三台县麦冬种植历史悠久，自古以来都是麦冬重要产地，三台麦冬产量己占全国总产量的60%以上，是三台县一项重要的农业支柱产业。麦冬是一种名贵的中药材，具有重要的药用效益^[1-3]。刘立萍等^[4]对麦冬的药用价值展开了深入研究，论证了麦冬“专补胃阴”这一传统说法的正确性，明确指出麦冬生津养胃的奇特药效。王慧等^[5]指出麦冬具有独特的降血糖作用，也逐渐引起了人们的广泛重视。然而，由于早期农民分散种植，种植技术落后，插种方式和加工工艺落后，以及为增加产量而大量施用农药化肥等，种植地区土壤遭到破坏和污染，麦冬农药残留超标，导致耕地区的土壤肥力下降，土壤养分不均衡，麦冬产品质量下降。许多优质麦冬受此影响，在对外出口时遭遇国际贸易壁垒，影响麦冬出口创汇。事实上三台县麦冬种植区耕地的土壤不仅受到农药化肥的污染，也受到了较严重的重金属污染。

土壤氮、磷和钾是植物生长和生产的重要营养来源，它们对土壤性质、植物生长等具有一定的影响，在农业生产中发挥着重要的作用^[6-7]。镉（Cd） 是人体非必需且有毒的元素，会致癌、致畸和致突变，对人类健康危害很大^[8-9]。很多学者对这两方面进行了大量研究^[10-13]，有的学者也对二者的关系进行了梳理^[14-17]。但这些研究大都是在实验室内进行，缺乏对土壤氮磷钾与镉在野外大田条件下空间分布及其相关性的研究。氮磷钾肥料会影响植物对镉的吸收效果，既有抑制作用，也有促进作用，即不同含量的氮磷钾可能促进作物吸收镉元素，使土壤中的镉含量降低，也可能抑制作物吸收镉元素， 使土壤中镉含量增加。所以研究二者之间的空间相关性对改良土壤肥力，降低土壤重金属污染，实施精准农业具有重要的指导作用。本研究以此为切入点，选择麦冬耕作区土壤为研究对象，全面地分析了土壤氮磷钾与镉在0 ～ 50 cm土层中的空间分布规律及其相关性，为指导实施精准农业，提高集约化耕作土壤生产力和降低环境压力提供理论依据。

1 材料与方法

1.1 研究区概况

研究区地处中国四川省绵阳市三台县耕地区（北纬31°20′34″，东经104°52′59″），位于涪江左岸冲积平原——绵阳平原。三台县属亚热带湿润性季风气候，四季变化明显，年平均气温为15 ～ 22℃，空气相对湿度为79%，年降水量为22.77 亿m³，降水充沛（降水量882 ～ 1134 mm， 具有明显的夏雨型特征，冬春降水少而夏秋降水集中，形成年际降水不均。降水最多的年曾达1523.5 mm，最少年为598.8 mm。）。土壤为水稻土类，潴育水稻土亚类，潴育钙质紫泥田土属，夹黄紫泥田土种^[18]。地块平坦、整齐，肥力中等、均匀，具有代表性。研究区主要以玉米和麦冬间作套种为主。pH值为4.9 ～ 8.3。

1.2 样品采集与分析

在研究区内选取常年间作套种玉米和麦冬的区域作为典型的小尺度采样区并进行采样，采样面积为40 m×80 m，划分了32 个边长为10 m的正方形区域，每个正方形区域内随机取3 个点进行采样，然后取平均值作为该正方形区域的最终数据。 土壤样品采集工具为原状取土钻，直径50 mm。对每个采样点进行现场自上而下0 ～ 10、10 ～ 20、 20 ～ 30、30 ～ 40、40 ～ 50 cm分层采集，避免上下层混掺，如图1 所示。采样时间为2019 年3 月， 共采集土壤样品480 个，现场采集到的每个土壤样品立即装袋封口并编号。土样带回实验室内自然风干，剔除杂质，过2 mm孔径筛后备用。土壤碱解氮（AN）采用碱解扩散法，土壤有效磷（AP）测定采用0.5 mol/L NaHCO₃ 浸提—钼锑抗比色法，土壤速效钾（AK）测定采用1 mol/L NH₄OAc浸提—火焰光度法， 土壤重金属镉在HNO₃ 和HCIO₄ 按4∶1 的二酸混合物中进行消解，并使用原子吸收分光光度计对消解液中的镉进行分析。

