全 文 ：中国生态农业学报 2014年 9月 第 22卷 第 9期
Chinese Journal of Eco-Agriculture, Sep. 2014, 22(9): 1102−1112


* 国家自然科学基金项目(41101537, 40930101, 41201184和 71203157)和国家重点基础研究发展计划(973计划)项目(2010CB951502)资助
石淑芹, 研究方向为土地利用与 GIS工程。E-mail: ssq0533@163.com
收稿日期: 2014−01−20 接受日期: 2014−05−19
DOI: 10.13930/j.cnki.cjea.140097
气候与社会经济因素对土壤有机质影响
的空间异质性分析*
——以黑龙江省中部地区为例
石淑芹1 曹祺文1 李正国2,3 许恒周4
(1. 天津工业大学管理学院 天津 300387; 2. 农业部农业信息技术重点实验室 北京 100081;
3. 中国农业科学院农业资源与农业区划研究所 北京 100081; 4. 天津大学管理学院 天津 300372)
摘 要 为探讨土壤性质对外部因素的响应机制及空间规律, 本文以黑龙江省中部为例, 利用地统计学理论、
GIS 空间分析与地理加权回归模型(geographically weighted regression, GWR), 从空间分异角度分析了气候和
社会经济因素对土壤有机质的影响程度。结果表明, 有机质含量分布在研究区域西部呈现出东高西低的特征,
在研究区域东部则表现为中部高南北低; 气候变量(均在 0.01 水平上显著)中, 降水和年均温对有机质含量以
负影响为主; 年日照时数对除嫩江平原西南部和松江平原南部外的多数区域有机质含量产生正影响。社会经
济因素(均在 0.01 水平上显著)中机械化耕作水平对嫩江平原北部、西部和克拜丘陵部分区域有机质含量产生
正影响; 灌溉面积对有机质含量的正影响范围较广; 施肥量对嫩江平原南部、松江平原西北部和三江低平原东
北部等有机质含量主要产生负影响, 其他区域则主要为正效应; 地膜用量对有机质含量的正影响范围较广; 农
药用量对研究区域西部以正影响为主, 对东部以负影响为主。因此, 反映自然条件差异的气候因素与反映农业
投入的社会经济因素对土壤有机质的影响均具有空间异质性, 采用允许局部估计的 GWR模型是适合的。
关键词 土壤有机质 气候因素 社会经济因素 地理加权回归 空间异质性 黑龙江省
中图分类号: S151.9+5; S17 文献标识码: A 文章编号: 1671-3990(2014)09-1102-11
Influence of spatial heterogeneity of climatic and socio-economic
factors on soil organic matter
—A case study of the central Heilongjiang Province, China
SHI Shuqin1, CAO Qiwen1, LI Zhengguo2,3, XU Hengzhou4
(1. School of Management, Tianjin Polytechnic University, Tianjin 300387, China; 2. Key Laboratory of Agri-informatics, Ministry
of Agriculture, Beijing 100081, China; 3. Institute of Agricultural Resources & Regional Planning, Chinese Academy of Agricultural
Sciences, Beijing 100081, China; 4. College of Management, Tianjin University, Tianjin 300372, China)
Abstract The aim of this paper was to provide methodological support for understanding the response mechanism of soil
properties to external factors and the related spatial distribution, which could also serve as a decision-making reference for farmers
and agricultural management authorities. Using geostatistical theory, spatial analysis in GIS and geographically weighted regression
(GWR) model, the study analyzed the response of soil organic matter to climatic and socio-economic factors in the central
Heilongjiang Province in years of 2000 to 2005. For the period 2005, soil organic matter was spatially interpolated along with
auxiliary soil type and pH datasets using Co-Kriging in GIS and the temporal variability analyzed. The result showed that in the
western region of the study area, organic matter was higher in the east than in the west. Then in the eastern region of the study area,
organic matter was higher in the central zone than in the northern and southern zones. Based on conventional regression model and
variance inflation factor (VIF), the paper selected suitable variables for GWR model. Spatial autocorrelation analysis of soil organic
matter content yielded global Moran’s I index of 0.433 (P = 0.00), indicating that significant spatial autocorrelation in soil organic
第 9期 石淑芹等: 气候与社会经济因素对土壤有机质影响的空间异质性分析 1103


matter. Thus the GWR model was considered to be suitable for local parameter estimation and was used to determine the relationship
between organic matter content and its driving factors. The CV method was used to determine the optimal bandwidth and to establish
an adaptive kernel-type GWR model. Results showed that the GWR model accounted for over 57% of the total variance in soil
organic matter content in the region. The spatial stability of the strength of the influence of each variable on organic matter content
was analyzed. It showed that all variables had significant spatial instability. In addition, the minimum, maximum, upper quartile and
lower quartile of the regression coefficients of the variables were largely different, and with both positive and negative correlations.
This showed that the influence of each variable on soil organic matter content was spatially variable and was either positive or
negative. Results from the GWR model showed that precipitation and annual average temperature negatively influenced organic
matter content. Annual sunshine hours positively influenced organic matter content in most areas, except southwest Nenjiang Plain
and south Songjiang Plain. The influence of mechanized farming level (as a socio-economic factor) on soil organic matter was
positive in both north and west Nenjiang Plain and also in some parts of the Kebai Hills. Irrigation areas had relatively large positive
effect on soil organic matter in the study area. Fertilizer had negative effect on soil organic matter in areas of south Nenjiang Plain,
northwest Songjiang Plain and northeast Sanjiang Plain, but positive effects in other areas. Mulch film consumption had a large
positive effect on soil organic matter. The effect of pesticide consumption on soil organic matter was mainly positive in the west of
the study area, while it was mainly negative in the east (all significant at the 0.01 level). It was concluded that the effects of climatic
factors (which reflect differences in natural conditions) and socio-economic factors (which reflect agricultural inputs) on soil organic
matter were largely heterogeneous.
Keywords Soil organic matter; Climatic factor; Socio-economic factor; Geographically weighted regression; Spatial he-
terogeneity; Heilongjiang Province
(Received Jan. 20, 2014; accepted May 19, 2014)
土壤有机质是反映土壤肥力的主要指标之一 ,
也是全球变化研究的核心内容。较高的土壤有机质
含量不仅有利于改善土壤物理性状, 又可推动土壤
氮、磷、硫等养分循环和转化[1], 促进植物生长。同
时, 土壤有机质在环境和人为因素等长期综合影响
下具有一定的时空变异特征。已有研究表明, 成土母
质[2]、土壤类型[3−4]、土壤酸度[5]、坡度[6−7]、水系[8]
等自然要素, 土地利用方式[9−10]、秸秆还田[11−13]、灌
溉[14]、施肥[15−17]、地膜用量[18]等社会经济要素都会
对土壤有机质含量及其变化产生不同程度的影响。但
是目前土壤性质的影响机制研究多从气候或社会经
济因素单一角度出发, 其中尤以土壤性质与气候变
化或其他自然因子间的耦合关系研究居多, 考虑社
会经济因素影响的相对较少, 而同时考虑气候与社
会经济因素对土壤性质空间分异影响的研究更不多
见。研究方法上大多借助相关分析[19−20]、BP神经网
络[21]、线性回归模型[22]等数理统计方法开展, 鲜有
从空间分异角度探讨土壤有机质对全球变化响应机
制。近年来, 由 Fotheringham 等[23]提出的地理加权
回归(geographically weighted regression, GWR)模型
可将自然环境与社会经济数据的空间位置嵌入回归
参数中, 利用局部加权最小二乘法进行逐点参数估
计, 目前已应用于社会经济学、城市地理学、森林
学等诸多学科领域[24], 如中国 GDP与各省贡献之间
的变化[25]、降雨量与海拔之间的关系[26]以及房地产
价格影响因素[27]等。
由于黑龙江省中部地区是我国主要的商品粮生
产基地之一, 且该区域包含不同的生态系统, 气候
条件和人为活动干预的区域差异性也较大, 将其作
为案例研究区具有一定代表性。因此, 本文以黑龙
江省中部地区为例, 基于 GIS空间分析技术与 GWR
模型, 利用 2005 年土壤采样数据, 以协同克里格法
对研究区土壤有机质含量进行空间模拟, 分析了有
机质空间变异特征; 再以传统回归模型和方差膨胀
因子为基础选取合适的气候和社会经济因素并构建
了 GWR 模型, 探讨气候与社会经济因素对区域尺
度土壤有机质的作用方向和强度大小, 为耕地质量
提升及可持续农业发展决策提供依据。
1 研究区概况与数据处理
1.1 研究区域概况
依据黑龙江省综合农业区划(1985年)的划分[28],
黑龙江省中部包括 5 个农业综合分区, 可大致分为
东、西两部分, 东部包括三江低平原和三江台地, 西
部包括松江平原、嫩江平原和克拜丘陵(图 1, 表 1)。
全区总面积为 26.342 万 km2。地处半湿润、半干旱
区, 属温带大陆性季风气候, 近年来气温总体趋向
增高[29], 年均温约 0.13~6.01 , ℃ 多年平均降水量为
380~600 mm, 日照时数 2.2×103~2.9×103 h。该区土
壤类型众多, 包括黑土、黑钙土、暗棕壤等地带性
土壤和白浆土、草甸土、沼泽土、盐碱土等非地带
性土壤, 有机质含量 10~80 g·kg−1, 其中三江低平
原、克拜丘陵和松江平原东部较高, 多在 40 g·kg−1
以上。土壤肥力较高, 耕地集中连片, 有利于机械化
1104 中国生态农业学报 2014 第 22卷



