陳飛香 陳長成 胡月明++譚正喜

摘要：以廣東省廣州市增城區(qū)為例，使用序貫指示模擬的方法，對(duì)農(nóng)田土壤全氮、土壤有效磷、土壤鉛含量進(jìn)行不確定性評(píng)價(jià)。充分利用不確定性評(píng)價(jià)模擬結(jié)果，篩選出土壤養(yǎng)分與土壤重金屬的高風(fēng)險(xiǎn)區(qū)。在滿足高標(biāo)準(zhǔn)農(nóng)田相關(guān)數(shù)量要求的前提下，盡可能剔除土壤全氮缺乏高概率區(qū)、潛在富營養(yǎng)化污染高概率區(qū)和土壤鉛高值高概率區(qū)，從而優(yōu)化高標(biāo)準(zhǔn)農(nóng)田的劃定，規(guī)避潛在風(fēng)險(xiǎn)，確保高標(biāo)準(zhǔn)農(nóng)田的質(zhì)量與維持。

關(guān)鍵詞：高標(biāo)準(zhǔn)農(nóng)田劃定；土壤全氮；土壤有效磷；土壤鉛；序貫指示模擬；不確定性評(píng)價(jià)

中圖分類號(hào)： F323.211文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2016）12-0410-05

收稿日期：2016-07-26

基金項(xiàng)目：廣東省科技計(jì)劃（編號(hào)：2014B020206002）。

作者簡介：陳飛香（1978—），女，廣西靖西人，博士，講師，主要從事土地規(guī)劃與評(píng)價(jià)研究。E-mail：chfx@scau.edu.cn。

通信作者：胡月明，教授，博士生導(dǎo)師，從事地理信息系統(tǒng)及土地利用工程相關(guān)研究。Tel：（020）85288307；E-mail：ymhu163@163.com。

眾多學(xué)者對(duì)高標(biāo)準(zhǔn)農(nóng)田進(jìn)行了定義[1-4]。目前，比較一致認(rèn)可的定義是高標(biāo)準(zhǔn)農(nóng)田指土地平整、土壤肥沃、集中連片、設(shè)施完善、農(nóng)電配套、生態(tài)良好、抗災(zāi)能力強(qiáng)，與現(xiàn)代農(nóng)業(yè)生產(chǎn)和經(jīng)營方式相適應(yīng)的旱澇保收、持續(xù)高產(chǎn)穩(wěn)產(chǎn)的農(nóng)田。現(xiàn)行《全國高標(biāo)準(zhǔn)農(nóng)田建設(shè)總體規(guī)劃》明確提出到2020年，我國將建成集中連片、旱澇保收的高標(biāo)準(zhǔn)農(nóng)田0.53億hm2。

高標(biāo)準(zhǔn)農(nóng)田建設(shè)以提升耕地質(zhì)量、提高農(nóng)業(yè)綜合生產(chǎn)能力為重點(diǎn)，農(nóng)田質(zhì)量建設(shè)是高標(biāo)準(zhǔn)農(nóng)田建設(shè)優(yōu)先重視的內(nèi)容之一。土壤是農(nóng)作物生長的物質(zhì)基礎(chǔ)，提高土壤質(zhì)量是推廣良種良法、實(shí)現(xiàn)農(nóng)業(yè)增產(chǎn)增效的重要條件。長期以來，我國在基本農(nóng)田劃定時(shí)僅僅是按照一定時(shí)期人口和社會(huì)經(jīng)濟(jì)發(fā)展對(duì)農(nóng)產(chǎn)品的需求來確定基本農(nóng)田的數(shù)量指標(biāo)，然后將指標(biāo)分解到鄉(xiāng)鎮(zhèn)來確定基本農(nóng)田的區(qū)域和位置，存在突出的重?cái)?shù)量輕質(zhì)量的問題[5]。而且，這些劃定方法未考慮到農(nóng)田高風(fēng)險(xiǎn)地塊的分析。近年來，相關(guān)學(xué)者從耕地質(zhì)量評(píng)價(jià)、地理信息系統(tǒng)技術(shù)應(yīng)用等角度對(duì)科學(xué)劃定基本農(nóng)田進(jìn)行研究并取得一定成果，但是都不能很好地解決上述問題[6-8]。

