CN109064039B - 一种农田土壤健康评价方法 - Google Patents
一种农田土壤健康评价方法 Download PDFInfo
- Publication number
- CN109064039B CN109064039B CN201810896940.1A CN201810896940A CN109064039B CN 109064039 B CN109064039 B CN 109064039B CN 201810896940 A CN201810896940 A CN 201810896940A CN 109064039 B CN109064039 B CN 109064039B
- Authority
- CN
- China
- Prior art keywords
- soil
- index
- health
- soil health
- value
- 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.)
- Active
Links
- 239000002689 soil Substances 0.000 title claims abstract description 332
- 230000036541 health Effects 0.000 title claims abstract description 247
- 238000011156 evaluation Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000000513 principal component analysis Methods 0.000 claims abstract description 12
- 238000000611 regression analysis Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 4
- 229910001385 heavy metal Inorganic materials 0.000 claims description 18
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 14
- 238000005067 remediation Methods 0.000 claims description 13
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 7
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 7
- 229910052757 nitrogen Inorganic materials 0.000 claims description 7
- 229910052698 phosphorus Inorganic materials 0.000 claims description 7
- 239000011574 phosphorus Substances 0.000 claims description 7
- 239000011591 potassium Substances 0.000 claims description 7
- 229910052700 potassium Inorganic materials 0.000 claims description 7
- 238000012797 qualification Methods 0.000 claims description 7
- 239000011573 trace mineral Substances 0.000 claims description 7
- 235000013619 trace mineral Nutrition 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 6
- 230000033558 biomineral tissue development Effects 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims description 4
- 235000016709 nutrition Nutrition 0.000 claims description 4
- 230000035764 nutrition Effects 0.000 claims description 4
- 239000005416 organic matter Substances 0.000 claims description 4
- 239000002344 surface layer Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- GAMYVSCDDLXAQW-AOIWZFSPSA-N Thermopsosid Natural products O(C)c1c(O)ccc(C=2Oc3c(c(O)cc(O[C@H]4[C@H](O)[C@@H](O)[C@H](O)[C@H](CO)O4)c3)C(=O)C=2)c1 GAMYVSCDDLXAQW-AOIWZFSPSA-N 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229930003944 flavone Natural products 0.000 description 1
