基于主成分分析和聚類分析的土壤養(yǎng)分特性研究

趙月玲，林玉玲，曹麗英，馬 麗，陳桂芬

(1 吉林農(nóng)業(yè)大學(xué) 信息技術(shù)學(xué)院，吉林 長(zhǎng)春130118;2 長(zhǎng)春嘉和外科醫(yī)院，吉林 長(zhǎng)春130051)

近年來(lái)，隨著國(guó)內(nèi)外精準(zhǔn)作業(yè)技術(shù)體系的不斷提高和應(yīng)用，根據(jù)土壤養(yǎng)分自身的變異特性劃分農(nóng)田養(yǎng)分管理分區(qū)，進(jìn)而進(jìn)行變量施肥管理決策，在國(guó)內(nèi)外農(nóng)業(yè)研究中已成為一種常用的方法之一［1-4］．對(duì)土壤營(yíng)養(yǎng)狀況的了解，直接影響到農(nóng)業(yè)生產(chǎn)潛力，有必要對(duì)土壤養(yǎng)分含量水平進(jìn)行綜合分析與評(píng)價(jià)，它是有效利用農(nóng)業(yè)資源和技術(shù)的一種途徑．采用管理分區(qū)劃分技術(shù)可以代替網(wǎng)格采樣并在變量施肥中得到廣泛應(yīng)用［5］．這樣既能提高土壤養(yǎng)分利用效率，又能節(jié)省資源，獲得較好的經(jīng)濟(jì)效益，達(dá)到保護(hù)有限的農(nóng)業(yè)生態(tài)資源的目的［6］．眾多科技研究者運(yùn)用與農(nóng)業(yè)生產(chǎn)相關(guān)的一種或幾種因素結(jié)合來(lái)進(jìn)行管理分區(qū)劃分，使這種劃分技術(shù)得到了進(jìn)一步的提升．管理分區(qū)技術(shù)的主要關(guān)鍵點(diǎn)在于根據(jù)各種限制產(chǎn)量的不同因子相似性，將目標(biāo)地塊劃分成子區(qū)域進(jìn)行精細(xì)管理．因此，了解土壤養(yǎng)分的空間變異情況和自相關(guān)性是農(nóng)田精準(zhǔn)養(yǎng)分管理的重中之重［7］．如Kravchenko等［8］根據(jù)地形特征和土壤屬性來(lái)定義管理分區(qū)，通過(guò)利用多年作物產(chǎn)量數(shù)據(jù)的綜合分析，進(jìn)行精準(zhǔn)農(nóng)業(yè)管理分區(qū)的提取研究．檀滿枝等［9-10］在研究土壤重金屬的分類時(shí)采用c－多次組合法，與此同時(shí)確定了適宜的模糊類別數(shù)和模糊加權(quán)指數(shù)，取得了令人滿意的結(jié)果．

采用主成分分析法和聚類分析方法，以量化形式表現(xiàn)土壤理化性狀的綜合指標(biāo)，可以大大減少單個(gè)指標(biāo)所反映出的物理特性帶來(lái)的差異性［11-12］．本研究根據(jù)不同的土壤養(yǎng)分指標(biāo)，進(jìn)行統(tǒng)計(jì)學(xué)分類，探討多因素分析技術(shù)在土壤養(yǎng)分管理分區(qū)方面研究的可行性，應(yīng)用主成分析和聚類分析相結(jié)合的分析方法，對(duì)55 個(gè)采樣點(diǎn)的多指標(biāo)相關(guān)矩陣進(jìn)行研究，分析耕層土壤養(yǎng)分的空間變異性和自相關(guān)性，了解土壤養(yǎng)分含量及其空間變異特征，確定田間管理分區(qū)級(jí)別，為農(nóng)田土壤養(yǎng)分指標(biāo)評(píng)價(jià)提供新的途徑和方法．

1 材料與方法

1．1 研究區(qū)域概況

研究區(qū)位于吉林省中北部，北緯44°30'57″～45°15'02″、東經(jīng)126°01'44″～127°05'09″．該地屬半濕潤(rùn)溫帶大陸性季風(fēng)氣候，年平均氣溫4.6～5.6℃，年降水量在500～600 mm，絕大部分集中于暖季，占年降水量的90%左右，土壤類型主要是典型的黑土，主要種植玉米和大豆等作物．

