大興安嶺用材林不同強(qiáng)度采伐后土壤模糊聚類分析1)

朱玉杰 董希斌

(森林持續(xù)經(jīng)營(yíng)與環(huán)境微生物工程黑龍江省重點(diǎn)實(shí)驗(yàn)室(東北林業(yè)大學(xué))，哈爾濱，150040)

土壤作為陸上植物賴以生存的物質(zhì)基礎(chǔ)，為植物的生長(zhǎng)提供了所需的水分、養(yǎng)分和微生物，不僅直接影響著陸上植物的生長(zhǎng)發(fā)育［1］，而且也對(duì)植物種類的分布格局具有重要的影響［2－3］。因此，對(duì)林地土壤進(jìn)行科學(xué)研究，并進(jìn)行合理的分類，可為土地的整治規(guī)劃、分塊管理和合理利用等提供科學(xué)依據(jù)［4］。以往的土壤分類，大多屬于單一的定性方法，一般是基于地理分布規(guī)律和發(fā)生演替規(guī)律等進(jìn)行分類，這對(duì)于大范圍的土壤進(jìn)行分類是比較合適的，并且在我國(guó)土壤資源調(diào)查、土壤普查和流域規(guī)劃中也起了一定作用;但是，其往往重視中心概念而模糊邊界，缺乏量化標(biāo)準(zhǔn)，且有時(shí)將分類和分區(qū)相混淆，使土壤分類模棱兩可，很難對(duì)小區(qū)域的土壤進(jìn)行精細(xì)分類［5－6］。近30 a 來(lái)，隨著土壤科學(xué)和數(shù)學(xué)方法的發(fā)展，模糊聚類分析法在土壤分類中得到廣泛應(yīng)用［7］。模糊聚類分析，是一種基于模糊集理論來(lái)解決聚類問(wèn)題的數(shù)學(xué)方法，它可以對(duì)多指標(biāo)事物進(jìn)行綜合分析，得到的分類結(jié)果表明事物在多大程度上屬于某一類，非常適用于對(duì)界限不是很明顯的樣本進(jìn)行分類［8］。如馬詠真［9］根據(jù)2000年中國(guó)火災(zāi)統(tǒng)計(jì)資料，采用模糊聚類分析方法，把31 個(gè)省市分為重災(zāi)區(qū)、較重災(zāi)區(qū)、一般災(zāi)區(qū)、輕災(zāi)區(qū)4 類;Rao等［10］采用模糊聚類法，對(duì)美國(guó)印第安納州的7 個(gè)水文區(qū)域的年最大流量和洪水頻率進(jìn)行分析，探討了模糊聚類分析法在水文區(qū)域劃分中的可行性。

森林采伐作業(yè)，對(duì)林地內(nèi)的土壤具有重要影響［11－12］:一方面，表現(xiàn)在采伐作業(yè)過(guò)程中，人畜的行走等會(huì)導(dǎo)致土壤被壓實(shí)，使土壤的密度、孔隙度等物理性質(zhì)發(fā)生改變［13］;另一方面，表現(xiàn)在不同采伐強(qiáng)度后，林地內(nèi)的植被生物量會(huì)相應(yīng)減少，導(dǎo)致林地內(nèi)的陽(yáng)光、水分等微氣候環(huán)境發(fā)生改變，采伐剩余物的分解過(guò)程也隨之發(fā)生變化，進(jìn)而使土壤的pH、有機(jī)質(zhì)等化學(xué)性質(zhì)發(fā)生改變［14］。因此，采伐強(qiáng)度不同，土壤理化性質(zhì)的改變程度一般也各不相同。本研究以大興安嶺用材林為研究對(duì)象，運(yùn)用模糊聚類分析方法，對(duì)不同強(qiáng)度采伐后的林地土壤進(jìn)行分類，旨在為大興安嶺用材林不同強(qiáng)度擇伐后的土壤改良和下一步的森林精細(xì)化經(jīng)營(yíng)提供理論依據(jù)，同時(shí)也為我國(guó)森林土壤分類提供基礎(chǔ)數(shù)據(jù)。