1.3 数据分析

数据使用Excel 2016，Minitab 16 和SPSS 25 进行分析。利用GS+ 进行地质统计分析和IDW插值。 利用Surfer绘制土壤AN、AP、AK、Cd的三维空间分布图。数据分析过程中的公式如下：

总体方差：

式中，N为有限总体所含元素；μ为总体平均数。

标准差：

式中，S为标准方差；$x_i$ 为第i个变量值；$\stackrel{-}{X}$ 为变量均值。

变异系数：

式中，$C_v$ 为变异系数大小。

平均偏差：

式中，式中，i为采样点，$m_1$ 为采样点i的测定次数，j为采样时间，$S_{i,j}$ 为第i个采样点在j日期所测得的含量，${\stackrel{-}{S}}_j$ 为j日期所有采样点的平均含量，$m_2$ 为土层的样本均值。

均方根差：

式中，i，$m_1$，j，$S_{i,j}$，${\stackrel{-}{S}}_j$，$m_2$ 意义同前。

线性相关系数：

式中，$p_i$ 和 $q_i$ 分别为某样点的实测值和预测值，$\stackrel{-}{p}$ 为实测值的均值，$\stackrel{-}{q}$ 为预测值的均值，${\delta }_p$ 和${\delta }_q$ 分别为实测值和预测值的标准差，$r$ 考虑了实测值和预测值间的交互影响，因而对偏差不敏感。

采样点数目公式：

式中，N为采样点数目；t为各显著性水平所对应的t氏分布值（经查t分布表获得）；S为样本标准差； x为样本均值；d为估算精度。

2 结果与分析

2.1 土壤AN、AP、AK与Cd含量的描述性统计分析

土壤AN、AP、AK与Cd含量在0 ～ 50 cm深度的描述性统计分析见表1。峰度为0，偏度为0（表中峰度值已减3）时，则变量呈正态分布。变异系数（$C_v$）用于定量确定空间变异性的大小。$C_v$ ≤ 10%时为弱变异，10%<$C_v$< 100%时为中等变异，$C_v$ ≥ 100%时为强变异。由表1 可知，AN、AP、AK 3 种养分偏度检验值基本为正值，属于右偏，最大值和最小值之间差异显著，表明其在研究区内的值域分布广泛，但峰度检验值较大，属于尖峰分布，说明AN、AP、AK含量集中分布在某一值域范围内。AN含量的 $C_v$ 范围在49.09%～ 67.97%， 属中等变异， AP、AK含量的 $C_v$ 范围分别在32.41％～ 39.03%、 27.43％～ 33.38%，均属于中等偏弱变异。说明研究区内AN、AP、AK含量均属于中等变异。其中AN含量的 $C_v$ 最高达到67.97%，说明人为因素对AN空间变异性的影响较AP与AK强。

Cd含量偏度检验值有正有负，但峰度检验值都小于0，属于平峰分布，说明Cd含量分散度较高。 Cd含量随深度逐渐减小，$C_v$ 在27.14％～ 57.68%之间，属于中等变异。且Cd含量在0 ～ 30 cm深度范围内较高，高于背景值0.079 mg/kg^[19]，30 ～ 50 cm深度范围内含量与背景值基本一致。

2.2 土壤AN、AP、AK与Cd的趋势分析

利用Origin 2018 对不同层位土壤AN、AP、AK与Cd平均含量的变化趋势进行分析（表2）。由表2 可知：AN含量随深度增加有递减趋势，AP含量在10 ～ 20 cm有微小的升高趋势，但之后随深度一直下降，AK含量在0 ～ 40 cm随深度增加而降低，在40 ～ 50 cm有显著增长趋势。说明研究区内AN、AP、AK含量随深度增加基本呈逐渐减小趋势，AK含量在40 ～ 50 cm深度有积聚现象。Cd含量随深度呈波动性下降，表层含量最高。

