CN107679756A - 土壤适宜性评价方法及装置 - Google Patents
土壤适宜性评价方法及装置 Download PDFInfo
- Publication number
- CN107679756A CN107679756A CN201710931891.6A CN201710931891A CN107679756A CN 107679756 A CN107679756 A CN 107679756A CN 201710931891 A CN201710931891 A CN 201710931891A CN 107679756 A CN107679756 A CN 107679756A
- Authority
- CN
- China
- Prior art keywords
- soil
- assessment
- suitability
- parameter
- agricultural land
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 183
- 239000002689 soil Substances 0.000 claims abstract description 338
- 230000035558 fertility Effects 0.000 claims abstract description 97
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013210 evaluation model Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 8
- 229910052757 nitrogen Inorganic materials 0.000 description 8
- 229910052698 phosphorus Inorganic materials 0.000 description 8
- 239000011574 phosphorus Substances 0.000 description 8
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 239000011591 potassium Substances 0.000 description 4
- 229910052700 potassium Inorganic materials 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了土壤适宜性评价方法及装置，涉及土壤评定技术领域，其中，该土壤适宜性评价方法包括：首先，第一步从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，之后，第二步从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，之后，按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数和将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数，之后，查找与土壤适宜性系数对应的土壤适宜性评价等级，通过上述处理过程实现了对土壤质量的适宜性评价，客观科学。
Description
技术领域
本发明涉及土壤评定技术领域，尤其涉及土壤适宜性评价方法及装置。
背景技术
土壤适宜性等级能综合反映土壤质量及其对作物的宜种性，能一定程度上体现人类生产活动对土壤干扰。土壤适宜性等级的确定要综合考虑土壤的物理、化学以及环境条件，能够协助农民和管理者清晰的考虑区域土壤质量状况。土壤适宜性评价目的是确定不同的农业和牧业等生产的合适性和限制性，为确定最适合的用地模式、充分呈现土壤的生产潜力以及防止土壤过度开垦提供科学依据。
传统的土壤适宜性评价是依据调查的相关数据，凭借经验，根据既定原则进行土壤定性评价，评价结果具有较大主观性。由于各评价模型数学思想及数据处理过程不同，所以很难通过单一模型的评价结果来对评价方法的科学性做出准确回答。灰色关联分析法、模糊数学法和综合指数评价法本质都是利用一定的数学计算公式来计算各因子相对于标准值的概率趋势或隶属关系。各评价方法针对同一评价对象所表现出来的优缺点不一样，以水质研究为例进行说明：综合指数模型能够很直接的表征水质是否满足水环境功能区的既定要求，但无法科学阐明水环境的准确质量状况；灰色关联模型能准确表征研究区水环境质量级别，但对某些水环境质量指标严重污染水体的研究区，易犯A类极端性错误，将高品质水评价为低品质水；模糊数学法易犯B类极端性错误，将低品质水评价为高品质水。
在对土壤进行评价时同样如此，如何保证土壤适宜性评价的准确度及科学的指导实践是我们必须要考虑和解决的问题，即必须选择科学、合理的评价方式和方法。但目前在国内外的研究中大部分仅使用一种方法对土壤质量进行评价，很难客观科学的得出准确结果。
