耕地地力评价方法及模型分析.pdf
《耕地地力评价方法及模型分析.pdf》由会员分享,可在线阅读,更多相关《耕地地力评价方法及模型分析.pdf(8页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、第 30 卷 第 5 期 农 业 工 程 学 报 Vol.30 No.5 204 2014 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar.2014 耕地地力评价方法及模型分析 闫一凡1,2,刘建立1,张佳宝1(1.中国科学院南京土壤研究所,南京 210008;2.中国科学院大学,北京 100049)摘 要:耕地地力的定量评价和分等定级是测土配方施肥的重要内容,也是实现农田地力定向培育和精准农作的基础。该文从地力评价指标筛选、评价单元划分与赋值、评价指标的权重确定等方面介绍了国内外耕地地力评价的
2、主要流程和重要研究进展,对中国农业部推荐方法(特尔斐法-层次分析法)、神经网络法、支持向量机和决策树法等评价方法的原理及其优劣进行了较系统的述评。进一步地,还对该领域目前存在的指标体系通用性、评价结果可比性、数据缺失等问题及可能的解决方案作了探讨。在未来的耕地地力评价工作中,应将传统的层次分析法与近年兴起的分类与回归树等数据挖掘新技术相结合,建立起更为客观、全面的地力定量评价模型,为中国精准农业生产提供方法学参考。关键词:土地利用;土壤;数学模型;耕地地力;评价方法;评价指标;权重系数 doi:10.3969/j.issn.1002-6819.2014.05.026 中图分类号:S158 文献
3、标识码:A 文章编号:1002-6819(2014)-05-0204-07 闫一凡,刘建立,张佳宝.耕地地力评价方法及模型分析J.农业工程学报,2014,30(5):204210.Yan Yifan,Liu Jianli,Zhang Jiabao.Evaluation method and model analysis for productivity of cultivated landJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2014,30(5):2
4、04210.(in Chinese with English abstract)0 引 言 耕地作为土壤的精华,是人类获取粮食和其他农产品不可替代的生产资料,耕地的地力水平直接决定了粮食的产量和质量。根据 2008 年农业部发布 的 耕 地 地 力 调 查 与 质 量 评 价 技 术 规 程(NY/T1634-2008),耕地地力是指“在当前管理水平下,由土壤本身特性、自然背景条件和基础设施水平等要素综合构成的耕地的生产能力”。对耕地地力进行全面、客观评价以获得其时间、空间分布,是解析中低产田主要障碍因子、实现地力定向培育和农田精准管理的前提,对保障国家的粮食安全具有重要意义。由其定义可知,耕
5、地地力是多种自然、人为因素共同作用的结果,获取影响地力主要因子的实测数据(定性或定量的)是开展地力评价的前提。在进行地力评价时,需要首先筛选出地力的主要影响因子,确定各因子的相对权重或隶属度,然后进行收稿日期:2013-11-27 修订日期:2014-01-20 基金项目:973 计划课题(2011CB100506);国家自然科学基金项目(41171179,41001127)作者简介:闫一凡(1989),女,河南新乡人,博士生,主要从事土壤水文模型研究。南京 中国科学院南京土壤研究所,210008。Email: 通信作者:刘建立(1973),男,河北高邑人,博士,副研究员,主要从事土壤物理学领
6、域研究。南京 中国科学院南京土壤研究所,210008。Tel:025-86881226,Email: 时间、空间上的评价单元赋值。由于耕地地力呈现出动态性、随机性、非线性、空间变异性等特征,各种地力影响因子间也可能存在交互作用,掌握不同耕地地力评价方法的基本原理、流程、适用范围及优缺点有着至关重要的作用。本文将就这些问题进行阐述和讨论。中国的土地评价开始于 4200 多年前,尚书禹贡篇将九州农用地评为 3 等 9 级;战国时,管子地员篇按农用地生产力将土地分为 18 类,按其性质分为上土、中土、下土 3 等。这是世界上最早的农用地分等定级。在国外,俄国的库恰耶夫在1877 年为查明土地税和土地
