基于地下水性质空间变异特征的优化地统计模式研究-农业工程学报

黄河三角洲地区浅层地下水与耕层土壤积盐空间分异规律定量分析姚荣江，杨劲松基金项目：中国科学院知识创新工程重要方向项目(KZCX2-YW-406-3)；国家重点基础研究发展规划项目(2005CB21108)作者简介：姚荣江(1980 )，男，江苏靖江人，博士，研究方向为土壤水盐运动和土壤盐渍化预测预报。南京 中国科学院南京土壤研究所，210008。Email：.通讯作者：杨劲松(1959 )，博士，研究员，博士生导师。主要研究领域为土壤盐渍化防控和盐渍土资源利用。南京 中国科学院南京土壤研究所，210008。Email：.（中国科学院南京土壤研究所，南京 210008）摘 要：为研究黄河三角洲地区地下水作用条件下耕层土壤的积盐规律，运用GIS和地统计学的原理与方法，结合地下水埋深的空间分布以及临界埋深的划分标准对研究区域进行分区，并从空间尺度对各分区地下水矿化度与耕层土壤积盐规律进行了定量分析。结果表明：地下水埋深、矿化度和耕层土壤盐分均属于中等变异强度，在东西方向和南北方向上均具有2阶的趋势效应；受结构性因素和随机性因素的共同作用，地下水埋深呈中等的空间自相关性，地下水矿化度与耕层土壤盐分呈弱空间自相关性；耕层土壤盐分与地下水矿化度的空间分布具有一定的相关性，与地下水埋深呈负相关性。对空间尺度上的地下水矿化度与耕层土壤盐分定量分析结果表明，耕层土壤积盐与地下水矿化度呈极显著的相关关系，而地下水埋深增加使其相关性减弱，采用分区研究法使地下水矿化度对耕层土壤积盐规律分析更加客观准确。该结果对研究黄河三角洲地区土壤盐渍化的发生机理、预测与评估该地区土壤盐渍化的发生发展具有重要意义。关键词：黄河三角洲；浅层地下水；土壤积盐；定量分析；Kriging插值中图分类号：S156.4 文献标识码：A0 引言盐渍化是制约黄河三角洲地区农业生产发展的主要障碍因子之一，该区独特的气候、水文水资源以及土壤等因素决定了盐渍化在空间上并不是完全独立的，而是与浅层地下水存在着空间上的关联，因此定量分析该区浅层地下水与耕层土壤积盐规律对实现盐渍土地科学管理及合理改良利用具有重要意义。围绕地下水性质与土壤盐渍化的研究国内开展了大量的工作，有关这方面的研究已有很多详细的文献18，按照研究过程的发展及其代表性的研究方法可分为以下4种：(1)五十年代，主要是应用数理统计法。通过大面积土壤和水文地质调查，统计地下水埋深(矿化度)与表土盐渍化现象的关系。该方法不涉及溶质迁移的动力机制，只能作自然现象的宏观描述。(2)六十年代我国用土壤强烈毛管水上升高度加主要根系活动层深度，计算安全深度，从构成安全深度的微观揭示和量化方面较传统理论有较大进步9。(3)七十至八十年代，随着地中渗透仪方法的广泛应用，开始将大气土壤地下水作为统一体，使不同地下水埋深、不同土质、有无作物覆盖的潜水蒸发影响的研究得以系列化、标准化，促进了水均衡研究，但大多数地中渗透仪内无专门的水、盐传感设备，不能获得其中含水量、盐分含量的时空分布。(4)八十至九十年代，在土壤水盐运动的能量转换理论和地下水数值模拟技术的推动下，在传统地中渗透仪或大型室内土柱内部增加水分或盐分传感器，并进行近代技术的更新改造，使数学模型的数值解与实验技术得以结合。进而用土壤水盐数据采集系统, 对大气土壤地下水统一体的水盐运移进行动态模拟。研究表明，地统计学是研究土壤属性的空间变异或其它农田特征变异定量化的有效工具，自20世纪80年代被引入土壤科学以来，地统计学在土壤属性空间变异方面获得了较为广泛的应用1014，特别是近年来随着精准农业的兴起，利用地统计学对不同尺度下土壤盐渍特征的空间变异性研究已有较多详细的报道1521。本文以黄河三角洲地区典型地块作为研究区域，利用GIS和地统计学方法，研究分析了地下水埋深、矿化度以及耕层土壤盐分的空间分异特征，借助于空间分析手段对地下水埋深进行分区，并对各埋深分区的地下水矿化度与耕层土壤积盐规律从空间尺度上进行了定量分析。该结果不仅为黄河三角洲地区盐渍土地的科学管理与合理改良利用提供一定的理论基础和参考依据，同时对研究该地区土壤盐渍化的发生机理、预测与评估该地区土壤盐渍化的发生发展具有重要意义。