1．2 指標(biāo)測(cè)定與方法

本研究選用吉林省中北部玉米主產(chǎn)區(qū)土壤，由于研究土壤的范圍較大，研究人員間隔一定距離隨機(jī)選取每塊農(nóng)田的中央部分，施肥前對(duì)0～30 cm 耕層土壤進(jìn)行多點(diǎn)采集、混合取樣，共采集55 個(gè)樣點(diǎn)(圖1)．應(yīng)用DGPS 裝置(全球衛(wèi)星差分定位系統(tǒng))進(jìn)行精準(zhǔn)定位確定土壤采樣地點(diǎn)，每個(gè)采樣點(diǎn)取樣0.8 kg 左右，裝袋密封后帶回實(shí)驗(yàn)室，經(jīng)自然風(fēng)干后磨細(xì)，過(guò)1 mm 篩，用于土壤養(yǎng)分的測(cè)定．另取一部分樣品，過(guò)0.25 mm 篩，用于有機(jī)質(zhì)和全量養(yǎng)分元素的測(cè)定．土壤有機(jī)質(zhì)用重鉻酸鉀滴定法測(cè)定;堿解氮用堿解擴(kuò)散法測(cè)定;速效磷用鉬銻抗比色法測(cè)定;速效鉀用醋酸銨浸提－火焰光度法測(cè)定;pH 用雷磁－25型酸度計(jì)法(水土質(zhì)量比為1∶5)測(cè)定;土壤中微量元素如有效鐵、錳，用1.0 mol 醋酸銨浸提－原子吸收分光光度法測(cè)定;有效銅、鋅用0.1 mol 鹽酸浸提－原子吸收分光光度法測(cè)定;鉬用光度法(比色法)測(cè)定．

圖1 55 個(gè)土壤采樣點(diǎn)分布圖Fig．1 Distribution map of 55 soil samples

1．3 數(shù)據(jù)分析方法

所有試驗(yàn)數(shù)據(jù)采用SPSS 18.0 軟件進(jìn)行分析．先對(duì)55 個(gè)樣本的16 個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，求出相對(duì)應(yīng)的相關(guān)矩陣，然后計(jì)算相關(guān)矩陣的特征根、方差貢獻(xiàn)率及累計(jì)貢獻(xiàn)率，確定因子個(gè)數(shù)，根據(jù)因子得分進(jìn)行聚類分析，最后將土壤肥力的各項(xiàng)指標(biāo)及分類結(jié)果輸入到土壤數(shù)據(jù)庫(kù)中．

2 結(jié)果與分析

2．1 土壤養(yǎng)分特性

在土壤學(xué)研究中，通常用變異系數(shù)(CV)的大小表示土壤特性空間變異性的強(qiáng)弱，CV ≤0.1 時(shí)為弱變異性，0.1＜CV＜1.0 時(shí)為中等變異性，CV≥1.0時(shí)為強(qiáng)變異性［13-15］．對(duì)55 個(gè)采樣點(diǎn)的主要養(yǎng)分和微量元素進(jìn)行統(tǒng)計(jì)分析，結(jié)果見(jiàn)表1．由表1 可見(jiàn)，吉林省典型土壤養(yǎng)分的變異性狀各不相同，土壤中不同養(yǎng)分性質(zhì)具有較大的差異，其中，緩效鉀、速效磷、全氮、有機(jī)質(zhì)、鋅5 個(gè)養(yǎng)分指標(biāo)CV 較大，分別為0.77、1.10、1.14、0.71 和1.40，表明速效磷、全氮和鋅具有強(qiáng)變異特性;土壤pH 具有弱變異的特性;其他養(yǎng)分則具有中等變異的特性．

表1 55 個(gè)采樣點(diǎn)土壤養(yǎng)分的主要特征Tab．1 The main nutrient properties of 55 soil samples

2．2 主成分分析

為明確各個(gè)養(yǎng)分指標(biāo)的相對(duì)重要性，應(yīng)用SPSS 18.0 統(tǒng)計(jì)軟件對(duì)土壤中16 個(gè)養(yǎng)分指標(biāo)狀態(tài)進(jìn)行了主成分分析，首先進(jìn)行Bartlett 檢驗(yàn)，其中KMO 檢驗(yàn)值為0.743，P＜0.05，因此可以對(duì)原始數(shù)據(jù)進(jìn)行主成分分析．標(biāo)準(zhǔn)化處理各樣品養(yǎng)分的測(cè)定結(jié)果，經(jīng)主成分分析計(jì)算得到各主成分的特征值和貢獻(xiàn)率(表2)．由表2 可以看出，第1 個(gè)主成分的方差貢獻(xiàn)率約19% ，第2 個(gè)主成分的方差貢獻(xiàn)率約18%，第3 個(gè)主成分的方差貢獻(xiàn)率約11%，第4 個(gè)主成分的方差貢獻(xiàn)率約10%，第5 個(gè)主成分的方差貢獻(xiàn)率約8% ，第6 個(gè)主成分的方差貢獻(xiàn)率約7%，第7 個(gè)主成分的方差貢獻(xiàn)率約7%，第8 個(gè)主成分的方差貢獻(xiàn)率約7%．即一個(gè)8 因子模型解釋了試驗(yàn)數(shù)據(jù)的87%，而主成分1、2、3、4、5 這5 個(gè)因子已包含樣本的大部分信息(累計(jì)方差貢獻(xiàn)率為66%)．

