APP下载

基于空间热点与聚类区域空间自相关分析方法的乡域单元耕层地力资源评价研究

2019-12-13卢健

无线互联科技 2019年19期

卢健

摘   要:基于农安县各乡域耕层地力资源,使用ArcGIS平台,文章建立了农安县耕层地力资源的部分土壤属性数据的全氮、有效磷、有效钾及有机质养分数据库,运用全局自相关的两种分析方法(聚类和异常值分析及热点分析)分析了养分数据分布特征。结果表明:不同类型耕地质量指数均表现出较强的空间正相关性,研究结果对于耕地保护与优化布局政策提供理论方法和参考借鉴,同时也为农田精准作业的实施提供了决策依据。

关键词:空间热点;聚类空间;自相关;耕层地力资源

对于农业工作者来说,耕层地力资源情况是评价地力资源最直接的标准,而衡量地理资源情况的指标更多取决于土壤养分的高低[1]。因此,对土壤属性数据的养分全氮、有效磷、有效钾及有机质进行分析研究,可为乡域范围耕层地力资源功能划分与管控及田间精准作业的实施提供一定依据。

本文借助GIS分析技术,采用Getis-Ord Gi*(热点分析)和Morans I(聚类和异常值分析)对农安县耕层地力资源的部分土壤属性数据全氮、有效磷、有效钾及有机质的空间热点和聚类及异常值进行了分析并提供显著性检验,两种方法的结论为农安县乡域范围耕层地力资源的功能分区与精细化管控及田间精准作业的实施提供了决策依据。

1    研究区域和研究方法

研究区域选择吉林省农安县,农安县土壤以黑土、黑钙土为主。本文借助GIS分析技术,运用Getis-Ord Gi*和Morans I两种空间自相关分析方法,对农安县耕层地力资源的部分土壤属性数据的空间热点和聚类及异常值进行了验证,并进行了相应的显著性检验,最终对乡域单元耕层地力资源进行分析研究。

1.1  Getis-OrdGi*(热点分析)

热点分析能够运用Getis-OrdGi*统计对数据集中的每一个要素进行计算并得到z得分和p值,从而在空间上获取发生聚类的位置。工作方式为:比照所有要素及其临近要素,寻找具有显著统计学意义的热点,即要素在具有高值特征的同时,临近要素也同样具有高值特征[2]。单一要素及其相邻要素的局部总和将与整体要素的总和相比较;当局部总和与所预期的局部总和有很大差异,以致于无法成为随机产生的结果时,会产生一个具有显著统计学意义的z得分[3],z得分越大,高值(热点)的聚類相关性就越强。对于统计学上的显著性负z得分越低,低值(冷点)的聚类相关性就越弱。

1.2  MoransI(聚类和异常值分析)

MoransI根据要素位置和要素值对空间的自相关性进行判断。在给定一组要素及相关属性的情况下,计算MoransI指数值、z得分和p值评估该指数的显著性。根据已知分布的曲线得出的面积近似值(受检验统计量限制)来确定p值。

如果高值与其他高值相聚集,低值与其他低值相聚集,数据集中的值在空间上发生聚类的可能性增高,则MoransI指数为正。反之,若高值与其他高值分散,而与其他低值相聚集,则该指数为负。若正叉积值与负叉积值相抵消,则指数将接近于零。因为分子受方差归一化影响,所以指数值会落在-1.0~+1.0的区间内[4]。

1.3  空间自相关两种算法的共同点与不同点

利用这两种方法,可以针对空间单元分布现象的特性进行有效分析,其共同点和不同点如下:

在算法原理上,两种算法的共同点是都通过分析评估所有数据的属性平均值,来确定空间自相关现象。不同点是,MoransI对权重的依赖度略低,正值1表示要素与临近要素发生聚类,负值1表示要素与临近要素为异常值;Getis-OrdGi*更倾向于对权重分析,最终会取得一个具有显著意义的z得分。

在结果方面,两种算法的共同点是都会计算p值和z得分。不同点是,MoransI会明确给出4种结果,即高高值空间集聚、高低值空间集聚、低低值空间集聚和低高值空间集聚,可以通过这4种结果来判定空间是否出现了聚集或异常值现象[5]。

2    结果与分析

利用ArcGIS,使用热点分析、聚类和异常值分析的空间分析工具对农安县耕层地力资源的全氮、有效磷、有效钾及有机质进行分析研究,得到农安县养分分布热点分析图和MoransI分析图。