发明内容
有鉴于此，本发明实施例的目的在于提供了土壤适宜性评价方法及装置，通过选出两种土壤评价方法来对土壤适宜性做出综合性评价，使得土壤质量的评价更加客观科学。
第一方面，本发明实施例提供了土壤适宜性评价方法，包括：第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法；
按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数；
查找与土壤适宜性系数对应的土壤适宜性评价等级。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数包括：
从模糊数学法、灰色关联分析法和综合指数评价法中选取两种土壤评价方法，其中，选取出来的两种土壤评价方法为灰色关联分析法和综合指数评价法；
计算待评价土壤的各项土壤肥力参数；
利用第一种土壤评价方法分别计算肥力要素参数、地面坡度参数和土层厚度参数，利用第二种土壤评价方法计算土壤适宜性系数。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法之前还包括：
获取土壤适宜性评价的历史数据；
从历史数据中提取历史肥力要素参数、历史地面坡度参数和历史土层厚度参数；
根据历史肥力要素参数、历史地面坡度参数和历史土层厚度参数构建土壤适宜性评价的标准模型。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数包括：
根据肥力要素参数、地面坡度参数和土层厚度参数按照选出的第一种土壤评价方法计算，获取肥力要素指标、地面坡度指标和土层厚度指标；
利用第二种土壤评价方法将肥力要素指标、地面坡度指标和土层厚度指标进行计算，获得土壤适宜性系数。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，查找与土壤适宜性系数对应的土壤适宜性评价等级包括：
在土壤适宜性评价的标准模型中查找与土壤适宜性系数相匹配的数值；
当土壤适宜性系数满足第二种评价模型的匹配要求时，将数值对应的土壤适宜性评价等级作为待评价土壤的等级。
第二方面，本发明实施例提供了土壤适宜性评价装置，包括：
选取模块，用于第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法；
计算模块，按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数；
查找模块，用于查找与土壤适宜性系数对应的土壤适宜性评价等级。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，选取模块包括：
方法选取单元，用于从模糊数学法、灰色关联分析法和综合指数评价法中选取两种土壤评价方法，其中，选取出来的两种土壤评价方法为灰色关联分析法和综合指数评价法；
参数计算单元，用于计算待评价土壤的各项土壤肥力参数；
计算单元，用于利用第一种土壤评价方法分别计算肥力要素参数、地面坡度参数和土层厚度参数，利用第二种土壤评价方法计算土壤适宜性系数。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，还包括：
历史获取模块，用于获取土壤适宜性评价的历史数据；
历史提取模块，用于从历史数据中提取历史肥力要素参数、历史地面坡度参数和历史土层厚度参数；
模型构建模块，用于根据历史肥力要素参数、历史地面坡度参数和历史土层厚度参数构建土壤适宜性评价的标准模型。
结合第二方面的第二种可能的实施方式，本发明实施例提供了第二方面的第三种可能的实施方式，其中，计算模块包括：
指标计算单元，用于根据肥力要素参数、地面坡度参数和土层厚度参数按照选出的第一种土壤评价方法计算，获取肥力要素指标、地面坡度指标和土层厚度指标；
适宜性系数计算单元，用于利用第二种土壤评价方法将肥力要素指标、地面坡度指标和土层厚度指标进行计算，获得土壤适宜性系数。
结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，查找模块包括：
数值查找单元，用于在土壤适宜性评价的标准模型中查找与土壤适宜性系数相匹配的数值；
等级对应单元，用于当土壤适宜性系数满足第二种评价模型的匹配要求时，将数值对应的土壤适宜性评价等级作为待评价土壤的等级。
本发明实施例提供的土壤适宜性评价方法及装置，其中，该土壤适宜性评价方法包括：首先，第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法，其次，按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数，之后，查找与土壤适宜性系数对应的土壤适宜性评价等级，通过上述处理过程，实现了模糊数学法、灰色关联分析法和综合指数评价法其中二者的两两结合，当然也包括模糊数学法和模糊数学法的结合使用，灰色关联分析法和灰色关联分析法的结合使用，综合指数评价法和综合指数评价法的结合使用，通过上述处理过程，实现了对土壤适宜性的评价，与现有的评价方法相比客观科学。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的土壤适宜性评价方法的结构连接图；
