基于投影尋蹤的土壤養分綜合評價及影響因素研究①

張 彬，楊聯安，楊粉莉，王 輝，謝賢健，陳衛軍

基于投影尋蹤的土壤養分綜合評價及影響因素研究①

張 彬1，楊聯安2,3*，楊粉莉4，王 輝5，謝賢健1，陳衛軍6

(1 內江師范學院地理與資源科學學院，四川內江 641000；2 西北大學陜西省地表系統與環境承載力重點實驗室，西安 710127；3 西北大學城市與環境學院，西安 710127；4咸陽市農業科學研究院，陜西咸陽 712000；5 咸陽市土壤肥料工作站，陜西咸陽 712000；6旬邑縣土壤肥料工作站，陜西旬邑 711300)

客觀、精準研究土壤綜合養分及影響因素，可為農作物科學施肥提供參考依據。以陜西省旬邑縣蘋果種植區為研究區，選取有機質、堿解氮、速效鉀和有效磷為評價指標，將投影尋蹤綜合評價法運用到土壤養分評價中，根據最佳投影方向，計算土壤養分綜合投影指數(comprehensive projection index, CPI)，并依據經驗等級對應投影值，從而評價土壤養分等級，基于普通克里格和GIS繪制土壤養分綜合指數等級分布圖，并利用隨機森林的importance()函數分析影響因素對養分含量的重要性。結果表明：研究區CPI的變幅為0.653 ~ 1.516，平均值1.022，變異系數為14.746%，呈中等程度變異，同時CPI屬于Ⅲ級和Ⅳ級；基于80% 訓練集和20% 驗證集的精度交叉驗證，球面函數為最優理論模型；土壤綜合養分的總體空間分布格局：除土橋、職田和湫坡頭鎮東部的養分等級高，土壤養分等級從西部向東部遞減，從高到低的面積比例為：14.415︰28.522︰35.450︰20.115︰1.498，土壤綜合養分屬于中等及偏下水平，且主要分布在東部；高程、氣溫和坡度等因子是影響區域土壤養分的主導因子，且每項影響因子對土壤養分含量的影響度差異大。研究結果與當地實際相吻合，可為當地果園提高土壤肥力提供科學依據，也為區域土壤養分評價提供了新思路。

土壤養分；影響因素；綜合評價；投影尋蹤；隨機森林

土壤是成土因素長期綜合作用下逐漸形成的不均一的、具有一定肥力的時空連續體。土壤養分是土壤特性的綜合反映，也是衡量土壤肥力的重要指標[1]。土壤養分評價是土壤肥力評價的重要組成部分，是實現土地資源可持續利用的重要手段。同時，土壤養分含量及空間分布受多項自然成土因素和人類生產活動的影響[2]。因此，研究土壤養分綜合評價及影響因素對于精準施肥、養分精細管理、土壤資源生態利用和陸地農業生態系統的維護均具有重要意義。

關于土壤養分綜合評價，眾多學者做了大量研究，其差異性主要表現在評價指標選取、權重獲取和綜合計算3個方面對于區域土壤養分綜合評價的適應性。評價指標的選取主要遵循全面性、主導性和可獲取性等原則，以最小數據集進行養分評價研究[3]；關于綜合評價中權重獲取的方法，傳統獲取方法主要以經驗值打分為主，其結果具有主觀隨意性，從而學者們引進了熵權法、主成分分析和偏相關分析等客觀確定權重的方法[4-6]；從綜合計算方法來看，前期主要采用了主成分分析、綜合指數、灰色關聯度和地統計分析等方法，近年來，不少學者引進了神經網絡模型、TOPSIS、物元分析、云模型和模糊識別模型等方法[4, 6-11]，對土壤養分進行綜合評價研究。綜上所述，在指標權重獲取和綜合計算方法方面均向客觀、定量化發展，逐步提高土壤養分綜合評價的客觀性、精準性。由于土壤養分具有模糊性和隨機性，大部分學者采用一些方法計算參評指標權重和綜合值，建立了土壤養分與評價值之間的線性關系，但忽略了土壤養分的一些有用信息，影響了評價結果的精確性。投影尋蹤綜合評價基于實驗數據構造投影目標函數，利用遺傳算法尋找最優方向，建立土壤養分樣本值與投影值之間一一對應的非線性關系，能夠更好反映土壤養分的非均一性及其數據的結構特征，并根據土壤養分分級標準計算對應的經驗投影值，從而構建投影尋蹤綜合評價體系，保證了評價結果的客觀性和科學性。同時，蘋果種植區土壤養分受多項因子的影響，且每項因子的影響度不一致。前人研究表明，地形因子和土壤類型是影響土壤養分的主要因素[12-13]。為了進一步探究影響因子對土壤養分的影響度，本研究引入隨機森林的importance() 函數，分析氣候、降水、土壤類型和地形因子對土壤養分影響的重要性程度。