图 1 黑龙江省中部农业综合分区及其空间分布
Fig. 1 Comprehensive agricultural zones of the study area in the central Heilongjiang Province and their spatial distribution
表 1 黑龙江省中部各农业综合分区所含主要县(市)编号及名称
Table 1 Codes and names of counties (cities) in every comprehensive agricultural zone of the study area in the central Heilongjiang Province
县 County 县 County 县 County 农业综合分区
Comprehensive
agricultural zone
编号
Code
名
Name
农业综合分区
Comprehensive
agricultural zone
编号
Code
名
Name
农业综合分区
Comprehensive
agricultural
zone
编号
Code
名
Name
0 阿城市 Acheng 4 宝清县 Baoqing 1 安达市 Anda
2 巴彦县 Bayan 10 抚远县 Fuyuan 8 大庆市 Daqing
6 宾县 Bin 11 富锦市 Fujin
14 哈尔滨市 Harbin 16 鹤岗市 Hegang
15 海伦市 Hailun 19 虎林县 Hulin
9
杜尔伯特蒙古族自治县
Dorbod Mongol
Autonomous County
17 呼兰县 Hulan 20 桦川县 Huachuan 12 富裕县 Fuyu
27 兰西县 Lanxi 22 鸡东县 Jidong 13 甘南县 Gannan
32 明水县 Mingshui 23 集贤县 Jixian 18 呼玛县 Huma
33 木兰县 Mulan 30 萝北县 Luobei 28 林甸县 Lindian
38 青冈县 Qinggang 31 密山市 Mishan 29 龙江县 Longjiang
39 庆安县 Qing’an 40 饶河县 Raohe 37 齐齐哈尔市 Qiqihar
41 双城市 Shuangcheng 43 绥滨县 Suibin 46 泰来县 Tailai
44 绥化市 Suihua 47 汤原县 Tangyuan 56 肇东市 Zhaodong
45 绥棱县 Suileng 49 同江市 Tongjiang 57 肇源县 Zhaoyuan
48 通河县 Tonghe 55 友谊县 Youyi
嫩江平原
Nenjiang Plain
58 肇州县 Zhaozhou
50 望奎县 Wangkui
三江低平原
Sanjiang Low Plain

松江平原
Songjiang Plain
51 五常市 Wuchang
7 勃利县 Boli 3 拜泉县 Baiquan
21 桦南县 Huanan 5 北安市 Bei’an
24 佳木斯市 Jiamusi 25 克东县 Kedong
36 七台河市 Qitaihe 26 克山县 Keshan
42 双鸭山市
Shuangyashan
34 讷河市 Nehe
54 依兰县 Yilan 35 嫩江县 Nenjiang
三江台地
Sanjiang
Platform
52 五大连池市
Wudalianchi


