珠江三角洲土壤養分多尺度空間分異及環境驅動力

牛文鵬 ，李青圃，李鋮，程炯，吉冬青*，蔣新宇，劉通

1.廣東省科學院生態環境與土壤研究所/華南土壤污染控制與修復國家地方聯合工程研究中心/廣東省農業環境綜合治理重點實驗室，廣東 廣州 510650；2.珠江水利委員會珠江水利科學研究院，廣東 廣州 510611

土壤養分，如氮、磷和鉀是植物生長必需的基本元素，對糧食生產和安全有重要影響（Li et al.，2020a；劉茂秀等，2018）。準確了解土壤養分時空分布規律是進行農業綜合管理以及生態環境管控的重要前提（Yadav et al.，2000）。由于土壤是非均質復雜體，土壤養分質量分數在空間上呈現出異質性（Liu et al.，2013；Chatterjee et al.，2015）。這種空間異質性是不同尺度上自然和人為活動共同作用的結果（Yadav et al.，2000；Liu et al.，2013；Liu et al.，2017；劉曉林等，2012；崔貝等，2013；崔旭輝等，2016）。相關研究表明，大氣氮沉降與有機質分解是土壤氮的重要自然來源（李一凡等，2019）。土壤磷更易與鈣、鋁、鐵和有機質結合，其空間分布受降雨、土地利用變化、施肥等因素的綜合影響（Werner et al.，2015）。土壤鉀的固定與釋放主要受到土壤質地、粘土礦物質量分數、土壤酸堿度和濕度等影響（Bruckert et al.，1992）。不同的影響因子具有不同的作用范圍，有些因子（如土壤理化性質、養分添加）可能在局部尺度起決定性作用，而有些因子（如氣候和成土母質）則在較大的尺度起決定性作用（Mage et al.，2013；Lv et al.，2014；王現潔等，2020）。不同影響因子在不同尺度作用強度不同且交互作用，導致我們觀察到的土壤養分空間格局混合了多個尺度的信息。剝離出不同尺度土壤養分的空間變異規律及其關鍵驅動因子對于土壤養分管理至關重要（崔貝等，2013）。

由于人力、物力資源的限制，在區域尺度開展詳細土壤養分調查費時費力。地理信息系統、地統計學（普通克里格、指示克里格、協同克里格等）（Eldeiry et al.，2010；劉曉林等，2012；崔旭輝等，2016）和傳統統計學方法（如相關分析和回歸分析）（Huang et al.，2006；Mage et al.，2013）的發展為揭示區域尺度上土壤養分空間變異及其驅動力提供了便利。但是，以上方法多著眼于單一尺度，不能有效區分或剝離研究要素在特定尺度的空間分異規律（Lin et al.，2006；Shan et al.，2013；Lv et al.，2014）。因子克里格（Factorial Kriging Analysis，FKA），整合了地統計學（協同克里格）、傳統統計學方法（主成分分析）和協同區域化線性模型，可以識別出空間變量的空間結構變異特征，有效過濾掉不同尺度信息的疊加效應，在揭示土壤屬性和元素多尺度空間變異和驅動力方面具有很大潛力（Goovaerts，1992；Imrie et al.，2008；呂真真等，2014）。因子克里格方法被廣泛應用于探究土壤性質的多尺度空間變異特征及其驅動力分析（Liu et al.，2013；Zhou et al.，2016；Du et al.，2017）。

當前對于土壤養分分布特征及其驅動力的研究較多，但多集中在單一尺度（Rodríguez et al.，2011；Song et al.，2019；鐘繼洪等，2009；劉曉林等，2012；安永龍等，2018），多尺度的研究相對較少。小尺度的研究有助于精準施肥，而大尺度上的研究對于區域平衡施肥和種植區劃至關重要（呂真真等，2014）。在制定土壤養分管控策略時，往往需要考慮不同尺度土壤養分變異特征及其驅動因素。Liu et al.（2013）使用因子克里格和逐步回歸分析定量探究了土壤養分的多尺度空間變異及其環境驅動力，發現土壤養分的空間變異在局部尺度（12 km）主要受控于土地利用類型或海拔，而在區域尺度（84 km）主要受控于成土母質。但是，該研究在進行驅動力分析時沒有考慮自變量（即環境變量）的空間變異。事實上，任何地理變量都存在空間變異，在驅動力分析時要同時考慮土壤養分和環境變量的空間變異特征和尺度。鑒于此，本研究以典型農業聚集區-珠江三角洲為例，基于417個表層土壤樣品和6大類環境變量（氣候、成土母質、土壤理化性質、地形/植被覆蓋、距污染源的距離、社會經濟），綜合考慮自變量和因變量的空間變異特征，使用因子克里格法探討土壤養分的多尺度空間分異規律及其環境驅動力，以期為區域土壤養分管理提供參考。

