滨海废弃盐田复垦区土壤空间变异及其分区管理研究

  目的  针对山东省莱州湾南岸废弃盐田复垦区盐分高、土壤养分空间差异性大、管理粗放和效益低等问题,研究田间管理分区的精准划分方法,便于农户差异化施肥管理,提高盐渍土改良水平。  方法  以废弃盐田复垦区典型地块为研究对象,运用传统统计学、主成分分析和模糊c-均值分类等方法对研究区进行管理分区的划分,并评价管理分区划分的适宜性和有效性。  结果  研究区土壤含盐量均值达到1.73 g kg?1,处于轻度盐渍化水平;土壤有机质、全氮、速效氮、速效钾和速效磷等含量均处于较低的水平;全磷和阳离子交换量处于中等水平;全钾和pH值达到了较高的水平。全钾和pH值的变异系数 < 0.1,属于弱变异,其他土壤属性属于中等变异强度。土壤各属性在空间分布上差异性大。主成分分析结果表明,将10个土壤属性分组为统计因子可划分成3个主成分。模糊c-均值分类结果表明,研究区可划分为2个管理分区,不同管理分区中土壤含盐量、有机质、土壤养分等属性存在显著差异。  结论  可以利用不同土壤属性借助模糊c-均值分类方法来确定废弃盐田复垦区农田的管理分区。     

基于GIS和多种土壤属性的烟田养分分区管理研究

以平顶山典型烟区烟田土壤为研究对象,用111个样点耕层土壤（0 ~ 20 cm）的pH、有机质、总N、碱解N、速效P、速效K、活性有机质、阳离子交换量等数据对烟田进行管理分区研究。利用主成分分析从繁杂的数据中提取3个主成分,利用MZA软件进行模糊聚类分析从而实现分区,采用FPI和NCE来确定最佳分区数。结果表明研究区的最佳分区数为3,模糊指数为1.5。各分区内土壤养分的变异系数都较整个研究区有所降低,而分区间土壤养分差异显著。研究区的平均混乱度指数为0.37,不同模糊类别交叠程度较小,地理空间上土壤的隶属关系相对明确。通过模糊聚类分析法可以较好地进行管理分区的划分,分区结果可以作为变量施肥的单独作业单元进行肥料管理。     

基于多源数据的盐碱地精确农作管理分区研究

为了便于对盐碱地实施变量管理和精确农作，以海涂围垦区盐碱土为研究对象，以NDVI数据、盐分数据以及作物产量数据作为分区变量，对一面积为15 hm²的盐碱地农田进行了基于多个数据源的精确农作管理分区研究。利用模糊c均值聚类方法进行分类分区，引入了模糊聚类指数(FPI)和归一化分类熵(NCE)作为最佳分区数目的判断标准，通过单项方差分析对分区结果进行比较和评价。研究发现，对本研究区，最佳的分区数目为三个。不同管理分区之间土壤化学性质(EC1:5,有机质，速效磷，速效钾，全氮，碱解氮以及阳离子交换量)的均值都存在着统计意义上的显著差异性，其中子区3具有最高的肥力水平和作物生产能力而子区1最低。利用所选取的三个变量，模糊c均值聚类算法可以较好地进行精确农作管理分区划分。分区结果不但可以指导采样, 而且可以作为变量管理的决策单元用于田间变量管理作业中,为精确农业变量投入的实施提供有效手段和决策依据。     

基于多源数据和模糊k-均值方法的农田土壤管理分区研究

以近地传感器(EM38)快速获取的土壤表观电导率数据(ECa)、高分遥感影像提取的归一化植被指数(NDVI)和雷达影像提取的后向散射系数为数据源,以滨海滩涂区为研究对象,利用聚类法进行农田土壤管理分区研究.在对不同的数据源进行空间变异分析的基础上,结合滨海滩涂区土壤盐分的空间变异规律,利用非监督分法一模糊k-均值聚类方法进行特征相似性归类,划分不同的管理分区.结果表明,最佳的分区数目为3个.根据每一分区的特点,可以采取相应的管理措施进行土壤改良和农田精确管理.分区结果不但可以指导采样,而且可用于实施变量投入和精确施肥推荐,为样区大面积农田土壤管理提供科学的决策依据.     

