基于地統(tǒng)計學(xué)和空間自相關(guān)的土壤有機質(zhì)空間異質(zhì)性分析及分區(qū)*
——土地整治視角

左昕弘，賴佳鑫，劉 峰，石孝均

（西南大學(xué)資源環(huán)境學(xué)院，重慶 400715）

0 引言

耕地是土地資源的精華，是保障糧食安全的重要資源[1-2]。土地整治是保障我國糧食安全和生態(tài)安全的人類活動，也是耕地質(zhì)量變化的重要驅(qū)動因素[3]。土地整治是指對低效利用、不合理利用、未利用及生產(chǎn)建設(shè)活動和自然災(zāi)害損毀的土地進行整治、提高土地利用效率的活動[4-5]，農(nóng)村土地整治更加強調(diào)通過田、水、路、林、村綜合整治，以增加有效耕地面積并提高耕地質(zhì)量[6]。土地整治措施的實施對整治區(qū)域的土壤理化特性[7]、水資源空間分布[8]、景觀環(huán)境[9]、生物多樣性[10]等有重要影響[3]。如土地平整工程中田塊翻耕和表土剝離與回填等工程措施，通過增加土壤透氣性和保持土壤耕作層質(zhì)量來改善土壤理化性質(zhì)，從而提高耕地質(zhì)量[11]。2021年4月通過的《中華人民共和國鄉(xiāng)村振興促進法》指出，縣級以上地方人民政府應(yīng)當(dāng)推進農(nóng)村土地整治和農(nóng)用地安全利用，加強農(nóng)田水利基礎(chǔ)設(shè)施建設(shè)，改善農(nóng)業(yè)生產(chǎn)條件。然而，未結(jié)合耕地土壤指標(biāo)空間異質(zhì)性的土地整治措施不僅不利于耕地質(zhì)量改善，而且會增加整治成本[7]。因此，依據(jù)耕地質(zhì)量指標(biāo)空間異質(zhì)性進行分區(qū)，并采取針對性的土地整治措施，是土地整治項目設(shè)計的重要基礎(chǔ)，對提高土地整治水平具有重要的意義。

土地整治分區(qū)是將實施土地整治工作的整個區(qū)域劃分為若干整治類型與方向相對一致的子區(qū)域。近年來，土地整治分區(qū)研究主要集中于研究尺度、評價指標(biāo)和分區(qū)方法等方面。在研究尺度上，以宏觀區(qū)域（省[12]、市/縣[13]、自然區(qū)域[14]）居多，微觀（如項目區(qū)尺度[15]）的研究不足。在評價指標(biāo)上，從自然質(zhì)量、利用質(zhì)量和經(jīng)濟質(zhì)量[16]逐步拓展到鄉(xiāng)村地域功能[17]、生態(tài)位[18]、生態(tài)系統(tǒng)服務(wù)[19]、生命共同體[5]、生態(tài)敏感性[20]等方面。但耕地質(zhì)量指標(biāo)，特別是土壤指標(biāo)，仍是土地整治分區(qū)需要考慮的基礎(chǔ)和核心內(nèi)容[21]。研究方法方面，在GIS空間分析的基礎(chǔ)上，多依據(jù)不同土地整治分區(qū)的側(cè)重點采用多因素綜合評價法[12]和屬性特征層次組合法[22]獲得分區(qū)，當(dāng)研究對象事前分類方案不明確時，多采用聚類分析法[23]、空間自相關(guān)分析法[24]等進行分區(qū)。上述研究對提高土地整治效益，提升耕地質(zhì)量提供了理論依據(jù)和技術(shù)支持，但因研究尺度較大，對土壤質(zhì)量指標(biāo)在土壤剖面上的異質(zhì)性及水平方向上的空間自相關(guān)性少有考慮，從而忽略了評價指標(biāo)的空間集聚程度及其顯著性，導(dǎo)致具有顯著空間集聚性的區(qū)域可能在分區(qū)時被割裂，不利于土地平整工程中表土剝離、移土培肥和土壤改良等關(guān)鍵技術(shù)的實施。