1 試驗(yàn)區(qū)概況

試驗(yàn)區(qū)位于黑龍江省新林林業(yè)局新林林場(chǎng)內(nèi)，地處北緯51°20'以北的大興安嶺伊勒呼里山的東北坡;該地區(qū)平均海拔高度600 m，地勢(shì)西南高、東北地，坡度不超過(guò)6°。森林植被以寒溫帶興安落葉松(Larix gmelinii)為主，針葉樹(shù)種有樟子松(Mongolica Litv)、云杉(Picea asperata)，闊葉樹(shù)種有白樺(Betula platyphylla)、山楊(Populus davidiana)、蒙古櫟(Quercus mongolica)等;灌木植物包括偃松(Pinus pumila)、興安杜鵑(Rhododendron dauricum)、胡枝子(Lespedeza bicolor)等;地被物種類有大葉樟(Cinnamomum porrectum)、越桔(Vaccinium vitis-idaea)、鹿蹄草(Pyrola calliantha H.Andres)等。土壤主要為棕色針葉林土，土層厚度一般在15～30 cm。含石礫30%～40%，表層腐殖質(zhì)含量較高，土壤肥力中等，呈酸性反應(yīng);屬于寒溫帶大陸性氣候，大于10 ℃的年積溫在1 800～2 000 ℃，年平均氣溫為－2.6 ℃，年平均蒸發(fā)量為924.6 mm，年降水量為480 ～510 mm，降水主要集中在6～9月份;8月下旬開(kāi)始出現(xiàn)初霜，無(wú)霜期為90 d 左右;全年凍結(jié)期約為7 個(gè)月，結(jié)冰一般出現(xiàn)在9月下旬，終凍在4月下旬。

2007年3月，在大興安嶺新林林場(chǎng)的106、107、108、109 林班內(nèi)選取20 個(gè)用材林樣地，編號(hào)1 ～20，每個(gè)樣地面積為20 m×20 m。試驗(yàn)樣地地勢(shì)平緩，土壤種類均為棕色森林土，平均厚度為15 cm;下木以興安杜鵑為主，平均覆蓋度為32%;地被物以越桔為主，多度為74%。其中1 號(hào)樣地未進(jìn)行采伐，其他19 個(gè)樣地則進(jìn)行不同強(qiáng)度的采伐，采伐剩余物采用堆腐法進(jìn)行處理。1～20 號(hào)樣地的采伐強(qiáng)度見(jiàn)表1。

2 研究方法

2.1 數(shù)據(jù)采集

于2013年的5月中下旬，在1 ～20 號(hào)樣地上，按“Z”形布點(diǎn)法，各選擇5 個(gè)土壤取樣點(diǎn)，每個(gè)樣點(diǎn)均取土壤剖面0 ～10 cm 的土壤;然后，按四分法混合取土樣，共取100 個(gè)土壤樣本，每個(gè)土壤樣本1 kg;土壤樣本在實(shí)驗(yàn)室進(jìn)行自然風(fēng)干處理，然后研磨過(guò)篩，用于分析土壤的化學(xué)性質(zhì)。同時(shí)，用體積為100 cm3環(huán)刀在每個(gè)土壤取樣點(diǎn)取環(huán)刀土壤樣本，環(huán)刀土壤樣本帶回實(shí)驗(yàn)室用于分析土壤的物理性質(zhì)。

土壤物理性質(zhì)測(cè)定方法:用土壤的含水量，采用烘干法測(cè)定;土壤密度、最大持水量、毛管持水量、毛管孔隙度、非毛管孔隙度，均采用環(huán)刀法測(cè)定。

