2024, Vol. 45
2. 中科吉安生态环境研究院, 吉安 343100;
3. 北京林业大学水土保持国家林业和草原局重点实验室, 北京 100083;
4. 中国科学院地理科学与资源研究所生态系统观测与模拟重点实验室, 北京 100101
2. The Zhongke-Ji'an Institute for Eco-Environmental Sciences, Ji'an 343100, China;
3. Key Laboratory of National Forestry and Grassland Administration for Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China;
4. Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
土壤退化是当今世界面临的难题之一, 其实质是土壤肥力的退化, 直观表现为土壤生产率降低甚至丧失, 导致生态环境系统恶化和社会经济系统贫困化, 对人类社会和全球变化造成严重危害. 红壤是我国的重要土壤类型之一, 主要分布在热带和亚热带地区, 其主要特征是缺乏碱金属和碱土金属, 而富含铁、铝氧化物, 呈酸性红色[1]. 南方丘陵山地带是国家“两屏三带”生态格局的重要组成部分, 土壤肥力水平低、盐基饱和度低、物理性质差和质地黏重是影响红壤丘陵区耕地土壤质量的主要障碍因子, 红壤丘陵区内耕地面积约占全国耕地总面积的36%, 由于受长期不合理的开发利用, 农业生态系统中土壤养分失衡, 红壤面临养分贫瘠、耕层变薄、地力退化以及生态环境恶化等问题[2]. 根据土壤普查资料, 68%的红壤农田为中低产田, 普遍缺少有机质和氮素, 并且全部旱地和60%的水田缺磷, 耕地中58%缺钾[3], 制约我国粮食安全. 因此调查土壤背景值、检测土壤营养指标并揭示红壤农田肥力主要影响因子, 对摸清农田土壤现状、针对性改善土壤质量、高标准化农田建设及保障粮食生产安全具有重要意义.
目前国内外学者基于农田土壤肥力特征及影响因子的研究已经从最初的定性表达, 发展到如今的定量分析. 张兆永等[4]研究表明农田土壤中有机质、速效磷等和总盐分含量呈显著的负相关关系；余泓等[5]对长三角地区农田土壤肥力特征研究表明, 阳离子交换量受土壤类型、有机质和全氮含量的影响较大. 通常农田土壤肥力的变化受自然环境及人类活动两大方面的影响, 自然因素中海拔、坡度是影响农田土壤肥力的重要因素[6]. 随着社会经济的发展, 人类活动对农田土壤肥力的影响占主导地位[7], 比如交通可达性、耕作利用方式和养分累积过多等成为影响农田土壤肥力变化的因素. 张国平等[8]研究了紫色土丘陵地区土壤养分空间分布规律, 发现土壤有机质含量与地形因子之间的相关性较强, 有效磷含量与地形因子之间的相关性较弱；赵越等[9]研究表明农田耕作利用方式影响土壤养分的输入输出量, 进而影响土壤各养分因子的空间分布；曹宁等[10]将畜禽养殖、施用化肥和作物产量等因素用于东北地区农田氮、磷平衡的计算中, 发现农田中氮、磷养分主要是通过径流和淋洗进入水体环境, 养分累积过多会产生面源污染, 进而影响土壤肥力.
目前学者多采用模糊综合评价模型[11]、随机森林模型[12]和主成分分析[13]等与地统计学及GIS技术相结合等方法[14]对土壤肥力影响因子进行特征分析[15]、空间分布预测[16]和综合评价[17]. 地理探测器是一种基于地理空间分异理论, 探测因变量与自变量间空间分布格局一致性的新兴统计方法, 它克服了传统分析方法在处理分类型变量时的短板, 适合于与空间相关的因子研究[18]. 李成等[19]利用地理探测器筛选出影响农田土壤有机碳空间分布的重要因素. 柳冬青等[20]利用地理探测器对土壤磷流失影响因素进行研究, 得到了解释力较强的单因子作用与交互作用. 张莹等[21]对近30 a江西省万安县生态脆弱性变化进行研究, 借助地理探测器诊断出了该地区主要的生态变化驱动因子, 从而为生态保护与恢复提供参考.
江西省泰和县为农业大县, 是全国首批商品粮基地县, 农业开发历史悠久, 对红壤治理需求迫切, 缺少精准高效的防治技术, 本文基于农田土壤采样实验数据, 通过半方差函数探究泰和县农田土壤各养分因子的空间分布特征；再采用主成分分析法和隶属度函数计算各指标权重, 并对指标进行归一化与无量纲化, 运用加权求和函数计算土壤肥力质量综合指数（integrated fertility index, IFI）对泰和县土壤肥力现状进行分析；最后通过地理探测器模型, 分析研究区农田土壤肥力及影响因子的影响力, 以期为了解研究区土壤肥力现状及其空间分布特征提供参考, 并为高标准农田建设、农业发展政策制定提供参考.
1 材料与方法 1.1 研究区概况江西省泰和县位于赣中南吉泰盆地腹地、吉安市中南部, 地处罗霄山脉和武夷山脉之间, 地理坐标N26°27'~26°59', E114°17'~115°20', 包括澄江镇、碧溪镇、石山乡和上模乡等22个乡镇. 地貌以山地与丘陵为主, 海拔为14~1 144 m, 中部平坦多平原, 西部多丘陵. 年平均气温为18.6 ℃, 年降水量为1 726 mm, 属中亚热带湿润季风气候, 光、热、水资源在时间分配上具有季节上的差异和不协调, 境内气候差异较大. 赣江贯穿泰和县中部, 过境流程约45 km, 东南山地的仙槎河、仁善河、珠林河和西部的禾水河、蜀水河等均汇归赣江, 构成全县羽状的赣江水系. 水资源丰富, 耕地以水田为主. 全县境内共有5个土类, 包括：水稻土、潮土、紫色土、红壤和黄壤. 全县土地总面积约为2 660.15 km2, 耕地面积占20.7%, 作物种植以水稻为主, 有早稻、中稻和一季晚稻、双季晚稻.
