CN111401610A - 一种整合pls-dea的林地土壤质量评价方法 - Google Patents

一种整合pls-dea的林地土壤质量评价方法 Download PDF

Info

Publication number
CN111401610A
CN111401610A CN202010146339.8A CN202010146339A CN111401610A CN 111401610 A CN111401610 A CN 111401610A CN 202010146339 A CN202010146339 A CN 202010146339A CN 111401610 A CN111401610 A CN 111401610A
Authority
CN
China
Prior art keywords
soil
measured
dea
indexes
available
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
Application number
CN202010146339.8A
Other languages
English (en)
Other versions
CN111401610B (zh
Inventor
李春华
吴立潮
涂佳
刘鸿宇
苏筱
王日鑫
蓝琳
蒋承雨
杨承楷
李伊涵
刘森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University of Forestry and Technology
Original Assignee
Central South University of Forestry and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University of Forestry and Technology filed Critical Central South University of Forestry and Technology
Priority to CN202010146339.8A priority Critical patent/CN111401610B/zh
Publication of CN111401610A publication Critical patent/CN111401610A/zh
Application granted granted Critical
Publication of CN111401610B publication Critical patent/CN111401610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/3103—Atomic absorption analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Food Science & Technology (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Environmental & Geological Engineering (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)

Abstract

本发明公开了一种整合PLS‑DEA模型的林地土壤质量评价方法，包括选择四种不同林龄的泡桐人工林地进行土壤采样，测试土壤主要的物理、化学和生物特性，并监测每组人工林地中泡桐的生长状况；对不同样地的土壤质量进行评价。本发明首先用泡桐人工林土壤性质与泡桐生长和生理状况指标进行偏最小二乘法分析(PLS)，根据回归系数的正负值决定土壤质量评价的数据包络模型(DEA)的投入指标或产出指标，同时也用PLS法筛选出影响土壤质量的关键指标，构成土壤质量评价的最小数据集(MDS)，最后，用DEA方法对林地土壤质量进行评价，这种整合PLS‑DEA模型的林地土壤质量评价方法针对性更强，能够有效地识别影响泡桐人工林生长的土壤制约因素，合理正确管理，以最优的投入获得最大的产出。

