珠江三角洲土壤养分多尺度空间分异及环境驱动力

牛文鹏 ，李青圃，李铖，程炯，吉冬青*，蒋新宇，刘通

1.广东省科学院生态环境与土壤研究所/华南土壤污染控制与修复国家地方联合工程研究中心/广东省农业环境综合治理重点实验室，广东 广州 510650；2.珠江水利委员会珠江水利科学研究院，广东 广州 510611

土壤养分，如氮、磷和钾是植物生长必需的基本元素，对粮食生产和安全有重要影响（Li et al.，2020a；刘茂秀等，2018）。准确了解土壤养分时空分布规律是进行农业综合管理以及生态环境管控的重要前提（Yadav et al.，2000）。由于土壤是非均质复杂体，土壤养分质量分数在空间上呈现出异质性（Liu et al.，2013；Chatterjee et al.，2015）。这种空间异质性是不同尺度上自然和人为活动共同作用的结果（Yadav et al.，2000；Liu et al.，2013；Liu et al.，2017；刘晓林等，2012；崔贝等，2013；崔旭辉等，2016）。相关研究表明，大气氮沉降与有机质分解是土壤氮的重要自然来源（李一凡等，2019）。土壤磷更易与钙、铝、铁和有机质结合，其空间分布受降雨、土地利用变化、施肥等因素的综合影响（Werner et al.，2015）。土壤钾的固定与释放主要受到土壤质地、粘土矿物质量分数、土壤酸碱度和湿度等影响（Bruckert et al.，1992）。不同的影响因子具有不同的作用范围，有些因子（如土壤理化性质、养分添加）可能在局部尺度起决定性作用，而有些因子（如气候和成土母质）则在较大的尺度起决定性作用（Mage et al.，2013；Lv et al.，2014；王现洁等，2020）。不同影响因子在不同尺度作用强度不同且交互作用，导致我们观察到的土壤养分空间格局混合了多个尺度的信息。剥离出不同尺度土壤养分的空间变异规律及其关键驱动因子对于土壤养分管理至关重要（崔贝等，2013）。

由于人力、物力资源的限制，在区域尺度开展详细土壤养分调查费时费力。地理信息系统、地统计学（普通克里格、指示克里格、协同克里格等）（Eldeiry et al.，2010；刘晓林等，2012；崔旭辉等，2016）和传统统计学方法（如相关分析和回归分析）（Huang et al.，2006；Mage et al.，2013）的发展为揭示区域尺度上土壤养分空间变异及其驱动力提供了便利。但是，以上方法多着眼于单一尺度，不能有效区分或剥离研究要素在特定尺度的空间分异规律（Lin et al.，2006；Shan et al.，2013；Lv et al.，2014）。因子克里格（Factorial Kriging Analysis，FKA），整合了地统计学（协同克里格）、传统统计学方法（主成分分析）和协同区域化线性模型，可以识别出空间变量的空间结构变异特征，有效过滤掉不同尺度信息的叠加效应，在揭示土壤属性和元素多尺度空间变异和驱动力方面具有很大潜力（Goovaerts，1992；Imrie et al.，2008；吕真真等，2014）。因子克里格方法被广泛应用于探究土壤性质的多尺度空间变异特征及其驱动力分析（Liu et al.，2013；Zhou et al.，2016；Du et al.，2017）。

当前对于土壤养分分布特征及其驱动力的研究较多，但多集中在单一尺度（Rodríguez et al.，2011；Song et al.，2019；钟继洪等，2009；刘晓林等，2012；安永龙等，2018），多尺度的研究相对较少。小尺度的研究有助于精准施肥，而大尺度上的研究对于区域平衡施肥和种植区划至关重要（吕真真等，2014）。在制定土壤养分管控策略时，往往需要考虑不同尺度土壤养分变异特征及其驱动因素。Liu et al.（2013）使用因子克里格和逐步回归分析定量探究了土壤养分的多尺度空间变异及其环境驱动力，发现土壤养分的空间变异在局部尺度（12 km）主要受控于土地利用类型或海拔，而在区域尺度（84 km）主要受控于成土母质。但是，该研究在进行驱动力分析时没有考虑自变量（即环境变量）的空间变异。事实上，任何地理变量都存在空间变异，在驱动力分析时要同时考虑土壤养分和环境变量的空间变异特征和尺度。鉴于此，本研究以典型农业聚集区-珠江三角洲为例，基于417个表层土壤样品和6大类环境变量（气候、成土母质、土壤理化性质、地形/植被覆盖、距污染源的距离、社会经济），综合考虑自变量和因变量的空间变异特征，使用因子克里格法探讨土壤养分的多尺度空间分异规律及其环境驱动力，以期为区域土壤养分管理提供参考。