1.2 样品采集与处理本文中的土壤数据为2022年和2023年在江西省泰和县采集的土壤样品实验数据. 考虑研究区农田的分布、地形以及道路可达性等因素, 遵循“随机”和“等量”的原则, 综合选取了206个调查点, 其分布如图 1所示. 本研究主要采用5点混合采样法采集农田0~20 cm约1 kg表层土壤, 将土壤样品密闭封装后放入冷藏箱保存, 并利用手持GPS记录采样中心点的经纬度坐标. 将样品带回实验室内后, 放在干燥通风处自然晾干. 干燥后除去碎石砾、植物根系等杂质, 并将土壤研磨过0.15 mm筛, 装入干净密封袋保存.
|
图 1 研究区概况 Fig. 1 Overview of the study area |
土壤pH利用pH计（Mettler Toledo, Switzerland）测定, 土水比为1∶25；阳离子交换量采用三氯化六氨合钴浸提-分光光度法测定；土壤电导率采用电极法测定；有效磷采用碳酸氢钠浸提-钼锑抗比色法测定；土壤有机质采用重铬酸钾氧化外加热法测定；全磷含量采用碱熔-钼锑抗分光光度法测定；全氮含量采用凯氏定氮法测定[22].
1.3 数据获取与处理通过剔除无效数据、鲁棒3σ原则检测异常值消除可能存在的误差, 最终得到115个有效样本数据. 土壤肥力指标分级参照《全国第二次土壤普查》[23]分级标准. 借助SPSS及Excel对土壤养分肥力指标进行描述性分析、主成分分析以及土壤肥力质量综合指数计算. 采用GS+9.0软件对研究区土壤各肥力指标数据的半方差函数和结构参数模型进行最优拟合. 运用QGIS软件中的地理探测器模型进行土壤肥力影响因素分析, 技术路线见图 2, 数据的主要来源如下.
|
图 2 技术路线 Fig. 2 Flowchart of the study |
（1）DEM（digital elevation model）数据和县域行政区域数据 DEM数据和行政区数据通过地理空间数据云平台（www.gscloud.cn）获取, 利用ArcGIS10.8软件制作泰和县DEM图, 并计算和生成坡度图、坡向图和地表起伏度图.
（2）土壤数据 土壤质地数据来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”（http://westdc.westgis.ac.cn）, 源自1.10版本的HWSD世界土壤数据库；土壤肥力指标数据来源于江西省泰和县2022年和2023年采集的土壤样品实验数据.
（3）气候数据 采用ERA5数据集（cds.climate.copernicus.eu）, 获取1993~2022年泰和县月均总降雨量和2 m温度数据.
（4）NDVI数据 来源于2022年的MODIS MOD13Q1数据, 轨道号H28V6, 共23景, 空间分辨率为250 m, 利用Python批量投影、转换、掩膜, 采用最大值合成法（maximum value composites, MVC）得到泰和县NDVI年度数据.
（5）河流和水库距离采用HydroATLAS数据库[24], 路网数据使用DIVA-GIS（https://www.diva-gis.org/gdata）, 在ArcGIS 10.8软件中利用欧式距离分析法, 获取采样点与附近公路用地、河流水系的距离关系.
（6）社会经济数据 作物类型数据来源于2021年泰和县年鉴[25].
1.4 土壤肥力质量综合评价法本文运用模糊数学方法评价土壤肥力, 用隶属度来反映客观事物中的模糊界限, 而隶属度可用隶属函数表达. 模糊综合评价即通过模糊数学和多元统计分析原理计算各肥力因子的隶属度和权重系数, 利用加乘法原则, 计算土壤综合肥力指数进而对土壤肥力进行综合评价的一种函数模型.
1.4.1 土壤肥力指标权重的确定指标权重反映了各个因子对土壤肥力影响的大小, 评价结果是否准确关键在于指标权重的确定. 运用主成分分析法（principal component analysis, PCA）确定土壤肥力指标权重, 将所有指标进行主成分分析, 提取公因子方差, 再与所有指标公因子方差和的比值作为每个评价指标权重[26], 公式如下：
|
式中, wi为单项评价指标权重；ai为单项评价指标的公因子方差, n为评价指标个数.
1.4.2 隶属度函数的确定及转折点取值为了综合评价土壤肥力质量, 需要消除各土壤肥力指标量纲. 本文借助模糊数学原理, 通过构建隶属度函数, 计算隶属度值, 该值介于0~1之间, 大小越接近1, 说明该指标下土壤肥力质量越好, 从而实现土壤肥力指标量纲归一化. 常用的隶属度函数有抛物线形、正“S”形、反“S”形和直线形等. 参考前人的研究, 符合抛物线形函数的指标包括pH；符合正“S”形函数的指标包括有机碳、全氮、全磷、有效磷和阳离子交换量；符合反“S”形函数的指标有土壤电导率[27].
正“S”形计算公式：
|
反“S”形计算公式：
|
抛物线形计算公式：
|
式中, f（x）为隶属度, x为实际值, m1、m2、O1和O2为划分土壤肥力的转折点取值, m1为各个土壤指标下限值, m2为各个土壤指标上限值, O1和O2分别为各个土壤指标的临界值. 根据土壤肥力特性, 结合泰和县土壤肥力现状, 转折点取值见表 1.
|
表 1 隶属度函数曲线中评价指标转折点取值1） Table 1 Values of turning points in function of evaluating indicators |
1.4.3 土壤肥力质量综合指数
根据指标的权重和隶属度计算每个采样点土壤肥力综合指数值. 该值能够反映土壤肥力的综合水平, 是进行肥力等级划分的依据. 土壤肥力质量综合指数采用下列公式计算[25]：
|
式中, IFI为土壤肥力质量综合指数；qi为第i项土壤肥力评价指标的隶属度值；wi为第i项土壤肥力评价指标的权重值. IFI范围在0~1, 数值越高, 表示土壤肥力质量越高.