本研究通過序貫指示模擬，充分運(yùn)用農(nóng)田土壤不確定性評(píng)價(jià)研究成果，在關(guān)注區(qū)域分布大體情況的前提下，進(jìn)一步評(píng)價(jià)廣東省廣州市增城區(qū)土壤養(yǎng)分與土壤重金屬高風(fēng)險(xiǎn)的不確定性，以便為廣州市增城區(qū)對(duì)高標(biāo)準(zhǔn)農(nóng)田進(jìn)行科學(xué)劃定和建設(shè)提供參考。

1材料與方法

1.1研究區(qū)概況

依據(jù)2008年度土地變更調(diào)查數(shù)據(jù)，增城區(qū)耕地總面積為26 544 hm2，[JP2]其中灌溉水田大約占總面積的80%，水澆地占 5.3%，旱地占0.5%，菜地占16.8%。全區(qū)農(nóng)田面積最大的是石灘鎮(zhèn)，為5 464 hm2，中新鎮(zhèn)、派潭鎮(zhèn)次之，分別為 3 833 hm2 和3 797 hm2，農(nóng)田面積最小的是增江街道，僅為802 hm2。

從2005年增城農(nóng)用地分等成果可知，增城耕地的自然質(zhì)量等有12～17這6個(gè)等別，最高等別為17等。水田（本研究中的農(nóng)田）是增城耕地中面積最大的地類，14等以上的總面積占增城灌溉水田總面積的95%，說明增城的農(nóng)田自然質(zhì)量總體水平很高。

增城土地利用總體規(guī)劃的基本農(nóng)田分布見圖1，全區(qū)基本農(nóng)田在石灘鎮(zhèn)、新塘鎮(zhèn)、派潭鎮(zhèn)、中新鎮(zhèn)均分布較多，連片性也較好。因此，在初步劃定增城區(qū)高標(biāo)準(zhǔn)農(nóng)田時(shí)，考慮到全區(qū)基本農(nóng)田自然質(zhì)量較好，依據(jù)優(yōu)先將基本農(nóng)田劃入高標(biāo)準(zhǔn)農(nóng)田的原則，將全部基本農(nóng)田劃入高標(biāo)準(zhǔn)農(nóng)田。

[FK（W14][TPCFX1.tif]

1.2數(shù)據(jù)來源

本研究的數(shù)據(jù)來源主要有增城區(qū)土壤采樣數(shù)據(jù)；2008年增城行政區(qū)劃圖（比例尺1 ∶[KG-*3]50 000）；2008年增城土地利用現(xiàn)狀圖（比例尺1 ∶[KG-*3]50 000）；2008年增城統(tǒng)計(jì)年鑒；2008年增城土地利用變更成果；增城土壤類型圖（第二次全國土壤普查成果，比例尺1 ∶[KG-*3]50 000）；2005年增城耕地地力評(píng)價(jià)成果圖；2003年增城地形圖（比例尺1 ∶[KG-*3]25 000，等高距5 m）。

1.3方法

1.3.1土壤采樣和數(shù)據(jù)處理

增城市土壤采樣利用分層采樣和隨機(jī)采樣相結(jié)合的方法。以農(nóng)用地利用現(xiàn)狀為分層依據(jù)，同時(shí)兼顧均勻性，土壤采樣深度為0～20 cm。根據(jù)布點(diǎn)的原則，首先對(duì)1 ∶[KG-*3]50 000的土地利用現(xiàn)狀圖、基本農(nóng)田保護(hù)區(qū)圖和土壤分布圖進(jìn)行疊加，在疊加形成的工作圖上進(jìn)行采樣點(diǎn)布設(shè)，然后將樣點(diǎn)逐一轉(zhuǎn)繪到1 ∶[KG-*3]10 000的土地利用現(xiàn)狀圖上，供野外調(diào)查取樣時(shí)使用。根據(jù)調(diào)查樣點(diǎn)的點(diǎn)位圖（圖2），用GPS定位儀進(jìn)行定位采樣。

