2. 江苏省大气环境与装备技术协同创新中心, 江苏 南京 210044
2. Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing 210044, China
过去半个多世纪以来,全球几乎所有地区都经历了升温过程,其中北半球中纬度地区是变暖趋势最显著的区域[1-2]。中国西北干旱区地处中纬度地带,是全球同纬度最干旱地区之一。西北干旱区地形复杂,山地与盆地相间,沙漠与绿洲共存,特殊的地理环境和显著的气候变化增加了其生态系统的敏感性与脆弱性[3]。近几十年,人为扰动的加剧使西北干旱区绿洲扩张化和荒漠化过程变换愈加频繁[4-5]。绿洲作为干旱区的核心,以4%~5%的面积集中了90%以上的人口,同时创造了95%以上的社会经济价值[6-7]。人工绿洲是在荒漠或自然绿洲的基础上,以人工干预的方式进行改造,改变原有荒漠地区水热配置不合理或生存环境严酷等状况,使之适宜于人类生存和社会生产[8]。农业发展是绿洲面积扩张和荒漠地区生态修复的关键,是保证干旱区经济发展、维护社会稳定的有效途径,更是干旱区应对气候变化的最佳策略。
绿洲农业的发展与扩张,除了最大限制因子水之外,很大程度上还取决于土壤养分供给状况[9]。枯落叶、动植物残体等在土壤酶的作用下,经过淋溶分解,转化为土壤养分和矿物元素,重新被植物根系吸收,实现生态系统内化学元素交换,构成生物地球化学循环[10]。而干旱区由于水分亏缺以及次生盐碱化和荒漠化等问题,植被稀疏,导致地球化学循环难以维持,土壤中腐殖质、有机碳和矿物元素等累积较少,土壤肥力基本处于较低水平[11]。所以对干旱区土壤养分进行科学评价能促进其农业上的合理施肥,能提高土地和肥料资源的利用效率,是发展现代精准农业和扩张绿洲农业的基础[12]。
传统的土壤养分评价研究局限于养分等级和权重指标的人为确定,缺乏普适性,评价结果不能在大尺度应用[13]。近年来,很多数学模型方法被改进后用于土壤养分研究。魏志远等[14]利用灰色关联度法研究海南荔枝园的土壤肥力状况,定量进行果园肥力状况划区;吴玉红等[15]利用模糊数学中的综合指数评价模型对陕西杨凌田间土壤进行评价,并筛选出研究区土壤的肥力限制因子;周旭等[16]利用改进层次分析法和GIS进行耕地土壤的空间差异性评价,实现耕地土壤肥力的可视化表达;韩磊等[17]对陕西安塞土壤养分进行BP神经网络训练,进而进行模糊评价。这些评价方法都有各自的优点和适用领域,但至今没有量化统一的评价标准[18],同时还忽略了各单项因子评价结果的不相容性以及总体评价结果受单项因子影响的不确定性[19]。物元模型理论的提出为探索不相容问题的规律和方法提供了可能[20]。物元模型已应用于各个领域[21-22],基于物元模型的土壤养分研究集中于耕地表层土壤养分评价[13, 19, 23],很少涉及西北干旱区人工绿洲这个特殊的景观格局,对于不同土地利用类型的评价和土壤分层研究也鲜有报道。
艾比湖流域地处亚欧大陆腹地, 是新疆天山北坡生态防护林体系中最重要的集防沙、治尘和湿地保护于一体的功能区之一[24]。该流域集绿洲化和荒漠化过程于一体,反映了水文过程、地质过程、强对流过程和人类活动过程的综合作用,是表征准噶尔盆地生境变化的关键区域[25-26]。笔者以艾比湖流域人工绿洲精河县为研究区域,以不同土地利用类型的土壤养分为研究对象,应用熵权物元(EWME)模型对不同土地利用类型、不同土壤类型、不同土壤剖面的土壤养分等级进行评价,以期对当地土壤肥力评级和农业合理施肥做出一定的指导,为艾比湖流域人工绿洲的稳定扩张、农业的丰产以及荒漠化的控制和治理提供科学依据,在气候变化背景下,探索出一套适宜于干旱区绿洲农业土壤养分的评价方法。
1 材料与方法 1.1 研究区概况研究选取西北干旱区艾比湖流域的人工绿洲精河县(44°02′~45°10′N,81°46′~83°51′E)为试验区。精河县三面环山,地处天山北坡绿洲城市群,东北部与准噶尔盆地相接,形成了自西南向北倾斜、以艾比湖为中心的盆地。土地利用类型复杂,土壤类型繁多,包含灰棕漠土、灰漠土、潮土、灌淤土、草甸土、沼泽土、盐土和风沙土8种土壤类型。属于典型北温带大陆性干旱气候区,全年光照充足,冬夏两季冷热悬殊,常年干燥少雨,多大风天气,是西北地区沙尘暴的主要源区。全县平原地区年平均气温7.2 ℃,而年均降水量仅为90.9 mm。尽管精河县年降水量不足,但是由于地面湖泊与河流汇聚、地下河流纵横以及春季天山冰雪融水,拥有着丰富的水资源。精河中部、东北部地区农业用地集中,水资源丰富,水利设施齐全。全县耕地面积361.48 km2,林地面积937.61 km2。
1.2 土壤样品采集与测定为兼顾覆盖类型和空间分布的代表性,选取位于艾比湖流域西南缘精河县人工绿洲规划区和生态修复区的典型资源植物种植区(罗布麻、枸杞、肉苁蓉、沙地桑、棉花)、人为自然修复区(艾比湖公园、沙漠公园等)以及“百万亩沙产业发展规划(2014—2025年)”中的未利用地等作为样地,共15块。于2015年8月,进行实地土壤剖面调查和采样。样地分布如图 1所示,土壤状况及土地利用类型见表 1。由于临近G312国道干线,为了避免过多的人为扰动,样地选取在离公路1 km外。研究区风沙土质偏多,土壤类型不稳定,土壤状况复杂,故不针对土壤类型进行土壤剖面研究。在每个样地内随机选取5个样点挖取土壤剖面(重复试验),使用100 cm3环刀分层(每20 cm为1层)取样,把5个土壤剖面对应的每层土样放置在一起。因7#、8#、9#、10#、11#、12#、13#和14#样地土层深度不够1 m(深层出现石砾),只取3层土样,共计得到59个土样。同时用手持式GPS仪对每个采样点的经纬度进行记录。土样经自然风干后,研磨,去除砂粒、石块和植物残体,用0.25 mm孔径筛进行筛选。将处理好土样分为2份,分别用于化学测定和保存备用。
有机质(OM)含量采用重铬酸钾容重法-外加热法进行测定;总氮(TN)含量采用最常用的半微量开氏法进行测定;总磷(TP)含量采用硫酸-高氯酸消煮法进行测定;总钾(TK)含量采用氢氧化钠-火焰光度法进行测定;速效氮(AN)、速效磷(AP)和速效钾(AK)含量分别采用碱解扩散法、碳酸氢钠浸提-钼锑抗比色法和乙酸铵-火焰光度计法测定[27]。
2 研究方法 2.1 权重计算采用熵权法确定权重,设有m个评价指标,n个待评价事物,则第k个指标的信息熵为Hk,其权重为Wk,计算公式为
$ {{H}_{k}}=-\frac{1}{\ln n}\sum\limits_{i=1}^{n}{\frac{{{r}_{ik}}}{\sum\limits_{i=1}^{n}{{{r}_{ik}}}}}\text{ln}\frac{{{r}_{ik}}}{\sum\limits_{i=1}^{n}{{{r}_{ik}}}}, $ | (1) |
$ {{W}_{k}}=\frac{1-{{H}_{k}}}{m-\sum\limits_{i=1}^{m}{{{H}_{k}}}}。$ | (2) |
式(1)~(2) 中,rik为第i个待评价事物的第k项指标的标准化值。计算得到各指标权重如下:OM为0.139,TN为0.107,TP为0.086,TK为0.002,AN为0.062,AP为0.316,AK为0.289。
2.2 物元模型构建及关联度计算 2.2.1 构建物元模型基本元由待评价目标N、目标特征c和特征量值v构成。假设N有m个特征c1,c2,…,cm,其对应的量值为v1,v2,…,vm,则物元R可以表示为
$ \mathit{\boldsymbol{R}}=\left( N, c, v \right)=\left( \begin{matrix} N & {{c}_{1}} & {{v}_{1}} \\ {} & {{c}_{2}} & {{v}_{2}} \\ {} & \vdots & \vdots \\ {} & {{c}_{m}} & {{v}_{m}} \\ \end{matrix} \right)。$ | (3) |
经典域物元Roj和节域物元Rp可以表示为