1 研究区概况及研究方法1.1 研究区概况试验地点位于山东省垦利县永安镇“东义和村”与“东七村”为主体的研究区域(见图1)，地处北温带大陆性季风型气候带，东临渤海，属典型黄河下游三角洲地区。该区四季气候变化明显，降水主要集中在78月份，占全年降水量的70%，年均蒸降比为3.22。由于土壤直接发育于黄河冲积沉积物，再加上成陆过程中受海水的浸渍侧渗作用，使得研究区土壤含有较多的可溶性盐类，滨海潮盐土是该区最主要的盐土类型。区内地下水埋深普遍较浅，多介于1.42.4 m之间，平均矿化度达32.4 g/L；由于当地缺乏蓄水工程，雨季水量丰富但不能调蓄，非雨季淡水资源紧缺，这导致研究区地下水埋深及矿化度的季节性动态变化显著，再加上该区地下水与土壤中的可溶性盐类互为“源库”关系，由此也引起了土壤含盐量呈现“积盐淋溶”的季节性动态变化。图1 研究区域地理位置及采样点分布图Fig.1 The geographic position of study area and the distribution of sampling sites1.2 研究方法1.2.1 采样布置选取一块面积约520 hm2的连续地块(东西长约4.1 km，南北宽约1.11.6 km)作为研究区域，研究区域地势相对平坦，其南部边界为一条自西向东的灌溉渠，东南部位毗邻大片的养殖鱼塘。采样地界于东经1184711850，北纬37333734之间，根据当地土质、植被类型等因素确定采样点的位置与数量，共挖取127个剖面，其中棉花(玉米)地38个，盐蒿地26个，光板地38个，其余均为杂草地，采样点分布如图1所示。由于研究区内地下水埋深较浅，每个剖面都挖到地下水流出，待水位稳定后测量地下水埋深并同步采集地下水样品，同时对剖面进行040 cm耕层土壤样品的采集，共计采集127个样点的耕层土样与地下水埋深数据，以及120个地下水样(部分样点地下水仅获得埋深数据)。各采样点的相对坐标采用差分GPS定位技术确定。样点采集分别于2004年10月中下旬及2005年9月下旬(均为旱季)分两次进行，正值棉铃吐絮期，一方面此时的地下水埋深对土壤次生盐渍化的影响较大，地下水性质受人为因素的影响也较小。另一方面9月中旬至来年3月地下水动态可视为相对稳定期，这时耕层土壤盐分及地下水性质较为稳定，地下水的消退主要靠天然蒸发，而此时的蒸发量也是不大的。1.2.2 样品处理与分析地下水埋深：每个剖面都挖到地下水流出，待其水位稳定以后，用刻度尺测量其埋深。地下水矿化度：取水样置于100 mL塑料瓶中，在冰箱中保存。地下水含盐量由地下水中各离子组成的含量计算得到，离子组成含量的测定采用常规分析法，具体测定方法参考土壤农业化学分析方法22。土壤盐分：采集的土样带回实验室内自然风干，磨碎、过2 mm筛后备用。所有的土样均制备1:5土水比浸提液，采用常规分析法确定土壤各离子组成含量，计算出相应的土壤全盐含量。具体测定方法同上。2 结果与分析2.1 描述性统计特征分析表1 地下水埋深、矿化度及耕层土壤盐分的统计特征值Table 1 Statistical feature values of groundwater depth, mineralization and soil salinity in plough layer变量分布类型样本数最小值最大值平均值中位数标准差变异系数/ %K-S p合理采样数埋深/ mLN1270.502.701.792.000.5731.870.058*42矿化度/ gL-1N1203.4970.5332.4332.4614.1643.670.56777盐分/ gkg-1LN1270.3934.549.677.506.0362.350.131107*注：N表示正态分布；LN表示对数正态分布；*显著性水平在p0.05(双尾检验)；*显著性水平在p0.10；合理采样数N2,f(CV/k)2，其中, f为t分布特征值(为显著水平，f为自由度)，CV为变异系数，k为相对误差地下水埋深、矿化度及耕层土壤盐分的统计特征值如表1所示。从变幅来看：地下水矿化度与耕层土壤盐分的变幅较大，分别达67.04 gL-1和34.15 gkg-1，其最大值与最小值之比分别为20.21和88.56；地下水埋深的变化范围在0.502.70 m之间，变幅最小。从平均值来看，地下水埋深为1.79 m，与其它时期相比要大一些，这主要在于采样期正值旱季降雨较少；耕层土壤盐分为9.67 gkg-1，总体上属于重度盐化土类型(含盐量大于4.0 gkg-1)，说明了土壤高度盐渍化是制约该区农业生产的重要因素；地下水矿化度较高，均值达32.46 gL-1，其原因是与该区地下水长期受海水的侧渗浸渍作用密切相关。从变异系数来看，耕层土壤盐分的在水平方向的变异强度为最大，其变异系数达62.35%，其次分别为地下水矿化度与埋深，变异系数分别为43.67%和31.87%，均表现为中等的变异强度。造成这种现象的原因在于区内局部地势起伏、土地利用方式、灌溉制度以及耕作方式差异等因素。进一步通过Cochran纯随机采样理论公式23计算得出当前的变异强度下地下水埋深、矿化度以及耕层土壤盐分的合理采样数量。在95%置信水平10%相对误差条件下，研究区内地下水埋深、矿化度与土壤盐分的合理采样数量分别为42、77和153；由表1可以看出，耕层土壤盐分的样点密度并不满足当前条件下的合理采样数量要求，但已满足90%置信水平10%相对误差条件下的合理采样数量(N107)。由于变异函数的计算一般要求数据符合正态分布，否则可能存在比例效应24, 25。进一步通过Kolmogorov-Smirnov法进行正态检验(p0.05，2-tailed)发现地下水矿化度符合正态分布(见表1)，变异函数计算采用的数据为原始数据；地下水埋深与耕层土壤盐分并不服从正态分布，经对数转化后均呈近似的正态分布，已满足地统计学分析的要求，因此变异函数计算采用的数据为对数转化后的数据。2.2 空间趋势效应分析在地统计学分析中，一般把趋势效应分为0阶(无趋势效应)、1阶(区域化变量沿一定方向呈线性变化)、2阶或多阶(区域化变量沿一定方向呈多项式变化)。对趋势效应的处理办法一般是在半方差/协方差函数建模时去掉它，而在克立格预测时再把趋势效应追加回来。在小尺度农田属性的空间变异研究中，因面积有限，在进行变异函数计算和克里格内插时，一般可不作趋势分析或在某种程度上忽略趋势效应。在本文中，尽管地下水埋深、矿化度及耕层土壤盐分的偏、峰度检验结果均呈正态(或对数正态)分布，但都表现出明显的趋势效应(如图3)，显然本研究中趋势效应的分析已不容忽略。图2 研究区地下水埋深、矿化度及耕层土壤盐分的趋势效应分析Fig.2 Trend analysis of groundwater depth, mineralization and soil salinity in plough layer across the study area在图2中，XZ投影面上的曲线表示东西向的全局性趋势效应变化情况，YZ投影面上曲线表示的是南北向全局性趋势效应变化情况，XY投影面上的散点表示采样点的二维平面空间分布。可以看出，地下水埋深从东向西呈逐渐增加趋势，且增加幅度随距离趋缓，呈明显的2阶趋势效应；地下水矿化度和耕层土壤盐分由东向西逐渐降低，且降低的幅度随距离趋缓，亦表现为2阶趋势效应。从南北方向来看，耕层土壤盐分、地下水埋深及矿化度的趋势效应都呈“U”型的抛物线变化。因此，研究区地下水埋深、矿化度和耕层土壤盐分总体上在东西向和南北向均呈明显的2阶趋势效应。进一步比较可以看出，地下水矿化度与耕层土壤盐分表现出相似的空间趋势效应，这说明研究区地下水矿化度与耕层土壤盐分在空间分布上可能存在一定的关联性。2.3 空间变异特征分析及交叉验证半方差函数的理论模型及参数的确定可参考有关文献26, 27，根据半方差函数的理论及计算模型得表2，地下水埋深、矿化度和耕层土壤盐分的半方差理论模型均比较符合球状模型。表2 地下水埋深、矿化度与耕层土壤盐分的半方差模型及其参数Table 2 Semivariance models and parameters of groundwater depth, mineralization and soil salinity in plough layer变量理论模型C0C1C0C1C0/(C0+C1)变程/ m长轴方位角/ 长轴短轴埋深/ m球状0.15710.16660.32370.4851677.5805.944.6矿化度/ gL-1球状133.2137.37170.580.7812767.31368.6311.8盐分/ gkg-1球状0.75140.08050.83190.9031289.51199.1357.2表2中，C0为块金值；C1为偏基台值；C0+C1表示基台值；C0/(C0+C1)可以表明农田属性空间异质性的程度。