本发明属于土壤检测技术领域，具体涉及一种基于产量构建地理最小数据集的土壤肥力预测方法。
背景技术：
油茶(camelliaoleiferaabel.)，山茶科油茶属常绿小乔木，种子油富含油酸、亚油酸等不饱和脂肪酸，是南方重要的的木本食用油树种。浙江省现有20万公顷油茶林，位居全国第4位，其中，70％分布在丽水及衢州地区，是山区农民增收致富的重要资源优势和潜力所在。当前，浙江省60％以上的油茶林为管理粗放、低产低效的老油茶林，此类林分存在树体生长缓慢、结实量下降、大小年明显等不良现象，严重制约油茶产量与品质的提高。《全国油茶产业发展规划(2009-2020)》明确低产林改造是短期内提高油茶产量的有效方式，并提出浙江省低产林进行改造计划。近年浙江省油茶低产林改造每年以近万公顷逐步推进。作为低产林改造的重要措施，精准水肥管理越来越引起重视。但现阶段油茶施肥存在忽视油茶立地条件对肥力的需求差异，忽视微量元素的作用，油茶土壤肥力评价不成熟等问题，迫切需要建立适合油茶的土壤肥力评价体系。
土壤肥力最小数据集的建立是土壤肥力评价及确定关键施肥因子的基础和重要环节。最小数据集的建构常用的有主成分分析法、相关性分析法，也有不少学者采用norm值提取指标。本发明选择主成分分析为主要研究方法，以确立浙江省油茶土壤肥力最小数据集，对油茶主产区土壤肥力进行评价，并利用内梅罗指数法结合样地产量对最小数据集进行验证，研究结果对提升浙江省油茶种植业发展、改善盲目施肥、保护环境具有重要指导意义。
土壤肥力是土壤供应植物所必须的养分的能力，以及与养分供应能力有关的各种土壤性质与状态。土壤肥力评价则是选择最能反映土壤质量状况及生产能力的指标并对土壤质量做出评判，因此最小数据集的构建是土壤肥力评价的关键环节。目前尚未见文献对油茶土壤肥力进行最小数据集构建等相关报道。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种基于产量构建地理最小数据集的土壤肥力预测方法，在土壤中各种营养成分差异较大的情况下，该评价方法能适用于各种性质和状态的土壤的肥力指标评价，并且能够准确判断油茶土壤生产力的情况。
本发明解决其技术问题所采用的技术方案是：
一种基于产量构建地理最小数据集的土壤肥力预测方法，包括以下步骤：
(1)采样：根据产量设定采样地点，采集油茶土壤样品；
(2)检测：检测步骤(1)采集的油茶土壤样品的各项肥力指标含量；
(3)全量数据集数据处理分析：
内梅罗单项肥力指数评价：pi＝ci/si
pi：土壤中某指标i的单项肥力指数；
ci：土壤中某指标i的实测数据；
si：土壤中某指标i的标准值。
内梅罗综合肥力指数评价
p综：土壤肥力综合指数；(ci/si)2min：单项肥力指数最小值平方(ci/si)2ave：土壤中所有肥力指数的平均值平方；n：土壤肥力指标个数(4)最小数据集数据处理分析：
s1：对步骤(2)所测指标含量利用spss数据处理软件进行主成分分析，根据特征值大于1及累计贡献率大于70％的原则，提取若干主成分；
s2：按一定标准，选取步骤s1所得若干主成分的高因子载荷；
s3：按一定标准，选取步骤s2所得若干主成分的高因子载荷进入最小数据集：
(5)最小数据集肥力指标标准化：
由于土壤有机质、全氮、碱解氮等与作物生长效应曲线一般呈s形，因此采用s型隶属函数进行肥力指标的标准化。
其中x1为肥力指标的低临界值；x2为肥力指标的高临界值；x为肥力指标的测定值。
(6)最小数据集肥力指数的建立
采用主成分分析法求得公因子方差，据此确定权重系数，根据如下公式计算土壤肥力指数nfi。
wi：肥力指标权重系数；fi：肥力指标标准值
(7)最小数据集肥力指数与产量相关性
将最小数据集肥力指数与全量数据集综合指数及产量分别做相关性数据分析。
作为优选，所述步骤(1)中，采样方法为：样地分为上、中、下坡，采用s形采样法，采集0～40cm层土壤，其中每个坡度随机选取15～20个样点，每样点样品重量不少于100g。
作为优选，每个坡度的样品充分混匀后采取四分法留取1kg，装入塑料袋，做好编号，登记样品信息，带回实验室风干。
作为优选，所述步骤(2)中，肥力指标为ph、全氮、全磷、有机质、速氮、有效磷、速效钾、土壤质地、有效微量元素铁、铜、锌、锰、交换性钙、交换性镁。
作为优选，所述步骤(4)中，主成分中高因子载荷的选取原则是：该高因子载荷的绝对值大于该主成分中最大因子载荷的90％。
作为优选，所述步骤(4)中，选取主成分的高因子载荷进入最小数据集的标准是：
(a)当一个主成分高因子载荷指标只有一个时，则该指标进入最小数据集；
(b)当一个主成分高因子载荷指标为两个时，对两个指标做相关性分析，若相关系数绝对值r＜0.4时，则两个指标都进入最小数据集；若相关系数绝对值r≥0.4，则因子载荷高的指标进入数据集；
(c)当一个主成分高因子载荷指标为三个或三个以上时，两两分别做相关性分析，(1)所有指标两两相关系数绝对值r＜0.4时，则所有指标都进入最小数据集；(2)所有指标两两相关系数绝对值r存在≥0.4的情况时：若两两相关系数绝对值r≥0.4的指标数量占总指标数量的70％以上，则与其余指标相关系数绝对值之和最大的高因子载荷指标进入数据集；否则所有指标进入数据集。
本发明取得的有益效果是：
(a)本发明选择主成分分析研究法，确定油茶土壤肥力最小数据集，对油茶土壤肥力评价，并利用内梅罗指数法结合样地产量对最小数据集进行验证；本发明的基于地理最小数据集构建的土壤肥力的预测方法，能很好的反映油茶产量和土壤肥力之间的关系，此研究结果对提升油茶种植业发展、改善盲目施肥、保护环境具有重要指导意义；
(b)本发明的基于产量构建地理最小数据集的土壤肥力预测方法，对土壤的肥力指标评价较为全面，包括对微量元素的检测评价，能够较大程度的反映油茶产量和土壤各种肥力指标之间的关系，且对于空间差异较大的油茶土壤肥力，能够统一评价，适用范围广。
附图说明
图1浙江省油茶土壤内梅罗综合指数、最小数据集肥力指数及产量图。
图中：a：最小数据集肥力指数；b：内梅罗综合指数c：产量。
具体实施方式
下面结合实施例对本发明及其具体实施方式作进一步详细说明，但不意味着限制本发明的范围。
实施例1：
在浙江省范围内采取油茶土壤样品，根据样地及样地所在县的平均产量，根据样地内油产量大于150kg·ha-1，75-150kg·ha-1，小于75kg·ha-1三个级别，对土壤测定结果进行划分。
采样时，样地分为上、中、下坡，采用s形采样法，采集0～40cm层土壤，其中每个坡度随机选取15～20个样点，每样点样品重量不少于100g，将每个坡度的样品充分混匀后采取四分法留取1kg，装入塑料袋，做好编号，登记样品信息，带回实验室风干后，检测其中的各种肥力指标含量。检测具体划分结果及各县的土壤肥力指标含量，其检测含量见表1、表2和表3。
表1样地产量大于150kg·ha-1土壤测定结果
表2样地产量75-150kg·ha-1土壤测定结果
表3样地产量小于75kg·ha-1土壤测定结果
将表2中，样地油产量处于在75-150kg·ha-1各县的土壤肥力检测结果平均值作为肥力指标标准值si(见表4)。与ny/t1749-2009中规定的南方地区耕地土壤肥力指标si1相比，相对标准偏差小于10％的为有效铁、有效锰、全氮、速氮、速钾。偏差较大的为速磷、全磷、有效铜及有机质，其余均属于中等偏差，这与油茶酸性红壤磷、有机质易缺乏特性相符，同时也说明这几个指标可能是油茶生产的限制因子。
表4各指标的si标准值
对表1、表2和表3中的土壤肥力指标进行评价，计算各个地区的内梅罗单项肥力指数pi和内梅罗综合肥力指数p综，其计算式如(i)和(ii)所示：
内梅罗单项肥力指数评价：pi＝ci/si(i)
式(i)中，pi：土壤中某指标i的单项肥力指数；ci：土壤中某指标i的实测数据；si：土壤中某指标i的标准值；
综合肥力评价指数：
式(ii)中，(ci/si)2min：单项肥力指数最小值平方；(ci/si)2ave：土壤中所有肥力指数的平均值平方；n：土壤肥力指标个数；
各个地区的内梅罗单项肥力指数pi和内梅罗综合肥力指数p综计算结果如表5所示；
表5各县土壤评价结果
对于各个地区的ph的ci/si指标，ph≤5时，ci/si＝1；ph范围在5.0-5.5时，ci/si＝1.5；
对表5中，内梅罗综合指数与产量相关性进行了分析，结果显示二者相关系数为0.348，两者相关性较差，原因可能是部分肥力指标与产量并无直接相关性，因此内梅罗综合指数并不能对土壤产油量的肥力指标进行评价，构建可反映油茶产出水平的最小数据集肥力指数对油茶产业提升具有重要意义。
实施例2：
最小数据集肥力指数构建：
对实施例1的表1、表2和表3中所测指标含量利用spss软件进行主成分分析，结果如表6所示；
表6各因子主成分的特征值和贡献率
根据表6，根据特征值大于1及累计贡献率大于70％的原则，提取5个主成分；根据主成分计算公式，主成分分析结果如表7所示；
表7旋转成分矩阵
由表7可知决定主成分1大小的主要为交换性钙、镁、速钾及ph含量，可归类为交换性养分。决定主成分2大小的主要有全氮、有机质及全磷，可归类为全效养分。决定主成分3大小的主要为有效铜、锌、锰，可归类为微量元素。决定主成分4的主要为速氮、速磷，可归类为速效养分。决定主成分5的主要为有效铁。可见主成分分析法提取的5个主成分具有农学意义，可解释全量的大多数变异。
选取上述5个主成分的高因子载荷，其选取的原则是：该高因子载荷的绝对值大于该主成分中最大因子载荷的90％。
由表7可知主成分1中最大因子载荷为交换性钙0.879，载荷绝对值大于最大因子载荷90％的指标为交换性钙、镁、ph。考虑到速钾为土壤养分的重要指标，其因子载荷略小于最大因子载荷的90％，为保证评价的全面及准确性，将速钾也列入高因子载荷，即主成分1的高因子载荷交换性钙、镁、ph及速钾。主成分2的高因子载荷为全氮、有机质，主成分3的高因子载荷是有效铜，主成分4的高因子载荷是速磷，主成分5的高因子载荷是有效铁。因主成分1和主成分2有多个高因子载荷，对主成分1和主成分2中高因子载荷相关性分别进行分析，结果如表8所示。
表8高因子载荷相关性
表8中，**表示在0.01水平(双侧)上显著相关*表示在0.05水平(双侧)上显著相关。
选取主成分的高因子载荷进入最小数据集的标准是：
(a)当一个主成分高因子载荷指标只有一个时，则该指标进入最小数据集；
(b)当一个主成分高因子载荷指标为两个时，对两个指标做相关性分析，若相关系数绝对值r＜0.4时，则两个指标都进入最小数据集；若相关系数绝对值r≥0.4，则因子载荷高的指标进入数据集；
(c)当一个主成分高因子载荷指标为三个或三个以上时，两两分别做相关性分析，(1)所有指标两两相关系数绝对值r＜0.4时，则所有指标都进入最小数据集；(2)所有指标两两相关系数绝对值r存在≥0.4的情况时：若两两相关系数绝对值r≥0.4的指标数量占总指标数量的70％以上，则与其余指标相关系数绝对值之和最大的高因子载荷指标进入数据集；否则所有指标进入数据集。
由表8相关性分析表明，主成分1中交换性钙及交换性镁与其他指标的相关系数绝对值都大于0.4，交换性镁与其余指标相关系数绝对值之和为2.228，数值最大，选入最小数据集。但交换性钙与其余指标的相关系数绝对值之和为2.178，两者差别特别小，且由于交换性钙、镁对浙江油茶土壤都是比较关键的肥力指标，因此交换性钙也选入最小数据集。主成分2中高因子载荷有全氮及有机质；由表8相关性分析表明，二者相关系数为0.926，极显著相关，且全氮的因子载荷大于有机质，因此全氮入选最小数据集。主成分3，主成分4及主成分5均只有一个高因子载荷，因此入选有效铜、速磷及有效铁进最小数据集。由此得浙江省油茶土壤肥力评价最小数据集为全氮、速磷、交换性钙、交换性镁、有效铜、有效铁6个指标。
数据集未包含速钾，可能与文献报道的钾素对产量的影响未达到显著水平有关。近年氮、磷等大量元素的施入在低产林改造中普遍得到重视。而中微量元素的施入却尚未引起足够重视。钙镁铜铁是植物生长发育必须的营养元素，钙镁铜铁这些元素对促进油茶生长具有重要作用，因此包含了大量元素、中量元素及微量元素的最小数据集是符合油茶生长特性的。
本实施例构建的最小数据集是全氮、速磷、交换性钙、交换性镁、有效铜、有效铁。
实施例3：
最小数据集肥力指数的建立：
土壤肥力指标的标准化是土壤质量评价的重要环节，土壤全氮、速磷、交换性钙镁、有效铜及有效铁与作物生长呈抛物线形曲线关系，即指标对作物生长发育有一个最适宜的生长范围，确定临界值就可以把相应的曲线转化为折线函数，中国文献：土壤质量指标与评价(徐建明，张甘霖，谢正苗等，科学出版社，2010)对此有描述。本发明根据文献：浙江林业土壤(叶仲节，柴锡周，浙江科学技术出版社，1986)的数据及本次研究数据拟定临界值，临界值结果如表9所示；
表9油茶土壤隶属度函数临界值
根据表9，对各地区由实施例2收集的最小数据集指标进行标准化，标准化公式如下：
标准化后的最小数据集，通过实施例2中主成分分析的方法，获得各个指标的公因子方差，利用公因子方差占总方差比例得各个指标权重值系数，进而计算最小数据集的肥力指数，其计算式如下：
上述公式中，wi：肥力指标权重系数；fi：肥力指标标准值。
本实施例计算得到的浙江省各县的nfi的具体数值：
表10浙江省各县的nfi值
实施例4：
由实施例3计算出浙江省各地区的最小数据集的肥力指数nfi，对实施例1的表5中各地区的油产量和内梅罗指数评价指数和实施例3计算出的nfi作图，结果如图1所示；
由图1可知，内梅罗综合指数与最小数据集肥力指数及产量总体趋势上保持一致，对三者进行相关性分析，分析结果如表10所示；
表10内梅罗综合指数、最小数据集肥力指数及产量的相关性系数
表10中，**.在0.01水平(双侧)上显著相关*在0.05平(双侧)上显著相关。
由表10可知，最小数据集肥力指数与产量呈显著相关，与内梅罗综合指数呈极显著正相关，说明可用最小数据集肥力指数来评价油茶土壤肥力，本发明解决了复杂的土壤肥力质量评价较为困难的问题。由此，计算各地区的土壤的最小数据集肥力指数，即可预测该地区的油茶产量。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，对本领域熟悉的人员来说，可容易的实现另外的修改，在不违背权利要求及等同范围所限定的一般概念的情况下，本发明并不限于特定的细节。