表1 樣地概況

土壤化學(xué)性質(zhì)測(cè)定方法:每個(gè)土樣稱取兩個(gè)樣品進(jìn)行重復(fù)測(cè)定。土壤pH 值，采用50 ∶1 的水土質(zhì)量比例，用酸度計(jì)測(cè)定;土壤有機(jī)質(zhì)，采用油浴重鉻酸鉀氧化法測(cè)定;土壤全氮，采用自動(dòng)凱氏法測(cè)定，儀器為全自動(dòng)定氮儀;土壤全磷，采用酸溶－鉬銻抗比色法測(cè)定;土壤全鉀，采用碳酸氫鈉浸提－火焰光度法測(cè)定，儀器為火焰光度計(jì);土壤水解氮，采用堿解—擴(kuò)散法測(cè)定;土壤有效磷，采用氫氧化鈉浸提—鉬銻抗比色法測(cè)定;土壤速效鉀，采用乙酸銨浸提－火焰光度法測(cè)定。以上分析方法見(jiàn)森林土壤分析方法［15］。

2.2 數(shù)據(jù)分析

由于土壤本身帶有模糊性，不同的土壤樣本之間存在多元模糊關(guān)系;因此，本研究采用模糊聚類分析方法對(duì)不同強(qiáng)度采伐后的林地土壤樣本進(jìn)行分類，可使聚類分析結(jié)果更加符合實(shí)際。模糊聚類分析法，是將欲進(jìn)行分類的樣本的實(shí)測(cè)值進(jìn)行無(wú)量綱化;然后確定各樣本的模糊相似矩陣;再通過(guò)模糊等價(jià)關(guān)系變換，定量地確定各樣本之間的親疏關(guān)系，從而對(duì)樣本進(jìn)行科學(xué)分類的方法［16］。主要步驟:

①確定實(shí)測(cè)特征值矩陣。設(shè)有n 個(gè)需要被分類的樣本，其組成論域U={x1，x2，…，xn}，每個(gè)樣本由m 個(gè)實(shí)測(cè)指標(biāo)表示其性狀，xi={xi1，xi2，…，xim}，可得到其實(shí)測(cè)特征值矩陣X={xik}n×m;i=1、2、…、n，k=1、2、…、m。

②數(shù)據(jù)標(biāo)準(zhǔn)化。由于不同指標(biāo)的量綱一般不同，為了消除量綱對(duì)分類結(jié)果的影響，同時(shí)也為了滿足模糊矩陣的要求;因此，對(duì)實(shí)測(cè)特征值進(jìn)行標(biāo)準(zhǔn)化處理，使實(shí)測(cè)特征值矩陣的元素在區(qū)間［0，1］上。一般采用“平移·極差變換”法達(dá)到上述目的，表達(dá)式:

顯然，0≤x'ik≤1。

③建立模糊相似矩陣。對(duì)樣本進(jìn)行聚類，確定各樣本間的親疏關(guān)系，需要建立樣本間的模糊相似矩陣R={rij}n×n，i、j=1、2、…、n。

常用的方法有很多，如相關(guān)系數(shù)法、歐氏距離法、夾角余弦法等，本研究采用夾角余弦法進(jìn)行標(biāo)定，計(jì)算公式:

④繪制動(dòng)態(tài)聚類圖。模糊聚類的方法有很多，如傳遞閉包法、Boole 矩陣法、直接聚類法、最大樹(shù)法、編網(wǎng)法［17－18］;不同聚類方法的優(yōu)缺點(diǎn)也各不相同，本研究采用傳遞閉包法對(duì)樣本進(jìn)行聚類。一般采用平方法求傳遞閉包t(R)，得到的傳遞包t(R)即為模糊等價(jià)矩陣R*，運(yùn)算過(guò)程:R→R2→R4→…→R2p→…，R2p=R2(p－1)?R2(p－1)={r2pij}n×n。式中:r2pij=分別表示取大、取小運(yùn)算符號(hào)。