1.5 地理探测器地理探测器（geodetector）是一种新的空间统计方法和定量技术, 它可用于检测空间分异性, 确定地质统计变量的空间分布是否类似于自变量的空间分布, 空间分异性用q值来表示, 也可作为自变量对于因变量的解释力大小[18]. 相比于传统方法, 地理探测器还可以探测出影响因子对因变量的交互作用, 通过计算单因子的q值以及两因子交互作用之后的q值, 来判断两因子之间是否存在交互作用以及作用方式. 本研究采用因子探测器和交互探测器研究影响泰和县农田土壤肥力的影响因素.
因子探测器用来表示自变量X对因变量Y解释力的大小, 用q值来衡量, 公式为[28]：
|
式中, L为因变量Y或自变量X的分层；q值为土壤肥力空间变异影响因子探测指标；Nh和N分别为h层及全区范围的样点个数；δ2h和δ2分别为h层和全区Y的方差. SSW和SST为层内方差和区域总方差. q值范围为[0, 1], 值越接近于1, 表示养分空间分异性越大, 影响因子对于土壤肥力空间变异的解释力也就越大.
交互探测器用来衡量两因子之间的交互作用, 即两个因子共同作用相对于单因子作用时强度的大小. 两因子间的交互作用可分为以下几类[29].
非线性协同：q（X1∩X2） > q（X1）+ q（X2）
相互独立：q（X1∩X2）= q（X1）+ q（X2）
双因子协同：q（X1∩X2） > MAX[q（X1）, q（X2）]
单因子非线性拮抗：MAX[q（X1）, q（X2）] > q（X1∩X2） > MIN[q（X1）, q（X2）]
非线性拮抗：q（X1∩X2） < MIN[q（X1）, q（X2）]
利用geodetector模型对泰和县土壤肥力的各影响因子进行计算前, 需要将各因子进行离散化处理. 根据《全国第二次土地调查技术规程》并结合研究区实际情况, 将海拔高度、坡度、坡向和地形起伏度分为5个等级；pH、年均气温、年降水量、NDVI、距公路距离、距河流水库距离按自然断点法分为5类；加油站个数、畜禽养殖场面积未分类；土壤质地、农作物类型按类型进行划分. 影响因子及等级划分参见表 2.
|
|
表 2 土壤肥力影响因子及等级划分 Table 2 Factors affecting soil fertility and classification levels |
2 结果与分析 2.1 农田土壤肥力变化空间特征分析 2.1.1 土壤肥力指标描述性统计分析
泰和县农田土壤肥力指标统计分析结果如表 3所示, 7种土壤肥力指标均存在空间变异情况, pH指标变异系数为5.84%, 属于弱变异性（0~10%）, 表明其稳定性好, 不易受施肥、灌溉等人为因素的影响；其他土壤肥力指标都属于中等变异（10%~100%）, 其中土壤有效磷的变异系数最大, 为54.18%, 其次为CEC（47.23%）、EC（36.47%）、TP（26.23%）、SOC（24.82%）和TN（24.80%）. EC、SOC和TN数据服从正态分布, pH、TP、AP和CEC数据经过Johnson转换后符合正态分布, 可运用地统计学软件进行半变异分析.
|
|
表 3 土壤肥力指标描述性统计1） Table 3 Descriptive statistics of soil fertility indicators |
依据第二次土壤普查中的分级标准, 将六级指标中的一、二级定为高等水平, 三级定为中等水平, 四、五、六级定为低等水平. 由表 3和表 4可知, 泰和县土壤pH平均值为4.87, 土壤偏酸性；CEC总体偏低, 97.39%的样点所测含量水平位于四级和五级, 说明土壤的保肥能力差；EC等级集中在二级, 平均值为85.23 μS·cm-1, EC越高盐分就越高, 土壤处于轻盐化；63.48%的样点ω（SOC）在20~30 g·kg-1, 处于中等水平；TN含量普遍较高, 73.92%的样点含量大于1.5 g·kg-1, 属于高等水平, 但空间分异较为明显, 出现0.56 g·kg-1最小含量；TP含量偏低, 72.17%样点小于0.6 g·kg-1, 属于低等水平；AP含量较高且丰富, 86.09%的样点含量大于20 mg·kg-1, 属于高等水平. 研究区域内有机质和全磷含量较低, 全氮和有效磷含量较高, 其原因主要是当地对农田的施肥主要为尿素、过磷酸钙等, 对磷肥和有机肥的施用却较少.
|
|
表 4 土壤肥力指标含量分级统计结果1） Table 4 Statistical results of soil fertility index content grading |
2.1.2 土壤肥力指标空间变异特征分析
半变异函数用来描述区域化变量结构性和随机性这一空间特征, 可以有效地揭示属性变量在空间上的分布、变异和相关特征, 解释空间格局对生态过程与功能的影响. 根据半变异函数模拟结果可知（表 5）, 土壤pH、TP和AP变异函数理论模型符合指数模型, SOC、TN和CEC变异函数理论模型符合球状模型, EC变异函数理论模型符合高斯模型. 土壤EC、SOC、TN和TP的决定系数分别为0.89、0.71、0.79和0.76, 表明各变量的拟合模型能较好地反映其空间分布特征. 而CEC的决定系数最低, 为0.05, 说明CEC可能不是代表土壤肥力的较佳指标.
