一种基于产量构建地理最小数据集的土壤肥力预测方法技术

本发明专利技术属于土壤检测技术领域，具体涉及一种基于产量构建地理最小数据集的土壤肥力预测方法，包括以下步骤：(1)采集土壤样品；(2)检测样品的各项肥力指标含量；(3)对步骤(2)所测指标含量进行内梅罗单项肥力指数和综合肥力指数的分析计算；(4)对步骤(2)所测指标含量利用SPSS数据处理软件进行主成分分析，选择主成分分析中高因子载荷指标，进入最小数据集；(5)对步骤(4)的数据集进行标准化计算；(6)对步骤(5)标准化后的最小数据集，计算最小数据集肥力指数。由最小数据集肥力指数与产量相关性分析结果，此肥力指数可预测土壤肥力；本发明专利技术土壤肥力预测方法，对于空间差异较大的油茶土壤肥力，能统一评价，适用范围广。

A prediction method of soil fertility based on the construction of minimum geographical data sets

The invention belongs to the technical field of soil detection, and specifically relates to a method for predicting soil fertility based on a geographic minimal data set of yield, which comprises the following steps: (1) collecting soil samples; (2) detecting the contents of various fertility indexes of the samples; (3) carrying out Nemerow single fertility index and comprehensive fertilizer on the contents of the measured indexes. Force index analysis and calculation; (4) Step (2) Principal component analysis of the measured index content using SPSS data processing software, select the high factor load index in the principal component analysis, into the minimum data set; (5) Steps (4) the data set standardized calculation; (6) Steps (5) standardized minimum data set, calculate the minimum number. According to the fertility index. According to the analysis result of the correlation between the fertility index of the minimum data set and the yield, the fertility index can predict the soil fertility; the soil fertility prediction method of the present invention can uniformly evaluate the soil fertility of Camellia oleifera with large spatial difference and has wide application range.

【技术实现步骤摘要】
一种基于产量构建地理最小数据集的土壤肥力预测方法
本专利技术属于土壤检测
，具体涉及一种基于产量构建地理最小数据集的土壤肥力预测方法。
技术介绍
油茶(CamelliaoleiferaAbel.)，山茶科油茶属常绿小乔木，种子油富含油酸、亚油酸等不饱和脂肪酸，是南方重要的的木本食用油树种。浙江省现有20万公顷油茶林，位居全国第4位，其中，70％分布在丽水及衢州地区，是山区农民增收致富的重要资源优势和潜力所在。当前，浙江省60％以上的油茶林为管理粗放、低产低效的老油茶林，此类林分存在树体生长缓慢、结实量下降、大小年明显等不良现象，严重制约油茶产量与品质的提高。《全国油茶产业发展规划(2009-2020)》明确低产林改造是短期内提高油茶产量的有效方式，并提出浙江省低产林进行改造计划。近年浙江省油茶低产林改造每年以近万公顷逐步推进。作为低产林改造的重要措施，精准水肥管理越来越引起重视。但现阶段油茶施肥存在忽视油茶立地条件对肥力的需求差异，忽视微量元素的作用，油茶土壤肥力评价不成熟等问题，迫切需要建立适合油茶的土壤肥力评价体系。土壤肥力最小数据集的建立是土壤肥力评价及确定关键施肥因子的基础和重要环节。最小数据集的建构常用的有主成分分析法、相关性分析法，也有不少学者采用norm值提取指标。本专利技术选择主成分分析为主要研究方法，以确立浙江省油茶土壤肥力最小数据集，对油茶主产区土壤肥力进行评价，并利用内梅罗指数法结合样地产量对最小数据集进行验证，研究结果对提升浙江省油茶种植业发展、改善盲目施肥、保护环境具有重要指导意义。土壤肥力是土壤供应植物所必须的养分的能力，以及与养分供应能力有关的各种土壤性质与状态。土壤肥力评价则是选择最能反映土壤质量状况及生产能力的指标并对土壤质量做出评判，因此最小数据集的构建是土壤肥力评价的关键环节。目前尚未见文献对油茶土壤肥力进行最小数据集构建等相关报道。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于产量构建地理最小数据集的土壤肥力预测方法，在土壤中各种营养成分差异较大的情况下，该评价方法能适用于各种性质和状态的土壤的肥力指标评价，并且能够准确判断油茶土壤生产力的情况。本专利技术解决其技术问题所采用的技术方案是：一种基于产量构建地理最小数据集的土壤肥力预测方法，包括以下步骤：(1)采样：根据产量设定采样地点，采集油茶土壤样品；(2)检测：检测步骤(1)采集的油茶土壤样品的各项肥力指标含量；(3)全量数据集数据处理分析：内梅罗单项肥力指数评价：Pi＝Ci/SiPi：土壤中某指标i的单项肥力指数；Ci：土壤中某指标i的实测数据；Si：土壤中某指标i的标准值。内梅罗综合肥力指数评价P综：土壤肥力综合指数；(Ci/Si)2min：单项肥力指数最小值平方(Ci/Si)2ave：土壤中所有肥力指数的平均值平方；n：土壤肥力指标个数(4)最小数据集数据处理分析：S1：对步骤(2)所测指标含量利用SPSS数据处理软件进行主成分分析，根据特征值大于1及累计贡献率大于70％的原则，提取若干主成分；S2：按一定标准，选取步骤S1所得若干主成分的高因子载荷；S3：按一定标准，选取步骤S2所得若干主成分的高因子载荷进入最小数据集：(5)最小数据集肥力指标标准化：由于土壤有机质、全氮、碱解氮等与作物生长效应曲线一般呈S形，因此采用S型隶属函数进行肥力指标的标准化。其中x1为肥力指标的低临界值；x2为肥力指标的高临界值；x为肥力指标的测定值。(6)最小数据集肥力指数的建立采用主成分分析法求得公因子方差，据此确定权重系数，根据如下公式计算土壤肥力指数NFI。Wi：肥力指标权重系数；Fi：肥力指标标准值(7)最小数据集肥力指数与产量相关性将最小数据集肥力指数与全量数据集综合指数及产量分别做相关性数据分析。作为优选，所述步骤(1)中，采样方法为：样地分为上、中、下坡，采用S形采样法，采集0～40cm层土壤，其中每个坡度随机选取15～20个样点，每样点样品重量不少于100g。作为优选，每个坡度的样品充分混匀后采取四分法留取1kg，装入塑料袋，做好编号，登记样品信息，带回实验室风干。作为优选，所述步骤(2)中，肥力指标为pH、全氮、全磷、有机质、速氮、有效磷、速效钾、土壤质地、有效微量元素铁、铜、锌、锰、交换性钙、交换性镁。作为优选，所述步骤(4)中，主成分中高因子载荷的选取原则是：该高因子载荷的绝对值大于该主成分中最大因子载荷的90％。作为优选，所述步骤(4)中，选取主成分的高因子载荷进入最小数据集的标准是：(a)当一个主成分高因子载荷指标只有一个时，则该指标进入最小数据集；(b)当一个主成分高因子载荷指标为两个时，对两个指标做相关性分析，若相关系数绝对值r＜0.4时，则两个指标都进入最小数据集；若相关系数绝对值r≥0.4，则因子载荷高的指标进入数据集；(c)当一个主成分高因子载荷指标为三个或三个以上时，两两分别做相关性分析，(1)所有指标两两相关系数绝对值r＜0.4时，则所有指标都进入最小数据集；(2)所有指标两两相关系数绝对值r存在≥0.4的情况时：若两两相关系数绝对值r≥0.4的指标数量占总指标数量的70％以上，则与其余指标相关系数绝对值之和最大的高因子载荷指标进入数据集；否则所有指标进入数据集。本专利技术取得的有益效果是：(a)本专利技术选择主成分分析研究法，确定油茶土壤肥力最小数据集，对油茶土壤肥力评价，并利用内梅罗指数法结合样地产量对最小数据集进行验证；本专利技术的基于地理最小数据集构建的土壤肥力的预测方法，能很好的反映油茶产量和土壤肥力之间的关系，此研究结果对提升油茶种植业发展、改善盲目施肥、保护环境具有重要指导意义；(b)本专利技术的基于产量构建地理最小数据集的土壤肥力预测方法，对土壤的肥力指标评价较为全面，包括对微量元素的检测评价，能够较大程度的反映油茶产量和土壤各种肥力指标之间的关系，且对于空间差异较大的油茶土壤肥力，能够统一评价，适用范围广。附图说明图1浙江省油茶土壤内梅罗综合指数、最小数据集肥力指数及产量图。图中：a：最小数据集肥力指数；b：内梅罗综合指数c：产量。具体实施方式下面结合实施例对本专利技术及其具体实施方式作进一步详细说明，但不意味着限制本专利技术的范围。实施例1：在浙江省范围内采取油茶土壤样品，根据样地及样地所在县的平均产量，根据样地内油产量大于150kg·ha-1，75-150kg·ha-1，小于75kg·ha-1三个级别，对土壤测定结果进行划分。采样时，样地分为上、中、下坡，采用S形采样法，采集0～40cm层土壤，其中每个坡度随机选取15～20个样点，每样点样品重量不少于100g，将每个坡度的样品充分混匀后采取四分法留取1kg，装入塑料袋，做好编号，登记样品信息，带回实验室风干后，检测其中的各种肥力指标含量。检测具体划分结果及各县的土壤肥力指标含量，其检测含量见表1、表2和表3。表1样地产量大于150kg·ha-1土壤测定结果表2样地产量75-150kg·ha-1土壤测定结果表3样地产量小于75kg·ha-1土壤测定结果将表2中，样地油产量处于在75-150kg·ha-1各县的土壤肥力检测结果平均值作为肥力指标标准值Si(见表4)。与NY/T1749-2009中规定的南方地区耕地土壤本文档来自技高网...

【技术保护点】
1.一种基于产量构建地理最小数据集的土壤肥力预测方法，其特征在于，包括以下步骤：(1)采样：根据样地产量设定采样地点，采集油茶土壤样品；(2)检测：检测步骤(1)采集的油茶土壤样品的各项肥力指标含量；(3)对步骤(2)检测的数值，进行全量数据集数据处理分析：内梅罗单项肥力指数评价：Pi＝Ci/SiPi：土壤中某指标i的单项肥力指数；Ci：土壤中某指标i的实测数据；Si：土壤中某指标i的标准值。内梅罗综合肥力指数评价：

【技术特征摘要】
1.一种基于产量构建地理最小数据集的土壤肥力预测方法，其特征在于，包括以下步骤：(1)采样：根据样地产量设定采样地点，采集油茶土壤样品；(2)检测：检测步骤(1)采集的油茶土壤样品的各项肥力指标含量；(3)对步骤(2)检测的数值，进行全量数据集数据处理分析：内梅罗单项肥力指数评价：Pi＝Ci/SiPi：土壤中某指标i的单项肥力指数；Ci：土壤中某指标i的实测数据；Si：土壤中某指标i的标准值。内梅罗综合肥力指数评价：P综：土壤肥力综合指数；(Ci/Si)2min：单项肥力指数最小值平方(Ci/Si)2ave：土壤中所有肥力指数的平均值平方；n：土壤肥力指标个数(4)最小数据集数据处理分析：S1：对步骤(2)所测指标含量利用SPSS数据处理软件进行主成分分析，根据特征值大于1及累计贡献率大于70％的原则，提取若干主成分；S2：按一定标准，选取该若干主成分的高因子载荷；S3：按一定标准，选取上述若干主成分的高因子载荷进入最小数据集；(5)最小数据集肥力指标标准化：步骤(4)所得最小数据集，采用S型隶属函数进行肥力指标的标准化。其中x1为肥力指标的低临界值；x2为肥力指标的高临界值；x为肥力指标的测定值。(6)最小数据集肥力指数的建立步骤(5)标准化后的最小数据集，采用主成分分析法求得公因子方差，据此确定权重系数，根据如下公式计算土壤肥力指数NFI。Wi：肥力指标权重系数；Fi：肥力指标标准值(7)最小数据集肥力指数与产量做相关性分析。将最小数据集肥力指数与全量数据集综合指数及产量分别做相关性数据分析，结果最小数据集肥力指数与产量相关性较好，所述最小数据集肥力指数可对土壤肥力进行预测。2.根据权利要求1所述的一种基于产量构建地理最小数据集的土壤肥力的预测方法，其特...

【专利技术属性】
技术研发人员：韩素芳，刘亚群，程诗明，张飞英，徐梁，宋其岩，
申请(专利权)人：浙江省林业科学研究院，
类型：发明
国别省市：浙江,33