當(dāng)首次出現(xiàn)Rq?Rq=Rq時(shí)，表明Rq存在傳遞性，則傳遞閉包t(R)=Rq。每一個(gè)閾值λ 都對(duì)應(yīng)著一種分類結(jié)果，再將閾值λ 從大到小變化，即可得到模糊動(dòng)態(tài)聚類圖。

⑤確定最佳閾值。為得到最佳分類結(jié)果，必須確定最佳閾值λ。通常采用F－統(tǒng)計(jì)量進(jìn)行選擇，表達(dá)式:

式中:x(j)表示第j 類的中心向量;x 表示全部樣本的中心向量;x(j)i表示第j 類中第i 個(gè)樣本的特征值向量;║x(j)－x ║為x(j)與x 的距離;║x(j)i－x(j)║為與x(j)的距離;nj為第j 類的樣本數(shù)目;n 為全部的樣本數(shù)目;r 為分類數(shù)目。

如果F＞F0.05(r－1，n－r)，則說(shuō)明類與類之間的差異較顯著，即分類比較合理;若滿足F＞F0.05(r－1，n－r)的F 不止一個(gè)，則需進(jìn)一步計(jì)算F 與F＞F0.05(r－1，n－r)的差值，然后結(jié)合實(shí)際情況從差值較大者中選擇滿意的F 即可。

本研究采用Excel2010 和Matlab7.0 對(duì)數(shù)據(jù)進(jìn)行計(jì)算處理。

3 結(jié)果與分析

對(duì)土壤進(jìn)行分類，選擇的指標(biāo)應(yīng)盡可能全面地反應(yīng)土壤的性狀，因此，在考慮東北地區(qū)土壤性質(zhì)［19］和有關(guān)專家的指導(dǎo)下，本研究采用土壤pH、有機(jī)質(zhì)、全氮、全磷、全鉀、水解氮、有效磷、速效鉀8 個(gè)化學(xué)指標(biāo)，以及土壤密度、含水率、最大持水量、毛管持水量、毛管孔隙度、非毛管孔隙度6 個(gè)物理指標(biāo)，表示樣地土壤的性狀。大興安嶺用材林20 個(gè)樣地土壤的14 個(gè)理化指標(biāo)實(shí)測(cè)值見(jiàn)表2。按公式(1)對(duì)表2中的實(shí)測(cè)特征值進(jìn)行標(biāo)準(zhǔn)化處理，結(jié)果見(jiàn)表3。

表2 土壤指標(biāo)實(shí)測(cè)值

續(xù)(表2)

表3 標(biāo)準(zhǔn)化處理后的土壤指標(biāo)值

采用公式(2)對(duì)表3中的數(shù)據(jù)進(jìn)行計(jì)算，得到 模糊相似矩陣R。

采用平方法，并通過(guò)Matlab7.0 編程，求傳遞閉包t(R)，運(yùn)算過(guò)程:R→R2→R4→R8∶R8?R8=R8?？芍?，傳遞閉包t(R)=R8，因此，模糊等價(jià)矩陣R*=R8。

由模糊等價(jià)矩陣R*可知，當(dāng)λ=1.000 0 時(shí)，土壤樣本分為20 類:{1}，{2}，{3}，{4}，{5}，{6}，{7}，{8}，{9}，{10}，{11}，{12}，{13}，{14}，{15}，{16}，{17}，{18}，{19}，{20}。當(dāng)λ=0.950 5 時(shí)，土壤樣本分為19 類:{1，16}，{2}，{3}，{4}，{5}，{6}，{7}，{8}，{9}，{10}，{11}，{12}，{13}，{14}，{15}，{17}，{18}，{19}，{20}?！?/p>

