基于YARN的加权模糊C均值算法在土壤养分数据挖掘中的应用

基于数据挖掘的土壤肥力状况分析是当前针对土壤肥力状况研究最有效的途径之一,针对研究过程中三个有待改进的方面:土壤养分数据的几何状增长单机处理方式已无法胜任;由于Hadoop自身"中心化"严重,基于Hadoop的解决方案存在集群资源利用率低以及单点失效的风险;土壤养分的数据分析过程中没有考虑或没有较好的解决土壤养分数据空间变异性导致的结果偏差,有针对性的提出基于YARN的加权模糊C均值算法,实验表明该算法具有良好的扩展性。将该算法应用于吉林省长春市农安县的土壤肥力状况分析中,聚类效果明显,所得结果适合土壤肥力变化趋势的评价。     

大数据处理技术在土壤肥力评价中的研究

采用K-means算法对土壤肥力数据进行聚类分析,然后针对传统K-means聚类算法在处理大数据量时时间复杂度高的难题,提出基于大数据处理技术的K-means算法。实验结果表明:(1)用K-means算法对2013年农安县13个乡镇的土壤养分数据的聚类结果显示,当k值设为3时聚类效果最优,且与实际情况相符。(2)基于Hadoop平台的MapReduce分布式下实现的K-means算法与传统的串行算法相比,提高运行速度并完成大数据量下的计算任务。     

西丰县玉米田土壤肥力分析及施肥建议

为了解西丰县玉米田土壤肥力状况,通过采集土壤样品进行14个土壤养分指标的测试分析,以对本地区土壤肥力状况做出评价,并根据养分丰缺情况及土壤质地特点,提出玉米配方施肥建议：西丰县西部和东南部地区以一次性施肥为宜;中北部地区应适当增加施肥量,并以分期施肥为主。     

西丰县玉米田土壤肥力分析及施肥建议

为了解西丰县玉米田土壤肥力状况,通过采集土壤样品进行14个土壤养分指标的测试分析,以对本地区土壤肥力状况做出评价,并根据养分丰缺情况及土壤质地特点,提出玉米配方施肥建议：西丰县西部和东南部地区以一次性施肥为宜;中北部地区应适当增加施肥量,并以分期施肥为主。     

黑河市张地营子乡土壤肥力分析

为了解黑河市张地营子乡不同土地利用背景和相同土地利用背景下的3个功能区的土壤肥力,对采集的土壤样品进行了6个土壤养分指标的测试分析,以期对本地区土壤肥力状况作出评价.结果表明,黑河市张地营子乡的整体土壤肥力水平很高,只有全磷含量处于稍缺水平,因此在施肥过程中,应加大磷素的施肥比例,使黑河市张地营子乡的土壤满足绿色食品和蔬菜生产的要求.     

昌图县玉米田土壤肥力分析及配肥建议

为了解昌图县玉米田土壤肥力状况,分析玉米田土壤养分含量状况,对土壤肥力现状做出了评价,并根据养分丰缺情况及土壤质地特点,提出玉米配方施肥建议。     

贵州不同茶区土壤养分及微生物量分析评价

土壤养分是土壤供给植物生长的基础,土壤酶和微生物量是土壤养分转化的动力。【目的】了解贵州不同茶区茶园土壤酶及微生物量及其与土壤养分的相关性,进而合理指导茶园施肥。【方法】2016年11—12月采集贵州不同茶区典型茶园枯枝落叶层、0~20 cm和20~40 cm土壤样品,运用主成分分析和聚类分析方法对土壤养分、微生物量及土壤酶进行了评价分析。【结果】土壤CEC、有机质、可溶性有机碳、全氮等土壤养分指标及酸性磷酸酶、脲酶、微生物量碳(SMBC)、微生物量磷(SMBP)等生物学指标均随土层深度增加而不断降低,地区之间差异明显,普安、纳雍、西秀茶区高于贵定、湄潭、石阡茶区。土壤酸性磷酸酶、脲酶、SMBC、SMBP之间极显著正相关,且与土壤CEC、有机质、可溶性有机碳、全氮、可溶性有机氮、氨氮等土壤养分指标极显著正相关,可作为评价茶园土壤肥力的重要生物学指标。主成分分析表明,20个土壤肥力指标可提取出4个主成分,第1和第2主成分累积贡献率达70.6%,第1主成分以CEC、有机质、可溶性有机碳、全氮、可溶性有机氮、酸性磷酸酶、脲酶、SMBC、SMBP、SMBC/CMBN贡献较大,第2主成分以p H值、全磷、碱解氮、有效磷、速效钾等贡献较大;聚类分析将贵州不同茶区12个茶园土壤养分分为6个等级,纳雍和普安茶区最高,西秀茶区其次,湄潭、贵定、石阡茶区最低。【结论】土壤酶和微生物量可作为评价贵州茶园土壤养分的重要生物学指标,纳雍、普安、西秀茶区土壤肥力水平高于湄潭、贵定、石阡茶区,贵州茶园应注意氮磷钾肥平衡施用,贵定、湄潭和石阡等有机质较低的茶区还应重视有机肥施用。     

隰县土壤养分变化趋势及改良建议

从1990年起,隰县实施61个土壤肥力的动态监测,以此了解隰县耕地土壤肥力变化状况。分析了隰县土壤养分变化趋势,为指导农田培肥、平衡施肥提供依据。     

基于微生物生态效益的土壤肥力综合评价模型

提出了一种基于土壤微生物生态效益的土壤肥力综合评价模型.利用微生物作用动力学研究分析土壤微生物对土壤效态养分的直接以及间接生态效应,并在原有非生物评价指标权重结构的基础上,将微生物对肥力的贡献力折算到土壤有效态养分指标的权重上进行权值再分配,从而建立了微生物评价指标权值.划分微生物以及其他因素的评价等级并确定适宜型隶属度函数参数,建立土壤肥力综合模糊评价模型.根据评价结果与作物产量进行相关度分析,结果表明所采用的综合评价结果与小麦的长势和产量的相关度均高于传统方法,体现出较好的评价合理性.     

基于加权算法的土壤肥力状况的分析与研究

C4.5决策树算法可以利用训练数据集中的信息熵来构建分类模型,并通过对分类模型的简单查找来完成未知样本的分类,DBSCAN算法可以发现任意形状的簇,但由于土壤肥力数据的时空性、不平衡性和不确定性,两者都不能综合分析土壤肥力状况。因此,本文提出改进的算法来进行土壤肥力状况的分析与评价。该算法首先利用层次分析法平衡土壤养分各属性之间的差异;然后将标准化数据与C4.5决策树算法和DBSCAN算法相结合,通过运行效率与准确率来进行合理分类;其次,对两种加权算法进行比较。结果表明,改进的C4.5算法的准确率、算法效率都高于加权DBSCAN算法;用该算法综合评价连续多年精准施肥后土壤肥力的变化情况,与实际土壤养分逐年趋于平和的现象一致。最后,用加权DBSCAN算法对连续多年精准施肥的土壤肥力情况做分析。研究显示,利用改进的算法来处理土壤肥力状况的问题在分类稳定性上具有明显的优势。