环境科学  2021, Vol. 42 Issue (7): 3555-3564   PDF    
引用本文
刘奇鑫, 王昌全, 李冰, 赵海岚, 方红艳, 邓茜, 李启权. 成都平原氮磷化肥施用强度空间分布及影响因素分析[J]. 环境科学, 2021, 42(7): 3555-3564.
LIU Qi-xin, WANG Chang-quan, LI Bing, ZHAO Hai-lan, FANG Hong-yan, DENG Xi, LI Qi-quan. Analysis of Spatial Distribution and Influencing Factors of Nitrogen and Phosphorus Fertilizer Application Intensity in Chengdu Plain[J]. Environmental Science, 2021, 42(7): 3555-3564.
成都平原氮磷化肥施用强度空间分布及影响因素分析
刘奇鑫, 王昌全, 李冰, 赵海岚, 方红艳, 邓茜, 李启权     
四川农业大学资源学院, 成都 611130
收稿日期: 2020-07-29; 修订日期: 2020-12-11
基金项目: 国家重点研发计划项目（2018YFD0800605）；四川省科技厅应用基础重大前沿项目（2018JY0002）
作者简介: 刘奇鑫(1996~), 男, 硕士研究生, 主要研究方向为农业面源污染识别与防控, E-mail: liuqixin996@163.com
通信作者: 李启权, E-mail: liqq@lreis.ac.cn
摘要: 掌握化肥施用强度的空间分布及影响因素，对施肥的精准管理和污染防控意义重大.以往研究多限于人为因素的探讨而缺乏自然地理因素对化肥施用强度空间分布的影响分析.基于成都平原23492个点位的化肥调研数据，结合地统计学方法和地理信息系统（GIS）技术，探究该区域2010~2015年均氮和磷化肥施用强度的空间分布特征及影响因素.结果表明：①研究区2010~2015年均氮和磷化肥施用强度总体处于120~360 kg·hm-2和60~180 kg·hm-2的中低风险强度.高风险强度主要分布在郫都、彭州、什邡、龙泉驿和金堂等粮（果）蔬种植区，相对低值区多分布在南部和东北部；②氮和磷化肥施用强度的块金系数为66.17%和41.60%，其空间分布受结构性和随机性因素共同作用决定，呈中等空间自相关性；③人为和自然因素均对氮和磷化肥施用强度的空间分布影响显著.种植作物类型（细分类）能独立解释12.90%和25.10%的施氮和施磷空间变异，是影响氮和磷施用强度空间分布的主控因子；成土母质的重要性仅次于种植作物类型，且对于施磷强度独立解释能力约是施氮强度的3.6倍.在种植作物类型起主要决定作用时，成土母质仍深刻制约和影响研究区氮和磷化肥施用强度的空间分布.因此，进行化肥施用管理和环境风险分析时需重点考虑种植作物类型和成土母质的综合作用，在磷肥施用方面更应关注成土母质的影响.
关键词: 成都平原      化肥施用强度      种植作物类型      成土母质      空间分布      影响因素     
Analysis of Spatial Distribution and Influencing Factors of Nitrogen and Phosphorus Fertilizer Application Intensity in Chengdu Plain
LIU Qi-xin , WANG Chang-quan , LI Bing , ZHAO Hai-lan , FANG Hong-yan , DENG Xi , LI Qi-quan     
College of Resources, Sichuan Agriculture University, Chengdu 611130, China
Abstract: The spatial distribution of fertilization intensity and its influencing factors are significant for the accurate management of fertilization and pollution prevention and control. Previous studies are mostly limited to the discussion of human factors that influences the spatial distribution of fertilization intensity while ignoring natural geographical factors. Based on the chemical fertilizer survey data collected from 23492 sites in Chengdu Plain and combined with Geostatistics analysis and Geographic Information System (GIS) technology, the spatial distribution characteristics and influencing factors of average nitrogen and phosphorus fertilizer application intensity from 2010 to 2015 in this region were explored. The results show that: ① the average annual application intensity of nitrogen and phosphorus fertilizer in the study area from 2010 to 2015 is generally in the low and medium risk intensity of 120-360 kg·hm-2 and 60-180 kg·hm-2. The high risk intensity is mainly distributed in the grain (fruit) and vegetable growing areas such as Pidu, Pengzhou, Shifang, Longquanyi and Jintang, while the relatively low value areas are mostly distributed in the south and northeast. ② the nugget coefficients of nitrogen and phosphorus fertilizer application intensities are 66.17% and 41.60%. Their spatial distribution is determined by structural and random factors, showing a moderate spatial autocorrelation. ③ both human and natural factors have significant effects on the application intensity of nitrogen and phosphorus fertilizer. The crop type (fine classification) can explain the spatial variation of nitrogen fertilizer and phosphorus fertilizer respectively by 12.90% and 25.10%, which is the main controlling factor affecting the spatial distribution of nitrogen and phosphorus application intensity; the importance of soil parent material is second only to the planting crop type, and the independent explanation ability of phosphorus application intensity is about 3.6 times higher than that of nitrogen application intensity. When the type of planting crop plays a decisive role, the soil parent material still deeply restricts and affects the spatial distribution of nitrogen and phosphorus fertilizer application intensity in the study area. Therefore, the comprehensive effects of planting crop types and soil parent materials should be considered in fertilization management and environmental risk analysis, and the effects of soil parent material should also be taken into account in the application of phosphate fertilizer.
Key words: Chengdu Plain      fertilization intensity      crop type      soil parent material      spatial distribution      influencing factors     

