基于傳遞函數的土壤數據庫缺失數據的填補研究①

韓光中，楊銀華，吳 彬，李山泉

基于傳遞函數的土壤數據庫缺失數據的填補研究①

韓光中1，楊銀華2，吳 彬2，李山泉3*

(1 內江師范學院地理與資源科學學院，四川內江 641112；2 內江市東興區氣象局，四川內江 641100；3 邢臺學院資源與環境學院，河北邢臺 054001)

數據缺失在土壤調查研究中是一個非常普遍的現象，處理不當一定程度上會影響研究結果的可靠性。土壤轉換函數(pedotransfer functions，PTFs)是簡單、快速、大批量填補土壤數據庫缺失信息的有效手段。但目前分析和厘定我國土壤數據庫缺失數據特征的研究較少，針對土壤數據庫缺失數據的填補方法也亟待規范。本文對我國第二次土壤普查數據庫進行分析，探討該數據庫的數據缺失特征，并對數據缺失嚴重的土壤屬性進行預測，以期為今后的土壤數據庫缺失數據填補工作提供參考。總體來看，質地(砂粒、粉粒和黏粒含量)、pH、有機質、全氮、全磷、全鉀是土壤普查中最基礎的調查項目，這些土壤屬性信息的完整性最好。有效磷、速效鉀和陽離子交換量數據有一定的缺失。堿解氮、容重、礫石含量、各種類型氧化鐵數據缺失嚴重。在填補缺失數據時，建議首先考慮模型的穩定性，盡量使用那些相對穩定且數據完整性好的土壤屬性來預測缺失數據。我國第二次土壤普查數據庫基本都缺少空間屬性信息，在填補缺失數據時最好采用簡單而相對穩定的回歸模型。利用回歸分析得到的土壤傳遞函數可以較好地實現容重、堿解氮和部分陽離子交換量缺失數據的填補工作。盡管如此，由于部分土壤屬性信息有一定的時效性，應用傳遞函數時要注意數據源的歷史背景。

土壤數據庫；數據缺失；傳遞函數；數據填補

數據缺失在土壤調查研究中是一個非常普遍的現象，處理不當一定程度上會影響研究結果的可靠性。20 世紀80年代后期，土壤傳遞函數(pedotransfer functions，PTFs)的出現為簡單、快速、大批量填補土壤數據庫缺失信息提供了有效的手段。作為土壤屬性推繹模型(soil attribute inference models)的典型代表，土壤傳遞函數的核心功能就是利用已知的土壤信息預測和估算那些缺失或難以直接觀測或觀測成本高昂的土壤屬性[1-2]。

目前，國內已有的土壤傳遞函數多集中應用于預測土壤容重[3-6]、土壤水力特性[7-9]等。分析和厘定我國土壤數據庫數據缺失特征的研究較少，針對土壤數據庫缺失數據的填補方法也亟待規范。本文對我國第二次土壤普查數據庫進行分析，探討該數據庫的數據缺失特征，并對數據缺失嚴重的土壤屬性進行預測，以期為今后的土壤數據庫缺失數據填補工作提供參考。

1 材料與方法

1.1 數據來源

數據來自全國第二次土壤普查成果資料[10]，覆蓋了我國主要的土壤類型。第二次土壤普查成果資料通過與中國土壤系統分類的近似參比[11-14]，轉化成土壤系統分類體系。通過對數據進行質量篩選，剔除部分異常值，現有完整的8 731條數據代表了我國主要的土壤類型。異常值剔除條件為：砂粒、粉粒和黏粒三者百分含量大于106% 或小于94%[15]。

基于中國土壤系統分類的土綱檢索[11]，將上述數據大致分選為12個土綱，灰土和火山灰土土綱本研究未涉及。這是因為第二次土壤普查中的發生學土種均不屬于灰土土綱，也就是說我國尚未發現屬于中國土壤系統分類體系的灰土剖面。火山灰土土綱只有極少量的數據，這可能主要是因為我國火山灰土的分布面積極少，因此本研究也不再涉及。土壤粒徑大小的分級采用1978 年制定的中國土壤質地粒級分類標準：砂粒(1 ~ 0.05 mm)、粉粒(0.05 ~ 0.001 mm)和黏粒(<0.001 mm)。