2.3 土壤AN、AP、AK与Cd的相关性分析

AN、AP、AK与Cd在0 ～ 50 cm不同深度的Person相关性分析见表3 ～ 7，由表3 ～ 7 可知，AN与AP含量在0 ～ 10、10 ～ 20、20 ～ 30、 30 ～ 40、40 ～ 50 cm土层的相关性系数分别为0.931、0.818、0.965、0.852、0.688， 呈负相关关系且相关性强。AN与AK含量在0 ～ 40 cm呈负相关关系，30 ～ 40 cm相关系数较低（0.022），在40 ～ 50 cm呈正相关关系，相关系数为0.553，二者总体呈负相关关系，相关系数0.553 ～ 0.861。 AP与AK在0 ～ 20 cm呈正相关关系，在20 ～ 50 cm呈负相关关系，相关系数0.342 ～ 0.902。

另外，AN与Cd含量在0 ～ 20 cm相关性高于20 ～ 50 cm，AP与Cd含量在0 ～ 30 cm相关性高于30 ～ 50 cm、AK与Cd含量在10 ～ 20 cm相关系数为0.721，高于其他土层。

注：* 表示在0.05 级别（双尾），相关性显著。下同。

2.4 不同深度AN、AP、AK与Cd含量的空间分布分析

为了进一步直观地反映AN、AP、AK与Cd含量的空间分布情况，采用更为直观的三维图进行研究。运用反距离加权法（IDW）对不同深度的AN、 AP、AK与Cd含量在整个采样区域内进行插值，获得了更多的Cd含量数据，从而绘制AN、AP、AK与Cd的空间分布图（图2 ～ 5）。由图可知，AN、 AP、AK与Cd的空间分布不规则，在不同深度都出现了“山峰”和“山谷”现象。AN含量在0 ～ 20 cm土层呈平坦分布，在20 ～ 50 cm土层中部呈东南向西北带状高两侧低的现象；AP和AK含量空间分布随深度逐渐平缓，“山峰”也逐渐减少；Cd含量在0 ～ 30 cm层中变化较大，峰值的数量较多，说明受扰动的影响较大。Cd含量随深度逐渐减小，峰值也更少，分布更均匀，且逐渐趋于稳定。

注：图中a、b、c、d、e分别代表0 ～ 10、10 ～ 20、20 ～ 30、30 ～ 40、40 ～ 50 cm。下同。

2.5 土壤AN、AP、AK与Cd的拟合分析

土壤AN、AP、AK与Cd含量的测量值在不同的深度是不同的，为了找出不同深度土壤AN、 AP、AK与Cd含量的关系和拟合方程，本文分析了多种拟合模型并分别以AN、AP、AK含量为自变量，以Cd含量作为因变量，通过计算选择出最佳模型（表8）。通过模型分析得出AN、AP、AK与Cd含量均符合一元二次方程，0 ～ 20 cm深度AN和Cd的拟合方程的精度较高，R² 分别为0.909、0.994，均高于0.85，但随着深度加深，拟合精度明显减弱。AP在0 ～ 10 cm与Cd的拟合效果较差，但随深度增加，拟合精度逐渐增大，R² 在0.959 ～ 0.983 之间。AK在20 ～ 40 cm拟合精度较低，跟Cd的相关性也较弱。