克拜丘陵
Kebai Hills
53 依安县 Yi’an
第 9期 石淑芹等: 气候与社会经济因素对土壤有机质影响的空间异质性分析 1105


作业和规模化经营, 是我国主要的商品粮基地之一。
全区农业机械化水平较高, 2000 年代初各县平
均农机总动力 1.96×105 kW, 其中富锦市、龙江县、
讷河市等县(市)在 3.5×105 kW 以上; 平均灌溉面积
2.14× 105 hm2; 施肥量提高较快, 年均施肥(化肥纯
量) 1.75×104 t; 地膜用量区域差异显著, 双城市、呼
兰县等县(市)平均用量在 950 t以上, 而萝北县、饶
河县等县(市)不足 100 t; 平均农药用量 488 t, 总体
上西部各县农药用量高于东部各县。
1.2 数据来源与预处理
本文所用土壤有机质数据来源于 2005 年土壤
采样数据, 以网状均匀布点模式, 对 20 km×20 km
网格进行采样。采样过程中, 根据黑龙江省中部土
壤类型与地形地貌等适当调整采样点的位置, 在山
地丘陵区或根据采样点之间土壤类型不同而适当插
补采样点, 使样点在空间上具有广泛的代表性。最
终共采集土壤样品 391 个, 采样深度为 0~20 cm。
为使样点的土壤养分测定值具有充分代表性, 在采
样点所在田块随机选择 15 个点作为 1 个土壤混合
样品, 风干研磨。在土壤有机质测定中，提取剂采
用 NaOH、EDTA和甲醇，其浓度分别为 0.2 mol·L−1、
0.01 mol·L−1和 2%, 比色法测定有机质含量。利用
GIS 将土壤采样数据空间化, 对土壤有机质数据进
行 K-S检验, 发现其较好地服从正态分布(P>0.05)。
再以不同半方差模型对有机质数据拟合发现球状模
型最为适合, 其变程为 2.28 km, 块金效应达 42.13%,
属中等空间相关性, 有机质空间变异受到随机因素
(如施肥、灌溉、耕作等)和结构因素(如气候、成土
母质等)的共同影响。
气候数据为中国气象科学数据共享服务网提供
的黑龙江省中部 31 个气象站点 (非严格均匀分
布)2000—2005年逐年降水量(mm)、年均温(℃)和年
日照时数(h)。由于同其他插值方法相比, 样条插值
(Spline)法对温度、降水等气候要素的插值结果误差
相对较小[30], 故本文采用 2000—2005年的气候数据
平均值代表 2000年代初的气候概况, 选择样条插值
法对年降水量、年均温和年日照时数进行空间模拟。
社会经济数据来源于中国国家统计局的农业统
计资料, 选择县级耕地面积(hm2)、机械化耕作水平
[以农机总动力(kW)表示]、灌溉面积(hm2)、施肥量
[以化肥纯量(t)表示]、地膜用量(t)、农药用量(t)、农
作物总播面积(hm2)等指标, 采用 2000—2005 年平
均值作为 2000年代初的社会经济发展水平。
最后, 为便于 GWR 建模, 在对数据进行 Z-score
标准化的基础上, 以 GIS 平台将点状土壤采样数据
与气候空间模拟数据相叠加, 提取气候要素值到采
样点。而对于社会经济数据, 因其空间化不易或模
拟精度较低, 故将点状土壤采样数据与县(市)分布
图相叠加, 并把县域社会经济指标值赋予落在其内
的采样点。
2 研究方法
2.1 协克里格插值
协克里格法建立在协同区域化变量理论基础上,
对普通克里格进行了扩展, 考虑了不同区域化变量
间的相关性, 把区域化变量的最佳估值方法从单一
属性发展到两个以上的协同区域化属性[31], 有利于
提高估计的精度和合理性, 其公式为:
( ) ( ) ( )* 0 1 1 2 2
1 1
pn
i i j j
i i
Z x Z x Z xλ λ
= =
= +∑ ∑ (1)
式中: Z*(x0)为待估点 x0的估计值, Z1(xi)和 Z2(xi)分别
是主变量 Z1和辅助变量 Z2的实测值, λ1、λ2分别是
主变量 Z1和辅助变量 Z2实测值的权重, n 和 p 是参
与 x0点估值的 Z1、Z2实测值数目。
本文通过计算 Pearson系数和方差分析, 选择与
有机质含量有较高相关性的土壤类型和 pH 作为协
因子 , 采用协克里格插值(Cokriging)对有机质进行
空间模拟。
2.2 GWR模型
应用 GWR 模型的首要前提是因变量具有显著
的空间自相关性, 可通过计算 Moran’s I 指数[32−33]
来度量[I∈(−1,1)]。I>0表示正相关, I<0表示负相关,
I=0表示不相关, 其计算公式为:
( )( )
( )
,
1 1
2
,
1 1
n n
i j i j
i j
n n
i j i
i j
n w Z Z Z Z
I
w Z Z
= =
= =
− −
=
−
∑∑
∑∑
(2)
式中: n为空间区域总数; wi,j为行标准化的空间权重
矩阵, 当空间区域 i、j相邻时 wi,j取 1, 否则取 0; zi、
zj是变量 z在相邻配对空间区域的取值。
此外, GWR模型要求解释变量不能具有多重共
线性, 故本文以传统线性回归模型为基础并根据方
差膨胀因子(variance inflation factor, VIF)选出合适
的解释变量进行 GWR 建模。通常: 0不存在多重共线性问题, 10≤VIF≤30 为弱共线性
问题, 30100则为强
共线性[34]。
当研究数据满足上述条件后方可进行 GWR 建
模。该模型是对传统线性回归模型的扩展, 它允许
局部而非全局的参数估计[35]。该方法中, 与被估计
点距离越大的样本被赋予的权重越小, 其在模型估
计中所起作用也越小[36]。模型通用公式如下:
1106 中国生态农业学报 2014 第 22卷


( ) ( )0 , ,i i i k i i ik i
k
y a v a v xμ μ ε= + +∑ (3)
式中: yi为观测值; (ui,vi)为第 i点的坐标; a0(ui,vi)为第
i点回归常数; ak(ui,vi)是第 i点上的第 k个回归参数,
为地理位置的函数; εi为随机误差。
为计算空间权重需确定最优带宽, 通常利用交
叉验证(cross-validation, CV)最小化法或使Akaike信
息准则(Akaike information criterion, AIC)最小化来
计算。本文拟采用 CV法确定带宽, 建立调整型空间
核的 GWR模型。
2.3 变量选取
根据相关理论和前人研究结果[14,18,37−39], 拟采
取降水(年降水量)、年均温、年日照时数等 3项气候
要素以及耕地面积、机械化耕作水平(农机总动力)、
灌溉面积、施肥量(化肥纯量)、地膜用量、农药用量、
农作物总播面积等 7 项能反映农业投入或生产管理
方式的社会经济要素作为初选解释变量, 以上各指
标值均来源于农业统计资料。在此基础上, 在 SPSS
中以有机质含量为因变量、上述所有变量为自变量
进行线性回归分析, 并根据方差膨胀因子 VIF 值,
确定最终用于 GWR模型的解释变量。
3 结果与分析
3.1 黑龙江省中部有机质分布特征
黑龙江省中部地区 2005年土壤有机质(表 2, 图
2)均值为 39.72 g·kg−1, 变异系数为 35.48%, 体现出
中等变异程度[40]。从含量分级上来看, 以 30~40 g·kg−1
和 40~70 g·kg−1 为主, 分别为 6.264 1×106 hm2 和
1.470 4×107 hm2, 二者面积总和接近区域总面积的
80%。从空间分布上来看, 有机质含量以三江低平
原、克拜丘陵和松江平原大部分地区为最高, 含量
多在 40~64 g·kg−1, 而嫩江平原中部地区则相对较
低, 含量多在 20 g·kg−1以下, 因此具有一定异质性,
与变异系数所体现的中等变异程度相一致。总体上,
有机质含量分布在研究区域西部呈现出东高西低
的特征, 且在该范围内空间变异性最强; 而在研究
区域东部则表现为中部高南北低, 空间变异性相对
较小。
表 2 黑龙江省中部 2005年土壤有机质含量及描述性统计
Table 2 Soil organic matter content of the study area in the central Heilongjiang Province in 2005 and its descriptive statistics
描述性统计指标
Index for descriptive statistics
有机质含量
Organic matter content (g·kg−1)
面积
Area (106 hm2)
比例
Percent (%)
均值 Average (g·kg−1) 39.72 10~20 1.674 6 6.36
标准差 Standard deviation (g·kg−1) 14.09 20~30 3.692 8 14.02
偏度 Skewness 0.58 30~40 6.264 1 23.79
峰度 Kurtosis 0.53 40~70 14.704 2 55.83
变异系数 Coefficient of variation (%) 35.48