[FK（W14][TPCFX2.tif]

1.3.2序貫指示模擬

目前，評(píng)價(jià)土壤屬性不確定性最常用的隨機(jī)模擬方法包括序貫高斯模擬、序貫高斯協(xié)同模擬、序貫指示模擬和序貫指示協(xié)同模擬[9-13]。序貫高斯（協(xié)同）模擬是參數(shù)化的方法，其前提是數(shù)據(jù)符合多高斯分布。在不少情況下，很難確定土壤屬性是否滿足多高斯分布。序貫指示模擬對(duì)原始數(shù)據(jù)分布沒有嚴(yán)格要求，并在模擬前根據(jù)一定的閾值對(duì)原始數(shù)據(jù)重新賦值[14]。序貫指示模擬是常見的模擬方法，其基本原理是基于指示半方差函數(shù)建立隨機(jī)模型進(jìn)行模擬。序貫指示模擬的每一次實(shí)現(xiàn)都不能模擬出土壤屬性的具體含量，而是得到概率分布，以及這個(gè)概率與閾值接近的可能性的大小。該方法提供的不確定性研究結(jié)果能夠反映出作物需肥量多少或?qū)Νh(huán)境的風(fēng)險(xiǎn)性，有助于決策者從不確定性出發(fā)作出合理的決策。

當(dāng)給定一個(gè)土壤屬性閾值時(shí)，序貫指示模擬可以評(píng)價(jià)任一空間位置土壤屬性值大于該閾值的概率，即描繪土壤屬性值大于該閾值的空間不確定性。

根據(jù)Goovaerts[15]和趙永存等[16-18]的方法，序貫指示模擬的基本步驟為：

（1）選取K個(gè)門檻值z(mì)1，…，zk對(duì)模擬集進(jìn)行二態(tài)指示變換，指示變換i（u，zk）的定義為：

[JZ]i（u，zk）=[JB（{]1ifz≤zk0otherwise[JB）]，k=1，…，K。

（2）建立指示變量i（u，zk）的半方差模型。

（3）定義一條遍歷所有待模擬位置的隨機(jī)路徑，通過以下步驟實(shí)現(xiàn)序貫指示模擬：

對(duì)于隨機(jī)路徑上某一位置u，通過kriging估計(jì)指示隨機(jī)變量i（u，zk），其估計(jì)值i*（u，zk）=Prob*（z≤zk）；

糾正次序關(guān)系錯(cuò)誤后，估計(jì)土壤屬性值的累積分布函數(shù)F（z），從F（z）隨機(jī)獲取1個(gè)模擬值并該值賦予位置u。

對(duì)隨機(jī)路徑上的每一位置都重復(fù)步驟（1）、（2）便獲得1個(gè)隨機(jī)模擬實(shí)現(xiàn)。重復(fù)100次序貫?zāi)M，每次模擬均使用不同的隨機(jī)路徑則將產(chǎn)生100個(gè)等概率的模擬實(shí)現(xiàn)。

本研究用SGeMS軟件對(duì)土壤養(yǎng)分和重金屬含量進(jìn)行不確定性評(píng)價(jià)。對(duì)土壤養(yǎng)分進(jìn)行100次序貫指示模擬，柵格大小為100 m×100 m，模擬過程中采樣點(diǎn)位置的土壤養(yǎng)分值保持不變。在模擬結(jié)束后將結(jié)果存為Excel數(shù)據(jù)格式，再轉(zhuǎn)為ASCII文件，在ArcGIS 10.0中進(jìn)行模擬圖件制作。數(shù)據(jù)分析采用Excel的分析工具或編寫宏語言實(shí)現(xiàn)。

