礦山土壤特性及其分類研究進展①

路 曉，王金滿,2*，李 博，白中科,2

?

礦山土壤特性及其分類研究進展①

路 曉1，王金滿1,2*，李 博1，白中科1,2

(1 中國地質大學土地科學技術學院，北京 100083；2 國土資源部土地整治重點實驗室，北京 100035)

礦山土分類是認識礦山土壤的基礎，對礦山土壤系統分類研究是進行礦山土壤改良和植被重建的重要基礎。本文從物理、化學、生物和污染 4 個方面闡述了礦山土壤特性的變化及其對礦山土壤系統分類的影響，并對分類名稱、依據、指標體系和分類方法的相關研究進展進行了綜述。目前，礦山土壤系統分類大多以其特有屬性作為分類指標，運用光譜技術、模糊均值法和神經網絡模型等方法完成分類。但這些方法都有其自身的優缺點，建議今后因地制宜地選取定量化分類指標，探索將主成分分析等數學模型與光譜等技術相結合的方法進行礦山土壤系統分類，以期為今后礦山土地復墾與利用提供科學依據。

礦山土壤；土壤分類；土壤特性；開采和復墾

土壤的發育過程受到自然因素和人為因素等多方面的影響，其中自然因素包括成土母質、氣候、環境、地形等，而人為因素會使這些自然因素發生不同程度的變化，正如礦山土壤在人類活動的強烈影響下改變了土壤發育的方向、結構、速度和強度，其成土條件、理化性質和環境質量等也發生了很大的變化，造成了土壤污染、土地質量退化和生產力衰竭[1]。礦區活動造成地表不同程度的裂縫和土地塌陷，改變了地形狀況，進而影響礦山土壤的理化性質[2]；礦山開采直接破壞土壤養分等狀況，減少了動植物的數量和土壤微生物的種類，降低生物多樣性[3]；固體廢渣(煤矸石等)經雨水沖刷淋溶等作用，改變土壤的酸堿性，造成礦區污染[4]。可見，各種礦區活動都會引起土壤的物理、化學和生物等各方面特性發生改變，造成土壤養分含量下降，加速土壤的貧瘠化過程，從而使礦區農業生態環境嚴重破壞。

礦山開采不僅對生態環境造成巨大威脅，而且給土壤質量帶來很大影響，如何對礦山土進行精準分類，是有針對性地對礦山土壤進行改良、對礦區進行復墾和植被重建的重要基礎。近幾年來，為研究和解決礦山開采帶來的一系列問題，許多專家和學者在礦區土地利用[5-6]、土地復墾[7-8]、土壤改良[9-10]等領域展開了深入研究，但關于礦山土分類研究不足。土壤分類主要包括土壤發生學分類和土壤系統分類兩大類。土壤發生學分類主要是依據土壤的發生演變規律來劃分，而土壤系統分類則是依據土壤本身性質進行分類。礦山土的形成主要是由于人為活動對土壤的特性產生了影響，因而采用土壤系統分類方法更適宜。為此，本文對礦山土壤特性，礦山土分類名稱、依據、指標體系以及礦山土分類技術和方法進行全面分析，以期更好地為礦山土系統分類研究提供理論依據和技術支撐。

1 礦山土特性及其對礦山土系統分類的影響

礦山開采對土壤各方面性質造成不同程度的影響，使土壤構型、地表形態和植被狀況發生變化，嚴重影響到土壤分類工作。因此，深入研究和分析礦山土特性及其對礦山土分類的影響是科學合理進行礦山土分類的前提和關鍵。

1.1 物理特性及其對礦山土系統分類的影響

1.1.1 土壤剖面構型 土壤剖面構型的復雜變異性是礦區土壤的典型特點之一，定量描述土壤剖面構型對礦區土壤分類有極其重要的作用。邢虹娟[11]運用礦區沉陷預計軟件對礦區擬破壞土地面積大小、破壞程度和生態環境影響進行預測分析，發現土地塌陷使土壤剖面構型破壞嚴重，土壤理化性質發生復雜變化，依據其預測結果將土壤理化性質作為礦山土分類的一個影響因子，便于礦區土地復墾的可行性分析；李梅和張學雷[12]、佘海銘和樊貴盛[13]通過分析不同土壤剖面構型對土壤肥力狀況和入滲能力的影響，發現土壤剖面構型與土壤肥力關系密切，對土壤的入滲能力也有明顯影響，從而依據土壤剖面構型分布狀況將土壤肥力和入滲能力作為礦山土分類的另一影響因子，反映礦區土壤的改良狀況；檀滿枝等[14]結合普通克里格空間預測方法，發現不同土壤剖面構型在空間上的分布規律，在宏觀上為區域礦山土壤分類和利用提供了更加客觀、豐富的基礎信息。可見，將以上幾方面融合起來，將礦區土壤剖面構型作為分類指標，構建指標層，對于礦山土分類、土地復墾與改良有極其重要的作用。

1.1.2 土壤質地 礦山開采改變了原有土壤結構，使土壤水分含量減少、植被蓋度降低、風蝕作用增強。莫愛等[15]用土壤學基本方法和理論發現礦山土壤黏粒物質不斷減少、沙化現象嚴重，且其含量在土壤表層和底層的變化程度不一；因此，針對礦山土壤質地快速分類的要求，曾慶猛等[16]運用偏最小二乘法建立質地預測模型和粒級回歸模型，從譜線特征、樣本漫反射方式、儀器精度和譜區范圍不同角度進行對比分析，發現不同條件下近紅外光譜分析方法用于土壤質地分類研究的可行性，從而為礦山土壤分類提供依據。

1.1.3 土壤持水能力 礦區土地塌陷造成的土壤裂縫加強了風力挾走土壤水分的能力，增加土壤水的蒸發面積和強度，危及植物生長[17]；土地塌陷對土壤的持水能力構成極大威脅，影響土壤有機物和礦物質的分解、淋溶和沉積[18]，可見土壤持水能力與礦區動植物生長和有機物分解等生物化學反應均有密切關系。此外，史文娟等[19]和臧蔭桐等[20]利用室內土柱構建土壤母質分層對土壤持水性能的影響實驗，發現土壤持水能力的大小同樣與分層土壤質地差異相關；任利東等[21]利用Hydrus-1D模型模擬不同類型層狀土壤排水過程中水分動態變化，揭示了不同土壤層狀類型持水能力的差異，為礦山土壤在持水性能分類中的應用提供理論指導。因此，將土壤持水能力作為礦山土分類的影響因子，可有效了解土壤質量，為礦區土地利用提供依據。