图 2 黑龙江省中部 2005年土壤有机质含量空间分布
Fig. 2 Spatial distribution of soil organic matter content of the
study area in the central Heilongjiang Province in 2005
3.2 黑龙江省中部气候和社会经济变量特征
气候变量(表 3)中, 年降水和年均温的变异系数
分别为 16.69%和 48.20%, 最值相差较大, 属中等变
异程度。而年日照时数变异系数为 6.80%, 属于较弱
变异程度。社会经济变量(表 3)中, 耕地面积、机械
化耕作水平、灌溉面积、施肥量和农作物总播面积
的变异系数分别为 64.95%、 52.05%、 90.52%和
65.45%, 均属于中等变异程度, 尤以施肥量为甚。地
膜用量和农药用量的变异系数则分别达 248.67%和
158.03%, 均属于强变异程度。
线性回归分析结果(表 4)表明, 该模型只能反映
有机质总变异的近 30%, 模型解释力较低, 需要考
虑采用允许局部估计的 GWR 法。耕地面积和农作
物总播面积两个变量未通过显著性检验, 且根据其
VIF值存在严重的共线性问题, 需将其剔除。故入选
回归方程的自变量有: 年降水量(x1)、年均温(x2)、年
日照时数(x3)等 3 项气候变量以及机械化耕作水平
(农机总动力, x4)、灌溉面积(x5)、施肥量(化肥纯量,
x6)、地膜用量(x7)、农药用量(x8)等 5 项社会经济变
量。各入选自变量的 VIF 值均小于 10, 表明已没有
多重共线性问题。因此, 将上述 8项变量作为 GWR
模型的解释变量。
3.3 GWR模型与分析
对土壤有机质含量进行空间自相关分析[32], 其
全局 Moran’s I 指数为 0.433(P=0.000), 表明土壤有
机质存在较显著的空间自相关, 某些潜在的空间过
第 9期 石淑芹等: 气候与社会经济因素对土壤有机质影响的空间异质性分析 1107


表 3 黑龙江省中部 2000年代初气候和社会经济初选变量描述性统计
Table 3 Descriptive statistics of preliminary climatic and socio-economic variables of the study area in the central Heilongjiang
Province in the early 2000s
变量
Variable
最小值
Minimum
最大值
Maximum
中位数
Median
平均值
Average
标准差
Standard
deviation
变异系数
Coefficient of
variation (%)
年降水 Annual precipitation (mm) 216.48 485.76 354.06 359.79 60.05 16.69
年均温 Annual average temperature ( )℃ 0.502 5.619 3.060 3.060 1.475 48.20
气候变量
Climatic
variables
年日照时数 Annual sunshine hours (h) 2 229.47 2 891.67 2 492.82 2 537.44 172.66 6.80
耕地面积 Cultivated land (hm2) 214 489 743 110 175 121 659 790 168 64.95
机械化耕作水平 Mechanized farming level (kW) 6 000 684 100 197 025 199 041 103 607 52.05
灌溉面积 Irrigation area (hm2) 768.0 111 688.0 15 857.3 21 400.2 19 372.4 90.52
施肥量 Fertilization amount (t) 1 174.2 89 731.8 13 405.4 17 491.2 14 595.2 83.44
地膜用量 Mulch film amount (t) 0 2 867.0 307.9 196.0 487.4 248.67
农药用量 Pesticides consumption (t) 31.0 5 830.0 337.8 488.2 771.5 158.03
社会经济变
量
Socio-econom
ic variables
农作物总播面积 Crop planting area (hm2) 214.00 492 989.75 107 036.20 120 785.79 79 050.91 65.45
表 4 2000年代初黑龙江省中部土壤有机质及其气候和社会经济影响因素的线性回归结果
Table 4 Linear regression results of soil organic matter content and its climatic and socio-economic factors of the study area in the
central Heilongjiang Province in the early 2000s
变量
Variable
回归系数
Regression coefficient
t统计量
t statistics
P值
P value
VIF 模型参数
Parameters of model
降水 Annual precipitation (x1) −0.056 −1.184 0.000** 1.159 R2 0.270
年均温 Annual average temperature (x2) −0.369 −7.141 0.000** 1.380
年日照时数 Annual sunshine hours (x3) 0.050 1.030 0.000** 1.233
调整的 R2
Adjusted R2 0.261
耕地面积 Cultivated land1) — 3.341 0.315 308.250
机械化耕作水平 Mechanized farming level (x4) −0.030 −0.569 0.000** 1.407
灌溉面积 Irrigation area (x5) −0.082 −1.501 0.010* 1.564
施肥量 Fertilization amount (x6) −0.080 −1.507 0.023* 1.476
地膜用量 Mulch film amount (x7) 0.255 5.209 0.000** 1.238
农药用量 Pesticide consumption (x8) 0.085 1.772 0.000** 1.189
农作物总播面积 Crop planting area1) — −1.642 0.101 304.359
1)已剔除的变量; **和*分别表示在 0.01和 0.05水平下显著。下同。1) The deleted variables; ** and * indicate significant at 0.01 and 0.05 levels,
respectively. The same below.

程或因子在其空间分异中发挥作用, 需要考虑各变
量对有机质的局部空间影响 [33], 因此适合进行
GWR建模。具体模型如下:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
0 1 1 2 2
3 3 4 4 5 5
6 6 7 7 8 8
, , ,
, , ,
, , ,
= + + +
+ + +
+ + +
i i i i i i i i i
i i i i i i i i i
i i i i i i i i i i
y a u v a u v x a u v x
a u v x a u v x a u v x
a u v x a u v x a u v x ε
(4)
式中: yi为研究区域某点处有机质含量, a1(ui,vi)为降
水(年降水量)回归系数, a2(ui,vi)为年均温回归系数,
a3(ui,vi)年日照时数回归系数, a4(ui,vi)为机械化耕作
水平回归系数, a5(ui,vi)为灌溉面积回归系数, a6(ui,vi)
为施肥量回归系数 , a7(ui,vi)为地膜用量回归系数 ,
a8(ui,vi)为农药用量回归系数。
利用 CV 方法确定最优带宽, 建立调整型空间
核的 GWR模型(表 5)。结果表明, GWR模型能反映
土壤有机质总变异的 57%以上。对各变量对有机质
含量的作用强度即回归系数进行空间平稳性检验[38],
发现各变量均表现出显著的空间不稳定性, 具有统
计学意义。此外, 各变量的回归系数最小值、最大
值或上下四分位数等统计量相差较大且正负不同 ,
表明各变量对有机质含量的影响存在空间差异和
方向性差异。例如降水对有机质含量的影响在
−0.701~ 0.058之间, 意味着在某一空间位置降水量
增加 1%, 有机质含量可能减少−0.701%, 而在另一
空间位置则可能增加 0.058%, 体现出一定的方向
性差异。
3.4 土壤有机质含量的气候与社会经济影响因素
分析
3.4.1 气候变量
1)降水。大部分回归系数为负值, 仅有嫩江平原
和三江低平原少部分区域为正, 因此降水对有机质
含量以负影响为主。从回归系数绝对值的空间分布
来看, 研究区域东部较为均质, 最高值出现在西北
部; 研究区域西部回归系数则由中部向西北和东部
逐渐增加(图 3a)。
1108 中国生态农业学报 2014 第 22卷


