【《耕地土壤酸化时空变化的驱动机制分析综述》9400字（论文）】

耕地土壤酸化时空变化的驱动机制分析综述目录TOC\o"1-3"\h\u2812耕地土壤酸化时空变化的驱动机制分析综述 1186111.1耕地土壤pH多因子综合模型构建 134061.1.1指标体系的确定 1233391.1.2结构模型的假设 281201.1.3模型评估 310441.2耕地土壤pH因子关系结构分析 5193671.2.1不同时期耕地土壤pH多因子综合模型分析 5140571.2.2耕地土壤酸化多因子综合模型分析 939401.3主要影响因子分析 12221751.3.1气象因素对耕地土壤pH时空变化影响分析 12288231.3.2农业投入对耕地土壤pH时空变化影响分析 13283231.3.3农业产出对耕地土壤pH时空变化影响分析 14327291.3.4人地压力对耕地土壤pH时空变化影响分析 161.1耕地土壤pH多因子综合模型构建1.1.1指标体系的确定土壤酸碱性影响因素复杂多样，进行土壤酸化治理的前提是对其影响因子有全面的了解，并对主要因子采取有针对性的治理，以缓解土壤酸化趋势。为合理评估湖北省土壤酸化的影响因素，本研究综合参考土壤发生发育学的基础理论知识、国内外关于土壤pH变化所构建的影响因子指标集及相关研究成果，同时兼顾数据的适用性及易获取性，从地形、气象、人地压力、农业投入、农业产出五个方面，构建由5个外源潜变量和25个外源显变量组成的耕地土壤pH多因子综合模型，分别用以解析湖北省1980年、2017年土壤pH在空间变化上及1980年-2017年土壤pH在时间变化上受各影响因子间的交互作用。具体指标体系如表5-1所示。其中，1980年和2017年耕地土壤pH综合模型中各外源显变量均根据当年数值计算得到，1980年-2017年耕地土壤酸化综合模型中各外源显变量均根据近四十年数值变化计算得到，其中GST、RHU是年均值，PRE、SSD、EVP、NF、PF、KF是累积值，CPC、AMTP、AO、GR、CO、OI、PD、CP、NDVI是年均变化动态值，所有参模数据均标准处理。表5-1指标体系Table5-1IndexSystem潜变量显变量土壤酸碱性(ACI)土壤pH(pH)地形（TER）高程（DEM)坡度(SLOPE)坡向(ASPECT)地形起伏度(RF)地形粗糙度(R)地表切割率(D)地形指数(T)纬度(NS)气象（MET）地温（GST）降雨（PRE）相对湿度（RHU）日照时长（SSD）蒸发量（EVP）人地压力（POP）人口密度（PD）耕地压力指标（CP）农业投入（AGI）氮肥（NF）磷肥（PF）钾肥（KF）农村用电量（CPC）农业机械总动力（AMTP）农业产出(AGO)单位粮食产量（GR）单位棉花产量（CO）单位油料产量（OI）单位农业产值指标（AO）作物覆盖度（NDVI）1.1.2结构模型的假设土壤酸碱性变化是自然因素和外在人为干扰共同作用的结果。从自然的角度看，区域地质地貌、气候等的变化是土壤发生发育的自然因素，人为因素往往叠加在自然因素上，作用于土壤，它们对土壤酸碱性变化的影响是多方面的、不确定的。自然因素与外在人为干扰因素间错综复杂的交互作用，以及对不同区域、不同时期土壤酸碱性变化的因果反馈关系的解析，是合理构建土壤酸化治理模式、优化区域自然资源和社会资源配置、实现耕地生态保护与社会经济和谐发展的前提与基础。图5-1结构模型框架Fig.5-1Structuralmodelframework基于先验知识构建结构模型的基本框架，如图5-1所示。地形、气象、人地压力、农业投入和农业产出表示耕地土壤酸碱性变化的动因，为外源潜变量，耕地土壤酸碱性表示作用的结果，为内生潜变量。在考虑各潜变量对耕地土壤酸碱性变化的直接作用上，分析自然因素通过影响人地压力、农业投入和农业产出对土壤酸碱性产生的间接作用。人地压力对农业投入及产出的影响间接改变着耕地土壤酸碱性。