全 文 ：中国生态农业学报 2010年 7月 第 18卷 第 4期
Chinese Journal of Eco-Agriculture, July 2010, 18(4): 724−729


* 国家烟草行业栽培重点实验室项目(TCKL06001)和国家烟草专卖局平顶山市烟叶生产创新模式研究项目(30200197)资助
** 通讯作者: 刘国顺, 男, 博士生导师, 教授, 主要从事烟草栽培生理研究。E-mail: liugsh1851@163.com
江厚龙(1980~), 男, 博士生, 主要从事精准农业研究工作。E-mail: jhl513@163.com
收稿日期: 2009-09-12 接受日期: 2009-11-26
DOI: 10.3724/SP.J.1011.2010.00724
烟田土壤质地的空间变异性研究*
江厚龙 1 王新中 1,2 刘国顺 1** 杨夏孟 1 张瑞娜 1 薛庆梅 3 李延涛 4
(1. 河南农业大学烟草学院 国家烟草栽培生理生化研究基地 郑州 450002; 2. 云南省烟草公司大理市公司 大理 671000;
3. 河南省烟草公司平顶山分公司 平顶山 467000; 4. 河南省烟草公司郏县分公司 郏县 467100)
摘 要 为了解烟田土壤质地的空间变异情况进而为烟草精准施肥提供依据, 本研究在地统计学和 GIS 的支
持下, 以半方差函数为基本工具, 分析了平顶山地区典型烟区耕层土壤质地的空间变异特征, 并运用普通克
里格(Kriging)进行最优无偏线性插值, 制作了黏粒、砂粒和粉粒的空间分布图。结果表明, 研究区域内不同土
壤颗粒在较大范围内存在空间自相关性, 黏粒、砂粒和粉粒的空间自相关距离分别为 609 m、657 m和 429 m;
黏粒和砂粒由结构性因素引起的空间变异达 80%。各向异性分析都表明, 黏粒和砂粒存在较强烈的各向异性,
粉粒各向异性则较小。对试验土壤来说, 土壤质地具有较强的空间自相关性和变异性, 这可能是影响土壤养分
空间变异性的主要原因, 因此在设计施肥方案时应考虑土壤质地空间变异性的影响。
关键词 土壤质地 空间变异性 克里格插值 烟田土壤
中图分类号: S152.4 文献标识码: A 文章编号: 1671-3990(2010)04-0724-06
Spatial variability of soil texture in tobacco field
JIANG Hou-Long1, WANG Xin-Zhong1,2, LIU Guo-Shun1, YANG Xia-Meng1,
ZHANG Rui-Na1, XUE Qing-Mei3, LI Yan-Tao4
(1. College of Tobacco, Henan Agricultural University; National Tobacco Cultivation, Physiology and Biochemisitry Research Center,
Zhengzhou 450002, China; 2. Dali Branch, Yunnan Province Tobacco Company, Dali 671000, China; 3. Pingdingshan Branch, Henan Prov-
ince Tobacco Company, Pingdingshan 467000, China; 4. Jiaxian Branch, Henan Province Tobacco Company, Jiaxian 467100, China)
Abstract To understand the distribution mode of soil texture for enhanced precision fertilization in tobacco fields, spatial variabil-
ity of soil texture in Pingdingshan tobacco field was analyzed via geostatistics method on Geographic Information System (GIS)
platform. The spatial distributions of clay, sand and silt were then quantitatively built by ordinary Kriging — a linear unbiased inter-
polation method. The results show that soil granules have relatively large auto-correlation lengths, and with spatial heterogeneity
scales of 609 m, 657 m and 429 m respectively for clay, sand and silt. About 80% of spatial variability of clay and sand is caused by
structural factors. Directional semi-variogram analysis indicates that clay and sand have a relatively high spatial auto-correlation.
Further analysis shows that while clay and sand are highly anisotropic, silt is feebly anisotropic. Our experiment demonstrates that
the relatively strong spatial correlation and spatial variability of the soil texture may be the major factor responsible for spatial varia-
tions in soil properties, especially initial distributions of soil texture. It is therefore suggested that spatial variations in soil texture
should be incorporated in fertilization scheme designs.
Key words Soil texture, Spatial variability, Kriging, Tobacco field soil
(Received Sept. 12, 2009; accepted Nov. 26, 2009)
20 世纪 70 年代国际学术界提出了空间变异理
论, 它是研究随机变量空间变异性的理论, 地统计
学是其研究的主要方法。地统计学是以区域化变量
理论为基础 [1−2], 研究分布于空间显示一定结构和
随机现象的统计方法。自空间变异理论诞生以来 ,
国内外众多学者应用该理论对土壤性质的空间差异
性进行了大量研究。一些学者[3−6]分别就沙质壤土、
林木地土壤和红壤丘陵进行了大量研究 ; 还有学
第 4期 江厚龙等: 烟田土壤质地的空间变异性研究 725