图2示出了本发明实施例所提供的土壤适宜性评价装置的连接图；
图3示出了本发明实施例所提供的土壤适宜性评价装置的结构框架图；
图4示出了本发明实施例所提供的土壤适宜性评价装置的结构连接图。
图标：1-选取模块；2-计算模块；3-查找模块；4-历史获取模块；5-历史提取模块；6-模型构建模块；11-方法选取单元；12-参数计算单元；13-计算单元。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在对土壤适宜性进行评价的过程中，传统的评价方法是依据调查的相关数据和经验等对土壤进行定性评价，评价结果具有较大主观性。虽然，灰色关联分析法、模糊数学法和综合指数评价法已经是比较成熟的数学计算方法，但是，在对土壤进行评价时，上述任何一种单一的数学计算方法都很难客观科学的得出准确结果。
基于此，本发明实施例提供了土壤适宜性评价方法及装置，下面通过实施例进行描述。
实施例1
参见图1，本实施例提出的土壤适宜性评价方法具体包括以下步骤：
步骤S101：第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法，即在该土壤适宜性评价方法中选出两种评价方法，这里需要进行说明的是，选出两种评价方法中包括两种重复的评价方法，例如，模糊数学法-模糊数学法等。
之后，按照选出的第一种土壤评价方法分别计算待评价土壤的各项土壤肥力参数。
步骤S102：由按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数。
步骤S103：查找与土壤适宜性系数对应的土壤适宜性评价等级。
下面对上述步骤分别进行具体阐述，步骤S101第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法，即在该土壤适宜性评价方法中选出两种评价方法具体包括：
(1)从模糊数学法、灰色关联分析法和综合指数评价法中选取两种土壤评价方法，其中，选取出来的两种土壤评价方法为灰色关联分析法和综合指数评价法，即本实施例以灰色关联分析法-综合指数评价法为例进行具体说明。以待测试土壤养分因子为依据，用灰色关联分析法评价研究区土壤肥力状况，并作为适宜性评价指标要素之一，然后利用综合指数评价模型评价土壤适宜性。以土壤有机质、全氮、全磷、速效氮、速效磷、速效钾为土壤肥力要素参数、地面坡度参数和土层厚度参数作为土壤适宜性指标评价体系。
(2)计算待评价土壤的各项土壤肥力参数，其中，土壤肥力参数包括土壤有机质、全氮、全磷、速效氮、速效磷、速效钾。
首先是肥力要素参数的获取：待评价土壤各肥力的实测值为比较数列，记作xj(k)，其中，下标j为待评价土壤，k为肥力因子，文中共选取有机质，总氮，总磷，速效氮，速效磷和速效钾等6个肥力因子，以各肥力标准值为参考数列，即xi(k)中i表示土壤肥力级别。
之后，将上述比较数列和参考数列进行无量纲化处理，计算参考数列|xi(k)|和比较数列|xj(k)|之间的差序列，公式为：Δij(k)＝|xi(k)-xj(k)|。
比较数列和参考数列在j样地k指标第i级别上的关联系数可由以下公式获得：其中，c为≥1的整数，一般取1～4。
在土壤肥力评价实际操作中，由于各因子对土壤肥力影响的重要程度不一，因此，有必要对各评价因子赋予不同权重系数，公式为：
其中，对于各肥力因子越大越优：其中，表示肥力因子对应各级别标准的平均值。
计算参考数列和比较数列的加权关联度：其中，m为测定因子数，通过比较关联度大小，排出关联序，确定土壤肥力等级。
(3)分别计算肥力要素参数、地面坡度参数和土层厚度参数所占的比重。
利用待测试土壤与标准级别之间的关联度计算结果，计算样地肥力占每个肥力等级的百分比，归一化并求样地肥力数学期望等级值作为土壤适宜性参评因子，公式如下：
上述步骤S101第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法之前还包括：
(1)获取土壤适宜性评价的历史数据，即依据全国土地详查和全国土壤普查规定的土壤适宜性评价分级标准，借鉴前人对土壤适宜性评价时评价指标的选择和分级，来获取土壤适宜性评价的历史数据，通过大量历史数据的积累来得到参考标准。
(2)从历史数据中提取历史肥力要素参数、历史地面坡度参数和历史土层厚度参数，即依据与待测试土壤相类似的高寒草地土壤监测数据特点，得到相应的评价参数：历史肥力要素参数、历史地面坡度参数和历史土层厚度参数。
(3)根据历史肥力要素参数、历史地面坡度参数和历史土层厚度参数构建土壤适宜性评价的标准模型。即以土壤有机质、全氮、全磷、速效氮、速效磷、速效钾为历史肥力要素参数、历史地面坡度参数和历史土层厚度参数来构建土壤适宜性评价的标准模型，如表1所示。