2結(jié)果與分析

[JP2]根據(jù)《全國高標(biāo)準(zhǔn)農(nóng)田建設(shè)總體規(guī)劃》，高標(biāo)準(zhǔn)農(nóng)田建成后，土壤有機(jī)質(zhì)含量應(yīng)該達(dá)到12 g/kg以上，各項(xiàng)養(yǎng)分含量指標(biāo)應(yīng)達(dá)到當(dāng)?shù)赝寥鲤B(yǎng)分豐缺指標(biāo)體系的“中”或“高”值水平，土壤pH值保持在5.5～7.5，耕作層土壤重金屬含量指標(biāo)符合國家有關(guān)標(biāo)準(zhǔn)規(guī)定。本研究涉及的土壤屬性模擬包括對(duì)土壤養(yǎng)分全氮含量、有效磷含量、土壤重金屬元素鉛含量的模擬。

2.1農(nóng)田土壤養(yǎng)分模擬

2.1.1土壤全氮含量

本研究隨機(jī)從100次序貫指示模擬中抽取1次模擬（圖3）。圖中顏色越深的區(qū)域代表大于閾值的可能性（概率）越高。從圖3可以看出，增城區(qū)絕大部分區(qū)域圖上顯示的是高概率區(qū)，即對(duì)應(yīng)的土壤全氮含量大于閾值0.75 g/kg的可能性大，僅有少部區(qū)域圖上顯示是低概率，即對(duì)應(yīng)的全氮含量大于閾值的可能性小，意味著小于閾值的可能性大，也就是很有可能是全氮缺乏的區(qū)域。

[JP2]不確定性評(píng)價(jià)是對(duì)一定條件下的概率評(píng)價(jià)，這“一定條件”既包括在什么閾值條件下，也包括選用什么臨界概率。以100次模擬為例，[JP2]如果臨界概率小于0.5，即在100次模擬中只有不到50次的模擬值大于給定閾值，就認(rèn)為實(shí)際值大于給定閾值；或者100次模擬中只有不到50次的模擬值小于給定閾值，就認(rèn)為實(shí)際值小于給定閾值，這時(shí)結(jié)果是不可靠的。所以，在進(jìn)行不確定性評(píng)價(jià)時(shí)，臨界概率的選擇至少要大于0.5。

分別以臨界概率0.9、0.8和0.7為高概率條件下得到的不同臨界概率下的模擬。從圖4可以看出，在臨界概率0.9的情況下，土壤全氮含量大于閾值的概率高于0.9的區(qū)域數(shù)量較多，在全區(qū)的分布較均勻。按序貫指示規(guī)則，這些區(qū)域的土壤全氮含量可以認(rèn)為是大于0.75 g/kg的。隨著臨界概率的降低，土壤全氮含量可能大于0.75 g/kg的區(qū)域也在逐漸增加。在臨界概率0.7的條件下，可以看出全區(qū)超過50%面積的土壤全氮含量超過0.75 g/kg的閾值。

在廣東省土壤養(yǎng)分分級(jí)中，土壤全氮含量小于等于閾值0.75 g/kg為缺乏或極缺乏。在土壤施肥管理中，人們更關(guān)心的是是否有哪些區(qū)域?qū)儆谌狈驑O缺乏區(qū)。因此，在臨界概率0.1的條件下進(jìn)行序貫指示模擬，表明在100次模擬中模擬點(diǎn)有10次模擬全氮含量超過0.75 g/kg就認(rèn)為該點(diǎn)的值是大于閾值。也就是說，在臨界概率0.1條件下的100次模擬出現(xiàn)概率小于0.1的，可以認(rèn)為是小于0.75 g/kg的高概率（概率為0.9）區(qū)域。

由在臨界概率0.1條件下的模擬，從圖4可以看出，淺色區(qū)域是土壤全氮含量大于0.75 g/kg的概率小于10%，換言之，小于等于0.75 g/kg的概率大于90%，意味著全氮缺乏或極缺乏的可能性非常大，可以認(rèn)為這些區(qū)域是缺乏或極缺乏氮的，在施肥決策中要特別引起重視。

