由块金值逐渐增大到基台值的过程中，采样点的距离会逐渐增大，当其值达到基台值时采样点间的距离即为变程。变程表示的是系统内的自相关性，在变程范围内，样点间的距离越大，表示它们之间的差异越大，相关性越小；当样点间的距离超过变程范围时，即表示样点间不存在相关性，这时校点数据不能用于内推或外排。空间相关性的强弱可以用基底效应（块金值/基台值）的大小表示，基底效应值越大，表示样本之间空间相关性越弱，其变异多是由如测量误差等随机因素引起，相反，基底效应值越小，表示样本间空间相关性越强，其变异多由气候地形等结构性因素造成。具体的：基底效应25%，空间相关性强，主要由结构性因素引起；25基底效应75%，空间相关性弱，主要由随机因素引起。2.3.2 克里格空间插值克里格插值又称为空间局部插值法，是以变异函数理论和结构分析为理论基础，在有限区域内对区域化变量进行无偏最优估计的一种方法（王政权 1999），最早于1951年被南非矿产科学家在寻找金矿时运用，后经法国著名统计学家G.Matherond将其理论化、系统化，命名为kriging。无偏最优估计是批偏差的期望值为零且估计值与实际值之间的平方各最小。即：克里格方法是在知道了样本间在有限领域范围内的若干数据，充分考虑到样本的方法、形状、空间信息等及变异函数提供的信息等对未知样点进行的一个无偏估计。近年来ARCgis广泛用于空间内插，数据导入一部分作为训练数据，一部分作为测试数据进行检验。运用交叉验证法进行检验，选择最优模型标准为：平均误差（Mean）接近于0、均方根误差（Root MeanSquare）最小、平均标准误差（Average Standard Error）最接近于均方根误差、标准化均方根误差（Root-Mean-Square Standardized）最接近于1。18高庙屯小流域土壤理化特性空间分布特征第三章 高庙屯小流域土壤理化特性空间分布特征3.1