土壤有機質(zhì)（soil organic matter，SOM）作為土壤質(zhì)量和生產(chǎn)力最重要的指標(biāo)之一，對改善土壤質(zhì)地、提高土壤肥力、促進植物生長發(fā)育有重要作用[25]，也是基于耕地質(zhì)量的土地整治分區(qū)中多選用的評價指標(biāo)[26]。文章以土壤有機質(zhì)為例，引入全局和局部空間自相關(guān)分析法，在渝西丘陵區(qū)典型土地整治項目區(qū)尺度上，探討基于土壤有機質(zhì)垂直和水平空間上的異質(zhì)性和空間自相關(guān)性的分區(qū)方法及其在土地整治分區(qū)中的應(yīng)用。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

潼南國家農(nóng)業(yè)科技園區(qū)位于渝西紫色土丘陵區(qū)。為建設(shè)耕地分布集中、基礎(chǔ)設(shè)施健全、農(nóng)業(yè)發(fā)展條件較好的糧食主產(chǎn)區(qū)，從2017年底開始進行大規(guī)模的基本農(nóng)田建設(shè)。該文研究區(qū)為2017年該園區(qū)基本農(nóng)田集中建設(shè)區(qū)（105°44′39″E～105°45′26″E，30°04′03″N～30°04′53″N），在行政區(qū)劃上屬于重慶市潼南區(qū)柏梓鎮(zhèn)小嶺村，面積約120hm2（圖1）。研究區(qū)為淺丘帶壩地貌類型，海拔250～271 m；屬亞熱帶濕潤季風(fēng)氣候，年均氣溫17.9℃，年均無霜期335d，年均降雨量975.5mm。土壤類型以侏羅紀(jì)中統(tǒng)遂寧組厚層泥巖母質(zhì)發(fā)育的紅棕紫泥土和紅棕紫色水稻土為主，該土壤富含鈣質(zhì)，呈微堿性。主要糧食作物為水稻和玉米。

1.2 土樣采集與測定

土壤樣品采集于土地整治前（2017 年5 月），依據(jù)研究區(qū)農(nóng)用地地塊大小及形狀特征隨機布點采樣。研究區(qū)以河流（張家堰河）為界呈不同的地貌類型，河流以北為平壩區(qū)，農(nóng)用地地塊面積較大，適當(dāng)減少采樣密度，河流以南為丘陵區(qū)，受地形限制，農(nóng)用地地塊較小，適當(dāng)加大采樣密度。各采樣點按0～20cm、20～40cm、40～60 cm 進行分層采樣，分別表示為表層（Upper layer，U）、中層（Middle layer，M）和下層（Lower layer，L）。采樣時先去除地表凋落物，每個樣點向四周輻射共采集至少5 個分樣點，各土層土樣分別混合后四分法留取1 kg 土樣裝入樣品袋，共采集樣點53 個，分層土樣144 個（部分采樣點因土層薄，未采集到中、下層土樣）。同時用GPS記錄樣點經(jīng)緯度和海拔（圖1）。

圖1 研究區(qū)地理位置、土地利用類型及采樣點分布

將采集的土壤樣品挑出礫石、草根等雜物，自然風(fēng)干，研磨后在室內(nèi)進行測定。SOM 含量采用重鉻酸鉀容量法—外加熱法測定[27]。

1.3 研究方法

1.3.1 地統(tǒng)計分析

普通Kriging 法（ordinary kriging）是地統(tǒng)計學(xué)中最常用的插值法，是建立在變異函數(shù)理論及結(jié)構(gòu)分析基礎(chǔ)上，在有限區(qū)域內(nèi)對區(qū)域化變量的取值進行無偏最優(yōu)估計的一種方法。在GS+9.0中進行SOM 的半方差分析，以決定系數(shù)R2最大、殘差RSS最小確定最優(yōu)理論插值模型。根據(jù)半方差擬合模型和參數(shù)，在Arc-GIS 10.2.2中采用普通Kriging法進行SOM的空間插值。

半方差函數(shù)的理論模型為[28]：

估算未采樣點的理論模型為[29-30]：

式（1）（2）中，?(h)為半方差函數(shù)，h為樣點空間距離，N(h)為空間距離為h的樣點數(shù)，r(xi)和r(xi+h)分別為變量r(xi)在空間位置xi和xi+h處的實測值，r(x0)為x0處的指標(biāo)估計值，λi為第i個樣點的權(quán)重。