如果C0/(C0+C1)小于25%，表现为强空间相关性；在25%75%之间，空间相关性中等；大于75%，空间相关性很弱；若比值接近于1，说明在整个尺度上具有恒定的变异28。块金值C0均为正值，说明存在着由采样误差、短距离变异、随机和固有变异引起的各种正基底效应。C0/(C0+C1)变化范围在0.4850.903之间，除地下水埋深为中等的空间自相关性以外，地下水矿化度和耕层土壤盐分均表现为弱空间自相关性。从C0/(C0+C1)可以看出随机性因素(如施肥、灌溉、耕作措施、种植制度等各种人为活动)和结构性因素(如母质、地形、土壤类型等)引起的空间异质性程度的不同，地下水埋深由结构性因素引起的空间异性程度较高，占到51.5%，也就是说，表层各样点之间埋深的差异主要来自于气候、母质、地形等结构性因素；其次是地下水矿化度，由随机性因素引起的空间异性程度要大于结构性因素，占到78.1%；耕层土壤盐分的空间异质性程度最高，且其空间异质性主要来自于施肥、灌溉、耕作措施、种植制度等随机性因素，占到90.3%。从变程来看，在趋势参数为2阶条件下地下水埋深和矿化度的各向异性程度较高，这一点可以从长、短轴变程的差异明显看出，其长短轴变程的比值均接近2左右。对于耕层土壤盐分，其长短轴变程的比值接近1，这说明去除2阶趋势效应后耕层土壤盐分的空间变异已趋于各向同性。长轴方位角的变化范围在44.6357.2之间，即地下水埋深的长轴方位角约为东北方向，地下水矿化度与耕层土壤盐分的长轴方位角分别接近西北以及正北方向。利用ArcGIS8.3中Geostatistical Analyst模块分别对地下水埋深、矿化度和耕层土壤盐分进行Kriging空间内插(具体的理论模型和参数见表2)，Kriging估值的误差由交叉验证法检验。其评价指标主要有29：平均误差ME(Mean Error)、标准化平均误差MSE(Mean Standardized Error)、平均标准误差ASE (Average Standard Error)、均方根误差RMSE(Root-Mean-Square Error)和标准化均方根误差RMSSE (Root-Mean- Square Standardized Error)。评价模型合适的程度可按以下标准综合进行：平均误差ME的绝对值最接近于0；标准化平均误差MSE最接近于0；平均标准误差ASE与均方根误差RMSE最接近；标准化均方根误差RMSSE最接近于1。表3 地下水埋深、矿化度与耕层土壤盐分的预测误差Table 3 Prediction errors of groundwater depth, mineralization and soil salinity in plough layer变量样本数平均误差标准化平均误差均方根误差平均标准误差标准化均方根误差相关系数r临界值r0.01埋深/ m1270.00100.00950.37330.37900.98620.82890.2264*矿化度/ gL-1120-0.1621-0.01075.29015.68001.04000.71530.2275盐分/ gkg-11270.53140.03003.00203.80000.96520.73940.2264注：*显著性水平在p0.01(双尾检验)从表3预测误差分析可知，地下水埋深与矿化度的估计偏差均较小，ME和MSE都接近于0，耕层土壤盐分的偏差较大，这可能是与原始盐分数据分布的偏态值较大有关；从RMSSE可以看出，地下水埋深、矿化度与耕层土壤盐分均接近于1；从ASE和RMSE来看，地下水埋深均为最小，其次是耕层土壤盐分，地下水矿化度均为最大。从预测值与实测值间的相关系数明显看出，地下水埋深预测结果的相关系数最高，达到0.8289，与地下水矿化度和耕层土壤盐分相比，其相关系数分别提高了15.9%和12.1%。相关性分析表明：预测值与实测值间均具较好的正相关性，且达到了1%的极显著水平，这也说明本研究中地下水埋深、矿化度及耕层土壤盐分的预测均具有较好的准确性和精度。2.4 Kriging插值结果分析从图3.a所反映的地下水埋深空间分布看出，地下水埋深的空间分布表现出明显的条带状格局。