表2 8 個(gè)主要因子特征值及貢獻(xiàn)率Tab．2 The eigen values and contribution rates of 8 main factors

從表3 可以看出，第1 主因素和錳高度正相關(guān)，第2 主因素和硼高度正相關(guān)，第3 主因素與鐵高度正相關(guān)，第4 主因素和全磷高度負(fù)相關(guān)，第5 主因素和緩效鉀高度正相關(guān)，第6 主因素和速效鉀高度正相關(guān)，第7 主因素和有機(jī)質(zhì)高度正相關(guān)，第8 主因素與pH 高度負(fù)相關(guān)．因?yàn)榭偡讲罱?7%的貢獻(xiàn)來(lái)自這8 個(gè)主因素，所以可以認(rèn)為錳、硼、鐵、全磷、緩效鉀、速效鉀、有機(jī)質(zhì)和pH 這8 個(gè)主要因素是土壤養(yǎng)分的特征元素．

表3 8 個(gè)主要因子對(duì)應(yīng)的載荷矩陣Tab．3 Loading matrix of 8 principal components reserved

2．3 聚類分析

聚類分析作為一種探索性的分類方法，是一種建立分類的多元統(tǒng)計(jì)分析方法，它能夠?qū)⒁慌鷺颖?或變量)數(shù)據(jù)根據(jù)其諸多特征，按照性質(zhì)上的親疏程度在沒(méi)有先驗(yàn)知識(shí)的情況下進(jìn)行自動(dòng)分類，產(chǎn)生多個(gè)分類結(jié)果［16］．為減少土壤養(yǎng)分分類的指標(biāo)數(shù)量，保證樣品分類結(jié)果的可信度與科學(xué)性，本文將主成分分析的結(jié)果(即55 個(gè) 樣品的8 個(gè)指標(biāo))進(jìn)行聚類分析研究．采用SPSS 18.0 聚類分析程序?qū)?5 個(gè)樣本進(jìn)行聚類分組．在方法上采用歐氏距離測(cè)量，使用平均聯(lián)接(組間)的樹(shù)狀圖重新調(diào)整距離聚類合并，每2 個(gè)樣本間用Average linkage 法連結(jié)，8 個(gè)指標(biāo)作為聚類變量，可將55 個(gè)樣品分成6 大類，聚類結(jié)果如圖2．

圖2 55 個(gè)土壤樣品聚類圖Fig．2 Clustering figure of 55 soil samples

6 類土壤的養(yǎng)分特性見(jiàn)表4．由圖2 和表4 可見(jiàn)，6 類養(yǎng)分特性具有明顯差異:第Ⅰ類，主要包括采樣點(diǎn)A46、A48、A35、A52、A50、A53、A41、A43、A34、

A30、A32、A49、A38、A31、A47、A33、A37、A36、A54、A28 和A51，占總樣本的40%，這類土壤主要特征是緩效鉀、有機(jī)質(zhì)、錳和硼極低;第Ⅱ類，主要包括采樣點(diǎn)A39、A42 和A55，占總樣本的近5%，這類土壤的主要特征是鐵和硼偏高，全磷偏低;第Ⅲ類，主要包括采樣點(diǎn)A12、A2、A14、A9、A13、A15、A26、A8、A16、A10、A4、A5 和A19，占總樣本的24%，這類土壤的主要特征是有機(jī)質(zhì)偏高，其他元素適中;第Ⅳ類，包括A44、A40、A29、A3、A27、A1 和A18，占總樣本的13%，這類土壤的主要特征是速效鉀偏低，緩效鉀較高，硼偏低，其他元素適中;第Ⅴ類，包括A22、A25、A20、A11、A6、A21 和A17，占總樣本的13%，這類土壤主要特征是速效鉀、鐵含量偏低，其他元素適中;第Ⅵ類，包括A7、A23 和A24，占總樣本的5%，這類土壤的主要特征是速效鉀、全磷、pH 偏高，錳偏低．

表4 各類別土壤主要養(yǎng)分指標(biāo)的平均值Tab．4 The average values of main nutrient indexes of different soil categories