1.3.2 空間自相關(guān)分析

空間自相關(guān)分析（spatial autocorrelation analysis）用于檢驗具有空間位置的某要素的觀測值是否顯著地與其相鄰空間點上的觀測值相關(guān)聯(lián)[30-31]。包括全局空間自相關(guān)和局部空間自相關(guān)，通常采用Moran′s I指數(shù)表示空間要素的自相關(guān)程度。I 的取值范圍為-1～1，I＞0 表示變量在空間上呈正相關(guān)，表現(xiàn)出空間集聚特征，反之為負相關(guān)，表現(xiàn)出空間孤立特征，I=0 表示無空間自相關(guān)性。通常用Z值檢驗自相關(guān)顯著性，當(dāng)Z＞1.96或Z＜-1.96時，變量的空間自相關(guān)顯著，否則不顯著，變量呈隨機分布。采用GeoDa 1.14進行Moran′s I分析，并在ArcGIS 10.2.2中結(jié)合Moran′s I分析結(jié)果制作LISA聚類圖。

全局Moran′s I指數(shù)的表達式為[30]：

局部Moran′s I指數(shù)的表達式為[30]：

式（4）中，N為空間變量個數(shù)，zi、zj分別為變量在i、j處的值，-z為變量z的均值Z值的計算公式為[32]：

其中：

式（6）中，Wij為zi和zj之間的空間權(quán)重函數(shù)，i≠j。

1.3.3 基礎(chǔ)數(shù)據(jù)處理

通過目視解譯及實地調(diào)查獲取2017 年研究區(qū)土地利用數(shù)據(jù)。運用Excel 2016 和SPSS 25.0對SOM 進行描述性統(tǒng)計分析和正態(tài)分布檢驗。采用ArcGIS10.2.2的Zonal Statistics工具生成各農(nóng)用地斑塊的SOM含量。

2 結(jié)果與分析

2.1 SOM含量統(tǒng)計特征分析

研究區(qū)各土層SOM 含量的描述性統(tǒng)計特征如表1 所示。3 層SOM 的含量均值范圍為12.86～19.06 g/kg，表現(xiàn)為表層最高，且隨土層深度的增加而遞減。依據(jù)全國第二次土壤普查養(yǎng)分分級標(biāo)準(zhǔn)，各土層SOM 含量的均值均位于土壤養(yǎng)分分級標(biāo)準(zhǔn)的4 級。表層SOM 含量介于1～5 級，中、下層介于2～6 級（表2）。3 層SOM 的空間變異系數(shù)范圍為40.6%～60.8%，以表層最小，且隨土層深度的增加而逐漸增加，均屬于中等變異。

表1 不同土層SOM的描述性統(tǒng)計特征

表2 中國土壤養(yǎng)分分級標(biāo)準(zhǔn)（全國第二次土壤普查）

2.2 SOM的空間變異性分析

經(jīng)典統(tǒng)計學(xué)方法僅在一定程度上反映研究區(qū)SOM 的樣本總體特征及變異狀況，不能定量地刻畫其隨機性和結(jié)構(gòu)性、獨立性和相關(guān)性，需進一步采用地統(tǒng)計學(xué)方法對其空間變異結(jié)構(gòu)進行分析和探討[33]。經(jīng)K-S 檢驗，3 層SOM 除表層呈正態(tài)分布外，其余土層經(jīng)對數(shù)轉(zhuǎn)換后呈正態(tài)分布，滿足地統(tǒng)計學(xué)分析要求。該文采用GS+9.0對不同土層SOM 的空間變異性進行分析，用球狀、指數(shù)和高斯等模型進行擬合，得到模型的相關(guān)參數(shù)值，當(dāng)決定系數(shù)（R2）接近于1且殘差（RSS）較小時，模型擬合度最優(yōu)。如表3所示，3層土壤中，除中層SOM 的最優(yōu)擬合模型為球面模型外，其余均為高斯模型。最優(yōu)擬合模型結(jié)構(gòu)參數(shù)中塊金值（C0）反映的是最小抽樣尺度下變量的測量誤差和隨機因素引起的變異?；_值（C0+C）表示系統(tǒng)內(nèi)的總變異量，基臺值較大表明系統(tǒng)變量具有較強的空間變異。塊基比C0/（C0+C）表示系統(tǒng)變量的空間相關(guān)性程度，若比值＞25%，表明系統(tǒng)具有強烈的空間相關(guān)性，若比值介于25%～75%，表明系統(tǒng)具有中等的空間相關(guān)性，若比值＞75%，表明系統(tǒng)空間相關(guān)性較弱，若比值接近于1，表明在整個尺度上具有恒定的變異[34-35]。研究區(qū)3 層SOM 的C0/（C0+C）介于28.6%～33.3%，具有中等的空間相關(guān)性，表明各土層SOM 的空間變異受結(jié)構(gòu)性因素（成土母質(zhì)、土壤類型、地形地貌等）和隨機性因素（耕作、施肥管理、種植制度等）的共同影響。變程指空間相關(guān)性的作用范圍，反映區(qū)域化變量影響范圍的大小，同時也反映變量自相關(guān)范圍的大小。研究區(qū)SOM的變程介于88.33～102.19 m，表明SOM含量在該范圍內(nèi)存在空間相關(guān)性。

