CN110807604B - 一种设施大棚土壤肥力的评价方法 - Google Patents
一种设施大棚土壤肥力的评价方法 Download PDFInfo
- Publication number
- CN110807604B CN110807604B CN201911104922.6A CN201911104922A CN110807604B CN 110807604 B CN110807604 B CN 110807604B CN 201911104922 A CN201911104922 A CN 201911104922A CN 110807604 B CN110807604 B CN 110807604B
- Authority
- CN
- China
- Prior art keywords
- fertility
- soil
- calculating
- greenhouse
- 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
- 230000035558 fertility Effects 0.000 title claims abstract description 102
- 239000002689 soil Substances 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000005070 sampling Methods 0.000 claims description 22
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 18
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 9
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 9
- 229910052757 nitrogen Inorganic materials 0.000 claims description 9
- 229910052698 phosphorus Inorganic materials 0.000 claims description 9
- 239000011574 phosphorus Substances 0.000 claims description 9
- 239000011591 potassium Substances 0.000 claims description 9
- 229910052700 potassium Inorganic materials 0.000 claims description 9
- 238000005904 alkaline hydrolysis reaction Methods 0.000 claims description 7
- 239000005416 organic matter Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000005527 soil sampling Methods 0.000 abstract description 2
- 235000015097 nutrients Nutrition 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 239000004016 soil organic matter Substances 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 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)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于土壤环境监测和评价的技术领域，具体的涉及一种设施大棚土壤肥力的评价方法。所述设施大棚土壤肥力评价方法提出了一种新的数据处理方式，包括利用地统计方法分析土壤采样点各肥力指标数值，并对得到的插值图进行图像分析、计算，得到各肥力指标分值；利用各肥力指标分值可计算土壤总体肥力指标分值，最终进行土壤肥力评价。采用该方法使得设施土壤肥力的评价结果更为准确。
Description
技术领域
本发明属于土壤环境监测和评价的技术领域，具体的涉及一种设施大棚土壤肥力的评价方法。
背景技术
设施农业有别于露天农业，它采用人工措施控制作物生长环境，在作物不适宜生长的季节，以提高作物的产量和质量。土壤肥力是制约作物生长的关键因素，据有关研究表明，设施土壤与露天农田土壤相比，其各类养分指标均有所增加，并且随着种植年限的增加，为进行科学施肥、按需施肥，土壤肥力评价显得尤为重要。目前，已有单因子评价方法、内梅罗综合指数法、主成分-聚类分析方法等多种土壤肥力评价方法，现有的评价方法多针对露天农田，评价所使用的数据值多为单纯的单个采样点处肥力数据，未能体现肥力在面(区域)上的分布。