2.1  养分N的热点和聚类及异常值分析

由分析结果可知,养分氮在农安县杨树林乡为冷点区域,在农安县中部各乡域地区为热点区域;在农安县杨树林乡出现低低值空间集聚,可知在杨树林乡养分氮含量稀少,周围各乡域养分氮含量同样稀少,在农安县中部各乡域地区出现高高值空间集聚,可知在农安县中部养分氮含量丰富,周围各乡域养分氮含量同样丰富,在农安县新农乡出现高低值空间集聚,可知在新农乡周围各乡域养分氮含量与新农乡相比较少。

2.2  养分P的热点和聚类及异常值分析

养分磷在农安县杨树林乡、哈拉海镇和新农乡附近为冷点区域,在农安县伏龙泉镇、三岗乡、鲍家镇以及合隆镇附近为热点区域;养分磷MoransI分析主要表现为高高值空间集聚,分布情况与热点分析图的热点区域大致相同,说明在农安县伏龙泉镇、三岗乡、鲍家镇以及合隆镇养分磷含量丰富,其周围各乡域养分磷同样丰富。

2.3  养分钾的热点和聚类及异常值分析

养分钾在农安县永安乡、杨树林乡、哈拉海镇和新农乡附近为冷点区域,在农安县中部各乡域地区为热点区域,且较为聚集;在农安县中部各乡域地区出现高高值空间集聚,可知在农安县中部养分钾含量丰富,周围各乡域养分钾含量同样丰富,在农安县新农乡出现高低值空间集聚,可知在新农乡周围各乡域养分钾含量与新农乡相比较少。

2.4  有机质的热点和聚类及异常值分析

在农安县杨树林乡、永安乡、哈拉海镇和新农乡附近是有机质的冷点区域主要分布区域,而热点区域较为分散,主要分布在农安县中部地区;在农安县巴吉垒镇和龙王乡交界处高值空间集聚,则该区域有机质含量丰富,周围各乡域有机质含量同样丰富,在农安县新农乡出现高低值空间集聚,可知在新农乡周围各乡域有机质含量与新农乡相比较少。

3    结语

通过分析农安县各乡域单元耕层地力资源状况的空间差异性,结果如下:

(1)基于Getis-OrdGi*对土壤养分的空间热点进行分析结果表明,养分N和有机质的区域热点主要分布在农安县中南部各乡域地区,冰点主要分布在农安县北部各乡域地区。

(2)利用MoransI区分农安县耕层地力资源的土壤养分数据的空间集聚与空间离散区域,分析研究表明,不同类型耕地质量指数均表现出较强的空间正相关性,即养分数据高值或低值的乡域在空间上表现出明显的集聚状态,并且其聚集程度较高。

(3)基于两种算法的耕层地力资源分析,为耕地管理分區提供了新的决策,对乡域耕地质量的差异化保护和精细化管理具有一定的参考价值。

[参考文献]

[1]任平.基于GIS和空间自相关模型的耕地空间分布格局及变化特征分析—以成都市龙泉驿区为例[J].中国生态农业学报,2016(3):325-334.

[2]洪舒蔓,郝晋珉,周宁,等.黄淮海平原耕地变化及对粮食生产格局变化的影响[J].农业工程学报,2014(21):268-277.

[3]李勇,周永章,张澄博,等.基于局部MoransI和GIS的珠江三角洲肝癌高发区蔬菜土壤中Ni,Cr的空间热点分析[J].环境科学,2010(6):1617-1623.

[4]熊昌盛,韦仕川,栾乔林,等.基于MoransI分析方法的耕地质量空间差异研究—以广东省广宁县为例[J].资源科学,2014(10):2066-2074.

[5]赵建军,张洪岩,王野乔,等.基于AHP和GIS的省级耕地质量评价研究—以吉林省为例[J].土壤通报,2012(1):70-75.

Abstract:Based on the ploughing soil fertility resources in various rural areas of Nongan County, the total nitrogen, available phosphorus, available potassium and organic matter nutrient databases of some soil attribute data of cultivated soil fertility resources in Nongan County were established by using ArcGIS platform, and the distribution characteristics of nutrient data were analyzed by two methods of global auto-correlation(clustering, abnormal value analysis and hot spot analysis)in this paper. The results showed that the quality index of different types of cultivated land showed strong spatial positive correlation. The research results provide theoretical methods and reference for cultivated land protection and optimization layout policy, and also provide decision-making basis for the implementation of farmland precision operation.

Key words:spatial hot spot; clustering space; autocorrelation; ploughing ground fertility resources