表1
上述步骤S102按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数具体包括：
(1)获取肥力要素、土层厚度和地面坡度的权重。
由于各评价要素对土壤适宜性的影响不同，必须对各评价要素赋予不同的影响权重，依据其它各评价要素的分级标准值及实测值，建立各适宜性要素的权重系数，由于土壤肥力、土层厚度以及坡度要素值增大对土壤适宜性影响不同，对于坡度要素越小越优：
对于土层厚度要素越大越优：
其中，s'i为肥力要素、地面坡度和土层厚度的标准，为其平均值。x'j(2)为采集到的土壤坡度值(坡度仪)和x'j(3)土层厚度(根据土壤剖面)。
利用各样地与标准级别之间的关联度计算结果，归一化并求样地肥力数学期望等级值，由于级别越接近I级越好，求解肥力要素权重系数，公式为：
(2)将肥力要素指标、地面坡度指标和土层厚度指标进行综合指数相加，获得土壤适宜性系数。
将所有参与土壤适宜性评价的因子，将各指标因子的单项指数通过加权平均计算过程得到的土壤适宜性综合评价指数，用来评价土壤适宜性等级，公式为：p＝∑w'i(k)Ii(10)。
P为土壤适宜性综合评价指数，w'i为参与土壤适宜性评价的i因子所占权重，为第i项指标占土壤适宜性标准值的比重，其中m＝1,2,3为3个参评因子，当m＝1时为土壤肥力因子计算结果x'j(1)，m＝2，3为采集到的土壤坡度值(坡度仪)和土层厚度(根据土壤剖面)。
上述步骤S103查找与土壤适宜性系数对应的土壤适宜性评价等级具体包括：
(1)在土壤适宜性评价的标准模型中查找与土壤适宜性系数相匹配的数值，
(2)当土壤适宜性系数满足第二种评价模型的匹配要求时，将数值对应的土壤适宜性评价等级作为待评价土壤的等级。这里需要进行说明的是，第二种评价模型包括利用第二种土壤评价方法做出的等级评定标准。
综上所述，本实施例提供的土壤适宜性评价方法包括：先是从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，之后从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，然后，按照选出的两种土壤评价方法分别计算待评价土壤的各项土壤肥力参数和土壤适宜性指数，之后，查找与土壤适宜性系数对应的土壤适宜性评价等级，通过上述处理过程，实现了由两种土壤评价方法结合来对土壤质量进行综合评价的目的，使评价结果更加客观科学。
实施例2
以青海省河南县8种样地实测土壤养分因子为依据，用一种评价模型法评价研究区土壤肥力状况，并作为适宜性评价指标要素之一；结合8种样地实测土壤物理性质和其它土壤适宜性评价要素，再次应用一种模型分析8个样地的土壤适宜性状况。最后进行不同组合形式土壤适宜性评价结果的对比分析。土壤适宜性评价涉及到肥力评价和适宜性评价两个过程，每个过程可选用一种评价模型，选择以下6种组合评价模型(表2)对青海省河南县高寒草地进行土壤适宜性评价。当然，会利用单一模型进行评价结果的对比。
表2
下面利用以上的技术实现步骤进行青海省河南县8种样地土壤适宜性评价，结果如下表3所示。
表3
综上所述，本实施例提供的土壤适宜性评价方法所带来的有益效果为：实现了由两种土壤评价方法结合来对土壤质量进行综合评价的目的，通过运用两种土壤评价方法的结合，使评价结果更加客观科学。
实施例3
参见图2、图3和图4，本实施例提供了土壤适宜性评价装置包括：依次相连的选取模块1、计算模块2和查找模块3，使用时，选取模块1用于第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法，计算模块2用于按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数，查找模块3用于查找与土壤适宜性系数对应的土壤适宜性评价等级。
其中，选取模块1包括：方法选取单元11用于从模糊数学法、灰色关联分析法和综合指数评价法中选取两种土壤评价方法，其中，选取出来的两种土壤评价方法为灰色关联分析法和综合指数评价法，参数计算单元12用于计算待评价土壤的各项土壤肥力参数，计算单元13，用于利用第一种土壤评价方法分别计算肥力要素参数、地面坡度参数和土层厚度参数，利用第二种土壤评价方法计算土壤适宜性系数。
此外，土壤适宜性评价装置还包括：历史获取模块4用于获取土壤适宜性评价的历史数据，历史提取模块5用于从历史数据中提取历史肥力要素参数、历史地面坡度参数和历史土层厚度参数，模型构建模块6用于根据历史肥力要素参数、历史地面坡度参数和历史土层厚度参数构建土壤适宜性评价的标准模型。
其中，计算模块2包括：指标计算单元用于根据肥力要素参数、地面坡度参数和土层厚度参数按照选出的第一种土壤评价方法计算，获取肥力要素指标、地面坡度指标和土层厚度指标，适宜性系数计算单元用于利用第二种土壤评价方法将肥力要素指标、地面坡度指标和土层厚度指标进行计算，获得土壤适宜性系数。