氮(N)和磷(P)是植物生长的基本元素, 对植物生长和作物产量高低具有决定性作用[1~4].随着社会经济的发展和农业生产集约化程度的提高, 为保障和提高作物产量, 氮和磷化肥被大量增施, 其中一部分通过地表径流和土壤侵蚀等途径, 引起水体富营养化和土壤污染等问题[5~7].化肥施用强度增加是引起我国农业化肥施用量增长的主要原因[8], 近年来, 大量氮和磷化肥施用所带来的农业面源污染风险不断增加, 引起了学术界的广泛关注[9~12].因此, 探究区域化肥施用中氮和磷施用强度的空间分布及影响因素, 对于农田化肥施用管理以及区域农业面源污染的识别和防控具有重要意义.

当前已有许多学者在县域、市域、省域和国家尺度上对我国化肥施用强度的空间分布特征及影响因素进行了大量研究[13~15], 区域差异、农业纯收入、农业生产结构、农业受教育程度、种植规模、施肥技术和城镇化率等被认为是影响化肥施用强度空间分布的重要因素[16, 17].究其原因, 该类研究主要通过统计年鉴获取施肥相关数据, 进而根据特定行政区域内的化肥施用总量和种植总面积求取不同尺度行政单元内的平均化肥施用强度进行分析研究, 易忽视行政单元内部化肥施用强度的差异, 故而对施肥强度空间分布特征的研究多限于人为因素方面的探讨, 缺乏自然地理因素和人为因素对于化肥施用强度的综合影响分析.因此, 本文选择城市化进程发展迅猛和农业集约化程度较高的成都平原作为研究区, 综合探究氮和磷化肥施用强度空间分布特征及影响因素, 具有新的启发和参考.

成都平原作为一个经历了快速城市化的重要粮食生产区[18], 为研究自然和人为交错影响下农田氮和磷化肥施用强度的空间分布提供了理想区域.以往对于该地区氮和磷的空间分布研究多集中于土壤氮磷的时空分异特征和影响因素分析[19, 20].在氮和磷化肥施用方面, 以施肥与种植作物的耦合关系、施肥与栽培技术、土壤养分与施肥关系等微观层面研究居多[21~23].仅有少数学者对成都平原区的主要作物的施肥量状况、化肥施用平均强度及化肥施用环境风险在空间分布上做了统计和预测[17, 24, 25], 但综合自然和人为因素进一步分析氮和磷化肥施用强度空间分布特征的研究鲜见报道.鉴于此, 本文以成都平原这一较大尺度的自然环境单元作为研究区域, 结合地统计学方法和GIS技术, 模拟区域内氮和磷化肥施用强度空间分布, 通过量化土地利用类型、种植作物类型、土壤类型、成土母质、高程、河流距离和城镇距离对其影响的相对重要性, 进一步探究区域内氮和磷化肥施用强度在重要环境因素综合作用下的空间分布特征, 以期为成都平原农田化肥施用管理、种植结构优化以及农业面源污染识别防控提供有效参考, 在一定程度上弥补化肥施用强度空间分布和影响因素研究的不足.

1 材料与方法 1.1 研究区概况

研究区位于中国四川盆地西部的成都平原, 地理坐标介于103°25′~104°26′E, 30°19′~31°31′N之间, 全区面积约为7 554.36 km2[图 1(a)和图 1(b)].区内地势总体平缓, 海拔在415~766 m之间[图 1(b)].该区地属亚热带湿润季风气候, 年均气温约为16℃, 年平均降水量在1 000 mm左右.区域内河网密布, 主要有金马河、西河和江安河、府河四条岷江水系和沱江水系毗河、青白江、湔江和石亭江流经境内[图 1(c)].成土母质以岷江冲积物为主, 包括灰色冲积物、灰棕冲积物、紫色岩风化物和中下更新统老冲积物等.在长期水耕熟化过程中, 区内土壤多发育形成为水稻土.由于经济的快速发展和城市化进程的加快, 城市附近的农业用地强度越来越高[26, 27].研究区内最终形成了耕地为主, 园地和农林为辅的多种农业用地方式.其中, 稻-麦轮作和稻-油(菜)轮作是成都平原主要的作物轮作方式[28].

(a) 研究区位置; (b) 海拔(DEM)和行政区分布; (c) 施肥调查点位分布; (d) 种植作物类型点位分布; (e) 成土母质类型分布 图 1 研究区位置示意及相关信息 Fig. 1 Location of the study area and related information

1.2 数据来源与处理 1.2.1 施肥数据处理

本文数据来源于2010~2015年的四川省测土配方施肥项目县的农户施肥情况调查, 在兼顾空间分布均匀性和样点代表性的基础上, 共取得研究区范围内23 492个点位的施肥调查样点数据[图 1(c)].施肥调查方法主要按照农业部测土配方施肥技术规范中提出的样本抽取方法, 采用随机取点结合测土配方施肥项目中土壤骨干样或农化样采集和田间试验示范来选择农户.农户施肥情况调查采用面访式调查.由于邻近田块, 可获得直观的信息和一定的校验, 所以采用该方法能较好地保证回答率和数据的可靠性.调查时详细记录了点位地块上的化肥年施折纯量、地块面积、种植作物类型、种植制度、成土母质和土壤类型等信息.本研究对化肥施用强度的定义为：地块化肥年施折纯总量/地块面积, 即单位地块面积的化肥年施折纯量.最终, 计算求得研究区内调研地块2010~2015年均氮和磷化肥施用强度, 单位是kg·hm-2.

1.2.2 影响因素处理

鉴于氮和磷化肥施用与土壤氮磷含量的密切关系, 参考影响化肥施用强度空间分布的因素[16, 17]和土壤氮磷空间分布的自然影响因素[19, 20], 综合选择成土母质、土壤类型、土地利用类型、种植作物类型、高程、河流距离和城镇距离共7个因子, 探究其对氮和磷化肥施用强度空间分布特征的影响.根据调研点位上的种植作物可分成果蔬、粮油和园林这3大类, 并对粮油作物进一步分类.土地利用类型参考地上种植作物的类型和土地利用分类的国家标准, 根据实际情况分为旱地、水田、果园地和其它园林共4类.河流距离因子的计算是利用分辨率为30 m的成都平原数值高程模型(DEM)数据进行水文分析, 提取研究区河流后结合区域实际水系分布进行校正, 再通过ArcGIS空间分析模块中的欧氏距离工具生成河流距离栅格数据, 具体方法参考文献[29~31].城镇距离是从成都平原2015年土地利用现状数据中提取出二级地类中的城镇建设用地, 然后采用ArcGIS空间分析模块中的欧氏距离工具生成研究区内城镇距离的栅格数据.以上所有选用因子的栅格数据空间分辨率统一为30 m, 坐标系统一为Krasovsky_1940_Albers投影坐标系.最后根据施肥样点从相应的栅格地图中提取出各点位的河流距离和城镇距离信息.

1.3 统计分析方法

基于2010~2015年均氮和磷化肥施用强度数据, 利用GS+9.0建立半变异函数, 分析氮和磷化肥施用强度的空间结构.根据决定校正系数R2最大、残差最小原则确定最优理论插值模型, 生成2类施肥指标的空间分布趋势.再根据半方差拟合模型和参数, 在ArcGIS 10.5中利用普通克里格法进行空间插值, 探究氮和磷化肥施用强度空间分布格局.利用一般线性模型的决定校正系数R2揭示各影响因子的相对重要性.在回归模型构建中, 采用哑变量法[32]对土地利用类型、种植作物类型、成土母质和土壤类型这4个分类变量进行赋值, 评价各影响因素的相对重要性.在SPSS 25.0软件中利用方差分析进一步探究重要因素对氮和磷化肥施用强度差异的综合影响.

2 结果与分析 2.1 施肥强度基本统计特征

如表 1所示, 参考田若蘅等[24]的研究中关于四川省氮和磷化肥施用强度的环境风险等级分类方法, 将研究区氮和磷化肥施用强度分为安全、低风险、中风险和高风险强度这4个强度风险等级.统计发现, 研究区2010~2015年均氮和磷化肥施用强度总体集中在120~360 kg·hm-2和60~180 kg·hm-2的中低风险水平, 施氮强度和施磷强度的平均值分别为262.11 kg·hm-2和146.83 kg·hm-2, 绝大部分区域超过四川省氮和磷化肥的生态安全阈值.氮和磷化肥施用强度的变异系数分别为36.70%和69.68%, 具有中等程度变异性, 且施磷强度的变异程度明显高于施氮.正态分布的检验结果显示, 施磷原始数据呈正偏斜趋势, 有明显的正峰值, 施氮强度的原始数据偏度和峰度相对较小, 在-1~1范围内, 施氮原始数据和对数转换后的施磷数据都可满足后续数据分析.

表 1 研究区农田氮和磷化肥施用强度统计特征1) Table 1 Statistical characteristics of nitrogen and phosphorus fertilization intensity in farmland in the study area

2.2 影响因素分析 2.2.1 影响因素的相对重要性

如表 2所示, 土地利用类型、种植作物类型、成土母质、土壤类型、高程、河流距离和城镇距离对研究区氮和磷化肥施用强度的空间变异均有显著影响(P < 0.01), 但各因素的影响程度有所差异.细分类的种植作物类型能独立解释12.9%和25.1%的施氮和施磷强度空间变异, 是所有影响因素中的主控因子.其中, 成土母质对于施氮强度的独立解释能力为3.9%, 除主控因子外, 仅低于独立解释能力为4.1%的土地利用类型, 而在对于施磷强度空间变异的独立解释能力上, 成土母质仅次于主控因子达到了14.0%, 明显高于其它影响因素.总体而言, 种植作物类型等人为因素(随机性因素)对于氮和磷化肥施用强度的影响仍占主要地位, 这与当前化肥施用强度影响因素的主要研究趋势和结果相一致[16, 33, 34], 但自然因素尤其是成土母质对于氮和磷化肥施用强度仍具有重要影响, 且对于施磷强度空间分异的影响高于施氮强度.