以陜西省旬邑縣蘋果種植區為研究區，選取有機質、堿解氮、速效鉀和有效磷為評價指標，將投影尋蹤綜合評價法引入到土壤養分綜合評價中，并計算土壤養分分級標準值的投影值，構建土壤養分綜合評價體系，綜合評價研究區土壤養分等級水平，繪制土壤養分等級分布圖，分析其空間分布特征，并利用隨機森林的importance() 函數分析影響因子對各項土壤養分的重要性程度。研究結果為土壤養分豐缺狀況的綜合評估、農作物的精準施肥提供技術支撐和理論依據。

1 材料與方法

1.1 研究區概況

旬邑縣地處陜西省中部，位于咸陽市東北部，屬于關中平原和陜北高原的過渡地帶，地處108°08′ ~ 108°52′E，34°57′ ~ 35°33′N，轄區面積1 181 km2，下轄11個鎮3社區；該縣屬于暖溫帶半干旱大陸性氣候，年日照時數2 346.9 h，年均氣溫9.1℃且氣溫日、年較差均較大，年平均降水量612.9 mm，降水季節變率大，時空分布不均；縣內海拔768 ~ 1 835 m，地勢為東北高西南低，地貌單元主要包括黃土高原溝壑區和土石山地；全縣的地帶性土壤為褐土，主要土壤類型包括褐土、黃土、黑壚土和淤土等；植被類型以溫帶落葉闊葉林為主，包括油松林、遼東櫟林、山楊林、白樺林和虎榛子灌叢等，人工植被以蘋果樹為主。

1.2 數據制備

1.2.1 土壤養分數據制備 根據農業部測土配方施肥技術規范和要求，選取旬邑縣典型蘋果生產園，綜合考慮果園的面積、形狀、地貌和果樹的生長年限，基于全面、均衡和客觀的原則，科學確定果園采樣單元，在手持GPS情況下，基于“S”形的樣點空間分布鉆取土樣，果園采樣深度為0 ~ 40 cm，并記錄土壤采樣點的地理位置(經度、緯度和高程)，每個采樣地均勻隨機采樣15個點，均勻混合后采取“四分法”取1 kg土壤樣品，帶入實驗室經過風干、研磨和過篩，2014年秋季采集有效土壤樣品376份，其采樣點空間分布如圖1所示。采用油浴加熱–重鉻酸鉀容量法測定土壤有機質含量，采用堿解擴散法測定堿解氮含量，速效鉀采用乙酸銨浸提–火焰光度法測定，采用碳酸氫鈉浸提–鉬銻抗比色法測定有效磷含量[13]。

圖1 研究區采樣點分布

1.2.2 影響因子數據來源 區域土壤養分含量受土壤類型、地形、氣候、植被覆蓋和土地利用等自然因子和人類活動因子的綜合影響[14-16]。參考已有研究成果，根據研究區實際情況，選取土壤類型(soil type，ST)、年均降水(rainfall，Rain)、年均氣溫(temperature，Temp)、高程(elevation，ELE)、坡度(slope，SLO)、坡向(aspect，ASP)、水平曲率(horizontal curvature，HORIZC)、剖面曲率(profile curvature，PROFC)、地形起伏度(relief，REL)和地形濕度指數(topographic wetness index，TWI)作為影響因子。行政區劃矢量圖、土壤類型圖來源于旬邑縣土壤肥料站；年均降水量和年均氣溫數據來源于世界氣象數據庫(http://www. worldclim.org/)，下載1970—2000年月平均降水和平均氣溫數據，并計算30 a平均降水量和平均氣溫；分辨率30 m 的DEM數據來源于中國科學院地理空間數據云，利用ArcGIS10.2的地形因子工具提取坡度、坡向、水平曲率和剖面曲率，并利用地圖代數計算地形起伏度和地形濕度指數[17]。

1.2.3 數據處理與分析 采用平均值±3倍標準差方法剔除土壤養分數據的異常值，利用SPSS軟件進行土壤養分一般性統計特征描述，基于DPS9.50軟件對土壤養分進行投影尋蹤綜合評價，計算土壤養分綜合投影指數，利用GIS繪制研究區土壤綜合養分等級分布圖，并基于隨機森林的importance() 函數分析影響因子對土壤養分的影響度。