农业投入在直接影响土壤酸碱性变化的同时，也关注其对农业产出的影响，以及由此产生的对土壤酸碱性的间接作用。1.1.3模型评估模型中，每个潜变量到显变量的因子负荷和每一条路径上的系数都是根据先验知识所确定需要的参数，称为验证性部分，模型评估主要是针对这部分代表的假设内容进行分析。通过对每个潜变量多次测量验证，适度修改模型设计，得到模型最终构建形式。表5-2为三个模型的信效度检验，结果显示，三个模型的α、rho在0.60-1.00之间，且多数在0.90左右，且eig.1均大于1，说明模型具有较好的信度，测验具有稳定性、一致性，可进一步验证模型的效度。AVE值在0.50-1.00之间，说明三个模型中各潜变量下的显变量之间一致性较高，收敛性较好，能够代表潜变量所期待内容。表5-2模型信效度评估Table5-2Evaluationofthereliabilityandvalidityofthemodel潜变量1980年模型2017年模型1980年-2017年模型αrhoeig.1AVEαrhoeig.1AVEαrhoeig.1AVETER0.950.964.140.830.930.953.960.780.930.953.970.78POP0.630.841.460.720.640.701.070.521.001.001.001.00MET0.890.951.800.900.780.901.640.680.900.942.490.83AGI0.840.893.060.610.870.922.370.790.630.722.000.54AGO0.650.792.020.500.890.932.440.810.600.741.650.55ACI1.001.001.001.001.001.001.001.001.001.001.001.00构建潜变量间的相关系数矩阵，其中对角线上的值为各潜变量AVE的开根号结果，其余数值均为各潜变量两两之间的相关系数，结果如表5-3所示。通过比较可发现，对角线上的值均大于该潜变量与其它潜变量间的相关性，说明各潜变量没有较强的相关，均具有较好的区别效度。表5-3潜变量间的相关性Table5-3Correlationsbetweenlatentvariables模型潜变量TERPOPMETAGIAGOACI1980年模型TER0.91POP-0.500.85MET-0.240.410.95AGI-0.460.590.510.78AGO-0.470.820.530.760.70ACI-0.08-0.16-0.29-0.08-0.221.002017年模型TER0.88POP-0.370.72MET-0.540.250.82AGI0.26-0.29-0.210.89AGO-0.340.360.310.280.90ACI-0.210.020.26-0.070.181.001980年-2017年模型TER0.89POP0.131.00MET-0.22-0.040.91AGI0.18-0.13-0.650.73AGO-0.190.530.41-0.430.74ACI-0.12-0.080.12-0.090.031.00在验证完耕地土壤pH多因子综合模型的信度和效度基础上，可进一步对模型中的假设路径使用Bootstrapping法进行重采样评估，模型的路径系数检验结果如表5-4所示。三个模型中各路径系数的P值均小于0.01，即通过了显著水平的检验，同时Bootstrapping得到的路径系数值在95%的置信区间内均为同正负性，说明经过1000次重复抽样后，本研究所构建的模型稳定性较好。GOF为模型的整体性能评估指标，1980年、2017年、1980年-2017年耕地土壤pH多因子综合模型的GOF值分别为0.54、0.47、0.41，属中等程度拟合，说明这三个模型能在一定程度上反应湖北省三期耕地土壤pH影响因素的差异及程度。表5-4模型路径系数显著性检验及拟合结果Table5-4Significancetestandfittingresultsofmodelpathcoefficient潜变量1980年模型2017年模型1980年-2017年模型95%置信区间p值GOF95%置信区间p值GOF95%置信区间p值GOFTER→POP-0.52~-0.48***0.54-0.38~-0.36***0.470.08~0.12***0.41TER→MOD-0.23~-0.18***0.13-0.16***0.04~0.09***POP→MOD0.33~0.38***0.24~-0.20***-0.22~-0.11***MET→MOD0.29~0.34***-0.09~-0.06***-0.67~-0.61***TER→AGR0.01~0.03***-0.24~-0.21***-0.20~-0.13***POP→AGR0.61~0.63**0.35~0.38**0.39~0.64***MET→AGR0.09~0.12***0.19~0.21***0.25~0.39***MOD→AGR0.33~0.37***0.46~0.50***-0.19~-0.09***MET→ACI-0.31~-0.24***0.19~0.22***0.04~0.18**MOD→ACI0.22~0.32***-0.08~-0.05***-0.05~-0.02***AGR→ACI-0.33~-0.23***0.11~0.14***-0.07~-0.02***注：*为p<0.05;**为P<0.01;***为P<0.001，为达到显著性水平的直接列出P值大小。1.2耕地土壤pH因子关系结构分析1.2.1不同时期耕地土壤pH多因子综合模型分析图5-2分别为1980年和2017年各因子交互作用对耕地土壤pH的PLSPM模型结果图。其中潜变量到显变量的标准化因子负载系数估计值代表了前者对后者的解释程度，数值的正负性则表明解释的方向差异。而潜变量之间的标准化路径系数则代表影响程度，数值正负表明影响的方向差异。结合表5-5、图5-3通过分解潜变量间的直接效应、间接效应和总效应，剖析各潜变量之间的关系及对土壤酸碱性的主要影响程度。地形主要通过间接作用影响耕地土壤酸碱性在空间上的变化，两时期的总效应方向相反，这与其中间路径效应大小及方向有关。地形对人地压力、农业投入、农业产出的直接效应1980年分别为-0.50、-0.39、0.02，2017年分别为-0.37、0.14、-0.23，即说明在研究期间，地形对人地压力在空间上的限制变小了，同时由于生产技术与能力的发展，农业不仅仅只着眼于地形较为平坦的区域，在一些地形较为复杂的地方也可以进行农业劳作，因此地形对农业投入在2017年表现为正向影响，而由于耕地分布在地势上的变化，2017年时地势复杂的区域，可能其受到的热能水能等条件达不到完全满足，导致农业产出相对较低。这些中间效应的变化，间接影响着土壤pH值在空间上的分布，最终地形对耕地土壤pH的总效应在1980年为0.01，2017年为-0.05，即1980年时期地势平坦的区域耕地土壤pH相对较低，而在2017年则相反。人地压力潜变量由人口密度和耕地压力构成，其两时期的显变量负载变化差异不大，对耕地土壤酸碱性也表现为间接作用。1980年人地压力通过农业投入、农业产出所对耕地土壤酸碱性产生的间接效应为-0.11，即人地压力越大的区域，耕地土壤pH相对较低。由图5-2可看出，人地压力对农业投入（0.36）、农业产出（0.62）有一定的促进作用，劳动力资源是增加农业投入、提高农业产出的重要原始驱动力，人口越密集、耕地压力越大的区域，对资源的需求越多，刺激了农业投入的增大，具体表现为单位面积内施用氮磷钾肥量增加，农业机械、电力应用扩大，同时农业投入与劳动力较多的区域带动了更高的农业产出，耕地土壤的承受压力加大，使得该区域耕地土壤pH相对较低，会加剧耕地土壤酸化的趋势。2017年人地压力对耕地土壤酸碱性的间接效应表现为正向作用，路径系数为0.05，主要是其间接路径中人地压力对农业投入的直接效应为抑制作用，即人地压力越大的区域，农业投入如单位面积氮肥、磷肥、钾肥使用量越小，可能与该时期研究区产业结构变化、农村劳动力转移有关，这与同时期人地压力对农业产出的直接效应程度减小一致，进而间接削弱耕地土壤pH降低的趋势。气象是造成耕地土壤酸碱性空间分布差异的主要自然因素，其两期构成的显变量有所不同。1980年气象由年累积降雨（0.96）和年均相对湿度（0.94）构成，对耕地土壤酸碱性的总效应为-0.25，其中直接效应为-0.28，潮湿多雨的气象势必会增加对土壤的淋溶作用，淋溶过程带走的碱性物质将会降低土壤对酸的缓冲性，即潮湿多雨的区域，耕地土壤pH值相对较低，同时潮湿多雨的气候为作物生长提供了充足的水分，因此会促进该区域的农业投入（0.31）和农业产出（0.10），间接削弱了一部分直接效应，但削弱程度较小。2017年气象对耕地土壤酸碱性的直接效应为正向（0.21），这与其构成的显变量年累计降雨（-0.62）、日照时长（0.92）和蒸发量（0.89）有关，且主要表征年累计日照时长和蒸发量对耕地土壤酸碱性的影响。日照时长越长、蒸发量越大，而降雨量越小，即较干燥的区域，盐基淋溶越少，且随着土壤中水分的蒸发，下层的盐基物质易跟着毛管水的上升而集聚于耕地表层，使土壤具有石灰性反应。同时较干旱的地区土壤水分保持时间较短，作物对肥料的吸收率降低，施肥量不易过大，因此抑制了农业投入（-0.08）的强度，但其对农业产出（0.20）的作用为正向，这与作物生长受到充足的光能、热能有关，进而间接对耕地土壤酸碱性产生影响（0.03），使得最终总效应为0.24，即较为干燥的地区，耕地土壤pH相对较高。图5-2不同时期耕地土壤pHPLSPM模型Fig.5-2PlspmmodelofsoilpHindifferentperiods农业投入对耕地土壤酸碱性的总效应在1980年和2017年存在差异。早期农业投入的措施与方法相对较为传统，整体投入程度较轻，且多一半的耕地土壤pH>6.5，酸缓冲性能较强，因此耕地土壤酸碱性对农业投入的响应为正向（0.27），然而考虑到农业投入在促进农业产出（0.35）后会导致耕地土壤pH降低，产生的中间效应（-0.10）间接减少了对耕地土壤pH的影响强度，使得最终总效应为0.17。2017年表征单位面积氮肥（0.85）磷肥（0.93）钾肥（0.88）的农业投入强度的增大，会在土壤中产生大量的酸，打破土壤中H+的平衡，导致土壤pH降低的趋势，直接效应为-0.07，但由于间接效应（0.06）的影响，使这趋势有较大程度的缓减，总效应为-0.01。农业产出对耕地土壤酸碱性表现为直接效应，1980年为-0.28，2017年为0.13。1980年表征农业产出潜变量的观测变量为农业总产值（0.65）、单位面积粮食产量（0.85）、棉花产量（0.61）和油料产量（0.66），其中单位面积粮食产量对农业产出贡献最大。农业产值、作物产量的增加，在一定程度上会加重耕地土壤的负担，同时作物的生长会从土壤中移除盐基离子，加剧耕地土壤酸化趋势，因此农业产出较高的区域，耕地土壤pH相对较低。2017年表征农业产出的显变量分别为单位面积粮食产量（0.86）、棉花产量（0.94）和油料产量（0.91），其中单位面积棉花产量和油料产量贡献最大。农业产出对耕地土壤酸碱性呈现正向作用，即产量较低的区域，耕地土壤pH相对较低，是因为持续的农业输出破环了土壤的结构并降低了土壤的生产力，导致耕地土壤的酸缓冲能力减弱。表5-5不同时期潜变量间直接效应、间接效应和总效应Table5-5Directeffect,indirecteffectandtotaleffectamonglatentvariablesindifferentperiods路径1980年模型2017年模型直接效应间接效应总效应直接效应间接效应总效应TER→POP-0.50-0.50-0.37-0.37TER→AGI-0.21-0.18-0.390.140.080.22POP→AGI0.360.36-0.22-0.22MET→AGI0.310.31-0.08-0.08TER→AGO0.02-0.44-0.42-0.23-0.03-0.26POP→AGO0.620.130.740.37-0.110.26MET→AGO0.100.110.210.20-0.040.16AGI→AGO0.350.350.480.48TER→ACI0.010.01-0.05-0.05POP→ACI-0.11-0.110.050.05MET→ACI-0.280.02-0.250.210.030.24AGI→ACI0.27-0.100.17-0.070.06-0.01AGO→ACI-0.28-0.280.130.13图5-3不同时期耕地土壤pH主要路径效应对比Fig.5-3ComparisonofmainpatheffectsofsoilpHindifferentperiods图5-3为两时期下耕地土壤pH主要影响路径效应对比结果，可发现，1980年耕地土壤pH的主要影响因素总效应的绝对值从大到小为农业产出（-0.28）>气象（-0.25）>农业投入（0.17）>人地压力（-0.11）>地形（0.01）；2017年为气象（0.24）>农业产出（0.13）>人地压力（0.05）=地形（-0.05）>农业投入（-0.01）。两期各潜变量对耕地土壤pH的空间分布影响程度及关系均有所差异，造成差异的原因来自两部分，一方面主要是各潜变量在不同时期空间分布的异质性导致耕地土壤pH在空间上也出现高低区别，另一方面是时间的差异性造成两期路径效应的不同，但单独对比两期模型变化对时间因素的响应程度相对较弱，不能够更加客观清晰的阐明时间的作用，因此需要对时间因素进行更深入的研究，剖析近四十年来各变化的外源潜变量对两期耕地土壤pH变化值的驱动关系及程度。1.2.2耕地土壤酸化多因子综合模型分析为了减少误差传递累积效应，两期耕地土壤pH变化值并非通过预测结果图相减得到，而是在2017年样点的空间自相关距离范围内，多次尝试设置不同距离阈值搜索1980年样点值，通过比较阈值内2017年样点间的标准差大小和搜索到的1980年样点数量确定阈值距离为1km，为进一步确保样点对能最大程度的代表两期耕地土壤pH变化值，根据2015年耕地图斑逐一检查阈值内的样点对，保证样点对所在位置同属于同一耕地类型，若阈值范围内存在两种耕地类型，以2017年点所在耕作类型为主，删去分布在另一耕地类型上的1980年样点，同时对于阈值范围内出现多个1980年样点的情况，选取中值为代表，最终共得到1275对样点，使用2017年样点pH值减去1980年pH值得到两期pH变化值。1980年-2017年耕地土壤酸化模型相比1980年和2017年耕地土壤pH模型更加能表征时间的作用，同样受地形、气象、人地压力、农业投入、农业产出五个潜变量的直接和间接影响，其中地形在近四十年内不会有大的改变，但是由于地形会持续的影响着其它潜变量，进而影响其它潜变量对耕地土壤酸化的作用强度，因此在构建此模型时，需考虑地形潜变量。比较各潜变量对耕地土壤酸化的直接路径系数差异，并解析潜变量间的直接效应、间接效应及总效应，结果如图5-4和表5-6所示。地形通过长时间的影响人地压力、农业投入、农业产出进而对耕地土壤酸化产生间接影响，影响程度极小。人地压力、农业投入和农业产出对地形的直接响应分别为0.13、0.06、-0.18，结合前两期模型结果进一步说明地形对人地压力、农业投入的限制减少，总体上呈现出地形较高的区域耕地压力增长的更快，同时单位面积氮肥、磷肥累积施用量和电力、机械力年均增长量相对提升，但由于地势较高的地方其受到的光热等条件不均，导致农业产出年均增长值并不高，并进一步作用于耕地土壤上，间接影响着耕地土壤酸化的进程。气象变化所表征的累积降雨量（0.96）、年均土温（0.90）和相对湿度（0.87）对土壤酸化的总影响为-0.11，其中直接影响为负向作用（-0.14），即累积降雨量越高、年均土温和相对湿度越大，耕地土壤酸化更明显。