表 2 不同因素与氮和磷施用强度间的回归分析 Table 2 Regression analysis between different factors and application intensity of nitrogen and phosphorus

2.2.2 自然和人为重要影响因素综合分析

如表 3所示, 种植作物类型和成土母质均对氮和磷化肥施用强度具有显著影响, 这与前文的回归分析结果一致(表 2).在种植作物粗分类中, 果蔬类的氮和磷平均施用强度最高, 分别为313.17 kg·hm-2和204.67 kg·hm-2.在细分类中, 施氮强度最高和最低的类型分别是果蔬和园林, 而施磷强度最高和最低的种植作物分别是稻蔬和稻麦.其中, 氮和磷施用强度最高和最低的粮油类种植作物分别是稻蔬和稻麦.不同母质类型条件下, 由灰棕冲积物发育而来的土壤施氮强度显著高于其它4种母质类型, 平均值为296.17 kg·hm-2.紫色岩风化物条件下的施磷强度显著高于其它4种母质类型, 平均值为254.02 kg·hm-2, 且不同母质类型间施磷强度均差异显著.从变异系数来看, 不同种植作物类型和成土母质所对应的农田施氮强度变异系数范围分别处于19.03%~48.36%和33.78%~41.00%, 施磷强度变异系数范围分别处于28.02%~70.97%和54.95%~73.20%, 均表现为中等程度的变异性, 且同母质或同种植作物类型条件下的施磷强度的变异系数均高于施氮强度.

表 3 不同种植作物类型和母质类型上氮和磷施用强度统计特征1) Table 3 Statistical characteristics of nitrogen and phosphorus application intensity in different crop and parent material types

为了进一步探究自然因素对施肥强度空间变异的影响程度, 分别对果蔬、稻蔬、稻油、稻麦、稻药、其它粮油和园林条件下的成土母质与氮和磷化肥施用强度进行方差分析.由表 4可知, 园林类种植作物在不同母质类型上的氮和磷化肥施用强度不显著, 其余种植作物类型条件下的成土母质对氮和磷施用强度差异均影响显著或极显著.由此可见, 在相同种植作物类型条件下, 成土母质仍深刻制约和影响区域氮和磷化肥施用强度的空间分布.

表 4 同种植作物类型下不同母质类型间氮和磷施用强度的方差分析1) Table 4 Analysis of variance of nitrogen and phosphorus application intensity among different parent material types for the same crop type

2.3 空间结构性特征

由表 5和图 2可知, 研究区氮和磷施用强度采用高斯模型时两者拟合效果最佳, R2分别为0.91和0.98.氮和磷化肥施用强度的块金系数分别为66.17%和41.60%, 均在25%~75%之间, 显示出中等程度的空间自相关性, 说明其空间变异受到了结构性因素(成土母质、土壤类型、地形和水文等)和随机性因素(经济因素、技术因素和农户行为特征因素等)的共同影响.从变程来看, 研究区施氮强度和施磷强度的距离分别为65 km和53 km, 其空间自相关范围较大.

表 5 施磷强度对数值和施氮强度的半方差函数及其拟合参数 Table 5 Semi-variance function and fitting parameters for logarithm of phosphorus application intensity and nitrogen application intensity

图 2 施磷强度对数值和施氮强度的半方差 Fig. 2 Semi-variance diagram of logarithms of phosphorus application intensity and nitrogen application intensity

2.4 空间分布特征

参考田若蘅等[24]关于四川省氮和磷化肥施用强度的风险分级标准, 将研究区氮和磷施用强度划分4种风险等级(表 1).如图 3所示, 施氮强度介于120~360 kg·hm-2的区域面积占研究区总面积97.02%, 介于60~180 kg·hm-2施磷强度的区域面积占比为86.20%, 研究区总体氮和磷化肥施用强度呈中低风险水平.其中, 研究区施氮强度高值区(>300 kg·hm-2)主要分布在都江堰-什邡一带和东部的龙泉驿、金堂区域, 相对低值区(≤150 kg·hm-2)主要分布在南部和东北部.研究区施磷强度的空间分布与施氮强度相似, 但其相对高值区(>150 kg·hm-2)在空间分布上表现出明显的聚集特征, 集中分布在彭州、什邡、龙泉驿和金堂区域, 相对低值区(≤90 kg·hm-2)多分布在东南部和东北部.

图 3 研究区氮和磷化肥施用强度空间分布 Fig. 3 Spatial distribution of nitrogen and phosphorus fertilization intensities in the study area

