【土壤速效磷时空分布特性分析案例4400字】

土壤速效磷时空分布特性分析案例目录TOC\o"1-3"\h\u13696土壤速效磷时空分布特性分析案例 1142001.1土壤速效磷特性统计特征 1306121.2土壤速效磷空间变异特征 4132841.3棉花生育期土壤速效磷变化过程定量评估 7磷和氮、钾一样，是作物生长必需的植物养分。除了氮之外，磷在许多水稻生产区是一种限制性养分，特别是在低纬度地区的高度风化土壤中。土壤缺磷可能直接影响作物代谢，进而抑制生长和产量。然而，过量施用磷肥（如过磷酸钙和钙镁磷肥）会导致磷在土壤中积累，并会导致地表水的淋溶和随后的水体富营养化造成磷的损失，造成土壤面源污染。其中速效磷是指土壤中较容易被植物吸收和利用的磷肥。除土壤溶液中的磷酸根离子外，一些可溶性无机磷化合物和土壤中吸附的磷均属于速效磷的一部分。这是由于它们的高溶解度或者快速的吸附和交换，并且当溶液中磷酸根离子浓度下降时，它们可作为速效磷的来源。磷的利用效率很大程度上取决于土壤磷的有效性以及作物对磷的吸收。据报道，生物炭由于其自身的高有效磷含量而提高了土壤有效磷，并降低了土壤对磷的吸附。因此，近年来，添加生物炭被推荐为一种提高土壤肥力和土壤磷有效性的方法。1.1土壤速效磷特性统计特征对研究区域不同时期、不同深度的土壤速效磷含量进行统计分析，结果见表3-37。4月-9月份表层土壤的速效磷含量最大值与平均值相比于其他土层深度均较高。4月和8月份表层土壤速效磷含量最大值和平均值相比于其他几个月较大，并且最大值和平均值分别在2.3-31.3mg/kg和0.8-5.0mg/kg之间，5月和6月份各土层最大值和平均值较为接近，最大值和平均值分别在5.8-20.0mg/kg和0.7-1.9mg/kg之间。从平均值来看，4月、6月、7月、8月和9月份土壤速效磷含量随着土层深度的增加而逐渐减小，但5月份平均值出现波动趋势，土层深度为20cm处的土壤速效磷含量最大值相比表层大。从变异系数Cv值来看，4月、6月和7月份0-40cm的土壤速效磷含量Cv值小于1.0，属于中等变异程度，其余土层深度Cv值大于1.0，属于强变异程度；5月份0-20cm的土壤速效磷含量Cv值均小于1.0，属于中等变异程度，其余土层深度Cv值大于1.0，属于强变异程度；8月和9月份0-80cm土层深度的Cv值均小于1.0，属于中等变异程度，但8月份0-20cm深度Cv值达到了0.95以上，而9月份60-80cm深度Cv值达到了0.91以上。对不同时期每层土壤平均速效磷含量进行分析，由图3-15可知，整体看来和土壤铵态氮、硝态氮一样，表层含量较大，但变化幅度相比于铵态氮和硝态氮较小。同样施肥对于0-40cm土壤速效磷含量的影响较大，由于施肥的影响土层0-40cm土壤速效磷含量波动趋势明显大于40-80cm的波动趋势，这一特征尤其在6月份时较为明显。同时，从4月-9月份0-80cm土壤速效磷含量有明显差异，随着土层深度的增加，土壤速效磷含量逐渐较少，表层及表层以下20cm处的含量较为接近，且含量大于20-40cm处，土层深度为40-60cm和60-80cm的土壤速效磷含量较为接近，变化趋势基本保持稳定。从4月到9月份农田区域土壤速效磷含量大致呈现先增大后减小再增大再减小的波动式规律，每层的变化规律基本保持一致。表3-37农田区域土壤速效磷统计表Tab.3-37Statisticsofsoilrapidavailablephosphorusinfarmlandarea土层深度/cm最大值/(mg/kg)最小值/(mg/kg)标准差平均值/(mg/kg)Cv4月表层21.0001.0001.2421.7630.8610-2016.8000.6002.5641.1060.82520-406.4000.2001.1991.4780.81140-606.2000.1000.9760.9531.02460-806.6000.1000.9430.8101.1645月表层10.0001.0002.0341.4530.5890-2020.0000.4001.3981.6200.93920-4011.8000.2001.9521.8001.08440-605.8900.1900.9220.9141.00960-806.2700.1900.8900.7811.1396月表层10.6001.0001.9931.8410.5190-2011.4001.0002.4151.7840.63820-4011.2000.4002.0662.2330.92640-606.0450.1950.9460.9371.01060-806.4350.1950.9150.7971.1487月表层11.4000.6002.4581.6650.6710-209.8000.4002.2541.4780.64820-408.6000.2001.5661.7470.89740-606.0450.1950.9450.9391.00660-806.4350.1950.9160.8331.1008月表层31.2000.8004.8204.9600.9720-2026.1000.9004.2994.5260.95020-404.3000.5501.0311.8970.54440-601.3000.3000.6480.9760.66460-802.3000.2500.3980.8590.4639月表层11.8