现有技术《设施蔬菜土壤养分状况分析及综合评价》及《基于主成分分析的土壤肥力综合指数评价》中提及的方法均利用主成分分析和模糊数学相结合的方法进行土壤养分状况评价，该方法中使用样本数据为点数据，未考虑土壤肥力指标的空间变异，在土壤肥力评价方法上，两者均利用综合肥力指数评价模型IFI进行肥力评价，此种方法对隶属度函数中各阈值设置的合理与否影响较大。
《三江平原土壤肥力综合评价及空间变异研究》采用属性识别模型及熵权方法进行土壤肥力评价，该方法使用数据为点数据，文中并未将土壤肥力空间变异与肥力综合评价结合，且肥力评价计算过程较为复杂。
《普通克里金模型对同尺度下不同土壤肥力指标的空间解析力比较》一文对克里金法在土壤肥力指标插值应用的合理性进行研究，但未提及将该方法应用土壤肥力评价中。
因此，在土壤肥力评价方法中，如何将肥力在面(区域)分布纳入设施大棚土壤肥力综合评价指标体系值得进一步讨论。
发明内容
本发明的目的在于针对如何将肥力在面(区域)上的分布与设施大棚土壤肥力综合评价指标体系有效结合，更加科学有效合理评价设施大棚土壤肥力的问题而提供一种设施大棚土壤肥力的评价方法，用于设施大棚环境中土壤肥力的监测、分析以及评价，采用该方法使得设施土壤肥力的评价结果更为准确。
本发明的技术方案为：一种设施大棚土壤肥力评价方法，包括以下步骤：
(1)在设施大棚中布设采样点，采集土样并记录采样点相对位置；
(2)对步骤(1)所采集的土样进行各项肥力指标含量测定；
(3)根据步骤(2)测定所得的采集土样肥力指标含量及步骤(1)所记录的采样点相对位置，利用克里金法分别绘制各项肥力的插值图，插值图中按照四分类填充等值线；
(4)利用图像识别方法计算不同分类色带占总体的比重Ki，并通过
计算各肥力指标平均含量Zi，其中Vi为各分类色带均值；
(5)根据下述各肥力指标分值的计算方法，利用步骤(4)计算得出的各肥力指标平均含量Zi，计算各肥力指标的分值；各肥力指标的分值计算方法具体如下，其中x即为肥力指标平均含量Zi：
①土壤有机质分值计算方法
②碱解氮分值计算方法
③速效磷分值计算方法
④速效钾分值计算方法
(6)根据步骤(5)计算所得的各肥力指标分值按照总体分值计算方法
计算总体分值；并根据
给出评价结果。
所述步骤(1)中的采样点按照S型布点。
所述步骤(1)中的采样点选取3～5处。
所述步骤(1)中采样点的采样深度最深为20cm。
所述肥力指标包括土壤有机质、碱解氮、速效磷和速效钾。
所述步骤(3)中的克里金法至少为简单克立金法、普通克里金法和范克里金法中的一种。
本发明的有益效果在于：
所述设施大棚土壤肥力评价方法提出了一种新的数据处理方式，包括利用地统计方法分析土壤采样点各肥力指标数值，并对得到的插值图进行图像分析、计算，得到各肥力指标分值；利用各肥力指标分值可计算土壤总体肥力指标分值，最终进行土壤肥力评价。
在土壤肥力评价中引入了地统计学中的克里金法，考虑土壤肥力指标的各项异性(空间变异)，对土壤肥力进行评价时不再单纯的使用点的数据，而是采用面(区域)数据，利用地统计学中的方法对所得采样数据进行分析，考虑各土壤肥力影响因素在区域变化的空间相关性，使得设施土壤肥力评价结果更为准确。
各肥力指标分值的计算公式未采用传统的综合肥力指数评价模型IFI方法，考虑各土壤肥力指标的均等重要性，不进行权重计算(即各指标权重相同)，而是根据土壤中各肥力指标的含量及土壤养分分级标准(全国第二次土壤普查)计算各肥力指标分值，并取各指标分值均值作为肥力评价。
综上所述，采用该评价方法使得设施大棚土壤肥力的评价更为全面，评价结果更为科学准确。
附图说明
图1为实施例1评价设施大棚土壤肥力过程中绘制的土壤有机质插值图。
图2为实施例1评价设施大棚土壤肥力过程中绘制的碱解氮插值图。
图3为实施例1评价设施大棚土壤肥力过程中绘制的速效磷插值图。
图4为实施例1评价设施大棚土壤肥力过程中绘制的速效钾插值图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
实施例1
所述设施大棚土壤肥力评价方法，包括以下步骤：
(1)在设施大棚中按照S型布设采样点，选取5处采样点进行采样，取20cm表层土壤，并记录采样点相对位置；
(2)对步骤(1)所采集的土样进行各项肥力指标含量测定，肥力指标为土壤有机质、碱解氮、速效磷和速效钾，测定值如表1所示；
表1
(3)根据步骤(2)测定所得的采集土样肥力指标含量及步骤(1)所记录的采样点相对位置，利用ArcG I S地统计分析模块中克里金法分别绘制各项肥力的插值图，插值图中按照四分类填充等值线；其中土壤有机质的克立金法插值图见图1，碱解氮的插值图见图2，速效磷的插值图见图3，速效钾的插值图见图4；
(4)利用图像识别方法分别对图1～图4四个插值图进行分析：计算不同分类色带占总体的比重Ki，并通过
计算各肥力指标平均含量Zi，其中Vi为各分类色带均值；
如图1所示的土壤有机质克立金法插值图，利用图像处理方式计算不同颜色像素个数占图像总像素的比率即颜色占据比例。通过图像处理可得到：颜色1占据比例为19.5％，颜色2占据比例为26.9％，颜色3占据比例为37.6％，颜色4占据比例为16％，颜色5占据比例为0％。通过图例中各颜色范围，取其平均值即为颜色均值。根据图1所示，颜色1为19-19.99，取其平均值(19+19.99)/2，均值为19.5；同理，颜色2均值为20.54，颜色3均值为22.09，颜色4的均值为22.9，颜色5的均值为24.29。利用