从整体上看，研究区的地下水埋深东部小于西部，南部小于北部。从空间尺度来看，东南部位的地下水埋深要明显小于其它部位，地下水埋深的最高值出现在试验区的西北部位，且地下水埋深由东南部位向西北部位逐渐增大，即沿着海岸线向腹地的延伸方向地下水埋深呈显著增加的趋势。其原因在于研究区东临渤海，因此东部受海水的浸渍侧渗作用较强烈，地下水位相对较高。研究区南部地下水埋深小于北部，这主要是受到研究区南部灌溉渠的影响，沿着灌溉渠的延伸方向地下水不断得到补充，使得南部的浅地下水埋深由图3 地下水埋深、矿化度与耕层土壤盐分的空间分布图Fig.3 Spatial distribution patterns of groundwater depth, mineralization and soil salinity in plough layer西向东呈带状分布。地下水埋深的最小值在研究区的东南部位，并且在该部位附近的空间变异性最大，造成这种强变异性的原因可能是与微地形因素以及一些农田工程措施密切相关的。事实上研究区东南部位毗邻大片人工开挖的养殖鱼塘，且地势相对较低，鱼塘中大量地下水入渗到该部位，因此，充足的地下水补给以及局部的低地势条件是导致这种现象最为直接的因素。图3.b地下水矿化度和图3.c耕层土壤盐分的空间分布表现出一致性，均表现为东部高于西部、南部高于北部；造成这种现象的原因是多方面的，首先，海水的浸渍侧渗作用是最为直接的因素，它直接决定着地下水矿化度及耕层土壤盐分的总体分布规律；其次，这种分布格局受研究区域东南部位大面积的养殖鱼塘影响，鱼塘中大量的地下水渗到该部位，不仅抬高了地下水埋深及矿化度，还使耕层土壤受地下水返盐的强烈影响，即盐分随上升水流运移到地面并在耕层积聚。此外，由于研究区的西部土壤盐分相对较低，土地利用方式以“小麦/棉花”和“小麦/玉米”为主，因此频繁的人为农业活动可能也是加快这种分布格局形成的重要因素。比较图3.a、b和c可以看出，地下水矿化度与耕层土壤盐分表现出相似的空间分布规律，即存在空间上的相关性；而地下水埋深的分布规律与之相反，可以认为两者在空间分布上呈负相关。2.5 地下水与耕层土壤积盐的相关性分析由于研究区土壤性质比较均一且气候条件相对稳定，再加上采样期棉花已基本采摘完毕，田间灌溉、施肥等农业措施较少，因而，此时土壤积盐与地下水性质之间的联系尤为密切。考虑到地下水埋深对土壤积盐规律的影响作用，本文采用了分区研究法，即根据地下水埋深的空间分布将研究区进行分区，研究田间尺度下不同地下水埋深分区的耕层土壤积盐与地下水矿化度之间的关系。首先，利用Spatial Analyst模块分别对地下水埋深、矿化度及耕层土壤盐分进行Kriging空间内插(由于地下水埋深和耕层土壤盐分符合对数正态分布，需经对数Kriging内插后再转换回原尺度)，具体的理论模型和参数见表2，得到6 m6 m分辨率的栅格图形，经研究区域边界图形切割后，每个图层得到143 598个有效栅格值单元。鉴于地下水埋深的变异程度在研究区不同部位间存在较大的差异，我们考虑引入分区研究的方法，但必须要解决两个问题，即如何划分分区单元以及分区单元的划分标准问题。在本文中，我们依据的是ArcGIS上所展示的地下水埋深变异状况及田间的可操作性，综合考虑地下水临界深度的划分标准3032以及耕层土壤盐分的理论分级对研究区进行分区，共计分为ABCED五个亚区(图4)，并统计出各个亚区的面积及其所占面积比例(表4)。图4 研究区地下水埋深的分区示意图Fig.4 Layout of sub-regions for groundwater depth across the study area表4 各亚区的分布面积及比例Table 4 Distribution area and proportion for each sub-region亚区ABCDE总计面积/ hm276.3050.5162.81287.9939.34516.95比例/ %14.769.7712.1555.717.61100.00对地下水矿化度及耕层土壤盐分的栅格图层分别进行局部运算和分带运算，统计出地下水矿化度、耕层土壤盐分以及其它有关图层(由叠加运算产生)在各亚区的统计特征值，并通过公式33计算得出不同分区地下水矿化度与耕层土壤积盐的回归模型以及相关系数，结果见表5。