灌區(qū)土壤鹽漬化程度云理論改進多級模糊評價模型

徐存東，程 慧，王 燕，王榮榮，劉璐瑤，張 銳

?

灌區(qū)土壤鹽漬化程度云理論改進多級模糊評價模型

徐存東1,2，程 慧1，王 燕1，王榮榮1，劉璐瑤1，張 銳1

（1. 華北水利水電大學，水利學院，鄭州 450046； 2. 水資源高效利用與保障工程河南省協(xié)同創(chuàng)新中心，鄭州 450046）

土壤鹽漬化的產(chǎn)生過程是一個多指標參與、多層次驅(qū)動的復雜系統(tǒng)，針對鹽漬化程度的評價的不確定性和模糊性問題，將不確定性云理論引入到土壤鹽漬化程度的多級模糊評價中，通過構建土壤鹽漬化程度多級模糊評價指標體系，構建了鹽漬化程度的評語集云模型、誘發(fā)因子的隸屬度云模型及權重云模型，進而提出了基于云理論改進的土壤鹽漬化程度的多級模糊評價模型。同時，選定景泰川電力提灌灌區(qū)為研究區(qū)，對該灌區(qū)的土壤鹽漬化程度進行了評價，并將評價結果和評語集云模型結合用Matlab仿真顯示。研究表明：該灌區(qū)土壤的鹽漬化處于輕度鹽化土和中度鹽化土之間，0～100 cm土壤的含鹽量為0.224 2%的可能性最大；利用云理論改進多級模糊評價模型對土壤的鹽漬化程度開展研究，用不確定性云參數(shù)代替精確數(shù)值，更具普遍性。相關研究可為開展鹽漬化程度評估和預測的研究提供有益參考。

土壤；鹽漬化；模型；云理論；多級模糊；評語集；標度；隸屬度；評價

0 引 言

中國西北等地區(qū)通過發(fā)展提水灌溉工程，實現(xiàn)對干旱半干旱區(qū)域土地資源的有效開發(fā)。然而，隨著提水工程的不斷提水運行，誘發(fā)了區(qū)域大面積的水鹽重組、運移和積聚[1]。干旱荒漠區(qū)高蒸發(fā)低降雨的獨特氣候條件，加上高強度的人類活動，致使區(qū)域的水鹽動態(tài)呈現(xiàn)獨特的態(tài)勢，在不同的水文地質(zhì)單元其表征各不相同[2-3]。當前，灌區(qū)的土壤鹽漬化依舊是未得到完全解決的世界性難題。干旱荒漠灌區(qū)的土壤鹽漬化的產(chǎn)生過程是一個復雜而又模糊的系統(tǒng)，從灌區(qū)可持續(xù)發(fā)展的角度考慮，有必要對這種模糊過程和影響程度進行科學的評估與預測。當前，學者們對土壤鹽漬化的研究主要是從土壤鹽漬化空間分布特征及對水土環(huán)境的影響等方面開展研究，如Alexakis等[4]通過采集灌溉前后的土壤進行試驗研究，對地中海地區(qū)耕地土壤質(zhì)量惡化問題開展了研究，從鹽化土的角度標準對土壤進行了分類。管孝艷等[5]將GIS與經(jīng)典統(tǒng)計學和地質(zhì)統(tǒng)計學方法相結合，分析了土壤EC值的空間變異性與地下水深度對土壤鹽度分布的影響。徐存東等[6]通過改進的層次分析法，對干旱揚水灌區(qū)在長周期提水灌溉條件下產(chǎn)生的土壤鹽堿化等水土環(huán)境問題進行了響應評估。以上研究取得了大量有益成果，但是通過構建區(qū)域尺度的多要素耦合模型開展鹽漬化程度評估和預測的理論方法研究還需深入。

土壤鹽漬化產(chǎn)生過程的模糊性、驅(qū)動的多層次性、要素影響的不確定性等問題是土壤鹽漬化程度評價的主要問題來源。多級模糊評價模型以專門處理模糊性的模糊理論為基礎，通過構建多級模糊指標體系，依據(jù)最大隸屬度原則和線性變換模糊原理，進行綜合評價[7-8]?；谠撃Ｐ吞幚砟：缘膬?yōu)越性，近年來已廣泛用于自然科學及社會科學等領域，如肖龍等[9]應用該方法對信息系統(tǒng)的風險進行了評價，劉沐宇等[10]應用該方法對大橋的生命周期環(huán)境影響進行了評價，劉旭娜等[11]應用該方法對中國西北工業(yè)過程中電壓暫降產(chǎn)生的風險進行了等級化評估。然而，該模型在運用過程中，只是在形式上將不確定性轉化為確定性，將模糊性量化以得到精確值的結果，這與本身的不確定性相矛盾，即只考慮了模糊性，忽視了離散性及不確定性[12]。云理論是由李德毅院士于20世紀90年代提出專門用于處理不確定性問題的基本理論，該理論能夠很好地刻畫出模糊系統(tǒng)的隨機性及不確定性，能將定性概念和定量數(shù)值進行自由轉換[13-14]，且能規(guī)避專家在描述土壤鹽漬化誘發(fā)因子狀態(tài)時主觀性及個人經(jīng)驗性的影響。

鑒于此，本文針對干旱荒漠灌區(qū)土壤鹽漬化程度的評價，運用云理論對傳統(tǒng)多級模糊評價模型進行改進，用不確定性云參數(shù)代替精確數(shù)值，對緊靠騰格里沙漠的甘肅景泰川電力提灌灌區(qū)的土壤鹽漬化程度進行評價，以期為灌區(qū)的土壤鹽漬化治理與調(diào)控提供宏觀指導。

1 土壤鹽漬化程度的多級模糊評價模型

1.1 多級模糊評價指標體系構建

干旱荒漠灌區(qū)的土壤鹽漬化的產(chǎn)生過程是一個多指標參與、多層次驅(qū)動的復雜模糊系統(tǒng)，參與的過程包括田間水轉化、田間熱交換和土壤水鹽運移等過程，主要影響因子包括水文地質(zhì)條件、地表水、地下水、土壤、灌溉-入滲、潛水運動、蒸散發(fā)、近地面導熱、土壤層導熱等諸多要素，在構建多級模糊評價指標體系時，可將土壤的鹽漬化程度用非鹽化1、輕度2、中度3、強度4、鹽化土5來描述[15]，驅(qū)動其發(fā)展的過程可分解為土壤水鹽運移1、田間水轉化2和田間熱交換33個過程，影響這3個過程的因子包括：水文地質(zhì)條件、地表水、地下水、土壤、灌溉入滲、蒸散發(fā)、近地面導熱、土壤層導熱8個因子。其中，表征水文地質(zhì)條件的狀態(tài)可描述為封閉性水文地質(zhì)單元、開敞性水文地質(zhì)單元和半開敞性水文地質(zhì)單元；表征地表水的狀態(tài)可描述為地表水徑流量；表征地下水的狀態(tài)可描述為地下水埋深和地下水礦化度；表征土壤的狀態(tài)可描述為土壤含水量、土壤全鹽量和土壤pH值；表征灌溉-入滲的狀態(tài)可描述為灌溉水量、灌溉模式、降雨量和入滲量；表征蒸散發(fā)的狀態(tài)可描述為蒸發(fā)量及蒸騰量；表征近地面導熱的狀態(tài)可描述為顯熱通量、潛熱通量及近輻射量；表征土壤導熱的狀態(tài)可描述為土壤熱容量、土壤導熱率和土壤熱擴散率。所構建的多級模糊評價指標體系見圖1。

圖1 土壤鹽漬化程度多級模糊評價指標體系

第1層為評語層，主要描述區(qū)域土壤鹽漬化程度；第2層為驅(qū)動過程層，主要描述驅(qū)動過程；第3層次為誘發(fā)因子層；第4層為要素狀態(tài)層。

1.2 多級模糊綜合評價模型

模糊綜合評價模型是由汪培莊教授于20世紀80年代提出，經(jīng)過幾十年發(fā)展，其評價方法已由單一層次的綜合評價發(fā)展成為多級模糊綜合評價方法[16]。多級模糊綜合評價模型將模糊綜合評價法和層次分析法進行結合，將評價系統(tǒng)逐步分解為多層次遞階結構，由層次分析法確定每個層次指標權重，由模糊集確定層次間關系的模糊矩陣，通過對每個層次分別進行模糊評判，最后進行綜合給出整個系統(tǒng)的評價結果。

本文針對干旱荒漠灌區(qū)土壤的鹽漬化程度進行綜合評價，而其過程具有多介質(zhì)驅(qū)動的模糊性及多過程耦合的不確定性特征，其產(chǎn)生和孕育過程是模糊而復雜的，因此，針對這一模糊過程，可采用基于多級模糊理論的綜合評價模型進行定量化揭示，由已構建的土壤鹽漬化程度的多級模糊評價指標體系，將各指標因子逐層分類：針對區(qū)域土壤的鹽漬化程度、驅(qū)動過程、影響因子及其要素狀態(tài)，依次分為評語集={1，2，3，4，5}，驅(qū)動過程層集={1，2，3}，影響因子集={，，，，，，，}，及每個影響因子的狀態(tài)集。

在逐層分類的基礎上，通過確定各節(jié)點、各層次的隸屬度及權重，采用多級模糊合成映射，根據(jù)最大隸屬度原則，對模糊條件、復雜環(huán)境下的土壤鹽漬化程度進行綜合評價，其合成算法的公式[17]如下：

式中為層次綜合評價的結果矩陣；為土壤鹽漬化誘發(fā)因子的權重向量；為下層次要素狀態(tài)對上層次因子的隸屬度。

2 云理論改進的多級模糊評價模型

多級模糊評價模型在對土壤的鹽漬化程度進行綜合評價時，很好地考慮了這個復雜系統(tǒng)的模糊性，然而，卻忽略了系統(tǒng)的隨機性和離散性的問題，并未很好地體現(xiàn)出模糊系統(tǒng)隨機性及波動性的模糊本質(zhì)。云理論能夠很好地刻畫出模糊系統(tǒng)的隨機性及不確定性，能夠很好地將定性概念和定量數(shù)值進行自由轉換，且能通過不確定性語言將對象的隨機性和模糊性有機結合起來，鑒于此，本文針對干旱荒漠灌區(qū)的土壤鹽漬化進行綜合評價時，將不確定性云理論引入多級模糊評價模型進行改進。