2.1.2土壤有效磷含量

本研究隨機(jī)從100次序貫指示模擬中抽取1次模擬（圖5），從圖5可以看出，圖中顏色越深代表該次模擬中該區(qū)域土壤有效磷含量大于40 mg/kg的概率越高（可能性越大）。增城區(qū)大部分區(qū)域?qū)儆谕寥烙行Я缀看笥?0 mg/kg的高概率區(qū)域，主要分布在南部和中部。

這里所說的有效磷高值區(qū)，是指土壤有效磷含量取值大于廣東省養(yǎng)分分級(jí)標(biāo)準(zhǔn)中的極豐富標(biāo)準(zhǔn)40 mg/kg。有效磷含量過高，對(duì)附近水域形成潛在的富營養(yǎng)化污染，對(duì)地下水也造成不良影響[19]?？梢哉f土壤有效磷過高的區(qū)域也是一種環(huán)境脆弱區(qū)。

對(duì)該次模擬進(jìn)行不同臨界概率情況下的分析，臨界概率越大，說明對(duì)模擬結(jié)果的認(rèn)可越嚴(yán)格，在臨界概率小于0.5時(shí)，模擬結(jié)果是不可靠的。分別以臨界概率0.9、0.8、0.7為高概率條件（臨界概率0.9、0.8、0.7分別描述了在100次模擬[CM（25]中，有90、80、70次的模擬值超過閾值，才認(rèn)可模擬值是大[CM）]

于閾值，否則認(rèn)為模擬值是小于閾值的），得到該次模擬不同臨界概率下的模擬（圖6）。

從圖6可以看出，隨著臨界概率的降低，土壤有效磷含量

大于閾值（40 mg/kg）的區(qū)域越來越大，大于閾值的模擬點(diǎn)也越來越密集。

2.2農(nóng)田土壤重金屬元素鉛含量模擬

本研究隨機(jī)從100次土壤鉛含量序貫指示模擬中抽取1次模擬（圖7）。

從圖7可以看出，顏色越深代表該次模擬中該點(diǎn)土壤鉛含量大于50 mg/kg的概率越高，即取值越有可能是大于 50 mg/kg 的，增城區(qū)土壤鉛含量大于50 mg/kg的高概率區(qū)域占全區(qū)面積極小。

對(duì)該次模擬進(jìn)行不同臨界概率情況分析。臨界概率越大，說明對(duì)模擬結(jié)果的認(rèn)可條件越嚴(yán)格，臨界概率小于0.5時(shí)，模擬結(jié)果取值不可靠。下面分別以臨界概率0.9、0.8、0.7 為高概率條件（臨界概率0.9、0.8、0.7分別描述了在100次模擬中，有90、80、70次的模擬值超過閾值，才認(rèn)可模擬值是大于閾值，否則認(rèn)為模擬值是小于閾值的），得到該次模擬不同臨界概率下的模擬（圖8）。從圖8可以看出，隨著臨界概率的降低，土壤鉛含量大于閾值50 mg/kg的區(qū)域越來越大，大于閾值的模擬點(diǎn)也越來越密集。但沒有出現(xiàn)非常集中的區(qū)域。

2.3高標(biāo)準(zhǔn)農(nóng)田劃定結(jié)果

結(jié)合基本農(nóng)田土壤養(yǎng)分與土壤重金屬模擬評(píng)價(jià)的結(jié)果，在滿足高標(biāo)準(zhǔn)農(nóng)田劃定標(biāo)準(zhǔn)的前提下，盡可能剔除土壤養(yǎng)分缺乏高[CM（25*3]概率區(qū)、潛在富營養(yǎng)化污染高概率區(qū)和土壤重金屬高值高概率區(qū)，重新調(diào)整高標(biāo)準(zhǔn)農(nóng)田劃定，獲得本研究的增城區(qū)高標(biāo)準(zhǔn)農(nóng)田分布（圖9）。