7、质量的关系开展了土地评价工作;美国于 1933 年提出“斯托利指数分等”(storie index rating,SIR)和康乃尔评价系统,用于取代之前采用的产量评价方法1;1934 年,德国财政部提出农地评价条例;1961 年,美国正式颁布土地潜力分类系统;1976 年,联合国粮农组织(Food and Agriculture Organization of the United Nation,FAO)发布土地评价纲要。近几十年来,随着全球定位系统、地理信息系统(GIS)和遥感技术的迅猛发展,基于 GIS 平台的耕地地力评价得到了国内外研究者的广泛关注。如鲁明星等2基于 GIS 进行了华中丘
8、陵区的耕地地力评价;谢叶伟等3进行了基于 GIS 的典型黑土区耕地地力评价研究;王良杰等4结合测土配方施肥,在 GIS 支持下利用层次分析法和模糊数学等对安徽省宣城市第 5 期 闫一凡等:耕地地力评价方法及模型分析 205 宣州区耕地地力进行了综合评价等。同样,基于GIS 的作物适用性分类评估及全球范围的产量估算也得到了国外研究者的关注5。随着耕地地力调查和质量评价工作的广泛开展,各种潜在的问题也逐步显现出来。笔者在查阅大量文献资料的基础上,结合自己的实际工作体验,剖析了目前各种主流地力评价方法的优缺点并提出了可能的解决方案,以期为中国耕地地力评价提供方法学参考。1 地力评价指标筛选 由于世界
9、各国采用的地力评价方法不同,同一国家不同地区间也往往不统一6,而且评价目的和侧重点不尽相同,所以用于地力评价的指标体系也颇具差异。但通常都包括气候、立地条件、土壤、养分状况、管理措施等指标。例如,中国农业部于2000年组织专家用穷尽法建立了1套供全国地力评价的公用指标体系,该体系中包含了气候、立地条件、剖面性状、耕层理化性质、土壤养分状况、障碍因素、土壤管理 7 类共 64 项指标7。气候因素在各国的评价体系中存在较大差别,如美国农业部的评价指标和中国一致,均包含了土壤湿度及温度等指标,但是 FAO 生产力评估指标中则不包含上述信息。此外,土壤微生物性质(如微生物量碳、氮等)也有明显差异,如
10、Glover 等8在美国华盛顿州土壤质量评价中采用了土壤微生物性质指标,而中国的相关研究则甚少涉及微生物方面。由于不同区域的气候、土壤母质、质地、坡面性状、土壤理化性状等存在着巨大的差异,在实际工作中并不一定将全部指标都纳入考虑,而是根据经验和因地制宜的原则加以筛选。指标筛选一般遵循以下原则:选定的因子对地力有较大的影响,且存在较明显的变异;应选择稳定性高的因子,以便评价结果在较长时间内有应用价值,或选择稳定性较低但与当前生产有密切关系的因子;选择因子应与评价目的、范围和用途相协调。如小比例尺制图、区域评价时,环境因素(如气候、地貌等)应占主导地位;反之,土壤等应作为主导参评因素9。在指标筛选
11、过程中,除利用原始变量作为评价指标外,还可以利用主成分分析等统计学方法4,10,通过降维而仅用少数几个综合变量来替代多个原始变量。一般采用相关分析、聚类分析等方法11从全部评价指标中选取最终的参评指标。2 地力评价单元划分及赋值 2.1 评价单元划分 根据农业部的技术规程,一般用土地利用现状图和土壤图叠加形成的图斑作为评价单元。这样做既克服了土地利用类型在性质上的不均一性,又克服了土壤类型在地域边界上的不一致性。同时,以土壤系统分类单元结合土地利用现状作为评价单元,也有助于中国土地评价工作与国际接轨,实现信息共享12。也有学者利用土壤图、基本农田划定图、土地利用现状图进行 3 图数字化叠置的图
12、斑作为评价单元13,但在 3 者叠加过程中会形成大量面积小于农用地图层或土壤图单元的小多边形,需要对其进行合并处理14。与上述方法不同,周红艺 等15利用 SOTER(soil and terrain database)数据库进行地力评价。SOTER 数据库是以地形、母质特性和土壤属性作为 3 类基础数据,划分为地形-母质-土壤单元(即 SOTER 单元),每个 SOTER 单元都包含全面的地形、母质特性和土壤属性信息,这样在建立SOTER数据库的时候就已确定了评价单元。2.2 评价单元赋值 评价单元赋值是根据各评价因子的空间分布图或属性数据库,将其数据赋值给每个评价单元。对于点位分布图(如养
13、分点位分布图),多采用空间插值将其转换为栅格图,并与评价单元图叠加,通过加权统计进行赋值。目前最常用的空间插值方法为基于半方差函数的克里格法(如普通克里格、泛克里格、回归克里格等),其他方法包括反距离加权、径向基函数、全局多项式、局部多项式 等16-20。插值方法应根据研究区域、实测点数量、具体用途等来选择21。在采用克里格插值时,可利用块金系数检验其因子空间相关性的强弱,即块金系数25%、25%75%和75%时,分别表示其具有强烈、中等及微弱的空间自相关性。当变量空间自相关程度为微弱时,反应其变异主要由随机变异组成,不适合采用插值方法进行空间尺度拓展22。生成克里格插值图件后,可以通过检验和