计算土壤有机质平均含量为0.195×19.5+0.269×20.54+0.376×22.09+0.16×22.9+0×24.29＝21.3。
同理，根据图2～图4可分别计算出碱解氮、速效磷、速效钾的平均含量为140.3、28.5、210.4。
(1)根据各肥力指标分值的计算方法，利用步骤(4)计算得出的各肥力指标平均含量，计算各肥力指标的分值：
土壤有机质分值为0.4448ln(21.3)-0.7054＝0.655；
碱解氮分值为0.9687ln(140.3)-3.829＝0.96；
速效磷分值为1；
速效钾分值为1；
(6)根据各肥力指标分值计算总体分值，总体分值
根据V值可知，其大于80％，则土壤肥力丰富。
Claims (6)
1.一种设施大棚土壤肥力评价方法，其特征在于，包括以下步骤：
(1)在设施大棚中布设采样点，采集土样并记录采样点相对位置；
(2)对步骤(1)所采集的土样进行各项肥力指标含量测定；
(3)根据步骤(2)测定所得的采集土样肥力指标含量及步骤(1)所记录的采样点相对位置，利用克里金法分别绘制各项肥力的插值图，插值图中按照五分类填充等值线；
(4)利用图像识别方法计算不同分类色带占总体的比重Ki，并通过
计算各肥力指标平均含量Zi，其中Vi为各分类色带均值；
(5)根据下述各肥力指标分值的计算方法，利用步骤(4)计算得出的各肥力指标平均含量Zi，计算各肥力指标的分值；各肥力指标的分值计算方法具体如下，其中x即为肥力指标平均含量Zi：
①土壤有机质分值计算方法
②碱解氮分值计算方法
③速效磷分值计算方法
④速效钾分值计算方法
(6)根据步骤(5)计算所得的各肥力指标分值按照总体分值计算方法
计算总体分值；并根据
给出评价结果。
2.根据权利要求1所述设施大棚土壤肥力评价方法，其特征在于，所述步骤(1)中的采样点按照S型布点。
3.根据权利要求2所述设施大棚土壤肥力评价方法，其特征在于，所述步骤(1)中的采样点选取3～5处。
4.根据权利要求1所述设施大棚土壤肥力评价方法，其特征在于，所述步骤(1)中采样点的采样深度最深为20cm。
5.根据权利要求1所述设施大棚土壤肥力评价方法，其特征在于，所述肥力指标包括土壤有机质、碱解氮、速效磷和速效钾。
6.根据权利要求1所述设施大棚土壤肥力评价方法，其特征在于，所述步骤(3)中的克里金法至少为简单克里金法、普通克里金法和范克里金法中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911104922.6A CN110807604B (zh) | 2019-11-13 | 2019-11-13 | 一种设施大棚土壤肥力的评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911104922.6A CN110807604B (zh) | 2019-11-13 | 2019-11-13 | 一种设施大棚土壤肥力的评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110807604A CN110807604A (zh) | 2020-02-18 |
| CN110807604B true CN110807604B (zh) | 2022-04-19 |
Family
ID=69502298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911104922.6A Active CN110807604B (zh) | 2019-11-13 | 2019-11-13 | 一种设施大棚土壤肥力的评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110807604B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115620825B (zh) * | 2022-12-20 | 2023-04-07 | 中化现代农业有限公司 | 土壤肥力评价方法、装置、设备及存储介质 |
| CN117807549B (zh) * | 2024-02-29 | 2024-05-17 | 菏泽学院 | 一种农田土壤肥力评价方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103081624B (zh) * | 2013-01-31 | 2013-11-06 | 中国热带农业科学院橡胶研究所 | 土壤养分分区管理方法 |
| CN107578146A (zh) * | 2017-08-10 | 2018-01-12 | 大连理工大学 | 一种农药应用的土壤环境承载力的定量评价方法 |
| 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 |
-
2019