1 研究數據與方法

1.1 研究區概況

珠江三角洲位于廣東省中南部，毗鄰港澳，是粵港澳大灣區的重要組成部分（圖 1）。該地區地貌主要為三角洲平原與低山丘陵構成，范圍包括廣州、佛山、珠海、深圳、江門、東莞、和中山7個城市以及惠州和肇慶部分區域。珠江三角洲地區為典型的亞熱帶季風氣候，全年溫暖濕潤，年均降水1900 mm，年均氣溫22 ℃。研究區成土母質主要包括（河/海）沖積物、花崗巖和砂頁巖，分別占研究區總面積的38%、30%和22%（Li et al.，2020b），主要土壤類型包括赤紅壤、河流沖積土、紅壤和人工堆疊土等。研究區陸域面積4.12×104km2，土地利用類型以林地為主（占比43%），其次為城市用地和水體，分別占研究區面積的23%和11%（根據2017年土地利用/覆被圖統計；圖1B）。珠江三角洲人口密集，是廣東省和全國經濟發展的中心區域，根據廣東省統計年鑒，該區域2018年常住人口為6301萬人，GDP 81048億元，分別占全省總人口和GDP的55.5%和80.2%（廣東省統計局，2019）。珠江三角洲是重要的農業聚集區，農業用地（主要為耕地和園地）約占17%。隨著工業化和城市化進程加快，研究區農用地迅速減少，土壤質量也呈現下降趨勢（侯紅乾等，2013；Li et al.，2020b）。

圖1 珠江三角洲位置（A）、土地利用和覆被圖（B）和土壤樣點采集（C）Fig.1 The location (A), land use and cover map (B) and soil sampling (C) of Pearl River Delta

1.2 土壤樣點采集與養分質量分數分析

2018年，基于雙密度網格隨機取樣法對珠江三角洲地區表層土壤（0—20 cm）進行采樣。其中，中心城區每5 km×5 km網格隨機布設1個樣點，城郊和農村每10 km×10 km網格隨機布設1個樣點，共計417個樣點（圖1C）。每個采樣點，由5—8個土樣混合而成，采用四分法取1 kg帶回實驗室分析。土壤樣品經自然風干，挑出石礫和植物殘體，分別過10目和100目尼龍篩備用。采用凱氏定氮法測定總氮（N），氫氧化鈉高溫熔融后、分別使用鉬銻抗比色法和火焰光度計法測定總磷（P）和總鉀（K），乙酸銨提取、火焰光度計法測定速效鉀（AK）（NT/T 395—2012）。堿解-擴散法測定堿解氮（AN）（LYT 1229—1999）；鹽酸?氟化銨法提取、鉬銻抗比色法測定有效磷（AP）（NY/T 1121.7—2014）。土壤 pH采用 1∶2.5的土水質量比提取、電位法測定，土壤有機質和質地分別采用重鉻酸鉀氧化?容量法和比重計法測定（NT/T 395—2012）。

1.3 數據處理與分析

1.3.1 數據預處理

基于SPSS 20統計軟件，采用平均值±3倍標準差法去除特異值，最終獲得土壤養分樣本395個。前人研究發現，氣候（Li et al.，2021）、成土母質（Liu et al.，2013；崔旭輝等，2016）、地形（李超等，2014）、土壤理化性質（Baxter et al.，2003）、植被（Xu et al.，2020）、礦物組成（Li et al.，2021）、肥料添加（胡艷霞等，2013；鄭昊楠等，2019）等是影響土壤養分空間變異的主要因素。基于以上文獻和數據可獲得性，本研究選取氣候、成土母質、土壤理化性質、地形/植被覆蓋、距污染源距離和社會經濟6大類共計16個環境變量作為自變量（表1）。這里，我們使用距污染源距離和社會經濟變量來替代肥料添加等人類干擾強度數據，因為該數據較難獲得。由于土壤養分和環境變量多不符合正態分布，考慮到異常值和數據分布會影響克里格插值精度，首先將原始數據進行高斯變換，使其滿足正態分布（平均值為0，標準差為1）。分別采用Pearson相關分析法和因子克里格法探討不同環境變量對土壤養分空間分布的影響。