基于SOM和NDVI的黑土区精准管理分区对比

根据土壤养分的空间异质性对耕地进行分区是实施变量施肥管理的关键环节,施肥的变量管理将减轻黑土区农业面源污染和土壤退化问题。该文以典型黑土区黑龙江省海伦市某合作社地块为研究对象,利用SPOT-6遥感影像提取归一化植被指数(normalized differential vegetation index, NDVI)、插值计算土壤有机质(soil organic matter,SOM),结合数字高程模型(digital elevation model,DEM),应用面向对象的分割方法,对研究地块进行分区,并应用莫兰(Morans)指数对分区结果进行评价,以期对比研究基于SOM空间插值与遥感信息的分区精度。结果表明:结合4期NDVI空间信息分区的精度最高;结合SOM、DEM、NDVI空间信息进行分区的精度次之;结合地形与SOM空间信息分区精度较低;仅根据SOM空间插值进行分区的精度最低。研究结果可为黑土区农田精准管理分区输入量的选择与多尺度分区提供思路,为实施田间精准追肥提供科学依据。     

基于多源环境变量的橡胶园土壤管理分区

为了提高大尺度范围内橡胶园土壤管理的针对性,以海南省国营八一农场橡胶园为研究对象,以地形因子(海拔、坡度和坡向)、成土母质、气候变量(平均降雨量和平均气温)和植被指数为数据源,对橡胶园进行土壤管理分区。利用模糊C均值聚类法进行分区,以模糊性能指数(fuzzy performance index,FPI)和归一化分类熵(normalized classification entropy,NCE)作为判断最佳分区数的标准,并通过单因素方差分析和分区前后土壤属性以及环境变量变异系数对比对分区结果进行评价和验证。研究结果表明,橡胶园管理分区的最佳数目为3个。不同管理分区之间土壤属性(pH值、有机质、全氮、有效磷、速效钾、有效硫、交换性钙、交换性镁、有效铜、有效铁和有效锰)和环境变量(高程、坡度、降雨量、平均温和归一化植被指数)的差异性都达到了极显著水平(P0.01),同时,3个分区中土壤属性和环境变量变异系数的均值比分区前明显下降。这就验证了在大尺度范围内,利用较易获取的多源环境变量进行橡胶园土壤管理分区是可行的,同时依据不同分区的特点制定了相应的土壤管理措施,提高了大范围区域内橡胶园土壤管理的针对性。     

模糊c-均值算法在区域土壤预测制图中的应用

基于模糊c-均值算法和地统计学空间插值,在面积约为1km2的研究区内进行区域土壤预测制图。研究结果表明:根据研究区123个剖面和土钻样点,通过分析它们在形态学上的特征和定量属性,建立了9类诊断特征土层。通过FCM算法模型,获得4类最佳分类数,模糊指数为1.7。类别数目与研究区受地形、母质和土地利用方式影响的主要成土过程决定的土纲下土壤类型数目一致。将经过对称对数比转换的隶属度成分数据进行单一模糊类别隶属度土壤预测制图,4种类别土壤在空间上具有明显的渐变过渡特征,制图结果较理想。在单一类别隶属度土壤图的基础上生成最大隶属度土壤图,与常规土壤调查土壤图具有共同参比的基础。     

