基于最小数据集的江淮丘陵区土壤质量综合评价

宋洪炳 郭伟玲

(安徽理工大学空间信息与测绘工程学院，安徽 淮南 232000)

土壤质量指标通常用来衡量土壤质量，其可以评估一个地区的土壤整体状况，也可以为水土保持提供依据[1]。土壤质量评价可以直接或间接地反映生态系统的变化和人为扰动对土壤所造成的影响，而用数学方法综合评价土壤质量，能更加直观地反映土壤的总体状况。土壤质量指数法可以有效评价土壤质量，量化土壤质量的各项指标对土壤进行更好的管理，因此广泛应用于土壤质量评价当中[2]。目前，土壤质量评价方法主要有模型评价法、灰色关联法、土壤质量指数法等。最小数据集(MDS，Minimum Data Set)最早由Larson和Pierce提出[3]，其能够筛选出最能反映土壤质量的指标。最小数据集法通常用于评价和监测耕地土壤质量的变化，MDS构建中常用的方法包括主成分分析、聚类分析等[4]。其中，主成分分析可以将多个变量转换为少量具有非重复信息的综合指标，从而最大限度地保留原始数据信息，在研究中使用频率最多。目前，将主成分分析构造MDS与土壤质量指数法相结合在土壤质量评价被广泛使用[5]。

目前，关于江淮丘陵区地区的研究主要是土壤养分及侵蚀的空间分布，对于该地区土壤质量评价较少。马渝欣等[6]运用地统计方法和GIS技术结合研究了滁州市定远县农田表层土壤有机碳含量的空间分布和影响因子；赵明松等[7]则是研究了该地区土壤养分含量的空间变异特征及其影响因素；刘晓华等[8]基于3S技术平台研究江淮丘陵区土壤侵蚀空间分布与土地利用类型、植被、坡度等环境因子的关系。本文在基于土壤质量综合指数模型的基础上，通过主成分分析法，应用指标全集和最小数据集指标对江淮丘陵区土壤质量进行评价，为制定改善土壤质量措施提供理论支持和实践指导。

1 数据基础和研究方法

1.1 研究区概况

安徽省江淮丘陵地区位于淮河流域和长江2大流域之间，是中央丘陵和东南丘陵的过渡地带，该区域的海拔高度在20～500m，包括低山、丘陵、岗地、湖滨与沿江平原等。行政区包括肥东县、肥西县、定远县、凤阳县、滁州市等地，土地面积1.54万km2。江淮丘陵地区属于在北亚热带向暖温带的过渡带地区，全年雨量分布不均，年平均气温为14.7℃，年平均降雨量为896.3mm，年日照时数平均2306.7h，主要分布有黄棕壤、黄褐土、水稻土、砂姜黑土、紫色土等土质，是安徽省重要的粮油生产基地之一。

1.2 数据基础

先对江淮丘陵区土壤质量主要指标进行统计分析，通过国家青藏高原科学数据中心下载的nc文件在QGIS中完成江淮丘陵区的图像提取，在ArcGIS中进行数据提取，使用多维工具创建NetCDF要素图层，将属性表数据导出，结果见表1。

表1 土壤质量评价指标统计特征

1.3 研究方法

1.3.1 主成分分析法

主成分分析法是建立最小数据集的核心方法。全量数据集(TDS，Total Data Set)认为，土壤质量指标对土壤质量有相同影响[9]，最小数据集通过主成分分析法，选择对变化敏感的土壤属性指标进行主成分分析，各主成分的特征值越大，表明土壤指标体系的特征越具有代表性。因此，只选取特征值大于1的主成分作为研究对象，计算特征值>1的主成分上所有指标的载荷，并选择旋转因子载荷绝对值≥0.5，且在同一主成分下最高载荷值和最高载荷值90%以内的指标进入最小数据集。对同一主成分下的入选指标进行相关性分析，相关系数r<0.5时，表明指标间不相关，则全部选入最小数据集；r>0.5时，以Norm值的大小作为进入最小数据集的指标[10]。

Norm值为该指标在由成分组成的多维空间中矢量常模的长度，长度越长，表明该指标在所有主成分的综合载荷越大，其解释综合信息的能力越强[11]。Norm值计算公式：

(1)

式中，Nik是指第i个指标在特征值≥1的前k个主成分上的综合载荷；μik是第i个指标在第k个主成分上的载荷；λk为第k个主成分的特征值。

1.3.2 指标标准化及隶属度计算

由于每个评价指标的维度不同，一些指标在数量上存在很大差异。为了保证结果的准确性，减少不同指标数量和维度之间的差异，在进行相关性分析之前需将各项指标原始数据都进行标准化处理[12]，通过隶属度函数计算，土壤质量指标可以转换为0～1的无量纲值。指标隶属度值越大则土壤质量指数的值越大。根据各评价指标对于土壤功能的不同影响将隶属度函数分为2类，升型函数和降型函数；升型函数是指在一定范围内，土壤质量随着指标的增加而增高，大于该范围后，土壤质量水平达到最佳并且趋于稳定，而降型函数则相反。各类型函数计算公式如下。