表5 各亚区耕层土壤盐分与地下水矿化度的统计特征值及相关关系Table 5 Statistical feature values of soil salinity in plough layer and groundwater mineralization and their correlation for each sub-region亚区变量平均值极差标准差回归模型相关系数样本数A区矿化度/ gL-139.43914.1883.342Y0.6005X4.71150.931321195土壤盐分/ gkg-118.97310.9332.154B区矿化度/ gL-136.58013.9704.011Y0.4424X0.58160.965014026土壤盐分/ gkg-116.7646.9481.839C区矿化度/ gL-135.67315.9243.787Y0.3645X1.39460.863317452土壤盐分/ gkg-114.39811.5642.450D区矿化度/ gL-130.82021.4744.463Y0.6659X11.59680.770980001土壤盐分/ gkg-18.92613.2823.855E区矿化度/ gL-130.33612.5272.522Y0.0920X1.57860.5476*10924土壤盐分/ gkg-14.3692.1320.424总体矿化度/ gL-133.20825.8555.282Y0.8671X17.30330.8423143598土壤盐分/ gkg-111.49221.5215.437注：自变量X为地下水矿化度；依变量Y为耕层土壤盐分；*显著性水平在p0.01(双尾检验)本文运用地下水埋深分区研究法，对地下水矿化度与耕层土壤积盐关系进行空间尺度上的评价分析，一方面充分考虑到地下水埋深对土壤积盐规律的影响，另一方面通过栅格图层的输出使点源数据变成面源数据，极大地提高了数据量，使分析结果更加客观准确。从表5可以看出，各埋深分区的地下水矿化度及耕层土壤盐分的统计特征值表现出明显的差异性与规律性。对于地下水埋深，A区B区C区D区B区C区D区E区，且各分区之间耕层土壤盐分均值的差异尤为显著，这表明地下水埋深与耕层土壤积盐呈一定的负相关关系，同时也进一步说明把整个研究区当作一个总体来研究地下水矿化度与耕层土壤积盐关系并不十分合理。耕层土壤积盐与地下水矿化度表现出极显著的正相关性。当把研究区作为整体进行分析时，耕层土壤盐分与地下水矿化度总体回归模型的相关系数达到0.8423(p0.01, 2-tailed)。由表5看出，将总体回归模型运用到各分区时，其计算结果与实际统计结果均有一定的正偏差，特别在地下水埋深较大的D区和E区，因此，总体回归模型的预测误差随地下水埋深的增加而增大，即总体回归模型的预测结果在地下水埋深较浅区域优于埋深较深的区域。对于不同的地下水埋深分区，耕层土壤盐分与地下水矿化度的回归模型之间、及其与总体回归模型确实存在较大差异。通过比较相关系数可知，A区、B区和C区耕层土壤积盐与地下水矿化度回归模型的准确性要高于总体回归模型，尤其是在地下水埋深小于1.40 m的A区和B区；D区和E区的相关系数有所降低，一方面这是由于地下水埋深的增加削弱了地下水与耕层土壤的联系，使耕层土壤积盐受地下水的影响趋弱或趋缓，另一方面，由于D区和E区土壤盐分相对较低，局部地块的利用方式以棉花或玉米种植为主，一些人为的农业措施如耕作、施肥、灌溉等因素更易引起研究区局部部位的短程变异，并不同程度地改变了耕层土壤盐分以及地下水矿化度的空间分布，最终影响到地下水性质对耕层土壤的积盐规律。3 结论(1) 经典统计分析和正态分布性检验表明，研究区地下水矿化度与耕层土壤盐分的均值较高；地下水矿化度服从正态分布，地下水埋深与耕层土壤盐分经对数转换后符合近似的正态分布；变异系数的变化范围在31.97%62.35%之间，均属于中等变异强度。(2) 趋势效应及空间结构性分析表明，地下水埋深、矿化度和耕层土壤盐分在“东西”与“南北”方向都呈2阶趋势效应，且其空间结构特征均较好地符合球状模型分布。受结构性因素和随机性因素的共同作用，地下水埋深表现为中等空间相关性，地下水矿化度和耕层土壤盐分呈弱空间相关性。交叉验证结果表明，地下水埋深、矿化度及耕层土壤盐分的预测具有较好的准确性和精度。