|
|
表 5 土壤肥力指标半变异函数的理论模型和相关系数 Table 5 Theoretical model and correlation coefficients of semi-variogram for soil fertility indicators |
块金效应值[C0/（C0+C）]用以描述变量中由随机部分引起的空间变异占系统总变异的比值, 当其小于0.25时表示变量具有较强的空间相关性, 介于0.25~0.75之间时具有中等程度空间相关, 大于0.75时示变量具有较弱的空间相关性. 土壤pH、EC和AP块金效应值分别为0.17、0.21和0.18, 均小于0.25, 空间相关性较强, 空间变异以结构性变异为主, 结构性因素一般包括地形、气候和土壤类型等；土壤SOC、TN和TP块金效应值分别为0.52、0.45和0.59, 介于0.25~0.75之间, 具有中等程度的空间相关性, 其空间变异受结构性因素和随机性因素（施肥、耕作方式和土壤污染等）的共同影响.
2.2 农田土壤肥力等级划分 2.2.1 土壤肥力指标权重基于主成分分析的结果, 如表 6所示, 在7个农田土壤肥力指标中, 特征值大于1的主成分共3个, 它们的累计贡献率为77.59%, 满足主成分个数确定要求, 能够解释大部分的土壤空间变异. 各指标的公因子方差及权重系数计算结果见表 6, 土壤TN、SOC和EC的权重系数较高, 是影响农田土壤肥力的关键指标.
|
|
表 6 土壤肥力指标主成分分析 Table 6 Results of principal components analysis (PCA) of soil fertility indicators |
2.2.2 土壤肥力质量综合得分
采用隶属度函数计算单项指标的隶属度值, 然后根据主成分分析确定指标权重, 最后运用模糊数学中的加和相乘计算土壤肥力质量综合指数（IFI）, 其取值区间为0~1, 数值越大, 表明土壤质量越好. 根据其取值范围, 将土壤肥力等级按照等分法分为5个等级, 0.8 < IFI为一级, 0.6 < IFI≤0.8为二级, 0.4 < IFI≤0.6为三级, 0.2 < IFI≤0.4为四级, 0.2≤IFI≤0为五级. 如表 7及图 3所示, 115个乡镇采样点IFI最高为0.74, 最低为0.25, 一至五级的采样点分别为0、13、83、19、0个, 研究区域内土壤肥力质量主要属于二、三和四级, 分别占样点的11.3%、72.2%和16.5%, 以中、低等级为主. 图 4为7个土壤肥力指标对应的平均隶属度雷达图, 隶属度越高表明土壤肥力越高, 其中, 土壤pH的平均隶属度最低, 为-0.05, AP和CEC次之, 均为0.05, TP为0.08, SOC为0.11, TN最高, 为0.12. 总体上各项土壤肥力指标构成的多边形面积小, 说明泰和县的土壤肥力较低. 其中, 上模乡土壤肥力较高, 沿溪镇土壤肥力较低. 导致沿溪镇土壤肥力较低的原因是当地畜禽养殖场较多, 伴随较高的畜禽养殖污水排放, 畜禽养殖污水含有较多的氮、磷等养分, 直接且连续的排放或农户的过量施肥都会造成土壤氮、磷养分富集, 进而在该区域形成面源污染.
|
|
表 7 泰和县及乡镇土壤肥力质量综合指数1） Table 7 Integrated soil fertility quality index of Taihe County and townships |
|
图 3 各乡镇土壤肥力质量等级堆叠柱状图 Fig. 3 Stack histograms of soil fertility quality level of every township |
|
图 4 各项肥力指标平均隶属度雷达图 Fig. 4 Radar plot of mean membership degree for each fertility index |
利用因子探测器对泰和县土壤肥力14个影响因子的影响力进行计算, 得出结果如表 8所示, 其中影响因子对土壤肥力无显著的影响. 泰和县农田土壤肥力影响解释力（q）强度大小排序为：X54 > X31 > X32 > X21 > X14 > X55 > X12 > X11 > X51 > X41 > X13 > X52 > X22. 说明畜禽养殖场对土壤肥力的影响不可忽视.
|
|
表 8 因子探测器结果 Table 8 Factor detector results |
人类活动因子中的畜禽养殖场（X54）和土壤特征因子中的土壤pH（X31）和土壤质地（X32）解释力较大, 分别为0.287、0.260和0.205, 解释力均大于0.2, 说明人类活动和土壤特征是影响泰和县农田土壤肥力的主要影响因子.
2.3.2 因子交互作用探测将14种影响因子进行交互探测分析, 结果如表 9所示, 泰和县交互结果呈现为双因子增强和非线性增强2种类型, 不存在相互独立或减弱的关系, 即任意两个因素的交互作用对农田土壤肥力的影响都大于单个因素, 也就是说泰和县农田土壤肥力是受到多个影响因素共同作用的结果. 交互作用的q值越高, 表明其对应的两个因子之间的交互作用对于农田土壤肥力的影响程度越大. q值最大的交互因子为X31∩X52（60.18%）和X32∩X52（60.18%）, 其次是X12∩X13（59.87%） > X31∩X54（59.42%） > X13∩X52（58.31%）. 由此可以看出起主导的交互作用主要是因子探测的主导因子与其他因子交互的结果.
|
|
表 9 交互探测器结果 Table 9 Interactive detector results |
3 讨论 3.1 土壤属性参数
参照《全国第二次土壤普查》分级标准对泰和县农田土壤肥力进行评估, 泰和县土壤偏酸性（土壤pH平均值为4.87）, 对水稻的生长产生负面影响；土壤EC平均值为85.23 μS·cm-1, 土壤处于轻盐化状态；97.39%的样点CEC位于四级和五级, 土壤保肥能力差；泰和县农田土壤中TN和AP含量整体较丰富, TP含量较低, 农民应优化施肥方案, 确保施肥量符合农作物的需求；SOC含量较低, 会导致土壤理化性质变差、土壤肥力下降等问题. 泰和县农田土壤保肥能力差、土壤盐渍化、SOC和TP含量低等问题, 主要是由于农户种植方式不科学, 为了追求粮食产量, 存在只种地不养地的“掠夺式”生产行为, 绿肥等有机肥料投入大幅减少, 大量使用化肥, 进而加剧了土壤无机化进程, 造成农田土壤肥力下降[30]. 可通过合理施用化肥, 增施有机肥、绿肥等方法提高土壤肥力, 并定期进行土壤养分情况监测. 随着有机肥用量的提高, 土壤pH值提高, 逐渐接近中性, 土壤有机质、全氮、有效磷等也随之增加. 绿肥含有多种养分以及大量的有机质, 不仅能改善土壤结构, 它作为一种优质的生物肥源, 在提供作物养分、防止水土流失、改善生态环境和节能降耗方面也均有良好作用, 种植绿肥作物是低碳农业的重要环节[31, 32]. 政府应加大粮食生产扶持等政策宣传, 调动农民种粮积极性, 大力推进高标准农田建设, 加快水稻栽培技术的集成创新等.
3.2 土壤肥力影响因子本研究中, 采用地理探测器对土壤肥力进行驱动因素分析, 结果显示畜禽养殖场（X54）、土壤酸碱度（X31）和土壤质地（X32）是其主控因素. 虽然畜禽粪肥具有改良土壤物理性质、提供作物生长所需养分等优点, 但根据《第二次全国污染源普查公报》[33]报告表明, 2017年规模化的畜禽养殖场排放污染占水污染60.69%, 畜禽粪污是农业污染的最大来源. 根据调查显示, 2020年泰和县最主要的规模化养殖畜种为猪和鸡, 泰和县畜禽粪便污染物中的65.09%来源于生猪养殖, 其次是以肉鸡养殖为主的家禽粪便, 占比14.53%[34]. Zhang等[35]、Cai等[36]和姚丽贤等[37]的研究结果表明, 当畜禽养殖场排泄量超过土壤自身净化容量, 会影响土壤中理化性质的变化和分布状况, 造成土壤盐渍化、结块、通气性降低和养分结构失衡等危害[38]. 后续研究可根据泰和县各个乡镇畜禽养殖分布情况进行环境承载力预警分析, 对环境威胁预警等级高的乡镇优先进行土壤肥力的治理.
土壤肥力在交互作用下的解释力均明显高于单因子的解释力, 说明影响因子的共同作用相对于单因子是增强的. 可以发现：距河流水库距离作为单因子探测时, 解释力并不突出, 但在与其他因子交互作用后, 解释力显著增强. 如土壤pH∩距河流水库距离和土壤质地∩距河流水库距离对土壤肥力的解释力均为60.18%, 说明人为因素是影响土壤肥力的重要因素之一, 不同的人类活动类型对土壤肥力的影响也不同[39]. 坡向经过交互作用后解释力也显著增加, 坡向∩距河流水库距离对土壤肥力的解释力为58.31%, 主要是由于不同坡向的土壤水热条件差异所造成的. 这可以说明地形因子在短期小尺度条件下是影响土壤肥力的关键因素[40].
3.3 区域土壤肥力改良土壤肥力综合评价是众多土壤肥力单项指标的综合定量化过程, 采用综合肥力指数可较好地反映土壤综合肥力水平的高低, 通过模糊数学法综合评判, 泰和县土壤肥力等级中三级及四级占比超过88.7%, 泰和县整体土壤肥力较低. 通过平均隶属度雷达图可知土壤pH值最低, 表明研究区土壤酸化严重, 与陈海生等[41]研究红壤区土壤肥力的结果相似. 根据王幼奇等[42]和刘淑军等[43]的研究结果可知, 土壤肥力与作物产量密不可分, 土壤综合肥力指数可以对作物产量进行评价, 综合得分较低的沿溪镇是土壤改良的重点, 根据影响土壤肥力的主要驱动因素, 各乡镇可有针对性地开展土壤肥力改良工作, 根据土壤养分状况合理安排种植模式, 重视补充有机肥, 尤其是碱性有机肥, 还应充分利用当地畜禽养殖资源作为有机肥源, 提升农田土壤质量和产出能力[44, 45].
本研究考虑了红壤农田的8种化学性质、人为因素, 生物和作物指标选取不足, 缺少物理指标, 在之后的研究中可加强和完善. 虽然只针对泰和县的土壤肥力质量分析, 但本研究所运用的分析方法具有代表性和创新性, 因此对于如何改善土壤肥力可提供建议与参考.
4 结论（1）泰和县农田为偏酸性土, 97.39%的样点CEC为四级和五级, EC等级集中在第二级, 63.48%的SOC含量处于中等水平, 73.92%的ω（TN）大于1.5 g·kg-1, 属于高等水平, 72.17%的ω（TP）小于0.6 g·kg-1, 水平含量处于低等, AP含量处于高等水平, 大于20 mg·kg-1占样点的86.09%. 研究区土壤保肥能力差, 土壤处于轻盐化, 缺少SOC和TP. 土壤pH、EC和AP空间相关性较强, 土壤SOC、TN和TP具有中等程度的空间相关性. 空间变异受结构性因素和随机性因素的共同影响.