Description

一种整合PLS-DEA的林地土壤质量评价方法
技术领域
本发明涉及土壤质量评价技术领域，具体涉及一种整合PLS-DEA的林地土壤质量评价方法。
背景技术
土壤质量对林木生长具有重要意义，土壤质量评价是人工林管理的重要手段。选取合适的评价指标是土壤质量评价的关键，它涵盖了土壤质量的各个层次，多个方面。针对不同评价目的，研究者通常会选择与之相适当的评价指标。一般包括土壤物理指标、土壤化学指标和土壤生物指标。其中，土壤物理指标通常包括：土壤孔隙度、土壤质地、土壤含水量、土壤土层厚度、土壤团聚体和土壤容重等。在林地质量评价中，土壤质地和土壤容重作为不可或缺的两个指标发挥着重要作用，它们被广泛认为是最为有效的土壤质量指标。土壤化学指标包括：土壤电导率、土壤Mg、土壤Zn、土壤阳离子交换量、土壤交换性K、土壤pH值、土壤全N、土壤有效P、土壤有机质等。在林地土壤质量评价中，常常选用的主要指标是：土壤有机质、土壤全N、土壤氨态N、土壤水解N、土壤硝态N、土壤全K、土壤速效K、土壤全P、土壤有效P、土壤CEC、土壤有效B、土壤Ca、土壤Fe、土壤Mn、土壤Mg、土壤Cu、土壤Zn、土壤pH等。在土壤化学指标中，土壤有机质是格外重要的关键指标，它对土壤的营养保持能力、持水能力、脆弱性和结实度等土壤功能有着重要影响，是评价土壤质量的重要的参数之一。此外它还有维持正常的土壤温度、增加土壤的离子吸收能量等重要作用。如正常土壤温度的维持，离不开微有机体活动所释放的热量。土壤生物指标作为重要的一项评价指标，可以极其敏感地对土壤质量的变化做出反映。在土壤质量评价中扮演者重要角色，不可缺少。评价土壤质量的土壤生物指标常常包括：土壤动物、植物与微生物。在众多的土壤生物指标中，被认为是目前监测土壤质量变化最为敏感的指标是土壤酶活性指标。土壤酶活性指标能极其灵敏地反映出土壤质量的变化，具备着良好的精确性和时效性。土壤酶本质上是催化土壤基础代谢物质，其本身关系着土壤的许多特性，在维护生态系统平衡中意义非凡。众多研究评价指标中的酶的种类大致如下：蔗糖酶、蛋白酶、过氧化氢酶、脲酶等。土壤微生物量数量是土壤质量评价的又一重要生物指标。其中，土壤微生物生物量尤其是微生物量生物量C与养分含量相关性显著。
土壤质量评价另外一个关键因素是评价方法的选择，国内外评价土壤质量主要方法是：指数法、模型法和基于GIS技术的评价方法。
指数法是适用范围较为广泛的一种方法，其特点是直观、操作简便。指数评价法又能细分成如下几种评价方法：指数和法、土壤质量综合指数法、评比指数评价法、土壤相对指数法等。指数和法通常由以下三个步骤构成：第一，选择确定评价指标体系；第二，赋予每个指标一定的权重；第三，运用相关公式，通过计算得出土壤质量指数，以上三个步骤中，指标的确定与权重的分配是工作核心。对于指数和法中的步骤一，选择确定评价指标体系时筛选评价指标主要借助于以下几种数学方法进行分析：因子分析法、逐步回归分析法、主成分分析法、典范对应分析法等。对于指数法中的步骤二，指标权重的分配主要借助于以下两种方法进行分析：客观赋权法与主观赋权法。客观赋权法中指标权重的确定依据为各个指标所提供的信息量或者各指标的联系程度。客观赋权法可以细分为如下几种方法，具体涵盖了主成分分析法、熵值法、相关系数法、粗糙集理论、灰色关联法等方法，在上述土壤指标权重分配确定方法中，采用最多的为主成分分析法。总体而言，指数和法既可以完整、全面、综合的涵盖每一个作用因子对评价单元的影响，以得到客观准确的评价结果，又拥有清晰、简单、可操作性强的优势。模型法通过建立数学模型评价土壤质量，做到了有理可依、有据可循、结论客观、可信度高。模型法可细分为如下几种主要方法：系统聚类法、模糊综合评价法、灰色关联法、物元模型法等。这种方法通过确定最优投影函数值和最优投影方向来对土壤质量进行评价。模型法优点是依据充分、客观准确，在多指标综合评价问题时，模型法中的灰色关联综合评价模型以其理论充分、方便计算、模型简易等特点使评价得出的结论更为科学、合理、客观。灰色关联分析仅仅根据各个因素的原始量化值进行研究，而没有涉及到各个评价因素的评价标准。此外，按照质量的大小对各个单元的排序也体现在灰色关联分析的评价结果中，又能够依据相互关联度的大小对各个单元的土壤质量进行细致划分，这将为土壤资源利用提供一定的依据，有助于土壤资源利用的相关决策。近年来，地理信息系统(GIS)技术也广泛应用于土壤质量评价中，它通过独特的空间属性数据一体化处理方式，强大的空间分析能力，极大提高了土壤质量评价客观性、科学性。除地理信息系统(GIS)之外，模糊数学和多元统计方法等新型方法也广泛应用于土壤质量评价中。
