基于GIS和Kriging的蓝田县土壤养分空间变异特征研究

合集下载

统计学专业论文参考文献

统计学专业论文参考文献统计学的英文statistics最早源于现代拉丁文statisticumcollegium(国会)、意大利文statista(国民或政治家)以及德文Statistik，最早是由GottfriedAchenwall于1749年使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。

十九世纪，统计学在广泛的数据以及资料中探究其意义，并且由JohnSinclair引进到英语世界。

统计学专业论文参考文献范文一：[1]蔡立梅，马瑾，周永章，黄兰椿，窦磊，张澄博，付善明.东莞市农业土壤重金属的空间分布特征及解析[J].环境科学.xx(12) [2]钟晓兰，周生路，赵其国，李江涛，廖启林.长三角典型区土壤重金属有效态的协同区域化分析、空间相关分析与空间主成分分析[J].环境科学.xx(12)[3]张仁铎着.空间变异理论及应用[M].科学出版社，xx[4]张建同，孙昌言编着.以Excel和SPSS为工具的管理统计[M].清华大学出版社，xx[5]PGoovaerts,R.Webster,J.-P.Dubois.Assessingtheriskofsoilc ontaminationintheSwissJurausingindicatorgeostatistics[J].En vironmentalandEcologicalStatistics.1997(1)[6]PeterM.Chapman.Sedimentqualityassessment:statusandoutlook[J].JournalofAquaticEcosystemHealth.1995(3)[7]王政权编着.地统计学及在生态学中的应用[M].科学出版社，1999[8]杜瑞成，闫秀霞主编.系统工程[M].机械工业出版社，1999[9]侯景儒等编着.实用地质统计学[M].地质出版社，1998[10]陈静生，周家义主编.中国水环境重金属研究[M].中国环境科学出版社，1992[11]国家环境保护局主持，中国环境监测总站主编.中国土壤元素背景值[M].中国环境科学出版社，1990[12]王仁铎，胡光道编.线性地质统计学[M].地质出版社，1988[13]史舟，李艳，程街亮.水稻土重金属空间分布的随机模拟和不确定评价[J].环境科学.xx(01)[14]乔胜英，蒋敬业，向武，唐俊红.武汉地区湖泊沉积物重金属的分布及潜在生态效应评价[J].长江流域资源与环境.xx(03)[15]张丽旭，任松，蔡健.东海三个倾倒区表层沉积物重金属富积特征及其潜在生态风险评价[J].海洋通报.xx(02)[16]ZHANGXuelei,GONGZitong(StateKeyLabofSoilandSustainableA griculture,InstituteofSoilScience,CAS,Nanjing210008,China).Apedodiversitypattern:taxonomicallyestablishedsoilordersinC hina[J].JournalofGeographicalSciences.xx(S1)[17]苏伟，聂宜民，胡晓洁，李强，张建国.农田土壤微量元素的空间变异及Kriging估值[J].华中农业大学学报.xx(02)[19]Anonymous.Apillarofmedicine.TheJournalofTheAmericanMedi calAssociation.1966统计学专业论文参考文献范文二：[1]冯克忠，万庆，励惠国.基于组件技术的GIS广义空间分析[J].地球信息科学.xx(01)[2]陈斐，杜道生.空间统计分析与GIS在区域经济分析中的应用[J].武汉大学学报(信息科学版).xx(04)[3]肖斌，赵鹏大，陈玉玲，侯景儒.时空多元协同克立格的理论研究[J].物探化探计算技术.1998(01)[4]毛政元，李霖着.空间模式的测度及其应用[M].科学出版社，xx[5]刘阳.基于地统计学的县/团区域土壤养分空间变异研究[D].新疆农业大学xx[6]杨中庆.