1.3 研究方法

1.3.1 投影尋蹤綜合評價 投影尋蹤綜合評價是一種處理多元數據的新算法，旨在解決多指標樣本分類等非線性問題[18]。原理為基于低維空間的投影特征研究高維數據的特征，獲得反映實驗樣本數據結構特征的最優投影特征值，建立因變量與投影特征值之間一一對應的函數關系，從而完成高維數據向低維數據的轉換，即將多個評價指標集成為一個綜合評價指標，用于評價研究對象的數量與質量差異。其評價步驟如下：

1)樣本集的構建。

x︱=1,…,;= 1,…,} (1)

式中：x是第個樣本的第個指標值。

2)數據標準化。

3)投影目標函數() 的構造。將維數據合成為某一方向的一維投影值，用維的單位向量(1，2，…，a)表征某一投影方向，某土壤樣本在該方向上的投影值為：

在優化一維投影指標時，要求投影值Z的散布特征：局部投影點盡可能密集，盡量凝聚成若干團，但從整體上點團之間盡可能分散，因此用下式進行指標函數的構建：

() =()() (4)

式中：()表示投影值的標準差，()為投影值的局部密度，分別為：

4)最佳投影方向的估計。目標函數()值與投影方向向量有關，當()取最大值時的方向是最能反映高維數據結構特征的方向。因此本研究通過求解投影目標函數優化問題來估計最佳投影方向，即求解：

遺傳算法在優化全局方面具有很好的效果，用于解決目標函數優化問題。

5)投影尋蹤綜合評價。在獲得近似最佳投影方向之后，計算土壤養分綜合投影指數(comprehensive projection index，CPI)，并計算每個經驗等級的投影特征值，通過經驗等級對應投影值，建立基于投影值的評價體系，對其進行綜合評價。

1.3.2 普通克里格 普通克里格是地統計插值的主要方法之一，以變異函數理論和結構分析為基礎，對區域化變量進行無偏最優估值的方法[19-20]。普通克里格是在區域化變量滿足前提假設之下，基于區域化變量之間的空間自相關性，采用半方差函數對實驗數據進行結構分析，利用觀測值與估計值之間的線性關系，對待估值點進行最優無偏估計[21]，其公式如下：

式中：代表樣本數，λ為樣點x處的觀測值(x)與待估值*()的權重系數。

1.3.3 隨機森林 隨機森林是由Breiman提出的一種機器學習算法，由一系列CART決策樹集成[22-23]。本研究采用隨機森林的變量重要性指標，對每項影響因子對土壤養分的影響度進行排序。基本原理為：在構建決策樹過程中，將4/5的樣點作為訓練集，剩余1/5為袋外數據(out-of-bag，OOB)，作為驗證集。影響因子重要性大小基于計算預測精度的平均下降量(% IncMSE)獲得，預測精度的平均下降量是指將每個預測變量替換為隨機噪音后，所有決策樹的袋外驗證樣本的預測精度的平均下降量。下降量越大的影響因子，其重要性就越大，即對土壤養分含量的影響度就越大，預測精度下降量小，表明其影響因子的重要性較低。基于R軟件的Random Forest包對土壤養分影響因子的重要性進行排序。

2 結果與分析

2.1 土壤養分的一般性描述

研究區土壤養分的一般統計特征如表1所示，從表1可知，蘋果種植區各養分指標的平均含量為：有機質12.386 g/kg，堿解氮49.152 mg/kg，速效鉀201.27 mg/kg，有效磷17.444 mg/kg。參照陜西省渭北地區蘋果園土壤養分分級標準[24]，土壤有機質含量屬于Ⅲ級，表明其區域有機質為中等水平，這與王娟等[25]研究的果園有機質含量水平具有一致性；堿解氮含量屬于Ⅳ級，其堿解氮含量低于大多數蘋果主產區；速效鉀含量屬于Ⅱ級，表明其土壤中鉀含量偏高，這與研究區黑壚土中鉀素含量偏高及人工追肥有關；有效磷含量屬于Ⅲ級，表明果區土壤有效磷含量屬于中等水平。根據單項土壤養分豐缺評價結果，蘋果園應增加有機肥施用量，合理調控氮磷鉀肥的施用比例，實現科學施肥。

