基于最小数据集的典型绿洲农田土壤质量评价

2023-08-09周文宇杨小虎杨海昌张凤华

灌溉排水学报 2023年7期

周文宇，杨小虎，杨海昌，张凤华

(石河子大学/新疆生产建设兵团绿洲生态农业重点实验室, 新疆石河子 832003)

0 引言

【研究意义】土壤质量的概念不仅包括土地生产力、土壤环境安全，还包括粮食生产安全和生态健康[1]。因水土资源开发利用不当所导致的土壤盐渍化、沙漠化、水土流失等问题日益突出[2]，提高土壤质量是当前生态环境发展的一项重要课题[3]，土壤质量评价是当前的国际研究热点[4]。科学的评价指标与评价方法是土壤质量评价的前提[5]。土壤质量评价在评估土壤肥力、提高作物生产力、改良土壤、促进农业发展、降低生产成本、保护生态环境等方面具有十分重要的作用[6]。【研究进展】国内外对土壤质量评价的研究日益增多[7]。张雪等[8]以胶州湾滨海湿地为研究对象，评价了不同土地利用类型的生态功能指数以及综合质量指数，得出研究区的土壤养分状况为中等水平，耕地土壤养分状况最优，而建设用地和未利用土地的土壤养分处于中等偏下水平。刘文民等[9]采用主成分分析法筛选具有代表性的土壤质量指标，构建了最小数据集，评价了青藏高原3 个典型沙化区不同沙化程度下的土壤质量。董茜等[10]基于聚类分析与主成分分析法建立最小数据集，对云南喀斯特区不同植被恢复条件下的土壤质量进行了评价。【切入点】以往研究的重点大多聚焦于评价因子的多样性与不同评价方法结果的比较，但对于不同构建方法的比较研究较少。【拟解决的关键问题】因此本研究以新疆莫索湾灌区的农田土壤为研究对象，聚焦于莫索湾灌区的土壤有机质、速效磷、速效钾、碱解氮、pH 值、EC、K+、Ca2+、Na+、Mg2+、Cl-、NO3-、SO42-共13项土壤质量指标，采用主成分分析法与聚类分析法分别得到土壤质量最小数据集（MDS），并应用土壤质量综合指数法对2 种方法取得的最小数据集进行土壤质量评价。对2 种方法的结果进行对比，探讨不同方法对莫索湾土壤质量综合评价的合理性，为新疆莫索湾灌区农田土壤质量的合理评价提供科学依据。

1 材料与方法

1.1 研究区概况

研究区位于准噶尔盆地南缘莫索湾灌区，地处玛河流域下游，临近沙漠边缘，地势平坦。莫索湾灌区海拔346 m，属典型大陆性干旱气候，年平均气温为6.6 ℃，≥0 ℃积温为4 126.0 ℃，≥10 ℃积温为3 752.3 ℃。年平均降水量为117 mm，年平均蒸发量为1 979.5 mm，年平均日照时间为2 774.1 h。无霜期为135～205 d。

1.2 土壤样品采集

于2019 年10 月采集土壤样品，采样点使用GPS定位，根据空间变异性设置土壤采样点，采样点间距为30 km，用网格法随机选取50 个点，采用五点采样法取样，在每一取样点利用土钻采集表层0～20 cm 土壤，共采集土壤样品50 个，并记录取样点的土壤类型。土壤样品经自然风干后，去除动植物残体、石块和新生体等，研磨粉碎、过筛，测定土壤化学性质[11]。所测指标及测定方法如表1 所示。

表1 土壤指标测定方法Table 1 Different determination methods of soil quality indicators

1.3 最小数据集的构建

1.3.1 主成分分析法

运用主成分分析法确定最小数据集的优势是从大量数据中筛选少量指标来代替全体评价指标。这一方法既可降低工作量，又可以解决数据冗余问题，可有效地反映研究区的土壤质量。

在筛选指标时，Norm 值能较好地反映多个主成分的综合荷载。选取主成分因子中荷载值≥0.5 的指标作为同一分组，选取每组中最大Norm 值的10%范围内的指标[12]。Norm 值越大，荷载的信息量就越大，解释能力也越充分。Norm 值的计算如式（1）所示[13]：