基于R语言的空间统计分析研究与应用[D].暨南大学xx[7]杨红芳.基于合理城市空间模式的杭州适度人口规模研究[D].浙江大学xx[8]冯锦霞.基于GIS与地统计学的土壤重金属元素空间变异分析[D].中南大学xx[9]陈述彭主编.地学信息图谱探索研究[M].商务印书馆，xx[10]刘昌明，岳天祥，周成虎主编，朱海燕，刘卓澄.地理学的数学模型与应用[M].科学出版社，2000[11]王政权编着.地统计学及在生态学中的应用[M].科学出版社，1999[12]李小建主编.经济地理学[M].高等教育出版社，1999[13]侯景儒等编着.实用地质统计学[M].地质出版社，1998[14]郭仁忠着.空间分析[M].武汉测绘科技大学出版社，1997[15]徐建华编着.现代地理学中的数学方法[M].高等教育出版社，1996[16]李德仁.关于地理信息理论的若干思考[J].武汉测绘科技大学学报.1997(02)[17]李天生，周国法.空间自相关与分布型指数研究[J].生态学报.1994(03)[18]CarlWalters,DanielPauly,VillyChristensen.Ecospace:Predi ctionofMesoscaleSpatialPatternsinTrophicRelationshipsofExpl oitedEcosystems,withEmphasisontheImpactsofMarineProtectedAr eas[J].Ecosystems.1999(6)[19]A.G.Journel.Nonparametricestimationofspatialdistributio ns[J].JournaloftheInternationalAssociationforMathematicalGe ology.1983(3)统计学专业论文参考文献范文三：[1]郭祖超主编.医学统计学[M].人民军医出版社，1999[2]詹绍康.正确应用相关回归分析[J].劳动医学.1997(04)[3]颜艳，徐勇勇.统计思想是第一位的--教育部面向21世纪课程教材《医学统计学》评介之一[J].中国卫生统计.xx(04)[4]胡良平.医学实验中常见设计类型的辨析及统计方法的合理选用[J].中国应用生理学杂志.2000(01)[5]方积乾，凌莉，张敏瑞.近期医学论文中常见统计错误及其纠正[J].中山医科大学学报.1999(04)[6]程萍，祖述宪.临床医学论文统计方法应用的调查分析[J].安徽医科大学学报.1998(02)[7]王倩，张博恒.五种中华医学会系列杂志论着中统计方法的应用现况[J].中华医学杂志.1998(03)[8]刘勤，金丕焕主编.分类数据的统计分析及SAS编程[M].复旦大学出版社，xx[9]陈峰编着.医用多元统计分析方法[M].中国统计出版社，2000[10]孙尚拱编着.医学多变量统计与统计软件[M].北京医科大学出版社，2000[11]胡良平主编.医学统计应用错误的诊断与释疑[M].军事医学科学出版社，1999[12]毛宗福，丁元林，陈东峨，张金荣，王圣基.临床论着中统计推断应用缺陷特征及对策[J].中国卫生统计.1998(03)[13]胡良平主编.现代统计学与SAS应用[M].军事医学科学出版社，1996[14]胡良平.医学科研与新药评价等工作中一个不可忽视的问题--轻视和误用统计学[J].军事医学科学院院刊.1996(03)[15]胡良平.充分了解资料的特点是进行统计分析的首要前提[J].中国卫生统计.1988(06)[16]胡良平.选择多因素设计类型的一般原则[J].中国卫生统计.1988(02)[17]Anonymous.Apillarofmedicine.TheJournalofTheAmericanMedi calAssociation.1966[18]FreimanJA,ChalmersTC,SmithHJr,etal.Theimportanceofbeta, thetypeⅡerrorandsamplesizeinthedesignandinterpretationoftherandomiz edcontroltrial.TheNewEnglandJournalofMedicine.1978。