- 150000002212 flavone derivatives Chemical class 0.000 description 1
- 235000011949 flavones Nutrition 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- VHBFFQKBGNRLFZ-UHFFFAOYSA-N vitamin p Natural products O1C2=CC=CC=C2C(=O)C=C1C1=CC=CC=C1 VHBFFQKBGNRLFZ-UHFFFAOYSA-N 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Images
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)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种农田土壤健康评价方法,包括:选取土壤评价系统;通过特尔菲法对所述土壤评价系统中的土壤健康指标进行筛选,得到筛选过的土壤健康指标;对筛选过的土壤健康指标的原始数据进行标准化处理,将标准化后的数据进行主成分分析,将符合预设条件的主因子所包含的指标作为第二土壤健康评价指标;对所述第二土壤健康评价指标进行逐步回归分析,得到第三土壤健康评价指标,并根据所述第三土壤健康评价指标构建土壤健康评价数据集;获取土壤样品和作物样品,并测定第三土壤健康评价指标的指标值;根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级。
Description
技术领域
本发明涉及土壤评价领域,特别涉及一种农田土壤健康评价方法。
背景技术
土壤健康是土壤在生态系统内维持生物的生产力、保护环境质量以及促进动植物健康能力的综合量度。土壤健康评价初期主要基于单一的土壤物理指标和化学指标,现在的土壤评价比初期更为全面,一般还包括土壤的生物指标。然而,目前的方法往往通用性不强,如一些指标体系仅适用于特定地区的农田土壤;指标数量过多,指标之间存在极强的关联性,使得在土壤的健康评价中检测过多无用的指标,造成的检测资源的浪费;指标覆盖不全面,难以用于评价农田土壤对农作物产出的影响。
发明内容
为了解决以上问题,本发明提供了一种农田土壤健康评价方法,包括含土壤物理、化学、生物、产出等17个指标,指标具有易获得、关联强的特点;运用土壤健康大数据分析,评价更加科学;采用回归分析、主成分分析,模糊算法,综合指数法等核心算法,使得土壤健康指数准确、清晰;将重金属指标判断作为土壤健康的卡口因素,优先污染等级评价,更加注重土壤安全;将产出指标纳入评价体系,分析农田产出情况,本方法可量化评价土壤健康水平。
本发明提供的方法包括步骤:
选取土壤评价系统,所述土壤评价系统包括多个土壤健康指标;
通过特尔菲法对所述土壤评价系统中的土壤健康指标进行筛选,得到筛选过的土壤健康指标;
对筛选过的土壤健康指标的原始数据进行标准化处理,将标准化后的数据进行主成分分析,将符合预设条件的主因子所包含的指标作为第二土壤健康评价指标,所述预设条件为主成分分析得到的主因子的特征值大于第一预设值,且主因子累计贡献率大于第二预设值;
对所述第二土壤健康评价指标进行逐步回归分析,得到第三土壤健康评价指标,并根据所述第三土壤健康评价指标构建土壤健康评价数据集;
获取土壤样品和作物样品,并测定第三土壤健康评价指标的指标值;
根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级。
优选的,
所选取的土壤评价系统,为康奈尔土壤健康评价系统。
优选的,所选第三土壤健康评价指标,包括:
土壤质地、土壤含水量、土壤表层硬度、土壤次表层硬度、0.25-2mm粒径的团聚体稳定性、有机质含量、活性炭含量、潜在可矿化氮矿化速率、根系健康指数、pH值、可提取磷、可提取钾、微量元素指数、重金属指数、产量指数、品质指数、商品合格率。
优选的,所述通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级,具体为:
对所述第三土壤健康评价指标的指标值进行评分;
通过第一公式得到土壤样本的土壤健康指数,所述第一公式为:
其中,s为土壤健康指数,i表示第三土壤健康评价指标中的第i个健康评价指标,fi表示土壤样品或作物样品在第三土壤健康评价指标中的第i个健康评价指标的评分;wi表示第三土壤健康评价指标中的第i个健康评价指标的预设权重;
当土壤重金属指标的指标值大于0.7时,土壤健康等级评定为不健康,否则:
当土壤健康指数低于第三预设值时,土壤健康等级评定为不健康;
当土壤健康指数不低于第三预设值且低于第四预设值时,土壤健康等级评定为亚健康;
当土壤健康指数不低于第四预设值时,土壤健康等级评定为健康。