(3) 从Kriging插值的结果可知，地下水埋深、矿化度与耕层土壤盐分的空间分布均呈明显的条带状格局。地下水埋深表现出离海岸线距离越近(远)埋深越浅(深)的规律；地下水矿化度与耕层土壤盐分的空间分布具有一定的相似性，总体表现离海岸线距离越近(远)盐分越高(低)的规律。海水的浸渍侧渗作用及人为的农田措施是形成该空间格局的重要因素。(4) 地下水矿化度与耕层土壤积盐的相关性分析表明，将整个研究区当作一个总体进行研究并不十分合理，而且把总体回归模型运用到研究区的不同部位会产生较大的偏差。采用地下水埋深的分区研究法，有效提高了回归模型的准确性和精度，使地下水矿化度与耕层土壤积盐规律分析更加客观准确。参考文献1 石元春, 李韵珠, 陆锦文. 盐渍土的水盐运动 M . 北京: 北京农业大学出版社, 1986: 921.2 王遵亲. 中国盐渍土 M . 北京: 科学出版社, 1993.3 石元春, 李保国, 李韵珠, 等. 区域水盐运动预测预报 M . 石家庄: 河北科学技术出版社, 1991: 102112.4 李保国, 李韵珠, 石元春. 水盐运动研究30年(1973-2003) J . 中国农业大学学报, 2003, 8 (Z1): 519.5 张世熔, 黄元仿, 李保国, 等. 近20年间黄淮海平原典型区盐渍土性质的对比分析 J . 土壤通报, 2001, 32 (6): 1417.6 李韵珠, 石元春. 土壤和地下水化学类型和垂向主组分的动态以河北曲周盐渍土区为例 J . 土壤学报, 2003, 40 (4): 481489.7 张德强, 邵景力, 李慈君, 等. 地下水浅埋区土壤水的矿化度变化规律及其影响因素浅析 J . 水文地质工程地质, 2004, (1): 5256.8 杨建强, 罗先香. 土壤盐渍化与地下水动态特征关系研究 J . 水土保持通报, 1999, 19 (6): 1115.9 陈亚新, 史海滨, 田存旺. 地下水与土壤盐渍化关系的动态模拟 J . 水利学报, 1997, (5): 7783.10 Shen Z Q, Shi J B, Wang K, et al. Neural network ensemble residual Kriging application for spatial variability of soil properties J . Pedosphere, 2004,14(3): 289296.11 龚元石, 廖超子, 李保国. 土壤含水量和容重的空间变异及其分形特征 J . 土壤学报, 1998, 35 (1): 1015.12 李保国, 李卫东, 石元春. 冲积平原上区域土壤质地层次的某些分布特征 J . 土壤学报, 1998, 35 (4): 43344013 张乃明, 李保国, 胡克林. 太原污灌区土壤重金属与盐分含量的空间变异特征 J . 环境科学学报, 2001, 21 (3): 349353.14 郑纪勇, 邵明安, 张兴昌. 黄土区坡面表层土壤容重和饱和导水率空间变异特征 J . 水土保持学报, 2004, 18 (3): 5356.15 丁昆仑, 许迪, 蔡林根. 黄河下游地区表层土壤盐分对作物产量的影响 J . 农业工程学报, 2004, 20 (2): 8892.16 徐英, 陈亚新, 史海滨, 等. 土壤水盐空间变异尺度效应的研究 J . 农业工程学报, 2004, 20 (2): 15.17 姚荣江, 杨劲松, 刘广明, 等. 黄河三角洲地区典型地块土壤盐分空间变异特征研究 J . 农业工程学报, 2006, 22 (6): 6166.18 王红, 宫鹏, 刘高焕. 黄河三角洲多尺度土壤盐分的空间分异 J . 