表1 蘋果種植區土壤養分含量一般性統計描述

從變異系數來看，4項土壤養分的變異系數均處于10% ~ 100%，這表明土壤養分均呈中等程度變異，其排序為速效鉀>有效磷>有機質>堿解氮，其中速效鉀的變異程度最大，其值為35.367%，表明人為施肥活動對土壤中速效鉀含量影響較大。從K-S檢驗結果來看，4項土壤養分指標均存在一些偏態，經過對數轉換之后，其峰度值和偏度值均接近3和0，數據呈對數正態分布(標準正態分布的K值和S值分別為3和0)。總的來說，蘋果區土壤養分空間分布不均勻，且均呈中等程度變異。

2.2 土壤養分綜合評價

在前人研究成果的基礎上[26]，根據土壤養分分級標準，依據最優投影方向計算綜合投影值，從而劃分土壤養分等級，有利于客觀、精確地對土壤養分等級進行劃分。根據蘋果園各項土壤養分分級標準值，利用公式(2)對其標準值進行標準化處理，基于DPS軟件計算最優投影方向，并利用公式(3)計算該最優投影方向的綜合投影值，其結果見表2。從表2可知，土壤養分分級標準值對應的綜合投影值分別為2.106 5、1.600 2、1.100 9和0.647 8，據此對土壤養分綜合投影指數劃分等級，其結果為：Ⅰ級(>2.106 5)、Ⅱ級(2.106 5 ~ 1.600 2)、Ⅲ級(1.600 2 ~ 1.100 9)、Ⅳ級(1.100 9 ~ 0.647 8)和Ⅴ級(<0.647 8)。

表2 土壤養分分級標準及其綜合投影值

利用投影尋蹤綜合評價計算土壤養分綜合投影指數，并對其進行一般性統計描述(表3)，變幅為0.653 ~ 1.516，平均值1.022，變異系數14.746%，表示其呈中等程度變異。在LOG變換之后，峰度3.283，偏度–0.034，其值分別接近3和0，數據接近正態分布。同時，根據上述綜合投影指數等級劃分標準，CPI屬于Ⅲ級和Ⅳ級，其比重分別為73.404% 和26.596%，表明研究區土壤綜合養分屬于中等偏下水平。

表3 土壤養分綜合投影指數一般性描述

2.3 土壤養分空間分布特征

為了客觀、精準分析研究區土壤綜合指數空間分布特征，參考前人研究成果[27]，基于訓練集和驗證集數據，利用6項精度參數對其進行交叉驗證，獲得最優變異函數理論模型，此基礎之上利用普通克里格對土壤養分綜合指數進行空間插值，繪制土壤養分綜合指數等級分布圖，分析其空間分布特征。

2.3.1 普通克里格插值 數據符合正態分布是地統計分析的前提假設，因此實驗數據必須接近正態分布，才能進行地統計插值及其相關分析[28]。從上文可知，土壤養分綜合指數滿足正態分布的要求，能進行普通克里格插值預測。為了提高預測精度，選擇最優變異函數理論模型，利用ArcGIS將實驗數據分為80% 訓練集和20% 驗證集，分別為301和75個樣點，運用地統計向導工具對變異函數模型進行交叉驗證，結合6項精度參數綜合比較3類理論模型的精度，結果如表4所示。從表4可知，在訓練集交叉驗證中，相比于指數函數、高斯函數，球面函數的ME(平均誤差)、RMSE(均方根預測誤差)更小，MESD(標準平均值)更接近于0，DABS(|RMSE-ASE|)值更小，同時在驗證集交叉驗證中，驗證集球面函數的ME、RMSE、ASE(平均值標準誤差)和DABS也更小，MESD更接近于0，表明球面函數為本研究擬合效果最優的變異函數理論模型。

表4 普通克里格的變異函數模型精度比較

注：ME：平均誤差；MESD：標準平均值；RMSE：均方根預測誤差；RMMSE：最小均方誤差；ASE：平均值標準誤差；DABS：IRMSE–ASE。

基于普通克里格對訓練樣本的土壤養分綜合指數進行空間預測，數據采用LOG變換，選擇球面函數模型，獲得研究區土壤養分綜合指數圖。同時，為了對插值結果的精準性做進一步驗證，利用ArcGIS 10.2的Spatial analyst工具，基于土壤養分綜合指數圖提取75個驗證樣點的綜合指數，與其原始綜合指數做精度比較，其中平均值、極大值和極小值的相對預測誤差分別為6.587%、2.265% 和10.291%，表明預測結果與土壤養分的實際狀況相吻合。