另外气象也会通过影响农业投入（-0.64）削弱对土壤酸化的影响，具体表现为高温多雨潮湿的地区，由于耕地受到的水热条件相对充足，且降雨的淋溶作用可以将部分的肥料带到作物根部，而较高的土温也有利于有机质的分解，易于作物吸收，这样的气象条件本身就对作物的生长具有优势，因此所需要的农业投入就相对较低。这也符合气候因素对农业产出的影响（0.31），进而间接加剧对耕地土壤酸化的作用。农业投入潜变量由单位面积氮肥磷肥累积施用量和农村用电量、农业机械化总动力的年均变化动态值构成，载荷在0.42-0.67之间，前两种指标的贡献度最大，其对耕地土壤酸化的作用路径有两条。直接作用为-0.07，表明单位面积氮肥、磷肥累积施用量越高，农村电力机械化水平年均增加量越高的地方，耕地土壤酸化越严重。同时农业投入对农业产出的影响为负向作用，即说明农业投入高的地方，单位面积粮食、棉花和油料的年均增长量变缓甚至减产，是由于过量的农业投入会造成作物营养失调，加重作物生理性病害，这一中介效应会对耕地土壤酸化产生削弱作用，但削弱程度极其微弱。农业产出对耕地土壤酸化的路径系数为-0.03。农业产出对耕地土壤酸化的影响主要来源于两部分，一是表征农业产出的粮食、棉花和油料产量年均变化量对耕地土壤酸化的影响，其中棉花、油料的产量年均变化量对农业产出的贡献最大（1.5），这些作物产量的年均增长量越大，将不可避免地加重对耕地土壤的负担，过度的消耗土壤中的矿质离子，从而驱动土壤向酸化方向发展。同时地形、气象、人地压力、农业投入也会通过作为中介变量的农业产出对耕地土壤酸化产生间接作用，因此在分析农业产出对耕地土壤酸化的影响时要从多方面考虑。图5-4耕地土壤酸化PLSPM模型Fig.5-4Plspmmodelforsoilacidificationofcultivatedland表5-6潜变量间直接效应、间接效应和总效应Table5-6Directeffect,indirecteffectandtotaleffectamonglatentvariables路径直接效应间接效应总效应TER→POP0.130.13TER→AGI0.06-0.020.04POP→AGI-0.16-0.16MET→AGI-0.64-0.64TER→AGO-0.170.06-0.11POP→AGO0.550.020.57MET→AGO0.310.080.39AGI→AGO-0.13-0.13TER→ACI0.000.00POP→ACI-0.01-0.01MET→ACI-0.140.03-0.11AGI→ACI-0.070.00-0.07AGO→ACI-0.03-0.03由表5-6可发现，影响耕地土壤酸化的主要驱动因素绝对值从大到小分别为气象（-0.11）>农业投入（-0.07）>农业产出（-0.03）>人地压力（-0.01）。结合两期耕地土壤pH模型结果说明影响湖北省耕地pH时空变化的首要因素是气象，其次是以人为干扰为主的农业活动，因此需根据区域的水热条件和农作强度合理制定相应的土壤酸化防治措施。1.3主要影响因子分析1.3.1气象因素对耕地土壤pH时空变化影响分析从土壤的发生发育过程看，自然因素的持续影响是不可忽视的，对耕地土壤pH的时空分布变化起着决定性的作用ADDINNE.Ref.{E9879BA0-EA76-4448-9232-1D215EA01016}(郭治兴等2011)，如我国土壤南酸北碱的格局。湖北省大部分属为亚热带季风性湿润气候，气候条件以高温潮湿多雨为主，高温会影响土壤中有机质的矿化作用进而影响土壤酸化趋势，降雨会导致土壤中盐基物质大量淋失，土壤CEC和盐基饱和度下降，减少土壤对酸的缓冲性能ADDINNE.Ref.{2053A0B2-CDB0-48F2-8F93-87BF9E40CCB1}(周碧青等2018)，其中，在中性和碱性耕地土壤上钙离子的淋失是土壤酸化的主要表现形式，在酸性土壤上pH下降主要是由于酸性阳离子铝风化释放后的淋失造成的。