表3 不同土層SOM的半方差函數(shù)理論模型和相關(guān)參數(shù)

2.3 SOM的空間分布特征分析

為更直觀地揭示各土層SOM 在研究區(qū)內(nèi)的空間分布格局，該文基于最優(yōu)半方差擬合模型所得參數(shù)，采用普通Kriging 法在ArcGIS 中進行插值，得到3 層SOM 的空間分布圖。如圖2 所示，各土層SOM 呈不規(guī)則的斑狀與塊狀分布。SOM 含量在表層表現(xiàn)為西北部和東南部的部分區(qū)域較高，中部和北部較低；在中、下層表現(xiàn)為由北向南遞減。此外，表層和中層SOM 含量介于10～20 g/kg之間的區(qū)域面積最大，下層則以＞10 g/kg的區(qū)域為主。

2.4 SOM的空間自相關(guān)分析

2.4.1 全局空間自相關(guān)分析

為計算研究區(qū)農(nóng)用地斑塊的全局與局部Moran′s I指數(shù)并繪制散點圖及LISA聚類圖，該文基于SOM空間分布圖（圖2），采用ArcGIS的Zonal Statistics工具，生成各農(nóng)用地斑塊的SOM平均含量作為基礎(chǔ)圖層（圖3）。

圖2 不同土層SOM的空間分布

圖3 不同土層農(nóng)用地斑塊SOM平均含量的空間分布

為描述SOM 的空間自相關(guān)性隨滯后距的變化規(guī)律，該文采用GeoDa 軟件和Excel 計算并繪制了各土層SOM 在不同滯后距下的空間自相關(guān)程度。如圖4 所示，各土層SOM 的全局Moran′s I 指數(shù)在滯后距位于68.03～1 000.00 m 的范圍內(nèi)大于0，表現(xiàn)為較強的正相關(guān)性，表明SOM 在上述范圍內(nèi)呈正空間自相關(guān)，存在明顯的空間集聚性。當(dāng)滯后距為68.03 m 時，在保證每個對象都有至少1 個鄰居的情況下，各土層SOM 的Moran′s I 指數(shù)均達到峰值，此時SOM 的正空間自相關(guān)集聚性最強。隨著滯后距的增加，Moran′s I 指數(shù)下降，且下降趨勢逐漸減緩，表明以68.03 m 為閾值構(gòu)建的空間權(quán)重和計算得到的空間自相關(guān)結(jié)果具有更高的精確度。因此該文選擇68.03 m 為閾值對SOM進行空間自相關(guān)分析。

圖4 不同土層SOM的空間自相關(guān)性隨滯后距的變化

為探討各土層SOM 的空間關(guān)聯(lián)程度，該文以農(nóng)用地斑塊為基本單元，對各土層SOM 進行全局空間自相關(guān)分析，計算全局Moran′s I 指數(shù)并繪制Moran′s I 散點圖。如表4 所示，各土層SOM 的Moran′s I指數(shù)均大于0.8，呈較強的正空間自相關(guān)集聚性，表明各土層SOM 的空間分布表現(xiàn)為相似值的空間集聚，即高值趨向于與高值相鄰，低值趨向于與低值相鄰，且相鄰觀測值間相似性較強，空間變異性則相對較弱。各土層SOM的Z值均大于1.96，呈顯著空間自相關(guān)，表明觀測值與周圍觀測值相似。顯著性檢驗P值均小于0.01，表明各土層SOM含量均表現(xiàn)為較強的正空間自相關(guān)集聚態(tài)勢。