3 讨论 3.1 成都平原氮和磷化肥施用强度的空间分布特征

本研究结果显示, 成都平原氮和磷化肥施用强度的空间分布表现出相似的规律(图 3), 氮和磷施用强度分别为120~360 kg·hm-2和60~180 kg·hm-2的区域占研究区总面积的97.02%和86.20%, 总体呈中低风险强度.这与田若蘅等[24]基于行政区域尺度研究得出的成都平原经济区化肥施用环境风险评价较为一致.南部的新津、邛崃和东北部区域氮和磷施用强度相对较低, 什邡、龙泉驿和金堂区域均显示为高风险氮和磷施用强度.受城市化进程的影响, 种植结构中经济作物比重上升导致氮和磷化肥施用强度增大, 在进行成都平原农田氮和磷面源污染识别和防控时需要重点关注以什邡、龙泉驿和金堂为代表的粮(果)蔬种植区[图 1(d)和图 3].蔬菜一般对于磷肥的需求量高于其它农作物, 且一年多熟进一步增加了磷肥投入[22], 故多种植稻蔬类作物的彭州以高风险施磷强度为主.但该区域内的母质类型主要以全氮含量丰富的灰棕冲积物为主, 又因为其土壤颗粒组成较细, 质地黏重, 导致其土壤氮素易出现明显表聚[19], 有助于提高表层土壤氮和磷对于地上作物的有效供给能力, 在一定程度上减少了对于氮肥的需求, 故施氮强度多表现为中风险强度.以稻蔬类作物为主的温江东部区域多分布全磷含量丰富的灰色冲积物[20], 故区内施磷强度明显低于彭州和什邡.都江堰和郫都西部区域以中高风险施氮强度为主, 而施磷强度总体显示为低风险强度, 说明灰色冲积物对于氮和磷施用强度空间分布差异影响显著.同时, 地势较高的都江堰地区年均降水日数较多, 年降雨总量较大且夏季多暴雨[35], 在农业生产中应改进氮和磷肥施用方法(采用缓控释肥技术和测土配方施肥等方法), 减少农田氮磷流失.

3.2 环境因素对氮和磷化肥施用强度空间分布形成的影响

在农业生产中, 经济因素、技术因素和农户特征因素对化肥施用强度具有显著影响[16, 33, 34], 但自然地理因素也会直接决定一个地区是否适合从事农业生产活动[36], 客观上制约和影响施肥强度空间分布特征的形成.本文通过分析拟合氮和磷化肥施用强度的空间结构特征及施肥强度与环境因素的关系, 进而揭示人为和自然因素对研究区氮和磷施用强度空间分布特征的综合影响.半方差结果显示(表 5), 氮和磷施用强度块金系数在25%~75%之间, 空间相关距离分别为65 km和53 km.表明氮和磷化肥施用强度空间分布由结构性因素和随机性因素的共同作用决定, 具有中等程度的空间相关性, 这与于元赫等[16]和张军伟等[37]的研究结果类似.

综合人为和自然角度选择的7个因子对氮和磷化肥施用强度空间变异均有显著影响, 但影响程度有所差异(表 2).种植作物类型(细分类)能独立解释12.90%和25.10%的氮和磷施用强度空间变异, 是影响研究区氮和磷施用强度因素中的主控因子, 这与王道芸等[38]的研究结果一致.金书秦等[39]的研究指出, 果蔬类经济作物的化肥施用强度较粮食作物高, 蔬菜对化肥施用增量在一般农作物中贡献最大.故本研究中不同粗分类的种植作物间, 氮和磷施用平均强度具体表现为果蔬>粮油>园林(表 3).有研究指出[22], 稻-蔬土壤全磷均值含量高于果园、农林、园林和稻-油/麦等土地利用方式, 其中磷肥的过量投入是其主要原因, 与本研究的结果一致.本研究中稻蔬类作物的氮和磷施用强度显著高于其它6种作物类型, 空间上具体表现为, 稻蔬类作物集中分布的彭州和什邡区内氮和磷施用强度总体较高(图 3).

整体上, 成土母质对研究区氮和磷施用强度空间分布的影响仅次于种植作物类型(细分类), 尤其是对于施磷强度空间变异的独立解释能力达到14.0%, 明显高于除主控因子外的其它因素(表 2).主要原因是成都平原母质来源复杂, 不同成土母质发育而来的土壤在养分含量和土壤结构等理化性质方面均存在较大差异[40], 在一定程度上制约和影响着土壤氮磷对地上作物的供给能力, 这与表 3分析结果一致.土壤对于施入磷素的固持能力强于氮素[41], 因而磷肥施用量在不同母质类型上的差异也更明显, 故研究区成土母质对于施磷强度空间变异的独立解释能力明显更高, 约是施氮强度的3.6倍.

为了进一步探究自然因素对施肥强度空间分布特征的影响程度, 选择本研究中人为和自然影响因素中最重要的种植作物类型和成土母质, 分别对7种作物类型条件下的成土母质与施肥强度进行方差分析(表 4).园林类种植作物条件下的母质类型对于氮和磷施用强度影响不显著, 主要因为其集中分布在温江区内较为单一的灰色冲积物上, 该类母质土壤颗粒组成相对较粗, 多为泥质沙土, 养分易随水分向下层土壤迁移, 可为园林类植物较深的根系提供适量的氮和磷[19].再加上地上较多的枯落物被分解转化为有机质, 可以促进铵态氮(NH4+)的固定, 并有效减少土壤中的氮素硝化流失[42], 故该区域内氮和磷化肥施用强度相对较低[图 1(e)和图 3].而其余6种作物类型条件下成土母质对于施肥强度仍具有显著或极显著影响.结果进一步揭示了种植作物类型对研究区氮和磷化肥施用强度空间分布特征的形成起主要决定作用的同时, 仍受到成土母质等自然因素的深刻制约和影响.