以上分析可见，土壤质量评价至今未形成统一性、标准化的评价方法。现有土壤质量评价评价目标针对性差，忽视了土壤质量评价是与土壤功能相互联系的过程，土壤质量是针对特定的功能的，也未能提出质量优化的途径。指数法简单易行，但是带有主观性，会掩饰土壤性质某些质的变化；模型法仅能从已知明确相关的土壤指标中提取评价指标，仅能概括构建其自身的原始指标变异信息，不能充分考虑构建评价指标的原始变量与评价对象的直接相关关系，同时，对与评价对象密切相关的土壤指标也欠缺分析，导致主成分提取时认为重要的土壤指标与实际评价对象相关程度低或无关。此外，以上方法忽视了土壤质量评价的系统性特征，土壤适量变化是多投入和多产出变化过程。
因此，寻求一种既能实现主要评价指标提取过程，又能最大化土壤原始指标与评价对象相关关系的方法，建立合理的土壤多项质量评价指标，综合土壤质量评价方法很有必要。
一种整合PLS-DEA的林地土壤质量评价方法能解决上述问题。该发明将采用偏最小二乘法(PLS)提取主要土壤质量指标，构建土壤质量评价最小数据集(MDS)，然后用数据包络模型(DEA)方法将土壤质量指标和土壤功能相联系，对土壤的各个功能因子进行评价，得到综合的量化土壤质量评价结果。
发明内容
本发明的目的是提供一种整合PLS-DEA的林地土壤质量评价方法，通过测定泡桐人工林3类共计25个土壤性质要素，分别用土壤性质与泡桐生长生理状况指标进行偏最小二乘法(PLS)分析，根据回归系数的正负值决定数据包络模型(DEA)的投入指标或产出指标，筛选土壤质量关键指标，以关键指标对林地土壤质量评价，针对性更强，能够解释泡桐人工林生长的制约因素，便于以最小的投入获得最大的产出。
为了实现上述目的，本发明提供如下技术方案：一种整合PLS-DEA的林地土壤质量评价方法，具体操作步骤为：
步骤一：试验设计和土壤采集，选择四种不同林龄的泡桐人工林地进行多点采集泡桐人工林地土壤，将多点采集的同一林地土壤混合并做均质处理，测定均质处理的林地土壤的物理性指标、土壤化学性指标和土壤生物学指标，其中，物理指标：容重(BD)、总孔隙度(TCP)、土层厚度(ST)、坡度(SLOPE)，共4个；化学指标：全氮(TN)、全磷(TP)、有效锰(Amn)、有效铜(Acu)、有效锌(AZn)、全钾(TK)、有效磷(AP)、有效钾(AK)、有效硼(AB)、有效硫(AS)、有效钙(Aca)、有效镁(Amg)、有效铁(AFe)、阳离子交换量(CEC)、有机质(SOM)、硝态氮(Nitrate_N)、pH值，共17个；生化指标：脲酶(Urease)、贝塔-葡萄糖苷酶(BG)、酸性磷酸酶(ACP)、脱氢酶(DH)，共4个。测定各数据后使用表格记录各数据，并监测不同泡桐人工林的树高(胸径)等生长指标以及光合速率等生理指标
步骤二：由于化学指标较多，为了避免信息冗余，用PLS方法进行土壤化学指标的筛选和DEA投入产出的判定。根据步骤一中得到的各林地泡桐生长和生理指标，结合影响该生长情况的土壤化学指标测量值，构建PLS回归模型，根据PLS回归系数特征分别确定土壤质量评价化学指标的投入和产出要素；
步骤三：对土壤物理指标和生化指标进行PLS分析，判定土壤质量评价的DEA模型的投入或者产出变量。根据步骤一中得到的各林地泡桐生长和生理指标，结合影响该生长情况的土壤物理性指标和土壤生化指标测量值，构建PLS回归模型，根据PLS回归系数特征分别确定土壤质量评价物理和生化指标的投入和产出要素；
步骤四：以PLS回归系数为正的指标作为DEA评价的产出数据集，Y＝{y1，y2，…，yp}n×p，回归系数为负的指标作为投入数据集，X＝{x1，x2，…，xm}n×m，其中n为样本点个数，p与m分别表示为产出和投入个数，据此构建DEA模型，具体如下：
Figure BDA0002400866210000051
其中s+和s-分别表示产出项和投入项的松弛变量，
Figure BDA0002400866210000052
ε表示非阿基米德无穷小量，计算时通常取ε＝10-7，利用此模型可以一次性判断出决策单元是DEA有效，还是弱DEA有效，或者是非DEA有效，基于有效性的强弱，判断出样地土壤质量高、质量较高或者质量低；
步骤五：将四种林龄的泡桐生长情况与土壤质量评价结果相比较，验证步骤四中得到的质量等级的合理性。
1、优选的，所述步骤一中土壤采集深度设置为50公分，采集直径设置为5厘米，土壤物理性指标的土壤容重(BD)和土壤孔隙度(TCP)均采用环刀法测定，土层厚度(ST)按照与地面垂直(与水平面斜交)的切面作为观察面,并在这个切面上测定土层厚度，土壤坡度(SLOPE)用GPS测定仪测定。土壤化学指标的全N采用凯氏半微量定氮法测定，土壤全P采用碱熔，在间断化学分析仪上测定，有效锰(Amn)采用火焰原子吸收光谱法测定，土壤有效Cu和土壤有效Zn采用Mehlich3浸提，用原子吸收分光光度计法测定，土壤全K采用火焰光度计法测定，土壤有效P采用Mehlich3浸提，在间断化学分析仪上测定，土壤速效K采用Mehlich3浸提，用火焰光度计测定，有效硼(AB)用甲亚胺－H比色法，有效硫(AS)用磷酸盐-乙酸溶液浸提法，土壤有效Ca、土壤有效Mg、土壤有效Fe采用Mehlich3浸提，用原子吸收分光光度计法测定，阳离子交换量(CEC)用乙酸铵交换法测定，有机质(SOM)采用重铬酸钾容量法，硝态氮(Nitrate_N)测定采用酚二磺酸比色法，土壤pH值测定采用电位法。脲酶(Urease)活性采用苯酚钠-次氯酸钠比色法测定，土壤β-葡萄糖苷酶采用(β-G)检测试剂盒/化学比色法，土壤中酸性磷酸酶(ACP)活性采用磷酸苯二钠比色法测定，脱氢酶(DH)的活性使用TTC分光光度法测定。