3討論與結(jié)論

長期以來，我國在高標(biāo)準(zhǔn)農(nóng)田劃定時(shí)僅僅是按照一定時(shí)期人口和社會(huì)經(jīng)濟(jì)發(fā)展對(duì)農(nóng)產(chǎn)品的需求來確定基本農(nóng)田的數(shù)量指標(biāo)，然后將指標(biāo)分解到鄉(xiāng)鎮(zhèn)來確定基本農(nóng)田的區(qū)域和位置，存在突出的重?cái)?shù)量輕質(zhì)量的問題。而且，這些劃定方法未考慮到農(nóng)田高風(fēng)險(xiǎn)地塊的分析。本研究對(duì)增城區(qū)農(nóng)田土壤養(yǎng)分與重金屬含量的不確定性進(jìn)行評(píng)價(jià)模擬，在劃定高標(biāo)準(zhǔn)農(nóng)田時(shí)，剔除土壤全氮缺乏高概率區(qū)、潛在富營養(yǎng)化污染高概率區(qū)和鉛含量高值高概率區(qū)，在一定程度上規(guī)避了潛在高風(fēng)險(xiǎn)的地塊，優(yōu)化了高標(biāo)準(zhǔn)農(nóng)田的劃定工作。為推進(jìn)增城區(qū)農(nóng)田精準(zhǔn)施肥工作，加強(qiáng)農(nóng)田生態(tài)保護(hù)，有效控制氮、磷等肥料的過度施用等提供了有效的技術(shù)支撐。

本研究僅對(duì)增城區(qū)農(nóng)田土壤氮、磷元素以及鉛元素的不確定性進(jìn)行了評(píng)價(jià)模擬。但是，農(nóng)田土壤屬性不確定性評(píng)價(jià)是一個(gè)復(fù)雜的過程，受到諸多因素的影響，還可以增加對(duì)其他因素的模擬，以提高不確定性評(píng)價(jià)的準(zhǔn)確性。本研究僅模擬了農(nóng)田土壤的不確定性，模擬了土壤氮、磷元素和鉛元素潛在的高風(fēng)險(xiǎn)區(qū)，但缺少對(duì)農(nóng)田土壤屬性含量的預(yù)測。在以后工作中，若能加強(qiáng)預(yù)測這部分的工作，在劃定高標(biāo)準(zhǔn)農(nóng)田時(shí)，比較土壤屬性預(yù)測含量以及土壤屬性不確定性模擬結(jié)果，將在很大程度上有助于完善高標(biāo)準(zhǔn)農(nóng)田的劃定工作。

本研究根據(jù)高標(biāo)準(zhǔn)農(nóng)田要優(yōu)先在基本農(nóng)田地塊進(jìn)行劃定的原則，以廣東省土壤養(yǎng)分含量分級(jí)標(biāo)準(zhǔn)為依據(jù)，用序貫指示模擬的方法，對(duì)廣州市增城區(qū)基本農(nóng)田土壤養(yǎng)分氮、磷元素和重金屬鉛元素進(jìn)行不確定性評(píng)價(jià)，基于土壤養(yǎng)分不確定性評(píng)價(jià)模擬結(jié)果剔除全氮缺乏高概率區(qū)和潛在富營養(yǎng)化污染高概率區(qū)，從而將養(yǎng)分良好的地塊劃為高標(biāo)準(zhǔn)農(nóng)田；應(yīng)用土壤重金屬不確定性評(píng)價(jià)模擬結(jié)果，將土壤鉛含量高值高概率區(qū)排除在高標(biāo)準(zhǔn)農(nóng)田之外。最后，若所劃定的高標(biāo)準(zhǔn)農(nóng)田數(shù)量沒有達(dá)到上級(jí)下達(dá)指標(biāo)，可以按先后順序?qū)⑷狈Ω吒怕蕝^(qū)、潛在富營養(yǎng)化污染高概率區(qū)和土壤鉛含量超過50 mg/kg的高概率區(qū)在制訂了針對(duì)性的施肥措施或防范污染措施的前提下劃入高標(biāo)準(zhǔn)農(nóng)田。

參考文獻(xiàn)：

[1]吳海洋. 高要求與硬任務(wù)迸發(fā)新動(dòng)力——談如何推進(jìn)農(nóng)村土地整治和建設(shè)4億畝高標(biāo)準(zhǔn)基本農(nóng)田[J]. 中國土地，2011（10）：16-18.