4 结论

(1) 成都平原氮和磷化肥施用强度总体处于120~360 kg·hm-2和60~180 kg·hm-2的中低风险强度.高、低氮和磷施用强度的空间分布表现出相似的规律, 氮和磷施用高风险强度主要分布在郫都、彭州、什邡、龙泉驿和金堂等粮(果)蔬种植区, 相对低值区主要分布在南部和东北部.

(2) 研究区氮和磷化肥施用强度的空间分布是人为和自然因素共同作用的结果.其中, 种植作物类型和成土母质是人为和自然影响因素中最重要的因子, 土壤类型、土地利用类型、高程、河流距离和城镇距离的作用也不可忽视.

(3) 种植作物类型对研究区氮和磷化肥施用强度空间分布起主要决定作用, 但相同种植作物类型下, 成土母质仍深刻制约和影响其空间分布特征的形成, 且对于施磷强度空间分布的影响明显高于施氮.进行成都平原精准农业施肥管理和化肥面源污染识别防控时, 需重点关注灰棕冲积物区域内果蔬和稻蔬类作物的氮和磷化肥施用强度; 灰色冲积物区域内施氮强度的风险等级明显高于施磷, 可采用测土配方施肥等技术实现氮肥的减量增效.

参考文献
[1] Liu Y, Jiang M, Lu X G, et al. Carbon, nitrogen and phosphorus contents of wetland soils in relation to environment factors in northeast China[J]. Wetlands, 2017, 37(1): 153-161. DOI:10.1007/s13157-016-0856-2
[2] Szogi A A, Bauer P J, Vanotti M B. Vertical distribution of phosphorus in a sandy soil fertilized with recovered manure phosphates[J]. Journal of Soils and Sediments, 2012, 12(3): 334-340. DOI:10.1007/s11368-011-0452-2
[3] Cameron K C, Di H J, Moir J L. Nitrogen losses from the soil/plant system: a review[J]. Annals of Applied Biology, 2013, 162(2): 145-173. DOI:10.1111/aab.12014
[4] Stevens C J, Dise N B, Mountford J O, et al. Impact of nitrogen deposition on the species richness of grasslands[J]. Science, 2004, 303(5665): 1876-1879. DOI:10.1126/science.1094678
[5] 武淑霞, 刘宏斌, 刘申, 等. 农业面源污染现状及防控技术[J]. 中国工程科学, 2018, 20(5): 23-30.
Wu S X, Liu H B, Liu S, et al. Review of current situation of agricultural non-point source pollution and its prevention and control technologies[J]. Strategic Study of CAE, 2018, 20(5): 23-30.
[6] Wang A, Tang L H, Yang D W, et al. Spatio-temporal variation of net anthropogenic nitrogen inputs in the upper Yangtze River basin from 1990 to 2012[J]. Science China Earth Sciences, 2016, 59(11): 2189-2201. DOI:10.1007/s11430-016-0014-6
[7] 严坤, 王玉宽, 刘勤, 等. 三峡库区规模化顺坡沟垄果园氮、磷输出过程及流失负荷[J]. 环境科学, 2020, 41(8): 3646-3656.
Yan K, Wang Y K, Liu Q, et al. Dynamic process of nitrogen and phosphorus export and loss load in an intensive orchard with ridge and furrow plantation in the Three Gorges Reservoir Area[J]. Environmental Science, 2020, 41(8): 3646-3656.
[8] 王善高, 田旭, 周应恒. 中国农业化肥施用量增长原因分解及其削减潜力分析[J]. 生态经济, 2019, 35(3): 115-121.
Wang S G, Tian X, Zhou Y H. Analysis on the reasons for increase of agricultural chemical fertilizer in China and the potential of reducing it[J]. Ecological Economy, 2019, 35(3): 115-121.
[9] 谢经朝, 赵秀兰, 何丙辉, 等. 汉丰湖流域农业面源污染氮磷排放特征分析[J]. 环境科学, 2019, 40(4): 1760-1769.
Xie J C, Zhao X L, He B H, et al. Analysis of the characteristics of nitrogen and phosphorus emissions from agricultural non-point sources on Hanfeng lake basin[J]. Environmental Science, 2019, 40(4): 1760-1769.
[10] 俞映倞, 杨林章, 李红娜, 等. 种植业面源污染防控技术发展历程分析及趋势预测[J]. 环境科学, 2020, 41(8): 3870-3878.
Yu Y L, Yang L Z, Li H N, et al. Situation analysis and trend prediction of the prevention and control technologies for planting non-point source pollution[J]. Environmental Science, 2020, 41(8): 3870-3878.
[11] 雷俊华, 苏时鹏, 余文梦, 等. 中国省域化肥面源污染时空格局演变与分组预测[J]. 中国生态农业学报(中英文), 2020, 28(7): 1079-1092.
Lei J H, Su S P, Yu W M, et al. Temporal and spatial pattern evolution and grouping prediction of non-point source pollution of chemical fertilizers in China[J]. Chinese Journal of Eco-Agriculture, 2020, 28(7): 1079-1092.
[12] 孙铖, 周华真, 陈磊, 等. 农田化肥氮磷地表径流污染风险评估[J]. 农业环境科学学报, 2017, 36(7): 1266-1273.
Sun C, Zhou H Z, Chen L, et al. The pollution risk assessment of nitrogen and phosphorus loss in surface runoff from farmland fertilizer[J]. Journal of Agro-Environment Science, 2017, 36(7): 1266-1273.
[13] 刘钦普. 中国化肥施用强度及环境安全阈值时空变化[J]. 农业工程学报, 2017, 33(6): 214-221.