表1 環境變量指標及數據來源Table 1 Environmental variables and data sources

1.3.2 因子克里格法

尺度是研究某一現象或過程所采用的空間或時間單位。不同學科對尺度的定義不同，表達也不同，如地圖學的制圖比例尺、遙感學的空間分辨率、景觀生態學的粒度（最小辨識單元）和幅度（研究范圍大小）（Wu，2004）。本研究中的尺度對應于空間分析生態學的研究步長，類似于景觀生態學的粒度，為最小數據分析單元，如10—20 km往往對應于田塊或街區尺度，而100 km甚至更大步長則對應于城市或區域尺度。

因子克里格，可用來揭示變量的多尺度空間變異特征及其來源（Lv et al，2013；Lv et al.，2014）。其主要包括以下步驟：（1）基于方差和交叉方差模型識別變量的空間變異尺度；（2）區域化變量的線性模型（Linear Model of Co-regionalization，LMC），即把變量的總體分解為不同空間尺度上兩個及以上協變量的加權線性函數（公式1）；（3）基于主成分分析探討變量在不同尺度間的相關關系；（4）使用協同克里格法估算變量的區域化因子及空間組分。

線性協同區域化模型通常由 3個空間要素組成，分別是：塊金尺度（Nugget effect）、局部尺度（短變程尺度）和區域尺度（長變程尺度）。具體公式如下（Imrie et al.，2008）：

式中，Γ(h)為m×m階變異函數矩陣；Ns為空間尺度的個數；Bu為協同區域化矩陣，用于描述變量與特定空間尺度的關系。gu(h)為方差函數，h為步長（km）。

對于特定尺度，土壤污染指數與環境變量的相關系數ρij可用如下公式表示（Lv et al.，2014）：

式中，qij、λj和σi分別代表特定尺度主成分分析的特征向量、特征值和第i個變量的方差。

為了驗證克里格插值結果的準確性，采用留一法進行交叉檢驗，即每次把某一樣點作為測試數據，其余樣點作為訓練數據，將模擬結果與真實值比較。當模擬結果的平均誤差（Mean Error）越接近于0，平均標準誤方差（Mean of Squared Standardized Error）的值越接近于1時，表明模型擬合效果越好。使用Geovariances Isatis軟件，對有效樣點（n=395）的養分質量分數進行因子克里格分析及交叉檢驗。

2 結果與分析

2.1 土壤養分質量分數特征及其與環境變量的關系

珠江三角洲地區土壤總氮、總磷、總鉀、堿解氮和速效鉀質量分數分別為 (1.2±0.5) g·kg?1（平均值±標準差）、(1.1±0.8) g·kg?1、(16.8±7.8) g·kg?1、(115.3±41.8) mg·kg?1和 (184.6±144.1) mg·kg?1，變異系數介于 44%—78%；土壤有效磷的質量分數為(161.4±174.1) mg·kg?1，變異系數為 108%。通常認為，變異系數＜10%為弱強度變異，介于10%—100%之間為中等強度變異，＞100%為強度變異（表2）。由此可知，土壤養分除有效磷為強度變異，其他元素均為中等強度變異。對比全國第二次土壤普查養分分級標準，59%—80%的土壤樣品土壤養分等級為中等以上；土壤磷和有效磷尤為豐富，處于很豐富等級的樣品分別占總樣品數的46%和63%。從不同土地利用類型來看，土壤養分質量分數普遍呈現出耕地＞園地＞林地/城市綠地，且耕地土壤養分（總鉀除外）質量分數顯著高于其他三類土壤（P＜0.05）。而園地土壤的堿解氮、有效磷和速效鉀顯著高于林地和城市綠地土壤，林地和城市綠地的養分質量分數無顯著差異（P＜0.05）（圖2）。