基于粒子群优化算法的土壤养分管理分区

土壤养分管理分区的划分为变量施肥技术提供依据,是精准农业实施变量施肥管理的重要环节。在对7种土壤养分的空间变异特征和变异结构进行分析的基础上,以其中6种养分作为变量进行土壤养分管理分区的研究,最后用基于粒子群优化属性均值聚类来划分管理分区,并引入3种指标确定合理的分区数目。通过计算得出,试验区的合理分区数目为2个,对各管理分区实际采样点的土壤养分数据进行单因素方差分析,除速效磷外各土壤养分均在99%的置信水平上具有极显著差异,其中分区2土壤肥力水平较高,分区1较低。基于粒子群优化属性均值聚类算法可以很好地划分土壤养分管理分区,分区结果能够为精准农业变量施肥提供决策依据。     

基于多种土壤养分的精准管理分区方法研究

根据土壤养分的空间变异性和空间自相关性进行管理分区的划分是精准农业实施变量施肥管理的重要环节。本研究首先分析了3种主要土壤养分的空间变异特征和空间自相关性,碱解氮、有效磷、速效钾在空间上均达到了中等强度的变异,但仅有碱解氮和有效磷具有中等强度的空间自相关性,而速效钾在本研究采样尺度下则表现为纯块金效应,不具有空间自相关性;与各向同性相比,碱解氮在各向异性条件下克里金插值精度提高了42.8%。以空间上既存在变异又具有空间相关性的有效磷、碱解氮两种土壤养分为数据源,利用模糊K-均值聚类算法将整个地块划分为不同的管理分区,并引入模糊效果指数(PFI)和标准化分类熵(MPE)两个指标确定适宜的分区数为4个。最后,为了评价分区结果的合理性,对各管理分区进行了统计,并用LSD法进行了各分区间差异显著性检验。结果表明:各管理分区内的碱解氮的变异系数由整个地块的13.2%减小到3.0%~5.3%,趋于同质性;有效磷的变异系数由整个地块的44.3%减小到10.1%~17.2%,也得到了大幅度的减少;而且不同分区之间各养分均达到了显著差异。     

空间回归模型在区域数字化土壤制图中的应用——以河南封丘县为例

以河南省封丘县为研究区,以环境协变量信息和先期获得的土壤数值化分类结果为基础数据源,在土壤分类距离空间自相关性分析的基础上,构建土壤分类距离—环境协变量空间回归模型,实施土壤分类距离空间预测,并最终实现研究区25 m分辨率数字化土壤制图.输出结果表明,研究区5种主要土壤类型中,普通底锈干润雏形土分布面积最大、弱盐灌於干润雏形土次之,分布比例分别为36％和24％.结合确定性趋势距离和非确定性残差的空间变异特征,阐释了研究区土壤空间分布格局的发生学背景和随机性因素的影响.与基于随机模型的土壤预测制图相比,基于环境协变量空间回归模型的数字化土壤制图输出结果展示了相似的研究区土壤空间分布整体格局,且具有细节清晰、图斑边界自然的特点.一方面能更好地诠释土壤空间分布的连续性和渐变性特征;另一方面能较好地反映微域成土环境对土壤发生学特性空间变异特征的影响.     

基于模糊逻辑的北京城市边缘区土壤重金属污染空间预测

Fuzzy classification combined with spatial prediction was used to assess the state of soil pollution in the peri-urban Beijing area. Total concentrations of As, Cr, Cd, Hg, and Pb were determined in 220 topsoil samples （0-20 cm） collected using a grid design in a study area of 2 600 kin2. Heavy metal concentrations were grouped into three classes according to the optimum number of classes and fuzziness exponent using the fuzzy comean （FCM） algorithm. Membership values were interpolated using ordinary kriging. The polluted soils of the study area induced by the measured heavy metals were concentrated in the northwest corner and eastern part, especially the southeastern part close to the urban zone, whereas the soils free of pollution were mainly distributed in the southwestern part. The soils with potential risk of heavy metal pollution were located in isolated spots mainly in the northern part and southeastern corner of the study region. The FCM algorithm combined with geostatistical techniques, as compared to conventional single geostatistical kriging methods, could produce a prediction with a quantitative uncertainty evaluation and higher reliability. Successful prediction of soil pollution achieved with FCM algorithm in this study indicated that fuzzy set theory had great potential for use in other areas of soil science.     