者[7−12]对灌丛地、林地、山地、草地、芦苇地和农
业用地土壤养分的空间变异性做了深入研究; Jack-
son 等[13]研究了林木对土壤养分空间变异特征的影
响, 发现植物周围土壤养分的空间变异结构与土壤
养分的本底特征存在差异; Mallarino[14]研究了免耕
玉米地和大豆地两个尺度磷和钾的空间变异特征 ,
将小尺度的周期性波动归因于重复的条带施肥, 而
大尺度的周期性波动归因于大范围的商业性施肥。
另外对水文水质[15−16]、城市大气[17]、气象要素[18]、
地形地貌 [19]等方面的空间变异性也进行了较多
研究。
土壤质地是构成土壤结构体的基本单元, 不同
粒径的土壤颗粒具有不同的理化性质, 不同土壤粒
径含量的组合构成不同质地的土壤类型, 影响土壤
的理化性质, 决定着土壤的持水和保肥能力、通透
性和保温能力及其物理、化学和生物学过程。土壤
颗粒组成的空间变异性是农户确定水肥用量及其时
期的重要依据。目前关于土壤质地空间变异性的研
究报道甚少。本文借助地统计学和 GIS 技术对土壤
质地的空间变异性做了尝试性研究, 旨在了解平顶
山市郏县烟田土壤质地的空间变异特征, 揭示其变
异规律, 为烟田精准施肥提供理论基础。
1 材料与方法
1.1 研究区域概况
本研究选择平顶山地区郏县东南堂街镇岔河村
典型烟草种植地块, 种植制度为一年 1 作, 面积 87
hm2。村中心位于东经 113°17′8″、北纬 33°53′5″。该
区属暖温带大陆性季风气候, 光照充足, 四季分明。
年平均气温 14.6 ℃, 无霜期 220 d左右, ≥10 ℃年
活动积温 4 734.9 ℃, 年日照时数 2 232.2 h, 日照率
50%。年平均降雨量 680 mm, 7~9月份降雨量占全年
的 70%左右, 属“丘陵干热少雨区”, 高温期与多雨
期同步。土壤类型为褐土。
1.2 样品采集与分析
本研究于 2007年 3月中旬整地起垄前进行土壤
样品的采集工作, 利用 GPS 定位技术, 采用“网格
法”取土壤样品, 取样间隔 100 m。采样时以网格点
为圆心、5 m为半径的范围内采集 10钻 0~20 cm的
耕层土壤组成代表该点的混合样本, 共采集样品 81
个(图 1)。
采集土样带回实验室内自然风干、磨碎、过筛
后备用, 采用比重计法测定土壤质地[20]。按国际制
标准, 根据土壤质地中的粒级粒径大小划分为砂粒
(0.02~2 mm)、粉粒(0.002~0.02 mm)、黏粒(<0.002
mm)3个等级。

图 1 试验区土壤采样点分布图
Fig. 1 Soil sampling points and boundary of study area

1.3 数据处理
本研究利用 SPSS 10.0 进行异常值剔除、基本
统计和正态分布检验, 应用 GS+软件[21]进行半方差
分析、理论模型拟合和 Block-Kriging 插值, 图层的
编辑和输出在 ArcGIS 9.0中完成。
1.3.1 半方差函数
地统计学方法考虑到空间变量的结构性变异和
随机性变异 , 是处理土壤特性随机变量的有效工
具。地统计学的原理和方法前人已作详细阐述[22−23],
这里就半方差函数做简要介绍。半方差函数是描述
空间变量的一个关键函数, 它能描述空间变量的变
异结构 [24], 反映不同距离观测值之间的变化。
Matheron[1]在区域化变量满足二阶平稳和本征假设
的条件下, 将半方差函数定义为:

( )
2
1
1 [ ( ) ( )]
2 ( )
N h
i i
i
h z x h z x
N h
γ
=
+ −∑（ )= (1)
式中, r(h)为半方差函数; h为样点空间间隔距离, 称
为步长; N(h)为间隔距离为 h的样点; Z(xi)和 Z(xi+h)
分别是区域化变量 Z(x)在空间位置 xi 和 xi+h 的实
测值。
1.3.2 Kriging插值
Kriging 插值是目前地统计学中应用最广泛的
最优内插法 , 它是利用已知点的数据去估计未知
点(x0)的数值, 其实质是 1个实行局部估计的加权平
均值:
0
1
( ) ( )
n
i i
i
Z x Z xλ
=
= ∑ (2)
式中, Z(x0)是在未经观测的 x0 点上的内插估计值,
726 中国生态农业学报 2010 第 18卷


iλ 为权重, Z(xi)是在点 x0 附近若干观测点上获得的
实测值。根据半方差模型对未测点进行 Kriging插值,
可绘出试验区土壤养分的空间分布图。Kriging内插
法是目前地统计学应用最广泛、最优的内插法, 它
是根据半方差分析所提供的空间自相关程度信息进
行插值, 可以对未采样点给出最优无偏估计, 而且
能同时提供估计值的误差和精确度[25]。
2 结果与分析
2.1 土壤质地的描述性统计和正态分布性检验
样本平均值、标准差、变异系数、最大值、最
小值、中值及定义概率等广泛应用于数据分析中 ,
是反映数据整体结构分布特征和数据分析的第一步,
也是对数据更进一步分析的基础[26]。对土壤质地测
定的结果进行经典统计分析, 统计特征值见表 1。

表 1 土壤属性数据的描述性统计
Tab. 1 Descriptive statistics of soil properties
土壤质地
Soil texture
平均值
Mean (%)
标准差
SD (%)
方差
Variance (%)
最小值
Min (%)
中值
Median (%)
最大值
Max (%)
变异系数
CV (%)
偏度
Skewness
K-S检验
PK-S
合理取样数
Reasonable samples
砂粒 Sand 43.8 5.7 32.1 30.5 44.2 53.6 13.0 −0.52 0.733 21
粉粒 Silt 41.7 4.8 22.7 32.6 41.6 54.6 11.5 0.38 0.934 17
黏粒 Clay 14.5 3.4 11.7 7.8 14.3 24.9 23.4 0.46 0.353 42

根据 Cochran[27]方法计算研究区域合理取样数
结果见表 1, 本研究获取的 81 个样品在 95%置信区
间、5%均值允许误差条件下能满足试验要求。变异
系数(CV)的大小反映了土壤质地在各采样点之间的
空间变异性程度, CV<10%时为弱变异性, >100%时
为强变异性, 介于二者之间为中等变异性[28]。由变
异系数可以看出, 研究区域土壤质地各成分均属于
中等变异程度, 且变异系数变化规律为黏粒>砂粒>
粉粒。而陈洪松[29]的研究结果表明, 砂粒的变异系
数最大 , 黏粒次之 , 粉粒最小 , 三者都属于弱变异
性且其最大值(9.6%)小于本研究的最小值(11.5%)。
由于平均值和变异系数反映的是整块地的总体情况,
掩盖了具体每个位置的变化信息, 因此有必要利用
地统计学方法进一步分析[30]。
由偏度、峰度和 Kolmogorov-Smirnov(P>0.05)
检验表明, 土壤质地的 3 种成分测定数据均符合或
近似符合正态分布的要求(表 1)。因此, 所测数据满
足使用地统计分析要求, 可以进行地统计分析。
2.2 土壤质地的半方差函数分析
2.2.1 各向同性下半方差函数分析
地统计学中的各向同性是指在计算变异函数值
时不区分方向, 只要距离为 h 的点均可参与计算。
为揭示该研究区域土壤质地各成分的空间分布状况,
本研究将砂粒、粉粒和黏粒百分含量的变异函数列
入表 2, 图 2是三者的半方差函数图。由表 2可知: 砂
粒和黏粒为球状模型, 粉粒为指数模型, 其决定系
数分别为 0.986、0.990和 0.971, 残差分别为 7.436、
0.687 和 1.030, 表明拟合效果较好; 其变异函数曲
线变化比较平稳, 表明在整个尺度上各种生态过程
同等重要[31]。本研究结果与刘付程等[32]的研究结果
有出入, 其研究表明砂粒和粉粒为指数模型, 黏粒
为球状模型, 可能是由于采样间隔和成土母质等不
同所致。
Li 等 [33]认为, 空间异质性主要由两部分组成,
即随机部分和自相关部分。块金值代表随机变异的
量, 是由试验误差和小尺度引起的变异, 较大的块


图 2 土壤质地的半方差函数图
Fig. 2 The semivariogram maps of soil texture
第 4期 江厚龙等: 烟田土壤质地的空间变异性研究 727


表 2 土壤质地半方差函数理论模型及有关参数
Tab. 2 Theoretical models and corresponding parameters for semivariogram of soil texture
分形维数 Fractal dimension土壤质地
Soil texture
模型
Model
块金值
C0
基台值
C0+C
变程
Range (m)
块金值/基台值
C0/(C0+C) (%)
决定系数
R2
残差
RSS D R2
F检验
F-test
黏粒 Clay S 2.720 14.500 609 18.760 0.990 0.687 1.724 0.975 **
砂粒 Sand S 7.700 40.130 657 19.190 0.986 7.436 1.734 0.987 **
粉粒 Silt E 11.000 25.100 429 43.820 0.971 1.030 1.915 0.941 *
S: 球状模型 Spherical model; E: 指数模型 Exponential model. 下同 The same below. * P<0.05, ** P<0.01.

金方差值表明较小尺度上的某种过程不容忽视; 基
台值表示系统内总变异; 块金系数表示随机因素引
起的变异占系统总变异的比例 ; 从结构性因素角
度看 , 块金系数可以表示系统变量的空间相关性
程度。
由表 2可知, 三者的结构性方差比C/C0+C)均大
于 50%, 结构性变异均大于随机变异, 表明土壤质
地不同成分含量的分布均具有较强的空间自相关格
局, 砂粒和黏粒的结构性方差比大于 75%, 表明两
者具有强烈的空间自相关性, 高于粉粒的空间自相
关性。砂粒和黏粒具有强烈的空间相关性, 具备较
好的结构性, 而粉粒具有中等空间相关性, 结构性
较前两者差; 这三者空间相关性主要是由于结构性
因素引起的, 如气候、母质、地形、土壤类型等, 而
施肥、耕作措施、种植制度等各种人为活动只能使土
壤特性的空间相关性减弱, 朝均一化方向发展[34]。本
研究结果与刘作新等[35]研究结论略有不同, 其研究
结果为 : 砂粒和粉粒的块金系数较小 , 分别为
0.21%和 0.22%, 黏粒的块金系数较大, 为 21.3%。
分形维数 D反映自相关部分的空间异质性程度,
各土壤质地成分的分形维数分别为 1.915(粉粒)、
1.734(砂粒)和 1.724(黏粒), 说明粉粒受随机因素影
响较大、结构性较差、分布复杂; 砂粒次之; 黏粒的
分维数最小 , 随机因素影响最小 , 分布简单 , 结构
性最好。贾晓红等[2,36−38]研究结果表明土壤质地由粗
到细的变化, 颗粒大小分形维数由小到大的结论与
本研究稍有不同。
变程的大小反映区域化变量自相关范围的大小,
在变程范围内变量具有空间自相关特性, 反之不存
在[23]。由表 2可知, 三者的变程为 429~657 m, 大于
本研究的采样间距(100 m), 说明本研究的取样尺度
是可行的。由半方差函数理论模型拟合的决定系数
可以看出, 三者的决定系数均达到 0.97(粉粒)以上,
说明半方差函数模型的选取基本符合要求。
2.2.2 各向异性下半方差函数分析
半方差函数在各个方向上区域化变量差异性不
同称为各向异性。各向同性是相对的, 各向异性是
绝对的[23]。就区域化变量而言, 半方差函数不仅与
步长(h)有关, 还与方向有关[30]。由表 3 可知, 黏粒
在 75°和 120°方向上各向异性比为 1, 说明黏粒在这
两个方向上差异不明显, 表现为各向同性; 在 25°和
163°方向上各向异性比分别为 1.58 和 2.47, 表明黏

表 3 土壤质地各向异性半方差函数理论模型及相关参数
Tab. 3 Theoretical models and corresponding parameters for anisotropic semivariogram of soil texture
土壤质地
Soil texture
主轴方向
Principal axis (°)
模型
Model
块金值
C0
基台值
C0+C
主轴变程
A1
亚轴变程
A2
块金值/基台值
C0/(C0+C)
决定系数
R2
各向异性比
A1/A2
25 E 3.15 20.67 670.70 423.40 0.15 0.87 1.58
75 E 0.01 20.23 404.90 404.90 0.00 0.88 1.00
120 E 0.01 19.99 397.90 397.90 0.00 0.89 1.00
黏粒 Clay
163 E 3.15 22.11 904.30 366.70 0.14 0.88 2.47
0 S 10.48 60.34 1 637.00 1 089.00 0.17 0.89 1.50
43 E 4.12 53.59 447.90 447.90 0.08 0.91 1.00
100 E 2.74 54.71 447.90 447.90 0.05 0.93 1.00
砂粒 Sand
145 E 4.30 56.27 504.90 482.70 0.08 0.93 1.05
34 L 17.61 51.01 2 292.00 2 292.00 0.35 0.53 1.00
80 L 18.41 56.30 4 149.00 2 170.00 0.33 0.52 1.91
126 L 18.50 58.94 3 460.00 3 248.00 0.31 0.54 1.07
粉粒 Silt
170 L 14.99 47.60 1 487.00 1 487.00 0.31 0.52 1.00
L: 线性模型。在各向异性分析时角度容差设为 45°, 其中正东−西方向为 0°。L: Linear model. The offset tolerance was set to be 45° in the
anisotropy analysis and the east-west direction was 0°.
728 中国生态农业学报 2010 第 18卷


粒在这两个方向上变异性较大, 为各向异性。砂粒
在 43°、100°和 145°方向上的各向异性比分别为
1.00、1.00和 1.05, 都接近或等于 1, 说明其变异性
较小, 可以认为这 3 个方向上近似各向同性; 砂粒
在 0°方向的各向异性比为 1.5, 在这个方向上具有
一定的变异性。粉粒在 80°方向的差异性明显, 各
向异性比为 1.91; 在 34°、126°和 170°的各向异性
比都接近或等于 1, 说明粉粒在这 3 个方向是各向
同性的。
2.3 Kriging插值分析
土壤特性在空间分布上既具有随机性, 又具有
一定的相关关系。经典统计学不能分析土壤特性空
间分布和空间变异结构, 随着地统计学的发展, 将
Kriging 插值法引入到土壤特性空间变异性研究, 使
得土壤特性研究变得简单化。
为更直观地了解研究区域土壤质地的空间分
布和变化特征 , 根据半方差函数分析结果 , 采用
Block-Kriging 最优内插法绘制研究区域土壤质地
空间分布图(图 3)。从图中可以直观地了解研究区
域内土壤质地不同粒级土粒含量的空间分布特征。
结果表明, 土壤砂粒(0.02~2 mm)、粉粒(0.002~0.02
mm)和黏粒(<0.002 mm)[20]含量均呈较明显的渐变
性分布规律。土壤砂粒含量以北部较高, 而西南部
较低; 粉粒和黏粒含量分布与砂粒分布基本呈相反
趋势。根据黏粒含量, 土壤质地可分为砂土类、壤
土类 (黏粒含量<15%)、黏壤土类 (15%<黏粒含量
<25%)和黏土类 (黏粒含量>25%)[38]。从土壤质地
中黏粒、砂粒和粉粒的分布图可以看出, 该研究区
域土壤质地包括壤土和黏壤土两类 , 壤土占研究
区域土壤的绝大部分 , 黏壤土仅在西南角有小块
分布。
3 结论
通过对平顶山地区郏县东南堂街镇岔河村典型
烟草种植地块的土壤质地分析表明: 粉粒的结构性
最差, 分布最复杂; 砂粒次之; 黏粒的结构性最好,
分布最简单。土壤各粒级都在一定范围内存在空间
自相关关系, 但黏粒的空间自相关性最强, 砂粒次
之, 粉粒空间自相关性最弱。黏粒的各向异性最强,
空间变异性最大; 砂粒空间变异性小, 具有一定的
趋势效应, 各向异性小; 粉粒具有极小的各向异性。
Kriging 插值图显示: 该研究区域土壤砂粒含量以北
部较高, 西南部较低, 而粉粒和黏粒的分布趋势与
砂粒相反; 该研究区壤土占绝大部分面积, 黏壤土
仅在西南角有小块分布。

图 3 研究区土壤质地的空间分布图
Fig. 3 Contour maps of soil texture of the studied area

参考文献
[1] Matheron G. Principles of geostatistics[J]. Economic Geology,
1963, 58: 1246−1266
[2] Journel A G, Huijbregts C J. Mining geostatistics[M]. London:
Academic Press, 1978
[3] 徐吉炎, Webster R. 土壤调查数据地域统计的最佳估值研
究——彰武县表层土全氮量的半方差图和块状 Kriging估值
[J]. 土壤学报, 1983, 20(4): 419−430
[4] 周慧珍, 龚子同, Lamp J. 土壤空间变异性研究[J]. 土壤学
第 4期 江厚龙等: 烟田土壤质地的空间变异性研究 729


报, 1996, 33(3): 232−241
[5] 路鹏, 彭佩钦, 宋变兰, 等. 洞庭湖平原区土壤全磷含量地
统计学和 GIS 分析 [J]. 中国农业科学 , 2005, 38(6):
1204−1212
[6] 黄智刚 , 李保国 , 胡克林 . 丘陵红壤蔗区土壤有机质的时
空变异特征[J]. 农业工程学报, 2006, 22(11): 58−63
[7] 贾晓红, 李新荣, 张景光, 等. 沙冬青灌丛地的土壤颗粒大
小分形维数空间变异分析 [J]. 生态学报 , 2006, 26(9):
2827−2833
[8] 王峰 , 石辉 . 林地土壤性质空间变异性与土壤入渗过程的
研究[J]. 水土保持通报, 2007, 27(2): 15−19
[9] 廖桂堂, 李廷轩, 王永东, 等. 基于 GIS和地统计学的低山
茶园土壤肥力质量评价 [J]. 生态学报 , 2007, 27(5):
1978−1986
[10] 范亚宁, 党蕊娟, 李世清, 等. 云雾山草地土壤氮素及有机
质空间变异特征[J]. 水土保持研究, 2007, 14(4): 82−87
[11] 杨帆, 邓伟, 章光新, 等. 苏打盐渍土地区芦苇地土壤盐分
离子空间变异与群落关系研究[J]. 土壤学报, 2008, 45(4):
594−560
[12] Liu G S, Wang X Z, Zhang Z Y, et al. Spatial variability of
soil properties in a tobacco field of central China[J]. Soil
Science, 2008, 173(9): 659−667
[13] Jackson R B, Caldwell M M. The scale of nutrient heteroge-
neity around individual plants and its quantification with
geostatistics[J]. Ecology, 1993, 74(2): 612−614
[14] Mallarino A P. Spatial variability patterns of phosphorus and
potassium in no-tilled soils for two sampling scales[J]. Soil
Science Society of America Journal, 1996, 60: 1473−1481
[15] 肖斌 , 赵鹏大 , 侯景儒 . 地质统计学新进展[J]. 地球科学
进展, 2000, 15(3): 293−296
[16] 刘瑞民, 王学军, 郑一, 等. 地统计学在太湖水质研究中的
应用[J]. 环境科学学报, 2002, 3(2): 1−3
[17] 赵宙, 王赞红, 张玉亮, 等. 城市近地面大气颗粒物空间分
布的检测与分析[J]. 生态环境, 2008, 17(3): 980−984
[18] 常文渊 , 戴新刚 , 陈洪武 . 地质统计学在气象要素场插值
的实例研究[J]. 地球物理学报, 2004, 47(6): 982−990
[19] 王民 , 李占斌 , 崔灵周 . 大理河流域地貌分形特征空间变
异研究[J]. 水土保持学报, 2008, 28(5): 104−107
[20] 南京农业大学 . 土壤农化分析 [M]. 北京 : 农业出版社 ,
1986
[21] Robertson G P. GS+ geostatistics for environmental science
user manual[M]. Gamma Design Software. Version 3.1.
Plainwell, MI: 1998
[22] 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(8): 651−657
[23] 王政权. 地统计学及其在生态学中的应用[M]. 北京: 科学
出版社, 1999
[24] Goovaerts P. Geostatistical tools for characterizing the spatial
variability of microbiological and physico-chemical soil
properties[J]. Biology Fertility of Soils, 1998, 27(4): 315−334
[25] 苏伟, 聂宜民, 胡晓洁, 等. 农田土壤微量元素的空间变异
及 Kriging估值[J]. 华中农业大学学报, 2004, 23(2): 222−226
[26] Facchinelli A, Sacchi E, Mallen L. Multivariate statistical and
GIS-based approach to identify heavy metal sources in soil[J].
Environmental Pollution, 2001, 114(3): 313−324
[27] Cochran W G. Sampling techniques[M]. New York: John
Wiley & Sons, 1977
[28] 王绍强 , 朱松丽 , 周成虎 . 中国土壤土层厚度的空间变异
性特征[J]. 地理研究, 2001, 20(2): 161−169
[29] 陈洪松. 坡面尺度土壤特性的空间变异[J]. 水土保持通报,
2004, 24(6): 45−48
[30] 陈义强 , 刘国顺 , 习红昂 . 微尺度下烟田铁的空间变异性
及其与烟叶铁的相关分析 [J]. 生态学报 , 2009, 29(3):
1448−1458
[31] Trangmar B B, Yost R S, Uehara G. Application of geostatis-
tics to spatial studies of soil properties[J]. Advance Agron-
omy, 1985, 38: 44−94
[32] 刘付程, 史学正, 潘贤章, 等. 苏南典型地区土壤颗粒的空
间变异特征[J]. 土壤通报, 2003, 34(4): 246−250
[33] Li H, Reynolds J F. On definition and quantification of het-
erogeneity[J]. Oikos, 1995, 73: 280−284
[34] Cambardella C A, Moorman T B, Novak J M, et al.
Field-scale variability of soil properties in central Iowa
soils[J]. Soil Science Society of America Journal, 1994, 58:
1501−1511
[35] 刘作新 , 唐力生 . 褐土机械组成空间变异等级次序地统计
学估计[J]. 农业工程学报, 2003, 19(3): 27−32
[36] 汤国安, 杨昕. 地里信息系统空间分析实验教程[M]. 北京:
科学出版社, 2006: 384−385
[37] Zhang R D. Applied geostatistics in environmental sci-
ence[M]. North Brunswick: Science Press USA Inc, 2005
[38] 鲍士旦. 土壤理化分析[M]. 北京: 中国农业出版社, 2000