2.3.2 土壤養分空間分布特征 為了客觀、定量化研究土壤養分的空間分布特征，參考前人研究成果[13]，自然斷裂分級法(jenks)根據數據中固有的特征，對其數值進行科學分組，使其差異最大化。利用自然斷裂分級法對土壤養分綜合指數進行分級，有利于精細表征土壤養分等級情況，細化土壤養分內部差別，實現土壤養分精細化管理。利用jenks將土壤養分綜合指數劃分為5個自然級，分別為極高(1.249 ~ 1.516)、高(1.123 ~ 1.249)、中等(1.012 ~ 1.123)、低(0.897 ~ 1.012)和極低(0.653 ~ 0.897)，計算了每個等級所占面積的比重(表5)，并繪制了土壤養分綜合指數等級分布圖(圖2)。

表5 土壤養分綜合指數分級及面積比例

從圖2可知，研究區土壤養分綜合投影指數的大致空間分布格局為：除湫坡頭鎮東部、職田鎮和土橋鎮等地區，CPI是從西部向東部遞減，其高值區的空間分布與黑壚土分布的地理位置大致吻合，主要分布在張洪鎮、原底鄉、丈八寺、土橋鎮和太鎮南部等地區，其低值區主要分布在蒲塬鄉、城關鎮、湫坡頭和太鎮的北部等地區，其分布區域的主要土壤類型為黃綿土。土壤養分CPI極高的面積占全區的14.415%，主要分布在太鎮南部、張洪鎮北部和丈八寺鎮南部等地區，這與當地黑壚土的養分含量高、坡度適宜以及人工施肥量有關；綜合養分指數中等的區域占總面積的35.450%，其空間分布不均，主要分布在中部和東部；綜合指數低的地區占全區的20.115%，主要分布在湫坡頭鎮南部、太鎮北部和蒲塬鄉等地區。土壤養分綜合指數等級從高到低的面積比例：14.415︰28.522︰35.450︰20.115︰1.498，中等、低和極低的總面積占全區的57.063%，表明大部分蘋果種植區土壤養分屬于中等及偏下水平，主要分布在中部和東部。綜上所述，研究區總體土壤養分屬于中等及偏下，主要分布在中部和東部，因此，應調整施肥結構，因地制宜，實現科學、精準施肥。

圖2 研究區土壤養分綜合指數等級分布圖

2.4 土壤養分影響因素

基于importance() 函數對土壤養分10項影響因子進行重要性排序，其結果見圖3，從圖3可知，其影響因子對每項土壤養分的影響度存在較大差異。研究區高程和氣溫對有機質含量影響度很大，其%IncMSE值分別為18.556% 和16.231%，表明高程和氣溫是影響研究區有機質的主導性因子，這與前期研究成果具有一致性[29]，其次降水和土壤類型對土壤有機質也具有較大影響。從堿解氮來看，氣溫、高程和地形起伏度對其含量重要性排名前三，其%IncMSE值分別為13.539%、13.320% 和10.405%，這與氣溫高低影響土壤中氮素的分解程度，高程和地形起伏度影響區域土壤中氮素的流動與保持程度等有關。對于速效鉀而言，水平曲率和高程對速效鉀含量的影響很大，其%IncMSE值分別為15.080% 和14.044%，這與土壤速效鉀的養分特性有關。影響有效磷含量的3個主要因子為氣溫、高程和坡度，其重要性分別為14.133%、12.728% 和10.631%，氣溫和高程因子影響土壤有機質含量，從而影響土壤有效磷含量及其分布。

(ST：土壤類型；Rain：年均降水；Temp：年均氣溫；ELE：高程；SLO：坡度；ASP：坡向；HORIZC：水平曲率；PROFC：剖面曲率；REL：地形起伏度；TWI：地形濕度指數)

綜上所述，影響因子對研究區土壤養分含量的影響度差異性很大，其中高程、氣溫和坡度等因子為主導因子，這與土壤養分特性、當地氣候和地形地貌有關。其中有機質主要受高程、氣溫、降水和土壤類型的影響；堿解氮含量主要與氣溫、高程、地形起伏度和剖面曲率有關；速效鉀含量主要受水平曲率、高程、降雨和氣溫影響；有效磷含量主要與氣溫、高程、坡度和水平曲率有關。