基于GIS的空间插值方法研究

基于GIS的空间插值方法研究一、本文概述随着地理信息系统（GIS）技术的飞速发展，空间插值方法作为GIS中的重要工具，已广泛应用于环境科学、地理学、社会学、经济学等多个领域。

空间插值方法旨在通过已知的空间数据点，预测和推算未知区域的数据值，进而揭示空间分布特征和变化规律。

本文旨在深入探讨基于GIS的空间插值方法，分析其基本原理、常用方法及其优缺点，并结合实际案例探讨其在不同领域的应用效果。

本文首先介绍了空间插值方法的基本概念和研究背景，阐述了其在GIS领域的重要性和应用价值。

接着，文章对几种常用的空间插值方法进行了详细介绍，包括反距离加权法、克里金插值法、自然邻点插值法等，分析了它们的适用范围和限制条件。

在此基础上，文章通过实际案例，比较了不同插值方法在应用中的效果和优劣，探讨了其在实际应用中的适用性。

本文还关注了空间插值方法的发展趋势和未来研究方向。

随着大数据时代的到来，如何结合新的数据源和技术手段，提高空间插值的精度和效率，是当前和未来的研究重点。

因此，文章还展望了基于GIS的空间插值方法在深度学习、遥感影像处理等领域的应用前景，以期为相关领域的研究和实践提供有益的参考和借鉴。

二、GIS技术概述地理信息系统（GIS，Geographic Information System）是一种集成了计算机科学、地理学、测量学、地图学等多学科技术的综合性系统。

其核心功能在于采集、存储、管理、分析和展示地理空间数据，以实现对现实世界中的地理现象和空间关系的理解和模拟。

在GIS中，地理空间数据不仅包括点的位置、线的走向、面的范围等几何信息，还涵盖了与这些几何对象相关联的属性信息，如海拔、气温、人口分布等。

GIS技术的应用范围广泛，包括但不限于城市规划、环境保护、资源调查、交通管理、灾害预警等多个领域。

在空间插值方法中，GIS 技术扮演了关键的角色。

通过GIS，研究人员可以对空间数据进行高效的采集、管理和分析，进而构建出精确的空间插值模型，实现对未知区域的合理预测和推断。

综述指示克里格方法的原理及应用

综述指示克里格方法的原理与应用学号：18 ：在土壤质量评价、大气污染物浓度分布评估等研究中，克里格空间插值方法是一个有力的工具。

但是观测数据中往往存在一些特异值，观测数据不成(对数)正态分布，影响了变异函数的稳健性。

如果用参数地质统计学方法, 则必须剔除这些特异值或者对观测值进行非线性转换，以使观测值的概率分布满足正态，但这会影响变量空间变异的真实信息。

非参数地质统计学中的指示克里格法是处理有偏数据的有效方法，它能在不必去除重要而实际存在的特异值的条件下处理不同的现象，并能抑制特异值对变异函数的稳健型的影响。

指示克立格法是一种最常用的非参数地质统计学方法,它是因把对区域化变量的研究转换为对其指示函数的研究而得名.有关指示克里格方法的研究与应用，国外学者已经做了很多工作，但是大部分研究都是单元指示克里格在单一尺度下的应用。

本文将主要讨论指示克里格方法的基本原理，指示克里格的应用方法(比如多尺度指示克里格、多元指示克里格等)以及指示克里格法的限制和不足。

1 基本原理克里格(Kriging)插值法是空间统计分析方法的重要容之一，它是建立在半变异函数理论分析基础上的，是对有限区域的区域化变量取值进行无偏最优估计的一种方法。

基于这种方法进行插值时，不仅考虑了待预测点与邻近样点数据的空间距离关系，还考虑了各参与预测的样点之间的位置关系，充分利用了各样点数据的空间分布结构特征，使其估计结果比传统方法更精确，更符合实际，更有效避免了系统误差的出现。

在空间统计分析方法中，可以通过选择阈值，将一个连续的变量转换成一个值为0或1的二进制变量。

比如在研究区域D,Z(X)表示采样点X上的采样值,设Z为研究区域D上的一个临界值(阈值),则在D上的每点X∈D上定义一个Z 的指示函数如下:对于指示函数,可以用条件概率来描述:当Xa, a=1,2,⋯,n为采样点时,这时,某待估点X的指示函数估计值可以表示为：对于采样点来说,指示值可解释为已知该点的实测值为Za时,该点的真实值小于等于阈值的概率,而对于待估点,其指示函数估计值可解释为已知待估点周围信息(样本的实测值) 时,该点的真实值小于等于阈值的概率。