- 2019-11-13 CN CN201911104922.6A patent/CN110807604B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110807604A (zh) | 2020-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110807604B (zh) | 一种设施大棚土壤肥力的评价方法 | |
| Vaudour et al. | An overview of the recent approaches to terroir functional modelling, footprinting and zoning | |
| CN111598045B (zh) | 一种基于对象图谱和混合光谱的遥感耕地变化检测方法 | |
| Dengiz et al. | Multi-criteria assessment and geostatistical approach for determination of rice growing suitability sites in Gokirmak catchment | |
| CN110376167A (zh) | 基于无人机高光谱的水稻叶片氮含量监测方法 | |
| CN103065149A (zh) | 网纹甜瓜果实表型提取与量化方法 | |
| CN108519339B (zh) | 一种基于WT-LSSVR的叶片镉含量Vis-NIR光谱特征建模方法 | |
| CN105303299B (zh) | 一种确定森林生长模型的方法 | |
| CN114882361B (zh) | 基于多源遥感融合的深度学习估算森林地上生物量方法 | |
| CN101299237A (zh) | 一种基于信息量维数序列的高光谱数据监督分类方法 | |
| CN100555326C (zh) | 一种尺度自适应的图像分割方法 | |
| CN105893977A (zh) | 一种基于自适应特征选择的水稻制图方法 | |
| CN114169161A (zh) | 一种土壤有机碳时空变异和固碳潜力估计方法和系统 | |
| Serrano et al. | Differential vineyard fertilizer management based on nutrient, s spatio-temporal variability | |
| CN114595956A (zh) | 一种基于灰度关联法模糊聚类算法的桉树土壤肥力分析方法 | |
| CN114612794B (zh) | 一种细碎化农业区土地覆被与种植结构的遥感识别方法 | |
| CN112465366A (zh) | 一种基于熵权topsis模型的柿果品质综合评价方法 | |
| Yang et al. | Modeling canopy photosynthesis and light interception partitioning among shoots in bi-axis and single-axis apple trees (Malus domestica Borkh.) | |
| Kasimatis et al. | Implementation of a decision support system for prediction of the total soluble solids of industrial tomato using machine learning models | |
| Käller | Vegetation-environment interactions in a boreonemoral forest in east central Sweden | |
| Sulimana et al. | Structural Colonization of Arbuscular Mycorrhizal Fungi in Three Acacia Species of Different Sizes in Riyadh, Saudi Arabia: Experimental Investigation | |
| CN111476434B (zh) | 一种基于gis的土壤重金属分形维数空间变异分析方法 | |
| Mangla et al. | Statistical growth prediction analysis of rice crop with pixel-based mapping technique | |
| Atzberger et al. | Portability of neural nets modelling regional winter crop acreages using AVHRR time series | |
| Murugan et al. | Determine the Soil Nutrients to Find the Crop Yields Using Data Mining Algorithms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |