基于最小数据集的栖霞市农用地土壤质量评价

Soil Quality Evaluation of Agricultural Land in Qixia City Based on the Smallest Data Set

摘要: 为探究农用地不同用地类型下的土壤质量情况，以山东省栖霞市为研究对象，采用主成分分析的方法构建最小数据集(MDS)，对研究区的土壤质量进行综合评价。结果表明，全数据集的土壤肥力指数(TDS-SQI)与最小数据集的土壤肥力指数(MDS-SQI)之间呈现正相关，且R2达到0.414。研究区农用地的土壤质量水平处于中等的水平，需要进行土壤质量的改良和土壤肥力的培肥工作。在东部和中部的低山丘陵区，可以采取措施加强土壤保护和改良，如合理施用有机肥、增加有机质含量，改善土壤结构和水分保持能力。

Abstract: In order to explore the soil quality of agricultural land under different land types, the minimum data set (MDS) was constructed by principal component analysis in Qixia City, Shandong Province, and the soil quality in the study area was comprehensively evaluated. The results showed that there was a positive correlation between the soil fertility index (TDS-SQI) of the whole dataset and the soil fertility index (MDS-SQI) of the minimum dataset, and the R2 reached 0.414. The soil quality level of agricultural land in the study area is at a medium level, and it is necessary to improve soil quality and fertilize soil fertility. In the eastern and central hilly areas, measures can be taken to strengthen soil protection and improvement, such as rational application of organic fertilizers, increasing the content of organic matter, and improving soil structure and water retention capacity.

1. 引言

土壤质量包含能够为农作物的生长提供的各种必需养分以及土壤的各种自身条件。它反映土壤的物理、化学和生物方面的综合性质。土壤中各种营养物质的含量及其被作物的吸收能力，以及作物的生长所需环境条件体现着土壤质量的高低[1]。农用地质量评估的核心关注点主要集中于土壤肥力以及农产品的产量。社会经济的发展，促使着城镇化和耕地保护之间所激发的矛盾越来越显著。由于耕地不合理利用导致的地力下降和土壤环境污染等问题日益严重，粮食安全保障和耕地保护面临巨大压力[2] [3]。随着环境问题越发显著，农用地质量评价也开始受到环境因素的影响。评估指标逐渐扩展至土壤污染状况、水资源利用情况、农药和化肥使用情况等，以及农业对生态环境的影响。在全球化趋势的大背景下，农用地质量评价的一大重要目标已经成为可持续发展。评估指标进一步扩展至土壤侵蚀、土地退化、生物多样性保护等方面[4]，以及农业的社会经济效益和农民生计的可持续性。

在全球化的推进下，各国之间的农地质量评价开始进行国际合作和经验交流。国际组织和标准化机构制定了一系列农地质量评价的标准和指南，以促进全球范围内的农地质量保护和可持续农业发展[5]。农地质量评价从最初的土壤肥力和农作物产量，逐渐扩展到环境因素、可持续发展要求，最终形成了综合评价体系，并在国际合作和标准化的推动下不断发展和完善，这一演变历程反映了农地质量评价在全球化背景下的适应性和发展趋势。

为了更全面、准确地评估农地质量，综合评估体系逐渐建立起来。评估指标主要包括土壤养分含量、土壤质地、土壤酸碱度等，综合考虑土壤、水资源、环境、生态等多个方面的指标，使用主成分分析结合Norm值来构建出最小数据集(MDS)，进而计算土壤质量指数，提高评价的效率，避免指标间数据的冗余，对土壤质量进行综合评价[6] [7]，以及利用遥感和地理信息系统等技术手段进行评估。

2. 材料与方法

2.1. 研究区概况

研究区位于中国山东省东南部，地处胶东半岛，拥有丰富的自然资源和独特的自然环境。该地势较为平坦，属于山东半岛的丘陵地带。市境内有一些小山丘和丘陵地形，同时也有一些河流和湖泊。该地区年平均气温约为12摄氏度，年降水量约为800~1000毫米左右；土壤类型主要包含三大类，分别为棕壤土、褐土和潮土。研究区位置如图1所示。

2.2. 点位选择与样品采集

依据研究区现状，结合实地调查，选取采样点1380个，土壤采样点包括全域整体土壤采样点以及分耕地和园地的土壤采样点，如图2所示。

Figure 1. Schematic diagram of the location of the study area

图1. 研究区位置示意图

Figure 2. Schematic diagram of the location of the study area

图2. 采样点分布图

2.3. 土壤质量评价体系构建

2.3.1. 土壤指标的选取与分级标准

土壤质量评价指标体系选取了能够反映物理、化学、生物和环境等多种角度的土壤指标[8]，由于不同土壤系统间显著不同，对土壤指标的确定变得尤为复杂，但基本的定量指标体系普遍适用，有20多种，有诸如土壤质地和结构、土壤持水特征等。

本文通过采集样点进而将获取的土壤养分指标进行分级，分级标准参考全国第二次土壤普查的分级标准，最终将土壤指标进行分级[9]，为了进行数值分析，我们需要首先对那些不能直接通过数据计算而来的变量进行处理。通过参考相关资料，我们可以为土壤质地、地下水位、排涝能力和耕层厚度赋予适当的数值。随后通过标准化变换法对初始数据进行统一的标准化处理[10]。具体分级标准如表1所示。

Table 1. Grading criteria for soil indicators

表1. 土壤指标分级标准

分级	极缺	较缺		中下		中上		丰富		极丰富
有机质(g/kg)	<6	6~10		10~20		20~30		30~40		>40
全氮(g/kg)	<0.5	0.5~0.75		0.75~1		1~1.5		1.5~2		>2
碳氮比(C/N)	<6	6~9		9~12		12~15		15~21		>21
有效磷(mg/kg)	<3	3~5		5~10		10~20		20~40		>40
缓效钾(mg/kg)	<100	100~200		200~300		300~400		400~500		>500
速效钾(mg/kg)	<30	30~50		50~100		100~150		150~200		>200
水解性氮(mg/kg)	低			中				高
	<100			100~180				>180
灌溉水源	水库			河流、井水				塘堰
	100			75				50
pH	酸性	弱酸		中性		弱碱		碱性
	<5.5	5.5~6.5		6.5~7.5		7.5~8.5		>8.5
容重(g/m^3)	过松	适宜		较紧实		紧实		坚实
	<1	1~1.25		1.25~1.35		1.35~1.45		>1.45
排涝能力	较弱	弱		中性		强		较强
	1	2		3		4		5
分级	极缺		较缺		中下		中上		丰富
土类类型	石质土		粗骨土		褐土		潮土		棕壤5
	1		2		3		4
田面坡度	无水土流失		注意水土保持		中度水土流失		水土流失严重		开垦限制坡度 ≥ 25˚
	≤2˚		2˚~6˚		6˚~15˚		15˚~25˚
旱季地下水位	特重度干旱		重度干旱		中度干旱		轻度干旱		水分充足 > 30
	<5		5~10		10~20		20~30
土壤侵蚀程度	一级(无明显侵蚀)		二级(轻度侵蚀)		三级(中度侵蚀)		四级(高度侵蚀)
	4		3		2		1

2.3.2. 土壤肥力评价方法

土壤质量评价是通过土壤质量指数(soil quality index, SQI)对土壤评价指标进行综合评价，SQI值的大小与土壤质量成正比[11]。

通过提取主成分分析后特征值大于1的主成分作为主要主成分，计算各主成分的得分，计算公式如下：

$F_i=w_{i1}{X}_1+w_{i2}{X}_2+\cdots +w_{in}{X}_n$ (1)

式(1)中$W_{ij}=\frac{{\theta }_i}{\sqrt{{\lambda }_i}}$ ，表示主成分中各个变量的权重，${\theta }_i$ 为成分矩阵中每个变量对应的系数，而$\sqrt{{\lambda }_i}$ 表示第i个主成分对应的特征值的开根值。

最后计算土壤地力综合得分，计算公式如下：

$SQI={\alpha }_1{F}_1+{\alpha }_2{F}_2+\cdots +{\alpha }_i{F}_i$ (2)

式(2)中${\alpha }_i$ 表示第i个主成分的百分比。

2.3.3. 最小数据集的构建

对选取的土壤指标进行主成分分析(PCA)，为消除不同指标量纲的影响，先对数据进行标准化处理，再对个指标数据进行降维分析，通过KMO检验和Barlett(巴特利)检验来验证个指标主成分分析的可行性[7]。

通过主成分分析得出各主成分的得分。将同一主成分上满足特征值 ≥ 1和因子载荷 ≥ 0.5的指标分为一组；若有指标的因子载荷在2个主成分上均 ≥ 0.5，则将该指标归于与其他指标相关系数较低的一组。分别计算各指标的综合载荷Norm值，Norm值的大小表示该指标解释土壤综合肥力的能力高低。保留每一组在该组中最高Norm值的10%范围内的指标，比较指标间的相关性，若相关系数高(r > 0.5)，则Norm值最高的指标进入MDS；若相关系数低(r < 0.5)，则全部指标进入MDS。Norm值的计算公式为：

$N_{ik}=\sqrt{{\displaystyle \sum }_{i=1}^k{u}_{ik}^2{e}_k}$ (3)

式(3)中，N_ik为第i个指标在特征值大于1的前k个主成分的综合载荷；u_ik为第i个指标在第k个主成分上的载荷；e_k为第k个主成分的特征值。

2.3.4. 划分土壤地力等级

根据全国耕地地力等级划分标准[12]，通过对选定的栖霞市土壤指标进行主成分分析进而确定最小数据集(MDS)，基于ArcGIS-自然断点法通过计算各主成分的综合得分进而将栖霞市土壤质量划分为五个等级，如表2所示。

Table 2. Classification of soil fertility

表2. 土壤地力等级划分

土壤地力综合指数	<−0.17	−0.17~−0.03	−0.03~0.12	0.12~0.36	>0.36
地力等级	一级地	二级地	三级地	四级地	五级地

2.4. 数据处理

本文使用ArcGIS、SPSS、GS+等软件，采用主成分分析、空间变异分析以及插值分析等方法，通过地统计学与GIS结合在土壤空间变异性研究对栖霞市的土地农用地质量进行评价。

3. 结果与分析

3.1. 土壤质量评价指标最小数据集的构建

对主成分分析结果进行KMO检验和Barlett (巴特利)检验，KMO取样适切性量数 ≥ 0.5较为适宜；sig显著性一般 < 0.05较为适宜，由KMO检验和Barlett (巴特利)检验图(表3)可知，KMO取样适切性量数为0.563，sig显著性也小于0.05，数据具有结构效度，满足使用主成分分析。

Table 3. KMO test and Bartlett test

表3. KMO检验和巴特利特检验

KMO取样适切性量数		0.563
巴特利特球形度检验	近似卡方	10241.381
	自由度	105
	显著性	0.000

计算特征值，提取特征值大于1的前6个主成分。依据前述方法，将15个土壤指标分为6组，如表4所示，水解性氮、全氮、缓效钾、土壤侵蚀程度、土类类型5个指标为第1组；碳氮比、旱季地下水位2个指标为第2组；有机质和pH值为第3组；田面坡度为第4组；容重为第5组；灌溉水源、有效磷、速效钾、排涝能力为第6组。各分组的土壤指标间的相关系数如表5所示，进一步按照上述方法处理，将全氮、缓效钾、土壤侵蚀程度、碳氮比、有机质、田面坡度、容重、速效钾8个指标选择进入最小数据集(MDS)。

Table 4. Principal component factor load and comprehensive load (Norm) value of evaluation index

表4. 评价指标主成分因子载荷及综合载荷(Norm)值

指标	分组	主成分						Norm值	公因子方差
		PC-1	PC-2	PC-3	PC-4	PC-5	PC-6
全氮g/kg	1	0.607	−0.657	0.225	0.256	0.072	0.105	1.48	0.932
水解性氮g/kg	1	0.619	−0.622	0.226	0.28	0.027	0.077	1.46	0.907
缓效钾mg/kg	1	0.595	0.483	0.47	−0.296	0.014	0.033	1.43	0.896
土壤侵蚀程度	1	0.56	0.082	−0.688	−0.148	0.097	−0.064	1.36	0.83
土类类型	1	0.527	0.101	−0.663	−0.178	0.073	0.008	1.31	0.765
碳氮比	2	−0.17	0.856	−0.126	0.363	−0.065	0.007	1.42	0.914
旱季地下水位	2	−0.309	−0.053	0.653	0.061	0.09	−0.08	1.08	0.542
有机质g/kg	3	0.353	0.482	0.047	0.677	−0.027	0.122	1.23	0.834
pH	3	0.03	0.136	−0.049	0.525	0.273	0.196	0.74	0.41
田面坡度	4	−0.141	0.128	0.278	−0.142	0.722	−0.072	0.93	0.659
容重	5	−0.03	0.096	0.04	−0.3	0.195	0.514	0.69	0.404
灌溉水源	6	0.606	0.503	0.463	−0.267	0.022	0.028	1.45	0.907
排涝能力	6	0.495	0.139	0.236	−0.064	−0.207	−0.214	0.95	0.413
有效磷mg/kg	6	−0.104	0.014	0.179	−0.109	−0.602	0.469	0.87	0.638
速效钾mg/kg	6	−0.043	−0.031	−0.127	−0.061	0.212	0.671	0.76	0.519
贡献率/%		17.286	15.700	13.861	9.044	7.452	7.123
累计贡献率/%		17.286	32.985	46.846	55.890	63.342	70.465
特征值		2.593	2.355	2.079	1.357	1.118	1.068

Table 5. Pearson correlation coefficient matrix of soil quality evaluation index

表5. 土壤质量评价指标Pearson相关系数矩阵

指标	X1	X2	X3	X4	X5	X6	X7	X8	X9	X10	X11	X12	X13	X14	X15
X1	1
X2	−0.013	1
X3	−0.087	0.022	1
X4	0.023	−0.009	0.013	1
X5	−0.158	0.012	−0.119	0.019	1
X6	−0.074	0.014	−0.104	0.064	0.777	1
X7	0.076	−0.027	0.214	−0.035	−0.473	−0.405	1
X8	0.042	0.005	0.064	0.039	−0.009	−0.02	−0.03	1
X9	−0.021	0.146	0.046	−0.005	0.01	0.003	−0.048	−0.008	1
X10	−0.035	0.629	−0.039	−0.012	0.098	0.094	−0.055	−0.037	0.181	1
X11	−0.04	−0.586	−0.072	0.004	0.094	0.069	−0.003	−0.06	0.017	0.136	1
X12	0.001	0.007	−0.048	−0.097	0.127	0.081	−0.001	−0.02	−0.024	0.141	0.156	1
X13	0.03	0.111	0.082	−0.039	0.067	0.082	0.034	0.062	−0.018	0.222	0.072	0.331	1
X14	0.029	0.14	0.095	−0.05	0.082	0.095	0.035	0.061	−0.009	0.261	0.074	0.336	0.948	1
X15	−0.041	−0.514	−0.107	−0.026	0.1	0.066	−0.002	−0.064	0.014	0.146	0.884	0.196	0.083	0.085	1

通过计算得到MDS中各指标的公因子方差及其权重，如表6所示。

Table 6. The variance of the common factor of the minimum dataset and its weight

表6. 最小数据集公因子方差及其权重

最小数据集	指标	全氮	缓效钾	土壤侵蚀程度	碳氮比	有机质	田面坡度	容重	速效钾
	公因子方差	0.932	0.896	0.830	0.914	0.834	0.659	0.404	0.907
	权重%	14.62	14.05	13.02	14.33	13.08	10.34	6.33	14.23

通过主成分分析结合SQI计算公式得到全数据集下的SQI (TDS-SQI)以及最小数据集下的MDS-SQI，将二者进行线性拟合。由图3可知，TDS-SQI与MDS-SQI之间有着较好的线性关系(R2 = 0.414)，线性关系方程的斜率为0.3124 ± 0.01，截距为1.8696E-4 ± 0.00446，二者的Pearson相关性检验系数为0.644。说明基于最小数据集的方法可以用于对栖霞市园地的土壤质量进行评价。

3.2. 土壤评价指标的描述性统计分析

如表7所示，通过对土壤评价指标进行统计分析可知各评价指标的基本统计特征以及变异系数，这些变异系数相对稳定。

3.3. 土壤质量可视化分析

通过GIS插值分析，将土壤质量可视化得到栖霞市土壤质量空间可视化分布图(图4)。

Figure 3. TDS-SQI and MDS-SQI linear fit

图3. TDS-SQI和MDS-SQI线性拟合

Table 7. The basic statistical characteristics of each evaluation index in the minimum data set

表7. 最小数据集各评价指标基本统计特征

土壤性质	最小值	最大值	平均值	标准差	变异系数/(%)	偏度系数	峰度系数	分布状态
土壤侵蚀程度	1	4	2.63	0.51	19.19	−0.319	−1.24	非正态分布
容重	1.23	1.65	1.46	0.09	6.00	−0.125	−0.96	非正态分布
有机质(g/kg)	4.10	24.70	10.89	3.36	30.85	0.770	1.23	正态分布
全氮(g/kg)	0.26	2.03	0.74	0.24	32.43	0.940	1.81	正态分布
碳氮比	3.99	54.05	15.92	6.63	41.65	1.23	3.62	正态分布
缓效钾	249.36	4643.80	1327.54	591.26	44.54	1.318	2.80	正态分布
速效钾	24	484	145.30	61.28	42.18	1.281	2.96	正态分布
田面坡度	1	5	3.21	1.22	30.45	1.193	3.71	正态分布

Figure 4. Analysis of agricultural land use quality

图4. 农用地利用质量分析

通过最小数据集建立土壤质量评价指标体系对栖霞市的农用地质量进行评价分析。从全域整体角度来看，栖霞市农用地质量呈现中间高，四周低的形势；从耕地角度范围来看，呈现南北高，中、西、东部地区较低；从园地范围看，土壤质量显现出西南高，东北低的趋势。

4. 讨论

山东省栖霞市致力于经济高质量发展，坚持并大力推动耕地保护和园地的高质量发展，以确保农业的可持续发展和粮食的安全保障。本研究通过对土壤属性和农用地土地利用类型进行主成分分析，筛选出了最关键的数据集，其中包括全氮、土壤有机质、容重、速效钾等评价指标。这些指标被视为农用地质量评价的重要因素。

根据对农用地质量的综合性评价，结合研究区耕地、园地实际的自身特点，应积极贯彻国家和省级的耕地保护政策，加强对耕地的保护和管理。通过划定耕地红线、建立耕地保护制度、加强土地执法监管等措施，严格控制非农业建设用地对耕地的占用，确保耕地面积稳定。还要加大对农田水利基础设施的建设，合理利用农田水资源，增强农田灌溉和排水能力。通过修建水利工程、改善灌溉设施、推广高效节水灌溉技术等手段，提高农田水利设施的效益和农田生产的水平。致力于保护耕地资源，提高园地的质量和效益，推动农业可持续发展，实现农村经济的繁荣和农民生活的改善。

5. 结论

通过实验分析与数据处理，研究了山东省栖霞市特色农产品区域的土壤状况，结合使用统计分析与构建最小数据集的方法从15个指标中选取土壤侵蚀程度、容重、土壤有机质、全氮、土壤碳氮比、缓效钾、速效钾、田面坡度等8个指标，组成栖霞市土壤质量指标体系，基于ArcGIS-自然断点法对研究区农地质量进行综合分析评价，将土壤质量划分为I~V级，其中V级土壤质量最好，I级土壤质量最差。栖霞市土壤质量从全域整体角度来看呈现出中间高，四周低的形势；从耕地角度范围来呈现出南北高，中、西、东部地区较低；从园地范围来，土壤质量显现出西南高，东北低的趋势的空间格局。

研究区土壤质量水平处于中等的水平，需要对土壤进行改良和肥力培肥工作。在东部和中部的低山丘陵区，可以采取措施加强土壤保护和改良，如合理施用有机肥、增加有机质含量，改善土壤结构和水分保持能力。此外，可以采用科学施肥技术，根据作物需求合理施用化肥，提高施肥效果；对于南部和西部分布着大量果园和耕地的区域，可以注重土壤养分的补充和平衡，同时还需要注意果园和耕地的轮作休耕，减少连作对土壤的负面影响；此外，还可以采取土地保护措施，如合理利用农田水利设施，加强水资源管理，保证农田的灌溉和排水效果。在未来的农业生产中，我们需要注意控制化肥的使用量，提高化肥的利用效率，并且要增加碳素的归还水平，以实现土壤碳氮平衡。