全 文 ：基于 GIS的农田土壤、作物特征空间变异性及其相互关系*
陈蓉蓉 周治国 曹卫星* * 戴廷波
(南京农业大学, 江苏省信息农业高技术研究重点实验室, 南京 210095)
Spatial variability and quantitative analysis of field factors based on GIS. CHEN Rongrong, ZHOU Zhiguo,
CAO Weixing , DAI T ingbo ( H iTech K ey L aborator y of I nf ormation Agr icultur e, Jiangsu Province, Nanj ing
Agr icultural University , Nanj ing 210095, China) . Chin. J . A pp l . Ecol. , 2004, 15( 9) : 1698~ 1680.
The objectiv e of this research w as to investigate the variability and the quantitative r elat ionships among soil nu
trients and crop g rowth status and yield. All data were analyzed by bo th classical statistics and geostatistics based
on G IS. Soil pr operties included soil pH, total N , o rganic matter, available P and available K , w hile crop growt h
status was indicated by SPAD, LAI and SPAD LAI. A ll parameters except soil pH exhibited spatial correlation.
Soil total N and or ganic matter , SPAD, LAI and SPAD LAI were all correlated to rice yield. Kr iged interpola
tion maps prov ided good indicat ion of the spatial variability in crop yield and grow th status. Spatial interpolation
and corr elation analysis proved that SPAD LAI w as more indicative of crop grow th status than individual vari
ables, and useful for implementing g rowth season and topdressing as needed.
Key words GIS, F ield information, Spatial variblity, Quantitativ e relationship.
文章编号 1001- 9332( 2004) 09- 1678- 03 中图分类号 S315 文献标识码 A
* 国家自然科学基金重点项目( 30030090)和国家 863!计划资助项
目( 2003AA209030) .
* * 通讯联系人. T el: 02584396565; Email: caow@ njau. edu. cn
2003- 06- 03收稿, 2004- 02- 16接受.
1 引 言
精确农作的核心原理是基于田区差异的变量投入和最
大收益[ 2] ,因此, 准确获取田区差异信息及科学分析判断是
实施有效精确管理的基础.国外在田区差异信息处理领域做
了大量的工作[ 1, 5, 7, 9, 10] .我国在这方面的研究起步较晚, 大
都集中于农田土壤养分的变异规律分析[ 3, 4, 6, 8, 11~ 13] . 由于
农田环境因子的复杂性, 迄今为止, 尚未建立针对不同耕作
制度和生产区域的通用田区信息处理方法,尤其是忽视了田
区作物长势上的空间差异性.本文基于 GIS 技术,以经典统
计和地统计学为分析手段,研究土壤养分、水稻作物长势和
产量三类田区信息的空间变异规律及其相互关系,探寻影响
产量的关键因子,以期为作物需氮差异的精确氮肥管理提供
科学依据.
2 研究地区与研究方法
21 研究地区概况
研究区位于江苏省六合县八百桥镇现代农业示范园区
( 32∀27#N, 118∀56#E) , 具有中亚热带温暖的季风气候, 年均
温为 178 ∃ ,年降雨量为 1 000 mm. 地形为低丘岗地, 典型
土壤为马肝土属.研究区面积 5 2 hm2 ,地块形状不规则, 按
高程可将研究区取样点分为地势高、中、低 3 部分(图 1) , 平
均高程分别为 25 m、20 m、16 m. 种植制度是稻麦两熟, 当季
作物为水稻,统一供种, 分户管理.
22 田区信息采集及测试
采用 DGPS 定位技术, 按田埂自然划分设置 55 个田区,
样点分布见图 1. 2002 年 5 月 28 日在每个田区内按 5 点取
样法取 20 cm 耕层土壤样品, 土壤 pH 用 1%25 的水土比测
定,土壤有机质用重铬酸钾油浴法测定, 土壤全氮用凯氏定
氮法测定, 土壤速效钾用 NH4Ac浸提法测定, 土壤速效磷用
0 5MNaHCO3 法测定. 在水稻抽穗期采用 5 点取样法,用日
本 MINOLTA 产 SPAD502 型叶绿素计测定主茎顶部展开
叶上部 1/ 3 处的 SPAD 值, 每点测定 6 片叶取平均值; 用
LAI2000 植冠分析仪测定叶面积指数, 每点重复 3 次.水稻
成熟后, 采用 5 点取样法测定理论产量.
图 1 试验区采样点分布
Fig. 1 Dist ribut ion of the sample points.
2 3 分析软件
经典统计分析和相关分析使用 SPSS 软件; 地统计参数
计算采用 GS+ ( Gamma Design Software) ;空间数据的管理和
空间分析软件为 ESRI 的 Arc/ Info 8. 1 Desktop版.