1.2 研究方法

對全國第二次土壤普查數據進行統計，計算土壤屬性信息的完整度，公式如下：

土壤屬性信息的完整度=x/N×100% (1)

式中：x：含有土壤某一屬性的土壤樣本個數；：所有土壤樣本個數。

再使用IBM Statistics SPSS 20.0，利用回歸分析，得到各土壤屬性傳遞函數。利用2對各傳遞函數的預測精度進行評價。

2 結果

2.1 土壤屬性信息的完整性

根據土壤屬性信息的完整度將我國第二次土壤普查數據樣本分為4個等級(表1)。從土壤屬性信息的完整性上看，質地(砂粒、粉粒和黏粒含量)、pH、有機質(SOM)、全氮(TN)、全磷(TP)、全鉀(TK)數據完整度大于80%，是土壤普查中最基礎的調查項目。這些土壤屬性信息的完整性好，不會影響到土壤數據庫的利用。質地、TP和TK在土壤中相對穩定，沒有外部干擾的情況下，短期內一般很少發生重大變化，可以用作土壤屬性預測的基礎值。有效磷(AP)和速效鉀(AK)數據完整度介于50% ~ 80%，有一定的缺失，堿解氮(AN)數據缺失比較嚴重。它們是農業上最常用的土壤速效肥力指標，這些屬性信息的缺失會明顯限制對已有數據庫的開發利用。而且這些土壤屬性短期內容易發生變化，尤其是在人為干擾或自然侵蝕等狀態下，需要通過傳遞函數演繹出當時的數據作為歷史參考數據，供以后的研究對照。陽離子交換量(CEC)數據完整度介于50% ~ 80%，有一定的缺失，總體而言可以滿足數據庫的需要。CEC相對穩定，沒有外部干擾的情況下短期內也一般很少發生較大變化，如果研究條件許可，可以先補測數據；同時考慮到CEC的測試方法比較復雜，當大規模補測數據不現實時，可以通過傳遞函數對缺失數據進行填補。容重是土壤的一個重要物理性質，可用作計算土壤持水力和導水性[16-17]，也可用作土壤屬性數據的換算，如有機碳庫計算[18]中將質量分數換算為體積分數等，因此是土壤學很多模型中的一個必要參數。由于一些土壤中植物根系和礫石較多，很難或無法通過環刀法采樣來測定土壤容重；此外，系統獲取大量的土壤容重數據也是一項費時費力，甚至不切實際的工作[19]，這造成我國大多數土壤數據庫缺失或部分缺失土壤容重數據，利用傳遞函數預測土壤容重具有重要意義。氧化鐵是中國土壤系統分類富鐵土、水耕人為土等土壤類型劃分中的一個非常重要的指標，在以往的研究中重視不夠，測試方法也比較復雜，數據缺失嚴重。礫石和CaCO3含量的數據信息完整度均不足15%。考慮到礫石和CaCO3在土壤中不是普遍存在，這一數據不能真實反映礫石和CaCO3含量的缺失程度。但在剖面描述中土壤明顯存在大量礫石的粗石土、粗骨土(土壤發生分類)等，剖面數據中并沒有統計礫石含量。礫石含量的缺失對計算碳庫和評估農業機械運行不利。土壤礫石含量數據一旦缺失，只能在未來的研究中補測數據，今后要注意評估礫石含量對土壤容重、有機碳庫估算等方面的影響作用。CaCO3多存在于干旱、半干旱區土壤或石灰性母質的土壤中，本研究也不再涉及其填補工作。

表1 我國第二次土壤普查土壤屬性信息的完整度

2.2 土壤容重的預測

大量研究表明，土壤容重與SOM和土壤質地關系密切[20-24]，也與土壤深度[25-26]、土壤類型[27-28]、土地利用和植被[29]有一定的關系。研究還表明，基于土壤系統分類的數據分組可以改進模型的預測精度[30-31]。國內已有大量土壤容重傳遞函數的研究，如韓光中等[6]基于我國現有土壤數據庫，利用SPSS采用逐步回歸方法確定了我國主要土壤類型的容重傳遞函數。基于土壤基本理化性質的土壤容重預測工作目前已經比較完善(表2)，可以很好地實現土壤容重缺失數據的填補。

2.3 土壤速效養分的預測

AN、AP和AK是農業上最常用土壤速效肥力指標，在全國第二次土壤普查中，它們還是土壤肥力分級的主要依據[32]。本研究利用SPSS采用逐步回歸方法確定了土壤速效養分的傳遞函數(表3)。從預測結果上看，AN的傳遞函數預測精度比較高(2為0.754)，可以用來填補缺失數據；而AP和AK傳遞函數的預測精度很低。考慮到AK和AP數據缺失度不大，建議盡量避免使用本研究提議的傳遞函數來填補缺失數據。因為土壤速效養分容易變化，其觀測結果有一定的時效性，所以在應用傳遞函數預測AN時要注意數據源的歷史背景。

表2 不同土壤類型的最優容重傳遞函數[3,6]

注：BD：土壤容重(g/cm3)；SOM：土壤有機質(淋溶土、雛形土和新成土模型中單位為g/g，其他模型中單位為g/kg)；clay：黏粒(%)；depth：土壤深度(cm)。

2.4 CEC的預測

土壤CEC是土壤的基本特性和主要肥力影響因素之一，直接反映土壤保蓄、供應和緩沖陽離子養分的能力，同時影響其他土壤理化性質。土壤CEC常被作為土壤資源質量的評價指標和土壤施肥、改良的主要依據[33-34]。考慮到土壤CEC的測試方法比較復雜，大規模補測數據不現實，利用土壤其他屬性來預測土壤CEC具有重要意義。

從表4中可以看出，有機土、潛育土和變性土CEC傳遞函數的預測精度最高(2> 0.669)，旱耕人為土和新成土CEC傳遞函數的預測精度較高(2> 0.528)，傳遞函數在這些土綱可以較好地實現CEC缺失數據的填補工作。均腐土、鹽成土和鐵鋁土CEC傳遞函數的預測精度中等，水耕人為土、干旱土、富鐵土、淋溶土和雛形土CEC傳遞函數的預測精度很低，這些土綱不適合利用本研究提議的CEC傳遞函數來填補缺失數據。

表3 土壤速效養分的最優傳遞函數

注：AN：堿解氮(mg/kg)；AP：有效磷(mg/kg)；AK：速效鉀(mg/kg)；sand：砂粒(%)；TN：全氮(g/kg)；TP：全磷(g/kg)；TK：全鉀(g/kg)。

表4 不同土壤類型的最優CEC傳遞函數

注：CEC：土壤陽離子交換量(cmol/kg)；SOM：土壤有機質(g/kg)；clay：黏粒(%)；slit：粉粒(%)；sand：砂粒(%)；TN：全氮(g/kg)；TK：全鉀(g/kg)。

2.5 氧化鐵的預測

土壤中的氧化鐵是由硅酸鹽類礦物在地表特定水熱條件下，經過風化作用形成的，它的形態和各種性質易隨成土環境的改變而改變，所以它們既是成土過程的產物，也是成土條件的反映[35]。在土壤發生、分類與土壤物理、化學性質以及土壤肥力方面，氧化鐵的研究都是極其重要的，如在中國土壤系統分類中是劃分水耕人為土、富鐵土、鐵鋁土和淋溶土的一個重要指標[11]。通常將連二亞硫酸鈉-檸檬酸鈉-重碳酸鈉溶液(DCB)提取的鐵稱為游離鐵(Fed)，包含了土壤中所有形態的鐵氧化物。盡管如此，土壤Fed的測試方法比較復雜，大批量測試費時費力，成本高昂，這造成我國大多數土壤數據庫嚴重缺失土壤Fed數據。傳遞函數可以較好地實現水耕人為土、鐵鋁土、富鐵土和淋溶土Fed的預測(表5)。盡管如此，土壤數據庫中Fet的數據也缺失嚴重，所以大批量填補土壤Fed缺失數據仍然非常困難。但在一些研究中，如果對樣品測試精度要求不太高，可以利用土壤已有數據來估算土壤Fed含量。

表5 土壤氧化鐵的最優傳遞函數

注：clay：黏粒(%)；Fet：全鐵(g/kg)；TK：全鉀(g/kg)。

3 討論

本研究的建模數據集主要來自于全國第二次土壤普查數據庫，具有一定的時效特征，這可能會影響到傳遞函數在其他研究中的應用。在填補缺失數據時，本研究首先考慮模型的穩定性。在保證精度的前提下，盡可能地少選參數，使用那些相對穩定且數據完整性好的土壤屬性，如質地、pH、SOM、TN、TP和TK等，來預測缺失數據。我國第二次土壤普查數據庫基本都缺少空間屬性信息，在填補缺失數據時采用回歸模型，未考慮地形、氣候、母質等因素。一方面是因為經驗模型在應用時預測精度相對較穩定，另一方面是因為地形、氣候、母質等因素的數據量大，完整獲取較困難。這些因素應在今后的深入研究中加以考慮。

需要特別指出的是，將中國土壤發生分類體系轉為中國土壤系統分類體系，是一個非常復雜的過程。即使在土綱級別的轉換仍只是大致的，一般一個發生學土綱對應1 ~ 3個系統分類土綱[36]。這一轉換的不精確性會影響到傳遞函數的預測精度。不管土壤發生分類還是土壤系統分類，同土綱內的土壤仍復雜多變，影響土壤屬性的非土壤因素多而復雜，這也會影響到傳遞函數的預測精度。此外，土壤傳遞函數的預測精度和穩定性與建模樣本數量也有密切關系。有機土和鐵鋁土的建模樣本數比較少，在應用土壤傳遞函數填補缺失數據時一定要特別小心。

本研究中，AK和AP傳遞函數的預測精度偏低。可能是因為提議模型沒有反映影響土壤吸附或固定的因素，如Fed、CaCO3、酶活性、根際分泌物和黏土礦物類型等指標在數據庫中多是缺失或無法定量的。類似的，水耕人為土、干旱土、富鐵土、淋溶土和雛形土CEC傳遞函數和雛形土Fed傳遞函數的預測精度也很低。這可能同樣是因為影響因素比較復雜，在以后的研究中需要重視。

4 結論

質地(砂粒、粉粒和黏粒含量)、pH、SOM、TN、TP、TK是土壤普查中最基礎的調查項目，這些土壤屬性信息的完整性最好。AP、AK和CEC數據有一定的缺失。AN、容重、礫石含量和各種類型氧化鐵數據缺失嚴重。在填補缺失數據時，建議首先考慮模型的穩定性，盡量使用那些相對穩定且數據完整性好的土壤屬性來預測缺失數據。我國第二次土壤普查數據庫基本都缺少空間屬性信息，在填補缺失數據時最好采用簡單而相對穩定的回歸模型。利用回歸分析得到的土壤傳遞函數可以較好地實現容重、AN和部分CEC缺失數據的填補工作。盡管如此，由于部分土壤屬性信息有一定的時效性，應用傳遞函數時要注意數據源的歷史背景。

[1] W?stena J H M, Pachepsky Y A, Rawls W J. Pedotransfer functions: Bridging gap between available basic soil data and missing soil hydraulic characteristics[J]. Journal of Hydrology, 2001, 251: 42–49

[2] Mcbratney A B, Minasny B, Cattle S. et al. From pedotransfer functions to soil inference systems[J]. Geoderma, 2002, 109: 41–73

[3] Han G Z, Zhang G L, Gong Z T, et al. Pedotransfer functions for estimating soil bulk density in China[J]. Soil Science, 2012, 177(3): 158–164

[4] 劉繼紅, 蘭傳賓, 陳杰. 區域土壤容重轉換函數構建與預測結果評價——以河南省封丘縣為例[J]. 土壤通報, 2013, 44(1): 77–82

[5] 王巧利, 林劍輝, 許彥峰. 基于BP神經網絡的土壤容重預測模型[J]. 中國農學通報, 2014, 30(24): 237–245

[6] 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

[7] 廖凱華, 徐紹輝, 程桂福, 等. 基于不同PTFS的流域尺度土壤持水特性空間變異性分析[J]. 土壤學報, 2010, 47(1): 33–41

[8] 王改改, 張玉龍. 土壤傳遞函數模型的研究進展[J]. 干旱地區農業研究, 2012, 30(1): 99–103

[9] 鄒剛華, 李勇, 李裕元, 等. 亞熱帶小流域稻田土壤飽和導水率傳遞函數構建[J]. 土壤通報, 2013, 44(2): 302–307

[10] 中國土壤普查辦公室. 中國土種志(1–6)[M]. 北京: 中國農業出版社, 1995

[11] 中國科學院南京土壤研究所土壤系統分類課題組&中國土壤系統分類課題研究協作組. 中國土壤系統分類檢索[M]. 3版. 合肥: 中國科學技術大學出版社, 2001

[12] 龔子同, 張甘霖, 陳志誠, 等. 以中國土壤系統分類為基礎的土壤參比[J]. 土壤通報, 2002, 33(1): 1–5

[13] 楊國祥, 史學正, 于東升, 等. 基于WebGIS的中國土壤參比查詢系統研究[J]. 土壤學報, 2007, 44(1): 1–6

[14] 李德成, 張甘霖, 龔子同. 我國砂姜黑土土種的系統分類歸屬研究[J]. 土壤, 2011, 43(4): 623–629

[15] Heuscher S A, Brandt C C, Jardine P M. Using soil physical and chemical properties to estimate bulk density[J]. Soil Science Society of America Journal, 2005, 69: 1–7

[16] Lenaviciute N. Predicting soil bulk and particle densities by pedotransfer functions from existing soil data in Lithuania[J]. Geografijos metrastis, 2000, 33: 317–328

[17] Marco A, Marcello D. SOILPAR 2. 00: Software to estimate soil hydrological parameters and functions[J]. European Journal of Agronomy, 2003, 18: 373–377

[18] Yu D S, Shi X Z, Wang H J, et alRegional patterns of soil organic carbon stocks in China[J]. Journal of Environ-mental Management, 2007, 85(3): 680–689

[19] Benites V M, Machado P L O A, Fidalgo E C C, et al. Pedotransfer functions for estimating soil bulk density from existing soil survey reports in Brazil[J]. Geoderma, 2007, 139: 90–97

[20] Post W M, Kwon K C. Soil carbon sequestration and land-use change: Processes and potential[J]. Global Change Biology, 2000, 6: 317–327

[21] Tremblay S, Ouimet R, Houle D. Prediction of organic carbon content in upland forest soils of Quebec, Canada[J]. Canadian Journal of Forest Research-revue Canadienne De RechercheForestiere, 2002, 32: 1–12

[22] Kaur R, Kumar S, Gurung H P. A pedo-transfer function (PTF) for estimating soil bulk density from basic soil data and its comparison with existing PTFs[J]. Australian Journal of Soil Research, 2002, 40: 847–857

[23] Prévost M. Predicting soil properties from organic matter content following mechanical site preparation of forest soils[J]. Soil Science Society of America Journal, 2004, 68: 943–949

[24] Périé C, Ouimet R. Organic carbon, organic matter and bulk density relationships in boreal forest soils[J]. Cana-dian Journal of Soil Science, 2008, 88: 315–325

[25] Huntington T G, Johnson C E, Johnson A H, et al. Carbon, organic matter and bulk density relationships in a forested Spodosol[J]. Soil Science, 1989, 148: 380–386

[26] Leonavi?iut? N. Predicting soil bulk and particle densities by pedotransfer functions from existing soil data in Lithuania[J]. Geografijos metra?tis, 2000, 33: 317–330