表4 不同土層SOM的空間自相關(guān)參數(shù)

Moran′s I散點圖中第一、三象限為高—高（HH）和低—低（LL）集聚區(qū)域，表明指標(biāo)存在正的空間關(guān)聯(lián)，HH 和LL 分別表示高值斑塊被其他高值斑塊所包圍和低值斑塊被其他低值斑塊所包圍；第二、四象限為低—高（LH）和高—低（HL）集聚區(qū)域，表明指標(biāo)存在負的空間關(guān)聯(lián)，LH 和HL 分別表示低值斑塊被其他高值斑塊所包圍和高值斑塊被其他低值斑塊所包圍。如圖5 所示，各土層的SOM 含量主要分布于一、三象限，表現(xiàn)為明顯的HH或LL集聚特征，表明研究區(qū)SOM的空間自相關(guān)性整體呈現(xiàn)為兩大趨勢，即SOM 含量高值區(qū)較集中，形成高值與高值自相關(guān)趨勢，同時，低值區(qū)也較為集中，形成低值與低值自相關(guān)趨勢。

圖5 不同土層SOM的全局Moran's I散點

2.4.2 局部空間自相關(guān)分析

全局空間自相關(guān)的Moran′s I 指數(shù)可判斷各指標(biāo)是否存在空間集聚區(qū)及空間離散區(qū)，但無法獲得其在空間上的分布狀況，而局部空間自相關(guān)指標(biāo)結(jié)合LISA 聚類圖能夠揭示各指標(biāo)在空間上具體的分布位置。因此，為進一步明確各土層SOM 含量空間集聚區(qū)和空間離散區(qū)的區(qū)域分布特征，采用局部空間自相關(guān)指標(biāo)及LISA 聚類圖將農(nóng)用地斑塊劃分為HH、HL、LH、LL和“不顯著”（NN）5種類型并繪制空間分布圖。各類型斑塊數(shù)量與面積分別占總斑塊數(shù)量與面積的比例如表5所示，SOMM表現(xiàn)為HH型占顯著性斑塊的比例最大，表明中層SOM主要表現(xiàn)為高—高集聚特征；其余均為LL型所占比例最大，即表、下層SOM主要表現(xiàn)為低—低集聚特征，也表明在土地整治中保護表層養(yǎng)分含量較高地塊的重要性。此外，各土層SOM均無LH型，表明研究區(qū)無SOM低值被高值所包圍的農(nóng)用地斑塊。

表5 各類型斑塊數(shù)量與面積占比 %

LISA 聚類圖表明（圖6），表層SOM 的HH 集聚區(qū)主要分布于平壩區(qū)西北部和東南部丘間谷地，LL 集聚區(qū)主要分布于南部丘陵區(qū)，部分位于平壩區(qū)西部；中、下層SOM 的HH 集聚區(qū)則主要集中于北部平壩區(qū)，LL集聚區(qū)主要分布于南部丘陵區(qū)。

圖6 不同土層SOM的LISA聚類

2.5 SOM分區(qū)

基于SOM 空間自相關(guān)分析結(jié)果，依據(jù)以下原則對耕地進行分區(qū)：（1）以表層SOM 空間自相關(guān)分布特征為主，中、下層為輔，將3 層SOM 的高值集聚分布、低值集聚分布、高低離散分布、低高離散分布和空間隨機分布疊加組合進行分區(qū)；（2）3層SOM空間自相關(guān)類型疊加后，將斑塊面積較小的類別根據(jù)表層SOM 空間自相關(guān)類型合并到其他斑塊面積較大的分區(qū)。結(jié)果表明，研究區(qū)可劃分為高SOM 集聚區(qū)、表層高SOM集聚區(qū)、低SOM集聚區(qū)和SOM隨機分布區(qū)4個分區(qū)（表6），空間分布如圖7所示。