3 討論與結(jié)論

土壤中各種養(yǎng)分因子的選定與分級(jí)標(biāo)準(zhǔn)的劃分目前尚無(wú)一個(gè)統(tǒng)一的標(biāo)準(zhǔn)［17］．本研究結(jié)果表明，速效磷、全氮和鋅具有強(qiáng)變異特性，土壤pH 具有弱變異的特性，其他養(yǎng)分則具有中等變異的特性．這與陳朝陽(yáng)等［14］對(duì)植煙土壤的研究結(jié)果相同，但有的元素研究結(jié)果不同，這可能與土壤種植的作物有關(guān)．

在土壤養(yǎng)分特性研究中，為減少聚類分析的樣本矩陣，通過(guò)應(yīng)用主成分分析的結(jié)果來(lái)減少數(shù)據(jù)的冗余;這種方式計(jì)算簡(jiǎn)單，所得的結(jié)論比較客觀［18］．聚類分析方法是根據(jù)不同養(yǎng)分性狀間所具有的相關(guān)性或者是樣品間的相似性或差異性指標(biāo)，定量地確定樣本間的親疏關(guān)系．這種分析目標(biāo)數(shù)據(jù)的方法，在不同的研究領(lǐng)域正在逐步展開(kāi)并得以應(yīng)用［11-12］．于江等［19］應(yīng)用主成分分析方法，在復(fù)雜的土壤肥力指標(biāo)體系中篩選出若干個(gè)彼此不相關(guān)，但反映出原來(lái)全部指標(biāo)所提供的大部分信息綜合性指標(biāo)，并依此主要信息聚類分析，進(jìn)一步劃分出最佳處理和評(píng)判修復(fù)效果．通過(guò)主成分分析和聚類分析把土壤的養(yǎng)分指標(biāo)進(jìn)一步細(xì)化分類，在植煙土壤中已有應(yīng)用，如陳朝陽(yáng)等［14］針對(duì)土壤的主要理化性狀指標(biāo)把土壤分為5 大類，然后針對(duì)不同類之間不同的理化性狀指標(biāo)，進(jìn)行分類施肥指導(dǎo)種煙生產(chǎn)，具有一定的實(shí)際意義．趙瑞蕊等［20］應(yīng)用主成分和聚類分析方法對(duì)烤煙指標(biāo)也進(jìn)行了綜合評(píng)價(jià)，將樣本分為好、較好、中等、稍差、差5 類指標(biāo)．本研究按照這種研究方法將吉林省中北部土壤分為6 類:第Ⅰ類緩效鉀、有機(jī)質(zhì)、錳和硼極低;第Ⅱ類速效鉀、錳、鐵和硼偏高，全磷偏低;第Ⅲ類有機(jī)質(zhì)偏高，其他元素適中;第Ⅳ類速效鉀偏低，緩效鉀較高，硼偏低，其他元素適中型;第Ⅴ類速效鉀、鐵含量偏低型，其他元素適中型;第Ⅵ類速效鉀、全磷、pH 偏高，錳偏低．

田間土壤的養(yǎng)分特性在很大程度上受到成土母質(zhì)、氣候、地形、耕作制度等因素影響．一些因子在空間分布上呈一定的連續(xù)性，所以，土壤養(yǎng)分在相鄰近點(diǎn)之間養(yǎng)分分布具有一定的相關(guān)性．用主成分聚類的定量分析方法對(duì)農(nóng)田土壤養(yǎng)分進(jìn)行綜合評(píng)價(jià)并分類，所得結(jié)論客觀、可信、較有說(shuō)服力，為農(nóng)田土壤施肥提供重要參考和依據(jù);利用得到的主成分指標(biāo)組成新矩陣作為聚類分析的樣本矩陣，原理清晰，計(jì)算簡(jiǎn)單，大大減少了計(jì)算工作量．

土壤綜合肥力是由水、肥、氣、熱4 大指標(biāo)體系構(gòu)成，在以后的研究中，應(yīng)該加大采樣數(shù)量和研究范圍，考慮更多的影響土壤肥力的指標(biāo)并加以分析，同時(shí)在研究方法上要加強(qiáng)技術(shù)的交叉和融合．在土壤養(yǎng)分狀況研究中，這里主要考慮的是由土壤主要養(yǎng)分和微量養(yǎng)分所構(gòu)成的指標(biāo)體系得出的結(jié)果，并未把土壤容重、垂直剖面等物理性狀指標(biāo)作為影響因子進(jìn)行研究．所以這將是以后的研究重點(diǎn)方向之一．

［1］白由路，金繼運(yùn)，楊俐蘋(píng)，等．基于GIS 的土壤養(yǎng)分分區(qū)管理模型研究［J］．中國(guó)農(nóng)業(yè)科學(xué)，2001，34(1):1-4．