表 5 黑龙江省中部土壤有机质的 GWR分析结果
Table 5 Results of GWR model for soil organic matter content of the study area in the central Heilongjiang Province
回归系数
Regression coefficient
x1** x2** x3** x4** x5** x6** x7** x8**
模型参数
Model parameter
最小值 Minimum −0.701 −0.809 −0.175 −1.132 −0.355 −0.276 −0.025 −0.213 AICc 878.350
最大值 Maximum 0.058 0.177 1.569 0.366 0.774 0.582 0.962 0.657 R2 0.572
平均值 Mean −0.265 −0.185 0.290 −0.256 0.227 0.027 0.258 0.104
上四分位数 Upper quartile −0.415 −0.323 −0.039 −0.571 −0.043 −0.060 0.099 −0.088
调整的 R2
Adjusted R2
0.507
中位数 Median −0.191 −0.188 0.287 −0.198 0.093 0.004 0.263 −0.016
下四分位数 Lower quartile −0.096 −0.014 0.461 −0.055 0.696 0.084 0.309 0.295
t统计量 t statistics −25.805 −17.097 16.068 −14.974 12.298 3.598 27.054 9.373
P值 P value 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

2)年均温。多数区域回归系数为负, 正值区域主
要集中在嫩江平原西北部和三江低平原东北部, 因
此年均温对有机质含量也以负影响为主。从回归系
数绝对值的空间分布来看, 研究区域东部回归系数
由东北向西南递增 , 西部则出现两个极大值区域 ,
呈圈层向四周递减(图 3b)。

图 3 黑龙江省中部土壤有机质含量的气候影响因素回
归系数空间分布(a降水; b: 年均温; c: 年日照时数)
Fig. 3 Spatial distribution of regression coefficients of climate
variables for soil organic matter content of the study area in the
central Heilongjian Province (a: precipitation; b: mean annual
temperature; c: annual sunshine hours)
3)年日照时数。克拜丘陵、松江平原北部、嫩
江平原北部以及三江低平原和三江台地大部等区域
回归系数为正, 年日照时数对上述地区有机质含量
产生正影响, 对嫩江平原西南部和松江平原南部则
主要为负影响。从回归系数绝对值的空间分布来看,
研究区域东部回归系数绝对值整体由西向东逐渐增
大, 研究区域西部则仍为北高南低(图 3c)。
3.4.2 社会经济变量
1)机械化耕作水平。正回归系数主要集中在嫩
江平原北部、西部和克拜丘陵部分区域, 其他区域
则多为负值。从回归系数绝对值空间分布来看, 研
究区域东部回归系数绝对值由中部向东、西两侧递
减, 研究区域西部则在克拜丘陵和松江平原交界处
出现极大值区域, 并向西北、东南两侧递减, 总体上
机械化耕作水平对研究区域西部有机质含量影响更
大。建议各地区应提高农业机械利用水平, 并有效
结合秸秆还田以提高土壤有机质含量(图 4a)。
2)灌溉面积。灌溉面积对整个研究区域(除松江
平原外)有机质含量以正影响为主。从回归系数绝对
值的空间分布来看, 研究区域东部回归系数分布较
为均质且多为高值, 说明灌溉面积对该区域有机质
含量影响较大, 而研究区域西部整体上西北低东南
高(图 4b)。
3)施肥量。嫩江平原南部、松江平原西北部和
三江低平原东北部等区域回归系数为负值, 施肥量
对有机质含量产生负效应, 其他区域则主要为正效
应 , 应考虑减少化肥施用量或调整各化肥施用比
例、增施有机肥, 否则长期不合理施用化肥易造成
土壤板结、肥力下降等后果。其他区域回归系数则
多为正值, 施肥量对其产生正影响。从回归系数的
绝对值空间分布来看, 研究区域东部回归系数整体
上西部较高, 在嫩江平原西南部和克拜丘陵出现高
值区域 , 施肥量对上述区域有机质含量影响较大
(图 4c)。
第 9期 石淑芹等: 气候与社会经济因素对土壤有机质影响的空间异质性分析 1109



图 4 黑龙江省中部土壤有机质含量的社会经济影响因
素回归系数空间分布(a: 机械化耕作水平; b: 灌溉面积;
c: 施肥量; d: 地膜用量; e: 农药用量)
Fig. 4 Spatial distribution of regression coefficients of
socio-economic variables for soil organic matter content of the
study area in the central Heilongjiang Province (a: mechanized
farming level; b: irrigation area; c: fertilization amount; d:
mulch film amount; e: pesticides consumption)
4)地膜用量。研究区域地膜用量回归系数多为
正值, 仅在松江平原有负值零星分布, 因此地膜用
量对有机质含量主要产生正影响, 可以考虑推广可
降解地膜的使用。从回归系数的绝对值空间分布来
看, 研究区域东部回归系数相对均质, 整体上西高
东低, 而研究区域西部则由中部向西北、东南两侧
递减(图 4d)。
5)农药用量。三江低平原和三江台地等区域回
归系数为负值, 即农药用量对研究区域东部有机质
含量以负影响为主。对于研究区域西部, 嫩江平原
和克拜丘陵大部分区域等回归系数为正值, 农药用
量对有机质含量以正影响为主; 而松江平原东部、
南部回归系数为负, 农药用量以负影响为主。从回
归系数的绝对值空间分布来看, 研究区域东部回归
系数高值区域出现在西北部, 西部整体上北高南低,
嫩江平原为极大值区域(图 4e)。
4 讨论
为探讨气候与社会经济因素对土壤有机质的影
响及其空间异质性, 本文以传统线性回归模型和方
差膨胀因子为基础选择了合适的气候和社会经济变
量, 并利用 GWR模型, 对降水、年均温和年日照时
数等气候因素以及机械化耕作水平、灌溉面积、施
肥量、地膜用量和农药用量等社会经济因素对土壤
有机质的影响进行定量化分析。线性回归模型较低
的判定系数(R2)以及由GWR模型得到的各变量回归
系数在大小乃至正负上随着空间位置变化而产生的
变化, 均表明了气候和社会经济因素对土壤有机质
的影响是空间异质的, 以允许局部估计的 GWR 模
型模拟有机质与其影响因素间的关系是合适的。此
方法既能够克服传统线性回归模型全局单一估计的
缺陷, 也同时考虑了气候与社会经济两类因素对有
机质影响的不同贡献率及其空间分异特性, 比以往
仅从气候或社会经济单一角度的分析更全面, 能够
为探讨土壤性质对全球变化的响应机制及空间规律
提供方法支撑, 为农户农田生产管理及农业管理部
门提供决策参考。
根据 GWR 估计结果, 气候变量中降水对有机
质含量以负影响为主, 特别是克拜丘陵地区。这与
通常认为的有机质随降水增加而增加不同[41]。可能
的原因有 : 研究区大部分位于半湿润区(年降水量
400~800 mm), 雨量集中于夏季, 冬季寒冷干燥, 土
壤经常干湿交替的状态使得有机质矿化分解速度加
快。此外, 根据回归系数绝对值, 多数区域可能因人
为灌溉活动影响而使降水对有机质的影响并不太大,
这与王丹丹等[42]在东北地区的研究结果一致。年均
温对有机质含量也以负影响为主, 特别是克拜丘陵
南部和松江平原北部等区域, 这与多数研究结果类
1110 中国生态农业学报 2014 第 22卷