基于GIS的空间插值方法研究

基于GIS的空间插值方法研究空间插值是地理信息系统（GIS）中的一种重要方法，用于根据有限点或区域数据，在未知位置上估计或预测地理现象的值。

空间插值方法在地理分析、环境监测、资源管理以及地理研究等领域有重要的应用。

本文将对基于GIS的空间插值方法进行研究并探讨其优缺点。

确定性插值方法是在已知数据点上利用数学函数进行插值。

最常用的确定性插值方法有反距离加权插值（IDW）、径向基函数插值（RBF）、克里金插值（Kriging）等。

反距离加权插值是最简单和常用的插值方法之一，它基于距离权重，将加权平均值作为未知位置的估计值。

径向基函数插值是一种基于散点插值的方法，它通过用径向基函数逼近散点上的数据，获得未知位置的估计值。

克里金插值是一种基于地质学原理的插值方法，它通过对空间协方差进行插值来预测地理现象的值。

随机性插值方法是基于随机过程理论的方法，利用已知数据的统计特性进行估计。

随机性插值方法可以分为两类：基于数据点的随机性插值和基于变异数的随机性插值。

基于数据点的随机性插值方法包括最邻近插值、重心插值等，它们根据已知数据点的邻域结构来估计未知位置的值。

基于变异数的随机性插值方法则是根据数据点的变异数来估计未知位置的值，代表性的方法是可变局部指数插值（VARIogram）。

不同的空间插值方法有不同的优缺点。

确定性插值方法简单易用，计算速度快，对插值参数的要求较低，适用于较小的数据集。

然而，它无法考虑数据点之间的相互作用和空间自相关性。

而随机性插值方法则可以考虑数据点之间的相互作用和空间自相关性，适用于较大的数据集。

但是，随机性插值方法对数据分布的假设较强，对参数估计要求高。

针对不同的研究目标和数据特点，选择适合的空间插值方法至关重要。

在实际应用中，通常需要比较不同插值方法的效果，并选取最合适的方法进行插值。

除了插值方法外，还需考虑插值参数的选择、数据质量的评估以及不确定性的分析等问题。

综上所述，空间插值方法在GIS中具有重要的应用价值。

基于Kriging插值法的土壤磷素空间变异图建立及分析

目“ 玉米精准作业系统研究与应用 ” 的要求，用ＧＳ全球定位系统）运Ｐ（采集地块信息，结合ＧＳ地理信息系统）Ｉ（技术，进行数
据的处理，创建数据库、图等操作，地并应用Ｋｉｎ（ｒｉ克里格）ｇｇ插值法生成土壤磷素养分空间变异图。通过对该区域土壤磷素
ＥｓａｂｉｈｅｎｎａｙｉｆｓｉｐｓｈｒｓｍａｐｉｉｉｉｇｉｔｒｌｔｏｍｅｈｏｔｌｍｎｔａｄａｌｓｓｏｏｌｈｏｐｏｕｓｐｎｇｕｓｎｇＫｒｇｎｎｅｐｏａｉｎｔｄ
ＣＨＥＮＨａｇｎ，ＸＩＬ，ＹＡＯＥｉＹｕｉ —ｘａ
养分空间变异特征的分析，为合理施肥、实行养分的分区管理、为指导农民科学种田，供理论依据。提关键词：土壤磷素养分；间变异；Ｐ；Ｉ；ｒｉｇ空ＧＳＧＳＫｉｎ插值ｇ
中图分类号：Ｐ９Ｔ３９文献标识码：Ａ文章编码：６２６５（０８１— ２０１７— ２１２０）０４ — ３０
ＡｂｔａｔＥｓａｌｓｉｇｓｉｎｔｉｎｐｃｔｉｒｒｎｄｃｒｙｎｕｔｓａｅｖｒａｉｎａａｙｉｒｒｍｉｅａａｉｏａｒｉｇｓｒｃ：ｔｂｉｈｎｏｌｕｒｅｔｓａｅｄａａｌｂａｙａａｒｉｇｏｐｃａｉｔｎｌｓｓａｅｐｅｓｎｄｂｓｓｆｒｃｒｙｎｏ
Ｋｅｒ：ｏｌｐｏｐｏｕｕｒｅｔｐｃａｉｔｏ；ＧＰＳｙｗｏｄｓＳｉｈｓｈｒｓｎｔｎ；Ｓａｅｖａｉｎｉｒ；ＧＩ；Ｋｒｇｎａｕ — ｎｅｉｇＳｉｉｇｖｌｅｉｓｒｎｔ