[27] Alexander E B. Bulk densities of California soils in relation to other soil properties[J]. Soil Science Society of America Journal, 1980, 44: 689–692

[28] Salifu K F, Meyer W L, Murchison H G. Estimating soil bulk density from organic matter content, pH, silt and clay[J]. Journal of Tropical Forest Science, 1999, 15: 112– 120

[29] Harrison A F, Bocock K L. Estimation of soil bulk-density from loss-on-ignition values[J]. Journal of Applied Ecology, 1981, 8: 919–927

[30] Manrique L A, Jones C A. Bulk density of soils in relation to soil physical and chemical properties[J]. Soil Science Society of America Journal, 1991, 55: 476–481

[31] W?sten J H M, Pachepsky Y A, Rawls W J. Pedotransfer functions: Bridging the gap between available basic soil data and missing soil hydraulic characteristics[J]. Journal of Hydrologic Engineering, 2001, 251: 123–150

[32] 全國土壤普查辦公室. 中國土壤[M]. 北京: 中國農業出版社, 1998

[33] 黃昌勇. 土壤學[M]. 北京: 中國農業出版社, 2000

[34] 李學垣. 土壤化學[M]. 北京: 高等教育出版社, 2001

[35] Schwertmann U. The effect of pedogenic environments on iron oxide minerals[J]. Advances in Soil Science, 1985, 1: 171–200

[36] 趙其國, 史學正, 等. 土壤資源概論[M]. 北京: 科學出版社, 2007

Missing Data Imputation Approach for Soil Database Based on Pedotransfer Functions

HAN Guangzhong1, YANG Yinhua2, WU Bin2, LI Shanquan3*

(1 College of Geography and Resources Science, Neijiang Normal University, Neijiang, Sichuan 641112, China; 2 Dongxing Meteorological Bureau, Neijiang, Sichuan 641100, China; 3 College of Resources and Environment, Xingtai University, Xingtai, Hebei 054001, China)

Data missing is a common problem in soil survey and related researches. When this problem proposed, the common solution in most studies was to neglect it or remove records that have missing data due to the lack of the understanding of the importance of data missing. Obviously, this solution could not to satisfy the needs of practical studies. The application of pedotransfer functions (PTFs) provides a broad prospect for the interpolation of missing data of soil database in a simple, rapid and batch processing way. At present, few studies were carried to analyze or interpolate the missing data of soil database in China. More importantly, the method to interpolate the missing data of soil database needs to be standardized. In this study, the characteristics of missing data in Chinese Soil Database from the Second National Soil Survey were analyzed, and the interpolations of serious missing date of soil properties were tried in order to provide knowledge for future researches. Results showed, the data of soil texture (sand, silt and clay contents), pH, organic matter, total nitrogen, total phosphorus and total potassium were most complete for they are the basic survey factors in soil survey. The data of available phosphorus, available potassium and cation exchange capacity had a certain miss. The data of alkaline nitrogen, bulk density and iron oxides were missed seriously. Considering that the stability of prediction model is essential, so soil properties with complete data would be used with top priority in the interpolation of data missing. The existing Chinese Soil Database is in short of spatial attribution data, so it is better to use regression model than use spatial interpolation in the interpolation of missing data of soil database. In this study, PTFs from regression analysis could meet the requirement of data interpolation of bulk density, alkaline nitrogen and partial cation exchange capacity. Besides, some soil properties such as available potassium could be time limited, so the historical background of data sources should be considered in the application of PTFs.

Soil database; Data missing; Pedotransfer functions; Data imputation

四川省科技計劃項目(2018JY0527)、四川省教育廳重點項目(17ZA0223)和內江師范學院成果轉化重大培育項目(17CZ03)資助。

li-9yuyan@163.com)

韓光中(1981—)，男，山東費縣人，博士，副教授，主要從事土壤發生與土壤退化研究。E-mail: hanguangzhong@163.com

S159.2

A

10.13758/j.cnki.tr.2019.05.027