由于樣本多，為避免冗余，分類結(jié)果不再一一列出。于是，可以得到土壤的模糊動(dòng)態(tài)聚類圖(見(jiàn)圖1)。

采用F－統(tǒng)計(jì)量確定最佳閾值λ，根據(jù)公式(3)并通過(guò)Matlab7.0 編程進(jìn)行計(jì)算，結(jié)果見(jiàn)表4。由表4可知，當(dāng)20 個(gè)樣地被分為20 類或1 類時(shí)，分類太細(xì)或太粗，均沒(méi)有任何實(shí)際意義。當(dāng)20 個(gè)樣地被分為19 類、18 類、15 類、4 類或2 類時(shí)，F(xiàn) 與F0.05(r－1，n－r)的差值均小于0，說(shuō)明這5 種分類均不合理。在其它分類中，F(xiàn) 與F0.05(r－1，n－r)的差值雖然均大于0，但有的差值太小，分類意義不大。而當(dāng)20 個(gè)樣地被分為3 類時(shí)，F(xiàn) 與F0.05(r－1，n－r)的差值最大，高達(dá)28.615，說(shuō)明此時(shí)，類與類之間的差異非常顯著，因此，這種分類結(jié)果是最合理的。所以，最佳閾值λ 為0.848 3，由動(dòng)態(tài)聚類圖可知，此時(shí)1 號(hào)(0)、4 號(hào)(40.01%)、5 號(hào)(20.86%)、6 號(hào)(16.75%)、7 號(hào)(12.52%)、10 號(hào)(47.87%)、13 號(hào)(53.09%)、14號(hào)(59.92%)、15 號(hào)(50.61%)、16 號(hào)(25.48%)，聚為一類;2 號(hào)(34.38%)、8 號(hào)(49.63%)、9 號(hào)(13.74%)、11 號(hào)(56.51%)、17 號(hào)(67.25%)、18 號(hào)(27.85%)、19 號(hào)(51.48%)、20 號(hào)(19.00%)，聚為一類;余下的3 號(hào)(6.23%)、12 號(hào)(3.42%)，聚為一類。將20 個(gè)樣地分為3 類，簡(jiǎn)化了林地的管理方案，降低了林地的管理難度和成本，經(jīng)濟(jì)可行。

表4 閾值λ 的F－統(tǒng)計(jì)量比較

4 討論

土壤分類是土壤科學(xué)的基礎(chǔ)，也是土壤科學(xué)發(fā)展水平的重要標(biāo)志［20］。上世紀(jì)80年代，我國(guó)在中國(guó)科學(xué)院和國(guó)家自然科學(xué)基金委員會(huì)的支持下，開(kāi)始對(duì)“中國(guó)土壤系統(tǒng)分類”進(jìn)行研究，逐步從定性分類轉(zhuǎn)變?yōu)槎糠诸?，也先后取得了許多重要成果［21］。但以往的科研工作者一般都是針對(duì)大范圍的土壤進(jìn)行分類研究的，而對(duì)小區(qū)域土壤分類的研究較少。雖然小區(qū)域的土壤之間具有相同的地理分布規(guī)律和發(fā)生演替規(guī)律，但是由于受人類活動(dòng)的干擾以及一些自然因素的影響，它們之間仍然存在或多或少的差異，因此，對(duì)小區(qū)域的土壤進(jìn)行分類，更加有利于土地生產(chǎn)管理者“因地施策”，對(duì)實(shí)際生產(chǎn)、經(jīng)營(yíng)和管理更加具有指導(dǎo)意義。