3 结果与分析
3 1 田区信息的经典统计分析
由表 1 可见, 在土壤特征数据中, pH 值的变异系数最
应 用 生 态 学 报 2004 年 9 月 第 15 卷 第 9 期
CHINESE JOURNAL OF APPLIED ECOLOGY, Sep. 2004, 15( 9)%1678~ 1680
小,速效磷最大, 速效磷差异大是由于磷肥使用不均匀, 全
氮、有机质、速效钾变异较低是因为该地区施氮量基本接近,
钾肥施用量少. 在作物特征数据中, SPAD 的变异系数相对
较低, 为 4 03% ; LAI 相对较高, 为 13 91% , 播种密度不均
匀导致 LAI 变异系数较大. 由于植株间竞争效应导致 LAI
对 SPAD值有一定的影响, 基于两者的生物学意义, 本文引
入SPAD LAI 二乘因子代表单位土地面积上作物叶片总氮
量,用来表征单位土地面积的作物长势,其变异系数较单个
变量有所提高,达到 14 44% , 与产量变异系数( 1907% )相
接近,反应了采用 SPAD LAI 表征作物长势优于单一的指
标.田区信息的变异性表明有必要采取精确管理技术消除作
物长势及产量的空间差异,达到产量最大化.
表 1 田区信息经典统计分析
Table 1 Classical statistical results of the field information( n= 55)
变量
Variable
平均值
Mean
中数
Median
标准差
SD 变异系数CV ( % )
pH 592 593 055 922
全氮 T otal N( % ) 010 010 002 1634
有机质Organic matter(% ) 125 119 031 2466
速效磷Available P(mg&kg- 1) 816 743 284 3478
速效钾Available K(mg&kg- 1)9848 9000 2815 2859
SPAD 3878 3898 156 403
LAI 470 479 062 1391
SPAD LAI 18253 18174 2635 1444
产量 Yield( kg&hm- 2) 784203 784636 149516 1907
32 田区信息的空间变异
田区变量的半方差模型及拟合参数见表 2.土壤 pH 值
显示纯块金效应,其余土壤属性在相关间距内表现强空间自
相关[ 10] ,基底方差/基台值都小于 25% , 表明其变化主要由
土壤形成因子控制,外在因子如土壤耕垦的影响较小. 与土
壤属性相比,作物特征空间自相关度稍降, 除 SPAD基底方
差/基台值为 167, 具有很强的空间自相关性, 其他属性表
现为中等强度空间自相关[ 10] . 从相关间距来看, SPAD 最小
说明受外界影响因子较多, 较 LAI 在小范围内变异加强, 整
体分布趋向复杂. SPAD LAI综合指标值扩大了单个指标
SPAD、LAI的空间自相关距, 达到 251 1 m, 说明采用 SPAD
LAI 作为衡量作物长势优劣的指标可以相对加大采集间
距,从而减少采样成本. 因此,在作物长势分析中考虑空间位
置将有可能提高预测或空间插值的精度,有必要使用空间统
计学方法进行更深入的研究.
表 2 田区信息半方差模型拟合参数
Table 2 Parameters fitted by semivariogram models for field information
变量
Variable
拟合模型
Model
相关间距
Range
( m)
基底方差
/基台值
Nugget /
sill( % )
决定系数
r 2
pH( 1%25 H 2O) 纯 Nugget - - -
全氮 T otal N( % ) G 3863 143 092
有机质 Organic matter ( % ) G 6109 100 096
速效磷Available P(mg&kg- 1) G 6107 35 084
速效钾Available K(mg&kg- 1) G 4421 91 097
SPAD E 360 167 016
LAI S 1185 488 087
SPAD LAI S 2511 500 087
产量 Yield( kg&hm- 2) S 2717 351 086
G: Gaussian; S: Spherical; E: Exponent ial.
3 3 田区信息的相关分析
由表 3 可见, 产量与有机质、全氮极显著相关, 与速效钾
显著相关,表明有机质、全氮和速效钾的空间变异可能是引
起作物产量空间变异的重要因素. SPAD、LAI、SPAD LAI
与产量均达到极显著正相关, 说明在水稻抽穗期, 使用
SPAD502 叶绿素仪和 LAI2000 能有效地监测作物长势, 从
而进行作物产中诊断, 实施产中定量追肥.从相关系数来看,
SPAD LAI最高,达到 0 61, 说明采用 SPAD LAI 能更好
地表征作物长势, 预测产量. SPAD LAI 与土壤全氮和有机
质达显著相关水平, 表明 SPAD LAI 综合指标能有效地表
征土壤肥力的变化, 而土壤肥力是影响作物长势的重要因素
之一, 从土壤肥力的角度也阐明 SPAD LAI 指标优于单一
指标, 能较好地反应作物长势.
表 3 田区信息的相关系数
Table 3 Correlation between field information( n= 55)
土壤
pH
全氮
Total
N
有机
质
Organic
matter
速效
磷
Available
P
速效
钾
Available
K
产量
Y ield
SPAD LAI SPAD
LA I
土壤 pH 1 020 031* 018 046** 021 021 0 04 0 10
全氮
Total N
1 074** 028* 039** 065** 040**
0 26 0 35**
有机质
Organic matter
1 055** 058** 055** 025 0 40** 0 44**
速效磷
Available P
1 028* 014 009 0 20 0 21
速效钾
Available K
1 029* 017 0 28* 0 31*
产量
Yield
1 048** 0 53** 0 61**
SPAD 1 0 20 0 46**
LAI 1 0 96**
SPAD LAI 1
* P< 0 05; * * P < 0 01
3 4 地面高程对土壤和作物特征的影响
单因素方差分析结果表明 (表 4) ,按高程分组后的变量
具有显著组间差异 ( P < 0 05) , 说明地面高程是该地区土
壤、作物特征值的重要影响因素. 从样本均数来看, 土壤全
氮、有机质随高程的降低呈升高趋势. 究其原因是雨水的冲
刷将地势高的表层土壤养分带到地势低的地方, 导致地势低
的土壤肥力相对累积表现较高; 作物长势和产量均表现为高
区< 中区< 低区. 这种分布趋势的一致性也表明了作物长势
的空间异质性导致产量的空间变异.
表 4 地面高程对土壤属性和作物属性的影响*
Table 4 Influence of altitude on soi l and crop properties( mean)
变量
Variable
高程( Altitude)
低
Low
中
Medium
高
Height
P 值
pH 634a 580b 583b 002
全氮 Total N( % ) 013a 011b 009c 000
有机质 D. M. ( % ) 167a 119b 100c 000
速效磷Available P(mg&kg- 1) 1032a 706b 798b 000
速效钾Available K(mg&kg- 1)13827a 8532b 9056c 000
SPAD 3991a 3842b 3814b 001
LAI 525a 452b 451b 000
SPAD LAI 20976a 17368b 17265b 000
产量 yield( kg&hm- 2) 938020a 807217b 693714c 000
* 同一行同一字母表示差异不显著 ( P = 005) Same letter show ing
no significant diff erence.
16799 期 陈蓉蓉等:基于 GIS 的农田土壤、作物特征空间变异性及其相互关系
35 田间信息空间插值分析
表 3 中的相关分析是基于测点样本的,是否在整个空间
分布上也成立,还需依据地统计学原理插值后对面数据做进
一步的分析 .根据表 2 拟合的半方差函数参数, 利用 Kring
ing 最优内插法, 对产量、SPAD、LAI、SPAD LAI 4 个变量
做空间插值, 估计未测点值, 按自然划分法建立分级图(图
3) .由图 3 可见, SPAD与产量相差甚远,特别是 H(高程最高
区) ,产量的空间变异没有 SPAD大. LA I 和 SPAD LAI 的
分布模式和产量比较接近,相比之下 , SPAD LAI能更好地
反映产量的空间分布差异. LAI 对 H 与 M(中高程区 )结合
部的描述有明显的问题, H 的东侧与 M 西侧为一个等级, 而
产量图中显示为两个等级, 但采用 SPAD LAI 却可以判断
出这种区别.从高程来看, 4个变量在 L(低高程区)均表现出
高值集中分布,在 H 的中部均出现一个底值圆形区域, 在空
间分布趋势上也说明了地势低的区域易于富积养分.
图 3 田区信息 Kriging 插值图
Fig. 3 Ordinary Kriged interpolation m ap of f ield information.
4 结 论
经典统计分析表明, 土壤特征中, pH 值变异系数最小,
土壤速效磷最大;作物特征中 SPAD变异系数最小, 产量最
大,田区信息的变异度说明有必要按田区差异实施精确管
理.
除了土壤 pH 值显示纯块金效应外, 其余土壤属性在一
定的范围内表现为强空间自相关. SPAD、LAI、SPAD LAI
和产量均表现出空间自相关结构, SPAD LAI 综合指标值
扩大了单个指标 SPAD、LAI 的空间自相关距, 表明采用
SPAD LAI 作为衡量作物长势优劣的指标可以在精确农作
实践中相对加大采集间距,从而减少采样成本 .