（2）土壤TN、SOC和EC是影响研究区域农田土壤肥力的关键指标, 研究区域大部分土壤肥力质量等级为三级, 上模乡的土壤较肥沃, 土壤肥力质量等级为二级, 沿溪镇的土壤较贫瘠, 土壤肥力质量等级为四级.
（3）泰和县土壤肥力主要影响因子为：畜禽养殖场（X54） > 土壤pH（X31） > 土壤质地（X32） > 年均气温（X21） > 地表起伏度（X14）, 人类活动因子与土壤特征因子起主导作用. 各因子之间的交互作用主要为双因子增强和非线性增强, 解释力较大的影响因子有：土壤pH（X31）∩距河流水库距离（X52）、土壤质地（X32）∩距河流水库距离（X52）和坡度（X12）∩坡向（X13）.
| [1] |
赵其国, 黄国勤, 马艳芹. 中国南方红壤生态系统面临的问题及对策[J]. 生态学报, 2013, 33(24): 7615-7622. Zhao Q G, Huang G Q, Ma Y Q. The problems in red soil ecosystem in southern of China and its countermeasures[J]. Acta Ecologica Sinica, 2013, 33(24): 7615-7622. |
| [2] |
王晓燕, 宁佳, 史文娇. 南方红壤丘陵区耕地生态问题识别与修复分区[J]. 农业工程学报, 2022, 38(24): 197-206. Wang X Y, Ning J, Shi W J. Identification of ecological problems and restoration zoning in the hilly red soil region of Southern China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(24): 197-206. |
| [3] | 孙波, 张桃林, 赵其国. 南方红壤丘陵区土壤养分贫瘠化的综合评价[J]. 土壤, 1995, 27(3): 119-128. |
| [4] |
张兆永, 李菊英, 祖皮艳木·买买提, 等. 艾比湖流域小尺度农田土壤养分的空间分布和盐渍化风险评价[J]. 生态学报, 2017, 37(3): 819-828. Zhang Z Y, Li J Y, Zulpiya M, et al. Spatial heterogeneity of soil nutrients and salinization risk assessment of a small-scale farmland in Ebinur Basin in Northwest China[J]. Acta Ecologica Sinica, 2017, 37(3): 819-828. |
| [5] |
余泓, 潘剑君, 李加加, 等. 长三角地区农用地土壤肥力特征及综合评价——以朱林镇为例[J]. 土壤通报, 2017, 48(2): 372-379. Yu H, Pan J J, Li J J, et al. Characteristics of soil fertility and comprehensive evaluation on agricultural land in the Yangtze River Delta-a case study of Zhulin Town[J]. Chinese Journal of Soil Science, 2017, 48(2): 372-379. |
| [6] |
李洪义, 贺任彬, 谢模典, 等. 自然和人为因素对耕地土壤有机质含量影响的研究[J]. 土壤通报, 2023, 54(5): 1050-1059. Li H Y, He R B, Xie M D, et al. Influence of natural and anthropogenic factors on soil organic matter content in farmland[J]. Chinese Journal of Soil Science, 2023, 54(5): 1050-1059. |
| [7] |
张文琦, 宋戈. 三江平原典型区水田时空变化及驱动因素分析[J]. 农业工程学报, 2019, 35(6): 244-252. Zhang W Q, Song G. Spatial-temporal variations and driving factor analysis of paddy fields in typical regions of Sanjiang Plain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(6): 244-252. |
| [8] |
张国平, 郭澎涛, 王正银, 等. 紫色土丘陵地区农田土壤养分空间分布预测[J]. 农业工程学报, 2013, 29(6): 113-120. Zhang G P, Guo P T, Wang Z Y, et al. Prediction of spatial distribution of hilly farmland with purple soil nutrient[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(6): 113-120. |
| [9] |
赵越, 罗志军, 廖牧鑫, 等. 泰和县耕地土壤养分空间分布及影响因素[J]. 水土保持学报, 2018, 32(5): 296-303. Zhao Y, Luo Z J, Liao M X, et al. Study on the spatial distribution of soil nutrients and its influencing factors in the cultivated land of Taihe County[J]. Journal of Soil and Water Conservation, 2018, 32(5): 296-303. |
| [10] |
曹宁, 曲东, 陈新平, 等. 东北地区农田土壤氮、磷平衡及其对面源污染的贡献分析[J]. 西北农林科技大学学报(自然科学版), 2006, 34(7): 127-133. Cao N, Qu D, Chen X P, et al. Analysis of the contribution to non-point pollution made by balanced fertilizer in Northwest China[J]. Journal of Northwest Sci-Tech University of Agricultural and Forestry (Natural Science Edition), 2006, 34(7): 127-133. |
| [11] |
汪顺生, 刘东鑫, 孟鹏涛, 等. 不同种植模式冬小麦产量与耗水量的模糊综合评判[J]. 农业工程学报, 2016, 32(1): 161-166. Wang S S, Liu D X, Meng P T, et al. Fuzzy comprehensive evaluation on yield and water consumption of winter wheat with different cropping patterns[J]. Transactions of the Chinese Society of Agricultural Engineerin, 2016, 32(1): 161-166. |
| [12] | Wang F, Yuan X Z, Xie X P. Dynamic change of land use/land cover patterns and driving factors of Nansihu Lake Basin in Shandong Province, China[J]. Environmental Earth Sciences, 2021, 80(5): 180. DOI:10.1007/s12665-021-09476-y |
| [13] |
耿荣, 王明国, 尹学红, 等. 基于主成分分析法的中宁县农田土壤肥力评价[J]. 农业科学研究, 2021, 42(1): 1-7. Geng R, Wang M G, Yin X H, et al. Evaluation of soil fertility of farmland based on principal component analysis in Zhongning County[J]. Journal of Agricultural Sciences, 2021, 42(1): 1-7. |
| [14] |
陈天恩, 陈立平, 王彦集, 等. 基于地统计的土壤养分采样布局优化[J]. 农业工程学报, 2009, 25(S2): 49-55. Chen T E, Chen L P, Wang Y J, et al. Optimal arrangement of soil nutrient sampling based on geo-statistics[J]. Transactions of the CSAE, 2009, 25(S2): 49-55. |