式中：Nik表示第i个变量在前k个主成分上的综合荷载；Uik表示第i个变量在第k个主成分上的荷载；λk表示第k个主成分的特征值。

1.3.2 聚类分析法

利用R 型聚类方法对评价指标进行分类，该方法适用于评价指标较少时的土壤指标分类。以Euclidean为测量距离，依据分析结果中的树状图将各项指标进行分组，挑选每一分组中与其他指标相关显著性最高的指标，作为最具有代表性的指标，将其选入最小数据集[14]。

1.4 土壤质量评价方法

将选入最小数据集的评价指标进行标准化处理，根据公因子方差计算其权重。计算方法如式（2）所示：

式中：Wi为指标权重；Ci为该指标公因子方差；n为最小数据集的指标个数[14]。

综合评价方法的关键是建立隶属函数，即用隶属函数来确定每一个评价指标对土壤质量等级的隶属程度，根据最小数据集中各指标对土壤质量的正负效应选择函数和确定其隶属程度[15]。各指标的数值型隶属函数如表2 所示。

表2 数值型隶属函数Table 2 Membership functions of quantitative indexes

土壤质量指数（SQI）计算如式（3）所示：

式中：Wi和Ni分别表示第i种评价指标的权重值和隶属度值；n为评价指标的数量。

根据SQI对土壤质量等级进行分类，如表3 所示。

表3 土壤质量等级分类Table 3 Classification of soil quality grade

1.5 数据处理

采用PPT 2021 作图，采用SPSS 26.0 进行t检验、描述性统计、主成分分析、聚类分析和相关分析。

2 结果与分析

2.1 各评价指标的统计分析

莫索湾灌区土壤质量评价指标的统计特征见表4。从研究区土壤化学性质来看，土壤pH 值分布在7.46～8.96 之间，属于碱性土壤，变异系数（CV）为6.63%，变异程度较低；EC分布在0.12～9.19 mS/cm，变异系数为28.92%，属于中等变异水平。此外，盐离子的变异系数均在100%以上，盐分分布空间差异大；除碱解氮外的各项养分指标的变异系数均介于37.05%～83.42%，呈中等变异，碱解氮呈强变异；其中有机质量和碱解氮量较低，速效磷量和速效钾量较高，土壤养分分布不均；莫索湾灌区土壤盐渍化治理与养分均衡管理难度较大。

表4 土壤质量评价指标的统计特征Table 4 Descriptive statistics of chemical indicators of soil quality

2.2 基于主成分分析法的最小数据集构建

利用主成分分析法对数据集进行因子分析，根据因子载荷分为5 组，累积贡献率为75.726%。第1 组为EC、K+、NO3-和SO42-，其中NO3-和SO42-的Norm值不在最大Norm 值的10%范围内，因此不选入最小数据集，且K+与EC不相关，因此均可保留；第2组为pH 值和速效磷，二者不相关，均可保留；第3组为Na+、Mg2+，二者不相关，均可保留；第4 组保留的评价指标为碱解氮；第5 组保留的评价指标为有机质。综上所述，从13 个土壤质量评价指标中共筛选出8 个评价指标，分别为K+、EC、pH 值、Na+、Mg2+、速效磷、碱解氮、有机质（表5—表6）。

表5 主成分载荷及因子权重Table 5 Principal component load and norm value

表6 各评价指标间的Pearson 相关矩阵Table 6 Pearson correlation matrix among evaluation indicators