Liu Q P. Spatio-temporal changes of fertilization intensity and environmental safety threshold in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(6): 214-221.
[14] 吴凌云, 张世昌, 黄功标. 福建省化肥施用强度时空分布及影响因素分析[J]. 中国农技推广, 2020, 36(3): 45-48.
[15] 赵雪雁, 刘江华, 王蓉, 等. 基于市域尺度的中国化肥施用与粮食产量的时空耦合关系[J]. 自然资源学报, 2019, 34(7): 1471-1482.
Zhao X Y, Liu J H, Wang R, et al. Spatial-temporal coupling relationship between chemical fertilizer application and grain yield in China at city scale[J]. Journal of Natural Resources, 2019, 34(7): 1471-1482.
[16] 于元赫, 李子君, 姜爱霞, 等. 山东省农业化肥施用强度时空格局演变及驱动力分析[J]. 中国农业大学学报, 2019, 24(4): 176-186.
Yu Y H, Li Z J, Jiang A X, et al. Spatial-temporal patterns change and driving forces analysis of agricultural chemical fertilization intensity in Shandong province[J]. Journal of China Agricultural University, 2019, 24(4): 176-186.
[17] 王启, 张辉, 廖桂堂, 等. 四川省主要农业投入品时空变化特征及影响因素[J]. 生态与农村环境学报, 2018, 34(8): 717-725.
Wang Q, Zhang H, Liao G T, et al. Spatial and temporal variation characteristics of the main agricultural inputs in Sichuan province and the influencing factors[J]. Journal of Ecology and Rural Environment, 2018, 34(8): 717-725.
[18] Luo Y L, Li Q Q, Shen J, et al. Effects of agricultural land use change on organic carbon and its labile fractions in the soil profile in an urban agricultural area[J]. Land Degradation & Development, 2019, 30(15): 1875-1885.
[19] 张浩, 李启权, 唐嘉玲, 等. 成都平原西部土壤氮素空间变异特征及影响因素[J]. 环境科学研究, 2018, 31(2): 295-302.
Zhang H, Li Q Q, Tang J L, et al. Spatial variability and its influential factors of soil nitrogen in the western Chengdu plain[J]. Research of Environmental Sciences, 2018, 31(2): 295-302.
[20] 李珊, 李启权, 王昌全, 等. 成都平原西部土壤全磷的剖面分布及主控因素[J]. 资源科学, 2018, 40(7): 1397-1406.
Li S, Li Q Q, Wang C Q, et al. Profile distribution of soil total phosphorus and controlling factors on the west Chengdu plain[J]. Resources Science, 2018, 40(7): 1397-1406.
[21] 易茜, 任丹华, 朱从桦, 等. 施肥方式和施氮量对川西平原机插稻产量和氮肥利用的影响[J]. 中国农学通报, 2019, 35(22): 1-5.
Yi Q, Ren D H, Zhu C H, et al. Fertilization method and nitrogen rate affect yield and nitrogen utilization of machine-transplanted rice in West Sichuan plain[J]. Chinese Agricultural Science Bulletin, 2019, 35(22): 1-5.
[22] 郑盛华, 陈红琳, 陈雨芝, 等. 川西平原不同基础地力和施肥对水稻生长及产量的影响[J]. 中国农学通报, 2017, 33(23): 63-67.
Zheng S H, Chen H L, Chen Y Z, et al. Effect of soil fertility and fertilization on rice growth and yield in West Sichuan plain[J]. Chinese Agricultural Science Bulletin, 2017, 33(23): 63-67.
[23] 梁涛, 陈轩敬, 赵亚南, 等. 四川盆地水稻产量对基础地力与施肥的响应[J]. 中国农业科学, 2015, 48(23): 4759-4768.
Liang T, Chen X J, Zhao Y N, et al. Response of rice yield to inherent soil productivity of paddies and fertilization in Sichuan basin[J]. Scientia Agricultura Sinica, 2015, 48(23): 4759-4768.
[24] 田若蘅, 黄成毅, 邓良基, 等. 四川省化肥面源污染环境风险评估及趋势模拟[J]. 中国生态农业学报, 2018, 26(11): 1739-1751.
Tian R H, Huang C Y, Deng L J, et al. Environmental risk assessment and trend simulation of non-point source pollution of chemical fertilization in Sichuan Province, China[J]. Chinese Journal of Eco-Agriculture, 2018, 26(11): 1739-1751.
[25] 张文婧, 王昌全, 袁大刚, 等. 四川省主要作物施肥现状、问题与对策[J]. 土壤通报, 2014, 45(3): 697-703.
Zhang W J, Wang C Q, Yuan D G, et al. Status, problems and countermeasures of main crops' fertilizer application in Sichuan province[J]. Chinese Journal of Soil Science, 2014, 45(3): 697-703.
[26] Jiang L, Deng X Z, Seto K C. Multi-level modeling of urban expansion and cultivated land conversion for urban hotspot counties in China[J]. Landscape and Urban Planning, 2012, 108(2-4): 131-139.
[27] Song W, Pijanowski B C. The effects of China's cultivated land balance program on potential land productivity at a national scale[J]. Applied Geography, 2014, 46: 158-170.