| [15] |
刘湘君, 乔冠宇, 郭丰浩, 等. 基于最小数据集的黄淮海旱作区耕层土壤质量评价及障碍分析[J]. 农业工程学报, 2023, 39(12): 104-113. Liu X J, Qiao G Y, Guo F H, et al. Evaluation and obstacle analysis of cultivated horizon soil quality based on MDS in the dry farming areas of Huang-Huai-Hai Region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(12): 104-113. |
| [16] | Yang X F, Huang Y X, Liu K X, et al. Effects of oyster shell powder on leaching characteristics of nutrients in low-fertility latosol in South China[J]. Environmental Science and Pollution Research, 2022, 29(37): 56200-56214. DOI:10.1007/s11356-022-19911-7 |
| [17] |
孙波, 王兴祥, 张桃林. 丘陵红壤耕作利用过程中土壤肥力的演变和预测[J]. 土壤学报, 2002, 39(6): 836-843. Sun B, Wang X X, Zhang T L. Changes of red soil fertility and its prediction during the land-use and cultivation in low hill region[J]. Acta Pedologica Sinica, 2002, 39(6): 836-843. |
| [18] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [19] |
李成, 王让会, 李兆哲, 等. 中国典型农田土壤有机碳密度的空间分异及影响因素[J]. 环境科学, 2021, 42(5): 2432-2439. Li C, Wang R H, Li Z Z, et al. Spatial differentiation of soil organic carbon density and influencing factors in typical croplands of China[J]. Environmental Science, 2021, 42(5): 2432-2439. |
| [20] |
柳冬青, 张金茜, 李红瑛, 等. 基于地理探测器的流域土壤磷流失影响因素分析[J]. 环境科学学报, 2018, 38(12): 4814-4822. Liu D Q, Zhang J X, Li H Y, et al. Impact factors of soil phosphorus loss in watershed based on geographical detector[J]. Acta Scientiae Circumstantiae, 2018, 38(12): 4814-4822. |
| [21] |
张莹, 张学玲, 蔡海生. 基于地理探测器的江西省万安县生态脆弱性时空演变及驱动力分析[J]. 水土保持通报, 2018, 38(4): 207-214. Zhang Y, Zhang X L, Cai H S. Temporal and spatial evolutions and its driving factors of ecological vulnerability in Wan'an County of Jiangxi Province based on geogdetector[J]. Bulletin of Soil and Water Conservation, 2018, 38(4): 207-214. |
| [22] | 鲍士旦. 土壤农化分析[M]. (第三版). 北京: 中国农业出版社, 2000. |
| [23] | TD/T 1014-2007, 第二次全国土地调查技术规程[S]. |
| [24] | Lehner B, Messager M L, Korver M C, et al. Global hydro-environmental lake characteristics at high spatial resolution[J]. Scientific Data, 2022, 9: 351. DOI:10.1038/s41597-022-01425-z |
| [25] | 《泰和年鉴》编纂委员会. 泰和年鉴·2021[M]. 宜昌: 三峡电子音像出版社, 2022. |
| [26] |
孙波, 张桃林, 赵其国. 我国东南丘陵山区土壤肥力的综合评价[J]. 土壤学报, 1995, 32(4): 362-369. Sun B, Zhang T L, Zhao Q G. Comprehensive evaluation of soil fertility in the hilly and mountainous region of Southeastern China[J]. Acta Pedologica Sinica, 1995, 32(4): 362-369. |
| [27] |
张文学, 王少先, 刘增兵, 等. 基于土壤肥力质量综合指数评价化肥与有机肥配施对红壤稻田肥力的提升作用[J]. 植物营养与肥料学报, 2021, 27(5): 777-790. Zhang W X, Wang S X, Liu Z B, et al. Evaluating soil fertility improvement effects of chemical fertilizer combined with organic fertilizers in a red paddy soil using the soil fertility index[J]. Journal of Plant Nutrition and Fertilizers, 2021, 27(5): 777-790. |
| [28] |
龚仓, 王亮, 王顺祥, 等. 基于地理探测器的镇域尺度土壤重金属含量空间分异及其影响因素分析[J]. 环境科学, 2022, 43(10): 4566-4577. Gong C, Wang L, Wang S X, et al. Spatial differentiation and influencing factor analysis of soil heavy metal content at town level based on geographic detector[J]. Environmental Science, 2022, 43(10): 4566-4577. |
| [29] | Wang J F, Li X H, Christakos G, et al. Geographical detectors‐based health risk assessment and its application in the neural tube defects study of the Heshun Region, China[J]. International Journal of Geographical Information Science, 2010, 24(1): 107-127. DOI:10.1080/13658810802443457 |
| [30] |
黄东风, 王利民, 李卫华, 等. 培肥措施培肥土壤的效果与机理研究进展[J]. 中国生态农业学报, 2014, 22(2): 127-135. Huang D F, Wang L M, Li W H, et al. Research progress on the effect and mechanism of fertilization measure on soil fertility[J]. Chinese Journal of Eco-Agriculture, 2014, 22(2): 127-135. |
| [31] |
刘芳禧, 方畅宇, 庾振宇, 等. 绿肥、秸秆和石灰联用对红壤性水稻土酸度特征和水稻产量的影响[J]. 土壤学报, 2024. Liu F X, Fang C Y, Geng Z Y, et al. Effects of green manure, rice straw return and lime combination on soil acidity and rice yield[J]. Acta Pedologica Sinica, 2024. DOI:10.11766/trxb202304040125 |