Application of digital soil mapping methods for identifying salinity management classes based on a study on coastal central China

In coastal China, there is an urgent need to increase land for agriculture. One solution is land reclamation from coastal tidelands, but soil salinization poses a problem. Thus, there is need to map saline areas and identify appropriate management strategies. One approach is the use of digital soil mapping. At the first stage, auxiliary data such as remotely sensed multispectral imagery can be used to identify areas of low agricultural productivity due to salinity. Similarly, proximal sensing instruments can provide data on the distribution of soil salinity. In this study, we first used multispectral QuickBird imagery (Bands 1–4) to provide information about crop growth and then EM38 data to indicate relative salt content using measurements of apparent soil electrical conductivity (EC_a) in the horizontal (EC_h) and vertical (EC_v) modes of operation. Second, we used a fuzzy k‐means (FKM) algorithm to identify three salinity management zones using the normalized difference vegetation index (NDVI), EC_h and EC_v/EC_h. The three identified classes were statistically different in terms of auxiliary and topsoil properties (e.g. soil organic matter) and more importantly in terms of the distribution of soil salinity (EC_e) with depth. The resultant three classes were mapped to demonstrate that remote and proximally sensed auxiliary data can be used as surrogates for identifying soil salinity management zones.     

预测性土壤有机质制图中模糊聚类参数的优选

对数字高程模型(DEM)中的地形特征进行模糊C均值聚类,分别采用3种方法来选择最优模糊度和分类数组合及分类结果;在最优分类结果上,用多元线性回归方法建立土壤A层有机质含量与地形景观之间的定量关系,并应用该关系进行土壤制图应用.结果表明:3种方法选择的最优模糊度比较接近,主要为1.5,还包括1.4和1.6,但3种方法选择的最优分类数却有很大差别;尽管依据回归模型γ2选择的分类结果较多地解释了土壤A层有机质含量的变异,但基于这种分类结果的制图偏差较大,与实测值相比较的结果也说明基于这种分类结果的制图精度较低;用内部判据选择的分类结果在制图过程中产生的偏差较小,制图精度也较高.     

Yield variability related to landscape properties of a loamy soil in central Belgium

A field was investigated with precision farming techniques to delineate zones with different yield potential due to previous soil erosion. Winter wheat (Triticum aestivum L.) grain yield, straw yield, biomass and harvest index were measured with a combine harvester. Fuzzy clustering of grain and straw yield provided good delineation of zones in the field with different yield potential. Entropy and fuzziness calculations for different number of classes resulted in a division of the field into five clearly differentiated yield potential zones. Straw yield, biomass and harvest index were significantly different among zones. Grain yield was significantly different for all zones, except for two. Elevation and slope of the field were measured from a global positioning system (GPS) unit on the combine. Both were related to yield variability in the field. Average elevation, slope and soil type were calculated per cluster class. High grain yield, straw yield and biomass could be related to flat, high places in the field with little erosion. Good grain yield, low straw yield and high harvest index were found on relatively steep slopes subjected to erosion. High straw yield and low grain yield were found at low places in the field on relatively steep slopes. Lowest grain yield, straw yield and biomass were located on steepest slopes with high erosion and in depressions where accumulation of eroded soil took place and slumping and crusting of the soil were present. This information suggests that variable management on a site-specific basis would optimize yield and inputs.     

水蚀荒漠化的最大熵模糊优化评价模型

基于最大熵原理,应用模糊集合论中的隶属度等概念,综合考虑土地水蚀荒漠化评价的随机性和模糊性,定义加权广义距离表征待评价土地样本与标准样本的差异,建立最大熵模糊优化评价模型.通过实例,选择沟谷密度、坡度、土壤厚度、土壤有机质和植被指数等5项指标,给出土地样本的水蚀荒漠化最优分级;对比模糊综合评判,所建模型评价结果具有较小的Shannon熵,即分级决策具有较小的不确定性.