1.1.4 土壤體積質量 土壤體積質量作為礦山土物理特性之一，受到土壤深度、結構等自然因素和人為擾動等人為因素兩方面影響。臧蔭桐等[20]發現廢棄礦山體的坡底、坡中和坡頂受到土地塌陷區的擾動情況不同、土壤結構破壞程度不同、土壤體積質量的變化也存在很大差異；韓光中等[22]基于我國現有土壤數據庫，利用SPSS逐步回歸方法確定了土壤體積質量傳遞函數，說明了土壤體積質量與特殊的人為成土環境與成土過程有關，故從自然和人為兩方面綜合分析土壤體積質量變化，對礦山土壤類型的確定有很高的實用性。

綜上，從土壤剖面構型、土壤質地、持水能力和土壤體積質量4個方面分析礦山土的物理特性，可以發現礦山土壤剖面發生層分化較明顯，各剖面的有效土層隨采礦活動的加強不斷變化，進而影響礦山土的生產能力，以其生產力大小為依據，結合礦山土壤物理性質變化特點進行礦山土分類，可服務于礦區系統功能修復工作。

1.2 化學特性及其對礦山土系統分類的影響

1.2.1 土壤有機質 土壤有機質是土壤中營養元素的重要來源，它對促進土壤結構的形成、提高土壤的保肥能力起著非常重要的作用。胡克林等[23-28]經過多年的連續觀測和實驗分析土壤有機質時空變異情況，發現土壤類型和土地利用方式是土壤有機質的主控因素；由于土壤有機質對土壤含水量和pH等也有一定的影響[29]，分析土壤的有機質情況可以為礦山土壤系統分類和礦區土地利用提供一定的科學依據，并為礦山土地管理和利用提出可行性建議。

1.2.2 土壤酸堿性 采礦活動造成礦區表層土壤鹽分積累，交換性鈉離子含量增高，土壤pH發生變化，影響土壤有機質的分解和營養元素的循環[30]，對此王寧等[31]從改良土壤狀況出發，結合生態效益和經濟效益，分析土壤酸堿化的機理和危害，總結管理和改良酸性土壤研究進展，為礦山土快速分類等相關研究提供了借鑒。

1.2.3 營養元素含量 礦區土地塌陷使土壤營養元素缺失，對氮素而言，硝態氮從土壤表層淋至較深土層，水解性有機氮通過礦化作用轉化為易流失的無機態氮[32]；對磷素而言，非活性磷素隨淋溶作用進入深層土壤，而其他形態磷在降雨集中時期被雨水沖刷流失，造成不同土壤粒級中磷的分布和礦化特征發生變化[33]；為了進一步了解土壤營養元素變化情況，Christensen等[34-35]利用超聲波分散-沉降法分析氮、磷、鉀在不同土壤顆粒中的分布特征及其對土壤養分的影響，發現土壤養分含量與土壤粒徑和土壤風化程度均有很大關系。由此可知，了解礦山不同土壤粒級中營養元素組成和含量，可為揭示土壤肥力本質、闡明土壤養分循環狀況以及合理進行礦山土分類提供科學支撐。

由于土壤的有機質含量表現在礦山土壤腐殖質層的厚度上，且其酸堿性和營養元素含量在不同程度上影響土壤中一系列的生物化學反應，并對土地的復墾類型和土地利用起到干擾作用，因此，了解土壤的化學特性亦是礦山土分類的重要前提和基礎。

1.3 生物特性及其對礦山土系統分類的影響

1.3.1 土壤微生物區系與數量 土壤微生物對土壤有害物質的分解、生物化學循環和土壤結構的形成起著重要的調節作用，且礦區生態系統不利于有益微生物繁殖和活動，降低了土壤中營養元素循環和能量流動速率[36]。龍健等[37]經過研究發現土壤微生物區系可以敏感地反映土壤環境質量的變化，且土壤微生物各主要生理類群直接關系到土壤生態系統的維持和改善。除此之外，在礦山土壤生態系統退化本質與成因的研究中，土壤微生物又被廣泛用于土壤污染的生態毒理學診斷中，故以土壤污染的質量評價與修復技術為依據，劃分礦山土類型，可達到改良礦山土壤基質和生態修復的目的。

1.3.2 土壤酶活性 在自然狀態下酶活性大小不僅影響土壤中生化反應的方向和強度，如蔗糖酶和土壤脲酶等參與土壤中的碳循環和含氮有機物的轉化，酸性磷酸酶加速土壤有機磷的脫磷速度等；而且其自身的活性也會發生變化，如土壤的過氧化氫酶、多酚氧化酶和脫氫酶活性在采礦活動下表現為下降趨勢[38]。鑒于此，徐華勤等[39]將土壤酶活性作為評價土壤肥力指標，發現土壤酶活性大小對土壤營養元素的含量及其存在形態有直接影響，從而影響土壤肥力。可見，對礦山土壤性質和土地生產力作相關性分析，依據礦山土壤植被恢復類型，建立礦山土分類系統是恢復礦山生態系統功能的關鍵。

土壤的生物特性是表征土壤系統質量和土壤養分循環的重要指標，它表征了礦山土壤生態系統的穩定性及功能，是礦山土分類及礦區生態平衡的必要條件。

1.4 污染特性及其對礦山土系統分類的影響

1.4.1 礦山大氣沉降污染 礦山的大氣污染源主要包括采礦作業產生的煙塵、粉塵、懸浮顆粒物及其他有毒氣體等。從宏觀上看，彭建等[40]探究了礦山大氣污染來源，發現采礦過程中深孔爆破等機械化作業方式，產生大量的有毒有害氣體以及顆粒懸浮物，嚴重危害礦區動植物生長和周邊人們的身體健康；王晶等[41]劃分了礦山大氣污染類型，將其分為煙塵、工業粉塵、礦井排風有害氣體和車輛尾氣等多種污染類型。從微觀上看，由礦山大氣污染導致酸雨頻發、土壤酸化嚴重、重金屬含量超標，高芳蕾等[42-43]采用Tessier五步連續萃取法對礦山土中Pb、Zn、Cu的形態分布特征進行研究，發現按照遷移性和生物活性，重金屬元素依據其存在形態的不同對礦區生態環境的危害存在差異。可見土壤的理化性質和礦區大氣沉降作用等均可影響礦山土中重金屬的含量及存在形態，可結合這些性質建立礦山土分類指標體系，劃分礦山土類型，從而確定礦山污染修復方法和技術。

1.4.2 礦山廢水污染 礦山廢水中含有大量的重金屬離子、選礦藥劑、硫酸鹽及其他難溶解的分散雜質等，因其排放量大造成地表水系的污染，引起地表巖溶塌陷、水循環失衡和土地荒漠化等一系列災害[44-45]。為了說明這一系列災害對礦區生態系統造成的影響，劉鑌鋒等[46]進行了相關研究發現礦山開采排出的礦井水含有懸浮物和酸性成分，使土壤肥力減退、地面板結，減弱了礦區原有的承載能力。此外礦山廢水中大多硫酸鹽濃度相對較高，具有很強的溶解性和侵蝕性，嚴重污染礦區環境，且酸性礦山廢水具有低 pH、高氧化還原電位及高重金屬等典型污染特征，減弱了礦區周邊土壤功能[47]。為了解決這一系列礦山廢水污染問題，嚴群等[48]通過研究礦山廢水的特點和危害，提出酸堿中和法、混凝沉降法、化學氧化法、生物法等多種礦區廢水處理技術，為礦山廢水治理提供技術指導。因此探明礦山廢水污染周邊土壤的狀況，依據其潛在風險評價結果，進行礦山土污染類型分類，對于尋求經濟實用的礦山廢水治理方法、保護礦山環境和節約水資源有重要意義。

1.4.3 礦山固體廢棄物污染 礦山固體廢棄物的主要來源是礦山開采和加工過程中產生的廢石、廢渣和尾礦等，由于受到工藝技術和經營方式的限制，把這些固體廢棄物堆砌在土地表面，造成土地資源浪費的同時引起水土流失加劇，特別是在酸雨等多種條件的長期作用下，導致部分有害元素經過淋溶作用釋放，污染水質，影響礦山生態環境和人體健康[49-50]。

因此，按污染來源表述礦山土污染特性及其對礦山土分類的影響，可知礦山大氣沉降污染、廢水污染和固體廢棄物污染直接影響到土壤緩沖能力和自我修復能力，同時也為評價土壤保肥能力、建立礦山土壤分類系統和完善礦區土壤復墾方案提供了重要依據。

2 礦山土系統分類名稱、依據和指標體系

2.1 礦山土系統分類的名稱

土壤分類的名稱是分類的基礎和表現形式，在中美和蘇聯土壤系統分類中采用分段連續命名，即土綱、亞綱、土類、亞類為一段的連續命名法[51]；中國土壤系統分類是多級分類，即土綱、亞綱、土類、亞類4級高級分類單元和土族、土系兩級基層分類單元。其中土族作為土壤系統分類的基層分類單元，是反映與土地利用管理有關的土壤理化性質發生明顯分異的續分單元，同一亞類的土族劃分是由地域性差異成土因素引起土壤性質變化的具體體現，不同類別的土壤劃分土族所依據的指標各異，導致其劃分的依據和指標具有多元性。礦山土依據其特性，土族可根據如剖面控制層段的土壤顆粒大小級別、土壤礦物組成類別、土壤溫度狀況、土壤酸堿性、鹽堿特性、污染特性，以及人為活動導致的其他特性等進行命名，如“壤質云母混合型-弱鹽淡色潮濕雛形土”或“砂質硅質混合型非酸性熱性-鐵聚潛育水耕人為土”[52-53]。但傳統的土族分類命名有一定的局限性和不合理之處，易晨等[54-55]依據中國土壤系統分類土族和土系劃分標準，分析了我國土壤系統分類基層單元中的土族在命名格式上存在的問題，包括描述指標匱乏、順序選取有誤及命名格式不符、礦物學類型有誤等。而其下的土系是中國土壤系統分類中最低級別的基層分類單元，它發育在相同母質上，由若干剖面形態相似的單個土體組成的聚合土體單元構成，它的性狀變異范圍較小，且主要考慮土族內影響土壤利用的性質差異，鑒于地區、土壤類型、利用條件的千差萬別，在土系的標準中只列出可能使用的劃分標準進行單獨命名，在分類上具有直觀性和客觀性。此外，徐祥明和何毓蓉[56]應用土壤微形態學總結了中國土壤系統分類中人為土、富鐵土、變性土及其他土綱的分類成果，提出加強人為土、土壤基層分類的微形態研究，為礦山土分類的動態定量研究提供了發展方向。

而俄羅斯土壤系統分類強調成土因素對土壤的影響，將土壤歸入9個生物氣候省，再劃分土類，根據土壤水熱狀況劃分亞類，對亞類再按土屬、亞屬、土種、亞種、土組、土相進一步細分[57]。由于它忽視了土壤性質在土壤分類中的作用，造成高級分類單元只反映一種自然條件的劃分，將許多特性不同的土壤歸并在一個土壤單元內；另一方面，它的分類指標不能定量化，且分類單元中存在交叉，不利于礦山土系統分類中的野外土壤類型鑒別和統一意見。

由此可知用土族土系標準對土壤信息進行系統分類并建立數據庫，可極大地改進對土壤資源的科學管理，由于在鑒定礦山土壤類別并進行命名時，成土條件、成土過程和土壤屬性三者難以統一，需要選擇土壤本身的性質作為分類指標，保證分類結果符合形式邏輯規則，提升科學價值。

2.2 礦山土系統分類依據

從20世紀50年代初開始，美國土壤學方面的專家和學者經過大量的實驗和研究，制定了一項土壤分類制，該土壤分類制從土壤屬性出發，以診斷層和診斷特性為依據，規定劃分標準，并確定其在分類系統中的位置。面對礦山土壤這一人為因素主導下的新情況，其系統分類既要考慮與國際土壤分類相接軌，又要考慮礦山土壤種類復雜這一現實，在過去的礦山土壤分類歷史進程中，對分類依據的選擇較為靈活，從發生學分類到形態學分類再到診斷學分類，直至目前的自動化數值分類[58]，其分類依據的逐步完善、標準化和量值化對土壤科學相關領域的發展具有借鑒意義。目前的美國土壤系統分類常把土壤溫度與水分作為重要依據，尤其是表現在亞綱的劃分上；而中國土壤系統分類在區域和單個土體等不同層面與發生學分類制作參比，又與國際的美國土壤系統分類(ST)和世界土壤資源參比基礎(WRB)制作參比[59-60]，為建立礦山土壤指標化和數值化分類提供了非常重要的實用價值。