表2 土壤養分質量分數的統計值Table 2 Statistics of soil nutrients

圖2 不同土地利用類型土壤養分質量分數的比較Fig.2 Comparisons of soil nutrient contents among different land use types

土壤養分質量分數與環境變量的相關關系分析顯示（表 3），土壤養分質量分數普遍與土壤理化性質（pH、有機質質量分數 SOM、土壤質地Sand*、Silt、Clay）、成土母質（沉積物Depo、花崗巖Gran*和砂頁巖Sandsh*）、氣候因子（降雨Prec和溫度 Temp）、距離水體的距離（Wt*）和海拔（DEM*）呈顯著相關（P＜0.05；表3）。鉀和有效鉀的質量分數與社會經濟變量（GDP*、Pop*）和距離工廠距離（Ind*）呈顯著相關（P＜0.05）。但是，總體上土壤養分與環境變量的相關關系相對較弱（相關系數＜0.6，SOM除外）。

表3 土壤養分質量分數與環境變量的Pearson相關系數Table 3 Pearson correlation coefficients between soil nutrient contents and environmental variables

2.2 土壤養分多尺度空間變異及其環境驅動力

2.2.1 空間變異尺度識別及模型精度檢驗

土壤養分的方差及交叉方差變異圖顯示（圖3），土壤養分的空間變異均存在塊金效應，即存在采樣和測量誤差，主要由于實驗誤差和小于實際取樣尺度引起的變異。隨著距離增加，方差值增加或減少并在26 km附近趨于平緩，之后緩慢變化并在90 km處相對穩定，接近基臺值。經試驗，雙球面模型能夠較好地擬合土壤養分的空間變異（衡量標準：殘差平方和與Akaike Criterion較小）。總體上，本研究的協同區域化模型可分解為3部分：塊金值、局部尺度的區域化因子（球面模型；26 km）和區域尺度的區域化因子（球面模型；90 km）。經交叉檢驗，土壤養分線性協同區域化模擬的平均誤差介于?0.011—0.027，接近于理想值 0，而平均標準誤方差均接近于理想值1（0.99—1.24），說明雙球面模型能夠較好地模擬土壤養分的空間變異特征。

圖3 土壤養分方差函數和交叉方差變異曲線（土壤養分與環境變量的方差函數未顯示）Fig.3 Variogram and cross-variogram of soil nutrients (not shown for those between soil nutrients and environmental variables)

2.2.2 土壤養分與環境變量的多尺度環境驅動力

不同空間尺度相關分析結果顯示（表 4），土壤養分與環境變量的關系存在相互加強和抵消的效應。多數土壤養分質量分數與土壤有機質（SOM）、土壤質地（Silt、Clay）、沉積物（Depo）在3個空間尺度上均呈正相關，與土壤沙粒質量分數（與Sand*正相關）、距離污染源的距離（與Wt*正相關）和海拔（與DEM*正相關）在3個空間尺度上均呈負相關，而與其他環境變量的關系則存在尺度效應。多數土壤養分質量分數與土壤pH、花崗巖（Gran*）、溫度（Temp）和NDVI在塊金尺度呈負相關，在短變程和長變程尺度呈正相關。類似地，土壤養分質量分數與降雨（Prec）在塊金和短變程尺度呈負相關，在長變程尺度呈正相關；土壤養分質量分數與砂頁巖（Sandsh*）在塊金尺度和短變程尺度呈正相關，在長變程尺度呈負相關；而與GDP在短變程尺度呈負相關，在塊金尺度和長變程尺度呈正相關。

表4 不同空間尺度土壤養分質量分數與環境變量的相關系數Table 4 Correlation coefficients between soil nutrient contents and environmental variables at different spatial scales