3 討論

根據土壤養分的一般性描述統計，研究區土壤有機質為中等水平，這與王娟等[25]和王留好等[30]對該區域有機質的研究結果基本吻合，并與陜西省有機質的平均水平相一致。果園堿解氮含量為Ⅳ級，表明土壤堿解氮處于缺乏狀態，這與張麗娜等[31]研究蘋果園土壤氮含量偏低的結論具有一致性，這與蘋果樹生長過程中養分吸收特點及果農培肥等有關。果園速效鉀含量為較高水平，這與研究區大部分土壤屬于黑壚土，鉀含量高有關。有效磷含量為中等水平，且變異系數大，這表明其含量主要與果農磷肥使用量、施肥習慣有關。因此，果農應增施有機肥、氮肥，減少鉀肥，科學調配蘋果樹的用肥比例。

基于投影尋蹤綜合評價土壤養分，利用普通克里格繪制土壤綜合養分等級圖，并分析其空間分布特征，其結果與前期研究成果具有一致性[28]，表明此方法運用到土壤養分綜合評價中具有可行性和科學性。土壤養分綜合投影指數為Ⅲ級和Ⅳ級，呈中等偏下水平，這與前期研究成果具有一致性。利用訓練集和驗證集的精度交叉驗證，選擇最優變異函數理論模型，能夠更好模擬土壤綜合養分的空間分布結構，從而提高預測精度。利用相對預測誤差進一步檢驗精度，其平均值和極大值的相對預測誤差6.587% 和2.265%，表明預測結果精度較好，與養分實際狀況基本一致，可進行后續的土壤綜合養分空間分布特征分析。CPI總體格局為從西部向東部遞減，高值區主要分布在西部的張洪鎮、原底鄉、丈八寺鎮和東部的土橋鎮等地區，這些地區養分含量高的主要原因為：該區域的主要土壤類型為黑壚土，其養分含量高、保肥性能好，同時坡度、坡向較適宜，光照和水熱充足。低值區主要分布在西部的城關鎮-蒲塬鄉一帶，其原因為：黃綿土為該區域的主要土壤類型，其土壤保肥效果差，腐殖質含量少，綜合肥力低下，同時也與高程、坡度等地形因子有關。為了進一步探討土壤樣分含量及分布差異大的原因，采用隨機森林的importance()函數分析了4項養分的影響因素。從分析結果來看，高程、氣溫和坡度等因子是影響單項土壤養分的主導因子，這與當地的自然環境和蘋果樹的生長特性有關。研究區平均高程為1 201.827 m，相對高程為707 m，高程差異大，其養分形成的自然條件差異大，從而導致其土壤養分差異較大。坡度對單項土壤養分影響度大，這與當地處于關中平原與陜北高原的過渡地帶，坡度變化率大有關。

投影尋蹤綜合評價依據數據本身尋找最優方向，獲取最優投影特征值，實現客觀賦權，減少了人為因素干擾，提高了研究結果的精準性。總的來說，采用投影尋蹤和GIS相結合的方法，客觀、精準地對土壤綜合養分進行了空間定量化研究，但投影指標的選取對分類評價影響具有不確定性，因此在土壤養分綜合評價過程中，應進一步構建更加全面的評價指標體系，不同投影方向優選算法也影響評價結果的客觀性，這些均有待進一步研究。本研究利用importance() 函數有效分析了土壤養分含量的影響因素，但缺乏對土壤影響因素的直接定量化及其空間可視化研究。同時由于土壤養分綜合評價和影響因素的復雜性，可進一步采用多元評價方法對其評價，分析其適應性，同時深入研究土壤養分影響因素定量化的科學問題。

4 結論

1)根據蘋果種植區土壤養分分級標準，研究區土壤有機質含量屬于Ⅲ級，為中等水平，堿解氮等級為Ⅳ級，其低于平均水平，速效鉀含量屬于Ⅱ級，為較高水平，有效磷含量等級為Ⅲ級，4項養分指標的變異系數均在10% ~ 100%，呈中等程度變異，因此，果園應科學調配氮磷鉀肥的施用比例，重點增施氮肥和有機肥。

2)基于投影尋蹤綜合評價法獲得土壤養分綜合投影指數，CPI范圍為0.653 ~ 1.516，平均值1.022，呈中等程度變異，CPI屬于Ⅲ級和Ⅳ級，土壤綜合養分為中等偏下水平。基于精度參數的交叉驗證，球面函數為最優變異函數模型。

3)研究區土壤CPI的總體空間分布格局：除湫坡頭鎮東部、職田鎮和土橋鎮等地區，從西部向東部遞減，其等級從高到低的面積比例為14.415︰28.522︰35.450︰20.115︰1.498，其中等及以下的累積比例為57.063%。總的來說，研究區土壤養分為中等偏下水平，主要分布在東部。影響因素分析表明：高程、氣溫和坡度等因子為主導因子，且每項影響因子對養分的影響度差異較大。

[1] 陶睿, 王子芳, 高明, 等. 重慶市豐都縣紫色土養分空間變異及土壤肥力評價[J]. 土壤, 2017, 49(1): 155–161.

[2] 韓丹, 程先富, 謝金紅, 等. 大別山區江子河流域土壤有機質的空間變異及其影響因素[J]. 土壤學報, 2012, 49(2): 403–408.

[3] 張世文, 張立平, 葉回春, 等. 縣域土壤質量數字制圖方法比較[J]. 農業工程學報, 2013, 29(15): 254–262.

[4] 楊建宇, 歐聰, 李琪, 等. 基于云模型的耕地土壤養分模糊綜合評價[J]. 農業機械學報, 2018, 49(1): 251–257.

[5] 黃婷, 岳西杰, 葛璽祖, 等. 基于主成分分析的黃土溝壑區土壤肥力質量評價——以長武縣耕地土壤為例[J]. 干旱地區農業研究, 2010, 28(3): 141–147, 187.

[6] 趙串串, 安若蘭, 趙巧玉, 等. 物元模型在玉樹地區林地土壤養分評價中的應用[J]. 土壤, 2014, 46(6): 984–988.

[7] 韓磊, 李銳, 朱會利. 基于BP神經網絡的土壤養分綜合評價模型[J]. 農業機械學報, 2011, 42(7): 109–115.

[8] Li H, Leng W J, Zhou Y B, et al. Evaluation models for soil nutrient based on support vector machine and artificial neural networks[J]. The Scientific World Journal, 2014, 2014: 478569.

[9] 張彬, 楊聯安, 馮武煥, 等. 基于改進TOPSIS和COK的土壤養分綜合評價[J]. 干旱區資源與環境, 2016, 30(7): 180–185.

[10] 王晶, 任麗, 楊聯安, 等. 基于云模型的西安市蔬菜區土壤肥力綜合評價[J]. 干旱區資源與環境, 2017, 31(10): 183–189.

[11] 梁斌, 齊實. 北京山區土壤養分空間變化特征研究[J]. 土壤, 2018, 50(4): 769–777.

[12] 高燈州, 閔慶文, 陳桂香, 等. 聯合梯田農業文化遺產稻田土壤養分空間變異特征[J]. 生態學報, 2016, 36(21): 6951–6959.

[13] 張彬, 楊聯安, 楊粉莉, 等. 蘋果主產區土壤養分空間分布特征及其影響因素——以陜西省禮泉縣為例[J]. 土壤, 2016, 48(4): 777–784.

[14] 王玉軍, 歐名豪. 徐州農田土壤養分和重金屬含量與分布研究[J]. 土壤學報, 2017, 54(6): 1438–1450.

[15] Zhu A, Yang L, Li B L, et al. Construction of membership functions for predictive soil mapping under fuzzy logic[J]. Geoderma, 2010, 155(3–4):164–174.

[16] 宮兆寧, 李洪, 阿多, 等. 官廳水庫消落帶土壤有機質空間分布特征[J]. 生態學報, 2017, 37(24): 8336–8347.

[17] 黃興成, 顏家均, 劉洪斌, 等. 低山丘陵區農田土壤有機質預測性制圖[J]. 西南師范大學學報(自然科學版), 2013, 38(5): 142–149.

[18] 付強, 付紅, 王立坤. 基于加速遺傳算法的投影尋蹤模型在水質評價中的應用研究[J]. 地理科學, 2003, 23(2): 236–239.

[19] 徐建華. 計量地理學[M]. 2 版. 北京: 高等教育出版社, 2014.

[20] 趙明松, 李德成, 張甘霖, 等. 江淮丘陵地區土壤養分空間變異特征——以安徽省定遠縣為例[J]. 土壤, 2016, 48(4): 762–768.

[21] 周磊, 齊雁冰, 常慶瑞, 等. 縣域耕地土壤速效鉀空間預測方法的比較[J]. 西北農林科技大學學報(自然科學版), 2012, 40(8): 193–199.

[22] Breiman L. Random forest [J]. Machine Learning, 2001, 45(1): 5–32.

[23] 史靜靜, 楊琳, 曾燦英, 等. 土壤制圖中多目標屬性的環境因子及其尺度選擇——以黑龍江鶴山農場為例[J]. 地理研究, 2018, 37(3): 635–646.

[24] 高義民. 陜西渭北蘋果園土壤養分特征時空分析及施肥效應研究[D]. 楊凌: 西北農林科技大學, 2013.

[25] 王娟, 翟丙年, 王宏斌, 等. 旬邑縣蘋果園土壤肥力分析與評價[J]. 陜西農業科學, 2014, 60(2): 19–23.

[26] 謝賢健, 韋方強, 張繼, 等. 基于投影尋蹤模型的滑坡危險性等級評價[J]. 地球科學, 2015, 40(9): 1598–1606.

[27] 黃安, 楊聯安, 杜挺, 等. 基于主成分分析的土壤養分綜合評價[J]. 干旱區研究, 2014, 31(5): 819–825.

[28] 沈潤平, 丁國香, 魏國栓, 等. 基于人工神經網絡的土壤有機質含量高光譜反演[J]. 土壤學報, 2009, 46(3): 391–397.

[29] 張彬. 基于GIS的蘋果主產區土壤養分空間預測及管理系統研究[D]. 西安: 西北大學, 2017.

[30] 王留好, 同延安, 劉劍. 陜西渭北地區蘋果園土壤有機質現狀評價[J]. 干旱地區農業研究, 2007, 25(6): 189–192.

[31] 張麗娜, 李軍, 范鵬, 等. 黃土高原典型蘋果園地深層土壤氮磷鉀養分含量與分布特征[J]. 生態學報, 2013, 33(6): 1907–1915.

Study on Comprehensive Evaluation and Influencing Factors of Soil Nutrients Based on Projection Pursuit

ZHANG Bin1, YANG Lian’an2,3*, YANG Fenli4, WANG Hui5, XIE Xianjian1,CHEN Weijun6

(1 School of Geography and Resources Science, Neijiang Normal University, Neijiang, Sichuan 641000, China; 2 Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Northwest University, Xi′an 710127, China; 3 College of Urban and Environmental Science, Northwest University, Xi’an 710127, China; 4 Academy of Agriculture Sciences of Xianyang, Xianyang, Shaanxi 712000, China; 5 Xianyang Station of Soil and Fertilizer, Xianyang, Shaanxi 712000, China; 6 Xunyi Station of Soil and Fertilizer, Xunyi, Shaanxi 711300, China)

The objective and accurate study of comprehensive soil nutrients and their influential factors can provide reference for scientific fertilization of crops. The apple-planting area in Xunyi County of Shaanxi Province was selected as the study object. The comprehensive evaluation of projection pursuit was applied to comprehensively assess soil nutrients including organic matter, alkali hydrolysable N, available K and available P. The comprehensive projection index of soil nutrients was calculated according to the optimum projection direction. Soil nutrient level was evaluated according to the level of experience corresponding projection value. The spatial distribution of comprehensive soil nutrients was mapped by ordinary Kriging method and GIS, and the importance function of random forests was used to analyze the importance of influencing factors on nutrient contents. The results showed that the CPI variation in the study area was 0.653-1.516 with an average of 1.022, the variation coefficient was 14.746%, which was moderate. Moreover, CPI were in grades of III and IV. The spherical function was the optimal theoretical model by the accuracy of the cross-validation based on 80% training set and 20% verification set. The spatial distribution pattern of soil nutrients was as follows: except the high grades in Tuqiao, Zhitian, and the eastern part of Qiupotou towns, the integrated soil nutrient grade decreased from the west to the east in the study area, and the area ratio of comprehensive levels of soil nutrients from high to low was: 14.415 : 28.522 : 35.450 : 20.115 : 1.498. The comprehensive levels of soil nutrients were medium or low, and were mainly distributed in the eastern part. Soil nutrients were mainly affected by elevation, temperature and slope, and the influence degree of each factor varied greatly. The above results are consistent with the actual conditions in the area, thus can provide scientific bases for improving soil fertility of the local orchards and new ideas for comprehensive evaluation of soil nutrients.

Soil nutrients; Influencing factors; Comprehensive evaluation; Projection pursuit; Random forest

S158.2

A

10.13758/j.cnki.tr.2020.06.019

張彬, 楊聯安, 楊粉莉, 等. 基于投影尋蹤的土壤養分綜合評價及影響因素研究. 土壤, 2020, 52(6): 1239–1247.

陜西省農業科技攻關項目(2011K02-11)、教育部人文社會科學研究規劃項目(10YJA910010)、內江師范學院科研資助項目(17JC03)和西安市科技計劃農業技術研發項目(NC1402,NC150201)資助。

(yanglianan@163.com)

張彬(1991—)，男，四川巴中人，碩士，講師，主要研究地理信息系統在農業中的應用。E-mail: westzbin@163.com