高SOM集聚區(qū)主要分布在水稻種植區(qū)，共有31個耕地斑塊，面積為4.98hm2，占研究區(qū)耕地總面積的5.2%，該區(qū)域宜作為優(yōu)先整治區(qū)域（表6 和圖7）。由圖8 可知，該區(qū)域表層SOM 含量顯著高于中、下層（P＞0.05），3 層SOM 含量均顯著高于其他分區(qū)（P＞0.05），是各土層SOM 含量最高的耕地集聚區(qū)。該區(qū)域自然條件較好，耕地集中連片分布，為耕地利用提供了良好的基礎(chǔ)。在土地整治中應(yīng)重視表土剝離與回填，同時應(yīng)保護和維持現(xiàn)有自然條件和利用管理水平，避免經(jīng)濟建設(shè)對耕地質(zhì)量的影響。

表層高SOM 集聚區(qū)主要分布在東南部丘間谷地，共有31 個耕地斑塊，面積為5.43 hm2，占研究區(qū)耕地總面積的5.6%，該區(qū)域宜作為適度整治區(qū)（表6 和圖7）。由圖8 可知，該區(qū)域表層SOM 含量顯著高于中、下層（P＞0.05），且表層SOM 含量顯著高于除高SOM 集聚區(qū)外的其他分區(qū)（P＞0.05），中層SOM 含量顯著高于低SOM 集聚區(qū)（P＞0.05），下層SOM 含量略高于低SOM 集聚區(qū)，是表層SOM 含量相對較高的耕地集聚區(qū)。在土地整治中應(yīng)同樣重視對表層的保護，同時應(yīng)加強對中、下層SOM 含量的提升（如有機物料回填、機械改土等）。此外，應(yīng)保護和維持現(xiàn)有自然條件和利用管理水平，盡量避免經(jīng)濟建設(shè)對耕地質(zhì)量的影響。

圖7 SOM分區(qū)

低SOM 集聚區(qū)主要分布在平壩西部和南部丘陵區(qū)坡耕地區(qū)域，共有111 個斑塊，面積為14.56hm2，占研究區(qū)耕地總面積的15.1%，該區(qū)域宜作為重點整治區(qū)（表6 和圖7）。由圖8 可知，該區(qū)域表層SOM 含量顯著高于中、下層（P＞0.05），3層SOM 含量均低于其他分區(qū)，且除下層外均表現(xiàn)出顯著性（P＞0.05），是各層SOM 含量最低的耕地集聚區(qū)。在土地整治中應(yīng)結(jié)合自然條件和利用管理特征進行中長期改良措施（如坡改梯、改良培肥等），同時改善農(nóng)田生產(chǎn)條件，以提升區(qū)域整體耕地質(zhì)量水平。

SOM 隨機分布區(qū)空間分布較為廣泛，共有327 個斑塊，面積為71.53 hm2，占研究區(qū)耕地總面積的74.1%，該區(qū)域宜作為優(yōu)化調(diào)整區(qū)（表6 和圖7）。由圖8 可知，該區(qū)域表層SOM 含量顯著高于中、下層（P＞0.05），3 層SOM 含量均處于中等水平。在土地整治中需注意對少量優(yōu)質(zhì)耕地的保護，以此為中心優(yōu)化農(nóng)田布局，同時應(yīng)考慮適當(dāng)調(diào)整、優(yōu)化農(nóng)業(yè)結(jié)構(gòu)。

圖8 各分區(qū)的SOM含量大寫字母表示同一分區(qū)下SOM在不同土層間的顯著性差異，小寫字母表示同一土層下SOM在不同分區(qū)間的顯著性差異；誤差線代表±SD

表6 SOM分區(qū)及區(qū)域特征

3 討論

半方差函數(shù)分析結(jié)果表明，研究區(qū)各土層SOM 具有中等的空間相關(guān)性，受隨機性因素與結(jié)構(gòu)性因素的共同影響，空間自相關(guān)范圍較小。滯后距較小時，SOM 表現(xiàn)為較強的正空間自相關(guān)性，存在明顯的空間集聚性（圖4 和表4）。這與半方差函數(shù)分析的結(jié)果較為一致（表3）。但二者對空間自相關(guān)衡量的嚴格程度不同，半方差函數(shù)的分析結(jié)果包括了正負自相關(guān)，而全局Moran′s I 指數(shù)將正負自相關(guān)進行了區(qū)分[36]。從空間分布上看，各土層SOM 呈不規(guī)則的斑狀與塊狀分布（圖2），LISA 聚類圖也表現(xiàn)為圍繞HH 和LL的多中心分布格局（圖6），這一結(jié)果可以指導(dǎo)SOM 在分區(qū)時的精準(zhǔn)劃分，進一步為土地整治分區(qū)提供依據(jù)。