為了更好地顯示多空間尺度變量的相互關系，我們把土壤養分空間組分與主成分得分的相關系數投影在單元環中（圖 4）。塊金尺度，前兩個主成分可解釋該尺度變量空間變異的45.1%，其中第一主成分（PC1）和第二主成分（PC2）分別揭示33.5%和 11.6%的變異。PC1與土壤質地（SOM、Silt）和土壤養分質量分數（K除外）相關系數較大，表明該主成分主要受到這些因子的影響。PC2與Sand*和Clay相關關系較密切，主要受到這兩種土壤理化性質的影響（表4，圖4A）。從變量與變量之間的距離來看，土壤養分質量分數與有機質質量分數關系尤為密切。短變程尺度，前兩個主成分可解釋該尺度變量空間變異的59.2%。根據變量與主成分（圖 4）以及因變量與自變量之間的相關系數（表4，圖4B），土壤養分可劃分為4組：（1）土壤總氮，主要受控于土壤理化性質（SOM、Sand*、Silt和Clay），其次為距離水體的距離和溫度；（2）土壤總鉀，主要受成土母質（Sandsh*）的影響；（3）土壤有效磷，主要受到人口密度（Pop*）的影響；（4）土壤總磷、堿解氮和有效鉀，主要受控于海拔（DEM）、距離工廠的距離（Ind*）和社會經濟因素（GDP*或Pop*）。此外，總磷質量分數還與土壤pH關系密切。類似地，在長變程尺度，前兩個主成分可解釋該尺度變量空間變異的67.4%。根據環境驅動的不同，土壤養分可劃分為3組（表4，圖4C）：（1）土壤總氮、總磷、堿解氮和有效磷，主要受控于氣候因素（Prec、Temp），其次為距離水體的距離和土壤有機質質量分數（圖4C；表4）。總氮略有不同，其主要受控于土壤理化性質（SOM、Sand*和Clay）的影響，氣候因素的作用位于其次。此外，總磷還受到成土母質（Depo）的影響。（2）總鉀，主要受成土母質（Sandsh*）與距污染源距離（Ind*）影響，其次為社會經濟因素（GDP*、Pop*）。（3）有效鉀，其主要受到氣候因素的影響（表4）。

圖4 塊金（A）、短變程（B）和長變程（C）尺度土壤養分空間組分與主成分得分相關關系的單位投影圓Fig.4 Projections of correlations between spatial components for soil nutrient contents and the principal component scores into unit circles at nugget (A),short-range (B) and long-range (C) scales

2.2.3 土壤養分的多尺度空間結構

圖5和圖6顯示，短變程和長變程尺度上土壤養分空間分異明顯。短變程尺度，土壤養分質量分數高的區域較為分散，主要位于研究區的中部，邊緣地區質量分數較低（圖 5）。土壤總氮和總磷質量分數空間變異范圍較小，數據分布范圍主要集中在?0.5—1.0（圖5A、B）。土壤堿解氮和有效鉀的空間分布較為相似，質量分數高的區域主要散布于廣州市、佛山市、珠海、惠州中西部和東莞西部（圖5D、F）。總鉀和有效磷質量分數較高的區域也基本集中在以上城市，但是集聚位置又略有不同（圖5C、E）。在長變程尺度，土壤養分質量分數空間變異范圍較短變程尺度減小，數據變異集中在?0.5—0.5，沒有明顯的高值區域。土壤總氮、總磷、總鉀、堿解氮、有效磷和速效鉀空間變異規律較為接近，質量分數較高的區域（黃色區域）主要位于廣州北部與中部、惠州中部、珠海北部、佛山南部和江門中部（圖 6）。總體來說，劃分為同一組的土壤養分元素空間分異特征較為相似（圖5、6）。長變程尺度，土壤養分質量分數的空間異質性明顯小于短變程尺度，前者的數值分布范圍明顯較小。

圖5 短變程尺度土壤養分空間組分的分布Fig.5 Distributions for spatial components of soil nutrients at short-range scale

圖6 長變程尺度土壤養分空間組分的分布Fig.6 Distribution for spatial components of soil nutrients at long-range scale