1 研究数据与方法

1.1 研究区概况

珠江三角洲位于广东省中南部，毗邻港澳，是粤港澳大湾区的重要组成部分（图 1）。该地区地貌主要为三角洲平原与低山丘陵构成，范围包括广州、佛山、珠海、深圳、江门、东莞、和中山7个城市以及惠州和肇庆部分区域。珠江三角洲地区为典型的亚热带季风气候，全年温暖湿润，年均降水1900 mm，年均气温22 ℃。研究区成土母质主要包括（河/海）冲积物、花岗岩和砂页岩，分别占研究区总面积的38%、30%和22%（Li et al.，2020b），主要土壤类型包括赤红壤、河流冲积土、红壤和人工堆叠土等。研究区陆域面积4.12×104km2，土地利用类型以林地为主（占比43%），其次为城市用地和水体，分别占研究区面积的23%和11%（根据2017年土地利用/覆被图统计；图1B）。珠江三角洲人口密集，是广东省和全国经济发展的中心区域，根据广东省统计年鉴，该区域2018年常住人口为6301万人，GDP 81048亿元，分别占全省总人口和GDP的55.5%和80.2%（广东省统计局，2019）。珠江三角洲是重要的农业聚集区，农业用地（主要为耕地和园地）约占17%。随着工业化和城市化进程加快，研究区农用地迅速减少，土壤质量也呈现下降趋势（侯红乾等，2013；Li et al.，2020b）。

图1 珠江三角洲位置（A）、土地利用和覆被图（B）和土壤样点采集（C）Fig.1 The location (A), land use and cover map (B) and soil sampling (C) of Pearl River Delta

1.2 土壤样点采集与养分质量分数分析

2018年，基于双密度网格随机取样法对珠江三角洲地区表层土壤（0—20 cm）进行采样。其中，中心城区每5 km×5 km网格随机布设1个样点，城郊和农村每10 km×10 km网格随机布设1个样点，共计417个样点（图1C）。每个采样点，由5—8个土样混合而成，采用四分法取1 kg带回实验室分析。土壤样品经自然风干，挑出石砾和植物残体，分别过10目和100目尼龙筛备用。采用凯氏定氮法测定总氮（N），氢氧化钠高温熔融后、分别使用钼锑抗比色法和火焰光度计法测定总磷（P）和总钾（K），乙酸铵提取、火焰光度计法测定速效钾（AK）（NT/T 395—2012）。碱解-扩散法测定碱解氮（AN）（LYT 1229—1999）；盐酸−氟化铵法提取、钼锑抗比色法测定有效磷（AP）（NY/T 1121.7—2014）。土壤 pH采用 1∶2.5的土水质量比提取、电位法测定，土壤有机质和质地分别采用重铬酸钾氧化−容量法和比重计法测定（NT/T 395—2012）。