$ {{\mathit{\boldsymbol{R}}}_{oj}}=\left( {{N}_{oj}}, {{c}_{k}}, {{v}_{o}} \right)=\left[\begin{matrix} {{N}_{oj}} & {{c}_{1}} & \left( {{a}_{oj1}}, {{b}_{oj1}} \right) \\ {} & {{c}_{2}} & \left( {{a}_{oj2}}, {{b}_{oj2}} \right) \\ {} & \vdots & \vdots \\ {} & {{c}_{m}} & \left( {{a}_{ojm}}, {{b}_{ojm}} \right) \\ \end{matrix} \right], $ | (4) |
$ {{\mathit{\boldsymbol{R}}}_{p}}=\left( P, c, {{X}_{pk}} \right)=\left[\begin{matrix} P & {{c}_{1}} & \left( {{a}_{p1}}, {{b}_{p1}} \right) \\ {} & {{c}_{2}} & \left( {{a}_{p2}}, {{b}_{p2}} \right) \\ {} & \vdots & \vdots \\ {} & {{c}_{m}} & \left( {{a}_{pm}}, {{b}_{pm}} \right) \\ \end{matrix} \right]。$ | (5) |
式(4)~(5) 中,Noj为待评价目标的第j个评价等级,j=1,2,…,n;ck为第k个评价指标;(aojk,bojk)为对应评级等级j的量值区间,k=1,2,…,m;P为所有的评价等级;Xpk为P关于k特征的ck量值区间,其值为(apk,bpk)。
待判物元Ro的计算公式可以表示为
$ {{\mathit{\boldsymbol{R}}}_{o}}=\left( {{P}_{o}}, c, v \right)=\left[\begin{matrix} P_o & {{c}_{1}} & {{v}_{1}} \\ {} & {{c}_{2}} & {{v}_{2}} \\ {} & \vdots & \vdots \\ {} & {{c}_{m}} & {{v}_{m}} \\ \end{matrix} \right]。$ | (6) |
式(6) 中,vk为待评价各指标ck的具体量值。
研究以全国第二次土壤普查的土壤养分分级标准为依据[28],建立样点的经典域、节域和待判物元,其中养分等级Ⅰ~Ⅵ分别表示养分含量极贫乏、贫乏、适量、较丰富、丰富和极丰富,对应经典域Ro中No1、No2、No3、No4、No5、No6,c1~c7分别对应OM、TN、TP、TK、AN、AP、AK这7种土壤养分评价指标,节域为量值范围,待判物元为各指标实测值。以1#样地0~20 cm深度土壤为例,建立经典域物元、节域物元和待判物元。该样点试验数据为:w(OM)=4.468 g·kg-1,w(TN)=0.191 g·kg-1,w(TP)=0.152 g·kg-1,w(TK)=15.360 g·kg-1,w(AN)= 34.400 mg·kg-1,w(AP)=2.000 mg·kg-1,w(AK)= 69.000 mg·kg-1。经典域物元(Ro1、Ro2、Ro3、Ro4、Ro5、Ro6)、节域物元(RP)、待判物元(Ro)如表 2所示。
待评事物各指标关于各等级的关联度表达式为
$ {{K}_{j}}\left( {{v}_{k}} \right)=\left\{ \begin{align} &-\frac{P\left( {{v}_{k}}, {{X}_{ojk}} \right)}{\left| {{X}_{ojk}} \right|}, {{v}_{k}}\in {{X}_{ojk}} \\ &\frac{P\left( {{v}_{k}}, {{X}_{ojk}} \right)}{P\left( {{v}_{k}}, {{X}_{pk}} \right)-P\left( {{v}_{k}}, {{X}_{ojk}} \right)}, {{v}_{k}}\notin {{X}_{ojk}} \\ \end{align} \right., $ | (7) |