其中，查找模块3包括：数值查找单元用于在土壤适宜性评价的标准模型中查找与土壤适宜性系数相匹配的数值，等级对应单元用于当土壤适宜性系数满足第二种评价模型的匹配要求时，将数值对应的土壤适宜性评价等级作为待评价土壤的等级。
综上所述，本实施例提供的土壤适宜性评价装置包括：依次相连的选取模块1、计算模块2和查找模块3，使用时，依次相连的选取模块1、计算模块2和查找模块3，使用时，选取模块1用于第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法，计算模块2用于按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数，查找模块3用于查找与土壤适宜性系数对应的土壤适宜性评价等级，通过上述各个模块的设置，能够客观科学的对土壤质量进行评价。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.土壤适宜性评价方法，其特征在于，包括：
第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，得到第二种土壤评价方法；
按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数；
查找与所述土壤适宜性系数对应的土壤适宜性评价等级。
2.根据权利要求1所述的土壤适宜性评价方法，其特征在于，所述按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数包括：
从模糊数学法、灰色关联分析法和综合指数评价法中选取两种土壤评价方法，其中，选取出来的两种土壤评价方法为灰色关联分析法和综合指数评价法；
计算待评价土壤的各项土壤肥力参数；
利用第一种土壤评价方法分别计算所述肥力要素参数、地面坡度参数和土层厚度参数，利用第二种土壤评价方法计算土壤适宜性系数。
3.根据权利要求1所述的土壤适宜性评价方法，其特征在于，所述第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法之前还包括：
获取土壤适宜性评价的历史数据；
从所述历史数据中提取历史肥力要素参数、历史地面坡度参数和历史土层厚度参数；
根据所述历史肥力要素参数、所述历史地面坡度参数和所述历史土层厚度参数构建土壤适宜性评价的标准模型。
4.根据权利要求3所述的土壤适宜性评价方法，其特征在于，所述按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数包括：
根据所述肥力要素参数、所述地面坡度参数和所述土层厚度参数按照选出的第一种土壤评价方法计算，获取肥力要素指标、地面坡度指标和土层厚度指标；
利用第二种土壤评价方法将所述肥力要素指标、所述地面坡度指标和所述土层厚度指标进行计算，获得土壤适宜性系数。
5.根据权利要求4所述的土壤适宜性评价方法，其特征在于，所述查找与所述土壤适宜性系数对应的土壤适宜性评价等级包括：
在所述土壤适宜性评价的标准模型中查找与所述土壤适宜性系数相匹配的数值；
当所述土壤适宜性系数满足第二种评价模型的匹配要求时，将所述数值对应的土壤适宜性评价等级作为待评价土壤的等级。
6.土壤适宜性评价装置，其特征在于，包括：
选取模块，用于第一步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法，第二步，从模糊数学法、灰色关联分析法和综合指数评价法中选取任意一种土壤评价方法；
计算模块，按照选出的第一种土壤评价方法计算待评价土壤的各项土壤肥力参数，且将获得的土壤肥力参数作为适宜性评价要素利用第二种土壤评价方法进行土壤适宜性评价，得到土壤适宜性系数；查找模块，用于查找与所述土壤适宜性系数对应的土壤适宜性评价等级。
7.根据权利要求6所述的土壤适宜性评价装置，其特征在于，所述选取模块包括：
方法选取单元，用于从模糊数学法、灰色关联分析法和综合指数评价法中选取两种土壤评价方法，其中，选取出来的两种土壤评价方法为灰色关联分析法和综合指数评价法；
参数计算单元，用于计算待评价土壤的各项土壤肥力参数；
计算单元，用于利用第一种土壤评价方法分别计算所述肥力要素参数、地面坡度参数和土层厚度参数，利用第二种土壤评价方法计算土壤适宜性系数。
8.根据权利要求6所述的土壤适宜性评价装置，其特征在于，还包括：
历史获取模块，用于获取土壤适宜性评价的历史数据；
历史提取模块，用于从所述历史数据中提取历史肥力要素参数、历史地面坡度参数和历史土层厚度参数；
模型构建模块，用于根据所述历史肥力要素参数、所述历史地面坡度参数和所述历史土层厚度参数构建土壤适宜性评价的标准模型。
9.根据权利要求8所述的土壤适宜性评价装置，其特征在于，所述计算模块包括：
指标计算单元，用于根据所述肥力要素参数、所述地面坡度参数和所述土层厚度参数按照选出的第一种土壤评价方法计算，获取肥力要素指标、地面坡度指标和土层厚度指标；