2.3 基于聚类分析法的最小数据集构建

在欧氏距离为3.5 水平下，13 个土壤化学指标可分为4 大类（图1）。在第1 组中，Na+与Ca2+之间呈极显著相关，但Na+与第一组中除Ca2+外的其他指标的最低相关系数0.132，小于Ca2+与第1 组中除Na+外的其他指标的最低相关系数0.36，因此将Na+纳入最小数据集；第2 组包括速效磷；第3 组包括碱解氮；第4 组包括速效钾。

图1 聚类分析结果Fig.1 Results of cluster analysis

2.4 土壤质量指数

2.4.1 评价指标权重

主成分分析法所构建的MDS 中权重占比最小的指标为Na+，为8.16%；占比最大的指标为K+，为15.73%，在整体评价中最为重要。聚类分析法所构建的MDS 中权重占比最小的指标为Na+，为3.95%；权重占比最大的指标为碱解氮，为38.24%，在整体评价中最为重要（表7）。

表7 各评价指标的权重Table 7 Weight value of each evaluation index

2.4.2 土壤质量等级划分及构建MDS 方法对比

主成分分析法得出50%的土壤处于低质量水平，37.5%的土壤处于中等质量水平，12.5%的土壤处于高质量水平，87.5%的土壤质量水平处于中低等（表8）。聚类分析法得出54%的土壤处于低质量水平，28%的土壤处于中等质量水平，18%的土壤处于高质量水平，82%的土壤质量水平处于中低等（表8）。2 种方法所得出的分级结果大致相同，80%以上的土壤质量水平处于中等偏下。主成分分析法得出的变异系数明显高于聚类分析法，因此其结果更有利于反映莫索湾土壤质量的真实状况（表9）。

表8 土壤质量综合评价结果Table 8 Comprehensive evaluation results of cultivated land quality

表9 不同方法所得指数的统计特征值Table 9 Statistical characteristic values of indices obtained by different methods

3 讨论

不同土壤指标之间通常存在一定的相关性，若将全部指标用于土壤质量评价，耗时又费力[16]。本研究从13 个指标中筛选出8 个指标，分别为K+、EC、pH值、Na+、Mg2+、速效磷、碱解氮和有机质，大幅度降低了土壤质量评价的工作量[17]。聚类分析法得出的土壤质量差异性与CV不一致，因此不够准确。相比之下，主成分分析法构建的最小数据集对莫索湾灌区农田土壤质量评价更为合理。土壤质量评价需结合多项指标进行，指标测定和分析的过程繁杂，目前权重和隶属度的取值方法不统一，不同评价方法的结果也具有较大差异[18]。吴春生等[19]结合MDS 和模糊逻辑法对黄河三角洲地区的土壤质量进行了评价，并结合土地利用现状分析了主要土地利用类型当中不同土壤等级的空间分布情况。李鹏飞等[20]运用主成分分析构建了土壤质量评价指标的最小数据集，通过非线性和线性方法对研究区土壤质量进行了评价。崔雪等[18]认为主成分分析结合标准值可降低数据冗余和人为因素的干扰。从评价结果来看，主成分分析法与聚类分析法所得出的评价结果相似。从CV的结果来看，主成分分析法的指标CV大于聚类分析法，可更好地反映莫索湾灌区土壤质量的真实状况，更加具有原始数据的代表性。土壤质量评价指数对土壤环境的监控和治理具有重要意义[21]。新疆莫索湾灌区80%以上的农田土壤质量处于中等偏下水平，且土壤质量异质性较大。土壤中速效磷量与速效钾量较高，碱解氮量和有机质量较低，有机质量分布不均衡，这与杨小虎等[22]的研究结果基本一致。研究表明，新疆土壤存在养分匮乏且分布不均、盐碱化现象严重等问题，土壤质量有待进一步提高[23]。区域土壤质量的改善首先要进行合理的土壤质量评价[24]，3S 技术有望应用于土壤质量评价研究中[25]，为土壤质量改进提供技术支持。