之后許多專家和學者又依據土壤性質、指標和模型等建立了土壤系統分類，例如曾慶猛等[16]對礦山土壤剖面進行研究，并依據土壤粒徑、礦物性質、溫度等特點把土壤質地劃分為7級；陳培珠和王芳[61]又以數種指標確定診斷土層，建立復合指標，并依據這些復合指標進行土壤分類。他們的研究均以定性分類為主；侯彥林[62]則運用區域土壤數值分類模型(RSCM)，對礦山土壤層樣本進行主成分分析，實現土體構型的數值化，確定各類型間的界線和指標，得出分類結果，彌補了礦山土定量化分類的短缺。此外安紅艷等[63]結合具體分類條件和要求依據有機質含量、土壤含水量、土壤養分含量等，對土壤形成條件進行調查，并進行土壤理化性質和有機質狀態分析，從而使分類結果更加完善。

目前，結合礦區土壤的理化性質及其對礦山土系統分類的影響，計算機技術、3S技術以及土壤景觀模型等技術和方法被廣泛應用于礦山土壤形成和分類中，依據土壤微形態學理論和方法開展礦山土壤形成和分類的研究將成為今后土壤科學相關領域研究的重點和方向。

2.3 礦山土分類指標體系

從國內外土壤系統分類來看，土壤分類指標按其性質可大致分為形態學指標(包括大形態及少量微形態指標)、物理指標、化學指標、礦物指標及土壤氣候指標，這些指標都有明確定義和具體的量值，使土壤分類向指標化、定量化的方向逐步發展和完善。比如，許端陽等[64]選取土壤環境標準結合重金屬指標構建指標體系，對土壤環境質量進行綜合評價，為土壤依據其環境質量進行分類提供了可行性條件；以此為基礎，Arshad和Martin[65]選取表征土壤環境功能且可以測量土壤屬性的指標構建指標體系，旨在衡量土壤質量及其功能屬性，進而對土壤按照其功能進行分類；而呂川和陳明輝[66]通過總結前人的土壤環境質量評價指標體系，根據地貌單元、巖石類型、土壤組合和氣候特征的生態組合劃分評價單元，運用歐洲環境署的DPSRI模型，對典型土壤污染問題進行分析，提出土壤類型與環境質量分區管理的對策建議；為了加快礦山生態環境的恢復與重建，尹海魁等[67]又從微地貌、土壤和植被3個層次，選擇植物生物量等9個指標進行相關分析，得出土壤持水量、粒級組成和植物生物量，找出礦山不同土壤類型間的差異性，從而得出分類結果，對今后的礦區土壤環境保護和區域土地利用具有重要意義。

3 礦山土系統分類技術與方法

3.1 應用光譜技術進行礦山土系統分類

土壤的光譜反射率是土壤特性在光譜信息上的綜合體現，研究土壤光譜特性可以為土壤分類提供判別指標，且目前在土壤分類中應用最多的是近紅外光譜分析技術，國外也逐漸將紫外、可見光等用于土壤檢測的研究中。其中近紅外的主要信息基礎是被測物質有機分子的各級含氫集團倍頻與合頻在近紅外譜區的吸收，如土壤化學特性主要體現在近紅外光譜的譜峰特征上，而土壤質地等物理特性主要反映在光譜的截距參數或斜率上，且不同特性在不同譜區的相對強度有所不同[68]。隨后大量的實驗和研究結果表明光譜技術具有測定快速方便、無損、準確等特點，在研究土壤分類方面有很高的應用潛力。如Frost等[69-70]采用近紅外光譜技術檢測了土壤中氮、磷、鉀和有機質的含量，實現對土壤養分的快速分析；Linker等[71-73]比較了可見-近紅外-中紅外等波段范圍進行土壤質地分類，建立土壤參數定量模型，實現礦山土的快速分類；趙帥群等[74]則將光譜技術與數學方法相結合，運用傅里葉變換紅外光譜技術和主成分分析方法(PCA)對土壤特性進行研究，分析反映樣品在該段光譜的主要信息，從而為礦山土壤系統分類提供了科學依據。

此外，在礦山土壤分類研究中，應用光譜技術可以實現宏觀尺度與微觀尺度的有效結合，通過衛星等光譜遙感器從宏觀尺度檢測礦山土壤狀況，結合地面光譜技術從微觀方面對土壤水分、理化特性等進行實時和大批量的微觀分析，獲取的礦山土信息量大、覆蓋面寬；另一方面，光譜技術分析時效性強、分析速度快，可實現實時或在線分析，多組分之間可通過全光譜掃描，獲得土壤各特性光譜信息，操作簡單、成本低。但是考慮到土壤光譜特征曲線在反映礦山土壤質地信息方面要比化學和物理信息少，若采用常見的光譜圖預處理方法對獲得的礦山土壤光譜數據進行處理，很有可能會造成光譜特征判斷解譯錯誤的情況，可通過先引入正交信號校正方法對譜圖進行預處理，然后進行特征分析，即可廣泛應用于礦山土系統分類等相關研究中。

3.2 應用模糊均值法進行礦山土系統分類

基于模糊均值算法的土壤數值化分類方法是目前最為常用的礦山土壤數值化分類手段，它作為對多性狀事物綜合分析的數學分析方法之一，在土壤系統分類過程中，克服了單一因素進行分類的弊端，對成分復雜、界限不清的礦山土壤系統分類尤為適用[75]。它可以得到較為實際的分類結果，為相關部門提供可靠數據，同時為改良土壤和提高肥力提供有用的價值。如付大友等[76-77]用動態聚類方法和方差分析方法確定聚類數目和初始聚類中心，通過建立礦山土分類指標體系，用模糊c-均值法實現礦山土的快速數值化分類；Amini等[78-83]把土壤剖面發生亞層的屬性數據作為變量，使用主成分分析和非層級聚類方法，根據模糊c-均值算法將土壤剖面分為不同類型，將此方法與礦山土剖面的各向異性特征相結合，進行礦山土剖面連續分類；Hengl[84]提出將色彩合成法應用于模糊均值算法獲取的地貌類型監督分類結果中，因此在礦山土分類中，可將此方法與Mcbratney等[85-86]提出的模糊性能指數相結合，避免主觀因素的干擾，使分類結果更精確。在礦山土連續分類與制圖表達中模糊均值法還可以為礦區土壤污染空間分布、土壤質量評價、生態環境規劃與保護等提供更精細的信息，使其在礦山土地復墾規劃應用領域發揮重要作用，同時在地貌類型和地表植被類型等方面有廣闊的應用前景。