升型隶属度函数：

(2)

降型隶属度函数：

(3)

式中，f(x)为土壤指标得分；x为土壤指标实际值；x1、x2为土壤指标中的最小值和最大值。

1.3.3 指标权重计算

全量数据集先将全部需要测定的土壤质量指标进行主成分分析，并以该指标的公因子方差与所有指标的公因子方差之和的比值作为对应指标的权重。而最小数据集是将入选该数据集的指标进行主成分分析，各指标的指标权重等于该指标的公因子方差与入选该数据集的所有指标的公因子方差之和的比值[13]。通过主成分分析法计算出各指标的主成分负荷量、方差贡献率和累计方差贡献率，以各指标对土壤质量的影响程度，确定各指标的权重，避免数据的冗余和主观随意性。

1.3.4 土壤质量指数

各项土壤质量指标通过主成分分析方法来确定各自的权重，通过隶属度函数去量纲化得到各自指标的隶属度值，得到基于主成分分析方法的全体数据集和最小数据集的土壤质量指数(SQI，Soil Quality Index)。计算公式：

(4)

式中，SQI为土壤质量指数；Wi为第i项土壤质量指标权重；Si为第i项土壤质量指标的隶属度值；n为各个数据集中的土壤质量指标数量。

2 土壤质量评价

2.1 土壤质量指标统计分析

在参考前人[14-17]对土壤质量指标选的基础上，选取土壤有机质(SOM)、土壤容重(BD)、土壤阳离子交换量(CEC)、孔隙度(POR)、全氮(TN)、全磷(TP)、全钾(TK)、碱解氮(AN)、速效磷(AP)、速效钾(AK)、pH值作为土壤质量评价指标，利用ArcGIS提取出图层属性表中江淮丘陵区的土壤质量指标数据，如表1所示。

根据表1结果显示，江淮丘陵区土壤质量指标空间变异性具有显著差异，其变化范围在2.31%～44.11%，变异系数依次以大小排列为CEC>碱解氮>速效磷>速效钾>土壤pH>土壤容重>土壤孔隙度>有机质>全磷>全氮>全钾。一般通过变异系数来反映指标的敏感程度，可分为4种类型：变异系数<10%为不敏感指标；10%≤变异系数<50%为低敏感指标；50%≤变异系数<100%为中等敏感指标；变异系数≥100%为强敏感指标[18]。根据变异系数分级，土壤容重、土壤孔隙度、有机质、全磷、全氮、全钾为不敏感指标，CEC、碱解氮、速效磷、速效钾、土壤pH为低敏感指标。

根据表2所示的土壤养分分级标准，江淮丘陵区的氮、磷、钾养分表现为土壤全氮含量平均值为1.38g.kg-1，处于中上水平，其变化范围为0.69～3.10g·kg-1，与全省平均水平持平，其通常用来衡量土壤氮素水平的基础肥力；碱解氮AN含量平均值为117.04mg·kg-1，处于中上水平，其变化范围为26.94～269.32mg·kg-1，其包括铵态氮、硝态氮以及有机态氮；全磷含量平均值为0.50g·kg-1，处于中水平，其变化范围为0.17～1.55g.kg-1；土壤速效磷含量平均值为5.91mg·kg-1，处于中水平，其变化范围为1.80～14.21mg·kg-1，低于全省平均水平19.1mg·kg-1；土壤全钾TK含量平均值为14.67g·kg-1，处于中水平，其变化范围为10.20～26.03g·kg-1，速效钾AK含量平均值为88.49mg·kg-1，处于中水平，变化范围为35.88～277.99mg·kg-1；有机质含量平均值为23.57g·kg-1，为中上水平，变化范围为8.55～60.34g·kg-1。

表2 全国第2次土壤普查养分分级标准

2.2 最小数据集指标的筛选

对11个土壤质量指标进行主成分分析如表3，各土壤质量指标处理后的因子载荷表明，3个主成分的特征值分别为4.466、2.427、1.118，都大于1，累计贡献率达到了72.829%，可以较好地反映土壤质量状况。由表中可看出，3个主成分可以解释：>60%的全钾、阳离子交换量的变异性；>70%的全磷变异性；>80%的速效磷、有机质、土壤容重变异性；>90%的全氮的变异性，可见3个主成分可以代表大部分指标变异性。最后通过各土壤质量指标的公因子方差与方差之和为比值确定权重。