圖1 土壤的模糊動(dòng)態(tài)聚類過(guò)程

土壤分類的定量化是小區(qū)域土壤進(jìn)行分類的前提，而分類指標(biāo)和分類方法的選擇又直接關(guān)系到分類結(jié)果的準(zhǔn)確性。劉煥軍等［22］選取中國(guó)松嫩平原吉林省農(nóng)安縣5 種主要土壤室的內(nèi)光譜反射率作為研究對(duì)象，利用去包絡(luò)線法提取反射光譜特征指標(biāo)，對(duì)基于表層土壤反射光譜特性進(jìn)行土壤分類的可行性探討。張彥成等［23］以全氮、全磷、有機(jī)質(zhì)、pH、代換量、耕層厚、密度7 個(gè)土壤理化因子作為土壤分類指標(biāo)，對(duì)19 個(gè)土壤樣本建立神經(jīng)網(wǎng)絡(luò)，最后對(duì)土壤樣本分類結(jié)果的準(zhǔn)確性進(jìn)行驗(yàn)證，探討了自組織特征映射神經(jīng)網(wǎng)絡(luò)在土壤分類中應(yīng)用的可行性。本研究以土壤pH、、有機(jī)質(zhì)、全氮、全磷、全鉀、水解氮、有效磷、速效鉀8 個(gè)化學(xué)指標(biāo)，以及土壤密度、含水率、最大持水量、毛管持水量、毛管孔隙度、非毛管孔隙度6 個(gè)物理指標(biāo)，共14 個(gè)土壤理化因子作為分類指標(biāo)，采用模糊聚類分析法，對(duì)大興安嶺用材林不同強(qiáng)度采伐后的20 個(gè)樣地土壤進(jìn)行分類，結(jié)果表明:當(dāng)閾值λ 為0.8786 時(shí)，全部樣地土壤被分為3 類最為合理。1 號(hào)(0)、4 號(hào)(40.01%)、5 號(hào)(20.86%)、6 號(hào)(16.75%)、7 號(hào)(12.52%)、10 號(hào)(47.87%)、13 號(hào)(53.09%)、14 號(hào)(59.92%)、15 號(hào)(50.61%)、16 號(hào)(25.48%)，分為第一類，該類土壤，全鉀、有效率質(zhì)量分?jǐn)?shù)較高，土壤有機(jī)質(zhì)、全氮質(zhì)量分?jǐn)?shù)較低，土壤密度較高，土壤含水率、最大持水量、毛管持水量、毛管孔隙度較低，土壤非毛管孔隙度較高，土壤物理性質(zhì)較差;2 號(hào)(34.38%)、8 號(hào)(49.63%)、9號(hào)(13.74%)、11 號(hào)(56.51%)、17 號(hào)(67.25%)、18 號(hào)(27.85%)、19 號(hào)(51.48%)、20 號(hào)(19.00%)，分為第二類，該類土壤，pH 值較低，土壤有機(jī)質(zhì)、全氮質(zhì)量分?jǐn)?shù)較高，土壤全磷、全鉀質(zhì)量分?jǐn)?shù)較低，土壤密度較低，土壤含水率、最大持水量、毛管持水量、毛管孔隙度較高，土壤物理性質(zhì)較好;3 號(hào)(6.23%)、12 號(hào)(3.42%)，分為第三類，該類土壤，有效磷、速效鉀質(zhì)量分?jǐn)?shù)較低。因此，在以后的林地經(jīng)營(yíng)管理中，對(duì)于第一類土壤，可以適當(dāng)施加有機(jī)肥和氮肥，提高土壤的有機(jī)質(zhì)、氮質(zhì)量分?jǐn)?shù)，同時(shí)應(yīng)對(duì)樣地進(jìn)行翻耕松土，改善樣地的土壤物理性質(zhì);對(duì)于第二類土壤和第三類土壤，則可以適當(dāng)施加磷肥和鉀肥。