优选的，泡桐生长生理状况记录因素包括树高、胸径和光合速率。
优选的，所述步骤四中在X与Y中分别提取PLS因子t1与u1，因子t1、u1分别为X、Y中各变量的线性组合，在提取这两个因子时，需满足下列要求：
a、t1与u1需要包括各自对应数据集中的最多变异信息，即各自对应方差最大，其数学表达形式为：
Figure BDA0002400866210000061
b、t1与u1显著相关且相关程度最大，即二者的相关系数与协方差需达到最大，其数学表达形式为：
r(t1,u1)→max，
Figure BDA0002400866210000062
完成第一对因子t1和u1的提取后，以X、Y同时对t1进行回归建模，如果X、Y中被t1解释后的剩余残余信息过多不能满足建模精度，再利用残余信息提取第二对因子，类似步骤反复提取因子以满足精度要求，最终利用X中提取出的所有t因子与数据集Y中yk(k＝1，2，…，p)回归建模，t因子是x1，x2，…，xm的线性组合，因此最终模型呈现为yk与原始变量x的回归方程。
优选的，所述步骤四中基于C2R模型的判定方法如下：
(1)当θ＝1并且S+＝0，S-＝0，认为决策单元j0为强DEA有效；
(2)当θ＝1并且S+≠0，S-≠0，认为决策单元j0为弱DEA有效；
(3)当θ＜1，认为决策单元j0为非DEA有效。
优选的，所述步骤四中利用DEA中的C2R模型进行“投影”分析，找出非DEA有效的决策单元的投入或者产出距离理想值的差距，具体公式如下：
Figure BDA0002400866210000071
Figure BDA0002400866210000072
其中，
Figure BDA0002400866210000073
是决策单元j0对应的线性规划的最优解，
Figure BDA0002400866210000074
是决策单元对应的(x0,y0)在数据包络分析有效面上的投影，它被认为是DEA有效的。
在上述技术方案中，本发明提供的技术效果和优点：
1、通过泡桐人工林3类共计25个土壤性质要素，分别用土壤性质与泡桐生长状况指标进行偏最小二乘法分析，根据回归系数的正负值决定DEA模型的投入指标或产出指标，筛选出土壤质量关键指标，以关键指标对林地土壤质量进行评价，针对性更强，能够阐述泡桐人工林生长的土壤制约因素，为改善林地土壤质量提供依据；
2、通过DEA方法进行土壤质量评价，能改变传统的土壤质量评价人为主观性强的缺陷，本专利根据PLS-DEA组合方法能筛选出土壤质量的关键指标，同时能客观评价土壤质量。
附图说明
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
图1为本发明基于PLS-DEA的土壤质量评价的结构框图；
图2为本发明CSV物理性质元素回归系数柱状图；
图3为本发明CSV化学性质养分元素回归系数柱状图；
图4为本发明CSV化学性质非养分元素回归系数柱状图；
图5为本发明CSV生物化学性质元素回归系数柱状图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
本发明提供了如图1-5所示的一种整合PLS-DEA的林地土壤质量评价方法，具体操作步骤为：
步骤一：样地设置和土壤采样。样地区域位于湖南省的中部和北部，地处亚热带，位于东亚季风区，属亚热带季风湿润气候，年平均降水量在1200-1700mm之间，年均气温15-18℃，年平均日照1300-1800h，无霜期260-310d。气候年内与年际的变化较大，冬寒冷而夏酷热，春温多变，春夏多雨，秋冬干旱。调查样地泡桐品种为白花泡桐(Paulowniafortunei)、未间伐。本案例对4种林龄、72块样地的泡桐人工林地土壤进行采样分析。4种林龄分别为1年生、3年生、9年生、12年生，多点采集泡桐人工林地土壤，分析土壤的17个主要元素，并记录每组人工林地中泡桐的生长状况。将多点采集的同一林地土壤混合并做均质处理，检测25个土壤特性指标，其中，物理指标：容重(BD)、总孔隙度(TCP)、土层厚度(ST)、坡度(SLOPE)，共4个；化学指标：全氮(TN)、全磷(TP)、有效锰(Amn)、有效铜(Acu)、有效锌(AZn)、全钾(TK)、有效磷(AP)、有效钾(AK)、有效硼(AB)、有效硫(AS)、有效钙(Aca)、有效镁(Amg)、有效铁(AFe)、阳离子交换量(CEC)、有机质(SOM)、硝态氮(Nitrate_N)、pH值，共17个；生化指标：脲酶(Urease)、贝塔-葡萄糖苷酶(BG)、酸性磷酸酶(ACP)、脱氢酶(DH)，共4个。