按照云理論，每一個云模型都用其相應的期望（）、熵（）和超熵（）3個數(shù)字特征來進行表征，即（，，）[18]。在按照云模型改進上述的多級模糊評價方法時，用期望（）反映云滴的重心位置，分別表示土壤鹽漬化程度、驅(qū)動過程和誘發(fā)因子權重和隸屬度的中心值；熵（）描述云滴的模糊性和隨機性，分別反映鹽漬化程度、驅(qū)動過程、影響因子權重和隸屬度的可能取值范圍；超熵（）是熵的熵，用于描述云的厚度，主要反映云滴的離散程度，分別表示鹽漬化程度、驅(qū)動過程和影響因子權重和隸屬度偏離中心值的程度。

云理論的基本計算依據(jù)定量與定性間的轉換關系，可分為正向云發(fā)生器和逆向云發(fā)生器[19]，其中正向云發(fā)生器是將定性概念轉換成定量數(shù)值，通過得到的定量云模型參數(shù)（、、）生成云滴，逆向云發(fā)生器則相反，是將定量數(shù)據(jù)轉換成定性概念。

應用這種基于云理論的評價方法，可實現(xiàn)對這種多介質(zhì)驅(qū)動的模糊性和多過程耦合不確定性的定量轉化，具體的實現(xiàn)過程包括：依次構建區(qū)域鹽漬化程度的評語集云模型、誘發(fā)因子的標度云模型及隸屬度云模型。

2.1 評語集云模型

確定鹽漬化程度評語集是為了實現(xiàn)區(qū)域鹽漬化程度的定量化揭示，故可采用正向云發(fā)生器。由圖1綜合評價體系，土壤鹽漬化程度評語集={1，2，3，4，5}，可分別采用正向云發(fā)生器來計算并生成評語集云模型。具體計算過程為：首先確定云模型3個特征數(shù)字期望（Ex）、熵（En）和超熵（He），計算公式[20]如下

式中上與下分別為評語集各鹽漬化等級（=1,2,3,4,5）上、下邊界值，可用鹽漬化程度的分類指標作為邊界；為正態(tài)云模型中評語集對應鹽漬化等級的期望；為正態(tài)云模型中評語集對應等級的熵；為常數(shù)。由式（2）~式（4）可確定評語集云模型各鹽漬化等級的3個特征數(shù)字，可得到5個等級1（非鹽化土）、2（輕度）、3（中度）、4（強度）、5（鹽化土）的各等級評語集云模型（，，），進而確定干旱灌區(qū)土壤鹽漬化程度綜合評價的目標層。

2.2 誘發(fā)因子權重云模型

經(jīng)典層次分析法（analytic hierarchy process，AHP）的Satty標度中，要求專家用1～9之間的一個自然數(shù)來確定2個因子的相對重要性問題[21-22]。為了摒除專家在描述土壤鹽漬化程度誘發(fā)因子狀態(tài)時主觀性及個人經(jīng)驗性的影響，可在誘發(fā)土壤鹽漬化的因子重要性分析時，通過構建基于云模型標度的影響因子兩兩比較判斷矩陣來對其進行改進，構建的云模型標度準則見表1。

表1 土壤鹽漬化誘發(fā)因子云模型標度準則

先由云模型標度來構建判斷矩陣，然后采用方根法計算誘因的權重。對兩兩比較判斷矩陣中各行的元素進行計算，即可得出權重云模型，期望（）、熵（）和超熵（）的計算公式[23]見式（5）－式（7）。

由此可得到水文地質(zhì)條件（）、地表水（）、地下水（）、土壤（）、灌溉—入滲（）、蒸散發(fā)（）、近地面熱（）及土壤層熱（）8個區(qū)域土壤鹽漬化誘發(fā)因子權重云模型W0（Ex0，En0，He0）。

2.3 誘發(fā)因子隸屬度云模型

為了將土壤鹽漬化誘發(fā)因子隨機性和模糊性相結合以滿足定性與定量間相互一對多映射關系，可由逆向云發(fā)生器原理，構建基于區(qū)域土壤鹽漬化誘發(fā)因子狀態(tài)要素下的隸屬度函數(shù)[24]，過程如下：

1）計算期望值，即云模型中云滴均值：

2）計算熵：

3）計算超熵：

對于影響土壤鹽漬化的8個誘發(fā)因子中任意一個評價單元，由云模型3個特征數(shù)字：期望值、熵、超熵，得到其相應隸屬度云模型（，，）(=1, 2, 3, 4, 5, 6, 7, 8)，亦可從隸屬度函數(shù)中提取8個相對應的云隸屬度函數(shù)，進而得出鹽漬化誘發(fā)因子對鹽漬化各等級的隸屬度關系。

3 實例分析

3.1 研究區(qū)概況

選定甘肅景泰川電力提灌灌區(qū)（簡稱“景電灌區(qū)”）為研究區(qū)，該灌區(qū)是一個地處中國西北干旱荒漠區(qū)的大型揚水灌區(qū)，其地理區(qū)域為103°20′～104°04′E、37°26′～38°41′N之間，是連接甘、寧、蒙的3省區(qū)交界地帶。由于其特殊的地理位置和特定的自然環(huán)境，該區(qū)域的水土環(huán)境問題直接關系到沙漠南移和周邊土地的深度荒漠化等區(qū)域環(huán)境安全問題。灌區(qū)所在區(qū)域?qū)俚湫透珊荡箨懶詺夂?，光熱條件充足，土地資源豐富，但水資源十分貧乏，多年平均蒸發(fā)量約2 433.8 mm，多年平均降雨量約185.6 mm，蒸發(fā)降雨比達13:1，干燥度達3.53，屬典型低降雨高蒸發(fā)流域[25]。灌區(qū)建成于20世紀70年代初，分兩期建成，一期于1971年投入使用，二期于1987年開始提水灌溉，灌區(qū)運行40多年以來，長期的引水灌溉加上不科學的灌溉方法，致使灌區(qū)地下水位不斷抬升，進而誘發(fā)了區(qū)域大面積的土壤鹽漬化，尤其在封閉型水文單元表征更為明顯，灌區(qū)土壤鹽漬土鹽離子主要以硫酸鹽（CaSO4、MgSO4）、氯鹽（NaCl、MgCl2、KCl、CaCl2）及一些碳酸鹽為主[26]。目前，灌區(qū)的土地鹽漬化面積呈現(xiàn)不斷增加的趨勢，其土壤的鹽漬化程度更是不斷加深，灌區(qū)現(xiàn)有鹽堿耕地面積4 000多公頃，約占耕地面積的21.7%，且鹽堿耕地中大部分土地已呈現(xiàn)重度鹽漬化和鹽化土，圖2為灌區(qū)典型地塊鹽漬化圖。目前，土壤的鹽漬化已成為制約景電灌區(qū)等典型揚水灌區(qū)農(nóng)業(yè)可持續(xù)發(fā)展及水土資源可持續(xù)開發(fā)利用所面臨的重大難題。

圖2 景電灌區(qū)區(qū)域及典型鹽堿地概況圖

3.2 基于云理論改進多級模糊評價模型的土壤鹽漬化程度綜合評價

3.2.1 鹽漬化程度的評語集云模型

由中國干旱及半干旱區(qū)土壤的鹽漬化分級分類標準[15]，以0～100 cm的土壤含鹽量為控制指標，鑒于灌區(qū)土壤鹽離子類型及灌區(qū)所處地理位置等因素，將鹽漬化土壤依次分為非鹽化（<0.1）、輕度（0.1～0.2）、中度（0.2～0.4）、重度（0.4～0.6）、鹽化土（>0.6）5個等級，由式（2）～式（4），分別計算各等級對應的云模型特征參數(shù)。

采用正向云發(fā)生器，將鹽漬化程度綜合評價的目標層利用Matlab軟件進行仿真顯示，見圖3。

圖3 土壤鹽漬化程度評語集云模型

3.2.2 土壤鹽漬化誘發(fā)因子權重云模型

在2016年7月對灌區(qū)鹽漬化狀況進行現(xiàn)場調(diào)研和數(shù)據(jù)采集的基礎上，聘請相關學者、灌區(qū)技術人員及管理人員等專家，根據(jù)已構建的云模型標度準則，對造成土壤鹽漬化的誘發(fā)因子進行兩兩判斷，構建基于云模型標度的判斷矩陣，對構建的判斷矩陣由式（5）～式（7）計算，可得8個土壤鹽漬化誘發(fā)因子權重云模型W0（Ex0，En0，He0），見表2。

表2 土壤鹽漬化誘發(fā)因子權重云模型

3.2.3 土壤鹽漬化誘發(fā)因子的隸屬度云模型

針對區(qū)域土壤鹽漬化誘發(fā)因子的8個指標及表征各誘發(fā)因子狀態(tài)的21個指標，以土壤實測數(shù)據(jù)作為樣本數(shù)據(jù)，進行統(tǒng)計分析后，依據(jù)逆向云發(fā)生器的基本原理，由式（8）－式（10），分別建立區(qū)域土壤鹽漬化不同誘發(fā)因子在各個狀態(tài)下的隸屬度函數(shù)，對任意一個評價單元，從已構建的隸屬度函數(shù)中提取誘發(fā)因子8個指標的隸屬度云模型，見表3。

表3 土壤鹽漬化誘發(fā)因子隸屬度云模型

3.2.4 綜合評價

由求得的區(qū)域土壤鹽漬化誘發(fā)因子的權重云模型及隸屬度云模型，依據(jù)模糊評價綜合合成計算見式（1），進而得到基于云理論改進的區(qū)域土壤鹽漬化等級多級模糊評價的綜合評價結果云模型，其模型的期望、熵及超熵分別為0.224 2%、0.029 5及0.021 2。依據(jù)求得的評價結果云模型W（0.224 2，0.029 5，0.021 2）及評語集云模型各等級評語集云模型（，，），由正向云發(fā)生器，將綜合評價結果云模型（）及評語集云模型（1，2，3，4，5）對比用Matlab進行仿真顯示，結果見圖4。