[28] Li Q Q, Yue T X, Wang C Q, et al. Spatially distributed modeling of soil organic matter across China: an application of artificial neural network approach[J]. CATENA, 2013, 104: 210-218.
[29] Li Q Q, Li A W, Dai T F, et al. Depth-dependent soil organic carbon dynamics of croplands across the Chengdu plain of China from the 1980s to the 2010s[J]. Global Change Biology, 2020, 26(7): 4134-4146.
[30] Zhang S W, Huang Y F, Shen C Y, et al. Spatial prediction of soil organic matter using terrain indices and categorical variables as auxiliary information[J]. Geoderma, 2012, 171-172: 35-43.
[31] Adhikari K, Hartemink A E, Minasny B, et al. Digital mapping of soil organic carbon contents and stocks in Denmark[J]. PLoS One, 2014, 9(8): e105519.
[32] 李丽霞, 郜艳晖, 张瑛. 哑变量在统计分析中的应用[J]. 数理医药学杂志, 2006, 19(1): 51-53.
Li L X, Gao Y H, Zhang Y. The application of dummy variable in statistics analysis[J]. Journal of Mathematical Medicine, 2006, 19(1): 51-53.
[33] 刘钦普, 孙景荣, 濮励杰. 中国及欧美主要国家化肥施用强度与综合效率比较研究[J]. 农业工程学报, 2020, 36(14): 9-16.
Liu Q P, Sun J R, Pu L J. Comparative study on fertilization intensity and integrated efficiency in China and Euro-American major countries[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(14): 9-16.
[34] 郑鑫. 丹江口库区农户氮肥施用强度的影响因素分析[J]. 中国人口·资源与环境, 2010, 20(5): 75-79.
Zheng X. Influencing factors on the farmers' nitrogenous fertilizer use in Danjiangkou reservoir area[J]. China Population, Resources and Environment, 2010, 20(5): 75-79.
[35] 任小玢, 董治宝, 周正朝. 近50年来四川盆地降水日数的时空变化特征[J]. 水土保持通报, 2012, 32(4): 65-70.
Ren X B, Dong Z B, Zhou Z C. Spatio-temporal variation of precipitation days of Sichuan basin in nearly 50 years[J]. Bulletin of Soil and Water Conservation, 2012, 32(4): 65-70.
[36] 潘晓东. 2000~2015年中国地级市化肥使用量的时空变化特征[D]. 昆明: 云南大学, 2019. 35-38.
Pan X D. Spatial and temporal variations of fertilizer usage across prefecture-level cities in China from 2000 to 2015[D]. Kunming: Yunnan University, 2019. 35-38.
[37] 张军伟, 张锦华, 吴方卫. 粮食生产中化肥投入的影响因素研究——基于Durbin模型的分析[J]. 经济地理, 2018, 38(11): 174-182.
Zhang J W, Zhang J H, Wu F W. The influencing factors of fertilizer input in grain production: based on the Durbin model[J]. Economic Geography, 2018, 38(11): 174-182.
[38] 王道芸, 胡海棠, 李存军, 等. 基于GIS的海河流域农田氮磷肥施用环境风险评价[J]. 山西农业科学, 2019, 47(3): 405-412.
Wang D Y, Hu H T, Li C J, et al. Environmental risk assessment of nitrogen and phosphorus fertilizer application in farmland of Haihe river basin based on GIS[J]. Journal of Shanxi Agricultural Sciences, 2019, 47(3): 405-412.
[39] 金书秦, 周芳, 沈贵银. 农业发展与面源污染治理双重目标下的化肥减量路径探析[J]. 环境保护, 2015, 43(8): 50-53.
Jin S Q, Zhou F, Shen G Y. Feasible routes for reducing chemical fertilizer use with dual goals of agricultural development and non-point source pollution prevention[J]. Environmental Protection, 2015, 43(8): 50-53.
[40] 李珊, 李启权, 王昌全, 等. 成都平原区水稻土有机碳剖面分布特征及影响因素[J]. 环境科学, 2018, 39(7): 3365-3372.
Li S, Li Q Q, Wang C Q, et al. Profile distribution of paddy soil organic carbon and its influencing factors in Chengdu plain[J]. Environmental Science, 2018, 39(7): 3365-3372.
[41] 韦高玲, 卓慕宁, 廖义善, 等. 不同施肥水平下菜地耕层土壤中氮磷淋溶损失特征[J]. 生态环境学报, 2016, 25(6): 1023-1031.
Wei G N, Zhuo M N, Liao Y S, et al. Leaching characteristics of nitrogen and phosphorus in vegetable soils under different fertilization levels[J]. Ecology and Environmental Sciences, 2016, 25(6): 1023-1031.
[42] Wang J, Zhu B, Zhang J B, et al. Mechanisms of soil N dynamics following long-term application of organic fertilizers to subtropical rain-fed purple soil in China[J]. Soil Biology and Biochemistry, 2015, 91: 222-231.