1.3 数据处理与分析

1.3.1 数据预处理

基于SPSS 20统计软件，采用平均值±3倍标准差法去除特异值，最终获得土壤养分样本395个。前人研究发现，气候（Li et al.，2021）、成土母质（Liu et al.，2013；崔旭辉等，2016）、地形（李超等，2014）、土壤理化性质（Baxter et al.，2003）、植被（Xu et al.，2020）、矿物组成（Li et al.，2021）、肥料添加（胡艳霞等，2013；郑昊楠等，2019）等是影响土壤养分空间变异的主要因素。基于以上文献和数据可获得性，本研究选取气候、成土母质、土壤理化性质、地形/植被覆盖、距污染源距离和社会经济6大类共计16个环境变量作为自变量（表1）。这里，我们使用距污染源距离和社会经济变量来替代肥料添加等人类干扰强度数据，因为该数据较难获得。由于土壤养分和环境变量多不符合正态分布，考虑到异常值和数据分布会影响克里格插值精度，首先将原始数据进行高斯变换，使其满足正态分布（平均值为0，标准差为1）。分别采用Pearson相关分析法和因子克里格法探讨不同环境变量对土壤养分空间分布的影响。

表1 环境变量指标及数据来源Table 1 Environmental variables and data sources

1.3.2 因子克里格法

尺度是研究某一现象或过程所采用的空间或时间单位。不同学科对尺度的定义不同，表达也不同，如地图学的制图比例尺、遥感学的空间分辨率、景观生态学的粒度（最小辨识单元）和幅度（研究范围大小）（Wu，2004）。本研究中的尺度对应于空间分析生态学的研究步长，类似于景观生态学的粒度，为最小数据分析单元，如10—20 km往往对应于田块或街区尺度，而100 km甚至更大步长则对应于城市或区域尺度。

因子克里格，可用来揭示变量的多尺度空间变异特征及其来源（Lv et al，2013；Lv et al.，2014）。其主要包括以下步骤：（1）基于方差和交叉方差模型识别变量的空间变异尺度；（2）区域化变量的线性模型（Linear Model of Co-regionalization，LMC），即把变量的总体分解为不同空间尺度上两个及以上协变量的加权线性函数（公式1）；（3）基于主成分分析探讨变量在不同尺度间的相关关系；（4）使用协同克里格法估算变量的区域化因子及空间组分。

线性协同区域化模型通常由 3个空间要素组成，分别是：块金尺度（Nugget effect）、局部尺度（短变程尺度）和区域尺度（长变程尺度）。具体公式如下（Imrie et al.，2008）：

式中，Γ(h)为m×m阶变异函数矩阵；Ns为空间尺度的个数；Bu为协同区域化矩阵，用于描述变量与特定空间尺度的关系。gu(h)为方差函数，h为步长（km）。

对于特定尺度，土壤污染指数与环境变量的相关系数ρij可用如下公式表示（Lv et al.，2014）：

式中，qij、λj和σi分别代表特定尺度主成分分析的特征向量、特征值和第i个变量的方差。

为了验证克里格插值结果的准确性，采用留一法进行交叉检验，即每次把某一样点作为测试数据，其余样点作为训练数据，将模拟结果与真实值比较。当模拟结果的平均误差（Mean Error）越接近于0，平均标准误方差（Mean of Squared Standardized Error）的值越接近于1时，表明模型拟合效果越好。使用Geovariances Isatis软件，对有效样点（n=395）的养分质量分数进行因子克里格分析及交叉检验。

2 结果与分析

2.1 土壤养分质量分数特征及其与环境变量的关系

珠江三角洲地区土壤总氮、总磷、总钾、碱解氮和速效钾质量分数分别为 (1.2±0.5) g·kg−1（平均值±标准差）、(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，变异系数介于 44%—78%；土壤有效磷的质量分数为(161.4±174.1) mg·kg−1，变异系数为 108%。通常认为，变异系数＜10%为弱强度变异，介于10%—100%之间为中等强度变异，＞100%为强度变异（表2）。由此可知，土壤养分除有效磷为强度变异，其他元素均为中等强度变异。对比全国第二次土壤普查养分分级标准，59%—80%的土壤样品土壤养分等级为中等以上；土壤磷和有效磷尤为丰富，处于很丰富等级的样品分别占总样品数的46%和63%。从不同土地利用类型来看，土壤养分质量分数普遍呈现出耕地＞园地＞林地/城市绿地，且耕地土壤养分（总钾除外）质量分数显著高于其他三类土壤（P＜0.05）。而园地土壤的碱解氮、有效磷和速效钾显著高于林地和城市绿地土壤，林地和城市绿地的养分质量分数无显著差异（P＜0.05）（图2）。