土壤種類的劃分，往往存在一些模糊性和不確定性，而模糊聚類分析則正好可以解決這些問(wèn)題，因?yàn)樗朔恕胺谴思幢恕钡牟缓侠硇裕紤]的是關(guān)系深淺程度，而不是有無(wú)關(guān)系［24］。陳朝陽(yáng)等［25］選用土壤pH、有機(jī)質(zhì)等19 個(gè)指標(biāo)，對(duì)南平煙區(qū)植煙土壤進(jìn)行模糊聚類分析，結(jié)果表明:南平煙區(qū)植煙土壤可分成5 個(gè)類群，符合南平烤煙生產(chǎn)實(shí)際，分類合理。A.B.Goktepe 等［26］采用模糊聚類分析方法，選擇抗剪強(qiáng)度以及塑性指數(shù)作為分類指標(biāo)，對(duì)120 個(gè)安塔利亞地區(qū)的土壤和20 個(gè)其他地區(qū)的土壤進(jìn)行聚類，結(jié)果顯示:140 個(gè)土樣能被準(zhǔn)確的分成兩類。本研究采用模糊聚類分析法，對(duì)20 個(gè)不同采伐強(qiáng)度的樣地土壤進(jìn)行分類，結(jié)果顯示:第一類土壤中，1 號(hào)(0)、5 號(hào)(20.86%)、6 號(hào)(16.75%)、7 號(hào)(12.52%)、16 號(hào)(25.48%)樣地，采伐強(qiáng)度低于30%;4 號(hào)(40.01%)、13 號(hào)(53.09%)、14 號(hào)(59.92%)、15 號(hào)(50.61%)樣地，采伐強(qiáng)度雖然較高，但其伐前樣地蓄積量和林分密度較高，伐后蓄積量和林分密度與前幾個(gè)樣地接近。第二類土壤中，2 號(hào)(34.38%)、9號(hào)(13.74%)、18 號(hào)(27.85%)、20 號(hào)(19.00%)樣地，采伐強(qiáng)度低于40%，伐后蓄積量和林分密度較高;而8 號(hào)(49.63%)、11 號(hào)(56.51%)、17 號(hào)(67.25%)、19 號(hào)(51.48%)樣地，采伐強(qiáng)度較高，其中11 號(hào)樣地伐前樣地蓄積量和林分密度較高，伐后蓄積量和林分密度仍然較高，8 號(hào)、17 號(hào)和19 號(hào)樣地伐后蓄積量和林分密度較低。第三類土壤中，3 號(hào)(6.23%)、12 號(hào)(3.42%)樣地，采伐強(qiáng)度低于10%。說(shuō)明分類結(jié)果與實(shí)際比較相符，值得推廣。由于本研究在選用土壤聚類指標(biāo)時(shí)，只采用了部分土壤理化性質(zhì)指標(biāo)，指標(biāo)不能夠全面反應(yīng)土壤的整體性狀;在以后的研究中，可以增加土壤質(zhì)地、土壤水分特征曲線、耕層厚度、電導(dǎo)率等其他理化指標(biāo)，以及土壤微生物等生物指標(biāo)，相信這樣會(huì)使分類結(jié)果更加準(zhǔn)確和具有說(shuō)服力。另外，限于篇幅，本研究主要是對(duì)大興安嶺用材林不同強(qiáng)度采伐后的林地土壤進(jìn)行分類，而對(duì)每一類土壤的養(yǎng)分和肥力等級(jí)，則沒(méi)有進(jìn)行綜合評(píng)價(jià);但鑒于模糊數(shù)學(xué)在土壤研究中的有效性和適宜性，所以對(duì)每一類土壤的養(yǎng)分和肥力進(jìn)行模糊綜合評(píng)價(jià)將會(huì)是下一步的研究?jī)?nèi)容。

［1］ 呂海龍，董希斌.不同整地方式對(duì)小興安嶺低質(zhì)林生物多樣性的影響［J］.森林工程，2011，27(6):5－9.

［2］ Raulund-Rasmussen K，Vejre H.Effect of tree species and soil properties on nutrient immobilization in the forest floor［J］.Plant and Soil，1995，168(1):345－352.

［3］ Passioura J B.Soil conditions and plant growth.Plant［J］.Cell ＆Environment，2002，25(2):311－318.

［4］ 付大友，袁東.聚類分析在土壤研究中的應(yīng)用［J］.四川理工學(xué)院學(xué)報(bào):自然科學(xué)版，2005，18(2):66－72.