14、交互检验来评价其预测精度。常用的精度检验指标有平均预测误差、均方根误差、平均标准误差等。对于矢量分布图(如土壤质地分布图),将其直接与评价单元图叠加,通过加权统计、属性提取,给每个评价单元赋值。对于线型图(如等高线图),可对其进行栅格化,再与评价单元图叠加,通过加权统计给评价单元赋值。在实际工作中,很多指标(如成土母质、土体厚度、灌溉保证率等)并无矢量分布图可以用于直接赋值,同时也往往难以进行空间插值,此时多采用以点带面的方式进行赋值。但需要满足以下 2 个条件:土壤调查中采样点分布均匀且密度较大,并在调查中有详细的记录;这些定性指标在空间上一定范围内存在相对的一致性23。一些学者也做了些农业
15、工程学报 2014 年 206 许变通,如王良杰等4利用 GIS 以耕地距水库、河流、灌区、较大水塘等的空间距离来计算灌溉条件指标,但这种方法并不一定适用于其他类型的 指标。3 评价指标权重及隶属度计算 权重系数的大小反映了不同评价指标与耕地质量间的相关程度,准确计算各指标的权重系数关系到评价结果的客观性和可靠性。实际应用中较多采用的方法主要包括专家打分(特尔斐法)、层次分析法(analytical hierarchy process,AHP)、多元回归、模糊数学、灰度理论等10,24-25。农业部 2008年发布的耕地地力调查与质量评价技术规程(NY/T1634-2008)中即推荐使用特尔斐
16、法-层次分析法确定各评价因子权重。美国的土地评价与立地分析系统(land evaluation and site analysis system,LESA)也同样采用了层次分析法。特尔斐法的核心是充分发挥一组专家对问题的独立看法,然后归纳、反馈,逐步收缩、集中,最终得出评价与判断。层次分析法是 Saaty26提出的 1 种定性与定量相结合的决策分析方法,其基本原理是根据问题的性质和最终的目标,将问题分解为不同的组成因子,按照因子间的相互关联影响以及隶属关系将因子按不同层次聚合,形成 1 个多层次的分析结构模型,最终把系统分析归结为确定最底层相对于最高层的相对重要性权值。通过判断矩阵,在计算出某
17、一层次相对于上一层次各个因素 的单排序权值后,用上一层次因素本身的权值加 权综合,即可计算出某层因素相对于上一层乃至整 个层次的相对重要性权值,即层次总排序权值。特尔斐-层次分析法是上述 2 种方法的集成,该方法虽可充分利用专家经验,但是在实际工作中由于个体认识的差异,不同专家对某一指标的打分值有时会差异很大,往往导致判断矩阵的某些元素难以确定,做出的判断不能满足一致性检验,无法建立起完全判断矩阵27,并且因为较少考虑土壤各属性间的依赖关系,所以较难表达环境变量和土壤性质间的非线性关系28。多元回归分析法是处理变量的统计相关关系的 1 种数理统计方法,其基本思想是:虽然自变量和因变量之间没有严
18、格的、确定的函数关系,但是可以设法找出最能代表其相互关系的数学表达形式。如刘友兆等10利用多元回归分析拟合了标准粮产量与灌溉条件、排水条件、地下水埋深和耕层质地间的回归方程,从而确定了评价指标权重。多元回归分析便于操作,但是可能忽略了交互效应和非线性的因果关系。人工神经网络(artificial neural network,ANN)具有高度非线性函数映射功能,由大量神经元节点互连形成复杂的网络。在本质上,人工神经网络的学习是 1 种归纳学习方法,即通过对大量实例的反复学习,由内部自适应过程不断修改各神经元之间互联的权重值,最终使神经网络权重值分布收敛于1 个稳定的范围。利用人工神经网络可找到
19、统一的数学模型来反映评价指标与耕地地力间的非线性关系,并在学习过程中不断地更正权重,以得到比较客观的权重值。如王瑞燕等29、孔维娜等30都是将作物产量作为定量目标结合人工神经网络建立了评价模型。除评价因子的组合权重外,计算耕地地力的综合指数还需要确定其隶属度。根据模糊数学理论,可将评价指标与耕地地力之间的关系分为戒上型函数(如有机质、速效磷、速效钾)、戒下型函数(如土壤容重)、峰型函数(如 pH 值)、直线型函数(如坡度、灌溉指数)以及概念型(地貌类型、土壤剖面构型,质地等 5 类)隶属函数。对于前 4种类型,可以用特尔斐法对某组实测值进行评估得出相应的隶属度,并根据这 2 组数据拟合隶属函数