优选的,所述对所述第三土壤健康评价指标的指标值进行评分,具体为:
根据所述第三土壤健康评价指标的指标值,得到所述指标值对应的隶属值;
将所述隶属值作为对所述第三土壤健康评价指标的指标的评分;
所述根据所述第三土壤健康评价指标的指标值,得到所述指标值对应的隶属值,具体实施为:
对于土壤质地、pH值所对应的隶属值,为根据指标值查询预设的第一对应关系得到;
对于0.25-2mm粒径的团聚体稳定性、有效含水量、有机质、根系健康指数、活性炭、全氮、可提取磷、可提取钾、微量元素指数、重金属指数、产量指数、品质营养指数、商品合格率所对应的隶属值,为将指标值代入第一隶属函数得到;
对于土壤表层硬度、土壤次表层硬度、重金属指数所对应的隶属值,为将指标值代入第二隶属函数得到;
其中,第一对应关系为:
第一隶属函数为:
其中,xi1、xi2分别为第三土壤健康评价指标中第i个指标所预设的临界值;
第二隶属函数为:
其中,xi1、xi2分别为第三土壤健康评价指标中第i个指标所预设的临界值。
优选的,所述第三土壤健康评价指标中的第i个健康评价指标的预设权重,由以下方法得到:
根据主成分分析得到的主因子的特征值和贡献率,求出各项评价指标的公因子方差,通过熵权法对第三土壤健康评价指标进行赋权得到每个健康评价指标的预设权重wi,其中,wi满足∑wi=1。
优选的,所述根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级,还包括:
根据所述第三土壤健康评价指标的指标值,获取未来预设时间段土壤所能达到的第三土壤健康评价指标的最优指标值;
根据所述未来预设时间段土壤所能达到的第三土壤健康评价指标的最优指标值,通过所述预设的评分规则得到土壤样本的最优土壤健康指数;
根据所述最优土壤健康指数对土壤样本的土壤健康指数进行修正,具体为,对最优土壤健康指数赋予权值后,对土壤健康指数和带权值的最优土壤健康指数取几何平均值,得到修正后的土壤健康指数;
根据所述修正后的土壤健康指数得到修正后的土壤健康等级。
本发明还提供了上述农田土壤健康评价方法在土壤修复中的应用。
优选的,以目标土壤健康等级和当前土壤健康等级之差的倍数设为土壤修复所需的时间成本,以目标土壤健康等级和当前土壤健康等级之差的另一倍数设为土壤修复所需的投入成本。
优选的,以修复后的土壤健康等级和修复前的土壤健康等级之差评估土壤修复的效果。
本发明的一些有益效果可以包括:
本发明提供的一种农田土壤健康评价方法,通过在评价农田土壤时,采用回归分析、主成分分析,使得土壤健康评价指标的代表性更强,评价指标更加简洁有效;在本发明的优选实施例中,还通过模糊算法、综合指数法等算法使土壤健康指数的评价更加准确,还将重金属指标判断作为土壤健康的卡口因素,优先污染等级评价,更加注重土壤安全;将产出指标纳入评价体系,分析农田产出情况,本方法能更好的量化评价土壤健康水平。
本发明的其它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可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种农田土壤健康评价方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为本发明实施例中一种农田土壤健康评价方法的流程图,如图1所示,包括:
选取土壤评价系统,所述土壤评价系统包括多个土壤健康指标;
通过特尔菲法对所述土壤评价系统(结合Larson和Pierce提出的最小数据集minimumdata set理论)中的土壤健康指标进行筛选,得到筛选过的土壤健康指标;
对筛选过的土壤健康指标的原始数据进行标准化处理(如用SPSS软件),将标准化后的数据进行主成分分析(如用SPSS软件),将符合预设条件的主因子所包含的指标作为第二土壤健康评价指标,所述预设条件为主成分分析得到的主因子的特征值大于第一预设值,且主因子累计贡献率大于第二预设值;
对所述第二土壤健康评价指标进行逐步回归分析,得到第三土壤健康评价指标,并根据所述第三土壤健康评价指标构建土壤健康评价数据集;
获取土壤样品和作物样品,并测定第三土壤健康评价指标的指标值;
根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级。
通过在评价农田土壤时,采用回归分析、主成分分析,使得土壤健康评价指标的代表性更强,评价指标更加简洁有效,减少了土壤健康评价指标的冗余。
为了使土壤评价的结果的可比性更强,更适合直接推广至其他已做过土壤评价的区域,选择应用更为普遍的康奈尔土壤健康评价系统,在本发明的一个实施例中,
所选取的土壤评价系统,为康奈尔土壤健康评价系统。
为了在全面的评价土壤健康的同时,减少评价指标的数量,在本发明的一个实施例中,所选第三土壤健康评价指标,包括:
土壤质地、土壤含水量、土壤表层硬度、土壤次表层硬度、0.25-2mm粒径的团聚体稳定性、有机质含量、活性炭含量、潜在可矿化氮矿化速率、根系健康指数、pH值、可提取磷、可提取钾、微量元素指数、重金属指数、产量指数、品质指数、商品合格率。
考虑到重金属污染对农田土壤的影响很大,需要将重金属指标判断作为土壤健康的卡口因素,优先污染等级的评价,在本发明的一个实施例中,所述通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级,具体为:
对所述第三土壤健康评价指标的指标值进行评分;
通过第一公式得到土壤样本的土壤健康指数,所述第一公式为:
其中,s为土壤健康指数,i表示第三土壤健康评价指标中的第i个健康评价指标,fi表示土壤样品或作物样品在第三土壤健康评价指标中的第i个健康评价指标的评分;wi表示第三土壤健康评价指标中的第i个健康评价指标的预设权重;
当土壤重金属指标的指标值大于0.7时,土壤健康等级评定为不健康,否则:
当土壤健康指数低于第三预设值时,土壤健康等级评定为不健康;
当土壤健康指数不低于第三预设值且低于第四预设值时,土壤健康等级评定为亚健康;
当土壤健康指数不低于第四预设值时,土壤健康等级评定为健康。
为了更准确的对土壤健康评价指标的指标值进行评分,可以通过大量数据统计得到更准确的评分参数值,在本发明的一个实施例中,所述对所述第三土壤健康评价指标的指标值进行评分,具体为:
根据所述第三土壤健康评价指标的指标值,得到所述指标值对应的隶属值;
将所述隶属值作为对所述第三土壤健康评价指标的指标的评分;
所述根据所述第三土壤健康评价指标的指标值,得到所述指标值对应的隶属值,具体实施为:
对于土壤质地、pH值所对应的隶属值,为根据指标值查询预设的第一对应关系得到;
对于0.25-2mm粒径的团聚体稳定性、有效含水量、有机质、根系健康指数、活性炭、全氮、可提取磷、可提取钾、微量元素指数、重金属指数、产量指数、品质营养指数、商品合格率所对应的隶属值,为将指标值代入第一隶属函数得到;
对于土壤表层硬度、土壤次表层硬度、重金属指数所对应的隶属值,为将指标值代入第二隶属函数得到;
其中,第一对应关系为:
第一隶属函数为:
其中,xi1、xi2分别为第三土壤健康评价指标中第i个指标所预设的临界值;
第二隶属函数为:
其中,xi1、xi2分别为第三土壤健康评价指标中第i个指标所预设的临界值。
在本发明的一个实施例中,xi1、xi2的值分别如下表所示:
其中,根系健康指数(根系长度、根系直径、初生根数、根系鲜重、根系干重、SOD含量、POD含量、CAT含量),微量元素指数(有效硅、有效硫、有效钙、有效镁、有效硼、有效铜、有效锌、有效锰、有效钼、有效铁),品质营养指数(可溶性固形物、可溶性糖、可滴定酸、Vc、糖酸比、总酚、总黄酮等)3个指标内部权重之和为1。
为了更准确的对土壤健康评价指标的指标值进行评分,需要更准确的评价指标的权重值,在本发明的一个实施例中,所述第三土壤健康评价指标中的第i个健康评价指标的预设权重,由以下方法得到:
根据主成分分析得到的主因子的特征值和贡献率,求出各项评价指标的公因子方差,通过熵权法对第三土壤健康评价指标进行赋权得到每个健康评价指标的预设权重wi,其中,wi满足∑wi=1。
在本发明的另一个具体实施例中,对北京市房山区韩村河镇北京正欣荣泰农业种植专业合作社2号棚室土壤进行健康评价,该棚室种植作物为草莓,种植年限为5年。本实施例的指标包括土壤物理指标(土壤质地、土壤含水量、土壤表层硬度、土壤次表层硬度、团聚体(0.25-2mm)稳定性)、土壤生物指标(有机质含量、活性炭含量、潜在可矿化氮矿化速率、根系健康指数)、土壤化学指标(pH值、可提取磷、可提取钾、微量元素指数、重金属指数)、作物产出指标(产量、品质、商品合格率)等17个指标,17种分级指标含量重复/平行测定三次,取其平均值。经过测量后该块土壤的各指标如下表所示:
运用土壤健康管理方法分析显示该地块土壤健康指数为0.77,土壤健康等级为亚健康。
由于现在的土壤健康评价都是基于现在的土壤状态,对于土壤未来的改善空间没有涉及,同时,不同指标在改善的困难程度上不同,因此相同的土壤健康等级往往存在改善空间不同,改善难度不同的问题,为了对这种情况进行区分,以便更好的对土壤进行管理,在本发明的一个实施例中,所述根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级,还包括:
根据所述第三土壤健康评价指标的指标值,获取未来预设时间段(一般为1年)土壤所能达到的第三土壤健康评价指标的最优指标值;
根据所述未来预设时间段土壤所能达到的第三土壤健康评价指标的最优指标值,通过所述预设的评分规则得到土壤样本的最优土壤健康指数;
根据所述最优土壤健康指数对土壤样本的土壤健康指数进行修正,具体为,对最优土壤健康指数赋予权值后,对土壤健康指数和带权值的最优土壤健康指数取几何平均值,得到修正后的土壤健康指数;
根据所述修正后的土壤健康指数得到修正后的土壤健康等级。
本发明还提供了上述农田土壤健康评价方法在土壤修复中的应用,包括:
以目标土壤健康等级和当前土壤健康等级之差的倍数设为土壤修复所需的时间成本,以目标土壤健康等级和当前土壤健康等级之差的另一倍数设为土壤修复所需的投入成本(资金、人力等)。
以修复后的土壤健康等级和修复前的土壤健康等级之差评估土壤修复的效果。
本发明提供的一种农田土壤健康评价方法,通过在评价农田土壤时,采用回归分析、主成分分析,使得土壤健康评价指标的代表性更强,评价指标更加简洁有效;在本发明的优选实施例中,还通过模糊算法、综合指数法等算法使土壤健康指数的评价更加准确,还将重金属指标判断作为土壤健康的卡口因素,优先污染等级评价,更加注重土壤安全;将产出指标纳入评价体系,分析农田产出情况,本方法能更好的量化评价土壤健康水平。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种农田土壤健康评价方法,其特征在于,包括步骤:
选取土壤评价系统,所述土壤评价系统包括多个土壤健康指标;
通过特尔菲法对所述土壤评价系统中的土壤健康指标进行筛选,得到筛选过的土壤健康指标;
对筛选过的土壤健康指标的原始数据进行标准化处理,将标准化后的数据进行主成分分析,将符合预设条件的主因子所包含的指标作为第二土壤健康评价指标,所述预设条件为主成分分析得到的主因子的特征值大于第一预设值,且主因子累计贡献率大于第二预设值;
对所述第二土壤健康评价指标进行逐步回归分析,得到第三土壤健康评价指标,并根据所述第三土壤健康评价指标构建土壤健康评价数据集;
获取土壤样品和作物样品,并测定第三土壤健康评价指标的指标值;
根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级;
所选取的土壤评价系统,为康奈尔土壤健康评价系统;
所选第三土壤健康评价指标,包括:
土壤质地、土壤含水量、土壤表层硬度、土壤次表层硬度、0.25-2mm粒径的团聚体稳定性、有机质含量、活性炭含量、潜在可矿化氮矿化速率、根系健康指数、pH值、可提取磷、可提取钾、微量元素指数、重金属指数、产量指数、品质指数、商品合格率;
所述通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级,具体为:
对所述第三土壤健康评价指标的指标值进行评分;
通过第一公式得到土壤样本的土壤健康指数,所述第一公式为:
其中,s为土壤健康指数,i表示第三土壤健康评价指标中的第i个健康评价指标,fi表示土壤样品或作物样品在第三土壤健康评价指标中的第i个健康评价指标的评分;wi表示第三土壤健康评价指标中的第i个健康评价指标的预设权重;
当土壤重金属指标的指标值大于0.7时,土壤健康等级评定为不健康,否则:
当土壤健康指数低于第三预设值时,土壤健康等级评定为不健康;
当土壤健康指数不低于第三预设值且低于第四预设值时,土壤健康等级评定为亚健康;
当土壤健康指数不低于第四预设值时,土壤健康等级评定为健康;
所述对所述第三土壤健康评价指标的指标值进行评分,具体为:
根据所述第三土壤健康评价指标的指标值,得到所述指标值对应的隶属值;
将所述隶属值作为对所述第三土壤健康评价指标的评分;
所述根据所述第三土壤健康评价指标的指标值,得到所述指标值对应的隶属值,具体实施为:
对于土壤质地、pH值所对应的隶属值,为根据指标值查询预设的第一对应关系得到;
对于0.25-2mm粒径的团聚体稳定性、有效含水量、有机质、根系健康指数、活性炭、全氮、可提取磷、可提取钾、微量元素指数、重金属指数、产量指数、品质营养指数、商品合格率所对应的隶属值,为将指标值代入第一隶属函数得到;
对于土壤表层硬度、土壤次表层硬度、重金属指数所对应的隶属值,为将指标值代入第二隶属函数得到;
其中,第一对应关系为:
第一隶属函数为:
其中,xi1、xi2分别为第三土壤健康评价指标中第i个指标所预设的临界值;
第二隶属函数为:
其中,xi1、xi2分别为第三土壤健康评价指标中第i个指标所预设的临界值;
所述第三土壤健康评价指标中的第i个健康评价指标的预设权重,由以下方法得到:
根据主成分分析得到的主因子的特征值和贡献率,求出各项评价指标的公因子方差,通过熵权法对第三土壤健康评价指标进行赋权得到每个健康评价指标的预设权重wi,其中,wi满足∑wi=1。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第三土壤健康评价指标的指标值,通过预设的评分规则得到土壤样本的土壤健康指数和土壤健康等级,还包括:
根据所述第三土壤健康评价指标的指标值,获取未来预设时间段土壤所能达到的第三土壤健康评价指标的最优指标值;
根据所述未来预设时间段土壤所能达到的第三土壤健康评价指标的最优指标值,通过所述预设的评分规则得到土壤样本的最优土壤健康指数;
根据所述最优土壤健康指数对土壤样本的土壤健康指数进行修正,具体为,对最优土壤健康指数赋予权值后,对土壤健康指数和带权值的最优土壤健康指数取几何平均值,得到修正后的土壤健康指数;
根据所述修正后的土壤健康指数得到修正后的土壤健康等级。
3.根据权利要求1所述的方法,在土壤修复中的应用。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810564586 | 2018-06-04 | ||
CN2018105645862 | 2018-06-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109064039A CN109064039A (zh) | 2018-12-21 |
CN109064039B true CN109064039B (zh) | 2022-02-11 |
Family
ID=64678690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810896940.1A Active CN109064039B (zh) | 2018-06-04 | 2018-08-08 | 一种农田土壤健康评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109064039B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340347A (zh) * | 2020-02-21 | 2020-06-26 | 黑龙江省农业科学院绥化分院 | 一种水稻品种综合优良指数评价方法 |
CN112381958A (zh) * | 2020-10-30 | 2021-02-19 | 荣洋 | 一种etc门架系统状态在线监测方法及系统 |
CN112270501B (zh) * | 2020-11-17 | 2021-11-02 | 深圳市兆航物流有限公司 | 一种基于SaaS的供应链物流云系统 |
CN113030441B (zh) * | 2021-03-27 | 2023-12-22 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种耕地土壤健康的评价方法 |
CN113421023A (zh) * | 2021-07-15 | 2021-09-21 | 上海市环境科学研究院 | 一种农田土壤生态系统健康评价方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120014748A1 (en) * | 2009-03-19 | 2012-01-19 | Kenzo Kubota | Novel soil diagnosis method |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101974631A (zh) * | 2010-10-28 | 2011-02-16 | 复旦大学 | 通过对微生物的定量pcr分析来评价土壤健康的方法 |
CN106934491A (zh) * | 2017-02-23 | 2017-07-07 | 北京农业信息技术研究中心 | 一种土壤修复技术筛选方法及装置 |
CN107590361B (zh) * | 2017-09-28 | 2018-07-06 | 首都师范大学 | 基于社会网络大数据的土壤重金属致病危害评价方法 |
-
2018
- 2018-08-08 CN CN201810896940.1A patent/CN109064039B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120014748A1 (en) * | 2009-03-19 | 2012-01-19 | Kenzo Kubota | Novel soil diagnosis method |
Also Published As
Publication number | Publication date |
---|---|
CN109064039A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064039B (zh) | 一种农田土壤健康评价方法 | |
Filstrup et al. | Regional variability among nonlinear chlorophyll—phosphorus relationships in lakes | |
Szymura et al. | Bioindication with Ellenberg's indicator values: A comparison with measured parameters in Central European oak forests | |
Cao et al. | Modeling and mapping of cadmium in soils based on qualitative and quantitative auxiliary variables in a cadmium contaminated area | |
Laekemariam et al. | Accounting spatial variability of soil properties and mapping fertilizer types using geostatistics in southern Ethiopia | |
Taleshian Jeloudar et al. | Impact of land use change on soil erodibility | |
Angello et al. | Spatio-temporal evaluation and quantification of pollutant source contribution in little akaki river, Ethiopia: conjunctive application of factor analysis and multivariate receptor model | |
Khan et al. | Spatial variability and geostatistical analysis of soil properties in the diversified cropping regions of Bangladesh using geographic information system techniques | |
Wu et al. | Assessing effects of digital elevation model resolutions on soil–landscape correlations in a hilly area | |
CN109115992A (zh) | 一种农田土壤健康评价系统 | |
Virro et al. | Random forest-based modeling of stream nutrients at national level in a data-scarce region | |
Corradini et al. | Effects of maize cultivation on nitrogen and phosphorus loadings to drainage channels in Central Chile | |
Xu et al. | Status and fuzzy comprehensive assessment of metals and arsenic contamination in farmland soils along the Yanghe River, China | |
Corwin | Site-specific management and delineating management zones | |
CN107679756B (zh) | 土壤适宜性评价方法及装置 | |
Srinivas et al. | Holistic approach for quantification and identification of pollutant sources of a river basin by analyzing the open drains using an advanced multivariate clustering | |
Salas et al. | Potential of mapping dissolved oxygen in the Little Miami River using Sentinel-2 images and machine learning algorithms | |
Keraga et al. | Spatial and temporal water quality dynamics of Awash River using multivariate statistical techniques | |
Starrfelt et al. | Bayesian uncertainty assessment of a semi-distributed integrated catchment model of phosphorus transport | |
Abdul Wahid et al. | Forecasting water quality using seasonal ARIMA model by integrating in-situ measurements and remote sensing techniques in Krishnagiri reservoir, India | |
Gökmen et al. | Extreme gradient boosting regression model for soil available boron | |
Kondo et al. | Probabilistic assessment of herbicide runoff from Japanese rice paddies: The effects of local meteorological conditions and site-specific water management | |
Ghaemi et al. | Spatio-temporal soil quality assessment under crop rotation irrigated with treated urban wastewater using fuzzy modelling | |
Rahman et al. | Bayesian Belief Network analysis of soil salinity in a peri-urban agricultural field irrigated with recycled water | |
Choudhury et al. | Improving estimation of in-season crop water use and health of wheat genotypes on sodic soils using spatial interpolation techniques and multi-component metrics |
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 |