表3 土壤质量指标主成分分析

根据表3可知，在各主成分中，先选取旋转因子载荷绝对值≥0.5的土壤质量评价指标。主成分1中包含的指标有全氮、全钾、碱解氮、速效钾、有机质、阳离子交换量、土壤容重、孔隙度；主成分2中包含的指标有全磷、碱解氮、速效磷、阳离子交换量；主成分3中包含的指标有pH、速效钾和孔隙度。通过最小数据集的选取标准，以最高载荷值和最高载荷值90%以内以及指标之间的相关系数(r<0.5)作为判断进入MDS的标准。主成分1中8个指标满足入选条件的有全氮、有机质、土壤容重。根据皮尔逊相关性分析判断指标间的相关性以减少冗余度，见表4，显示全氮和有机质为极显著相关(r=0.942，p<0.01)，和土壤容重为极显著负相关(r=0.735，p<0.01)，而三者全氮的Norm值最高，因此全氮进入最小数据集。主成分2中4个指标满足入选条件的有全磷和速效磷，相关性分析显示全磷和速效磷呈显著相关(r=0.575，p<0.05)，而全磷Norm值较高，因此全磷进入最小数据集。主成分3中3个指标满足入选条件的为pH、孔隙度，相关性显示pH和孔隙度相关系数<0.5，因此二者全部进入最小数据集。最终最小数据集土壤质量指标评价体系有全氮、全磷、pH和孔隙度，包含有4个指标，指标筛选过滤率为63.63%，对评价指标体系进行了简化，很大程度上可以消除重叠信息与土壤质量评价结果的影响。

表4 土壤质量指标相关性矩阵

2.3 土壤质量评价

2.3.1 土壤质量指数

根据土壤质量评价指标隶属度临界值，见表5，与式(2)、式(3)计算隶属度，将得到的隶属度值和权重值相乘，通过式(4)计算得到基于土壤质量指标全集的土壤质量指数SQI-TDS。

表5 土壤指标隶属度临界值

如表6所示，基于指标全集的江淮丘陵区土壤质量指数的平均值为0.423，范围在0.252～0.666，变异系数为17.494%，属于中等变异，变异性较强。

表6 土壤质量指数SQI-TDS统计描述

对最小数据集选中的4个指标再次进行主成分分析，使用相同方法计算出公因子方差值和权重，见表7，通过式(4)得到基于最小数据集的土壤质量指数SQI-MDS。

表7 SQI-MDS公因子方差及权重

计算结果如表8所示，江淮丘陵区基于最小数据集的土壤质量指数平均值为0.539，变化范围在0.135～0.793，变异系数为19.666%，为中等变异。

表8 土壤质量指数SQI-MDS统计描述

为了更好地对江淮丘陵区的土壤质量特征进行描述，对土壤质量指数进行分级，分为低、较低、中、高4个等级，如表9所示。通过土壤质量指数分级标准与上述2种土壤质量指数的均值和变化范围，可以看出，江淮丘陵区内的土壤质量主要为低水平和较低水平。

表9 土壤质量指数分级

2.3.2 最小数据集合理性验证

对SQI-MDS和SQI-TDS进行线性回归分析，二者相关线性关系：

y=1.2225x+0.0215

(5)

式中，y指全量数据集土壤质量指数SQI-TDS；x指最小数据集土壤质量指数SQI-MDS。从图1可知，R2=0.7338，说明TDS和MDS计算出的SQI具有显著的正相关关系(p<0.01)，由此可见，建立的SQI-MDS可以较为丰富的评价土壤质量状况，具有很好的代表性。

图1 研究区区位图

图2 SQI-TDS和SQI-MDS相关性

3 结论

本研究主要利用经典统计方法，地统计方法和GIS技术，分析了江淮丘陵区土壤质量的各项指标变化，运用土壤质量指标全集和最小数据集评价土壤质量，主要结论如下。

江淮丘陵区主要土壤质量指标平均值表现为土壤容重为1.24g·cm-3，孔隙度为53.88%，pH为6.24，阳离子交换量为9.93cmol·kg-1，有机质含量为23.57g·kg-1，全氮含量为1.38g·kg-1，全磷含量为0.50g·kg-1，全钾含量为14.67g·kg-1，碱解氮含量为117.04mg·kg-1，土壤速效磷含量为5.91mg·kg-1，速效钾含量为88.49mg·kg-1。

基于指标全集计算的土壤质量指数平均值为0.423，范围在0.252～0.666，基于最小数据集的土壤质量指数平均值为0.539，变化范围在0.135～0.793，筛选出的指标包括全氮、全磷、pH和孔隙度。两种评价结果有较好的相关性，评价结果一致表明，江淮丘陵区内的土壤质量以低水平和较低水平为主。