801.0362.5311.7590.6730-2010.7050.7412.1181.2960.64220-404.8800.0580.9151.3390.68340-601.2400.0660.5440.7350.74160-804.1270.0170.6700.7300.917图3-15农田区域土壤速效磷时间变化特征Fig.3-15Timevariationcharacteristicsofsoilrapidavailablephosphorusinfarmlandarea1.2土壤速效磷空间变异特征为了更加直观的反映该研究区域土壤速效磷含量的空间分布特征，将每个监测点0-80cm的速效磷总量应用ArcGIS10.5对未进行采样的区域根据半方差函数进行插值，得到不同时期研究区域土壤速效磷含量空间分布图，结果如图3-16所示。土壤速效磷含量较小值分布范围较大，其中初期4月份土壤速效磷含量较小值介于6.53-20.66mg/kg的区域较大，基本分布满整个区域；5月份土壤速效磷含量较小值介于1.78-10.88mg/kg的区域较大；6月份土壤速效磷含量较小值介于1.7-11.7mg/kg的区域较大；7月份土壤速效磷含量较小值介于5.44-11.84mg/kg的区域较大；8月份土壤速效磷含量较小值介于6.67-16.75mg/kg的区域较大；9月份土壤速效磷含量较小值介于5.69-9.69mg/kg的区域较大。同时从图中可以看出，和土壤铵态氮以及硝态氮含量不同的是，该区域土壤速效磷含量分布有明显的界限，并且自北向南、自东向西土壤速效磷含量逐渐较少，最大值出现在研究区域的东北部地区整体看来，5月、6月、7月和8月份土壤速效磷含量分布区域较为相似，较小值基本分布在西部区域，而4月份较小值有零星分布，其中东南部区域也出现了较小值。9月份在较大值出现在东北部区域，并且分布范围比其他月份较大。图3-16农田区域土壤速效磷空间分布特征Fig.3-16Spatialdistributioncharacteristicsofsoilrapidavailablephosphorusinfarmlandarea为了更好的反应土壤速效磷的空间结构，以地统计学为基础，应用GS+9.0对该研究区域不同时期土壤速效磷进行半方差分析，结果见表3-38。表中给出了不同时期不同土层深度速效磷所对应的最优模型，可以看出4月和6月份表层和40-60cm以及60-80cm速效磷最优模型为高斯模型，0-40cm速效磷最优模型为线性模型；5月和7月份表层和0-20cm速效磷最优模型为线性模型，40-80cm速效磷最优模型为高斯模型；8月份除0-20cm速效磷最优模型为高斯模型外，其他均为线性模型，决定系数均大于0.54拟合效果较好。整体看来，土壤速效磷最优模型多为线性模型和高斯模型，而且拟合效果较好，除5月份20-40cm和6月份0-20cm速效磷的空间相关度C0/(C0+C)小于0.25，表现为强空间相关性外，其它空间相关度在0.29-0.44之间，空间相关程度表现为中等空间相关性。表3-38农田区域土壤速效磷半方差函数统计Tab.3-38Statisticsofsemi-variancefunctionofsoilrapidavailablephosphorusinfarmlandarea时间土层深度/cm最优模型块金值(C0)基台值(C0+C)空间相关度(C0/(C0+C))R24月表层高斯5.91020.0860.2940.1690-20线性2.9168.7320.3340.68020-40线性1.5231.8580.3950.69240-60高斯0.6912.0540.3360.30560-80高斯0.5011.6560.3030.1395月表层线性1.2097.5320.4260.4280-20线性10.15026.0330.3900.75120-40高斯1.1799.5820.1230.73240-60高斯0.6151.8270.3370.30560-80高斯0.4471.4900.3000.1436月表层高斯2.3597.2050.3270.5650-20线性2.75011.9470.1970.71820-40线性1.6988.5090.4350.44940-60高斯0.6471.9260.3360.30460-80高斯0.4731.5700.3010.1377月表层线性4.99312.9840.3850.5170-20线性1.56111.1400.3200.52820-40高斯2.0535.3110.3870.45840-60高斯0.6461.9210.3360.30560-80高斯0.4641.5660.2960.1348月表层线性16.34041.0760.3790.9090-20高斯14.94040.5690.3680.82120-40线性0.8402.0520.4090.73440-60线性0.3360.9500.3540.76960-80线性0.1360.4050.3360.5469月表层高斯4.64015.4510.3000.9210-20线性1.0788.6580.3560.45120-40指数0.6902.0560.3360.37840-60线性0.2740.8530.3210.50660-80高斯0.4311.3470.3200.6691.3棉花生育期土壤速效磷变化过程定量评估将棉花生育期内棉田每个监测点4月-9月份的土壤速效磷含量经过相对化处理后的数据作为参考数列，根据2.3节GM(1,1)模型的建立方法，首先通过最小二乘法计算得到每年每个棉田监测点GM(1,1)模型的参数，发展系数和灰作用量，统计得到发展系数和灰作用量的最大值、最小值和平均值如下表3-39所示。