雖然模糊均值算法有它自身的優勢，比如用模糊理論可以較合理地解決一些問題，且目標函數聚類方法能夠準確地用公式表達聚類準則，設計簡單、解決范圍廣、并可以考慮樣本的全局特征，轉化為最優化問題求解。但是，模糊均值算法的實時性不太好，尤其當土壤特征點很多時，該算法可能會陷入局部極值點，無法實現全局最優解，使聚類效果受到初始聚類中心和聚類數目的影響。

3.3 應用徑向基函數神經網絡進行礦山土系統分類

徑向基函數神經網絡(RBF)是一種多變量插值的3層前向型神經網絡模型，它由輸入層、隱含層和輸出層組成，隱含層神經元傳遞函數是對中心點徑向對稱且衰減的非負非線性函數，從輸入層空間到隱含層變換，再從隱含層空間到輸出層空間變換都是線性的[87]。它基于遙感圖像的土壤自動分類方法，能夠有效地提高分類精度，且分類結果可以為礦區土壤分類、農業利用、環境保護和資源可持續利用等方面提供數據支持[88]。孫福振等[89]通過仿真實驗對礦山土壤分類參數進行選取和深入分析，驗證了徑向基函數神經網絡在基于遙感圖像的土壤分類中的應用價值，為今后的礦山土以及其他土壤分類提供技術支持；馬海姣和崔晨風[90]結合BP神經網絡和RBF神經網絡技術進行土壤分類研究，探討基于土壤反射光譜特性的土壤分類技術，提高了土壤分類精度和運行時間，為實現基于遙感方法進行土壤快速分類奠定基礎；李啟權等[91-92]采用主成分分析方法和徑向基函數神經網絡模型建立環境因子間的非線性關系，發現神經網絡模型能更準確反映土壤養分與環境因子間的關系，為大尺度的土壤分類提供了參考。

應用徑向基函數神經網絡具有優秀的離散數據內插特性，可以提供最優逼近功能，結構簡單、訓練速度快，函數逼近能力和分類能力強，不存在局部最優等問題，這些優點為其在礦山土系統分類中的應用奠定了基礎。然而不同輸入方式下RBF神經網絡對土壤特性信息的空間分布插值的精度差異明顯，因此在今后的礦山土壤系統分類研究中，應增加考慮距離因素的臨近樣點信息作為網絡輸入，使RBF神經網絡能夠更好地反映礦山土壤特性的變異信息，從而更精確地進行礦山土壤系統分類。

此外，還有其他土壤分類技術和方法可以被廣泛應用于區域礦山土壤系統分類中，Carré和Mcbra-tney[93]在人為設置參比土層的前提下，應用VLADIMIR半自動分類將觀測剖面分為不同類型，但是此方法只考慮依據土壤剖面類型，不考慮土層厚度及土壤在剖面中的排列組合特征；Carré和Jacobson[94]、Rayner[95]以土壤剖面之間相似性計算為基礎，采用層級式算法對土壤進行數值分類，但此方法具有運算復雜的缺點，不適合大批量數據運算。

4 問題與展望

本文從物理、化學、生物和污染等4個方面概括總結了礦山土壤的特性及其對礦山土分類的影響，綜述了相關土壤分類依據和方法的研究進展，并指出了當前礦山土分類中存在的突出問題、研究難點和今后的發展方向。當前對礦山土系統分類的研究較少，分類依據和分類方法滯后于實際需求，未形成合理的礦山土系統分析體系。因此進一步發展和優化礦山系統分類方法是當前土壤學等相關領域亟需解決的科學問題。建議今后重點圍繞以下關鍵點，尋求突破，促進相關學科深入發展：

1) 科學設計研究方案，準確診斷礦山土壤特性。不同礦山開采造成的重構土壤特性差異顯著，因此要強化不同采礦時空下的土壤系統分類研究，需開展野外長期跟蹤監測礦山土壤動態特征，重點關注采礦活動對土壤微生物含量、土壤持水能力、重金屬含量以及土壤污染狀況等特性的影響，精確了解礦山土壤特性信息，構建礦區土壤屬性、植被恢復和土地利用之間的定量關系，深入探討不同尺度下微觀特性和宏觀特性間的內在關系，尤其要搞清楚礦山開采前、中、后等不同時期土壤結構及功能的異同，為礦山土壤系統分類奠定基礎。

2) 合理確定礦山土壤系統分類依據和定量化指標。中國土壤系統分類的最大特點是建立了診斷層和診斷特性系統，確定了土壤系統各級分類的定量指標，而目前的礦山土壤系統分類研究中，并沒有依據礦山土壤自身特點形成一套完整的分類指標體系，因此需努力發展基于土壤系統分類的結構特征和量化分異功能的方法，選取科學的分類依據，確定礦山土壤系統分類的生物指標、物理指標、化學指標以及污染指標等，完善礦山土壤系統分類定量指標體系，制定出適用于不同礦區及其治理目標的土地復墾技術導則，為正確評估、篩選和優化礦區土地復墾技術提供科學依據。

3) 科學確定礦山土壤系統分類技術與方法。從目前研究來看，應用光譜技術、模糊聚類和神經網絡模型等進行礦山土壤系統分類的技術與方法都有其自身的優勢和局限性。由于礦山土壤性質復雜，測量工程量大，要實現對其進行快速、無損地系統分類，需要結合主成分分析和聚類分析等數學模型，綜合運用光譜分析和神經網絡模型等技術與方法，努力提高土壤系統分類精度和運行時間，實現分類技術與方法的優勢互補，建立與綠色礦山建設相適應的礦山土壤分類系統，為最終優化土地復墾和土地利用技術，實現礦區生態環境良性運轉提供科技支撐。

[1] 李玲, 宋瑩, 陳勝華, 等. 礦區土壤環境修復[J]. 中國水土保持, 2007(4): 22–24

[2] 龔子同, 張甘霖. 人為土壤形成過程及其在現代土壤學上的意義[J]. 生態環境, 2003, 12(2): 184–191

[3] 胡振琪, 魏忠義. 煤礦區采動與復墾土壤存在的問題與對策[J]. 能源環境保護, 2003, 17(3): 3–7

[4] Zielinski R A, Otton J K, Johnson C A. Sources of salinity near a coal mine spoil pile, north-central Colorado[J]. Journal of Environmental Quality, 2001, 30(30): 1237–1248

[5] 郭雨華, 趙廷寧, 孫保平, 等. 草地坡面水動力學特性及其阻延地表徑流機制研究[J]. 水土保持研究, 2006, 13(4): 264–267

[6] 李勉, 姚文藝, 楊劍鋒, 等. 草被覆蓋對坡面流流態影響的人工模擬試驗研究[J]. 應用基礎與工程科學學報, 2009, 17(4): 513–523

[7] 田凱, 李小青, 魯帆, 等. 坡面流侵蝕水動力學特性研究綜述[J]. 中國水土保持, 2010(4): 44–47

[8] 王協康, 劉同宦, 葉龍, 等. 坡面柔性植被阻水效應及其局部水頭損失特性試驗研究[J]. 四川大學學報: 工程科學版, 2013, 45(2): 22–27

[9] 閆旭峰, 周蘇芬, 黃爾, 等. 植被條件下坡面薄層水流動力學特性試驗研究[J]. 四川大學學報: 工程科學版, 2012, 44(2): 26–30

[10] 鐘強, 雷孝章, 任海若, 等. 柔性植被與剛性植被覆蓋下坡面流阻力特性研究[J]. 中國農村水利水電, 2012(9): 51–54

[11] 邢虹娟. 山西省清城煤礦礦區土地破壞分析與復墾措施[D]. 太谷: 山西農業大學, 2013

[12] 李梅, 張學雷. 基于GIS的農田土壤肥力評價及其與土體構型的關系[J]. 應用生態學報, 2011, 22(1): 129–136

[13] 佘海銘, 樊貴盛. 影響土壤入滲能力的剖面因素研究[J]. 太原理工大學學報, 2009, 40(3): 307–309

[14] 檀滿枝, 密術曉, 李開麗, 等. 模糊集理論在土壤剖面質地構型中的應用——以河南省封丘沖積平原區土壤為例[J]. 土壤學報, 2011, 48(2): 221–229

[15] 莫愛, 周耀治, 楊建軍, 等. 山地煤礦開采對土壤理化性質的影響[J]. 水土保持學報, 2015, 29(1): 86–89

[16] 曾慶猛, 孫宇瑞, 嚴紅兵. 土壤質地分類的近紅外光譜分析方法研究[J]. 光譜學與光譜分析, 2009, 29(7): 1759–1763

[17] 侯慶春, 汪有科, 楊光. 神府-東勝煤田開發區建設對植被影響的調查[J]. 水土保持研究, 1994(4): 127–137

[18] 張錦瑞, 陳娟濃, 岳志新, 等. 采煤塌陷引起的地質環境問題及其治理[J]. 中國水土保持, 2007(4): 37–39

[19] 史文娟, 沈冰, 汪志榮, 等. 高地下水位條件下鹽漬土區潛水蒸發特性及計算方法[J]. 農業工程學報, 2006, 22(5): 32–35

[20] 臧蔭桐, 汪季, 丁國棟, 等. 采煤沉陷后風沙土理化性質變化及其評價研究[J]. 土壤學報, 2010, 47(2): 262–269

[21] 任利東, 黃明斌, 樊軍. 不同類型層狀土壤持水能力的研究[J]. 農業工程學報, 2013(19): 105–111

[22] 韓光中, 王德彩, 謝賢健. 中國主要土壤類型的土壤容重傳遞函數研究[J]. 土壤學報, 2016, 53(1): 93–102

[23] 胡克林, 余艷, 張鳳榮, 等. 北京郊區土壤有機質含量的時空變異及其影響因素[J]. 中國農業科學, 2006, 39(4): 764–771

[24] 荊長偉, 章明奎, 支俊俊, 等. 浙江省土壤發生分類與系統分類參比及制圖研究[J]. 土壤學報, 2013, 50(2): 260–267

[25] 秦靜, 孔祥斌, 姜廣輝, 等. 北京典型邊緣區25年來土壤有機質的時空變異特征[J]. 農業工程學報, 2008, 24(3): 124–129

[26] 于東升, 史學正, 王洪杰, 等. 發生分類淋溶土與系統分類參比特征研究[J]. 土壤學報, 2004, 41(6): 845–853

[27] 趙明松, 張甘霖, 吳運金, 等. 江蘇省土壤有機質含量時空變異特征及驅動力研究[J]. 土壤學報, 2014, 51(3): 448–458

[28] 朱靜, 黃標, 孫維俠, 等. 長江三角洲典型地區農田土壤有機質的時空變異特征及其影響因素[J]. 土壤, 2006, 38(2): 158–165

[29] 李玲, 張少凱, 吳克寧, 等. 基于土壤系統分類的河南省土壤有機質時空變異[J]. 土壤學報, 2015(5): 979–990

[30] 易杰祥, 呂亮雪, 劉國道. 土壤酸化和酸性土壤改良研究[J]. 華南熱帶農業大學學報, 2006, 12(1): 23–28

[31] 王寧, 李九玉, 徐仁扣. 土壤酸化及酸性土壤的改良和管理[J]. 安徽農學通報, 2007, 13(23): 48–51

[32] 張麗娟, 王海鄰, 胡斌, 等. 煤礦塌陷區土壤酶活性與養分分布及相關研究——以焦作韓王莊礦塌陷區為例[J]. 環境科學與管理, 2007, 32(1): 126–129

[33] 章明奎. 應用土壤測試磷評估砂土中磷的可淋洗性[J]. 土壤學報, 2004, 41(6): 996–1000

[34] Christensen B T. Carbon and nitrogen in particle size fractions isolated from Danish arable soils by ultrasonic dispersion and gravity-sedimentation[J]. Acta Agriculturae Scandinavica, 1985, 35(2): 175–187