步骤二：用PLS方法进行土壤化学指标的筛选和DEA投入产出的判定。由于DEA进行土壤质量评价的时候，要求评价单元数大于投入产出指标总和的三倍，否则会出现过多并列情况，针对本案例化学指标数量远大于物理和生化指标数量，为了避免信息重复，同时也不丢失主要信息，我们只对化学指标用PLS方法进行筛选。用泡桐人工林的树高、胸径和光合速率作为因变量，用土壤化学指标作为自变量，用SIMCA-P软件进行PLS回归分析。各个元素的回归系数值如表1所示。
表1化学性质元素回归系数值
Figure BDA0002400866210000081
Figure BDA0002400866210000091
由于DEA模型评价要求评价单元数大于投入和产出指标总和的三倍，所以，针对本案例，我们从表1中取正回归系数排名7位的AP(0.529316)、SOM(0.416792)、Amg(0.308174)、TK(0.173880)、Nitrate_N(0.148407)、TN(0.143690)、pH(0.016257)和负回归系数的绝对值排名前2位的CEC(-0.041757)和Amn(-0.037520)作为土壤质量评价被选化学指标。
为了直观，其回归系数分别显示如附图2和附图3。由图2显示，Amn的回归系数为负值，归为DEA评价指标体系内的投入指标；TN、TK、AP、Amg的回归系数为正值，归为DEA评价指标体系内的产出指标。附图3显示，CEC的回归系数均为负值，归为DEA评价指标体系内的投入指标；Nitrate_N、pH、SOM的回归系数为正值，归为DEA评价指标体系内的产出指标。
步骤三：对土壤物理指标和生化指标进行PLS分析，判定土壤质量评价的DEA模型的投入或者产出变量。
在进行PLS回归分析时候，用泡桐人工林的树高、胸径和光合速率作为因变量，分别用土壤物理和生化指标作为自变量，用SIMCA-P软件进行PLS回归分析。结果如表2和表3所示，直观回归系数如附图4和附图5。
表2物理性质元素回归系数值
Figure BDA0002400866210000092
由表2和附图4发现，BD、SLOPE的回归系数为负值，归为DEA评价指标体系内的投入指标；TCP、ST的回归系数为正值，归为DEA评价指标体系内的产出指标。
表3生物化学性质元素回归系数值
指标 Urease BG ACP DH
回归系数 0.06593 0.159106 0.03821 0.308624
由表3和附图5和可看出，Urease、BG、ACP、DH的回归系数均为正值，都归为DEA评价指标体系内的产出指标。
由步骤二和步骤三，分析可见，BD、SLOPE、Amn、CEC 4个要素的PLS的回归系数为负，为DEA分析的投入指标；TCP、ST、TN、TK、AP、Amg、Nitrate_N、pH、SOM、Urease、BG、ACP、DH13个要素的PLS的回归系数为正，为DEA分析的产出指标，这些指标一起构成土壤质量评价的最小数据集(MDS)。
步骤四：根据以上构建的泡桐土壤质量评价最小数据集，将偏最小二乘法回归系数为负的4个指标作为泡桐林土壤质量评价DEA模型的投入要素，回归系数为正的13个指标作为产出要素，对72个泡桐人工林的样地土壤质量进行评价，结果如表4所示。
表4泡桐林样地土壤质量评价及排序
Figure BDA0002400866210000101
Figure BDA0002400866210000111
步骤五：将四种林龄的泡桐生长情况与土壤质量评价结果相比较，分析它们之间的相关性程度，验证步骤四中得到的评价结果的有效性。
进一步的，在上述技术方案中，所述步骤一中土壤采集深度设置为50公分，采集直径设置为5厘米，泡桐生长生理状况记录因素包括树高、胸径和光合速率；
1、进一步的，在上述技术方案中，所述步骤一中土壤物理性指标的土壤容重(BD)和土壤孔隙度(TCP)均采用环刀法测定，土层厚度(ST)按照与地面垂直(与水平面斜交)的切面作为观察面,并在这个切面上测定土层厚度，土壤坡度(SLOPE)用GPS测定仪测定。土壤化学指标的全N采用凯氏半微量定氮法测定，土壤全P采用碱熔，在间断化学分析仪上测定，有效锰(Amn)采用火焰原子吸收光谱法测定，土壤有效Cu和土壤有效Zn采用Mehlich3浸提，用原子吸收分光光度计法测定，土壤全K采用火焰光度计法测定，土壤有效P采用Mehlich3浸提，在间断化学分析仪上测定，土壤速效K采用Mehlich3浸提，用火焰光度计测定，有效硼(AB)用甲亚胺－H比色法，有效硫(AS)用磷酸盐-乙酸溶液浸提法，土壤有效Ca、土壤有效Mg、土壤有效Fe采用Mehlich3浸提，用原子吸收分光光度计法测定，阳离子交换量(CEC)用乙酸铵交换法测定，有机质(SOM)采用重铬酸钾容量法，硝态氮(Nitrate_N)测定采用酚二磺酸比色法，土壤pH值测定采用电位法。脲酶(Urease)活性采用苯酚钠-次氯酸钠比色法测定，土壤β-葡萄糖苷酶采用(β-G)检测试剂盒/化学比色法，土壤中酸性磷酸酶(ACP)活性采用磷酸苯二钠比色法测定,脱氢酶(DH)的活性使用TTC分光光度法测定；