似[41−42]。年日照时数则对除嫩江平原西南部和松江
平原南部外的多数区域有机质含量产生正影响, 要
充分利用绿色植物光合作用 , 增强生物固碳能力 ,
增加农田土壤有机物质输入, 提高有机质含量。但
由于目前的研究较多关注降水和气温等气候要素与
有机质之间的关系, 该结论还需进一步验证。
农田管理实践也会对土壤有机质产生一定影响[43]。
社会经济变量中 , 机械化耕作水平对嫩江平原北
部、西部和克拜丘陵部分区域有机质含量产生正影
响, 应注意提高机械化耕作效率并有效结合秸秆还
田, 发展机械秸秆还田技术。灌溉面积对有机质含
量的正影响范围较广, 特别是三江低平原和三江台
地。由于灌溉使得作物产量得以提高, 土壤有机质
含量也随之增加, 需考虑合理建设灌溉工程, 增加
灌溉面积, 这与宋莎等[44]的研究结论相类似。施肥
量对嫩江平原南部、松江平原西北部和三江低平原
东北部等有机质含量主要产生负影响, 其他区域则
主要为正效应。虽然施用化肥能提高作物生物产量,
增加作物残茬量, 从而促进有机质积累 [45], 但长期
不合理施用化肥也造成土壤板结、肥力下降等后果。
可根据施肥量对有机质影响的变化考虑适当增加或
减少施肥量, 调整化肥施用比例。地膜用量对有机
质含量的正影响范围较广, 可考虑推广可降解地膜
的使用。农药用量对有机质含量的影响对研究区域
西部以正影响为主, 对东部则以负影响为主。这两
个变量均反映了对农业的投入, 其对有机质含量的
影响机制仍需进一步探究和验证。
GWR 模型的不足之处在于其自变量与因变量
数据必须能够定量化与空间化。而秸秆还田、施肥、
耕作等农田生产管理措施多为定性数据或分类变量,
在空间模拟上具有较大难度, 因此本文利用 GWR
模型分析土壤有机质的气候与社会经济影响因素
时未将上述因素考虑在内。未来工作需要针对上述
因素开展野外抽样调查与农户访谈, 获取区域不同
的有机肥用量、秸秆还田量、种植制度等空间数据,
以便更加深入地揭示有机质含量空间分异的影响
机制。
5 结论
气候与社会经济变量对土壤有机质的影响是空
间异质的。气候变量中, 降水对有机质含量以负影
响为主, 特别是克拜丘陵地区。年均温对有机质含
量也以负影响为主, 特别是克拜丘陵南部和松江平
原北部等区域。年日照时数对除嫩江平原西南部和松
江平原南部外的多数区域有机质含量产生正影响。
反映农田管理实践的社会经济变量也会对土壤
有机质产生一定影响, 且具有空间异质性。机械化
耕作水平对嫩江平原北部、西部和克拜丘陵部分区
域有机质含量产生正影响, 应注意提高机械化耕作
效率并有效结合秸秆还田 , 发展机械秸秆还田技
术。灌溉面积对有机质含量的正影响范围较广, 特
别是三江低平原和三江台地。施肥量对嫩江平原南
部、松江平原西北部和三江低平原东北部等有机质
含量主要产生负影响, 其他区域则主要为正效应。
地膜用量对有机质含量的正影响范围较广。农药用
量对有机质含量的影响对研究区域西部以正影响为
主, 对东部则以负影响为主。
参考文献
[1] 张春华, 王宗明, 任春颖, 等. 松嫩平原玉米带土壤有机质
和全氮的时空变异特征[J]. 地理研究, 2011, 30(2): 256–268
Zhang C H, Wang Z M, Ren C Y, et al. Temporal and spatial
variations of soil organic and total nitrogen in the Songnen
Plain maize belt[J]. Geographical Research, 2011, 30(2):
256–268
[2] 赵莉荣 . 不同成土母质条件下土壤养分空间变异研究[D].
重庆: 西南大学, 2010
Zhao L R. Spatial variability of soil nutrients under different
parent materials[D]. Chongqing: Southwest University, 2010
[3] 杨艳丽, 史学正, 王果, 等. 江苏北部土壤属性空间分异及
其影响因素研究[J]. 土壤通报, 2009, 40(3): 465–470
Yang Y L, Shi X Z, Wang G, et al. Spatial heterogeneity of
soil properties and their affecting factors in the Northern
Jiangsu Province[J]. Chinese Journal of Soil Science, 2009,
40(3): 465–470
[4] 赵业婷, 常庆瑞, 李志鹏, 等. 1983—2009年西安市郊区耕
地土壤有机质空间特征与变化 [J]. 农业工程学报 , 2013,
29(2): 132–140
Zhao Y T, Chang Q R, Li Z P, et al. Spatial characteristics
and changes of soil organic matter for cultivated land in
suburban area of Xi’an from 1983 to 2009[J]. Transactions of
the Chinese Society of Agricultural Engineering, 2013, 29(2):
132–140
[5] 刘菊秀, 周国逸, 褚国伟, 等. 鼎湖山季风常绿阔叶林土壤
酸度对土壤养分的影响[J]. 土壤学报, 2003, 40(5): 763–767
Liu J X, Zhou G Y, Chu G W, et al. Effects of soil acidity on
the soil nutrients under Dinghushan monsoon evergreen
broad-leaved forest[J]. Acta Pedologica Sinica, 2003, 40(5):
763–767
[6] 陈冲, 周卫军, 郑超, 等. 红壤丘陵区坡度与坡向对耕地土
壤养分空间差异的影响[J]. 湖南农业科学, 2011(23): 53–56
Chen C, Zhou W J, Zheng C, et al. Impacts of slope gradient
and slope aspect on soil properties of farmland in red soil
hilly region[J]. Hunan Agricultural Sciences, 2011(23): 53–56
[7] 于洋 , 刘吉平 , 徐艳艳 . 东北典型黑土区土壤养分空间分
异影响因素分析[J]. 水土保持研究, 2009, 16(5): 66–69
Yu Y, Liu J P, Xu Y Y. Spatial variability characteristics of
soil nutrient contents in the black soil region of northeastern
China[J]. Research of Soil and Water Conservation, 2009,
16(5): 66–69
第 9期 石淑芹等: 气候与社会经济因素对土壤有机质影响的空间异质性分析 1111