[35] Cameron R S, Posner A M. Mineralisable organic nitrogen in soil fractionated according to particle size[J]. European Journal of Soil Science, 1979, 30(3): 565–577

[36] Prasad P, Basu S, Behera N. A comparative account of the microbiological characteristics of soils under natural forest, grassland and cropfield from Eastern India[J]. Plant & Soil, 1995, 175(175): 85–91

[37] 龍健, 黃昌勇, 滕應, 等. 礦區廢棄地土壤微生物及其生化活性[J]. 生態學報, 2003, 23(3): 496–503

[38] Jordan D, Kremer R J, Bergfield W A, et al. Evaluation of microbial methods as potential indicators of soil quality in historical agricultural fields[J]. Biology & Fertility of Soils, 1995, 19(4): 297–302

[39] 徐華勤, 章家恩, 馮麗芳, 等. 廣東省典型土壤類型和土地利用方式對土壤酶活性的影響[J]. 植物營養與肥料學報, 2010, 16(6): 1464–1471

[40] 彭建, 蔣一軍, 吳健生, 等. 我國礦山開采的生態環境效應及土地復墾典型技術[J]. 地理科學發展, 2005, 24(2): 38–48

[41] 王晶, 王曉磊, 姚海亮. 我國礦山環境與治理對策[J]. 煤炭技術, 2009, 28(8): 1–3

[42] 高芳蕾, 董巖翔, 王世紀. 礦區土壤重金屬元素的形態分布及生物活性[J]. 安徽農業科學, 2009, 37(12): 5614–5616

[43] 李永華, 楊林生, 王麗珍, 等. 基于BCR和HG-ICP-AES的礦區土壤重金屬污染特征分析[J]. 光譜學與光譜分析, 2007, 27(9): 1834–1836

[44] 曹心德, 魏曉欣, 代革聯, 等. 土壤重金屬復合污染及其化學鈍化修復技術研究進展[J]. 環境工程學報, 2011, 5(7): 1441–1453

[45] 雷兆武, 孫穎, 楊高英. 有色金屬礦山廢水管理與資源化研究[J]. 礦業安全與環保, 2006, 33(4): 40–41

[46] 劉鑌鋒, 資鋒, 曹運江, 等. 湖南錫礦山環境地質問題及其防治對策研究[J]. 能源與環境, 2015(1): 58–59

[47] 張春輝, 吳永貴, 付天嶺, 等. 礦山廢水污染對稻田土壤環境特征及不同形態氮含量的影響[J]. 貴州農業科學, 2014(1): 122–126

[48] 嚴群, 黃俊文, 唐美香, 等. 礦山廢水的危害及治理技術研究進展[J]. 金屬礦山, 2010(8): 183–186

[49] 黃寶萍. 淺談礦山固體廢棄物的處理與利用[J]. 中國科技博覽, 2015(3): 352–352

[50] 于素紅, 魏永齊, 尹紅美. 露天采礦礦山地質環境治理與恢復的意義[J]. 地下水, 2011, 33(1): 142

[51] 張鳳榮, 王秀麗, 梁小宏, 等. 對全國第二次土壤普查中土類、亞類劃分及其調查制圖的辨析[J]. 土壤, 2014, 46(4): 761–765

[52] 顧也萍, 馮學鋼. 安徽省石灰巖風化物發育土壤的特性和系統分類[J]. 土壤學報, 1998(3): 303–312

[53] 史學正, 于東升, 孫維俠, 等. 中美土壤分類系統的參比基準研究: 土類與美國系統分類土綱間的參比[J]. 科學通報, 2004, 49(13): 1299–1303

[54] 易晨, 馬渝欣, 楊金玲, 等. 中國土壤系統分類基層單元土族建設現狀與命名上存在的問題[J]. 土壤學報, 2015(5): 1166–1172

[55] 張甘霖, 王秋兵, 張鳳榮, 等. 中國土壤系統分類土族和土系劃分標準[J]. 土壤學報, 2013, 50(4): 826–834

[56] 徐祥明, 何毓蓉. 應用于土壤系統分類的土壤微形態學研究進展及展望[J]. 世界科技研究與發展, 2009, 31(1): 107–111

[57] 張學雷, 龔子同, 駱國保, 等. 俄羅斯新土壤分類的研究現狀和特點[J]. 土壤通報, 2002, 33(3): 161–164

[58] 關欣, 李巧云, 張鳳榮. 新疆平原土壤發生分類與系統分類的參比[J]. 湖南農業大學學報: 自然科學版, 2011, 37(3): 312–317

[59] 龔子同, 張甘霖. 中國土壤系統分類: 我國土壤分類從定性向定量的跨越[J]. 中國科學基金, 2006, 20(5): 293–296

[60] 中國科學院南京土壤研究所土壤地理研究室. 國際土壤分類述評[M]. 北京: 科學出版社, 1988

[61] 陳培珠, 王芳. 土壤分類的指標化及數值分類的推動作用[J]. 安徽農學通報, 2009, 15(9): 72–73

[62] 侯彥林. 土壤數值分類模型的建立及應用——RSCM的建立[J]. 土壤學報, 1995, 32(3): 266–270

[63] 安紅艷, 龍懷玉, 劉穎, 等. 承德市壩上高原典型土壤的系統分類研究[J]. 土壤學報, 2013, 50(3): 448–458

[64] 許端陽, 姜小三, 潘劍君, 等. 無公害農產品產地土壤環境質量綜合評價——以江蘇省溧水縣為例[J]. 土壤, 2006, 38(3): 282–286

[65] Arshad M A, Martin S. Identifying critical limits for soil quality indicators in agro-ecosystems[J]. Agriculture Ecosystems & Environment, 2002, 88: 153–160

[66] 呂川, 陳明輝. 典型黑土區土壤環境質量綜合評價指標體系與分區管理對策研究[J]. 中國農學通報, 2016(8): 108–112

[67] 尹海魁, 許皞, 李大偉, 等. 露天鐵礦山典型立地類型劃分與主導因子分析[J]. 金屬礦山, 2016(6): 173–179

[68] 馬趙揚, 杜昌文, 周健民, 等. 黃土的紅外反射光譜與紅外光聲光譜特征及其差異研究[J]. 土壤, 2012, 44(5): 862–867

[69] Frost R L, Xi Y, Scholz R, et al. Vibrational spectroscopic characterization of the phosphate mineral series eosphorite– childrenite–(Mn,Fe)Al(PO4)(OH)2·(H2O)[J]. Vibrati-onal Spectroscopy, 2013, 67: 14–21

[70] 高洪智, 盧啟鵬. 土壤主要養分近紅外光譜分析及其測量系統[J]. 光譜學與光譜分析, 2011, 31(5): 1245–1249

[71] Linker R, Shmulevich I, Kenny A, et al. Soil identification and chemometrics for direct determination of nitrate in soils using FTIR-ATR mid-infrared spectroscopy[J]. Chemosphere, 2005, 61(5): 652–658

[72] Rossel R A V, Mcglynn R N, Mcbratney A B. Determining the composition of mineral-organic mixes using UV– vis–NIR diffuse reflectance spectroscopy[J]. Geoderma, 2006, 137(1/2): 70–82

[73] 王遵義, 金春華, 劉飛, 等. 基于光譜技術的土壤快速分類方法研究[J]. 浙江大學學報: 農業與生命科學版, 2010, 36(3): 282–286

[74] 趙帥群, 劉剛, 歐全宏, 等. 不同土壤FTIR分類研究[J]. 光散射學報, 2014, 26(2): 193–197

[75] 王改粉, 趙玉國, 楊金玲, 等. 流域尺度土壤厚度的模糊聚類與預測制圖研究[J]. 土壤, 2011, 43(5): 835–841

[76] 付大友, 袁東. 聚類分析在土壤研究中的應用[J]. 四川理工學院學報: 自然科學版, 2005, 18(2): 66–72

[77] 郭珉. 模糊聚類分析算法的MATLAB語言實現[J]. 農業網絡信息, 2004(5): 44–45

[78] Amini M, Afyuni M, Fathianpour N, et al. Continuous soil pollution mapping using fuzzy logic and spatial interpolation[J]. Geoderma, 2005, 124(3/4): 223–233

[79] Chen J, Tan M. Application of fuzzy logic in landuse classification based on remote sensing data[J]. Acta Pedologica Sinica, 2007, 44(5): 775

[80] Tan M, Chen J, Zheng H. Spatial prediction of soil heavy metal pollution using fuzzy c-mean algorithm[J]. Acta Scientiae Circumstantiae, 2006, 26(12): 2086–2092

[81] Tan M Z, Chen J. Visualization of uncertainty associated with spatial prediction of continuous variables using HSI color model: A case study of prediction of pH for topsoil in peri-urban Beijing, China[J]. Journal of Forestry Research, 2008, 19(4): 319–322

[82] Verheyen K, Adriaens D, Hermy M, et al. High-resolution continuous soil classification using morphological soil profile descriptions[J]. Geoderma, 2001, 101(3/4): 31–48

[83] 劉鵬飛, 宋軒, 劉曉冰, 等. 基于K-均值算法模型的區域土壤數值化分類及預測制圖[J]. 生態學報, 2012, 32(6): 1846–1853

[84] Hengl T, Walvoort D J J, Brown A. A double continuous ap- pmanh to visualisation and analysis of categorical maps. Int. J. Geographical Information Science, 2004, 18(2): 183–202

[85] Mcbratney A B, Gruijter J J D, Brus D J. Spacial prediction and mapping of continuous soil classes[J]. Geoderma, 1992, 54(1-4): 39–64

[86] Pawlowsky V, Olea R A, Davis J C. Estimation of regionalized compositions: A comparison of three methods[J]. Mathematical Geology, 1995, 27(27): 105–127

[87] 孫艷俊, 張甘霖, 楊金玲, 等. 基于人工神經網絡的土壤顆粒組成制圖[J]. 土壤, 2012, 44(2): 312–318

[88] 羅紅霞. 基于土壤系統分類的土壤遙感自動識別分類系統的設計[J]. 西南師范大學學報: 自然科學版, 2003, 28(4): 622–626

[89] 孫福振, 李艷, 李業剛. 基于RBF神經網絡的土壤分類設計[J]. 安徽農業科學, 2009, 37(13): 6293–6294

[90] 馬海姣, 崔晨風. 基于可見-近紅外光譜和神經網絡的土壤類型鑒別[J]. 江蘇農業科學, 2014(4): 284–286

[91] 李啟權, 王昌全, 岳天祥, 等. 基于神經網絡模型的中國表層土壤有機質空間分布模擬方法[J]. 地球科學進展, 2012, 27(2): 175–184

[92] 李啟權, 王昌全, 張文江, 等. 基于神經網絡模型和地統計學方法的土壤養分空間分布預測[J]. 應用生態學報, 2013, 24(2): 459–466

[93] Carré F, Mcbratney A B. Digital terron mapping[J]. Geoderma, 2005, 128(3/4): 340–353

[94] Carré F, Jacobson M. Numerical classification of soil profile data using distance metrics[J]. Geoderma, 2009, 148(3): 336–345

[95] Rayner J H. Classification of soils by numerical methods[J]. Journal of Soil Science, 2006, 17(1): 79–92

Progresses in Soil Properties and Classification of Mining Soils

LU Xiao1, WANG Jinman1,2*, LI Bo1, BAI Zhongke1,2

(1 School of Land Science and Technology, China University of Geosciences, Beijing 100083, China; 2 Key Laboratory of Land Consolidation and Rehabilitation, Ministry of Land and Resources, Beijing 100035, China)

Classification is one of the foundation in studying mining soils, which is particularly important for the improvement and vegetation reconstruction of mining soils. This paper described the changes of mining soil characteristics and their influences on the classification of mining soils from four aspects of physics, chemistry, biology and pollution, summarized the research advances in the name, basis, index system and method of the classification in mining soils. At present, mining soils were classified by using spectral technology, fuzzy c-mean method and neural network model on the bases of their unique attributes, but these methods have their own advantages and disadvantages, thus, it was recommended for future study to select quantitative classification index according to the local conditions to combine principal component analysis and other mathematical models with spectral techniques for mining soil classificationin order to provide further scientific basis for land reclamation and utilization.

Mining soil; Soil classification; Soil characteristics; Exploitation and reclamation

10.13758/j.cnki.tr.2017.04.005

S155

A

國家自然科學基金項目(41271528)資助。

(wangjinman2002@163.com)

路曉(1991—)，女，河南濮陽人，碩士研究生，主要從事土地整治與生態恢復研究。E-mail：luxiao002016@163.com