进一步的，在上述技术方案中，所述步骤四中在X与Y中分别提取PLS因子t1与u1，因子t1、u1分别为X、Y中各变量的线性组合，在提取这两个因子时，需满足下列要求：
a、t1与u1需要包括各自对应数据集中的最多变异信息，即各自对应方差最大，其数学表达形式为：
Figure BDA0002400866210000121
b、t1与u1显著相关且相关程度最大，即二者的相关系数与协方差需达到最大，其数学表达形式为：
r(t1,u1)→max，
Figure BDA0002400866210000122
完成第一对因子t1和u1的提取后，以X、Y同时对t1进行回归建模，如果X、Y中被t1解释后的剩余残余信息过多不能满足建模精度，再利用残余信息提取第二对因子，类似步骤反复提取因子以满足精度要求，最终利用X中提取出的所有t因子与数据集Y中yk(k＝1，2，…，p)回归建模，t因子是x1，x2，…，xm的线性组合，因此最终模型呈现为yk与原始变量x的回归方程；
进一步的，在上述技术方案中，所述步骤五中基于C2R模型的判定方法如下：
(1)当θ＝1并且S+＝0，S-＝0，认为决策单元j0为强DEA有效；这表明，在土壤肥力系统中，样地土壤投入适当，产出最大化；
(2)当θ＝1并且S+≠0，S-≠0，认为决策单元j0为弱DEA有效；这表明，该决策单元存在技术或者规模无效，其改进路径可以通过投入x0减少S*-而保持原产出y0不变，或者保持投入x0不变，将产出提高s+；
(3)当θ＜1，认为决策单元j0为非DEA有效，这表明该决策单元规模和技术均无效，其改进路径可以通过原来投入x0降低θ倍，而保持原产出y不变实现；
进一步的，在上述技术方案中，所述步骤五中利用DEA中的C2R模型进行“投影”分析，找出非DEA有效的决策单元的投入或者产出距离理想值的差距，为土壤肥力的提高提供决策依据，公式具体如下：
Figure BDA0002400866210000131
Figure BDA0002400866210000132
其中，
Figure BDA0002400866210000133
是决策单元j0对应的线性规划的最优解，
Figure BDA0002400866210000134
是决策单元对应的(x0,y0)在数据包络分析有效面上的投影，它被认为是DEA有效的，对土壤肥力进行非DEA有效的决策单元进行“投影”分析，这种分析可以找出非DEA有效的原因，同时也可以指出实现DEA有效的路径。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种整合PLS-DEA的林地土壤质量评价方法，其特征在于：具体操作步骤为：
步骤一：试验设计和土壤采集，选择四种不同林龄的泡桐人工林地进行多点采集泡桐人工林地土壤，将多点采集的同一林地土壤混合并做均质处理，测定均质处理的林地土壤的物理性指标、土壤化学性指标和土壤生化指标，其中，物理指标：容重(BD)、总孔隙度(TCP)、土层厚度(ST)、坡度(SLOPE)，共4个；化学指标：全氮(TN)、全磷(TP)、有效锰(Amn)、有效铜(Acu)、有效锌(AZn)、全钾(TK)、有效磷(AP)、有效钾(AK)、有效硼(AB)、有效硫(AS)、有效钙(Aca)、有效镁(Amg)、有效铁(AFe)、阳离子交换量(CEC)、有机质(SOM)、硝态氮(Nitrate_N)、pH值，共17个；生化指标：脲酶(Urease)、贝塔-葡萄糖苷酶(BG)、酸性磷酸酶(ACP)、脱氢酶(DH)，共4个。
测定各数据后使用表格记录各数据，并监测不同泡桐人工林的树高(胸径)等生长指标以及光合速率等生理指标；
步骤二：由于化学指标较多，为了避免信息冗余，用PLS方法进行土壤化学指标的筛选和DEA投入产出的判定。根据步骤一中得到的各林地泡桐生长和生理指标，结合影响泡桐生长情况的土壤化学指标测量值，构建PLS回归模型，根据PLS回归系数特征分别确定土壤质量评价化学指标的投入和产出要素；
步骤三：对土壤物理指标和生化指标进行PLS分析，判定土壤质量评价的DEA模型的投入或者产出变量。根据步骤一中得到的各林地泡桐生长和生理指标，结合影响泡桐生长情况的土壤物理性指标和土壤生化指标测量值，构建PLS回归模型，根据PLS回归系数特征分别确定土壤质量评价的物理和生化指标投入和产出要素；
步骤四：以PLS回归系数为正的指标作为DEA评价的产出数据集，Y＝{y1，y2，…，yp}n×p，回归系数为负的指标作为投入数据集，X＝{x1，x2，…，xm}n×m，其中n为样本点个数，p与m分别表示为产出和投入个数，据此构建DEA模型，具体如下：
Figure FDA0002400866200000021
其中s+和s-分别表示产出项和投入项的松弛变量，
Figure FDA0002400866200000022
ε表示非阿基米德无穷小量，计算时通常取ε＝10-7，利用此模型可以判断出决策单元是强DEA有效，还是弱DEA有效，或者是非DEA有效，基于有效性的强弱，判断出样地土壤质量高、质量较高或者质量低；