地理研究, 2006, 25 (4): 649658.19 Hosseini E, Gallichand J, Marcotte D. Theoretical and experimental performance of spatial interpolation methods for soil salinity analysis J . Transactions of the ASAE, 1994, 37 (6): 17991807.20 Sylla M, Stein A, van Breemen N, et al. Spatial variability of soil salinity at different scales in the mangrove rice agro-ecosystem in West Africa J . Agriculture Ecosystems & Environment, 1995, 54 (1): 115.21 Yang Y J, Yang J S, Liu G M, et al. Space-time variability and prognosis of soil salinization in Yucheng city, China J . Pedosphere, 2005, 15 (6): 797804.22 鲁如坤. 土壤农业化学分析方法 M . 北京: 中国农业科技出版社, 1999: 9099.23 姜城, 杨俐苹, 金继运, 等. 土壤养分变异与合理取样数量 J . 植物营养与肥料学报, 2001, 7 (3): 262270.24 Rossi R E, Mulla D J, Journel A G, et al. Geostatistical tools for modeling and interpreting ecological spatial dependence J . Ecological Monographs, 1992, 62: 277314.25 李哈滨, 王政权, 王庆成. 空间异质性定量研究理论与方法 J . 应用生态学报, 1998, 9 (6): 651657.26 胡克林, 李保国, 林启美, 等. 农田土壤养分的空间变异性特征 J . 农业工程学报, 1999, 15 (3): 3338.27 李小昱, 雷廷武, 王为. 农田土壤特性的空间变异性及Kriging估值法 J . 西北农业大学学报, 2000, 28 (6): 3035.28 郭旭东, 傅伯杰, 陈利顶, 等. 河北省遵化平原土壤养分的时空变异特征变异函数与Kriging插值分析 J . 地理学报, 2000, 55 (5): 555566.29 张世熔, 黄元仿, 李保国. 冲积平原区土壤颗粒组成的趋势效应与异向性特征 J . 农业工程学报, 2004, 20 (1): 5660.30 郭占荣, 刘花台. 西北内陆灌区土壤次生盐渍化与地下水动态调控 J . 农业环境保护, 2002, 21 (1): 4548.31 樊自立, 马英杰, 张宏, 等. 塔里木河流域生态地下水位及其合理深度确定 J . 干旱区地理, 2004, 27 (1): 813.32 贾大林, 胡毓骐. 地下水临界深度的初步探讨 A . 贾大林主编. 盐渍土改良与节水农业 C . 北京: 中国农业科技出版社, 1994.33 莫惠栋. 农业试验统计(第2版) M . 上海:上海科学技术出版社, 1991: 308342.Quantitative analysis of spatial distribution pattern of soil salt accumulation in plough layer and shallow groundwater in the Yellow River DeltaYao Rongjiang, Yang Jingsong(Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China)Abstract: In order to study the regularity of soil salt accumulation in plough layer caused by groundwater in the Yellow River Delta, GIS and the fundamentals and methods of geostatistics were applied to regionalize the study area based on the spatial distribution pattern of groundwater depth and the criteria of critica