土壤养分空间变异特征与精准管理分区：以环巢湖地区为例

来源：环境科学杂志2026年第1期北京时间：

作者：童童,李子杰,叶芸,刘宇,马友华,吴群

单位：南京农业大学公共管理学院, 南京 210095,南京农业大学公共管理学院, 南京 210095,南京农业大学公共管理学院, 南京 210095,南京农业大学公共管理学院, 南京 210095,安徽农业大学资源与环境学院, 合肥 230036,南京农业大学公共管理学院, 南京 210095,南京农业大学不动产研究中心, 南京 210095

摘要：探究土壤养分空间变异规律并划分精准管理区，为区域农业资源高效配置与可持续生产提供理论支撑. 以环巢湖地区为研究区，基于7 624个土壤样点的pH、有机质、全氮、碱解氮、有效磷、速效钾、缓效钾、有效硫和有效硼等9项指标，使用地统计分析与空间插值揭示养分空间分异规律，结合主成分分析（PCA）和模糊C均值聚类（FCM）划分管理区，利用模糊效果指数（FPI）和归一化分类熵指数（NCE）优化聚类数，并通过方差分析和变异系数验证分区效果. 结果表明：①土壤养分均值依次为6.02（pH，无量纲）、21.06 g·kg-1（有机质）、1.21 g·kg-1（全氮）、122.75 mg·kg-1（碱解氮）、16.81 mg·kg-1（有效磷）、127.71 mg·kg-1（速效钾）、272.69 mg·kg-1（缓效钾）、24.67 mg·kg-1（有效硫）和0.40 mg·kg-1（有效硼），均呈中等变异（变异系数为11.70%~64.36%）；②土壤pH和有效磷的块基比分别为21.34%和11.42%，空间变异主要由结构性因素影响；速效钾、缓效钾和有效硫的块基比分别为57.44%、71.82%和63.48%，其空间变异由结构性和随机性因素共同影响；其余土壤养分主要由随机性因素影响；③PCA提取的3个主成分（累计贡献率为70.15%）有效保留了原始数据信息，同时各个指标在双变量图中表现出清晰的聚类特征；④FPI与NCE判定最优分区数为2，两区养分均值差异显著（P＜0.001），且区内变异系数降低，验证了分区合理性. 研究结果不仅为环巢湖地区差异化施肥提供了直接依据，更通过高密度采样与多维建模构建了可扩展的精准管理框架. 未来可结合作物类型与机器学习深化分区，推动“数据驱动”的农业绿色发展，可为耕地质量动态监管与面源污染防控提供技术范式.

关键词：地理信息系统（GIS）,土壤养分,空间变异,管理分区,主成分分析（PCA）,模糊C均值聚类（FCM）,