3 討論

3.1 土壤養分多尺度空間變異

珠江三角洲地區土壤養分質量分數存在空間變異，多數屬于中等變異（有效磷除外，為強度變異）。根據《全國第二次土壤普查》養分分級標準，研究區養分質量分數普遍較高，多數土壤樣品養分狀態處于中等偏上水平（等級≥豐富），尤其磷和有效磷質量分數尤為豐富。研究區屬南方酸性紅壤，富含鐵、鋁離子與施入土壤的磷肥發生化學反應并形成沉淀累積在土壤中，不能被植物利用，導致土壤磷質量分數普遍較高（王現潔等，2020）。從不同土地利用類型來看，土壤養分質量分數普遍呈現出耕地＞園地＞林地/城市綠地。其他研究也發現類似規律，耕地和果園過量施肥可能是導致其養分質量分數較高的主要原因（侯紅乾等，2013；胡艷霞等，2013）。中國的肥料利用率普遍較低，氮、磷和鉀肥利用率普遍不足30%（于飛等，2015；王榮萍等，2016；王現潔等，2020）。過量的養分可深層淋溶進入地下水，或進入地表水導致富營養化，造成環境污染風險。廣東省蔬菜地土壤氮磷質量分數均較高，具有很大的流失風險（張永起等，2010）。

因子克里格結果顯示，土壤養分空間異質性隨尺度增大而減小。雖然養分高值區主要位于研究區中部（廣州、佛山、珠海、惠州中西部和東莞西部），但是土壤養分的空間變異性在短變程尺度較長變程尺度更強，高值分布區更為分散。類似地，其他針對土壤性質空間分異規律的研究也發現小尺度上的異質性高于大尺度（Lv et al.，2014；Zhou et al.，2016；Du et al.，2017）。土壤養分來源、利用效率及其在土壤中的遷移是決定土壤養分空間變異的主要因素（安永龍等，2018）。例如，不同類型的有機肥和土壤母質對土壤磷的固定能力不盡相同，導致土壤有效磷質量分數存在差異（王榮萍等，2014；余煒敏等，2018a；余煒敏等，2018b）。小尺度上土壤養分分布異質性高，可能與其更多受到隨機因素（如化肥農藥的添加）影響有關。此外，研究區土壤有效態形式的養分空間分異性高于全態形式，這與很多研究結果類似（李旭等，2012；安永龍等，2018）。這可能由于不同植物肥料利用效率不同，導致殘留在土壤中的養分在空間上存在較大差異（王榮萍等，2016；王現潔等，2020）。

3.2 土壤養分多尺度驅動機制

土壤養分的空間變異，是多個尺度上自然（氣候、成土母質、地形、土壤理化性質等）和人為因素（特別是人為活動，如施肥、耕作方式、種植制度等）共同作用的結果（曹宏杰等，2013；李超等，2014；崔旭輝等，2016；安永龍等，2018）。土壤養分與環境變量的關系在不同尺度存在增強和抵消的情況（表 4），導致傳統的相關分析等統計方法揭示出來的兩者之間的關系相對較弱（表 3）。因子克里格法可以有效過濾掉不同尺度的交互影響及干擾，有效揭示土壤元素與環境變量的相互關系，在本研究及其他研究中得到證明（Goovaerts，1992；Imrie et al.，2008；Liu et al.，2013；Lv et al.，2014）。