［2］SCHEPERS A R，SHANAHAN J F，LIEBIG M K，et al．Appropriateness of management zones for characterzing spatial variability of soil properties and irrigated corn yields across years［J］．Agron J，2004，96:195-203．

［3］李翔，潘瑜春，趙春江，等．基于空間連續(xù)性聚類算法的精準(zhǔn)農(nóng)業(yè)管理分區(qū)研究［J］．農(nóng)業(yè)工程學(xué)報(bào)，2005，21(8):78-82．

［4］朱靜，黃標(biāo)，孫維俠，等．長(zhǎng)江三角洲典型地區(qū)農(nóng)田土壤有機(jī)質(zhì)的時(shí)空變異特征及其影響因素［J］．土壤，2006，38(2):158-165．

［5］KHOSLA R，F(xiàn)LEMING K，DELGADO J A，et al．Use of site specific management zones to improve nitrogen management for precision agriculture［J］．J Soil Water Conserv，2002，57:513-518．

［6］趙其國(guó)．我國(guó)現(xiàn)代農(nóng)業(yè)發(fā)展中的若干問(wèn)題［J］．土壤學(xué)報(bào)，1997，34(1):1-9．

［7］陳防，劉冬碧，萬(wàn)開(kāi)元，等．精準(zhǔn)農(nóng)業(yè)與農(nóng)田精準(zhǔn)養(yǎng)分管理現(xiàn)狀及展望［J］．湖北農(nóng)業(yè)科學(xué)，2006，45(4):515-518．

［8］KRAVCHENKO A N，BULLOCK D G．Correlation of corn and soybean grain yield with topography and soil properties［J］．Agron J，2000，92:75-83．

［9］檀滿枝，陳杰，鄭海龍，等．模糊c－均值聚類法在土壤重金屬污染空間預(yù)測(cè)中的應(yīng)用［J］．環(huán)境科學(xué)學(xué)報(bào)，2006，26(12):2086-2092．

［10］檀滿枝，陳杰，徐方明，等．基于模糊集理論的土壤重金屬污染空間預(yù)測(cè)［J］．土壤學(xué)報(bào)，2006，43(3):389-396．

［11］張建逵，康廷國(guó)，竇德強(qiáng)．林下山參與園參無(wú)機(jī)元素的聚類分析和主成分分析［J］．中草藥，2012，43(9):1835-1840．

［12］曾潔，孫俊良，李光磊，等．基于主成分分析和Q 型聚類分析的玉米品種特性研究［J］．沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009，40(1)53-57．

［13］白由路，金繼運(yùn)，楊俐蘋(píng)，等．農(nóng)田土壤養(yǎng)分變異與施肥推薦［J］．植物營(yíng)養(yǎng)與肥料學(xué)報(bào)，2001，7(2):129-133．

［14］陳朝陽(yáng)，陳星峰．南平煙區(qū)植煙土壤理化性狀聚類分析與施肥對(duì)策［J］．中國(guó)煙草科學(xué)，2012，33(3)，17-21．

［15］劉繼明，宋啟亮，李芝茹，等．大興安嶺白樺低質(zhì)林生態(tài)功能評(píng)價(jià)指標(biāo)的灰色關(guān)聯(lián)聚類分析［J］．東北林業(yè)大學(xué)學(xué)報(bào)，2012，40(8):112-115．

［16］薛薇．基于SPSS 的數(shù)據(jù)分析［M］．北京:中國(guó)人民大學(xué)出版社，2006:327-377．

［17］張步翀．調(diào)虧灌溉春小麥農(nóng)田土壤養(yǎng)分綜合評(píng)價(jià)［J］．灌溉排水學(xué)報(bào)，2007，28(4):1-5．

［18］鮑艷，胡振琪，柏玉，等．主成分聚類分析在土地利用生態(tài)安全評(píng)價(jià)中的應(yīng)用［J］．農(nóng)業(yè)工程學(xué)報(bào)，2006，22(8):87-90．

［19］于江，朱昌雄，郭萍，等．生物腐植酸對(duì)新疆甘草產(chǎn)地沙退化土壤修復(fù)效果評(píng)價(jià):以土壤養(yǎng)分指標(biāo)為例［J］．中國(guó)農(nóng)業(yè)氣象，2010，31(3):369-373．

［20］趙瑞蕊，何結(jié)望，王海明，等．基于主成分和聚類分析的湖北烤煙質(zhì)量指標(biāo)綜合評(píng)價(jià)［J］．中國(guó)煙草科學(xué)，2012．33(4):90-94．