表2 土壤养分质量分数的统计值Table 2 Statistics of soil nutrients

图2 不同土地利用类型土壤养分质量分数的比较Fig.2 Comparisons of soil nutrient contents among different land use types

土壤养分质量分数与环境变量的相关关系分析显示（表 3），土壤养分质量分数普遍与土壤理化性质（pH、有机质质量分数 SOM、土壤质地Sand*、Silt、Clay）、成土母质（沉积物Depo、花岗岩Gran*和砂页岩Sandsh*）、气候因子（降雨Prec和温度 Temp）、距离水体的距离（Wt*）和海拔（DEM*）呈显著相关（P＜0.05；表3）。钾和有效钾的质量分数与社会经济变量（GDP*、Pop*）和距离工厂距离（Ind*）呈显著相关（P＜0.05）。但是，总体上土壤养分与环境变量的相关关系相对较弱（相关系数＜0.6，SOM除外）。

表3 土壤养分质量分数与环境变量的Pearson相关系数Table 3 Pearson correlation coefficients between soil nutrient contents and environmental variables

2.2 土壤养分多尺度空间变异及其环境驱动力

2.2.1 空间变异尺度识别及模型精度检验

土壤养分的方差及交叉方差变异图显示（图3），土壤养分的空间变异均存在块金效应，即存在采样和测量误差，主要由于实验误差和小于实际取样尺度引起的变异。随着距离增加，方差值增加或减少并在26 km附近趋于平缓，之后缓慢变化并在90 km处相对稳定，接近基台值。经试验，双球面模型能够较好地拟合土壤养分的空间变异（衡量标准：残差平方和与Akaike Criterion较小）。总体上，本研究的协同区域化模型可分解为3部分：块金值、局部尺度的区域化因子（球面模型；26 km）和区域尺度的区域化因子（球面模型；90 km）。经交叉检验，土壤养分线性协同区域化模拟的平均误差介于−0.011—0.027，接近于理想值 0，而平均标准误方差均接近于理想值1（0.99—1.24），说明双球面模型能够较好地模拟土壤养分的空间变异特征。

图3 土壤养分方差函数和交叉方差变异曲线（土壤养分与环境变量的方差函数未显示）Fig.3 Variogram and cross-variogram of soil nutrients (not shown for those between soil nutrients and environmental variables)

2.2.2 土壤养分与环境变量的多尺度环境驱动力

不同空间尺度相关分析结果显示（表 4），土壤养分与环境变量的关系存在相互加强和抵消的效应。多数土壤养分质量分数与土壤有机质（SOM）、土壤质地（Silt、Clay）、沉积物（Depo）在3个空间尺度上均呈正相关，与土壤沙粒质量分数（与Sand*正相关）、距离污染源的距离（与Wt*正相关）和海拔（与DEM*正相关）在3个空间尺度上均呈负相关，而与其他环境变量的关系则存在尺度效应。多数土壤养分质量分数与土壤pH、花岗岩（Gran*）、温度（Temp）和NDVI在块金尺度呈负相关，在短变程和长变程尺度呈正相关。类似地，土壤养分质量分数与降雨（Prec）在块金和短变程尺度呈负相关，在长变程尺度呈正相关；土壤养分质量分数与砂页岩（Sandsh*）在块金尺度和短变程尺度呈正相关，在长变程尺度呈负相关；而与GDP在短变程尺度呈负相关，在块金尺度和长变程尺度呈正相关。

表4 不同空间尺度土壤养分质量分数与环境变量的相关系数Table 4 Correlation coefficients between soil nutrient contents and environmental variables at different spatial scales

为了更好地显示多空间尺度变量的相互关系，我们把土壤养分空间组分与主成分得分的相关系数投影在单元环中（图 4）。块金尺度，前两个主成分可解释该尺度变量空间变异的45.1%，其中第一主成分（PC1）和第二主成分（PC2）分别揭示33.5%和 11.6%的变异。PC1与土壤质地（SOM、Silt）和土壤养分质量分数（K除外）相关系数较大，表明该主成分主要受到这些因子的影响。PC2与Sand*和Clay相关关系较密切，主要受到这两种土壤理化性质的影响（表4，图4A）。从变量与变量之间的距离来看，土壤养分质量分数与有机质质量分数关系尤为密切。短变程尺度，前两个主成分可解释该尺度变量空间变异的59.2%。根据变量与主成分（图 4）以及因变量与自变量之间的相关系数（表4，图4B），土壤养分可划分为4组：（1）土壤总氮，主要受控于土壤理化性质（SOM、Sand*、Silt和Clay），其次为距离水体的距离和温度；（2）土壤总钾，主要受成土母质（Sandsh*）的影响；（3）土壤有效磷，主要受到人口密度（Pop*）的影响；（4）土壤总磷、碱解氮和有效钾，主要受控于海拔（DEM）、距离工厂的距离（Ind*）和社会经济因素（GDP*或Pop*）。此外，总磷质量分数还与土壤pH关系密切。类似地，在长变程尺度，前两个主成分可解释该尺度变量空间变异的67.4%。根据环境驱动的不同，土壤养分可划分为3组（表4，图4C）：（1）土壤总氮、总磷、碱解氮和有效磷，主要受控于气候因素（Prec、Temp），其次为距离水体的距离和土壤有机质质量分数（图4C；表4）。总氮略有不同，其主要受控于土壤理化性质（SOM、Sand*和Clay）的影响，气候因素的作用位于其次。此外，总磷还受到成土母质（Depo）的影响。（2）总钾，主要受成土母质（Sandsh*）与距污染源距离（Ind*）影响，其次为社会经济因素（GDP*、Pop*）。（3）有效钾，其主要受到气候因素的影响（表4）。

图4 块金（A）、短变程（B）和长变程（C）尺度土壤养分空间组分与主成分得分相关关系的单位投影圆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 土壤养分的多尺度空间结构

图5和图6显示，短变程和长变程尺度上土壤养分空间分异明显。短变程尺度，土壤养分质量分数高的区域较为分散，主要位于研究区的中部，边缘地区质量分数较低（图 5）。土壤总氮和总磷质量分数空间变异范围较小，数据分布范围主要集中在−0.5—1.0（图5A、B）。土壤碱解氮和有效钾的空间分布较为相似，质量分数高的区域主要散布于广州市、佛山市、珠海、惠州中西部和东莞西部（图5D、F）。总钾和有效磷质量分数较高的区域也基本集中在以上城市，但是集聚位置又略有不同（图5C、E）。在长变程尺度，土壤养分质量分数空间变异范围较短变程尺度减小，数据变异集中在−0.5—0.5，没有明显的高值区域。土壤总氮、总磷、总钾、碱解氮、有效磷和速效钾空间变异规律较为接近，质量分数较高的区域（黄色区域）主要位于广州北部与中部、惠州中部、珠海北部、佛山南部和江门中部（图 6）。总体来说，划分为同一组的土壤养分元素空间分异特征较为相似（图5、6）。长变程尺度，土壤养分质量分数的空间异质性明显小于短变程尺度，前者的数值分布范围明显较小。

图5 短变程尺度土壤养分空间组分的分布Fig.5 Distributions for spatial components of soil nutrients at short-range scale

图6 长变程尺度土壤养分空间组分的分布Fig.6 Distribution for spatial components of soil nutrients at long-range scale

3 讨论

3.1 土壤养分多尺度空间变异

珠江三角洲地区土壤养分质量分数存在空间变异，多数属于中等变异（有效磷除外，为强度变异）。根据《全国第二次土壤普查》养分分级标准，研究区养分质量分数普遍较高，多数土壤样品养分状态处于中等偏上水平（等级≥丰富），尤其磷和有效磷质量分数尤为丰富。研究区属南方酸性红壤，富含铁、铝离子与施入土壤的磷肥发生化学反应并形成沉淀累积在土壤中，不能被植物利用，导致土壤磷质量分数普遍较高（王现洁等，2020）。从不同土地利用类型来看，土壤养分质量分数普遍呈现出耕地＞园地＞林地/城市绿地。其他研究也发现类似规律，耕地和果园过量施肥可能是导致其养分质量分数较高的主要原因（侯红乾等，2013；胡艳霞等，2013）。中国的肥料利用率普遍较低，氮、磷和钾肥利用率普遍不足30%（于飞等，2015；王荣萍等，2016；王现洁等，2020）。过量的养分可深层淋溶进入地下水，或进入地表水导致富营养化，造成环境污染风险。广东省蔬菜地土壤氮磷质量分数均较高，具有很大的流失风险（张永起等，2010）。

因子克里格结果显示，土壤养分空间异质性随尺度增大而减小。虽然养分高值区主要位于研究区中部（广州、佛山、珠海、惠州中西部和东莞西部），但是土壤养分的空间变异性在短变程尺度较长变程尺度更强，高值分布区更为分散。类似地，其他针对土壤性质空间分异规律的研究也发现小尺度上的异质性高于大尺度（Lv et al.，2014；Zhou et al.，2016；Du et al.，2017）。土壤养分来源、利用效率及其在土壤中的迁移是决定土壤养分空间变异的主要因素（安永龙等，2018）。例如，不同类型的有机肥和土壤母质对土壤磷的固定能力不尽相同，导致土壤有效磷质量分数存在差异（王荣萍等，2014；余炜敏等，2018a；余炜敏等，2018b）。小尺度上土壤养分分布异质性高，可能与其更多受到随机因素（如化肥农药的添加）影响有关。此外，研究区土壤有效态形式的养分空间分异性高于全态形式，这与很多研究结果类似（李旭等，2012；安永龙等，2018）。这可能由于不同植物肥料利用效率不同，导致残留在土壤中的养分在空间上存在较大差异（王荣萍等，2016；王现洁等，2020）。

3.2 土壤养分多尺度驱动机制

土壤养分的空间变异，是多个尺度上自然（气候、成土母质、地形、土壤理化性质等）和人为因素（特别是人为活动，如施肥、耕作方式、种植制度等）共同作用的结果（曹宏杰等，2013；李超等，2014；崔旭辉等，2016；安永龙等，2018）。土壤养分与环境变量的关系在不同尺度存在增强和抵消的情况（表 4），导致传统的相关分析等统计方法揭示出来的两者之间的关系相对较弱（表 3）。因子克里格法可以有效过滤掉不同尺度的交互影响及干扰，有效揭示土壤元素与环境变量的相互关系，在本研究及其他研究中得到证明（Goovaerts，1992；Imrie et al.，2008；Liu et al.，2013；Lv et al.，2014）。

