Spatial variability of soil fertility indicators using GIS for sustainable land management in Banaskantha district western India
Mukesh P. Chaudhari · Ruchi Nair · Pratik Chavda 等 5 人
用GIS与多元统计评估印度半干旱区Banaskantha土壤肥力指标的空间变异。
15×15 km网格采样46个样点，结合IDW插值、Pearson相关与PCA分
西部土壤偏碱盐化，东部北部有机碳较高，全区分区有效磷普遍缺乏。
可结合遥感植被指数与机器学习提升半干旱区土壤肥力制图精度并验证养分管理策略。
基于GIS与多元统计的区域土壤肥力空间变异研究，方法规范、数据翔实，对精准农业与可持续土地管理有参考价值，但属区域性案例，公共影响有限。
土壤肥力评估是可持续土地管理和精准农业的基础，尤其是在土壤属性表现出显著空间变异性的半干旱地区。本研究采用基于15 × 15 km网格的系统采样方法，结合地理信息系统（GIS）分析和多元统计方法，调查了印度古吉拉特邦巴纳斯坎塔县主要土壤肥力指标的空间分布。共从代表全部十四个乡的农田中采集了46个地理参照复合土壤样品，并分析了土壤水分、pH、电导率（EC）、有机碳（OC）、有效氮（AvN）、有效磷（AvP）和有效钾（AvK）。采用基于GIS的反距离加权（IDW）插值法可视化土壤属性的区域分布，同时运用Pearson相关分析和主成分分析（PCA）考察土壤肥力指标之间的关系，并识别影响土壤变异性的主要因素。结果表明，该县土壤存在显著的空间异质性，碱性和盐渍化土壤主要分布在西部地区，而东部和北部地区土壤水分和有机碳相对较高。有效磷在整个县域普遍缺乏，而有效氮和有效钾则表现出与母质、土地利用和农业管理措施相关的显著空间变异。PCA识别出盐分相关因子和有机质—养分相互作用是土壤肥力变异性的主要贡献因素。所生成的空间分布图为识别养分缺乏区和理解土壤肥力区域格局提供了有价值的基线信息。尽管所提出的养分管理策略需要通过田间农艺研究进一步验证，但实验室土壤分析、GIS和多元统计技术的整合为区域土壤肥力评估提供了有效框架，并为半干旱环境下可持续土地管理的科学决策提供了支持。