适宜性系数计算单元，用于利用第二种土壤评价方法将所述肥力要素指标、所述地面坡度指标和所述土层厚度指标进行计算，获得土壤适宜性系数。
10.根据权利要求9所述的土壤适宜性评价装置，其特征在于，所述查找模块包括：
数值查找单元，用于在所述土壤适宜性评价的标准模型中查找与所述土壤适宜性系数相匹配的数值；
等级对应单元，用于当所述土壤适宜性系数满足第二种评价模型的匹配要求时，将所述数值对应的土壤适宜性评价等级作为待评价土壤的等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710931891.6A CN107679756B (zh) | 2017-10-09 | 2017-10-09 | 土壤适宜性评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710931891.6A CN107679756B (zh) | 2017-10-09 | 2017-10-09 | 土壤适宜性评价方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107679756A true CN107679756A (zh) | 2018-02-09 |
| CN107679756B CN107679756B (zh) | 2020-11-27 |
Family
ID=61139956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710931891.6A Active CN107679756B (zh) | 2017-10-09 | 2017-10-09 | 土壤适宜性评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107679756B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109358178A (zh) * | 2018-11-01 | 2019-02-19 | 四川省农业科学院土壤肥料研究所 | 一种紫色土稻田土壤肥力评价方法 |
| CN110235583A (zh) * | 2019-07-22 | 2019-09-17 | 深圳市芭田生态工程股份有限公司 | 肥料与作物匹配程度的分析方法及装置 |
| CN114813905A (zh) * | 2022-05-12 | 2022-07-29 | 云南省农业科学院质量标准与检测技术研究所 | 一种土壤环境重金属污染综合评价方法 |
| CN114931004A (zh) * | 2022-06-28 | 2022-08-23 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的综合评价方法、红壤旱地酸化贫瘠化改良方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999792A (zh) * | 2012-12-20 | 2013-03-27 | 诸暨市供电局 | 一种配电网资源优化配置综合评价的方法 |
| JP2017169511A (ja) * | 2016-03-24 | 2017-09-28 | 株式会社日立ソリューションズ東日本 | 農作物の正常株率推定装置、農作物の収穫量予測装置および農作物の正常株率推定方法 |
-
2017
- 2017-10-09 CN CN201710931891.6A patent/CN107679756B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999792A (zh) * | 2012-12-20 | 2013-03-27 | 诸暨市供电局 | 一种配电网资源优化配置综合评价的方法 |
| JP2017169511A (ja) * | 2016-03-24 | 2017-09-28 | 株式会社日立ソリューションズ東日本 | 農作物の正常株率推定装置、農作物の収穫量予測装置および農作物の正常株率推定方法 |
Non-Patent Citations (4)
| Title |
|---|
| INGMAR MESSING等: "Criteria for land suitability evaluation in a small catchment on the Loess Plateau in China", 《CATENA》 * |
| 宋苏苏: "土壤肥力评价方法研究", 《中国优秀硕士学位论文全文数据库》 * |
| 王兆林等: "灰色关联度法在稻田土壤质量评价中的应用-以四川省犍为县为例", 《西南师范大学学报（自然科学版）》 * |
| 詹中泽: "开江县耕地地力评价方法比较研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109358178A (zh) * | 2018-11-01 | 2019-02-19 | 四川省农业科学院土壤肥料研究所 | 一种紫色土稻田土壤肥力评价方法 |