步骤五：将四种林龄的泡桐生长情况与土壤质量评价结果相比较，验证步骤四中得到的质量等级的合理性。
2.根据权利要求1所述的一种整合偏最小二乘法与数据包络模型(PLS-DEA)的林地土壤质量评价方法，其特征在于：所述步骤一中土壤采集深度设置为50公分，采集直径设置为5厘米，泡桐生长生理状况记录因素包括树高、胸径和光合速率。
3.根据权利要求1所述的一种整合偏最小二乘法与数据包络模型(PLS-DEA)的林地土壤质量评价方法，其特征在于：所述步骤一中土壤物理性指标的土壤容重(BD)和土壤孔隙度(TCP)均采用环刀法测定，土层厚度(ST)按照与地面垂直(与水平面斜交)的切面作为观察面,并在这个切面上测定土层厚度，土壤坡度(SLOPE)用GPS测定仪测定。土壤化学指标的全N采用凯氏半微量定氮法测定，土壤全P采用碱熔，在间断化学分析仪上测定，有效锰(Amn)采用火焰原子吸收光谱法测定，土壤有效Cu和土壤有效Zn采用Mehlich3浸提，用原子吸收分光光度计法测定，土壤全K采用火焰光度计法测定，土壤有效P采用Mehlich3浸提，在间断化学分析仪上测定，土壤速效K采用Mehlich3浸提，用火焰光度计测定，有效硼(AB)用甲亚胺－H比色法，有效硫(AS)用磷酸盐-乙酸溶液浸提法，土壤有效Ca、土壤有效Mg、土壤有效Fe采用Mehlich3浸提，用原子吸收分光光度计法测定，阳离子交换量(CEC)用乙酸铵交换法测定，有机质(SOM)采用重铬酸钾容量法，硝态氮(Nitrate_N)测定采用酚二磺酸比色法，土壤pH值测定采用电位法。脲酶(Urease)活性采用苯酚钠-次氯酸钠比色法测定，土壤β-葡萄糖苷酶采用(β-G)检测试剂盒/化学比色法，土壤中酸性磷酸酶(ACP)活性采用磷酸苯二钠比色法测定，脱氢酶(DH)的活性使用TTC分光光度法测定。
4.根据权利要求1所述的一种整合偏最小二乘法与数据包络模型(PLS-DEA)的林地土壤质量评价方法，其特征在于：所述步骤四中在X与Y中分别提取PLS因子t1与u1，因子t1、u1分别为X、Y中各变量的线性组合，在提取这两个因子时，需满足下列要求：
a、t1与u1需要包括各自对应数据集中的最多变异信息，即各自对应方差最大，其数学表达形式为：
Figure FDA0002400866200000031
b、t1与u1显著相关且相关程度最大，即二者的相关系数与协方差需达到最大，其数学表达形式为：
r(t1，u1)→max，
Figure FDA0002400866200000032
完成第一对因子t1和u1的提取后，以X、Y同时对t1进行回归建模，如果X、Y中被t1解释后的剩余残余信息过多不能满足建模精度，再利用残余信息提取第二对因子，类似步骤反复提取因子以满足精度要求，最终利用X中提取出的所有t因子与数据集Y中yk(k＝1，2，…，p)回归建模，t因子是x1，x2，…，xm的线性组合，因此最终模型呈现为yk与原始变量x的回归方程。
5.根据权利要求1所述的一种整合偏最小二乘法与数据包络模型(PLS-DEA)的林地土壤质量评价方法，其特征在于：所述步骤四中基于C2R模型的判定方法如下：
(1)当θ＝1并且S+＝0，S-＝0，认为决策单元j0为强DEA有效；
(2)当θ＝1并且S+≠0，S-≠0，认为决策单元j0为弱DEA有效；
(3)当θ＜1，认为决策单元j0为非DEA有效。
6.一种整合PLS-DEA的林地土壤质量评价方法，其特征在于：所述步骤四中利用DEA中的C2R模型进行“投影”分析，能找出非DEA有效的决策单元的投入或者产出距离理想值的差距，为土壤质量的改善提供决策依据，公式具体如下：
Figure FDA0002400866200000041
Figure FDA0002400866200000042
其中，θ0,
Figure FDA0002400866200000043
是决策单元j0对应的线性规划的最优解，
Figure FDA0002400866200000044
是决策单元对应的(x0,y0)在数据包络分析有效面上的投影。
CN202010146339.8A 2020-03-05 2020-03-05 一种整合偏最小二乘法与数据包络模型pls-dea的林地土壤质量评价方法 Active CN111401610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010146339.8A CN111401610B (zh) 2020-03-05 2020-03-05 一种整合偏最小二乘法与数据包络模型pls-dea的林地土壤质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010146339.8A CN111401610B (zh) 2020-03-05 2020-03-05 一种整合偏最小二乘法与数据包络模型pls-dea的林地土壤质量评价方法

Publications (2)

Publication Number Publication Date
CN111401610A true CN111401610A (zh) 2020-07-10
CN111401610B CN111401610B (zh) 2023-05-16

Family

ID=71428550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010146339.8A Active CN111401610B (zh) 2020-03-05 2020-03-05 一种整合偏最小二乘法与数据包络模型pls-dea的林地土壤质量评价方法

Country Status (1)

Country Link
CN (1) CN111401610B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946190A (zh) * 2021-01-28 2021-06-11 千居智人工智能科技昆山有限公司 一种基于云计算的生态环境监测预警系统及监测预警方法
CN115619286A (zh) * 2022-11-11 2023-01-17 中国农业科学院农业资源与农业区划研究所 一种评估育种田间小区样地质量的方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462823A (zh) * 2014-12-12 2015-03-25 中国科学院城市环境研究所 基于数据包络分析的城市可持续发展能力评估方法
US20170122889A1 (en) * 2014-06-18 2017-05-04 Texas Tech University System Portable Apparatus for Soil Chemical Characterization
CN108960622A (zh) * 2018-06-28 2018-12-07 河南理工大学 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
CN110174359A (zh) * 2019-05-27 2019-08-27 生态环境部南京环境科学研究所 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170122889A1 (en) * 2014-06-18 2017-05-04 Texas Tech University System Portable Apparatus for Soil Chemical Characterization
CN104462823A (zh) * 2014-12-12 2015-03-25 中国科学院城市环境研究所 基于数据包络分析的城市可持续发展能力评估方法
CN108960622A (zh) * 2018-06-28 2018-12-07 河南理工大学 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
CN110174359A (zh) * 2019-05-27 2019-08-27 生态环境部南京环境科学研究所 一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何东健;陈煦;: "土壤有机质含量田间实时测定方法" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946190A (zh) * 2021-01-28 2021-06-11 千居智人工智能科技昆山有限公司 一种基于云计算的生态环境监测预警系统及监测预警方法
CN115619286A (zh) * 2022-11-11 2023-01-17 中国农业科学院农业资源与农业区划研究所 一种评估育种田间小区样地质量的方法和系统
CN115619286B (zh) * 2022-11-11 2023-10-03 中国农业科学院农业资源与农业区划研究所 一种评估育种田间小区样地质量的方法和系统

Also Published As

Publication number Publication date
CN111401610B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
Albert et al. A multi‐trait approach reveals the structure and the relative importance of intra‐vs. interspecific variability in plant traits
CN113030441B (zh) 一种耕地土壤健康的评价方法
Pyšek et al. Trends in species diversity and composition of urban vegetation over three decades
CN109284921B (zh) 基于隐马尔科夫模型的农业灌溉水质动态评价方法
CN113268703A (zh) 一种应用于小麦田间管理的氮肥亏缺快速检测与精量追施方法
Cubino et al. The leaf economic and plant size spectra of European forest understory vegetation
Quan et al. Partial organic fertilizer substitution promotes soil multifunctionality by increasing microbial community diversity and complexity
CN111401610A (zh) 一种整合pls-dea的林地土壤质量评价方法
CN114595956B (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
CN115479902A (zh) 基于波长的叶绿素含量测定模型构建方法及其系统
Sharma et al. Spatial variation in the level of development in Western Rajasthan
Mostashari et al. Comparative Study of DOP and CND Methods for Leaf Nutritional‎ Diagnosis of Vitis Vinifera in Iran
CN115479903A (zh) 一种基于波长的叶绿素含量测定方法及其系统
Blair et al. Interpretation of soil tests: a review
Dulaurent et al. Beneficial effects of conservation agriculture on soil fauna communities in Northern France
Smith et al. Response of wheat to applied superphosphate; the relationship between yield increase and'available'phosphate in the soil
CN117929248B (zh) 一种基于盐碱土鉴定油菜全生育期耐盐碱性的方法及系统
Ranjan et al. Assessing the linkage between dairy productivity growth and climatic variability: The case of New York State
Amosah et al. Assessing Indigenous and Modern Adaptation Strategies to Climate Change Among Legumes Producers in the Bongo District of the Upper East Region, Ghana
Tan et al. Water and fertilizer management regulates soil quality, bacterial community structure and function, and yield in Panax Notoginseng
Loss Mean Values NNI Biomass HI NUpE
Mohan Babu A Tale of Three Resources: The Influence of Multiple Resources on Plant-Herbivore Interactions
CN111027857A (zh) 基于特定要素数据包络分析泡桐养分利用效率的方法
Fang et al. Disturbance history, neighborhood crowding and soil conditions jointly shape tree growth in temperate forests
Hald et al. Restoration of degraded low-lying grasslands: indicators of the environmental potential of botanical nature quality

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