[8] 李建辉, 李晓秀, 张汪寿, 等. 基于地统计学的北运河下游
土壤养分空间分布[J]. 地理科学, 2011, 31(8): 1001–1006
Li J H, Li X X, Zhang W S, et al. Spatial variation of soil nu-
trients in downstream districts of Beiyunhe River using geo-
statistical methods[J]. Scientia Geographica Sinica, 2011,
31(8): 1001–1006
[9] 孔祥斌, 张凤荣, 齐伟, 等. 集约化农区土地利用变化对土
壤养分变化的影响——以河北省曲周县为例[J]. 地理学报,
2003, 58(3): 333–342
Kong X B, Zhang F R, Qi W, et al. The influence of land use
change on soil fertility in intensive agricultural region: A case
study of Quzhou County, Hebei[J]. Acta Geographica Sinica,
2003, 58(3): 333–342
[10] 陈春瑜, 和树庄, 胡斌, 等. 土地利用方式对滇池流域土壤
养分时空分布的影响 [J]. 应用生态学报 , 2012, 23(10):
2677–2684
Chen C Y, He S Z, Hu B, et al. Effects of land use type on
spatio-temporal distribution of soil nutrients in Dianchi
watershed, Yunnan Province of Southwest China[J]. Chinese
Journal of Applied Ecology, 2012, 23(10): 2677–2684
[11] 戴志刚. 秸秆养分释放规律及秸秆还田对作物产量和土壤
肥力的影响[D]. 武汉: 华中农业大学, 2009
Dai Z G. Study on nutrient release characteristics of crop
residue and effect of crop residue returning on crop yield and
soil fertility[D]. Wuhan: Huazhong Agricultural University,
2009
[12] 汪军, 王德建, 张刚, 等. 连续全量秸秆还田与氮肥用量对
农田土壤养分的影响[J]. 水土保持学报, 2010, 24(5): 40–44
Wang J, Wang D J, Zhang G, et al. Effects of different
nitrogen fertilizer rate with continuous full amount of straw
incorporated on paddy soil nutrients[J]. Journal of Soil and
Water Conservation, 2010, 24(5): 40–44
[13] 江永红, 宇振荣, 马永良, 等. 秸秆还田对农田生态系统及
作物生长的影响[J]. 土壤通报, 2001, 32(5): 209–213
Wang Y H, Yu Z R, Ma Y L, et al. The effect or stubble
return on agro-ecological system and crop growth[J]. Chinese
Journal of Soil Science, 2001, 32(5): 209–213
[14] 李全起, 陈雨海, 于舜章, 等. 覆盖与灌溉条件下农田耕层
土壤养分含量的动态变化[J]. 水土保持学报, 2006, 20(1):
37–40
Li Q Q, Chen Y H, Yu S Z, et al. Dynamic variety of soil
nutrient content under conditions of straw mulching and
irrigation[J]. Journal of Soil and Water Conservation, 2006,
20(1): 37–40
[15] 潘世娟. 长期定位施肥条件下水田土壤有机质和全氮累积
变化研究[D]. 杨凌: 西北农林科技大学, 2011
Pan S J. Study on changes of soil organic matter and total
nitrogen in paddy soil under long-term experiments[D].
Yangling: Northwest A & F University, 2011
[16] 王国伟 , 闫丽 , 陈桂芬 . 变量施肥对改善土壤养分空间差
异性的综合评价[J]. 农业工程学报, 2009, 25(10): 82–85
Wang G W, Yan L, Chen G F. Comprehensive evaluation of
effect of variable rate fertilization on spatial variability of soil
nutrients[J]. Transactions of the Chinese Society of
Agricultural Engineering, 2009, 25(10): 82–85
[17] 田小明, 李俊华, 危常州, 等. 不同生物有机肥用量对土壤
活性有机质和酶活性的影响[J]. 中国土壤与肥料, 2012(1):
26–32
Tian X M, Li J H, Wei C Z, et al. Effect of different
bio-organic fertilizer application rate on soil active organic
matter and enzyme activities[J]. Soil and Fertilizer Sciences
in China, 2012(1): 26–32
[18] 赵鲁全. 1985—2005 年聊城市土壤有机质的时空变异分析[J].
环境科学研究, 2011, 24(4): 421–427
Zhao L Q. Spatio-temporal variations of soil organic matter in
Liaocheng City, Shandong Province over 1985−2005[J].
Research of Environmental Sciences, 2011, 24(4): 421–427
[19] 姜丽霞, 李帅, 纪仰慧, 等. 1980—2005年松嫩平原土壤湿
度对气候变化的响应 [J]. 应用生态学报 , 2009, 20(1):
91–97
Jiang L X, Li S, Ji Y H, et al. Responses of soil humidity on
Songnen Plain to climate change in 1980−2005[J]. Chinese
Journal of Applied Ecology, 2009, 20(1): 91–97
[20] 姜丽霞, 王萍, 李帅, 等. 黑龙江省土壤湿度的气候响应及
其与大豆产量的关系[J]. 干旱地区农业研究, 2011, 29(1):
34–40
Jiang L X, Wang P, Li S, et al. Responses of soil moisture to
climate change and relationship between soil moisture and
soybean yield in Heilongjiang[J]. Agricultural Research in the
Arid Areas, 2011, 29(1): 34–40
[21] 杨娟. 成都平原土壤重(类)金属演变的社会经济驱动研究[D].
雅安: 四川农业大学, 2005
Yang J. Study on socio-economic force to evolvement of soil
heavy metal in Chengdu Plain[D]. Ya’an: Sichuan
Agricultural University, 2005
[22] 邱扬, 傅伯杰, 王军, 等. 黄土丘陵小流域土壤水分空间预
测的统计模型[J]. 地理研究, 2001, 20(6): 739–751
Qiu Y, Fu B J, Wang J, et al. Spatial prediction of soil
moisture content using multiple-linear regressions in a gully
catchment of the Loess Plateau, China[J]. Geographical
Research, 2001, 20(6): 739–751
[23] Fotheringham A S, Charlton M, Brunsdon C. The geography
of parameter space: An investigation of spatial non-stationarity[J].
International Journal of Geographical Information Systems,
1996, 10(5): 605–627
[24] 覃文忠. 地理加权回归基本理论与应用研究[D]. 上海: 同
济大学, 2007
Qin W Z. The Basic theoretics and application research on
geographically weighted regression[D]. Shanghai: Tongji
University, 2007
[25] Le Sage J P. A spatial econometric examination of China’s
economic growth[J]. Geographic Information Sciences, 1999,
5(2): 143–153
[26] Brunsdon C, Fotheringham A S, Charlton M. Geographically
weighted regression as a statistical model[C]//Proceedings of
the 40th Annual Meeting of the Western Regional Science
Association. Palm Spring, California, February, 2001: 25–28
[27] 汤庆园 , 徐伟 , 艾福利 . 基于地理加权回归的上海市房价
空间分异及其影响因子研究 [J]. 经济地理 , 2012, 32(2):
52–58
Tang Q Y, Xu W, Ai F L. A GWR-based study on spatial
pattern and structural determinants of Shanghai’s housing
price[J]. Economic Geography, 2012, 32(2): 52–58
[28] 黑龙江省农业区划办公室 , 黑龙江省农业区划研究所 . 黑
1112 中国生态农业学报 2014 第 22卷