| CN110235583A (zh) * | 2019-07-22 | 2019-09-17 | 深圳市芭田生态工程股份有限公司 | 肥料与作物匹配程度的分析方法及装置 |
| CN110235583B (zh) * | 2019-07-22 | 2022-03-22 | 深圳市芭田生态工程股份有限公司 | 肥料与作物匹配程度的分析方法及装置 |
| CN114813905A (zh) * | 2022-05-12 | 2022-07-29 | 云南省农业科学院质量标准与检测技术研究所 | 一种土壤环境重金属污染综合评价方法 |
| CN114931004A (zh) * | 2022-06-28 | 2022-08-23 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的综合评价方法、红壤旱地酸化贫瘠化改良方法 |
| CN114931004B (zh) * | 2022-06-28 | 2023-03-10 | 湖南省土壤肥料研究所 | 一种红壤旱地酸化贫瘠化的改良方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107679756B (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107679756A (zh) | 土壤适宜性评价方法及装置 | |
| CN106780117A (zh) | 一种配电网项目融资租赁风险评估方法 | |
| CN104008143B (zh) | 基于数据挖掘的职业能力指标体系构建方法 | |
| Li et al. | Establishing a minimum dataset for soil quality assessment based on soil properties and land-use changes | |
| CN108776831A (zh) | 一种基于动态卷积神经网络的复杂工业过程数据建模方法 | |
| CN107036974A (zh) | 基于确定性集合建模的水质参数多模型协同反演方法 | |
| CN107895100B (zh) | 一种流域水质综合评价方法及系统 | |
| CN107764976B (zh) | 土壤氮素快速诊断方法及在线监测系统 | |
| CN104123680A (zh) | 一种综合评价电网科技项目的后评估方法 | |
| CN101609042A (zh) | 基于近红外光谱的手持式土壤养分无损测量系统 | |
| CN108229821A (zh) | 矿区生态环境的评估方法、装置、存储介质和系统 | |
| CN108960622A (zh) | 一种基于遥感影像的矿区复垦土地质量的自动化评价方法 | |
| CN108334943A (zh) | 基于主动学习神经网络模型的工业过程半监督软测量建模方法 | |
| CN107862433A (zh) | 一种特高压直流输电线路带电作业安全评估方法和系统 | |
| CN110111885A (zh) | 属性预测方法、装置、计算机设备及计算机可读存储介质 | |
| CN201503392U (zh) | 基于近红外光谱的手持式土壤养分无损测量装置 | |
| CN110348748A (zh) | 基于多属性决策的滑坡治理方案选择方法及治理方法 | |
| CN113049509A (zh) | 一种基于光谱技术的农产品检测管理系统 | |
| CN113837578B (zh) | 一种电力监理企业网格化监督管理评价方法 | |
| CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和系统 | |
| CN107194579A (zh) | 一种基于神经网络的建设项目社会稳定风险评估方法 | |
| Pourahmad et al. | Service quality assessment in the academic library: Use of hybrid fuzzy expert system | |
| Zhao et al. | Soil salinity inversion model based on BPNN optimization algorithm for UAV multispectral remote sensing | |
| CN113973403B (zh) | 基于结构离散测点拓扑的温致应变场重分布智能感知方法 | |
| CN115345488A (zh) | 一种湿地生态系统服务评估方法、装置、服务器及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |