空间变异范文

空间变异范文（精选10篇）

空间变异 第1篇

在水文地质领域,地下水模型要涉及到地下水水位、渗透系数、地下水溶质浓度等参数或变量,其中,渗透系数是含水介质(裂隙介质和孔隙介质)中最为重要的水文地质参数[1],渗透系数具有空间变异性,是随空间位置而变化的随机函数,它既具有随机性,又具有结构性。研究渗透系数空间变异性是研究地下水流和溶质运移的基础,且渗透系数的空间变异性比其他水文地质参数(如孔隙度)要大得多。国内外对于渗透系数空间变异性已做了大量的研究工作[2,3],把渗透系数视为区域化变量进行研究,进行地质统计学分析。地统计学方法与经典统计学方法相比,其最大的优点在于考虑了变量的空间结构信息,能够对未知样点进行无偏最优估值。由于测试区的独特位置,作者利用地统计学方法研究该测试区土壤的渗透系数,分析渗透系数的空间特性,为下一步较准确地模拟地下水流和地下水质问题奠定基础。

1 基本理论

地质统计学(geostatistics)的雏形是20世纪50年代,在南非矿业学家Krige提出的矿产品位和储量估值方法基础上,于20世纪60年代由法国著名的统计学家Matheron在此基础上建立起来的。地质统计学是以区域化变量为基础,以变异函数为核心,以克立格插值法为手段,分析研究自然现象的空间变异问题。

1.1 区域化变量

可将具有空间变异性的渗透系数作为区域性变量,形成以空间坐标xu、xv、xw为自变量的随机场Z(xu,xv,xw)=Z(x)。也就是说渗透系数具有随机性和结构性2个特征。随机性特征表现为:任意空间点x处,其渗透系数的取值是不确定的,渗透系数是一个随机变量。结构性特征表现为:在2个不同空间点渗透系数具有某种程度的自相关性,一般而言2个点间距越小,相关性越好。这种自相关性反映了渗透系数的某种连续性和关联性,体现了其结构性的一面。

1.2 半方差函数

既然渗透系数是与空间有关的变量,可以用半方差函数(也称为空间变异函数(semivariograms))来计算它。半方差函数既能描述区域化变量的结构性特征,又能描述其随机性变化。半方差函数是描述土壤特性空间变异结构的一个函数。假设随机函数均值稳定,方差存在且有限,我们把区域化变量Z(x)在x、x+h 2点处样本值之差的方差之半定义为Z(x)在x方向上的变异函数(又称方差函数),记为γ(x,h)。实际工作中我们用实验方差函数γ(h)的计算公式:

式中:Z(xi)为本次研究中渗透系数在n个点上的测量值;数据对[Z(xi),Z(xi+h)][i=1,2,,n(h)]为在某一方向上相距为h的点对(xi,xi+h)上的测量值;n(h)为数据对{Z(xi),Z(xi+h)}的对数。对于不同间距的h可计算出相应的γ(h)值。

这里要说明的是,当然,数据对越多,计算的半方差函数值的精度越高。对不同的滞后距h,公式(1)可以算出相应的γ(h)值来。对于每一个滞后距hi,把诸点[hi,γ(hi)]在h~γ(h)图上标出,再将相邻的点用线连接起来所得到的图形,称为实验半方差函数图(或实验方差图)。为了对区域化变量的未知值作出估计,还需要将实验方差函数拟合成相应的理论方差函数模型。模型拟合的好坏直接决定决定了空间结构分析的可靠性。拟合的模型有多种,由于球状模型结构较简单,并且球状模型满足条件非负要求,只要变量具有空间变异性,都可以选择球状模型来计算。具体的球状模型如下:

式中:C0为基台值;C0+C为块金值;a为变程值。

通过模型的拟和得到3个重要的参数:变程值a(Range),基台值C0(Sill),块金值(C0+C)(Nugget),其中变程值反映了渗透系数的空间变异特性,在变程值以外,渗透系数是空间独立的,而在变程值以内,渗透系数是空间非独立的。块金值代表一种由非采样间距造成的变异,一般是指渗透系数的测定误差。基台值是指在不同采样间距中存在的半方差极大值。球状模型的参数(见图1)。另外,基台值/块金值可表示空间变异程度。

2 试验材料和方法

2.1 测试区概况

传统获取渗透系数的方法很多,比如野外抽注水试验、示踪试验、岩芯取样实验、数值模拟反求等方法。这些方法耗时长、费用高,因此要想得到某一特定点的渗透系数较难。本次测试区位于华北平原一条古河道南侧的河漫滩,测区北边界距离古河道10 m,且地下水位埋深1~2 m,滩地沉积层为粉质沙土。古河道水流方向为从西流向东,南侧滩地宽50~60 m,本次测试区为一块40 m40 m的滩地,布置2条相互垂直剖面,一条剖面线平行于主河道方向(E-W),共20个试验样;另一条剖面线垂直于主河道方向(S-N),共20个试验样。每个试验样长度约为60 cm,试验样距地面深度为1.3 m,取样间距为2 m。共取得40个土样进行室内土工试验,获取渗透系数值。

2.2 测试方法

本次试验所测定的项目为含水介质的渗透系数。采用南55型渗透仪,用变水头实验方法进行渗透实验,最终得到含水介质的垂向渗透系数数据共40个。

3 测试结果与讨论

3.1 渗透系数的变异系数

半方差函数的结构参数具有重要意义,可直接用于空间变量的结构分析。

变异系数C1的大小反映沉积物性质、地形、植被等环境因素造成的空间变异程度,主要受2个方面的影响:一是受取样间距的影响;二是试验误差的影响。一般认为:C1<0.1为弱变异性,0.1C11.0为中等变异性,C1>1.0为强变异性。

从表1中的统计资料来看,所测得渗透系数的变异系数其变化范围为0.44~0.73,均属中等变异性。本次试验中,剖面方向为S-N时,渗透系数的变异系数为0.73;剖面方向为E-W时,渗透系数的变异系数为0.44。含水介质渗透系数的变异系数受含水介质成分的影响,漫滩沉积既受季节影响,又受河道比降影响,一般而言,沿河道方向的含水介质成分变化大于垂直河道方向的,因此垂直河道方向其渗透系数的变异系数大于平行于河道方向的变异系数。

从以上的分析结果可以得知,渗透系数这个区域化变量具有地学的结构特征和统计学的随机特征。当然这些统计值只能在一定程度上反映样本总体,而不能定量地刻画含水介质渗透系数的随机性和不规则性、独立性和相关性,要对其解释并进行定量化,必须对其进行空间变异结构分析。

3.2 渗透系数的空间变异结构分析

块金值是半方差函数达到的极限值,在这个值附近半方差函数值不再单调递增,而是围绕这一值上下波动。如果半方差函数的块金值存在,说明渗透系数这一空间变量平稳。根据试验结果,作出2个剖面方向含水介质渗透系数的半方差函数图(见图2和图3),根据半方差函数图可以检验渗透系数的空间变异性。

从图2和图3可以看出,在一定范围内,E-W向含水介质渗透系数的试验方差函数值均随钻孔间距的增大而增加,从非零值达到一个相对稳定的常数,即当其间距增加到一定程度后,半方差函数值在某一常数上下摆动时,这一常数就是块金值C0+C,与这一块金值相对应的间距就是变程a,且变程a等于最大自相关距离。当h<a时,含水介质的渗透系数之间存在着空间上的相关关系;当h≥a时,其渗透系数值是独立的。当间隔距离h=0时,γ(0)=C0,该值即为基台值C0。而S-N向其渗透系数的试验方差函数值与钻孔间距大小没有很大的相关性,基本上是一个稳定的常数,这个常数也是块金值。

根据计算的2个方向渗透系数的实验方差函数值,选用球状模型进行拟合,可得出球状模型中的各个参数(C、a、C0)(见表2)。

从表2中可以看出渗透系数在E-W的含水介质中其基台值C0=0.2,块金值C+C0=0.61,变程值a=17.9。当钻孔间距h≥a=17.9 m时,自相关函数的值为零,方差函数值趋于稳定。也就是说,在E-W方向的含水介质中,当钻孔间距小于17.9 m时,渗透系数具有明显的空间变异性,可以把渗透系数当作区域化变量处理;当钻孔间距大于17.9 m时,渗透系数不具有空间相关关系,可以把渗透系数看作是相互独立的随机变量。渗透系数在S-N方向的含水介质中其基台值C0=0.41,块金值C0+C=0.49,变程值a=29.8。当钻孔间距h≥a=29.8 m时,方差函数值趋于稳定。同样,当钻孔间距小于29.8 m时,渗透系数具有明显的空间变异性;当钻孔间距大于29.8 m时,其不具有空间相关关系。这对实际的野外试验时要根据不同方向来布置钻孔间距,节省资金和时间。在E-W方向上,钻孔间距可以布置小点;在S-N方向上,钻孔间距布置的大些。

试验区渗透系数的空间变异既具有结构性,又具有随机性。它们对含水介质的变异性影响程度可以从基台值与块金值之比[C0/(C0+C)]来表示,如果该比值较高,说明由随机部分引起的空间变异性程度较大;相反,说明由系统变异引起的空间变异性程度较大;如果该比值在1附近,则说明该变量在整个研究尺度上具有恒定的变异。从表2计算结果可以看出本测试区E-W向渗透系数的空间变异性主要是由含水介质的沉积结构本身引起的,而由随机部分引起的变异程度较小,不起主要作用。而S-N向渗透系数的空间变异性主要是由随机部分引起的变异,含水介质的沉积结构本身引起的变异很小,不起主要作用。

4 结论

(1)根据地质统计学的基础理论研究,可以把含水介质的渗透系数看作区域化变量。

(2)根据试验结果,针对本测试区,不同方向的含水介质渗透系数均具有空间变异性,其变异系数范围为0.44~0.73,均属于中等变异性。E-W方向渗透系数的变异系数大于S-N方向的。

(3)在研究区范围内,E-W方向渗透系数的空间相关距离为17.9 m;S-N方向渗透系数的相关距离为29.8 m,这给野外布置钻孔距离时提供参考依据。并且测试区E-W方向渗透系数的空间变异性主要是由沉积结构本身引起的,而S-N向渗透系数的空间变异性主要是由随机部分引起的。

参考文献

[1]陈彦,吴吉春.含水层渗透系数空间变异性对地下水数值模拟的影响[J].水科学进展,2005,16(4):482-487.

[2]李金荣,杨振放,李云峰,等.两种方法在地下水位估值中的应用[J].水文地质工程地质,2003,(3):42-46.

[3]李金荣,杨振放,郭建青.变差函数在地下水位估值中的应用研究[J].西北水资源与水工程,2002,13(4):6-9.

[4]孙洪泉.地质统计学及其应用[M].北京:中国矿业大学出版社,1990.

[5]孙爱华,朱士江.Visual MODFLOW在八五三农场地下水数值模拟中的应用[J].中国农村水利水电,2009,(3):24-27.

[6]白忠,徐旭.河套灌区解放闸灌域地下水数值模拟[J].节水灌溉,2008,(2):28-31.

[7]郑丽萍,郭建青,徐海芳,等.山东禹城地区土壤入渗特性的空间变异研究[J].节水灌溉,2008,(11):11-13.

空间变异 第2篇

采用网格取样法对三块不同时间的铲运机复垦重构土壤以及一块普通农田进行了取样化验,求得有机质值,应用地质统计学理论和克立格法,研究了铲运机复垦重构土壤有机质的空间变异性.结果表明:三块实验田均为对数正态分布.实验田3在0°和135°方向的土壤有机质的半变差函数模型为纯块金效应模型,在其它方向和另外二块实验田的`半变差函数模型均为球状模型.用克立格估值作出了三块实验田有机质含量的分布等值线图,为评价复垦后土壤质量状况提供了直接依据.

作 者：戚家忠 赵艳玲 杨璐 QI Jia-zhong ZHAO Yan-ling YANG lu 作者单位：戚家忠,QI Jia-zhong(皖北煤电集团公司,安徽,宿州,234000;中国矿业大学(北京)土地复垦与生态重建研究所,北京,100083)

赵艳玲,杨璐,ZHAO Yan-ling,YANG lu(中国矿业大学(北京)土地复垦与生态重建研究所,北京,100083)

空间变异 第3篇

关键词 地统计学 ；GIS ；空间变异

分类号 S794.1

合理的氮、磷、钾肥施用是目前橡胶园土壤养分管理的核心内容，而橡胶园土壤的供肥特性则是合理施肥的前提基础。中国橡胶园土壤具有地形地貌复杂、耕作经营分散、单元地块面积狭小等特点，土壤管理模式比较复杂。因此，研究橡胶园土壤养分的空间变异特征，探索一套适合橡胶园土壤的管理模式，具有重要的意义。随着20世纪60年代以区域化变量理论为基础的地统计分析方法和3S技术的发展，国内外众多学者应用GIS和地统计学相结合的方法对不同尺度或不同作物上土壤养分的空间差异性进行了大量研究[1-5]，对土壤养分管理提供了很多有效措施[6-8]。本研究应用地统计学和GIS相结合的方法对保亭县橡胶园土壤氮磷钾的空间变异特性进行分析，为橡胶园的土壤管理提供依据。

1 材料与方法

1.1 研究区概况

保亭县位于海南省南部内陆，五指山南麓，北纬18°23′～18°53′，东经109°21′～109°48′，东接陵水县，南邻三亚市，西联乐东县，北依琼中县。县境东西宽49 km，南北长54 km，总面积1 160.6 hm2，地势西北高东南低，西部为高山区，北部为山区谷地，中部为低丘盆地，西南部为山地、高丘。保亭县属热带季风气候区，具有热量丰富，雨量充沛，蒸发量大，季风变化明显的特点；全年日照约1 900～2 000 h，日照百分率达45%；年平均气温20.7～24.5℃，年平均降雨量2 000 mm。全县辖6个镇、3个乡：保城镇、什玲镇、加茂镇、响水镇、新政镇、三道镇、六弓乡、南林乡、毛感乡，境内有通什、新星、金江、南茂、三道5个国有农场以及国营保亭热作所。

1.2 土壤样品采集与分析

土壤样品采集于2013年8～10月，用GPS与海南省保亭县行政矢量电子图结合指导定位，用网格采样法进行采样，网格间距为2.5 km×2.5 km，每个网格内各采集15个点的胶园0～20 cm土层（I）、20～40 cm土层（Ⅱ）土壤样品，各土层土壤样品充分混匀后作为一个混合样品，总共采取了338个土壤样品，并详细记录每个网格内中心采样点的经纬度坐标。土样带回实验室后经风干、过筛后再进行分析化验。全磷采用氢氧化钠碱熔-钼锑抗比色法测定，速效磷采用盐酸-氟化铵法测定[9]。

1.3 数据处理

利用spss 11.0对土壤养分指标进行常规统计，涉及地统计学的主要包括半方差函数和Kriging插值。其中，半方差函数分析采用GS+ version 9，空间插值采用Arcmap 9.3的地统计学分析模块进行。

2 结果与分析

2.1 土壤养分统计特征值

对保亭县胶园0～40 cm土层的土壤速效氮、速效磷、速效钾进行描述性统计分析，得到相应的统计特征值（表1）。结果表明，土壤速效氮、磷、钾含量的分布范围分别为12.95～187.08、0.85～71.65、9.50～140.84 mg/kg，平均值分别为66.52、6.86、40.16 mg/kg。速效磷含量的变异系数为125.98%，属于强变异；速效氮和速效钾的变异系数分别为48.45%和48.35%，为中等变异；各指标均属对数正态分布。以上描述性统计指标值反映了保亭县胶园土壤速效养分含量的差异，可能是各地区差别化施肥管理措施造成的结果，也可能是土壤养分本底值差异造成的结果，而各养分指标符合正态分布类型，则表明其可运用地统计学方法进行养分差异原因的进一步探索。

2.2 胶园土壤速效养分氮、磷、钾的空间结构分析

应用地统计方法，对采用网格法结合GPS定位技术采集的橡胶园土壤样品的速效磷和速效钾进行了空间变异分析（表2、3）。由表2可以看出，胶园土壤速效磷和速效钾的各向同性半方差函数理论模型均为球形，预测误差均值接近于0，均方根预测误差与平均标准误差最接近，标准均方根预测误差接近于1，表明橡胶园各土层速效磷和速效钾空间变异结构的半方差函数模型建立结果良好。

由表3 可知，土壤速效氮、速效磷和速效钾含量的变程，也即最大相关距离分别为6 938.8、18 040.8、6 938.8 m，即在两土层速效养分观测值对应的最大相关距离内，各观测值之间存在空间相关性，反之，各观测值之间相互独立。土壤养分指标半方差函数的块金值与基台值之比反映了养分指标的空间变异性程度和空间变异来源，土壤速效氮和速效磷含量的块金值与基台值之比分别为75.59%和84.39%，表明速效氮和速效磷的空间相关性较弱，主要受施肥管理等随机因素影响其空间分布特征，而土壤速效钾的块金值与基台值之比为55.38%，表明其空间相关性中等，空间分布受自然因素和随机因素共同影响。

2.3 胶园土壤速效养分氮、磷、钾的空间分布特征

根据GS+ version 9中各养分指标的半方差函数拟合参数，在ARCMAP 9.3的地统计学模块中进行Kriging插值、等级分类等，获得胶园速效氮、速效磷和速效钾含量的等级分布图（图1）。图1表明，保亭县胶园土壤速效氮整体水平较低，主要为第四和第五等级，其中第四等级占49.89%，第五等级占50.096%。保亭县胶园土壤速效磷含量以北部最高，主要为第三等级，中部为第四等级和第五等级交叉分布，南部主要为第四等级。保亭县胶园土壤速效磷含量整体水平为中偏低，61.58%为中下水平的第四等级，26.83%为低水平的第五等级。保亭县胶园速效钾含量南部较高，主要为第四等级，中部主要为第五等级，北部为第五等级和第六等级交叉分布，以第五等级为主。速效钾整体水平较低，75.04%为低水平第五等级，12.38%为极低水平的第六等级（表4）。

土壤养分空间变异性研究 第4篇

土壤养分的空间变异性通常是指土壤养分随着空间位置不同而发生的变化,它是普遍存在的[1]。土壤养分空间变异性的研究对于科学合理地制定农田施肥方案,提高养分利用效率,实现精准施肥具有重要意义[2]。空间插值是土壤养分空间变异性中普遍使用的研究方法之一[2,3],其原理是利用已知的部分空间样本信息对未知的地理空间特征进行估计,通过离散点的测量数据获取研究区域内的连续的数据曲面,以实现区域内数据的空间变异性特征研究的目的[4]。因此,空间插值方法和采样点的密度都会对插值精度产生影响。另外,土壤养分的空间变异性是与研究尺度(比例尺)密切相关的[5],同一种养分在不同尺度(比例尺)上可能表现出不同的空间变异性特征。因此,研究尺度、插值方法的比较及采样方式和密度等都是土壤养分的空间变异性研究中普遍关注的研究内容。

1 研究尺度

从研究的尺度看,土壤养分空间变异研究主要集中于单一尺度的研究和多尺度的研究。单一尺度下土壤养分变异性的研究主要目的是通过对土壤养分的空间变异性分析,为当地变量施肥和提高作物产量提供一定的依据。例如,Lee (2000)根据对研究小区农田化学性质以及产量空间变异性得到化学性质与产量的相互关系[6]。徐茂(2006)以江苏省环太湖地区的苏州市、无锡市和常州市所辖范围的12个县市为研究对象,运用地统计学的方法对研究区域土壤肥力质量的单因子及综合肥力质量指数特性的时空变异特征进行了分析,并探讨了不同土壤类型和不同类型成土母质对土壤肥力质量特性时空演变的主要影响[7]。空间插值的精度是与分析尺度相关的,但并不是尺度越小,其插值精度也越高,大尺度下的地统计学插值精度也可能高于小尺度[8]。

在大尺度下,土壤单元被认为是同质的,它们之间的变异常常被忽视[9];而在小尺度下进行空间变异分析时,大尺度上的变异往往由于比较微弱而作为“随机变异”被忽视或者降维扣除[2]。因此,在不同的尺度下,同一土壤养分可能体现出不同的空间变异性特征,单一尺度的研究往往不利于对养分空间变异结构的理解。土壤养分的多尺度研究可以有效弥补单一尺度研究的不足,实现不同尺度空间变异性分析的互补。这不仅可以得到更为丰富的信息,加深对土壤养分空间结构的理解[10,11];还能在一定程度上通过选择合适的尺度而获得更高的空间估值精度,并尽可能地减小采样分析工作量[12]。例如,对1∶250000杭嘉湖平原、1∶50000平湖市、1∶2000同心村试验小区3个不同尺度区域内的中国南方水稻田的研究发现,土壤养分的变异随着研究尺度的增加而增加,不同尺度上的有机质和全氮均表现为中等程度的空间相关,但有效磷在平湖市和同心村实验小区两个研究尺度上未发现明显的空间结构性[13]。以茶园和茶园内的地块为研究对象发现,在不同尺度下,同一肥力因子在两个尺度下的空间变异方向不完全相同,但微尺度下的土壤养分空间变异性研究,能够在一定程度上弥补小尺度分析的不足[2]。

2 插值方法的比较

即使是针对相同的土壤养分含量,不同的插值技术得到的精度往往也是不同的[14,15];而如果一个模型内部参数改变,也会影响插值的精度[16,17]。这主要是与数据类型有关。不同的数据类型得出的结论可能完全是不同的。很多学者进行了相关的研究,但是并没有得到一种能够适合于所有类型数据,具有最高精度的空间插值方法[17,18]。

目前,针对同一养分变量的空间插值技术的比较研究,可以分为两个方面:一是确定性插值和地统计插值技术的比较[19,20,21,22];二是不同克里格插值方法的比较[23,24,25]。确定性插值和地统计插值技术的比较,已经进行了大量的研究。地统计插值在很多时候都表现出了比确定性插值更好的优越性。例如,王珂(2000)和石小华(2006)分别以7.9hm2和765km2的研究范围,对土壤钾素的空间插值方法进行的比较研究发现,克里格插值方法均比其他方法获得了更高的精度[26,27]。李晓燕(2004)在对吉林德惠市土壤速效钾的空间插值方法比较中也认为克里格方法的插值精度要优于其他的确定性方法的结论[28]。但由于学者选择的研究对象(养分含量)和研究范围不同,有时反距离加权的插值精度可能要高于克里格方法[18,20]。

在地统计插值中,普通克里格、简单克里格和对数正态克里格是克里格插值中较常使用的方法[14,18]。协同克里格、回归克里格等方法,可以尝试利用从遥感影像、数字高程模型获取的辅助变量,如植被指数、高程和坡度坡向等因子来提高该方法的精度[24,25,29,30,31]。因此,克里格方法之间的比较,通常是这些容易添加辅助变量的方法与普通克里格、简单克里格及对数正态克里格等方法的比较[23,24,25]。

不同空间插值技术内部参数的变化对空间插值技术影响的研究,通常也是伴随着插值方法的比较而进行的。确定性插值技术的精度要受到邻域和指数的影响,而克里克插值的精度除了要受邻域的影响,还要受到变异函数理论拟合模型的影响[18,20,21,26]。变异函数理论模型的确定要涉及块金值、基台值、偏基台值和变程等参数[32],其参数设置相对较为复杂。也有研究者试图建立反距离加权插值精度与指数、偏斜度和变异系数的关系,但他们的研究并未得出一致的结论[18]。

3 采样方式及采样密度

传统的土壤采样布置方法都是基于采样区土壤特征状态空间随机变异的假设,但土壤养分的变化并不是完全随机的,而是在空间上具有一定的关联性。用传统的土壤采样方法往往难以精确描述土壤特征整体和局部的变化[3,33],这在某种程度上会对空间插值的精度造成影响[22]。有研究指出,空间插值的精度是随着采样密度的增加而增加的[17],但采样密度的增加也会引起采样成本的增加。因此,如何在节省野外采样成本的同时,保证空间插值的精度,一直是学者们比较关注的问题[3,32,34]。

研究发现,在满足相同精度的条件下,克里克插值方法所需要采集的样品比传统方法少[35]。因此,通过经典采样与克里克结合的方法,可以实现对采样点布置的优化设计[33]。土壤养分数据分布趋势,通常也是影响采样方法和采样数目的因素。当土壤养分呈现正态分布时,可采样区域纯随机采样方法,根据置信水平下不同的相对误差来确定合理的采样数[36];当土壤养分呈现偏峰分布时,则可采用分层区域的最适分配法来确定合理的采样数目[37,38]。土壤养分的变异系数也可被用来确定取样数目及其样点分布[39]。而地统计学与分形理论、经典统计学的结合在获取以足够的精度反映土壤养分分布空间差异性的采样密度上也发挥着重要的作用[33,34]。

通常情况下,采样的密度越大,其插值精度越高;但也有一部分的插值结果反而在较小的采样密度小获得了较高的插值精度,养分含量空间变异性的强弱在很大程度上决定了合理采样密度的大小[40] 。一般来说,研究区内采样点数目为100~150个的时候是满足制图需要的[18,19,41],对于地统计插值中各向异性的检验,通常需要300个以上的样本[18,42]。但是,这个样本数量对中国土壤养分空间变异研究可能并不合适[21]。

4 结语

就目前的研究而言,并没有发现一种有效的插值方法能够通过模型内部参数的改变在所有的土壤属性制图中得到最高的精度[18]。而对于不同的研究尺度,其采样方式和采样密度也可能是不同的。这主要是由于土壤养分的高度变异性特征所引起的。对于不同的研究区内,还应继续研究适合本研究区的最佳的研究尺度、插值方法、采样方式和采样密度。但由于土壤养分的空间变异性的复杂性,空间距离不是影响其空间变异性的唯一因素。时间、气候、植被、地形、母质、土壤类型和耕作措施等都会对土壤养分的空间变异性产生影响。因此,综合利用遥感、地理信息系统、专家知识和模糊数学等多种技术手段,获取更多有助于理解土壤养分空间变异特征的信息,将土壤的时空变异性特征相结合,建立反映土壤时空变异特征的过程模型,将可能成为土壤空间变异性特征研究的一个发展趋势。

摘要：土壤养分空间变异性是指导土壤养分管理、科学施肥的重要依据,已经引起了广泛的关注。为此,从研究尺度、插值方法、采样方式和采样密度3个研究方向对土壤养分空间变异性研究进展进行了概括和总结。同时,指出探索适合不同尺度的插值方法、采样方式和采样密度仍是今后进一步研究的方向,而综合利用多种技术手段建立土壤养分的时空过程模型,将可能更有助于土壤养分变异性特征的表达。

空间变异 第5篇

作 者：武芳文 赵雷 作者单位：武芳文(长安大学,公路学院,陕西,西安,710064)

赵雷(西南交通大学,土木工程学院,四川,成都,610031)

空间变异 第6篇

研发活动(R&D)是指在科学技术领域,为增加知识总量以及运用这些知识去创造新的知识而进行的系统的创造性活动,包括基础研究、应用研究、试验发展三类活动。研究与开发活动是科技活动最重要组成部分,是科技进步的源泉。科技资源是科技活动的物质基础,是创造科技成果、推动整个经济和社会发展的要素的集合。科技资源配置成果很大程度体现在科技成果,而科技成果的量化表现在专利授权数量及存量、高水平科技论文数量、技术市场和高技术产业的发展状况。研究各项科技产出在省级区域之间的布局,能够更好地分析各地区科技资源禀赋,促进科技资源在省级区域之间优化配置。

吴贵生等对区域科技的定义作了系统性研究,认为广义区域科技是指区域内科技资源(科研机构、人员、仪器设备、科技基础设施等)和科技活动的总和,包括中央、地方及跨国公司研究开发机构及其一切科研活动[1]。由于难以区分某一地区内不同性质的主体科技资源,本文接受广义区域科技的定义,因此,科技产出是本地区内所有R&D主体利用本区域科技资源的科技活动成果。

2 研究方法与数据来源

区域经济学关于衡量空间分布指标主要分两类:一是集中度指标,用来分析某种经济或科技等活动在地理空间上集中的程度;二是均衡度指标,用来分析某种经济或科技等活动在地理空间上均衡分布的程度面。常用指标有集中指数、集中度、分散度、洛伦茨曲线、标准偏差、变差系数、基尼系数等(刘再兴等)[2]。集中度更关注两极分化程度,对整体均衡性的反映还不够,因此,加入变异系数、洛伦兹曲线及基尼系数。

集中度可以用在全国所占比重居前的几个区域的比重之和来表示。刘再兴等认为区域经济中通常可以选择前三或前五位个体[2];而Shy 则认为产业组织内往往选择前四位或前八位个体[3]。本文在研究全国科技集中度时,在对省区科技资源大致分类的基础上,参照徐建国的经验,选取前11位个体[4];计算洛伦兹曲线和基尼系数,以0.1为区间长度;聚类分析方法参考余锦华、杨维权的方法[5]。

专利授权数和有效专利数、外国主要检索工具收录的科技论文数、技术市场成交合同数量与金额、技术流向地域合同数量与金额等指标来源于《中国科技统计年鉴20072011》,高技术产业主营业务收入、新产品销售收入来自《中国高技术产业统计年鉴20072011》。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省市区;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省市区;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆12个省市区。

3 各类科技产出的空间变异

不同的投入类型会有不同的产出结构,例如北京,在发明专利和科技论文有较强的优势,而其投入也是基础研究和应用研究为主,资金主要来源政府;同时,产出结构也能在一定程度上显示各地区科技资源禀赋。接下来分析专利、科技论文、技术市场、高技术产业等四个方面的空间变化。发明专利、实用新型专利、外观设计专利、高质量科技论文、技术市场成交合同、高技术产业发展等是主要科技成果,大致可以分为基础理论成果,是指在基础研究和应用研究中得到的新发现、新学说,成果的主要形式有发明专利、高质量科技论文等;应用技术成果,是指在科学研究、技术开发和应用中取得的新技术、新工艺、新产品、新材料、新设备,以及农业、生物新品种、矿产新品种和计算机软件等,这些成果主要表现为实用新型专利、外观设计专利等,技术市场成交合同情况和高技术产业的发展可以比较集中地体现该类成果。

3.1 专利

2010年全国专利授权总数为740 620项,其中发明专利仅为79 767项(占10.77%),实用新型专利342 256项(占46.21%),外观设计专利318 597项(占43.02%)。2010年全国授权发明专利份额比2009年低2.26个百分点。江苏、广东、浙江、山东、上海、北京、四川是专利产出最多的7个省市区,专利产出都超过了3万项,占了2010年专利授权总数的72.61%。2009年江苏超越广东,成为专利申请授权数最多的地区,增长速度高,但广东有效专利数仍是最大的,如图1所示。广东、江苏、浙江是持有有效专利最多的省市区,这三个省市区2010年有效专利数占全国的47.51%。有效专利数量与专利保护年限有关,在保护期内专利权利人拥有相应的权利。专利保护期限是一把双刃剑,保护期限延长,对当事人有更好的保护作用,但是不利于促进该项技术对全社会做出更大的贡献。北京的发明专利比重最高,虽然其专利授权总数不足江苏的四分之一,但发明专利数量却是江苏的1.56倍。实用新型专利的地区分布相对均匀,而外观设计专利的集中度高。这与外观设计的特性有关,它是对产品的形状、图案、色彩或者其结合所作出的富有美感并适于工业上应用的新设计,与地区的企业发展有重要关联。

注:数据为本文处理得到,下同

3.2 科技论文

首先分析三大检索工具收录我国科技论文的情况,侧重分析SCI论文。国外主要检索工具收录科技论文数是《SCI》(美国《科学引文索引》)、《EI》(美国《工程索引》)、《ISTP》(《科学技术会议录索引》)收录的论文数量。2009年SCI、EI、ISTP收录我国科技论文253 982篇,在此三系统所占的比重分别为42.84%、36.62%、20.54%,其中东中西部呈现明显的递减趋势,东部是中部的2.82倍,中部是西部的1.53倍。北京在科技论文方面一枝独大,总数为48 554篇,约占全国的五分之一,是第2位上海的1.94倍。西部的四川、陕西,中部的湖北,科技论文数量排在前十位,这与该三地区的投入密切相关,它们的R&D经费内部支出排在全国前11位,其中政府资金的份额较大,主要流向了以基础研究和应用研究为主的研究与开发机构、高等学校。这可能是这三个地区科技论文产出较高的原因。三类检索工具收录我国科技论文数量的空间布局基本一致,集中度和基尼系数比较接近。SCI论文是基础性创新的重要体现,这些成果主要来源于从事基础研究和应用研究较多的研究与开发机构、高等学校,而企业则更重视试验发展。SCI收录论文地区分布的不均衡性在下降。20062009年间,西部地区很多省市区SCI收录论文数量平均增长率都在20%以上,如海南、重庆、新疆、广西、贵州、内蒙古、四川、云南、陕西,其中海南超过30%;中部的江西、河南、黑龙江年均增长率都大于24%;而东部地区只有江苏和广东大于20%。

注:计算中未包含西藏

3.3 技术市场

技术市场发展情况在一定程度上代表本地区科技发展情况。各地区技术市场的成交合同金额以及流向本地区的合同金额反映技术交易的情况。“十一五”期间,2010年全国技术市场成交合同金额为3 906.58亿元,是2006年的2.15倍;各地区流入的合同金额为3 906.58亿元,比2006年增加了115.87%;75.91%的技术合同交易在东部各地区技术市场成交。北京技术市场交易规模占全国的40.43%;是技术合同交易最为活跃的地区;其次是上海、江苏、广东,四地的成交合同金额占了全国的63.90%。2010年北京的专利申请授权数量不足江苏、广东浙江的30%,但技术市场成交合同金额却遥遥领先,是广东的5倍。这可能是因为北京技术市场发展比较成熟,吸引很多其他地区的技术合同到北京交易。2010年有25个地区的技术合同成交金额小于流入本地区的合同金额,特别是河北、宁夏、新疆、海南等地,本地区技术交易规模很小,流入本地区的技术合同金额是本地区交易额的5倍以上。

技术市场发展地区之间非常不均衡,成交合同金额的基尼系数集中度都大于0.86、基尼系数都大于0.7,但流向各地区的技术合同金额相对均衡。通过技术合同地区之间流动,满足技术市场不成熟、技术合同供给主体少的地区的技术需求。在无法及时改善每个地区技术市场建设的情况下,应当鼓励技术合同流动,减少流动的障碍,促进技术这一重要生产要素合理流动,提高配置水平。

3.4 高技术产业

专利不仅要有数量,更要侧重质量,以及转化为技术收入的情况,即应用价值。本文选取高技术产业主营业务收入、新产品销售值作为主要分析对象。2010年我国高技术产业有28 189个企业,年平均从业人员10 922 252人,当年价总产值为74 708.9亿元,实现利润4 879.7亿元,主营业务收入为74 482.8亿元,实现利税6 753.1亿元,新产品销售收入16 364.76亿元。“十一五”期间我国高技术产业平稳发展,主营业务收入平均值增长率为15.69%,新产品销售收入年均增长16.68%。

由表4可以发现高技术企业的主营业务收入高度集中,集中度接近1,基尼系数都超过了0.60。广东省高技术产业主营业务收入为20 952.8亿元,是第二位江苏(16 169.6亿元)的1.30倍,上海(7 019.7亿元)的2.98倍,山东(5 148.8亿元)的4.07倍。广东、江苏、山东、上海的增加值占全国的比例为66.18%,东部占全国的比例为85.75%,中、西部分别占全国的8.79%、5.45%。

新产品销售收入的不均衡性比主营业务收入更强,说明高技术产业新产品开发能力集中在极少数地区。广东2010年新产品销售收入为6 046.43亿元,占全国的份额为36.95%,是江苏(2 561.90亿元)的2.36倍,北京(1 360.78亿元)的4.44倍,上海(1 176.20亿元)的5.14倍,这四省市的新产品销售收入占了全国的68.11%。东部地区的出口交货值更是占全国的91.17%,高技术产业出口几乎集中在东部,中部和西部占全国的比例分别仅为5.37%、3.46%。新产品销售收入占主营业务收入的比例偏低,2010年有24个地区的比例低于25%。

中西部各省市区在承接传统产业转移过程中,应当注重培育新兴产业,加快发展高技术产业。对于湖北、陕西、四川等具有较强研发实力的地区,应改善激励机构引导科技成果在本地区转化生产力。高技术产业主营业务收入、新产品销售收入与大中型工业企业的R&D经费支出高度相关,Pearson相关系数均在0.75～0.95之间,而与研发机构、高校的相关系数为0.1655～0.5068、0.3943～0.7215。这个结论是显然的,产业主体是企业,而企业研发的技术主要是竞争性,具有较强商业性,这些技术研发能够较为直接地增加新产品销售收入。研发机构的R&D经费与高技术产业的增加值的关系比较弱,而研发机构将大部分的资金用于试验发展,这可能是因为研发机构的效率还不够高或成果转化率低,或者技术成果外流较为严重。

注:由于西藏新产品销售收入只有2009年的数据,因此将其舍弃;青海省缺2008年的数据,用2007年和2009年的平均值代替

4 科技产出类型识别

由于科技资源投入的侧重点不同以及资源禀赋不同,因此,不同地区的科技产出也呈现出不同类型。识别科技产出类型,可以更好地认知该地区的科技资源禀赋结构,更好地优化科技投入。使用2010年有效专利数、有效专利中发明专利比例、专利申请授权数、技术市场成交合同金额、流向本地区的技术合同金额、高技术产业主营业务收入、高技术产业新产品销售收入,2009年SCI、ISTP、EI收录科技论文以及SCI收录论文数比例,共9个指标进行聚类分析。为了消除量纲对回归结果的影响,本文进行了归一化处理,归一化公式为(x-min)/(max-max),处理后的数值都在0和1之间。运用Ward最小方差法进行聚类,将30个省(市区)分为六类。聚类结果由表5和图5所显示。

第一类北京属于科技论文、技术市场占优型,在三种检索工具收录论文和技术市场占绝对地位;专利数量相对低,但发明专利优势明显;高技术产业与广东、江苏、山东、上海相比,仍有一定的差距。

第二类江苏、浙江、广东三省属于专利增量与存量、高技术产业占优型。这三个地区的有效专利数和申请授权数都是第二位的山东的两倍多;高技术产业发展良好,具有较好的新产品开发能力。广东是高技术产业表现最为优秀的地区,新产品销售收入独树一帜,但三种检索工具收录的科技论文数量广东省排名第八。

第三类省市区属于专利、高技术产业略占优,其有效专利、申请授权数仅次于第一、二类地区,且发明专利比例低于平均值;山东和上海的高技术产业主营业务收入仅次于广东和江苏。

第四类省市区属于科技论文、技术市场略占优型,这些地区在科技论文、技术市场这两方面都相对出色。

第五类省市区属于均衡发展、整体偏弱型。

第六类省市区为偏弱型。

注:未将西藏进行聚类分析

5 结论与讨论

本文研究结果表明,科技产出两极化严重,特别是技术市场,东中西部科技产出能力递减幅度大;科技产出外观设计专利的不均衡程度高于发明和实用新型专利;SCI收录论文数量分布趋于均衡,西部地区增长快;大部分省市区的技术市场无法满足本地区的技术需求;新产品研发能力整体偏弱。

将省级区域科技产出分为六类,应当根据产出类型对各地区科技发展予以不同的支持政策,对不同的地区选择不同的支持领域。

本文结果表明,地区之间的科技产出类型存在明显区别,不同的投入方式和要素禀赋产生不同类型的科技成果,而各地区产出不同类型成果的潜力不同,因此,需要针对不同的科技要素禀赋选择不同的投入方式,中央政府在配置国有科技资源时应充分认识这一点。西部大部分地区各方面的产出水平低,中央政府应加大政策倾斜力度;对广东、江苏、浙江等地应当保持并进一步激发企业的科技创新能力;对北京、上海、陕西等地应加大基础研究、应用研究的支持力度,加强前瞻性技术、共性技术等非竞争性技术的研发。

加强地区之间的合作,实现科技这一生产要素在地区之间无障碍地流动。中央财政加大对技术合同向中西部地区流动的支持,对产业技术需求较为强烈的地区给予特殊支持;科技产出能力相对落后的地区,应积极将其他地区的研究成果引入本地区,使科技成果为本地区经济发展提供动力。

摘要：以“十一五”期间省级区域科技产出为研究对象,从专利、论文、技术市场、高技术产业四个方面分析科技产出的区域分布及类型识别。研究结果表明:科技产出两极化严重,科技产出的外观设计专利的不均衡程度高于发明和实用新型专利;SCI收录论文数量分布趋于均衡;大部分省区的技术市场无法满足本地区的技术需求;新产品研发能力整体偏弱。省级区域科技产出划分为6类,应当根据产出类型的不同对各地区科技发展予以不同的支持政策。

关键词：科技产出,空间变异,集中度,聚类分析

参考文献

[1]吴贵生,魏守华,徐建国,等.区域科技浅论[J].科研研究,2004(6):55-63

[2]刘再兴,蒋清海,侯景新.区域经济理论与方法[M].北京:中国物价出版社,1996

[3]SHY OZ.Industrial organization:Theory and application[M].USA:MIT Press,1995

[4]徐建国.我国科技资源空间分布的实证研究[D].北京:清华大学,2005:42

空间变异 第7篇

在过去的几十年里边坡稳定分析引起了相当多的关注。以往的边坡稳定确定性分析中, 一般采用譬如Spencer法、Bishop法、Morgenstern-Price法、SARMA法、不平衡推力法等计算边坡的整体稳定性, 该方法通常将同一个土层的土体参数看作是确定值, 进而确定唯一的安全系数, 所以确定性分析得到的安全系数并不能客观地反映边坡的真实安全程度[1,2,3]。随后人们又提出了可靠度分析方法, 该方法以“可靠度指标”或者边坡“失效概率”来衡量边坡稳定性。一般采用矩方法、蒙特卡罗模拟等。其中蒙特卡洛法是一种依据统计抽样理论, 利用计算机研究随机变量的数值计算方法, 该法受问题条件限制的影响较小, 应用越来越广泛, 在目前是一种相对精确的方法[4,5,6,7,8,9,10]。然而, 常规的可靠度分析中, 通常将土层的参数值看作是符合一定分布规律的随机变量, 土层内各点的参数是一致的, 忽略了土体具有空间变异性这一重要特性, 也即: 没有考虑同一土层不同空间位置上土体参数的相关性和差异性。

为了分析土体参数的空间变异特性对边坡破坏概率的影响, 本文提出一种简化的处理方法。该法根据土层的厚度与土体材料的相关长度的比值, 将土层细化为一定数量的独立土层。本文拟利用蒙特卡洛法和极限平衡理论对某均质边坡进行系统可靠度分析, 与已有结果进行对比分析, 希望得到有益结论, 对边坡可靠度分析的研究提供一定的参考。

1 考虑土体参数空间变异性的可靠度分析

1. 1 蒙特卡洛模拟

本文拟采用蒙特卡洛法[11]进行边坡可靠度分析, 其中粘聚力和摩擦角c, ф是影响边坡稳定性的两个关键性指标。功能函数F为随机变量c,  的函数[12]。即:

其中, Fs为安全系数, 可以用Bishop法、Spencer法等计算得到。将随机生成的N个样本, 依次代入功能函数F, 可得到N个功能函数值, 统计功能函数F < 0 的个数, 记为M。那么边坡的失效概率大约为:

当N取值足够大时, 得到的频率即可认为是边坡的失效概率, 但在实际应用中, N通常取一大值, 具体取值与要分析的失效概率成反比。

1. 2 土体参数空间变异性及简化方法

土体相关系数公式如下[13]:

其中, Rij为相关系数; zi- zj为土体中的两个点的距离; λ 为相关长度。对于不同的土体有不同的相关长度, 这个长度值就相当于土体中两点相关性的一个临界值, 当土体中两点之间的距离小于这个临界值时, 这两点之间的物理属性相关性较强; 当土体中两点之间的距离大于这个临界值时, 这两点之间的物理属性相关性较弱。

由式 ( 3) 可知, 如果两点间的距离超过了相关长度, 则两点间的相关系数就会急剧下降, 近似地作为不相关处理; 如果两点间的距离小于相关长度, 则两点间的相关系数增大, 两点高度相关。因此, 我们根据土层的厚度与土体材料的相关长度的比值, 将土层细化为一定数量得到独立土层, 进而进行可靠度分析。

2 算例分析

该算例采用拉丁超立方抽样方法, 随机抽取1 000 个样本, 利用Bishop法和Spencer法计算安全系数Fs。对每次抽样, 均进行最小安全系数搜索, 然后将安全系数Fs代入功能函数进行统计计算。其中Bishop法和Spencer法都选择正态分布、圆弧滑动面,

考虑文献[13]中的算例, 该边坡为均质粘性边坡, 边坡剖面图如图1 所示, 土体的密度为2 000 kg/m3, 粘聚力c的均值为40 kPa, 标准差为10 kPa, 摩擦角为0°。

依次假定相关长度为1 m, 2 m, 2. 2 m, 2. 5 m, 2. 9 m, 3. 3 m, 4 m, 5 m, 6. 7 m, 10 m, 20 m, 相应的独立土层数目为20, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1。用SLIDE软件模拟的结果如表1 所示。

将本文用蒙特卡洛模拟在SLIDE软件中实现的简化方法结果与文献[13]中结果对比, 如图2 所示。

本文简化方法结果与文献[13]中结果的相对误差如图3所示。

由图3 可以发现, 本文简化方法结果与文献[13]随机场模拟的结果的相对误差控制在20% 以内。

图4 给出了不同相关长度下, 系统可靠度分析需要考虑的滑动面的个数。

由图4 可见, 当相关长度较小时, 需要考虑的危险滑动面个数较多, 随着相关长度的增加, 需要考虑的危险滑动面个数减少, 这说明, 当土体材料相关性较强时 ( 相关长度较小时) , 系统可靠度分析需要考虑较多的危险滑动面, 然而随着土体材料相关性的减弱 ( 即相关长度变大) , 系统可靠度分析所需的危险滑动面较少, 这与文献[8]中的结论一致。

3 结语

空间变异 第8篇

Wu D Y, Zhang X, Li Q Q, Zhang W, Luo Y L, Dai T F, Feng W Y, Mu Y H.Spatial variability of soil nitrogen and its impacting factors in Jingyang District, Deyang City[J].Research of Agricultural Modernization, 2014, 35 (6) :814-820.

氮素是植物生长发育所必需的营养元素, 在生态系统中有着极其重要的作用[1,2,3];其迁移不仅影响区域大气和水体环境, 而且也影响着各种生态过程[4,5,6]。受多种因素的综合影响, 区域土壤氮素的空间分布存在明显的异质性。这种异质性不仅是农田精确施肥的基础, 也是引起区域氮素迁移转化过程模拟不确定性的一个重要因素[7,8]。因而准确掌握区域土壤氮素的空间变异特征及其影响因素, 是农田土壤氮肥精确管理、区域土壤氮素迁移的环境风险评价与非点源污染防控以及生态系统碳氮循环研究的需要。

地统计学方法在探讨区域土壤氮素空间变异的研究中发挥了重要作用。该方法不仅可以直观地反映研究区内土壤氮素的空间分布格局, 还可以通过半方差分析对引起区域土壤氮素空间变异的结构性因素和随机性因素进行解析。近年来, 许多学者采用地统计学方法对不同区域内土壤氮素的空间变异性开展了大量研究, 揭示了各种环境背景下土壤氮素的空间变异特征。如南方红壤丘陵区[7]、平原区[9,10]、黄土高原[11]、典型湿地[12]以及不同河流流域[5,13,14]内, 由于影响因素的差异, 土壤氮素表现出明显不同的空间变异特征。研究表明, 土壤氮素的空间分布大多受到母质、土壤类型、土地利用方式以及人类耕作施肥等结构因素和随机因素共同影响[9,10,11,12,13,14,15,16]。但多数研究主要以不同因素类别间土壤氮素含量差异的对比或以定性描述方式来分析各种因素对土壤氮素空间变异的影响程度, 而定量分析不同因素的影响作用鲜见报道。因此, 本研究以德阳市旌阳区为研究区, 通过实地采样分析直观地对比位置相邻但环境背景截然不同的两个区域的土壤氮素含量状况及空间变异特征, 并采用定量分析方法揭示成土母质、土壤类型、土地利用及地形等因素对该区域土壤氮素空间变异的影响, 以期为区域农业生产和生态环境保护提供基础信息。

1 材料与方法

1.1 研究区概况

研究区位于四川省东北部 (31°01′-31°21′N, 104°13′-104°35′E) 。地貌以绵远河为界, 以西为平原区, 面积占全区幅员面积的64.9%, 以东为丘陵区, 占幅员面积的35.1% (图1) 。区内属亚热带季风气候, 年均气温16.2℃, 年降水量893 mm, 年均无霜期为280 d, 年平均日照时数为1 057.6 h。平原区成土母质主要有冲洪积物和成都粘土, 丘陵区则以紫色岩层风化的残坡积物为主。土壤类型主要包括水稻土、紫色土、黄壤和新积土4个土类, 含10个亚类和14个土属。土地利用以农地利用方式为主, 典型的种植制度主要包括水稻-小麦、水稻-油菜2种水旱轮作方式、油菜-玉米和小麦-玉米等旱地二熟轮作方式以及小麦-玉米-红薯等旱地三熟轮作方式。

1.2 数据来源

2007年在遵照全国耕地地力调查与质量评价技术规程、兼顾代表性与均匀性的基础上, 综合考虑区域成土母质、土壤类型、地形以及土地利用方式等因素进行样点布设, 采用多点混合的方法在研究区采集表层土壤样品1 803个 (图1) 。每个采样点的经纬度坐标均以手持GPS仪获取, 同时详细记录其地形、母质类型、土壤类型、土地利用方式以及施肥状况等环境信息。土壤样品的全氮 (TN) 含量采用凯氏定氮法测定, 碱解氮 (AN) 含量则采用碱解扩散法测定[17]。研究区行政界线图和土地利用现状图由国土部门提供, 土壤图及农业基本信息由农业部门提供。土壤样点数据及所有基础图件均统一到相同的平面投影坐标系统。

1.3 数据处理与分析方法

采用地统计学方法对研究区土壤全氮和碱解氮的空间变异特征进行分析。该方法的关键是拟合出精度较高的半方差函数模型。在模型拟合时可根据拟合结果的决定系数 (R2) 和残差 (RSS) 的大小来确定最优的半方差模型。半方差拟合结果的参数中, 变程 (A) 可以反映空间变量自相关范围的大小, 块金值和基台值之比 (C0/ (C0+C) ) 则可以揭示土壤属性的空间自相关程度。一般认为, 块金值与基台值的比值<25%时, 空间变量具有强烈的空间自相关性, 该变量主要受结构性因素的影响;若比值在25%-75%之间, 表明该变量具有中等程度的空间自相关性, 受结构性因素和随机性因素共同作用;若比值>75%, 说明该变量的空间自相关性很弱, 主要受随机因素控制[18,19,20,21]。其中, 结构性因素主要是指土壤在形成过程中的母质、地形因子、及土壤形成后的土壤类型等, 随机性因素则是指施肥、耕作措施、种植制度等各种人为活动因素;结构因素使得土壤属性具有空间自相关性, 而随机因素则减弱土壤属性的空间自相关性, 增大其异质性[5,20]。

运用回归分析定量揭示各影响因素对土壤全氮和碱解氮空间变异的影响程度, 即利用回归方程的校正决定系数来判定各影响因素对土壤全氮和碱解氮含量空间变异程度的独立解释能力[22,23], 并以此确定研究区土壤全氮和碱解氮空间分布的主控因素。

常规统计分析及回归分析在SPSS软件中完成。地统计分析则首先采用GS+软件进行半方差分析, 以获取2个土壤氮素指标的最优理论半方差模型和参数, 再在Arc GIS软件的地统计模块中进行空间插值, 得到研究区土壤全氮和碱解氮的空间分布图。由于成土母质、土壤类型以及典型种植制度为定性的分类变量, 故先采用哑变量对各因素类别进行赋值, 再以哑变量作为自变量进行回归分析[22]。

2 结果与分析

2.1 土壤氮素的统计特征

研究区土壤全氮和碱解氮含量范围分别在0.52-4.38 g/kg和15.00-326.74 mg/kg之间, 平均含量分别为2.19 g/kg和140.68 mg/kg (表1) 。根据全国第二次土壤普查确定的土壤氮素含量分级标准, 研究区土壤全氮平均值处于丰富的水平而碱解氮平均值则处于较丰富水平。从变异系数来看, 土壤全氮和碱解氮含量均达到中等变异强度, 表明2个氮素指标的空间分布并不均匀, 其中碱解氮的变异程度大于全氮。数据正态性分析表明, 研究区域内土壤全氮和碱解氮含量均符合正态分布。

从不同地貌区来看, 平原区土壤氮素含量明显高于丘陵区, 其中, 平原区土壤全氮和碱解氮分别高出丘陵区1.00 g/kg和59.26 mg/kg;平原区土壤全氮和碱解氮含量均值处于丰富水平而丘陵区则处于中等水平。从变异程度来看, 丘陵区土壤氮素的变异系数明显大于平原区, 这表明丘陵区土壤氮素的空间变异程度高于平原区。

2.2 土壤氮素的空间结构分析

常规统计分析只能概括研究区土壤全氮和碱解氮含量变化的全貌, 不能较好地刻画其空间分布的随机性、结构性、独立性和相关性。因此需进一步采用地统计学方法对其空间结构和分布特征进行分析[18]。从半方差拟合结果来看, 研究区土壤全氮符合高斯模型, 碱解氮符合球状模型, 2个模型的拟合决定系数均在0.9以上 (表2和图2) , 拟合程度较高, 可以用来反映研究区土壤全氮和碱解氮的空间变异结构特征。从拟合模型的参数来看, 全氮和碱解氮的变程分别为41.00 km和32.40 km, 表明2个氮素指标空间自相关的范围较大, 其中全氮空间自相关的范围大于碱解氮。2个指标的块金值和基台值之比均大于25%, 说明研究区内全氮和碱解氮的空间变异受结构性因素和随机性因素共同影响。从2个指标块金值和基台值的比值大小来看, 全氮更偏向于受结构性因素的因素, 而碱解氮受随机性因素的影响程度更高, 与相近区域的研究结果一致[16]。已有研究的统计分析表明, 成都平原及周边区域的土壤氮素含量在不同母质、土壤类型、地形及耕作施肥背景下差异显著[10,16]。但各因素对土壤氮素空间变异的影响程度大小并不明确, 需进行进一步探讨。

2.3 空间分布特征分析

根据拟合半方差模型的参数, 采用普通克里格法进行插值, 得到研究区土壤全氮和碱解氮含量的空间分布图 (图3) 。从图中可以看出, 研究区土壤全氮和碱解氮含量在空间分布上具有较明显的相似性, 均表现为西部平原区2个氮素指标的含量值明显高于东部丘陵区, 这与一般统计结果一致 (表1) 。从不同地貌区来看, 平原区全氮和碱解氮含量均表现为由北部和西北部地势相对较高的区域向地势较低的绵远河沿线降低的趋势。而西部丘陵区则地势较高的区域土壤全氮和碱解氮含量低于地势较低的区域。研究区土壤全氮和碱解氮含量的空间分布格局与区域内成土母质、土壤类型以及地形地貌的分布规律具有较大的相关性。

2.4 影响因素分析

以成土母质、土壤类型、地形因素作为结构因素, 典型种植制度等在一定程度上反映人类耕作、施肥差异的因子作为随机因素, 分别探讨不同因素影响下研究区土壤全氮和碱解氮含量的差异。

2.4.1 成土母质

成土母质是土壤形成的物质基础, 影响着土壤的形成与演化, 从而对土壤中氮素的累积和淋失产生很大的影响。统计分析表明, 研究区内不同成土母质发育的土壤全氮和碱解氮含量存在显著的差异 (表3, P<0.05) 。其中, 由成都粘土和冲洪积物发育的土壤全氮和碱解氮含量均不存在显著差异, 但均显著地高于由紫色岩风化物发育的土壤, 这一结果与邻近区域的相关研究报道相似[10,16]。产生这种差异的主要原因是前2种母质养分含量相对丰富, 且多发育为水稻土。从变异程度来看, 紫色岩风化物发育的土壤其全氮和碱解氮变异程度明显高于成都粘土和冲洪积物发育的土壤, 这主要是因为紫色岩风化物发育的土壤类型可为水稻土和紫色土, 而这2种土壤类型全氮和碱解氮含量差异较大。

注:均值列同一氮素指标具有相同小字母表示该均值无显著差异 (P>0.05) 。

2.4.2 土壤类型

由于具有不同的成土过程、发育程度及耕作管理措施, 不同土壤类型间土壤特性存在明显差异。研究区各土壤类型间土壤全氮和碱解氮含量存在显著的差异 (表4, P<0.05) 。从土类来看, 水稻土土壤全氮和碱解氮含量最高, 紫色土最低。其中, 水稻土和新积土全氮和碱解氮含量无显著差异, 与黄壤和紫色土均存在显著差异;黄壤和紫色土全氮含量存在显著差异, 而碱解氮含量差异不显著。从土属来看, 水稻土中的白鳝黄泥田和淹育紫泥田全氮含量较高, 紫色土各土属全氮含量最低;碱解氮则是水稻土中的淹育紫泥田、灰潮田和黄泥田较高, 紫色土及黄壤所属土属较低。

注:均值列大写字母表示各土类均值的差异显著性, 小字母表示各土属均值的差异显著性, 具有相同字母表示均值无显著差异 (P>0.05) 。

2.4.3 地形因素

地形条件可通过影响其他因素对土壤形成和演化起作用, 进而影响到土壤氮素含量的分布情况。随着坡度增加, 研究区土壤全氮和碱解氮含量呈明显减小趋势。其中, 坡度在0-2度间土壤全氮和碱解氮含量显著高于其他坡度分级;其次是2-5度, 其土壤全氮和碱解氮含量也显著高于坡度大于5度的区域 (表5) 。坡度在5度以上的区域土壤全氮和碱解氮含量仍有随着坡度增大而减小的趋势, 但统计差异不显著。从不同海拔段来看, 海拔在500-550 m之间土壤全氮和碱解氮含量最大, 且显著高于其他海拔段;而大于600 m的区域土壤全氮和碱解氮含量最低, 这主要是因为这一海拔段主要为紫色丘体, 土壤类型以紫色土为主, 因而全氮和碱解氮含量最低。

2.4.4 典型种植制度

土地利用可反映地表覆盖及人为活动的不同, 种植制度则可进一步反映人类耕作和施肥等活动的差异, 因而更能揭示区域人为活动对土壤氮素输入和输出的影响。研究区2种水旱轮作制度下土壤全氮和碱解氮含量最高, 且稻麦轮作下土壤全氮和碱解氮显著高于油稻轮作 (表6) ;而2种水旱轮作制度下土壤全氮和碱解氮均显著高于旱地利用方式。旱作方式中, 土壤全氮含量在旱地三熟制下大于蔬菜用地等其他利用方式, 碱解氮则相反, 但均无显著差异。旱地二熟制下土壤全氮和碱解氮含量显著低于其它各种种植制度。

2.5 不同因素的影响程度分析

分别以成土母质、土壤类型、地形因子和典型种植制度为自变量进行回归分析, 以定量揭示不同因素对区域土壤全氮和碱解氮空间变异的影响程度。结果表明, 各回归方程均达到极显著水平 (P<0.001) , 说明研究中所选因素对研究区土壤全氮和碱解氮含量均有极显著的影响 (表7) 。

注:均值列同一地形因子条件下具有相同小字母表示该均值无显著差异 (P>0.05) 。

注:均值列同一氮素指标具有相同小字母表示该均值无显著差异 (P>0.05) 。

成土母质类型能独立地解释研究区25.7%的土壤全氮空间变异。地形因素的解释能力在16.7%-29.7%之间, 其中坡度因子的解释能力最大, 与已有研究结果一致;如紫色丘陵区土壤氮素含量与坡度因子的相关系数大于坡向和高程[15,24]。土壤类型的独立解释能力与土壤类型分类级别有关, 土壤分类级别越低, 对土壤全氮空间变异的反映能力越大。研究区土类、亚类和土属的解释能力分别为23.4%、28.0%和36.6%;其中, 土类的解释能力小于成土母质, 这是因为土类的划分主要是依据成土条件和成土过程的差异, 未能反映母质的特性。而土属是在考虑成土条件、主要成土过程和附加成土过程差异的基础上以母质特性为依据划分的分类单元, 由于成土过程与区域地形等因素有关, 如平原区成土过程中水分变化、母质分选与距离河流远近有关, 丘陵区丘体不同部位成土条件存在差异, 因此土属可以一定程度上揭示区域结构性因素的综合影响, 因而在研究区对土壤全氮空间变异的解释能力最大。种植制度对研究区土壤全氮空间变异的解释能力达到了33.8%, 表明人类耕作施肥活动对研究区土壤全氮空间变异的影响程度较高, 但总体上小于区域结构性因素的影响, 这说明结构性因素对研究区土壤全氮空间变异的影响大于随机因素, 这一结果与半方差分析的结论一致。

结构因素对研究区碱解氮空间变异的解释规律与全氮相似, 但影响程度明显低于对全氮的影响 (表7) 。其中, 成土母质可解释12.2%的土壤碱解氮空间变异;地形因素的解释能力在7.6%-16.2%之间, 坡度仍是地形因素中最重要的影响因子。土壤类型的解释能力在12.5%-18.6%, 各级分别单元对碱解氮空间变异的解释能力均大于母质。典型种植制度可解释22.4%的碱解氮空间变异, 这一比例大于各种结构因素, 表明研究区随机性因素对土壤碱解氮的影响程度高于结构性因素。

3 结论

研究区土壤全氮和碱解氮均处于较丰富的水平, 其中平原区土壤全氮和碱解氮含量明显高于丘陵区。从变异程度来看, 2个氮素指标均处于中等程度的空间变异性, 其中丘陵区变异程度大于平原区, 碱解氮空间变异程度在不同地貌区内均大于全氮。

两个氮素指标的空间自相关范围较大, 其空间变异均受结构性因素和随机性因素共同作用, 但结构性因素对全氮的影响程度大于碱解氮。空间分布上, 土壤全氮和碱解氮均表现为西部平原区明显高于东部丘陵区;平原区内地势相对较高的北部和西北部氮素含量高于东南部, 而丘陵区则地势较高的区域土壤全氮和碱解氮含量较低。

空间变异 第9篇

火灾的燃烧产物非常复杂, 但火场参变量既有一定的随机性, 在空间分布上又具有某种相关性, 故可用地质统计学方法研究其空间变异性。众所周知, 火场氧浓度降低、大量烟气遮挡视线和吸入毒性气体是造成火灾中人员无法逃生而窒息死亡的三大主要因素。故笔者以火场烟气中CO体积分数为例, 用地质统计学方法对其空间变化形态进行研究。

1 地质统计学基本原理

1.1 区域化变量

地质统计学主要的研究对象是一些与空间位置有关并体现着随机性和结构性的变量, 在地质统计学中这些变量被称为区域化变量。即以空间点x的三个直角坐标xu, xv, xw为自变量的随机场Z (xu, xv, xw;ω) =Z (x) 为一个区域化变量, Z (x) 的具体含义视场合而定。当Z (x) 代表某种变量时, 一方面当空间一点x固定后, Z (x) 是不确定的, 可看成是一个随机变量, 这就体现了其随机性;另一方面, 在空间两个不同点x和x+h处的变量Z (x) 与Z (x+h) 又具有某种程度的自相关性。故区域化变量同时反映了空间变量的结构性和随机性。

1.2 变差函数

1.2.1 变差函数的定义

地质统计学中将区域化变量Z (x) 在x, x+h两点处的值之差的方差之半定义为Z (x) 在x方向上的变差函数, 记为γ (x, h) , 见式 (1) :

undefined

当区域化变量满足二阶平稳假设或本征假设时, Z (x) 的变差函数就变成了只依赖于h而与x无关的函数, 简记为γ (h) , 见式 (2) :

undefined

1.2.2 实验变差函数

由数理统计知识可知, 变差函数可以转化为将[Z (x) -Z (x+h) ]2离散后求其均值, 此时求得的变差函数称为实验变差函数, 见式 (3) :

undefined (3)

式中:Z (xi) 为i点上的观测值;Z (xi+h) 为与i点距离为h的点的观测值;h为两观测点之间距离, 称为滞后距;N (h) 为相距为h的点对的数目。

实验变差函数具有方向性, 按照某一方向取滞后距, 可得该方向上的实验变差函数。不同大小的滞后距h对应不同的变差函数值。可见, 实验变差函数γ* (h) 就是用某一个域内有限的观测点数据构造变差函数γ (h) 的估计值, 根据式 (3) 可以对已知观测点的区域化变量的变差函数做出估计。

1.2.3 理论变差函数

为估计未知点的区域化变量的变差函数值, 求出实验变差函数后可拟合理论变差函数模型, 由此估计其他点区域化变量的变差函数值。通常拟合变差函数的模型有多种, 其中最常用的一种球状模型, 数学表达式见式 (4) :

undefined

式中:a为变程;C0为块金值;C为拱高值;C0+C为基台值。

球状模型变差函数见图1。变程a反映了区域化变量的影响范围, 当h>a时变差函数不再单调增加, 说明变量的变化性与距离无关了。 基台值C0+C反映了变量变化性的大小, 块金值C0反映了变量连续性的优劣。

1.3 克立格估值

在地质统计学中采用克立格法对区域化变量进行估值。克立格法是根据待估样本点的有限邻域内若干已测定的样本点数据, 考虑了样本点的形状、大小和空间相互位置关系, 与待估样本点的相互空间位置关系, 以及变差函数提供的结构信息, 对待估样本点值进行的一种线性无偏最优估计。克立格估值有多种类型, 其中常用的是普通克立格估值法, 线性估计式见式 (5) 。

undefined (5)

式中:Zi为观测点上的观测值;Zv*为待估点上的估计值;λi为权系数。

克立格估值条件为: (1) 无偏性条件, 即E (Zv*-Zv) =0; (2) 方差最小性条件, 即满足Var (Zv*-Zv) 2最小。其中Zv为待估点上的真实值。根据上述两条件导出求克立格估值权系数λi的方程组, 简称为克立格方程组, 表达式见式 (6) :

undefined

式中:xv为待估点的坐标, γ (xi, xj) 为观测点i与j之间的变差函数值, γ (xj, xv) 为观测点j与待估点之间的变差函数值, μ为拉格朗日乘数。

解上述方程组可得到克立格估值权系数λi。

2 火场参数空间分布规律模拟

2.1 FDS模拟火灾场景

火灾房间的室内净空尺寸 (长宽高) 为6 m4 m3 m, 两侧长边墙上分别设有门和窗, 火源在地板上的位置如图2所示。该例中以房间起火后某一特定时间段, 距离地板2.1 m高度处的烟气中CO体积分数为研究对象, 视该高度平面内CO体积分数为区域化变量, 研究该参数在二维空间内的分布趋势。

首先, 由FDS模拟软件计算该平面内CO的体积分数, 并将该平面划分为0.2 m0.2 m的网格, 将FDS模拟的网格点上的CO体积分数绘成三维立体图, 见图3所示。

在该平面内选取22个点作为观测数据点 (分布图见图4) , 由这22个点上的数据进行克立格估值计算, 得出0.2 m0.2 m的网格点上的CO体积分数估值。

2.2 地质统计学计算过程

2.2.1 计算变差函数

首先根据上述FDS模拟的22个点上的CO体积分数值, 运用式 (3) 计算实验变差函数值。笔者分别对u方向和v方向计算了实验变差函数, 运用最小二乘法将实验变差函数拟合成理论变差函数模型, 得到两个方向上的理论变差函数模型的参数, 见表1。

由表1可知, CO体积分数在u方向3.357 m距离内空间相关性较好, 在v方向上2.335 m距离内是空间相关的。v方向的变程比u方向的变程小, 这说明v方向的相关性不如u方向的好。两个方向的块金值都为零, 这反映了CO体积分数在整个区域连续性较好。v方向的基台值C0+C为0.132 m, u方向的基台值为0.077 m, v方向比u方向的基台值大表明v方向的变化幅度比u方向的变化幅度大。由于本例中房间的门窗洞口在长边 (u方向) 墙上, v方向的通风情况较好, 故v方向CO体积分数变化性较u方向大, 此结论与上述计算结果吻合。

2.2.2 普通克立格估值

运用克立格方程组对上述0.2 m0.2 m的网格每个网格点的CO体积分数值进行克立格估值。计算步骤为:在建立理论变差函数的基础上, 用式 (6) 给出的克立格方程组, 计算克立格估值权系数λi, 并将λi带入式 (5) 计算得出克立格估计值。由克立格估值结果绘出的CO体积分数三维立体图, 如图5所示。

将图5表示的估值结果与图4的模拟结果对比分析可以看到, 普通克立格方法估值的精度是比较高的。上述三维立体图可直观显示CO体积分数的空间变化形态, 由图5可以看出, 在火源附近CO体积分数突然增大, 靠近门、窗口附近CO体积分数有所增加, 可见由克立格估值模拟的CO体积分数空间分布特征比较符合实际的火灾场景。

3 结论与展望

(1) 变差函数模型或参数能够反映变量的空间变化特性。由表1可知, CO体积分数在空间分布上存在相关性, v方向的变程比u方向小, 且v方向的基台值比u方向大, 这说明v方向的变化性比u方向的变化性大 (因为v方向有门窗通风口) ;两个方向的块金值都为零, 这反映了在整个研究区域内变量的连续性较好。

(2) 克立格估值是一种最小方差线性无偏估计。由于文章篇幅所限, 笔者将FDS模拟的网格点CO体积分数数据与克立格估值结果数据的差别以三维立体图的形式进行对比。对比分析图4和图5可知, 克立格方法估值的精度是比较高的。此外, 克立格估值既能给出区域化变量的最优估计值, 又能给出估计方差, 这种特性是其它任何一种估计方法所没有的。

(3) 地质统计学是模拟与空间位置有关的变量空间变化规律的有效工具和方法。根据有限个采样点上的数据, 借助变差函数的结构特点, 对未采样点的区域化变量的取值进行最优估计。因而用地质统计学方法来研究火场参变量的空间变异性, 可以定量地揭示其在空间不同方向上的变化规律。同时, 它不仅可以进行变量的整体估计, 还可以进行变量的局部估计。

(4) 地质统计学在消防工程领域的应用前景广阔。地质统计学是研究具有结构性和随机性的空间分布数据的有效工具, 除了笔者列举的CO体积分数外, 诸如火灾烟气的温度、危险化学品储存及易燃易爆场所可燃气体的浓度等, 都可以看作区域化变量。用地质统计学方法定量分析这些变量的空间分布形态, 可为消防工程设计及监督检查人员提供参考信息或决策依据。此外, 近年来地质统计学的研究范围也从空间分析扩展到时间分析, 产生了时间域上的地质统计学, 这将为其在消防领域内的应用提供更广阔的前景。

参考文献

[1]侯景儒.实用地质统计学[M].北京:地质出版社, 1998.

[2]张仁铎.空间变异理论及应用[M].北京:科学出版社, 2005.

[3]孙洪泉, 陆国桢, 邵玉宏, 等.判别分析法在矿井地质构造预测中的应用[J].煤炭学报, 1996, 21 (5) :455-458.

[4]邢红星, 琚太忠, 林建阳.普通克里格法在矿产储量计算中的应用[J].地质与勘探, 1997, 33 (4) :46-51.

空间变异 第10篇

土壤水分状况对土壤理化性质和植被生长、繁殖、扩散有重要影响,其变化是影响植物生存与否的主要因素;同时,植被也能在一定程度上改变土壤水分特征[1]。干旱区生态环境恶劣,防风固沙、植被重建是干旱半干旱区生态恢复与重建中最为基础的环节。因此,土壤水分不仅对干旱区植物的生存、生长和分布具有重要意义,它是治沙造林和植被自然恢复的主要限制因子[2]。

沙漠地区的生态环境极其脆弱,外界环境扰动均可能对荒漠生态系统产生重要影响[3]。随着经济社会不断发展,沙漠地区的环境受人类活动的影响也越来越严重。值得庆幸的是,在人类开发过程中,一些保护性措施也在实施,如工程开发扰动沙面后的人工固沙措施[4,5,6]。人工固沙的方法主要有物理(如草方格)、生物(如种植植被)及二者相结合3种。以古尔班通古特沙漠引水工程为例,该项目是一项重大的民生工程,因此对水渠及其沿线生态环境的保护成为十分重要而紧迫的任务[6]。目前沿线已经通过物理和生物方法进行了人工固沙和植被恢复。大部分地区已在草方格基础上陆续种植了固沙植物,如梭梭(Haloxylon ammodendron)、头状沙拐枣(Caligonum caput-medusae)等;尚未人工栽植固沙植物的草方格区域,其植被也得到了较好的自然恢复[1,4]。以自然恢复6 a为例,固沙区的植被以1 a生草本植物为主,还伴生着一些多年生草本和小半灌木,如沙地粉苞苣(Chondrilla ambigua)、准噶尔沙蒿(Artemisia songarica)等。此外,得益于沙土的固定和微环境的改善,固沙区内的生物结皮也得到了一定程度的恢复。

尽管固沙时间显著影响人工固沙区的植被恢复,但近年调查还发现,沙漠渠道两侧不同坡向的人工固沙区内,草本植物丰富度、物种组成及生物结皮发育程度均有明显差异。阴坡草本植物丰富度明显高于阳坡,而且阴坡生物结皮发育程度也较高。同一固沙年限(6 a)的地区,阴坡不仅发育有大量致密的藻结皮,而且还出现了早期的地衣结皮,而阳坡多为较薄的藻结皮,并时常出现斑块状的裸沙。这种不同坡向的固沙区内草本植物和生物结皮的差异性分布是否与土壤水分等环境因子相关目前仍不清楚。

为此,我们在古尔班通古特沙漠中部选择了一段东西走向的渠道,在渠道南(阴坡)、北(阳坡)两侧各选择一块试验样地,对比研究了不同坡向样地内土壤含水量的空间变异特征,试图找到不同坡向土壤含水量变异特征的一些差异,以解释土壤含水量对植物分布的可能影响,并为渠道环境保护及沿线植被恢复与重建提供科学依据。

1研究区概况

古尔班通古特沙漠(N 44°11 ～46°20 ,E 84°31 ～90°00 )位于准噶尔盆地中部,面积约4.88万km2,是我国第2大沙漠,也是我国最大的固定、半固定沙漠,年均蒸发量>2 000 mm,而年均降水量普遍不超过150 mm,沙漠腹地仅有70～100 mm;年均温6～10 ℃,极端高温在40 ℃以上,≥10 ℃的年积温可达3 000～3 500 ℃;该沙漠梭梭(H. ammodendron)、白梭梭(H. persicum)等小半乔木群落及短命和类短命植物广泛分布,而且地表还发育有良好的生物结皮(包括藻结皮、地衣结皮和苔藓结皮等),成为防风固沙的重要保障[3,4,5,7]。

2研究方法

2.1野外调查取样方法

2012年6月,于沙漠植物生长旺盛期时,在古尔班通古特沙漠中部沙漠引水渠边[见图1(A)],各选择一个阳坡和阴坡固沙区作为试验样地[见图1(B)]。此处人工固沙草方格规格为1 m1 m,尚未栽植固沙植物,但自然定居了多种草本植物,以阴坡居多。样地大小均设置为30 m30 m,每个样地均匀划分为36个(即6 6个) 5 m5 m小样方,在每个小样方中心进行挖掘(避开草方格边缘),深度为50 cm。分为3层:10、30和50 cm测定土壤含水量。每层随机选择3个方向测定3次,取平均值代表该层土壤含水量。

土壤含水量测定采用WET-2便携式3参数(体积含水量、pH、电导率)时域反射仪(Time Domain Reflectometry, TDR)在野外直接读数、记录。TDR仪可以快速测定土壤体积含水量,省时省力,其原理是利用电磁波在不同介质中的传播速度的差异来测定土壤含水率,然后由土壤介电常数来转换计算。不同土壤类型和不同含水量条件下,TDR测定结果差异很大,因此为确保测定结果的可靠性,选择沙土为基质,精确校准WET-2。

2.2统计分析方法

使用SPSS 13.0软件,对2个样地各层土壤含水量进行描述统计分析和数据正态性检验(one sample Kolomogorov-Semimov, K-S检验),采用One-way ANOVA对2个样地6个土层土壤含水量进行方差分析,并采用Duncan法进行多重比较。

空间分析方法包括半方差分析和克里格插值法[2,8,9],均采用GS+ 9.0软件实现。半方差分析是地统计分析的基础,根据半方差分析结果可以拟合出研究变量的空间变异的最佳理论模型,其表达式为:

$r(h)=\frac{1}{2{\rm N}(h)}{\displaystyle \sum _{i=1}^{{\rm N}(h)}[}{\rm Z}(x{}_i)-{\rm Z}(x{}_i+h)]$

式中:r(h)为某变量的变异函数,是取样范围内间距为h的所有样点上目标参数的半方差;h为步长,即取样间距,N(h)为间距h所对应的样点数;Z(xi)和Z(xi+h)分别为区域变量在空间位置xi和xi+h处的观测值。

变异函数的曲线结构是由块金值(C0)、基台值(C0+C)和变程(A0)来描述的。块金值反映了变量小于取样尺度的空间变异和随机误差;基台值则是不随样点间距变化而变化的值,反映了区域变量的空间异质性程度,此时的样点间距即为变程;变程反映了区域变量的最大自相关距离,即当某点与已知点的距离大于变程时,该点数据不能用于内插或者外推。变量的空间自相关性由变量的偏基台值(基台值与块金值的差值)与基台值的比值[C/(C0+C)]来反映,称为结构变异(structural variance),该值越大,空间自相关性越强;相应的块金值与基台值的比值[C0/(C0+C)]称为基底效应,表示样本间的变异特征,该值越大表明样本间的变异更多的是由随机因素引起的。

最后对土壤含水量进行普通克里格(Kriging)插值分析,并绘制空间变异图。

3结果与分析

3.12样地土壤含水量的描述统计特征

进行地统计学分析时,一般要求数据符合正态分布或者近似正态分布。对2个样地各层土壤含水量进行K-S检验表明(见表1),各参数峰度和偏度值基本在0附近波动,除阳坡30 cm层呈近似正态分布外,其余5个层次均为正态分布(P>0.05)。因此,实验数据符合地统计学要求,为土壤含水量的变异函数计算及进行空间变异性分析奠定了统计学基础。

按照变异系数CV值,一般可把土壤性质的变异程度分为3类:0CV<0.15为弱变异,0.15CV<0.35为中等变异,CV≥0.35为强变异[8]。按照该标准,2个研究样地内6层土壤含水量均为中等变异(0.157～0.335) (见表1),这可能与人工固沙区稳定的土壤基质有关。研究区实施人工草方格固沙后,地表形成了大量藻结皮,使土壤稳定性增强,较小的外界干扰很难对土壤含水量的空间分布产生影响,因此空间变异不强。

方差分析表明(见表1),无论阳坡或是阴坡,50 cm层土壤含水量均显著高于30 cm层,后者又显著高于表层(10 cm)。更为重要的是,除表层外,同一层次下阴坡的土壤含水量显著高于阳坡,这与太阳辐射引起的土壤水分蒸发密切相关。此外,在调查中还发现,阴坡自身定居的草本植物明显高于阳坡,故阴坡较高的土壤含水量可能也是造成该区域较高物种丰富度的主要原因。

注:平均值一列的不同字母表示差异显著(P< 0.05)。

由表2和图2可以看出,研究区2个样地6个土壤含水量指标的最优半方差模型均符合指数模型。以阳坡50和30 cm层的块金值最大,它反映了区域化变量的随机性的大小,即由实验误差和小于采样尺度上的因素所引起的变异;基台值也以阳坡50和30 cm层为大,反映出变量的变化幅度或系统的总变异程度较大。仅以基台值或块金值不能全面反映变量的空间变异格局,因此需要结合结构变异或块金值/基台值之比(二者是相反的概念)进一步进行分析。以结构变异为例,如果结构变异<25%,则表明变量的空间相关性较弱,而由随机因素引起的空间变异较强;介于25%～75%之间,则表明具有中等的空间相关性;若>75%,则表明变量具有强烈的空间相关性,也就是由随机因素引起的空间变异较弱。由此可知,阳坡10 cm层、阴坡10和30 cm层的结构变异均>75%,因此具有强烈的空间相关性,由随机因素引起的空间变异很小,大部分是由区域因素引起的变异。而余下3个变量的结构变异均在25%～75%之间,因此具有中等的空间相关性。变程反映了区域变量的最大自相关距离,由表2可知,阳坡30和50 cm层土壤含水量的变程最大,其次为阴坡的50 cm层;而余下3层土壤含水量变程最小,仅为2.34～5.77 m。总之,具有强烈空间变异的变量,其变程较小,而具有中等空间变异的指标变程最大。

为了直观地反映土壤含水量的分布情况,根据求得的理论变异函数模型,应用普通克里格法对2样地各层土壤含水量进行空间插值,并绘制了土壤含水量的空间分布图(见图3)。由图3可以看出,阳坡土壤含水量总体表现为坡下(左侧)低、坡上(右侧)高的格局,阴坡50 cm层也表现出底部低、顶部高的趋势,而阴坡10和30 cm层均无明显规律,呈斑块状,这可能与聚居于其中的草本植物的异质性分布有关。调查发现,阴坡草本植物多为聚集、丛状分布,斑块化明显,而阳坡草本植物极少;且草本植物根系主要集中在30 cm以上的土层,深层(50 cm)土壤含水量受影响较小。因此,斑块状分布的草本植物,再加上干旱区强烈的蒸发和蒸腾,均可能显著影响0～30 cm层土壤含水量的空间格局。

4结语

草方格是重要的防风固沙措施之一,其在维护沙漠生态环境方面具有极其重要的意义[4,5,6]。工程扰动沙面后,草方格可以有效固定沙面,促进植物尤其是草本植物定居[4,5]。固沙几年内地表还能初步形成以藻类为主的生物结皮,并逐步朝地衣结皮和苔藓结皮演化[10,11]。前人研究表明,固沙初期(2001年)定居于固沙区内的植物约15种,其中短命植物8种,总密度为1.4株/m2;经过10 a(2010年)的发展演化,同区域已发现植物33种,其中短命植物21种,密度则高达14株/m2[4]。

注:Y轴表示水渠方向,由下到上表示由东向西,X轴由左至右表示由南向北。

可见,人工固沙显著改变了局域尺度上的土壤理化特征及植物物种组成特征,也即改变了局域尺度上的生态系统结构。

水分是沙漠地区极其重要的限制性因子[1,2],本研究在充分考虑人工固沙在保护沙漠渠道安全方面的重要性的基础上,对比研究了不同坡面、土层土壤含水量的空间变异。研究表明,2样地6层土壤含水量符合正态分布,并表现为中等程度的变异。它们的空间变异最优模型均为指数模型。阳坡10 cm层、阴坡10和30 cm层的土壤含水量具有强烈的空间相关性,但空间相关距离(变程)较小(2.34～5.77 m);余下3个变量具有中等的空间相关性,变程最大(21.90～53.02 m)。

调查还发现,阴坡固沙区草本植物丰富度明显高于阳坡,而且阳坡生物结皮完整性、厚度及土壤稳定性也不如阴坡。除表层土壤含水量外,阴坡30和50 cm层土壤含水量均显著高于阳坡同层。因此,阴坡较高的土壤含水量可能是较丰富草本植物的重要基础。然而,阴坡较丰富的草本植物的异质性分布可能也会影响浅层土壤含水量的空间分布格局。阳坡3个土层的含水量均呈坡下低、坡上高的格局,阴坡50 cm层也具有同样趋势;而阴坡10和30 cm层含水量无明显规律,呈斑块状分布。这主要是因为草本植物根系主要分布于30 cm土层以上,也即主要利用30 cm层以上的水分资源,从而影响了含水量的空间分布格局,使其空间变异性增强。

参考文献

[1]侯建秀,张元明,陶冶,等.沙漠水渠人工固沙区沙蒿和沙拐枣灌丛的土壤水分特征对比[J].干旱地区农业研究,2011,29(4):164-167,173.

[2]马风云,李新荣,张景光,等.沙坡头人工固沙植被土壤水分空间异质性[J].应用生态学报,2006,17(5):789-795.

[3]张元明,王雪芹.准噶尔荒漠生物结皮研究[M].北京:科学出版社,2008.

[4]王雪芹,蒋进,张元明,等.古尔班通古特沙漠南部防护体系建成10a来的生境变化与植物自然定居[J].中国沙漠,2012,32(2):372-379.

[5]王雪芹,蒋进,雷加强,等.古尔班通古特沙漠重大工程扰动地表稳定性与恢复研究[J].资源科学,2006,28(5):190-195.

[6]张玲,汪峰.新疆古尔班通古特沙漠输水明渠风沙防护工程措施[J].科技资讯,2010,(13):51-52.

[7]张立运,陈昌笃.论古尔班通古特沙漠植物多样性的一般特点[J].生态学报,2002,22(11):1923-1932.

[8]苗恒录,吕志远,郭克贞,等.毛乌素沙地土壤养分空间变异性初步研究[J].中国农村水利水电,2011,(8):83-87.

[9]翁白莎,严登华,王坤,等.春玉米抽穗期主要土壤参数空间变异特征研究[J].中国农村水利水电,2011,(12):50-54.

[10]蒋德明,曹成有,李雪华,等.科尔沁沙地植被恢复及其对土壤的改良效应[J].生态环境,2008,17(3):1135-1139.