同时随着矿物燃烧、化肥生产及农业等活动排放的酸物质增加，这些物质溶于降雨中沉降到土壤，使得土壤中H+饱和度上升，最终导致土壤向酸化方向发展。此外，雨水对作物生长过程中养分物质的运输、结构的维持等各种生化过程起着关键作用，温度影响着作物的光合和呼吸作用ADDINNE.Ref.{CE789FF4-064E-4438-B21C-26050758F90D}(韩炳宏等2019)，高温潮湿多雨的气候条件有利于作物产出，并进一步影响土壤酸化进程。同时也会通过指导农业投入进而对耕地土壤pH产生间接影响。近四十年PRE、GST、RHU的空间分布如图5-5所示，均呈现出自北向南逐步增加的趋势，说明湖北省南部如鄂州市、咸宁市、黄石市、恩施州等区域耕地土壤酸化的主导因素为气象因素，因此对于南部降雨集中区，应在施用适宜肥料量的同时考虑深施，并及时加入碱性调理剂，以在提高农业投入中氮肥、磷肥等化肥的利用率的基础上削弱土壤酸化作用。图5-5气象因素分布图Fig.5-5Distributionmapofmeteorologicalfactors注：图5-5A-C分别为累积降雨量PRE、年均土温GST、年均相对湿度RHU的空间分布图。其中PER数据单位为mm，GST数据单位为℃，RHU数据单位为%。1.3.2农业投入对耕地土壤pH时空变化影响分析人为因素的主导的农业活动是耕地土壤pH短期内发生变化的主要原因ADDINNE.Ref.{22655BE3-1B94-4956-9005-FD8364488645}(孟红旗2013)。氮肥和磷肥是农业投入中施用量较多的肥料，前者进入土壤中会发生硝化作用产生的H+，后者所释放的磷酸会引起土壤中H+的不平衡，同时化肥的沉积也会影响土壤有机质的含量，进而影响土壤的酸缓冲能力。另外农村用电量和机械动力的增长代表着农业生产集约化发展程度，这一过程对土壤的生态环境和结构造成了一定的破坏，使土壤酸化更加敏感。农业投入过多，超过土壤的承载能力会造成农业减产现象，进而影响土壤酸化过程。图5-6农业投入因素分布图Fig.5-6Distributionmapofagriculturalinputfactors注：图5-6A-D分别为单位面积累积氮肥施用量NF、单位面积累积磷肥施用量NF、年均农村用电增长量CPC和年均农业机械总动力增长量AMTP的空间分布图。其中NF、PF数据单位为kg/hm2，CPC、AMTP数据单位为%。图5-6为农业投入因素分布图，结果显示湖北省近四十年来农业投入保持增长趋势。2017年单位面积内氮肥、磷肥施用量及农村用电量、农业机械总动力分别是6441.88kg/hm2、2751.61kg/hm2、1.57×1010kWh、4.3×107kW，分别是1980年1.23倍、1.27倍、6.35倍、4.89倍，虽然氮肥、磷肥对农业投入的贡献较大，但农村用电量和农业机械总动力的大幅增长进一步说明农业集约化发展迅速，逐步替代了以人力为成本的农作方式。从农业投入显变量空间分布看，研究区中部的襄阳市、随州市、荆门市、和天门市等城市，近四十年来农业投入相对较大，其中，单位面积累氮肥、磷肥积施肥量分别在14318.67kg/hm2-23182.54kg/hm2之间、9378.53kg/hm2-9787.99kg/hm2之间，说明这些区域耕地酸化的主导因素是农业投入，由于农业投入已造成农业产量增加速度减缓，因此对于这些区域考虑适当减慢农业投入的增长速率，给予耕地足够的恢复期，同时也要及时加入碱性调理剂，以增强耕地土壤的酸缓冲性能。1.3.3农业产出对耕地土壤pH时空变化影响分析农业产出是影响耕地土壤酸化的第三大因素。作物生长过程中根部从耕地土壤中吸收的阳离子量如钙、镁、钾等盐基养分高于阴离子量，会导致质子吸收不平衡，这种方式导致的耕地酸化难以被土壤矿物风化所缓冲ADDINNE.Ref.{C4680E0B-C6B5-479C-AF4B-6C2FF2D3AF18}(Lei2