$ P\left( {{v}_{k}}, {{X}_{ojk}} \right)=\left| {{v}_{i}}-\frac{1}{2}\left( {{a}_{okj}}+{{b}_{okj}} \right) \right|-\frac{1}{2}\left( {{b}_{okj}}-{{a}_{okj}} \right), $ | (8) |
$ P\left( {{v}_{k}}, {{X}_{pk}} \right)=\left| {{v}_{k}}-\frac{1}{2}\left( {{a}_{pk}}+{{b}_{pk}} \right) \right|-\frac{1}{2}\left( {{b}_{pk}}-{{a}_{pk}} \right), $ | (9) |
$ \left| {{X}_{ojk}} \right|=\left| {{a}_{ojk}}-{{b}_{ojk}} \right|。$ | (10) |
式(7)~(10) 中,P(vk,Xojk)为点vk与其相对应的经典域之间的距离;P(vk,Xpk)为点vk与节域之间的距离;Kj(vk)为待评事物各指标关于评价等级j的单指标关联度,Kj(vk)∈R。当Kj(vk)=max[Kj(vk)]时,待评价事物的第k指标属于等级j。
综合关联度的的评价等级Kj(Po)可以表示为
$ {{K}_{j}}\left( {{P}_{o}} \right)=\sum\limits_{k=1}^{n}{{{W}_{k}}{{K}_{j}}\left( {{v}_{k}} \right)}。$ | (11) |
式(11) 中,Wk为熵权法计算所得的各评价指标的权重;Kj(P0)为待评事物和等级j的综合关联度。当Kj(Po)=max[Kj(Po)]时,待评价事物Po的综合评价等级属于j。当Kj(Po)<-1时,说明待评价事物不符合该等级要求,Kj(Po)的取值越小,表明它与该等级的距离越大;当-1≤Kj(Po)<0时,说明待评价事物未能完全达到该等级要求;当0≤Kj(Po)时,说明待评价事物符合该等级的要求,同时Kj(Po)的取值越大,待评价事物在对应的等级中越稳定。
以1#样地0~20 cm土壤为例,将其各项指标实测值导入已构建的物元模型,计算结果见表 3。1#样地0~20 cm土壤OM、TN、TP和AP含量都处于极贫乏等级,TK和AK含量相对适量,AN含量处于贫乏等级,说明1#样地0~20 cm土壤肥力处于极贫乏。采用同样的方法得到所有土样的各单指标和综合关联度以及评价等级。
艾比湖流域人工绿洲不同土地利用类型土壤养分评价结果见表 4。
由表 4可知,59个土样中,整体土壤养分状况为Ⅵ级,即处于极贫乏状态的土样有50个,占84.75%,处于贫乏状态的占6.78%,达适量水平的仅5.08%,而处于丰富和极丰富水平的分别占1.69%。整体而言,艾比湖流域人工绿洲土壤养分状况不理想。对7种土壤养分进行单关联度评价得出,OM、TN、TP、AN和AP含量基本都处于极贫乏状态,为主要的限制因子;TK和AK含量大多处于Ⅳ级及以上水平,为主要优势因子。
研究区年降水量极低,自然植被生长状况较差,土壤腐殖质累积作用很弱,直接导致土壤OM含量匮乏。TN、TP、AN、AP与OM含量密切相关,尤其是OM和TN之间可以相互转换,有研究表明干旱地区OM和TN含量之间的转换系数为0.05~0.06[29]。因此,艾比湖流域OM、TN、TP、AN和AP含量都处于极贫瘠状态,是土壤肥力的限制因子。由于地质年代沉积和风蚀作用,我国西北地区土壤多蒙脱石-蛭石组合,矿石云母含量较高,供钾能力较强[30],土壤TK和AK含量相对较高,所以艾比湖流域TK和AK为土壤肥力优势因子。研究区丰富的地下水资源和天山冰雪融水资源满足了区域内人工绿洲建设的基本水分需求,因此艾比湖流域的绿洲扩张和绿洲农业的发展更受限于土壤肥力状况。除了钾素养分,其他土壤养分严重缺失。
在绿洲农业发展和扩张过程中,应先进行整田保墒,施用农家肥,亦可就近取材,如秸秆、树叶和树皮等有机废物的施用都可提高土壤有机质水平,农田基肥和中后期追肥应侧重于氮肥和磷肥的混合施用。应针对性施肥,在能保证生产力的情况下避免施用化肥,以免加剧农田土壤的干旱化和盐碱化程度。同时农业选种时应选用高品质、强耐受性的品种,就艾比湖流域而言,可选择种植“精杞1号”和“宁杞7号”枸杞,推广种植罗布麻和肉苁蓉等耐受性强且经济价值较高的作物。
3.2 不同土地利用类型的养分状况尽管研究区土壤养分含量都处于较贫乏状态,但相对而言,3#、13#和15#样地的土壤养分状况优于其他样地,其中3#样地为未利用地,13#和15#样地为耕地。15#样地位于新疆枸杞之乡托里乡的枸杞田,在所有样点中养分状况最佳。其余12个样地尽管总体都处于极贫乏水平,但分析单养分指标发现,耕地的土壤养分水平相对较高(6#样地除外),林地次之。
耕地受人为影响最大,在农业种植前农户会进行整地保墒,施用底肥改善土壤状况,之后每个生长季都进行追肥,故而耕地肥力状况相对较好。而耕地中的6#样地为肉苁蓉种植基地,对土壤养分状况要求较低,人工施肥也相对较少。艾比湖流域的林地多为人工种植的防风固沙林,种植之前需要经过土壤改良来提高新造林的存活率。研究区的草地属于荒漠草地,植被生长较稀疏,腐殖质累积也相对较少,故而草地养分含量都处于较低水平。未利用地的养分状况波动范围较大,3#样地的土壤养分状况较好,而5#和12#样地的养分状况处于极贫乏状态,这是因为未利用地土壤养分含量由该地历史背景和自然沉积决定[31]。2#样地为沼泽芦苇地,植物生长状况不佳,腐殖质累积较少,因此整体肥力水平较低。
干旱区肥力状况受人为干扰的影响较大,绿洲扩张需要适当的人为干扰,根据耕地和林地的养分缺失状况进行合理增肥。绿洲农业扩张时,应先了解未利用地土壤养分空间分布状况,选取自然本底条件较好的区域发展农业,这样可以最大程度上节约肥料资源,并取得更好的生态经济效益。
3.3 不同土层的养分状况从垂直尺度上分析艾比湖流域土壤养分状况发现,不同土层养分等级变化不明显,仅15#样地土壤养分含量随土层变深而降低。综合整体养分和单个养分因子的评价结果发现,1#、4#、5#、8#、10#和12#样地不同土层养分状况基本保持不变,2#、3#和6#样地表现为深层土养分含量优于浅层土,其余样地则表现为浅层土养分状况优于深层土。
尽管1#、4#、5#、8#、10#和12#样地属于不同土地利用类型,但都是砂质土。研究区处于著名阿拉山口的东南方向,多大风天气,因此风蚀作用较强,土壤流动性也较强,养分状况较差且不易累积,同时人为干扰较少,所以土壤低肥力水平的状况不随土层深度变化而变化。2#、3#和6#样地表层土养分含量低于深层土,这归因于强大的流水侵蚀和风蚀作用。研究区处于天山北坡,每年春季天山的冰雪融水大量冲刷精河县中部至东北部平原地区,甚至会造成洪涝现象。在洪水冲击及侵蚀作用下,表层土养分易被淋溶。同时表层土容易被风蚀移动,而深层土相对较为稳定。干旱区植物根系发达,深层土内枯死植物的根系经过微生物作用能转化为营养元素[10],这也增加了深层土的养分含量。而其余样点均为耕地或林地,为了保证农业产量和林业种植存活率,需要人为添加肥料,使0~20和>20~40 cm耕作层养分含量满足植被生长需求,故表层土养分含量高于深层土。总体而言,研究区土壤的养分垂直性分布状况不明确,自然条件下土壤呈现深层土优于表层土的现象,而在人为干扰作用下则相反。
4 结论(1) 艾比湖流域人工绿洲各土地利用类型土壤养分含量总体较低,绝大多数土样养分处于极贫乏等级。OM、TN、TP、AN和AP为土壤肥力的主要限制因子,TK和AK为主要优势因子。在绿洲发展和农业扩张时,应尽量选用农家肥来改善土壤肥力状况,亦可就近取材,使用秸秆、树叶和树皮等有机废物。选用化肥时应具有针对性,多选用氮磷复合肥。
(2) 不同土地利用类型土壤养分状况不同,研究区整体养分状况较差,人为种植利用使耕地和林地养分状况优于其他土地利用类型。未利用地养分状况跟其自然本底条件相关,由于干旱区独特的自然气候条件,大多数未利用地处于贫瘠状态。
(3) 土壤养分垂直分布差异不明显。自然状态下,艾比湖流域土壤养分因流水侵蚀和风蚀作用,呈现出表层土养分状况劣于深层土的现象。人为干扰下,表层土养分状况因肥料施用而优于深层土。人为干扰如绿洲扩张和绿洲农业发展对土壤养分有重大影响。
(4) EWME模型不仅能分级计算单个指标的土壤养分状况,还能通过模型集成获取多指标综合养分状况,在地形、地貌、土壤状况复杂的艾比湖流域人工绿洲区域土壤养分评价中具有很好的适用性,值得推广应用于其他干旱区域。
致谢:感谢新疆林业科学院张东亚和郭靖老师为该研究提供的帮助。[1] |
IPCC.Climate Change 2007:The Physical Science Basis, Contribution of Working Group Ⅰ to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[Z].Cambridge:Cambridge University Press, 2007.
(0) |
[2] |
JI F, WU Z H, HUANG J P, et al. Evolution of Land Surface Air Temperature Trend[J]. Nature Climate Change, 2014, 4(6): 462-466. DOI:10.1038/nclimate2223 (0) |
[3] |
姚俊强, 杨青, 陈亚宁, 等. 西北干旱区气候变化及其对生态环境影响[J]. 生态学杂志, 2013, 32(5): 1283-1291. (0) |
[4] |
巩杰, 谢余初, 高彦净, 等. 1963-2009年金塔绿洲变化对绿洲景观格局的影响[J]. 生态学报, 2015, 35(3): 603-612. (0) |
[5] |
董爽, 王让会, 宁虎森, 等. 人工绿洲生态系统中土壤和植被对土地利用变化的响应:以北屯绿洲为例[J]. 干旱区地理, 2009, 32(4): 578-584. (0) |
[6] |
LI W D, LI Z Z, WANG J Q. Evaluation of Oasis Ecosystem Risk by Reliability Theory in an Arid Area:A Case Study in the Shiyang River Basin, China[J]. Journal of Environmental Sciences, 2007, 19(4): 508-512. DOI:10.1016/S1001-0742(07)60085-0 (0) |
[7] |
王涛. 干旱区绿洲化、荒漠化研究的进展与趋势[J]. 中国沙漠, 2009, 29(1): 1-9. (0) |
[8] |
刘丽娟, 王玉刚, 李小玉. 新疆三工河流域人工绿洲演化特征的综合评价[J]. 生态学杂志, 2013, 32(2): 445-451. (0) |
[9] |
蒋烨林, 王让会, 李焱, 等. 艾比湖流域不同土地覆盖类型土壤养分高光谱反演模型研究[J]. 中国生态农业学报, 2016, 24(11): 1555-1564. (0) |
[10] |
薛立, 邝立刚, 陈红跃, 等. 不同林分土壤养分、微生物与酶活性的研究[J]. 土壤学报, 2003, 40(2): 280-285. DOI:10.11766/trxb200103200218 (0) |
[11] |
栗忠飞, 高吉喜, 刘海江. 内蒙古多伦县4种植被对沙地土壤的修复效应[J]. 生态与农村环境学报, 2017, 33(1): 15-22. DOI:10.11934/j.issn.1673-4831.2017.01.003 (0) |
[12] |
靳宇蓉, 鲁克新, 李鹏, 等. 甘肃省黄土区小流域土壤养分评价[J]. 土壤通报, 2015, 46(1): 121-126. (0) |
[13] |
李昂, 吴应珍, 陈伟, 等. 甘草种植对西北风蚀区农田土壤养分及风蚀的影响[J]. 生态与农村环境学报, 2016, 32(2): 295-301. DOI:10.11934/j.issn.1673-4831.2016.02.019 (0) |
[14] |