圖4 綜合評價結果及評語集云模型對比

由圖4知，該灌區(qū)區(qū)域土壤鹽漬化程度的評價結果的云滴基本位于2（輕度）與3（中度）之間，表明灌區(qū)區(qū)域土壤的鹽漬化處于輕度鹽化土和中度鹽化土之間，且云滴分別較為集中，集中度較高，表明灌區(qū)鹽漬化的實際狀態(tài)和評價預期值的偏離程度較小，可信度較高。同時，評價結果云模型的期望值為0.224 2%，即0～100 cm土壤的含鹽量為0.224 2%的可能性最大。此外，評價結果云模型的熵和超熵分別為0.029 5，0.021 2，數(shù)值較小，表明評價結果的不確定性較小。綜上，該灌區(qū)區(qū)域土壤鹽漬化程度總體處于輕度鹽化和中度鹽化之間，中心值為0.224 2%，且在較小范圍內(nèi)波動，其變動可能性較小。

4 討 論

本文將云理論改進的多級模糊評價模型運用到景電灌區(qū)土壤鹽漬化的評價中，從綜合評價結果來看，評價結果云模型為W（0.224 2，0.029 5，0.021 2）；從云滴分布來看，該灌區(qū)土壤鹽漬化程度總體介于輕度和中度鹽化之間，0～100 cm土壤含鹽量最大可能的值為0.224 2%。以2016年8月灌區(qū)土壤實測數(shù)據(jù)進行模型準確性評價，由實測數(shù)據(jù)統(tǒng)計分析求得土壤鹽漬化的云模型為（0.232 1，0.031 4，0.022 9），即灌區(qū)土壤鹽漬化程度介于輕度和中度鹽化之間，略偏向于中度鹽化土，與評價結果云滴分布相差較??；從評價數(shù)據(jù)精度來看，期望、熵、超熵的誤差率分別為3.40%、6.05%、7.42%，誤差率均低于10%，故評價結果較為可靠，基本符合灌區(qū)實際情況。

文中分別構建了評語集云模型、權重云模型及隸屬度云模型，其中，評語集云模型以土壤鹽漬化分級分類標準為構建基礎，摒除了確定評價標準而產(chǎn)生的主觀性[27]；權重由專家打分法確定，具有一定的主觀影響，且該方法受環(huán)境及地域條件的限制，其結果難免會產(chǎn)生誤差[28]，但該方法在判斷指標間兩兩重要性程度時具有明顯的優(yōu)勢，如汪順生等[29]運用此方法確定了夏玉米耗水系數(shù)及產(chǎn)量權重系數(shù)，李風等[30]利用此方法確定了半自磨機的磨礦性能優(yōu)化評價模型，均取得了良好的評價效果。因此，本文在對灌區(qū)鹽漬化狀況進行現(xiàn)場調(diào)研和數(shù)據(jù)采集的基礎上，采用云理論對層次分析法標度準則進行改進，通過構建基于云標度的權重，將打分過程中產(chǎn)生的主觀不確定性剔除；隸屬度云模型以逆向云發(fā)生器為模型構建基礎，對土壤實測數(shù)據(jù)進行統(tǒng)計分析，從得到的評價單元隸屬度函數(shù)中提取誘發(fā)因子8個指標的隸屬度云模型，進而確定了各評價指標隸屬于上層單元的隸屬度，采用云模型參數(shù)，降低了指標間屬性狀態(tài)的不確定度及度量難度[17]。從3個云模型構建基礎的角度考量，得到的評價結果合理可信。

5 結 論

1）本文將對處理不確定性問題有獨特優(yōu)勢的云理論引入到土壤鹽漬化程度的多級模糊評價系統(tǒng)中，提出了基于云理論的土壤鹽漬化程度的多級模糊評價模型，其評價結果在給出了預期值的基礎上，還給出了其結果的穩(wěn)定性及可信度，運用云模型的3個參數(shù)，將離散型、隨機性及模糊性等不確定性特征有機結合到一塊，相比于多級模糊評價模型，其結果信息更豐富，提高了評價結果的相對穩(wěn)定性和可視化，為灌區(qū)的土壤鹽漬化程度評價提供了一條新的方法。

2）利用云理論改進的土壤鹽漬化多級模糊評價模型，對干旱荒漠灌區(qū)的土壤鹽漬化程度進行了評價，該灌區(qū)區(qū)域土壤的鹽漬土介于輕度鹽化土和中度鹽化土之間，土壤含鹽量的期望值為0.224 2%，即土壤0～100 cm層的含鹽量可能性最大值為0.224 2%。此外，評價結果云模型的熵和超熵分別為0.029 5，0.021 2，數(shù)值較小，即評價結果的不確定性較小，波動性較小。評價結果基本符合灌區(qū)實際情況，評價結果較好，驗證了模型的可行性。

3）本文針對多級模糊評價模型不能體現(xiàn)不確定性及波動性的模糊本質(zhì)，應用云理論進行了改進，且對干旱荒漠灌區(qū)的土壤鹽漬化程度進行了評價，但也存在一定的不足之處：首先，土壤鹽漬化的誘發(fā)機理、驅(qū)動過程及要素狀態(tài)等指標構成的指標體系構建是一個復雜的問題；其次，考慮到正態(tài)分布的普適性，故本文所計算的隸屬度云模型、標度云模型等都是以正態(tài)云模型為構建基礎，如何根據(jù)不同情況選取不同分布的云模型，也需要深入地研究，以更加符合實際情況。

[1] Xu C, Zhang H, Han L, et al. Characteristic monitoring of groundwater-salt transportation and input-output in inland arid irrigation area[J]. Journal of Environmental Biology, 2014, 35(6): 1181－1189.

[2] 王海江，石建初，張花玲，等. 不同改良措施下新疆重度鹽漬土壤鹽分變化與脫鹽效果[J]. 農(nóng)業(yè)工程學報，2014，30(22)：102－111.

Wang Haijiang, Shi Jianchu, Zhang Hualing, et al. Soil salinity dynamic change and desalting effect under different improvement measures in severe salinity soil in Xinjiang[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(22): 102－111. (in Chinese with English abstract)

[3] 盧星航，史海濱，李瑞平，等. 覆蓋后秋澆對翌年春玉米生育期水熱鹽及產(chǎn)量的影響[J]. 農(nóng)業(yè)工程學報，2017，33(1)：148－154.

Lu Xinghang, Shi Haibin, Li Ruiping, et al. Effect of autumn irrigation after mulching on water-heat-salt and yield of following spring maize[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(1): 148－154. (in Chinese with English abstract)

[4] Alexakis D, Gotsis D, Giakoumakis S. Evaluation of soil salinization in a Mediterranean site (Agoulinitsa district: West Greece)[J]. Arabian Journal of Geosciences, 2015, 8(3): 1373－1383.

[5] 管孝艷，王少麗，高占義，等. 鹽漬化灌區(qū)土壤鹽分的時空變異特征及其與地下水埋深的關系[J]. 生態(tài)學報，2012，32(4)：1202－1210.

Guan Xiaoyan, Wang Shaoli, Gao Zhanyi, et al. Spatio-temporal variability of soil salinity and its relationship with the depth to groundwater in salinization irrigation district[J]. Acta Ecologica Sinica, 2012, 32(4): 1202－1210. (in Chinese with English abstract)

[6] 徐存東，連海東，聶俊坤，等. 基于改進層次分析法的干旱揚水灌區(qū)水土環(huán)境變遷響應評估[J]. 干旱區(qū)地理，2015，38(5)：880－886.

Xu Cundong, Lian Haidong, Nie Junkun, et al. Response evaluation for changes of water and soil environment in arid pumping-irrigation areas based on improved analytic hierarchy process[J]. Arid Land Geography, 2015, 38(5): 880－886. (in Chinese with English abstract)

[7] Azizzadeh L, Zadeh L, Zahed L, et al. Fuzzy Sets, Information and Control[J]. Information & Control, 1965, 8(3): 338－353.

[8] 汪培莊. 模糊集合論及其應用[M]. 上海：科學技術出版社，1983.

[9] 肖龍，戴宗坤. 信息系統(tǒng)風險的多級模糊綜合評判模型[J]. 四川大學學報：工程科學版，2004，36(5)：98－102.

Xiao Long, Dai Zongkun. Model of multilevel fuzzy comprehensive risk evaluation of information system[J]. Journal of Sichuan University: Engineering Science Edition, 2004, 36(5): 98－102. (in Chinese with English abstract)

[10] 劉沐宇，林馳，高宏偉. 橋梁生命周期環(huán)境影響的多級模糊綜合評價[J]. 土木工程學報，2009(1)：55－59.

Liu Muyu, Lin Chi, Gao Hongwei. Comprehensive fuzzy assessment on the life-cycle environment impact of bridges[J]. China Civil Engineering Journal, 2009(1): 55－59. (in Chinese with English abstract)

[11] 劉旭娜，肖先勇，劉陽，等. 工業(yè)過程電壓暫降風險等級層次化多級模糊綜合評估[J]. 電網(wǎng)技術，2014，38(7)：1984－1988.

Liu Xuna, Xiao Xianyong, Liu Yang, et al. Hierarchical multi-level fuzzy comprehensive evaluation on risk level of voltage sag during industrial process[J]. Power System Technology, 2014, 38(7): 1984－1988. (in Chinese with English abstract)

[12] 沈進昌，杜樹新，羅祎，等. 基于云模型的模糊綜合評價方法及應用[J]. 模糊系統(tǒng)與數(shù)學，2012，26(6)：115－123.

Hen Jinchang, Du Shuxin, Luo Yi, et al. Method and application research on fuzzy comprehensive evaluation based on cloud model[J]. Fuzzy Systems and Mathematics, 2012, 26(6): 115－123. (in Chinese with English abstract)

[13] 李德毅，劉常昱，杜鹢，等. 不確定性人工智能[J]. 軟件學報，2004，15(11)：1583－1594.

Li Deyi, Liu Changyu, Du Ye, et al. Artificial intelligence with uncertainty[J]. Journal of Software, 2004, 15(11): 1583－1594. (in Chinese with English abstract)

[14] 周啟剛，張曉媛，王兆林. 基于正態(tài)云模型的三峽庫區(qū)土地利用生態(tài)風險評價[J]. 農(nóng)業(yè)工程學報，2014，30(23)：289－297.

Zhou Qigang, Zhang Xiaoyuan, Wang Zhaolin. Land use ecological risk evaluation in Three Gorges Reservoir area based on normal cloud model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(23): 289－297. (in Chinese with English abstract)

[15] 王遵親，祝壽泉，俞人培，等. 中國鹽漬土[M]. 北京：科學出版社，1993.

[16] 汪培莊，李洪興. 模糊系統(tǒng)理論與模糊計算機[M]. 北京：科學出版社，1996.

[17] 何金平，高全，施玉群. 基于云模型的大壩安全多層次綜合評價方法[J]. 系統(tǒng)工程理論與實踐，2016，36(11)：2977－2983.

He Jinping, Gao Quan, Shi Yuqun. A multi-hierarchical comprehensive evaluation method of dam safety based on cloud model[J]. Systems Engineering-Theory & Practice, 2016, 36(11): 2977－2983. (in Chinese with English abstract)

[18] 關山，康振興，彭昶. 車削刀具磨損聲發(fā)射信號的云特征分析[J]. 農(nóng)業(yè)工程學報，2016，32(20)：63－69.

Guan Shan, Kang Zhenxing, Peng Chang. Analysis on cloud characteristics of wear acoustic emission signal for vehicle cutting tool[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(20): 63－69. (in Chinese with English abstract)

[19] 張光衛(wèi)，何銳，劉禹，等. 基于云模型的進化算法[J]. 計算機學報，2008，31(7)：1082－1091.

Zhang Guangwei, He Rui, Liu Yu, et al. An evolutionary algorithm based on cloud model[J]. Chinese Journal of Computers, 2008, 31(7): 1082－1091. (in Chinese with English abstract)

[20] 張楊，嚴金明，江平，等. 基于正態(tài)云模型的湖北省土地資源生態(tài)安全評價[J]. 農(nóng)業(yè)工程學報，2013，29(22)：252－258.

Zhang Yang, Yan Jinming, Jiang Ping, et al. Normal cloud model based evaluation of land resources ecological security in Hubei province[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(22): 252－258. (in Chinese with English abstract)

[21] Nguyen T, Nahavandi S. Modified AHP for gene selection and cancer classification using type-2 fuzzy logic[J]. IEEE Transactions on Fuzzy Systems, 2016, 24(2): 273－287.

[22] 王民敬，裴海生，孫君社，等. 基于改進層次分析法的靈芝品質(zhì)安全綜合評價[J]. 農(nóng)業(yè)工程學報，2017，33(4)：302－308.

Wang Minjing, Pei Haisheng, Sun Junshe, et al. Comprehensive evaluation on quality and safety of ganoderma lucidum based on improved analytic hierarchy process[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(4): 302－308. (in Chinese with English abstract)

[23] 張秋文，章永志，鐘鳴. 基于云模型的水庫誘發(fā)地震風險多級模糊綜合評價[J]. 水利學報，2014，45(1)：87－95.

Zhang Qiuwen, Zhang Yongzhi, Zhong Ming. A cloud model based approach for multi-hierarchy fuzzy comprehensive evaluation of reservoir-induced seismic risk[J]. Journal of Hydraulic Engineering, 2014, 45(1): 87－95. (in Chinese with English abstract)

[24] 呂輝軍，王曄，李德毅，等. 逆向云在定性評價中的應用[J]. 計算機學報，2003，26(8)：1009－1014.

Lu Huijun, Wang Ye, Li Deyi, et al. The application of backward cloud in qualitative evaluation[J]. Chinese Journal of Computers, 2003, 26(8): 1009－1014. (in Chinese with English abstract)

[25] 李銀科，馬全林，王耀琳，等. 景電灌區(qū)次生鹽漬化土地枸杞林的土壤特征研究[J]. 草業(yè)學報，2015，24(5)：66－74.

Li Yinke, Ma Quanlin, Wang Yaolin, et al. Soil characteristics of medlar wood growing on secondary salinization land in Jingdian irrigation zone[J]. Acta Prataculturae Sinica, 2015, 24(5): 66－74. (in Chinese with English abstract)

[26] 徐存東. 景電灌區(qū)水鹽運移對局域水土資源影響研究[D]. 蘭州：蘭州大學，2010.

Xu Cundong. Research on the Effect of Local Water and Soil Environment Caused by Water-salt Transportation in Jing-Dian Irrigation District[D]. Lanzhou: Lanzhou University, 2010. (in Chinese with English abstract)

[27] 王迎超，靖洪文，張強，等. 基于正態(tài)云模型的深埋地下工程巖爆烈度分級預測研究[J]. 巖土力學，2015，36(4)：1189－1194.

Wang Yingchao, Jing Hongwen, Zhang Qiang, et al. Anormal cloud model-based study of grading prediction of rockburst intensity in deep underground engineering[J]. Rock and Soil Mechanics, 2015, 36(4): 1189－1194. (in Chinese with English abstract)

[28] 龔雪文，劉浩，劉東鑫，等. 基于模糊算法的溫室番茄調(diào)虧滴灌制度綜合評判[J]. 農(nóng)業(yè)工程學報，2017，33(14)：144－151.

Gong Xuewen, Liu Hao, Liu Dongxin, et al. Fuzzy comprehensive evaluation on regulated deficit irrigation scheduling of tomato drip irrigated in solar greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(14): 144－151. (in Chinese with English abstract)

[29] 汪順生，劉東鑫，王康三，等. 不同溝灌方式對夏玉米耗

水特性及產(chǎn)量影響的模糊綜合評判[J]. 農(nóng)業(yè)工程學報，2015，31(24)：89－94.