3 讨论

本文以麦冬耕作区不同层位土壤为研究对象， 采集了0 ～ 10、10 ～ 20、20 ～ 30、30 ～ 40、 40 ～ 50 cm土层深度的土壤样品，测定了土壤中AN、AP、AK和Cd含量，分析其含量的空间分布，以及AN、AP、AK与Cd之间的空间相关关系。描述性统计分析表明，AN、AP、AK 3 种养分在研究区内的值域分布较广，但大部分都集中在某一值附近。这与张婵婵等^[20]研究土壤速效氮磷钾空间变异特征得出的速效养分在研究区的值域广泛，但大部分集中在某一值域附近的结论一致。研究区内AN、AP、AK含量的C_v 范围均处于10%～ 100%，属于中等变异，与张婵婵等^[20]和Guan等^[21]研究得出的土壤氮磷钾含量空间变异性存在中等变异的结论一致。但张婵婵等^[20]的研究中指出速效磷的变异系数最高，而本文研究得出的AN含量的变异系数最高，达到67.97%。与张婵婵等^[20]研究结果的差异可能与本研究区农民施加氮肥较多有关。Cd含量随深度逐渐减小，属于中等变异，且0 ～ 30 cm土层范围的含量高于背景值， 30 ～ 50 cm土层范围的含量与背景值基本一致，说明人为因素对Cd含量的影响较大，会促进Cd含量的积聚，这与Raúl等^[22]研究阿根廷大草原土壤重金属得出的人类活动会促使土壤中Cd含量升高和累积的结果一致。

趋势分析表明，在0 ～ 30 cm土层内，Cd含量与AN、AK含量呈正相关变化，与AP含量呈负相关变化，说明AN和AK会促进Cd的累积并抑制作物对Cd的吸收，从而导致土壤中Cd含量升高，AN和AK含量越高，效果越显著，而AP会促进作物对Cd的吸收，导致土壤中的Cd含量降低。 Singh等^[23]研究了莴苣吸收镉与施氮量的关系，得出施氮量高于150 mg/kg时，会抑制植株对镉的吸收，本研究中AN含量高于150 mg/kg，也具有抑制作物对Cd的吸收，二者结论一致；Miller等^[24]和杨锚^[25]发现作物吸收Cd含量随土壤中磷含量的升高而增加，作物吸收的Cd越多，土壤中的Cd含量越低，这与本研究得到的结论相同。

相关性分析表明，AN、AP、AK在空间上具有一定的相关性，AN与AP相关性最强，AP与AK次之，AN与AK较弱。Alberto等^[26]研究了阿根廷稻田中氮磷钾的时空变异规律，得出氮磷钾在空间上具有强烈的相关性，且采样尺寸为11.9 m×20 m的网格能较好地反映其空间相关性。本研究中得到的AN、AP、AK在空间上具有一定的相关性，与Alberto等^[26]的结论基本吻合，但也存在差异，主要的原因可能是采样尺度不同引起的。0 ～ 30 cm深度AN、AP、AK与Cd的空间相关性高于30 ～ 50 cm，这是因为表层土壤受外界人为因素的影响较大，人类耕作活动会同时影响AN、AP、AK与Cd含量的变化，在施肥的过程中也会带入Cd离子，而且与趋势分析所得的结论一致。

空间分布分析表明，AN、AP、AK与Cd含量随深度增加，其空间分布逐渐平缓，峰值数量逐渐减少。Cd含量的空间分布图中得出峰值数量较多， 说明其空间变异性较明显，这与戴明新等^[27]研究四川泸县农业土壤Cd含量空间变异性得到的结论一致。另外，空间分布图中的峰值可能是由于人类耕作活动，自然降雨，灌溉蒸发，空气污染等因素导致的。

分析土壤AN、AP、AK与Cd含量的拟合方程， 得到AN、AP、AK与Cd含量均符合一元二次方程， 拟合精度较高，说明AN、AP、AK与Cd含量之间存在一定的关系，这与前面的分析结果一致。

4 结论

研究区内AN、AP、AK含量随深度增加逐渐减小，且均属于中等变异，其中AN含量的变异系数最高达到67.97%，说明人为因素对AN空间变异性的影响较AP与AK强。重金属Cd随深度有减小趋势，且Cd含量在0 ～ 30 cm深度范围内较高， 高于背景值0.079 mg/kg，30 ～ 40 cm深度范围内含量与背景值基本一致，说明人为因素对Cd含量的影响较大，且会促进Cd含量的积聚。

研究表明土壤AN、AP、AK与Cd含量在空间上具有相关性且符合一元二次方程。主要表现为AN和AK会促进Cd的累积并抑制作物对Cd的吸收，从而导致土壤中Cd含量升高，AN和AK含量越高，效果越显著，且AP会促进作物对Cd的吸收，导致土壤中的Cd含量降低。

参考文献