魏志远, 孙娟, 李松刚, 等. 海南中西部荔枝园土壤肥力的灰色关联度评价[J]. 热带作物学报, 2013, 34(10): 1883-1887. DOI:10.3969/j.issn.1000-2561.2013.10.006 (0) |
[15] |
吴玉红, 田霄鸿, 同延安, 等. 基于主成分分析的土壤肥力综合指数评价[J]. 生态学杂志, 2010, 29(1): 173-180. (0) |
[16] |
周旭, 安裕伦, 许武成, 等. 基于GIS和改进层次分析法的耕地土壤肥力模糊评价:以贵州省普安县为例[J]. 土壤通报, 2009, 40(1): 51-55. (0) |
[17] |
韩磊, 李锐, 朱会利, 等. 基于BP神经网络的土壤养分综合评价的模型[J]. 农业机械学报, 2011, 42(7): 109-115. (0) |
[18] |
包耀贤, 徐明岗, 吕粉桃, 等. 长期施肥土壤下土壤肥力变化的评价方法[J]. 中国农业科学, 2012, 45(20): 4197-4204. DOI:10.3864/j.issn.0578-1752.2012.20.009 (0) |
[19] |
王晨野, 汤杰, 林年丰, 等. 物元模型在区域土壤养分评价中的应用[J]. 土壤通报, 2009, 40(5): 1069-1075. (0) |
[20] |
申元村, 汪久文, 伍光和, 等. 中国绿洲[M]. 郑州: 河南大学出版社, 2001, 1-18.
(0) |
[21] |
郝敬锋, 刘红玉, 胡和兵, 等. 基于GIS技术及模糊物元分析法的南京市仙林新市区生态安全评价[J]. 生态与农村环境学报, 2011, 27(5): 32-36. (0) |
[22] |
潘竟虎, 冯兆东. 基于熵权可拓模型的黑河中游生态环境脆弱性评价[J]. 生态与农村环境学报, 2008, 24(1): 1-4, 9. (0) |
[23] |
郭洋洋, 姚云峰, 秦富仓, 等. 基于物元模型分析人工造林对土壤养分的影响[J]. 水土保持通报, 2016, 36(3): 321-328. (0) |
[24] |
王合玲, 张辉国, 秦璐, 等. 新疆艾比湖流域土壤有机质的空间分布特征及其影响因素[J]. 生态学报, 2012, 32(16): 4969-4980. (0) |
[25] |
谢霞, 塔西甫拉提·特依拜. 艾比湖流域绿洲化与荒漠化过程时空演变研究[J]. 中国沙漠, 2013, 33(1): 38-45. DOI:10.7522/j.issn.1000-694X.2013.00006 (0) |
[26] |
李虎, 高俊峰, 王晓峰, 等. 新疆艾比湖湿地土地荒漠化动态监测研究[J]. 湖泊科学, 2005, 17(2): 127-132. (0) |
[27] |
赵云, 陈伟, 李春鸣, 等. 东祁连山不同退化程度高寒草甸土壤有机质含量及其主要养分的关系[J]. 草业学报, 2009, 29(5): 20-25. (0) |
[28] |
全国土壤普查办公室. 中国土壤[M]. 北京: 中国农业出版社, 1998, 356.
(0) |
[29] |
鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 1980, 75-114.
(0) |
[30] |
谢建昌. 我国土壤钾素肥力概况和钾肥使用的进展[R]. 南京: 中国科学院南京土壤研究所, 2002. http://cpfd.cnki.com.cn/Article/CPFDTOTAL-IGNE200200001004.htm
(0) |
[31] |
ZHANG H L, DAVID J, ZHAO X J. Environmental Effects of Soil Salt in the Arid Area Under the Human Beings' Interference[J]. Advanced Materials Research, 2013, 830: 349-352. DOI:10.4028/www.scientific.net/AMR.830 (0) |