绿洲农田土壤养分时空变异及精确分区管理研究

绿洲农田土壤养分时空变异及精确分区管理研究摘要：土壤养分是农田健康生产的重要因素之一，其时空变异性对于精确农田管理和高效施肥具有重要意义。

本文通过对绿洲农田土壤养分的时空变异进行研究，旨在为实施精确分区管理提供依据。

一、引言绿洲地区的农业生产受限于干旱和水资源稀缺的条件，合理管理土壤养分是提高农田生产力的关键。

而农田土壤养分的时空变异性对高效施肥和农田管理至关重要。

二、研究内容1.农田土壤养分的时空变异土壤养分的变异性由多种因素决定，包括土壤类型、气候条件、农田管理措施等。

通过采集不同时间和空间的土壤样品，分析其中的养分含量，可以得出土壤养分时空分布的特点和变异规律。

研究表明，绿洲农田土壤养分的时空变异性较大，主要有以下几方面特点：（1）时变性：不同季节和年份农田土壤养分含量会发生变化，主要受到降水、温度等气候因素的影响。

（2）空变性：不同地点农田土壤养分含量存在差异，主要受到土壤类型、地形和水分状况等因素的影响。

2.精确分区管理理念精确分区管理是指根据农田土壤的空间变异性，将农田分成不同的管理单元，并根据每个管理单元的特点进行精确施肥和农田管理。

通过合理调整施肥的方式和量，可以提高农田的施肥效果，减少农田养分的浪费，并降低对环境的影响。

精确分区管理是实现可持续农田发展的重要途径。

三、方法和结果1.样地选取和采样选取不同农田样地进行采样，保证样本的代表性。

根据采样地点的不同，将农田分为不同的空间单元。

2.养分分析采集土壤样品后，进行养分分析，包括有机质、氮、磷、钾等养分的含量测定。

3.数据处理与分析利用地理信息系统（GIS）和统计学方法，对采样数据进行处理和分析，得出农田土壤养分的时空变异图和精确分区图。

四、讨论通过对绿洲农田土壤养分的时空变异进行研究，可以为精确施肥和农田管理提供科学依据。

根据土壤养分的时变性和空变性，合理调整施肥措施和量，可以提高施肥效果，减少养分的浪费，实现农田的高效利用。

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较一、本文概述Overview of this article本文旨在比较协同克里格插值（Co-Kriging）和地理加权回归模型（Geographically Weighted Regression，GWR）在土壤属性空间预测中的应用效果。

土壤属性空间预测是农业、环境科学和地球科学等领域的重要研究内容，对于土地资源管理、生态环境保护以及农业可持续发展具有重要意义。

协同克里格插值和地理加权回归模型是两种常用的空间预测方法，它们各自具有独特的优点和适用范围。

This article aims to compare the application effects of Co Kriging interpolation and Geographically Weighted Regression (GWR) models in soil attribute spatial prediction. Soil attribute spatial prediction is an important research content in fields such as agriculture, environmental science, and earth science, which is of great significance for land resource management, ecological environment protection, and sustainable development of agriculture. Collaborative Kriginginterpolation and geographically weighted regression models are two commonly used spatial prediction methods, each with unique advantages and applicability.协同克里格插值是一种基于空间统计学的插值方法，它利用多个相关变量的空间分布信息，通过计算权重系数来预测未知点的属性值。

07精准养分管理-土壤养分空间变异的影响因素.