結(jié)合土地利用類型來看，研究區(qū)水田所處地勢平緩，積水條件下SOM 分解較緩慢，易于積累，且水田的秸稈還田率較高，被微生物轉(zhuǎn)化為有機碳的量較多[37]，使得水田表層SOM 最高且顯著高于撂荒地和旱地（P＞0.05）（圖9），因此SOM 表層的HH 集聚區(qū)主要為水田（圖1），分布在北部平壩區(qū)和東南部丘間谷地。受施肥和表層土壤腐殖質(zhì)隨下滲水在土體中淋溶、遷移、淀積的影響[38]，中、下層SOM 含量也以水田最高且顯著高于其他土地利用類型（P＞0.05），其次為旱地，因此中、下層SOM 的HH 集聚區(qū)除水田外還有部分旱地，主要分布在北部平壩區(qū)。這是土地利用類型影響土壤養(yǎng)分空間變異及剖面異質(zhì)性的直接體現(xiàn)。但LL 集聚區(qū)土地利用類型表現(xiàn)多樣化，且主要分布在南部丘陵區(qū)，表明除土地利用類型外，SOM 還受到地形因子、成土母質(zhì)、土壤類型和秸稈還田方式等其他因素的影響[39]。

圖9 不同土地利用類型下不同土層的SOM含量大寫字母表示同一土地利用類，SOM在不同土層間的顯著性差異，小寫字母表示同一土層下SOM在不同土地利用類型間的顯著性差異；誤差線代表±SD

基于SOM 的剖面異質(zhì)性和空間自相關(guān)性劃分的分區(qū)，可服務(wù)于土地整治中的均質(zhì)單元劃分、表土剝離與回填、移土培肥和土壤改良等工程措施的實施。其中，全局空間自相關(guān)明確了SOM 的空間相關(guān)性與規(guī)律性，局部空間自相關(guān)進一步描述了SOM 的空間自相關(guān)程度，Moran′s I 散點圖和LISA 聚類圖則展示了上述空間自相關(guān)在空間上的具體分布格局[40]。與依據(jù)SOM 含量等級劃分的分區(qū)相比，基于3 層SOM 的LISA 聚類結(jié)果的疊加分區(qū)，能將SOM 在垂直和水平方向上的分布情況與空間集聚性結(jié)合，從而提高評價指標(biāo)分區(qū)及基于此的土地整治分區(qū)的合理性，更有利于針對性地采取土地整治措施。

4 結(jié)論

在渝西典型紫色土丘陵區(qū)，0～60 cm 土層中的SOM 含量總體較低，受結(jié)構(gòu)性和隨機性因素的共同影響，各土層SOM 均表現(xiàn)為顯著的正空間自相關(guān)，且空間自相關(guān)范圍較小。在水平空間分布上，各土層SOM 呈不規(guī)則的斑狀與塊狀分布，LISA 聚類圖也表現(xiàn)為圍繞HH 和LL 的多中心分布格局。土地利用類型對SOM 的空間分布存在顯著影響，HH 集聚區(qū)主要為水田，多分布于平壩和東南部丘間谷地，LL 集聚區(qū)土地利用類型則表現(xiàn)多樣化，主要分布于南部丘陵區(qū)。以表層SOM 空間自相關(guān)分布特征為主，中、下層為輔，可將研究區(qū)劃分為高SOM 集聚區(qū)、表層高SOM 集聚區(qū)、低SOM 集聚區(qū)和SOM 隨機分布區(qū)4 個分區(qū)。各分區(qū)體現(xiàn)了SOM 含量在剖面和水平上高值與低值的集聚性特征，可作為土地整治分區(qū)，尤其是土地平整工程中的表土剝離、移土培肥和土壤改良等關(guān)鍵技術(shù)實施的重要參考。