表3-39GM(1,1)模型参数统计值Tab.3-39TheGM(1,1)modelparameterstatistics年份最大值最小值平均值最大值最小值平均值20180.0732-0.6947-0.26650.83740.07660.273320190.6789-0.01750.20861.45940.38150.927920200.29230.200.04041.40040.16290.8078这样意味着可以建立每个监测点的土壤速效磷含量定量评估模型，但基于大尺度环境下，为了使模型具有代表性，将每个监测点的发展系数和灰作用量取平均值，得到三年土壤速效磷含量的白化微分方程模型如下：（1）2018年： （3-61）（2）2019年： （3-62）（3）2020年： （3-63）对上述微分方程求解得到通用的土壤速效磷含量定量评估模型如下：（1）2018年： （3-64）（2）2019年： （3-65）（3）2020年： （3-66）式中，。为了检验所建模型的精确程度，利用2.3节中的相对误差值、残差检验以及级比偏差值检验对三年每个监测点4月到9月份的实测值与模型值进行检验，统计每个监测点每个时刻的相对误差值、残差值以及级比偏差值的最大值、最小值和平均值，结果列与表3-40。由于试验的取样及测量等造成的误差，会使部分模型值跟测量值偏差较大，造成相应的残差、相对误差及级比偏差值较大。其中残差值、级比偏差值以及相对误差的平均值都小于0.2，认为模型达到一般要求。同时统计了所有检测点以及所有时刻的残差值、相对误差和级比偏差值小于0.2的样本数，其所占比例均大于86.00%。表3-40GM(1,1)模型检验参数统计值Tab.3-40TheGM(1,1)modeltestsparameterstatistics年份残差相对误差级比偏差最大值最小值平均值最大值最小值平均值最大值最小值平均值20180.1951-0.8146-0.15870.78520.00060.2710.1984-1.9394-0.469720190.1953-0.487-0.07120.723100.20110.1975-1.7794-0.292520200.1851-0.3157-0.03690.73700.16040.1966-1.9396-0.3008表3-41GM(1,1)模型检验参数样本统计值Tab.3-41TheGM(1,1)modeltestsparametersamplestatistics年份总样本数残差相对误差级比偏差小于0.2样本数所占比例/%小于0.2样本数所占比例/%小于0.2样本数所占比例/%20181901901009047.3719010020191651651009557.58165100202015015010012080.00150100由表3-41可以看出残差、相对误差和级比偏差值都略大，因此对所建模型进行残差修正，统计得到残差模型的发展系数和灰作用量的最大值、最小值和平均值如下表3-42所示。表3-42GM(1,1)残差模型参数统计值Tab.3-42TheGM(1,1)residualmodelparameterstatistics年份最大值最小值平均值最大值最小值平均值20181.9366-0.43850.75060.3212-0.43850.03320192.0388-0.10390.35530.2847-0.0230.047720208.34280.00070.91690.20-0.02760.0301同样为了使模型具有代表性，将每个监测点的发展系数和灰作用量分别取平均值，得到三年土壤速效磷含量GM(1,1)残差模型的白化微分方程模型如下：（1）2018年： （3-67）（2）2019年： （3-68）（3）2020年： （3-69）求解得到残差定量评估模型如下：（1）2018年： （3-70）（2）2019年： （3-71）（3）2020年： （3-72）式中，。为了检验所建模型的精确程度，利用2.3节中的残差检验及相对误差值对三年每个监测点4月到9月的实测值与模型值进行模型检验，统计每个监测点每个时刻残差值、相对误差值的最大值、最小值和平均值，结果列与表3-43。同时统计了所有检测点以及所有时刻的残差值和相对误差小于0.2的样本数，其所占比例均大于87.00%。由表3-43可以看出，经过残差修正后，模型精度有所提高，但整体来说提高幅度不是很大。因此，可以看出，灰色模型GM(1,1)可以用来对棉田土壤速效磷含量进行定量评估。表3-43GM(1,1)修正模型检验参数统计值Tab.3-43TheGM(1,1)modifiedmodeltestparameterstatistics年份残差相对误差最大值最小值平均值最大值最小值平均值20180.1915-4.6331-0.19340.6890.00060.259520190.1963-0.4756-0.07990.64330.00610.239320200.1874-0.3084-0.04710.71940.00350.2026表3-44GM(1,