精准养分管理土壤养分空间变异的影响因素黄绍文金继运杨俐苹程明芳中国农科院土壤肥料研究所成土母质、地形、人类活动（农业生产中的施肥、作物品种、灌溉及其它的一些生产管理措施）等对土壤养分空间变异均有较大影响。

国外对土壤养分空间变异的影响因素进行了较多研究，而国内该方面的研究工作较少。

下面仅初步讨论种植方式、肥料使用、土壤类型、土壤颗粒组成与土壤养分之间的关系，为深入了解土壤养分状况及其空间变异情况提供一定的理论依据。

1 材料与方法1.1 研究试区的基本情况在黄淮海平原选择主要农业自然经济类型区河北省玉田县作为本项研究的试区。

该县位于东经117。

30'至117。

56'，北纬39。

33'至40。

之间。

耕地面积729km2，其中小麦、玉米和水稻种植面积分别为286 km2、432 km2和16 km2。

地形地貌类型为洪积、冲积平原，地势东北高、中部平原、西南洼。

主要土壤类型为潮土和褐土。

气候属暖温带半湿润大陆性季风气候，四季分明，年平均降水量693.1mm，年平均气温11.2℃，无霜期190d左右。

主产小麦、玉米、水稻、蔬菜、苹果、葡萄等。

1.2 土壤样品采集本研究采用GPS定位技术，对河北省玉田县进行定点取样。

从玉田县虹桥镇38个村的每个村选择1~2个代表性地块；从除虹桥镇外的其它19个乡（镇）的每个乡（镇）选择3~7个代表性村，在每个村选择1个代表性地块。

取样点定在有代表性的地块的中心附近，其分布见图1。

取样深度为0~20cm，取样时间是1999年3月下旬至4月上旬。

1.3 肥料使用情况调查自已采取土壤样品的每个代表性地块有小地块的农户中，随机调查3~5个农户过去三年来各作物施用有机和无机养分的情况，以及种植方式和作物产量等。

(图：图1 玉田县土壤取样点分布示意图)1.4 土壤样品分析本项研究是在“土壤养分综合系统评价法与作物高产高效平衡施肥技术”成果的基础上进行的[1,2]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