相关分析表明, SPAD LAI 较之单个变量更能反映产
量的绝对值. SPAD LAI 与土壤全氮和有机质的显著相关
性表明此综合指标能有效地表征土壤肥力.土壤全氮、有机
质、作物产量、SPAD、LAI、SPAD LAI均随高程的下降而升
高, 说明田区高程对土壤特征和作物长势及产量有影响.
利用 Krig ing 最优内插法绘制的分级图可很好地描述作
物长势和产量的空间分布及其相互关系, 从面数据的角度进
一步证明 SPAD LAI综合指标较之单个变量能更精确地反
应作物长势. 在实际应用中,可根据田区适宜目标产量,基于
SPAD LAI 与产量的量化关系, 反推水稻抽穗期最适综合
指标值, 以实际测定值和综合指标最适值间的相对比值为基
准调整追施氮量, 实施基于作物需氮差异的精确氮肥管理.
参考文献
1 Btrangmar B, Yost RS , Wade MK, et al . 1987. Spat ial variat ion of
soil propert ies and rice yield on recent ly cleared land. Soi l S ci S oc
A M J, 51: 668~ 674
2 Cao WX(曹卫星) , Luo WH (罗卫红) . 2000. Simulat ion and In
tell igent Management . Beijing: Huaw en Press. 191~ 192 ( in Ch i
nese)
5 Chen P( 陈 鹏) , Chu Y (初 雨 ) , et al . 2003. Spat ial hetero
geneity of vegetat ion and soil characterist ics in oasisdesert ecotone.
Chin J A ppl Ecol (应用生态学报) , 14( 6) : 904~ 908( in Chinese)
4 Guo XD(郭旭东) , Fu BJ(傅伯杰) , et al . 2000. Spat ial variabil i
ty of soil nut rients based on geostat istics combined w ith GIS ∋ A
case study in Zunhua city of Hebei Province. Chin J App l Ecol ( 应
用生态学报) , 11( 4) : 557~ 563( in Chinese)
5 Leep RH, Jeranyama P, Warncke D, et al . 2000. T he effect of vari
ability in soil pH and available potassium on grow th of alfalfa in
Michigan fields. In: Robert PC, Rust RH, Larson WE, eds. Proceed
ings of the Fif th Internat ional Conference on Precision Agriculture.
Madsion, Wisconsin: ASA, CSSSA, SS SA. 7~ 12
6 Li HB( 李哈滨) , Wang ZQ (王政权) , et al . 1998. Theory and
Methodology of Spat ial Heterogeneity of quant if icat ion. Chin J Ap
pl Ecol (应用生态学报) , 9( 6) : 651~ 657( in Chinese)
7 Richard MJ, Robert GD, Judith M B, et al . 2002. Variability in cot
ton f iber yield, fiber qualit y, and soil properties in Southeastern
Coastal plain. Agron J, 94: 1305~ 1316
8 Sun B(孙 波) , Zhao QG(赵其国) . 2002. S patialt emporal vari
ability of red soil f ertilit y in low hill region. A cta Pedol Sin (土壤学
报) , 39( 2) : 190~ 197( in Chinese)
9 Tabor JA, Warrick AW, Pennington DA, et al . 1984. S patial vari
ability of nit rate in irrigated cot ton. S oil Sci Soc A M J , 48: 602~
607
10 Ward BD, Cox M S. 2000. Influences of soil chem ical and physical
propert ies on sitespecif ic cot ton product ion. In : Robert PC, Rust
RH, Larson WE, eds. Proceedings of the Fif th International Confer
ence on Precis ion Agriculture. Madsion, Wisconsin: ASA CSSSA,
SSSA. 70~ 75
11 Wang K(王 珂) , Shen ZQ(沈掌泉) , et al . 2001. Spatial variants
and sampling st rategies of soil propert ies for precision agriculture. Trans
CSAE (农业工程学报) , 12(3) : 33~ 35( in Chinese)
12 Wang K(王 坷) , Xu HW(许红卫) , et al . 2000. Soil potassium
spat ial variabilit y and com parision of several interpolat ion methods.
Plant Nut r Fer t Sci (植物营养与肥料学报) , 6( 3 ) : 318~ 322( in
Chinese)
13 Zhou HZ(周慧珍) , Gong ZT (龚子同) . 1996. Study on soil vari
ability. Acta Pedol S in (土壤学报) , 33( 3) : 233~ 238( in Chinese)
作者简介 陈蓉蓉, 女, 1978 年生,硕士,主要从事农业信息
技术研究, 发表论文 1 篇. T el: 02584396016; Email: rrchen
@ njau. edu. cn
1680 应 用 生 态 学 报 15 卷