Wang Shunsheng, Liu Dongxin, Wang Kangsan, et al. Fuzzy comprehensive evaluation on water consumption characteristics and yield of summer corn under different furrow irrigation patterns[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(24): 89－94. (in Chinese with English abstract)

[30] 李風，付開進，于向軍. 基于層次分析法的大型半自磨機磨礦性能優(yōu)化[J]. 農(nóng)業(yè)機械學報，2017，48(6)：392－398.

Li Feng, Fu Kaijin, Yu Xiangjun. Optimization of grinding performance for large-type semi-autogenous mill based on analytic hierarchy process[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(6): 392－398. (in Chinese with English abstract)

Improved multi-level fuzzy evaluation model based on cloud theory for evaluation of soil salinization degree

Xu Cundong1,2, Cheng Hui1, Wang Yan1, Wan Rongrong1, Liu Luyao1, Zhang Rui1

(1.,450046,;2.,450046,)

The producing process of soil salinization is a complex fuzzy system with participation of multi indices and multi-level driving, which involves field water transformation, field heat exchange and soil salt-water transport. Therefore, in view of this fuzzy process, the comprehensive evaluation model of salinization based on multi-level fuzzy theory can be used to reveal it quantitatively. However, this model can take good account of the fuzziness of the complex system in the comprehensive evaluation of soil salinization degree, the randomness and discreteness of the system are neglected yet, and the fuzzy nature of the randomness and volatility of fuzzy systems are not well represented. The cloud theory can describe the randomness and uncertainty of fuzzy systems well, in which qualitative concepts and quantitative values can be freely transformed, and the subjective and individual empirical effects of experts in describing the status of inducing factors of soil salinization can be well avoided. In view of this, in this paper, the uncertainty cloud theory was introduced into the multi-level fuzzy evaluation model, and the driving process of soil salinization was divided into 4 layers: The evaluation layer, driving process layer, inducing factor layer and element status layer. Regional soil salinization degree was described, the multi-level fuzzy evaluation index system of soil salinization degree was constructed by the basic principles of analytic hierarchy process and multilevel fuzzy theory, and a set of cloud model of salinity evaluation was constructed by using normal cloud generator. Meanwhile, the scale criterion of inducing factor of soil salinization based on cloud scale was constructed by improving the traditional Satty scaling principle, and a weight cloud model of induced factors was constructed. In addition, the membership cloud model of the induced factor was constructed by using the backward cloud generator. Finally, the weight cloud model and membership cloud model were weighted to determine the evaluation model of soil salinization degree, and then a multi-level fuzzy evaluation model of soil salinization based on cloud theory was proposed. Moreover, the model was used to evaluate the degree of soil salinization of Jingtaichuan electric pumping irrigation area, Gansu Province. And then the evaluation results and comments collection cloud model were combined, which was for emulation display by MATLAB software. The result shows that: 1) The salinization degree of soil in irrigated area is between slight and moderate. The expected value of soil salinity is 0.224 2%, that is to say, the likelihood of 0.224 2% soil salinity in 0-100 cm is maximum. In addition, the entropy and hyper entropy of the cloud model are 0.029 5 and 0.021 2, respectively, and the value is smaller, that is, the uncertainty of the evaluation results is small, and the evaluation results fluctuate in a small range. The evaluation results basically conform to the actual situation of irrigation area, and the evaluation results are good, which verify the feasibility of the model. 2) The multi-level fuzzy evaluation model is improved by using cloud theory, the stability and reliability of the results are also given besides the expected values, and the fuzziness, randomness and discreteness are organically combined by 3 numerical characteristics of the cloud model i.e. expectation value, entropy and hyper entropy. Compared with the multi-level fuzzy evaluation model, the results are more in line with human language habits, and the information is more abundant, which provides a new method for the evaluation of soil salinization degree in irrigation area.

soils; salinization; models; cloud theory; multilevel fuzzy; comment set; scale; membership degree; evaluation

10.11975/j.issn.1002-6819.2017.24.012

TV93; O159

A

1002-6819(2017)-24-0088-08

2017-07-27

2017-11-27

國家自然科學基金資助項目（51579102;31360204）；河南省教育廳科技創(chuàng)新人才支持計劃（14HASTIT047）；河南省教育廳科技創(chuàng)新團隊支持計劃（14IRTSTHN028）；河南省科技廳科技創(chuàng)新人才支持計劃（174200510020）

徐存東，男，甘肅景泰人，博士，教授，博士生導師，河南省特聘教授，主要從事灌區(qū)水鹽調(diào)控方面的研究。Email：xcundong@126.com

徐存東，程 慧，王 燕，王榮榮，劉璐瑤，張 銳. 灌區(qū)土壤鹽漬化程度云理論改進多級模糊評價模型[J]. 農(nóng)業(yè)工程學報，2017，33(24)：88－95. doi：10.11975/j.issn.1002-6819.2017.24.012 http://www.tcsae.org

Xu Cundong, Cheng Hui, Wang Yan, Wan Rongrong, Liu Luyao, Zhang Rui. Improved multi-level fuzzy evaluation model based on cloud theory for evaluation of soil salinization degree[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(24): 88－95. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.24.012 http://www.tcsae.org