| [32] | 中华人民共和国生态环境部, 国家统计局, 中华人民共和国农业农村部. 第二次全国污染源普查公报[EB/OL]. https://www.mee.gov.cn/home/ztbd/rdzl/wrypc/zlxz/202006/t20200616_784745.html, 2020-06-16. |
| [33] |
李海露, 唐友云, 李微艳, 等. 南方双季稻区冬闲期绿肥对田间养分固持和减排的影响[J]. 南方农业学报, 2023, 54(3): 859-866. Li H L, Tang Y Y, Li W Y, et al. Effects of green manure on field nutrient retention and emission reduction in double cropping rice area of Southern China during winter fallow period[J]. Journal of Southern Agriculture, 2023, 54(3): 859-866. |
| [34] |
许琴, 袁定波. 基于耕地消纳能力的畜禽粪便环境承载力研究——以泰和县为例[J]. 环境科学与管理, 2022, 47(11): 76-81. Xu Q, Yuan D B. Analysis of environmental carrying capacity of livestock and poultry manure based on cultivated land consumption capacity——a case study of Taihe County[J]. Environmental Science and Management, 2022, 47(11): 76-81. |
| [35] | Zhang X L, Sun M, Wang N T, et al. Risk assessment of shallow groundwater contamination under irrigation and fertilization conditions[J]. Environmental Earth Sciences, 2016, 75(7): 603. DOI:10.1007/s12665-016-5379-x |
| [36] | Cai X H, Qin Y F, Yan B J, et al. Identification of livestock farms with potential risk of environmental pollution by using a model for returning livestock manure to cultivated land[J]. Environmental Science and Pollution Research, 2023, 30(46): 103062-103072. DOI:10.1007/s11356-023-29681-5 |
| [37] |
姚丽贤, 操君喜, 李国良, 等. 连续施用养殖场鸡、鸽粪对土壤养分和重金属含量的影响[J]. 环境科学, 2007, 28(4): 819-825. Yao L X, Cao J X, Li G L, et al. Effect of continuous application of chicken and pigeon manure from poultry farms on concentrations of soil nutrients and heavy metals[J]. Environmental Science, 2007, 28(4): 819-825. |
| [38] |
彭甲超, 肖建忠, 李纲, 等. 长江经济带农业废水面源污染与农业经济增长的脱钩关系[J]. 中国环境科学, 2020, 40(6): 2770-2784. Peng J C, Xiao J Z, Li G, et al. Decoupling relationship between agricultural wastewater non-point source pollution and agricultural economic growth in the Yangtze River Economic Belt[J]. China Environmental Science, 2020, 40(6): 2770-2784. |
| [39] |
高浩然, 周勇, 刘甲康, 等. 湖北省两种地形区耕地土壤肥力指标空间格局与主控因素[J]. 水土保持通报, 2022, 42(5): 283-292. Gao H R, Zhou Y, Liu J K, et al. Spatial patterns and main control factors of soil fertility indicators in arable land in two topographic regions of Hubei Province[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 283-292. |
| [40] |
翟朝阳, 邱娟, 司洪章, 等. 微地形对大西沟新疆野杏萌发层土壤因子的影响[J]. 生态学报, 2019, 39(6): 2168-2179. Zhai Z Y, Qiu J, Si H Z, et al. Effects of microtopography on germination layer soil factors in Armeniaca vulgaris Lam. in Daxigou[J]. Acta Ecologica Sinica, 2019, 39(6): 2168-2179. |
| [41] |
陈海生, 吕乐燕. 浙东山地红壤丘陵区仙居县农田土壤肥力特征分析[J]. 河南农业科学, 2013, 42(7): 65-67. Chen H S, Lü L Y. Characteristics of soil fertility of farmlands in red earth hilly area in Xianju County, eastern Zhejiang Province[J]. Journal of Henan Agricultural Sciences, 2013, 42(7): 65-67. |
| [42] |
王幼奇, 白一茹, 赵云鹏. 宁夏砂田小尺度土壤性质空间变异特征与肥力评价[J]. 中国农业科学, 2016, 49(23): 4566-4575. Wang Y Q, Bai Y R, Zhao Y P. Assessment of soil fertility and its spatial variability based on small scale in the gravel mulched field of Ningxia[J]. Scientia Agricultura Sinica, 2016, 49(23): 4566-4575. |
| [43] |
刘淑军, 李冬初, 高菊生, 等. 长期施肥红壤稻田肥力与产量的相关性及县域验证[J]. 植物营养与肥料学报, 2020, 26(7): 1262-1272. Liu S J, Li D C, Gao J S, et al. Correlation of red paddy soil fertility with rice yield under long-term fertilization and county verification[J]. Journal of Plant Nutrition and Fertilizers, 2020, 26(7): 1262-1272. |
| [44] |
王新修, 苟剑渝, 刘京, 等. 遵义市植烟土壤肥力综合评价及空间分布[J]. 中国土壤与肥料, 2024(2): 1-9. Wang X X, Gou J Y, Liu J, et al. Soil integrated fertility index and spatial distribution in Zunyi Tobacco-planting area[J]. Soil and Fertilizer Sciences in China, 2024(2): 1-9. |
| [45] |
郁洁, 高晖, 李文西, 等. 基于GIS的江苏省耕地质量等级评价[J]. 中国土壤与肥料, 2022(3): 222-230. Yu J, Gao H, Li W X, et al. Evaluation of cultivated land quality in Jiangsu Province based on GIS[J]. Soil and Fertilizer Sciences in China, 2022(3): 222-230. |