本研究结果显示，土壤养分的空间变异及其关键环境驱动因子因尺度而异。在短变程尺度，土壤养分质量分数空间异质性较高，高值分布区较为分散，多数土壤养分尤其是有效态养分主要受到人为活动影响（如距离工厂距离、GDP和人口密度）和海拔的影响。土壤养分质量分数与DEM呈负相关（与DEM*呈正相关），与Liu et al.（2013）的研究结果一致。表明在地形、重力和径流侵蚀等因素的综合作用下，土壤养分从高海拔区运移并累积至低海拔区。土壤总磷、碱解氮和有效钾与社会经济因素呈负相关（与GDP*和Pop*呈正相关），这可能源于经济发达和人口密集区建设用地比重较大，对土壤干扰大，导致土壤较贫瘠。此外，土壤总氮质量分数受控于土壤理化性质、距离水体距离和温度，这可能与粘质土（粘粒和粉粒质量分数较高）有利于截留土壤养分、面源污染、温度的升高有利于促进成土母质矿化作用和养分循环有关（Rodríguez et al.，2011；Sun et al.，2017）。土壤有效磷与土壤有机质质量分数、粘粒质量分数、粉粒质量分数和气温呈负相关，与前人研究结论一致（Mage et al.，2013；Yu et al.，2016）。长变程尺度，土壤养分质量分数更多受控于自然因素（气候和成土母质）的影响，这与前人研究结果类似（Mazzarino et al.，1998；Tang et al.，2016；王幼奇等，2014）。有学者发现，沉积岩发育的土壤总磷质量分数较蛇纹岩发育的土壤高2—4倍（Kitayama et al.，2000）；碳酸盐岩、辉长岩和石英闪长岩发育的土壤固钾能力较强（Portela et al.，2019）。虽然成土母质不是土壤氮的主要来源（大气是主要来源），但是其会影响土壤中氮素的累积和分解；沉积物、石灰岩、泥岩和玄武岩等母质发育的粘土具有较高的有机氮储存能力（Zhong et al.，2019）。此外，Li et al.（2021）发现气候是决定土壤钾变异的最重要因素，其次为地形条件、粘土矿物组成和关键土壤理化性质。Yu et al.（2016）发现CO2和温度升高能够促进土壤中磷的释放/流失。Mazzarino et al.（1998）和脱云飞等（2020）发现，降雨的增加可以加快氮、磷运移速度，促进土壤养分的矿化过程。总体上，土壤养分的关键影响因素因尺度而异，这在前人研究中也有发现。例如，Liu et al.（2013）发现大尺度上土壤总磷和总氮分布受控于成土母质，小尺度上主要受土地利用类型或地形因素影响。这种尺度效应意味着管理者需要在局部尺度（田块或街区尺度）、城市或区域尺度制定不同的调控措施，促进土壤养分的有效利用。基于“特征-机制-管理”思路，本研究提出土壤养分多尺度管理概念模型，根据不同尺度肥力区划及其驱动力制定不同的养分管理策略（图7）。具体来说，局部尺度，针对土壤高肥力区，应避免过量施肥，可采用减量施肥、测土配方施肥、施用有机替代肥（如生物有机肥、秸秆还田）等方式减少化肥添加（郑昊楠等，2019；胡贵贵等，2020；谭海燕等，2021；董佳琦等，2021）。在土壤高肥力且海拔与坡度较高的区域，采取免耕、等高垄作等措施以防治水土流失，减少面源污染（张少良等，2020）。而针对部分土壤低肥力区，应根据养分状况调整耕作方式，制定合理施肥措施来提升土壤肥力（曹宏杰等，2013；Shang et al.，2014；Krauss et al.，2020）。区域尺度，需重视气候及其成土母质对土壤养分的影响。在高肥力且降雨集中区，需重点防范氮磷随降雨迁移造成的面源污染，应设置长期定位观测点加大对该区域面源污染的监控。在低肥力且花岗岩广泛分布区，应采取施用土壤改良剂等措施提升土壤养分固存能力；对于其他低肥力区，应根据养分状况调整农业种植结构和耕作方式，改变区域养分空间分布的不均衡性。

图7 基于“特征-机制-管控”思路的土壤养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 结论

本研究以珠江三角洲为例，采用多元因子克里格法分析了研究区6种土壤养分的多尺度空间结构及其环境驱动力。主要结论如下：

（1）对比全国第二次土壤普查养分分级标准，研究区土壤养分等级为中等及以上，磷和有效磷尤为丰富。不同土地利用类型土壤养分质量分数不尽相同，按照从高到低排序为：耕地＞园地＞林地/城市绿地。

（2）研究区土壤养分质量分数均为中等变异，除了有效磷为强度变异。有效态形式的土壤养分空间变异性明显大于全态形式。

（3）因子克里格法将土壤养分的空间变异分解为块金效应、短变程尺度变异和长变程尺度的变异。不同空间尺度，土壤养分的分布格局不尽一致。短变程尺度养分空间变异性更强，异质性更高。此外，土壤养分的关键环境驱动因子因尺度而异：块金尺度和短变程尺度，主要受地形和局部人类活动的影响，而长变程尺度主要受气候和成土母质影响。因此，未来应在不同空间尺度制定不同的土壤养分管理策略增加养分利用效率。