本研究結果顯示，土壤養分的空間變異及其關鍵環境驅動因子因尺度而異。在短變程尺度，土壤養分質量分數空間異質性較高，高值分布區較為分散，多數土壤養分尤其是有效態養分主要受到人為活動影響（如距離工廠距離、GDP和人口密度）和海拔的影響。土壤養分質量分數與DEM呈負相關（與DEM*呈正相關），與Liu et al.（2013）的研究結果一致。表明在地形、重力和徑流侵蝕等因素的綜合作用下，土壤養分從高海拔區運移并累積至低海拔區。土壤總磷、堿解氮和有效鉀與社會經濟因素呈負相關（與GDP*和Pop*呈正相關），這可能源于經濟發達和人口密集區建設用地比重較大，對土壤干擾大，導致土壤較貧瘠。此外，土壤總氮質量分數受控于土壤理化性質、距離水體距離和溫度，這可能與粘質土（粘粒和粉粒質量分數較高）有利于截留土壤養分、面源污染、溫度的升高有利于促進成土母質礦化作用和養分循環有關（Rodríguez et al.，2011；Sun et al.，2017）。土壤有效磷與土壤有機質質量分數、粘粒質量分數、粉粒質量分數和氣溫呈負相關，與前人研究結論一致（Mage et al.，2013；Yu et al.，2016）。長變程尺度，土壤養分質量分數更多受控于自然因素（氣候和成土母質）的影響，這與前人研究結果類似（Mazzarino et al.，1998；Tang et al.，2016；王幼奇等，2014）。有學者發現，沉積巖發育的土壤總磷質量分數較蛇紋巖發育的土壤高2—4倍（Kitayama et al.，2000）；碳酸鹽巖、輝長巖和石英閃長巖發育的土壤固鉀能力較強（Portela et al.，2019）。雖然成土母質不是土壤氮的主要來源（大氣是主要來源），但是其會影響土壤中氮素的累積和分解；沉積物、石灰巖、泥巖和玄武巖等母質發育的粘土具有較高的有機氮儲存能力（Zhong et al.，2019）。此外，Li et al.（2021）發現氣候是決定土壤鉀變異的最重要因素，其次為地形條件、粘土礦物組成和關鍵土壤理化性質。Yu et al.（2016）發現CO2和溫度升高能夠促進土壤中磷的釋放/流失。Mazzarino et al.（1998）和脫云飛等（2020）發現，降雨的增加可以加快氮、磷運移速度，促進土壤養分的礦化過程。總體上，土壤養分的關鍵影響因素因尺度而異，這在前人研究中也有發現。例如，Liu et al.（2013）發現大尺度上土壤總磷和總氮分布受控于成土母質，小尺度上主要受土地利用類型或地形因素影響。這種尺度效應意味著管理者需要在局部尺度（田塊或街區尺度）、城市或區域尺度制定不同的調控措施，促進土壤養分的有效利用。基于“特征-機制-管理”思路，本研究提出土壤養分多尺度管理概念模型，根據不同尺度肥力區劃及其驅動力制定不同的養分管理策略（圖7）。具體來說，局部尺度，針對土壤高肥力區，應避免過量施肥，可采用減量施肥、測土配方施肥、施用有機替代肥（如生物有機肥、秸稈還田）等方式減少化肥添加（鄭昊楠等，2019；胡貴貴等，2020；譚海燕等，2021；董佳琦等，2021）。在土壤高肥力且海拔與坡度較高的區域，采取免耕、等高壟作等措施以防治水土流失，減少面源污染（張少良等，2020）。而針對部分土壤低肥力區，應根據養分狀況調整耕作方式，制定合理施肥措施來提升土壤肥力（曹宏杰等，2013；Shang et al.，2014；Krauss et al.，2020）。區域尺度，需重視氣候及其成土母質對土壤養分的影響。在高肥力且降雨集中區，需重點防范氮磷隨降雨遷移造成的面源污染，應設置長期定位觀測點加大對該區域面源污染的監控。在低肥力且花崗巖廣泛分布區，應采取施用土壤改良劑等措施提升土壤養分固存能力；對于其他低肥力區，應根據養分狀況調整農業種植結構和耕作方式，改變區域養分空間分布的不均衡性。

圖7 基于“特征-機制-管控”思路的土壤養分多尺度管理概念模型Fig.7 A multi-scale conceptual model for soil nutrient management based on the principle of “soil characteristics-processes-managements”

4 結論

本研究以珠江三角洲為例，采用多元因子克里格法分析了研究區6種土壤養分的多尺度空間結構及其環境驅動力。主要結論如下：

（1）對比全國第二次土壤普查養分分級標準，研究區土壤養分等級為中等及以上，磷和有效磷尤為豐富。不同土地利用類型土壤養分質量分數不盡相同，按照從高到低排序為：耕地＞園地＞林地/城市綠地。

（2）研究區土壤養分質量分數均為中等變異，除了有效磷為強度變異。有效態形式的土壤養分空間變異性明顯大于全態形式。

（3）因子克里格法將土壤養分的空間變異分解為塊金效應、短變程尺度變異和長變程尺度的變異。不同空間尺度，土壤養分的分布格局不盡一致。短變程尺度養分空間變異性更強，異質性更高。此外，土壤養分的關鍵環境驅動因子因尺度而異：塊金尺度和短變程尺度，主要受地形和局部人類活動的影響，而長變程尺度主要受氣候和成土母質影響。因此，未來應在不同空間尺度制定不同的土壤養分管理策略增加養分利用效率。