20、;也可以根据唯一差异原则,用田间试验的方法获得测试值与耕地地力的一组数据,用这组数据直接拟合隶属函数,求得隶属函数中各参数值。再将各评价因子的实测值代入隶属函数,即可计算各评价因子的隶属度。对于概念型评价因子,可采用特尔菲法直接给出隶属度。许多学者如鲁明星等2、白根川等31均采用这种方式进行地力评价。4 现有的耕地地力评价方法和模型 与农业部推荐的方法不同,许多评价方法需要通过产量数据来校正模型参数或是直接将产量数据作为分等定级的标准直接应用到模型当中。如土壤生产力指数(soil productivity index,PI)模型即需要通过研究区的产量数据来校正模型参数。PI 模型最早由 Nei
21、l 于 1979 年提出,用来评价土壤性质对作物产量的影响。模型基于 2 个假设:在一定气候条件与管理措施下,作物产量与根系生长呈正相关;根系生长依赖于土壤质量。PI 模型后来被 Pierce等32、Mulengera33等作了进一步的发展和改良。段兴武等18在 PI 模型中引入土壤有机质指标,对东北黑土区主要地带性土进行了生产力评价,结果表明引入有机质指标的 MPI(modified productivity index)模型评价效果明显优于 PI 模型。总体而言,PI 模型将一定厚度的土体作为对象综合评价土壤生产力,效果明显优于表土评价法,但在实际应用时应因地制宜选择适当指标加以修订。第
22、5 期 闫一凡等:耕地地力评价方法及模型分析 207 支持向量机(support vector machine)最早由Vapnik 提出,之后 Vapnik 和 Cortes 又提出了 1 种改进的最大间隔区方法34,进一步拓展了支持向量机的应用范围。赖红松等35、魏善沛等36利用粗糙集和支持向量机相结合的组合算法探索人工林地力等级评价的新方法。这种组合充分利用了粗糙集理论在消除冗余信息和处理不确定性信息等方面的优势及支持向量机在解决小样本、非线性及高维模式识别问题中表现出的优越性。随着人工智能机器学习技术(machine learning)的发展,决策树(decision tree)技术也渐
23、渐被应用于土壤学研究领域。决策树的早期经典算法当属ID3(iterative dichotomizer 3)决策算法37(Quinlan,1986),该算法用信息增益值(或信息熵)度量,在每个非叶节点上选择信息增益最大的属性作为测试属性,信息增益值越大,不确定性越小。之后,Quinlan38将ID3算法进一步发展得到了C4.5算法。曹丽英等39、司巧梅等40利用 ID3 决策树算法分布对吉林省德惠市和牡丹江市土地进行了地力等级评价。孙微微等41采用 C4.5 算法对广东省土壤质量进行分等定级,并以定量规则方式表达所获取的知识。结果表明,其知识表达易于理解,预测准确率为 96.61%。C4.5
24、之后又发展形成了 C5.0 算法,它在 C4.5 的基础上采用了 boosting 技术,使样本的预测精度更高。田剑 等42在聚类支持下利用C5.0 算法建立了决策树模型对广东省龙川县耕地进行了评价,其预测精度达到了 94.92%。与 ID3 决策算法比较接近的方法是 Brieman 等43提出的分类与回归树模型(classification and regression tree,CART)。与 ID3 算法不同,CART算法的不纯度度量是 Gini 指数,而非信息熵。王莉莎等44以产量比为因变量,以速效磷、有机质、耕层厚度等 22 个环境因子为自变量,采用回归树统计方法对双季稻田的地力特征
25、进行了分析。结果表明以往被忽视的耕地地形(如海拔)、地形部位等因子是调控双季稻水稻土地力的重要因子。就预测能力而言,预测产量比的中值与实测值十分接近。CART 方法的优点是简单明了、直观易解析,在分析大容量,多变量数据的复杂关系时具有很好的效果。而且,各种决策树不需要进行专家打分,避免了人为因素的干扰,而且当评价属性集合变更时,传统评价方法需要由专家重新确定属性的权重和隶属度,而决策树方法只需要重新学习一次树模型即可。不过,决策树方法需要预先确定训练集中各评价单元的地力等级,所以更适合在已有相关等级结果的研究中采用。5 讨 论 自 2002 年启动耕地地力调查和质量评价工作以来,全国多个省市试
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 耕地 地力 评价 方法 模型 分析
限制150内