［5］ Anderson-Cook C M，Alley M M，Roygard J K F，et al.Differentiating soil types using electromagnetic conductivity and crop yield maps［J］.Soil Science Society of America Journal，2002，66(5):1562－1570.

［6］ 龔子同，張甘霖.中國(guó)土壤系統(tǒng)分類:我國(guó)土壤分類從定性向定量的跨越［J］.中國(guó)科學(xué)基金，2006(5):293－296.

［7］ 劉興久，許景剛，汪樹(shù)明.模糊聚類分析在土壤分類中的應(yīng)用［J］.東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，1988，19(2):119－126.

［8］ 付強(qiáng).數(shù)據(jù)處理方法及其農(nóng)業(yè)應(yīng)用［M］.北京:科學(xué)出版社，2006:105.

［9］ 馬詠真.模糊聚類分析在中國(guó)火災(zāi)危害分類中的應(yīng)用［J］.防災(zāi)減災(zāi)工程學(xué)報(bào)，2006，26(4):414－418.

［10］ Rao A R，Srinivas V V.Regionalization of watersheds by fuzzy cluster analysis［J］.Journal of Hydrology，2006，318(1):57－79.

［11］ 劉美爽，董希斌，郭輝，等.小興安嶺低質(zhì)林采伐改造后土壤理化性質(zhì)變化分析［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2010，38(10):36－40.

［12］ 王立海.森林采伐跡地清理方式對(duì)跡地土壤理化性質(zhì)的影響［J］.林業(yè)科學(xué)，2002，38(6):87－92.

［13］ 王立海，田靜，張銳.林地土壤壓實(shí)對(duì)土壤呼吸影響的數(shù)學(xué)模型研究［J］.森林工程，2007，23(1):5－7.

［14］ 周新年，邱仁輝，楊玉盛，等.不同采伐、集材方式對(duì)林地土壤理化性質(zhì)影響的研究［J］.林業(yè)科學(xué)，1998，34(3):18－25.

［15］ 張萬(wàn)儒，楊光瀅，屠星南.森林土壤分析方法［M］.北京:中國(guó)標(biāo)準(zhǔn)出版社，1999.

［16］ Hammah R E，Curran J H.Validity measures for the fuzzy cluster analysis of orientations［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22(12):1467－1472.

［17］ 李軍，李小梅，康志強(qiáng)，等.模糊聚類分析方法在烏蘭察布市林業(yè)區(qū)劃中的應(yīng)用［J］.林業(yè)資源管理，2009(1):114－117.

［18］ 王宇，臧妻斌.Boole 矩陣法模糊聚類在地形圖數(shù)據(jù)挖掘中的應(yīng)用［J］.高師理科學(xué)刊，2006，26(3):71－75.

［19］ 黑龍江省土壤普查辦公室，黑龍江省土地管理局.黑龍江土壤［M］.北京:農(nóng)業(yè)出版社，1991.

［20］ 付強(qiáng)，王志良，梁川.自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)在土壤分類中的應(yīng)用［J］.水土保持通報(bào)，2002，22(1):39－43.

［21］ 龔子同，陳志誠(chéng).中國(guó)土壤系統(tǒng)分類參比［J］.土壤，1999，31(2):57－63.

［22］ 劉煥軍，張柏，張淵智，等.基于反射光譜特性的土壤分類研究［J］.光譜學(xué)與光譜分析，2008，28(3):624－628.

［23］ 張彥成，段禪倫.基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的土壤分覽［J］.計(jì)算機(jī)工程與科學(xué)，2008，30(10):113－115.

［24］ 武偉，劉洪斌.土壤養(yǎng)分的模糊綜合評(píng)價(jià)［J］.西南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2000，22(3):270－272.

［25］ 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):17－22.

［26］ Goktepe A B，Altun S，Sezer A.Soil clustering by fuzzy c-means algorithm［J］.Advances in Engineering Software，2005，36(10):691－698.