（．陕西省西安植物园，陕西西安７０６；．北京华迪宏图信息技术有限公司，１１０１２北京海淀１０９；．西北大学，西西安０１５３陕７０２）１１７
摘
Байду номын сангаас
要：陕西省蓝田县北部黄土台塬区为例，用ＧＳ定位，定了２０以采Ｐ测０７年１２采样点的土壤有０４个
中图分类号：１３６Ｓ５．文献标识码：Ａ文章编号：０１２１（０１０－０００１０ — １７２１）４０１ — ５
ＡｓａｃｎＳｉＮｕｒｅｐｔａｒａｉｉｙＣｈｒｃｅａｅｎＲｅｅｒｈｏｏｌｔｉｎｔＳａｉｌＶａｉｂｌｔａａｔｒｂｓｄｏ
１２ａｌｇｐｉｔｎ２０．ｅａｔｏｔｄｅｈ０４ｓｍｐｉｏｎｓｉ０７Ｔｈｕｈｒｓｕｉｓｔｅ０Ｍ，ＡＮ，ＡＫ，ＡＰｔｅｓａｉｌｖｒａｉｔｎｔｅｎｈｐｔａｉｂｌｙｉｈａｉＧｅｓａｉｔｃｌｎｌｓｏｅｆＡｒＧＩ．．ｎｈｉｉｇｍｅｈｄｔｅｅｒｈｔｅｓｉｎｔｉｎｐｃｏｔｔｓｉａａｙｔｍｄｌｏｃＳ９２ａｄｔｅＫｒｇｎｔｏｏｒｓａｃｈｏｌｕｒｅｔｓａｅａｖｒａｉｎａｄｃｎｃｅｔｈｏｌｎｔｉｎｐｃａｉｔｏａｎｕａｅａａｅｅｔｍａｉｈｔｅａｉｔｏｎａｒａｅｔｅｓｉｕｒｅｔｓａｅｖｒａｉｎｍｐａｄｓｂｒａｍｎｇｍｎｐｗｈｃｈｒｓｌｉｘｃ．Ｔｈａｓｏｆｒａｃｅｉｌａａａｄｍａｅｔｅｂｓａａｏｅｏｍｅｄｔｏｅｔｌａｉｎｅｕｔｓｅａｔｅｍｐｆｅｒｄｂｅｄｔｎｋｈａｅｄｔｆｒｃｍｎａｉｎｆｒｉｚｔ．ｉｏ
陕西林业科技
２１，４：Ｏ１０１（）ｌ～４
ＳｈａｎｘｒｓｉｎｅａｄＴｅｈｎｏｇａｉＦｏｅｔＳｃｅｃｎｃｏｌｙ
基于ＧＩＳ和Ｋｒｇｎｉｉｇ的蓝田县土壤养分空间变异特征研究
张宇军，丽君邵立志联安。房，，杨
机质、解氮、效磷、碱速速效钾等含量，过经典统计学方法对研究区的土壤养分变异特征进行了全局描通
述，用ＧＳ和Ｋｉｉｇ插值方法，ＡｒＧＳ９２的Ｇｅｓａｉｉｌｎｌｓ模块研究了这些土壤养分利Ｉｒｎｇ在ｃＩ．下ｏｔｔｔａａａｔｓｃｙ
ＫｒｇｎｇＴａｅＬａｔａｏｎｔｉｉｋｎｉｎｃｕｙ，ＳｎｉＰｒｖｎｃｓａｃｓｈａｎｘｏｉｅａａｅ
ＺＨＡＮＧ－ｕ，ＹｕｊｎＦＡＮＧ－ｕＳＬｉｎ，ＨＡＯ — ｈ。ｊＬｉｉｚ
（ＯＭ），ＡｌａｉｙｒｌｓｂｅｎｔｏｅＡＮ）ｖｉｂｅｐｔｓｉｍ（ｋｌｈｄｏｙａｌｉｒｇｎ（ — ，ａａｌｌｏａｓｕａＡＫ）ｖｉｂｅｐｏｐｏｕ（，ａａｌｌｈｓｈｒｓＡＰ）ｏａｆ
的空间变异特征，制出土壤养分空间变异分布图和土壤养分分区管理图，蓝田县测土配方推荐施肥绘为
项目的实施提供了数据基础。
关键词：土壤养分；ｉｉｇ空间变异性；间插值Ｋｒｎ；ｇ空
Ａｂｔａｔｓｒｃ：Ｔｈｓｒｓａｃｓｄｒｃｅｇｉｓｈｏｔｅｎｍａｎｃｏｓｗｉｔｒｗｈａｆｎｎｒｉａｅａｍ— ｉｅｅｒｈｉｉｅｔｄａａｎｔｔｅｎｒｈｒｉｒｐｎｅｅｔｏｏｉｒｇｔｄｆｒｌｎｆｏｒｃｕｔｙ，ｔｋａｉｔｉｔｏｂｅａｄｏｏｓｆｎｒｈｏｎｉｎｃｕｔｆＳａｎｉａｄｏｕｏｎｒａｅＹｕｎｄｓｒｃｆＴａｌｌｎｆＩｅｓｏｏｔｆＬａｔａｏｎｙｏｈａｘＰｒｖｎｅａｎｅａｌ，ａｏｔｔｅＧＰ＇ｐｓｔｏｉｇ，ｍｅｓｒｈｏｌｎｔｉｎａｕｆｏｇｎｃｍａｔｒｏｉｃｓａｘｍｐｅｄｐｈＳｓｏｉｉｎｎａｕｅｔｅｓｉｕｒｅｔｖｌｅｏｒａｉｔｅ
（．＇ｏａｉｌａｄｎ，＇７０６，ｈｎ；．ｉｉｇＨｕｄｍａｎｏｍａｉｎ１ＸｉｎＢｔｎｃｒｅＸｉｎａａＧａ１０１Ｃｉａ２ＢｅｎａｉｐＩｆｒｔｊｏ
ＴｅｈｏｏｏＬｔｃｎｌｇｙＣ．，，Ｂｅｊｎｉａ２２２Ｃｈｎ）ｉｉｇＨａｄｉｎ７０５，ｉａ