龙江省综合农业区划[M]. 哈尔滨: 黑龙江朝鲜民族出版社,
1985
Heilongjiang Province Agricultural Zoning Office, Institute of
Heilongjiang Province Agricultural Zoning. Comprehensive
Agricultural Zoning of Heilongjiang Province[M]. Harbin:
Heilongjiang Korean Nationality Press, 1985
[29] 高永刚, 顾红, 姬菊枝, 等. 近 43 年来黑龙江气候变化对
农作物产量影响的模拟研究[J]. 应用气象学报, 2007, 18(4):
532–538
Gao Y G, Gu H, Ji J Z, et al. Simulation study of climate
change impact on crop yield in Heilongjiang Province from
1961 to 2003[J]. Journal of Applied Meteorological Science,
2007, 18(4): 532–538
[30] 阎洪 . 薄板光顺样条插值与中国气候空间模拟[J]. 地理科
学, 2004, 24(2): 163–169
Yan H. Modeling spatial distribution of climate in China
using thin plate smoothing spline interpolation[J]. Scientia
Geographica Sinica, 2004, 24(2): 163–169
[31] 汤国安, 杨昕. ArcGIS地理信息系统空间分析实验教程[M].
北京: 科学出版社, 2006
Tang G A, Yang X. Experiment Course of ArcGIS
Geographical Information System Spatial Analysis[M].
Beijing: Science Press, 2006
[32] 李正国, 杨鹏, 唐华俊, 等. 气候变化背景下东北三省主要
作物典型物候期变化趋势分析 [J]. 中国农业科学 , 2011,
44(20): 4180–4189
Li Z G, Yang P, Tang H J, et al. Trend analysis of typical
phenophases of major crops under climate change in the three
provinces of Northeast China[J]. Scientia Agricultura Sinica,
2011, 44(20): 4180–4189
[33] 国志兴, 张晓宁, 王宗明, 等. 东北地区植被物候期遥感模
拟与变化规律[J]. 生态学杂志, 2010, 29(1): 165–172
Guo Z X, Zhang X N, Wang Z M, et al. Simulation and
variation pattern of vegetation phenology in Northeast China
based on remote sensing[J]. Chinese Journal of Ecology, 2010,
29(1): 165–172
[34] 张静, 张丽芳, 濮励杰, 等. 基于 GWR 模型的城市住宅地
价的时空演变研究——以江苏省为例[J]. 地理科学 , 2012,
32(7): 828–834
Zhang J, Zhang L F, Pu L J, et al. Research on spatio-
temporal variation of urban residential land price based on
GWR model: A case study of Jiangsu Province[J]. Scientia
Geographica Sinica, 2012, 32(7): 828–834
[35] 张金萍 , 秦耀辰 . 县域粮食单产及其生产投入因素的空间
异质性——以河南省为例[J]. 自然资源学报 , 2011, 26(3):
373–381
Zhang J P, Qin Y C. Spatial heterogeneity of grain yield per
hectare and factors of production inputs in counties: A case
study of Henan Province[J]. Journal of Natural Resources,
2011, 26(3): 373–381
[36] 高惠璇. 处理多元线性回归中自变量共线性的几种方法——
SAS/STAT 软件(6.12)中 REG 等过程增强功能的使用[J].
数理统计与管理, 2005, 20(5): 49–55
Gao H X. Some method on treating the collinearity of
independent variables in multiple linear regression[J].
Application of Statistics and Management, 2005, 20(5): 49–55
[37] 罗罡辉. 基于 GWR模型的城市住宅地价空间结构研究[D].
杭州: 浙江大学, 2007: 88–100
Luo G H. Spatial structure of urban housing land prices based on
GWR model[D]. Hangzhou: Zhejiang University, 2007: 88–100
[38] 董冠鹏, 张文忠, 武文杰, 等. 北京城市住宅土地市场空间
异质性模拟与预测[J]. 地理学报, 2011, 66(6): 750–760
Dong G P, Zhang W Z, Wu W J, et al. Spatial heterogeneity in
determinants of residential land price: Simulation and
prediction[J]. Acta Geographica Sinica, 2011, 66(6): 750–760
[39] 赵明松, 张甘霖, 李德成, 等. 江苏省土壤有机质变异及其
主要影响因素[J]. 生态学报, 2013, 33(16): 5058–5066
Zhao M S, Zhang G L, Li D C, et al. Variability of soil
organic matter and its main factors in Jiangsu Province[J].
Acta Ecologica Sinica, 2013, 33(16): 5058–5066
[40] 潘剑玲, 代万安, 尚占环, 等. 秸秆还田对土壤有机质和氮
素有效性影响及机制研究进展 [J]. 中国生态农业学报 ,
2013, 21(5): 526–535
Pan J L, Dai W A, Shang Z H, et al. Review of research
progress on the influence and mechanism of field straw
residue incorporation on soil organic matter and nitrogen
availability[J]. Chinese Journal of Eco-Agriculture, 2013,
21(5): 526–535
[41] Davidson E A, Janssens I A. Temperature sensitivity of soil
carbon decomposition and feedbacks to climate change[J].
Nature, 2006, 440(7081): 165–173
[42] 王丹丹, 史学正, 于东升, 等. 东北地区旱地土壤有机碳密
度的主控自然因素研究 [J]. 生态环境学报 , 2009, 18(3):
1049–1053
Wang D D, Shi X Z, Yu D S, et al. Main natural factors
controlling soil organic carbon density in the uplands of
Northeast China[J]. Ecology and Environmental Sciences,
2009, 18(3): 1049–1053
[43] Dai W H, Huang Y. Relation of soil organic matter
concentration to climate and altitude in zonal soils of China[J].
Catena, 2006, 65(1): 87–94
[44] 宋莎, 李廷轩, 王永东, 等. 县域农田土壤有机质空间变异
及其影响因素分析[J]. 土壤, 2011, 43(1): 44–49
Song S, Li T X, Wang Y D, et al. Spatial variability of soil
organic matter and its influencing factors at county scales[J].
Soils, 2011, 43(1): 44–49
[45] Hontoria C, Rodríguez-Murillo J C, Saa A. Relationships
between soil organic carbon and site characteristics in penin-
sular Spain[J]. Soil Science Society of America Journal, 1999,
63(3): 614–621