[2]馮銳，吳克寧，王倩. 四川省中江縣高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)時(shí)序與模式分區(qū)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（22）：243-251.

[3]李少帥，鄖文聚. 高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)存在的問題及對(duì)策[J]. 資源與產(chǎn)業(yè)，2012，14（3）：189-193.

[4]沈明，陳飛香，蘇少青，等. 省級(jí)高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)重點(diǎn)區(qū)域劃定方法研究——基于廣東省的實(shí)證分析[J]. 中國土地科學(xué)，2012，26（7）：28-33，90.

[5]王德起，曲福田. 我國耕地保護(hù)機(jī)制研究[J]. 中國土地科學(xué)，1997（1）：15-20.

[6]閆寧，鄭宏剛. 農(nóng)用地分等在基本農(nóng)田劃分中的應(yīng)用研究[J]. 國土與自然資源研究，2009（3）：28-30.

[7]董秀茹，尤明英，王秋兵. 基于土地評(píng)價(jià)的基本農(nóng)田劃定方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27（4）：336-339.

[8]王新盼，姜廣輝，張瑞娟，等. 高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)區(qū)域劃定方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（10）：241-250.

[9]Goovaerts P. Geostatistics in soil science：state-of-the-art and perspectives[J]. Geoderma，1999，89（1/2）：1-45.

[10]Juang K，Chen Y，Lee D. Using sequential indicator simulation to assess the uncertainty of delineating heavy-metal contaminated soils[J]. Environmental Pollution，2004，127（2）：229-238.

[11]Zhao Y，Shi X，Yu D，et al. Uncertainty assessment of spatial patterns of soil organic carbon density using sequential indicator simulation，a case study of Hebei province，China[J]. Chemosphere，2005，59（11）：1527-1535.

[12]史舟，Lark R M. 土壤學(xué)的新分支——計(jì)量土壤學(xué)（Pedometrics）的形成與發(fā)展[J]. 土壤學(xué)報(bào)，2007，44（5）：919-924.

[13]史舟，李艷，金輝明. 基于方差四叉樹法的濱海鹽土電導(dǎo)率采樣布局研究[J]. 土壤學(xué)報(bào)，2007，44（2）：294-299.

[14]史舟，李艷，程街亮. 水稻土重金屬空間分布的隨機(jī)模擬和不確定評(píng)價(jià)[J]. 環(huán)境科學(xué)，2007，28（1）：209-214.

[15]Goovaerts P. Geostatistical modelling of uncertainty in soil science[J]. Geoderma，2001，103（1/2）：3-26.

[16]趙永存，孫維俠，黃標(biāo)，等. 不同隨機(jī)模擬方法定量土壤鎘含量預(yù)測的不確定性研究[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2008，27（1）：139-146.

[17]趙永存，黃標(biāo)，孫維俠，等. 張家港土壤表層銅含量空間預(yù)測的不確定性評(píng)價(jià)研究[J]. 土壤學(xué)報(bào)，2007，44（6）：974-981.

[18]趙永存，史學(xué)正，于東升，等. 不同方法預(yù)測河北省土壤有機(jī)碳密度空間分布特征的研究[J]. 土壤學(xué)報(bào)，2005，42（3）：379-385.

[19]周永章，盧煥章. 地下水污染及水文地質(zhì)地球化學(xué)[J].第四紀(jì)研究，1992（3）：282-288.