不同尺度下低山茶园土壤主要肥力因子空间变异性特征研究

来源 :四川农业大学 | 被引量 : 0次 | 上传用户:ziquan33071033
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本研究借助地统计学方法,在两个尺度下对蒙顶山茶园土壤主要肥力因子的空间变异性特征作了探讨,以期为实现茶园精准管理提供基础数据。其中,小尺度下的分析可以得到整个蒙顶山茶园土壤主要肥力因子的空间分布规律,微尺度下的研究则便于分析其在微域环境内的变化情况,以弥补小尺度分析的不足。通过经典描述性统计分析、半方差函数分析、Kriging插值分析得到以下结果: 1.小尺度下土壤全氮、全磷、全钾的含量分别为1.16g/kg、0.65g/kg、13.59g/kg;碱解氮、速效磷、速效钾的含量分别为71.74mg/kg、9.53mg/kg、53.24mg/kg,属于中下水平。土壤pH为4.08,大大低于优质茶园标准。土壤有机质含量、CEC分别为27.22g/kg、10.17cmol/kg,茶园土壤具有中等保肥供肥能力。有效硅含量为42.33mg/kg,属严重缺硅土壤。土壤颗粒组成中砂粒含量最高,占总量的35.3%,其次是中/细粉粒含量,占总量的24.14%,粗粉粒含量居第三位,粘粒含量最少;土壤容重为1.19g/cm3,土壤疏松多孔,物理性质良好。微尺度下土壤全氮、全磷、全钾的含量分别为1.47g/kg、0.59g/kg、12.95g/kg;碱解氮、速效磷、速效钾含量分别为86.99mg/kg、15.70mg/kg、49.13mg/kg,其值接近蒙顶山茶园平均水平。土壤pH为4.03,仍然偏低。土壤有机质含量、CEC分别为34.91g/kg、12.61cmol/kg,具有中等的保肥供肥能力。土壤有效硅含量为59.79mg/kg,属缺硅土壤。中/细粉粒在土壤颗粒组成中含量最高,占总量的29.37%,其次是砂粒含量,占总量的27.90%,粘粒含量居第三位,粗粉粒含量最低;土壤容重为1.06g/cm3。 2.小尺度下土壤速效磷出现漂移,不能采用地统计学分析其空间变异性特征。土壤pH、CEC、土壤颗粒组成均具有强烈的空间相关性,其C0/(C0+C)值在0.1%~18.8%之间,结构性因子是影响其空间变异的主要因素。其余土壤肥力因子都具有中等的空间相关性,C0/(C0+C)值在27.2%~49.9%之间,结构性因子和随机性因子共同影响其空间变异。各肥力因子的空间相关距离在183m~8110m之间,其中全钾的空间相关距最大,土壤颗粒组成的空间相关距离均偏小。小尺度下土壤各肥力因子空间变异方向各不相同。但全氮、全磷、全钾、碱解氮、pH、CEC、有效硅、中/细粉粒和粘粒都在接近垂直方向、垂直方向变异明显,在接近横坡方向、横坡方向变异较弱。土壤有机质在垂直方向变异最显著,在横坡方向变异最弱。土壤砂粒和粗粉粒在坡向偏北、偏东、横坡方向变异明显,在垂直方向变异最弱。
其他文献
数学素有冰冷的美丽之称,知识有着很强的抽象性、复杂性,对学生的思维能力要求较高,这为学生学习数学、理解数学和掌握数学带来了不小的难度.在教学的过程中,教师可以运用学
在新课程改革的背景下,小组合作学习模式作为一种新型教学方法在小学数学教学中发挥着至关重要的作用.但是就目前的教学情况来看,小组合作学习模式的应用仍然存在一些不足,这
本文通过对荣华二采区10
期刊
平移和旋转是两种基本的图形变换,学习平移和旋转对于帮助学生建立空间观念,掌握数学变换思想有很大的作用.教学从大量直观的生活实例切入,让学生在已有的生活经验基础上初步
期刊
学习方法是提高学习效率,达到学习目标,开发学生潜能的关键.在小学数学教学中,教师不仅要重视学生数学知识的形成过程,更要注重学生学习方法的运用.本文从小学数学教学实践出
7月1日,深圳市规土委发布6月房价数据显示,6月房价为54492元/平方米,较5月微幅下滑。至此,深圳房价已经出现连续9个月环比下跌。调控政策持续影响下,深圳房价已得到有效抑制
期刊
目的:分析绝经后宫内节育器取出困难的原因,总结临床治疗措施.方法 选取2019年4月~2020年4月期间于我院行宫内节育器取出术的50例绝经妇女作为研究对象,并分析所有妇女宫内节
几何直观主要是指利用图形描述和分析问题.借助几何直观可以把复杂的数学问题变得简明、形象,有助于探索解决问题的思路,预测结果.几何直观可以帮助学生直观地理解数学,在整
课堂教学是师生活动的主要形式,是学生获取知识、锻炼能力的主要途径.在数学课堂中,学生是课堂的主人,教师是课堂的组织者和引导者.教师要运用多种教学方法提升课堂的教学效
人无完人,每个人都会犯错误,学生在进行数学简便运算时也不例外.错误可以直接反应学生的思想,所以其可以成为一种很好的教学资源.因此,笔者主要从以下三个方面来挖掘错误资源