基于主成分和聚类分析的永泰县土壤养分地球化学综合评价

摘要 ［目的］运用统计学方法对永泰县土壤养分地球化学综合等级进行评价，最大限度地减少人为主观因素的影响。［方法］对工作区内土壤进行系统采样，送检测试土壤养分大量元素（有机质、碱解氮、有效磷、速效钾、全氮、全磷、全钾）含量及pH，通过采样数据的一般性描述，初步判断工作区内土壤养分元素富集分等情况，随后利用SPSS软件对数据进行标准化处理，建立相关系数矩阵，判断其进行统计学分析的可行性。通过主成分分析计算筛选出评价因子主成分，计算综合评价得分，并利用K-均值聚类分析法将综合得分划分为缺乏、较缺乏、中等、较富集、富集5类。［结果］工作区内土壤养分元素分布不均匀，变异性高，土壤总体呈酸性，富氮缺磷钾。土壤地球化学养分综合状况较差，综合得分属较缺乏、缺乏等级占比达54.68%。［结论］该研究为土壤养分评价提供科学依据。

关键词 主成分分析；聚类分析；土壤养分；地球化学；综合评价；永泰县

中图分类号 S 151.9  文献标识码 A  文章编号 0517-6611（2023）01-0068-04

doi：10.3969/j.issn.0517-6611.2023.01.015

Comprehensive Evaluation of Soil Nutrients Geochemistry in Yongtai County Based on Principal Component Analysis and Cluster Analysis

JIANG Xiao-long

（Fujian Coalfield Geological Prospecting Institute， Fuzhou， Fujian 350000）

Abstract ［Objective］ To evaluate the comprehensive geochemical grade of soil nutrients in Yongtai County by using statistical methods， so as to minimize the impact of human subjective factors.［Method］ Systematically sample the soil in the working area， the content of soil nutrient macroelements （organic matter， alkali hydrolyzable nitrogen， available phosphorus， available potassium， total nitrogen， total phosphorus， total potassium） and pH were submitted for testing，through the general description of the sampling data， the enrichment and grading of soil nutrient elements in the work area were preliminarily judged.Then， SPSS software was used to standardize the data and establish a correlation coefficient matrix to judge the feasibility of statistical analysis.The principal components of the evaluation factors were selected through principal component analysis， and the comprehensive evaluation scores were calculated. The comprehensive scores were divided into five categories： lack，relatively lack， medium， relatively enriched and enriched by using K-means cluster analysis.［Result］The soil nutrients elements in the working area was uneven distribution，high variability， and the soil was generally acidic，nitrogen enrichment，lack of potassium and phosphorus. The comprehensive nutrient status was poor， the lack and relatively lack of comprehensive level accounted for 54.68%.［Conclusion］This study provides scientific basis for soil nutrient evaluation.

Key words Principal component analysis;Cluster analysis;Soil nutrients;Geochemistry;Comprehensive evaluation;Yongtai County

基金项目 福建省财政项目（2018001）。

作者简介 江晓龙（1992—），男，福建龙岩人，工程师，硕士，从事农业地质调查工作。

收稿日期 2022-02-27

土壤是物质生产最基本的载体，是作物吸收营养的主要渠道。农业生产中土壤的贡献率在50%～60%，土壤养分的丰缺是影响作物产量、品质的基本因素［1-2］，是地力评价的主要指标，因此，查明土壤养分状况对农业生产的合理化调配显得尤其重要。通过对工作区内的土壤养分地球化学情况进行综合评价，可为土壤资源开发管理提供一定的数据参考。土壤养分综合评价的方法主要有聚类分析法［3］、模糊综合评判法［4-5］、BP神经网络法［6］、主成分分析法［7-8］、层次分析法［9］等。近年来，主成分分析法因其可通过降维方式找出具有代表性、综合性的影响因子而避免指标重叠的特性，得到学者的广泛应用，成为土壤定量研究中应用最为广泛的数理统计方法［10-11］。

该研究以永泰县土壤为研究目标，共采集土壤样品1 955件，测试氮、磷、钾、有机质等大量养分指标，通过统计学方法，运用主成分分析、聚类分析筛选出影响土壤肥力的主成分及其影响权重大小，对土壤养分地球化学等级进行较为客观的综合评价，尽可能地减少人为主观因素干扰。

1 材料与方法

1.1 研究区概况

永泰县隶属福州市管辖，地理位置为118°07′08″～119°12′30″E、25°39′00″～26°04′21″N，土地面积共2 229.86 km2。全县常年平均气温14.6～26.0 ℃，年无霜期近300 d，日照时数1 445～2 193 h，年降水量1 400～2 000 mm。凭借其得天独厚的自然环境，孕育出芙蓉李、绿茶、白云槟榔芋等一系列名特优农产品，获得国家地理标志证明商标、农产品地理标志产品等。

成土母质以沉积岩、中酸性侵入岩、火山岩为主，在多种因素的综合作用下，形成了诸多土壤类型。根据第二次土壤普查工作，查明县域地表土壤有8个土类，17个亚类，包括红壤、黄壤、黄棕壤、草甸土、紫色土、石灰（岩）土、潮土、水稻土。

1.2 评价方法

1.2.1 土壤样品采集。

以《福建省农业地质调查评价工作手册》［12］为依据，对永泰县域内耕地现状图斑进行评价单元划分，在评价单元中面积较大的地块内通过GPS定位采集土壤样品，根据评价单元面积大小采集3～5个子样品，再以等量混合的形式组合成1件样品，共采集耕层土壤1 955件。经室内风干、过筛后按四分法缩分留样备用。

1.2.2 样品测试与方法。

样品的检测根据《土地质量地球化学评价规范》（DZ/T 0295—2016）、《福建省农业地质调查评价工作手册》等相关规范规程由福建省121地质大队化验测试中心完成。

土壤氮测定采用凯氏定氮法；土壤磷、钾测定采用X-荧光光谱法（XRF）；有机质测定采用化学容量法（VOL），碱解氮测定采用碱解-扩散法；速效磷测定采用氟化铵-盐酸提取（碳酸氢钠溶液浸提）-钼锑抗比色法；速效钾测定采用乙酸铵提取-等离子体发射光谱法。

1.3 数据处理

利用SPSS统计软件对样品测试结果进行统计学分析，在标准化处理后构建相关系数矩阵并进行KMO、Bartlett球形度检验，以判断进行因子分析的可行性。累计贡献率大于80%作为选择主成分的前提条件，随后建立主成分的因子荷载矩阵，通过换算得出主成分得分系数，以计算主成分分值，进一步通过综合得分公式求取各评价单元土壤养分综合得分值（F），随即根据综合得分值对土壤样品进行K-均值聚类统计分析，评价工作区内土壤养分地球化学综合等级。

主成分得分计算公式［7］：

Fni=zj=1（αij×Znj）（1）

式中，Fni代表第n个采样点第i项主成分的得分；αij代表第i项主成分第j项原始指标的载荷；Znj代表第n个采样点第j项原始指标的标准化数据。

综合得分计算公式［13］：

F=3i=1（γi×Fni）（2）

式中，F表示综合得分，γi表示第i项主成分贡献率。

2 结果与分析

2.1 土壤养分指标一般性描述

根据参数统计结果（表1）可见，工作区内土壤养分含量分布不均匀，从偏度、峰度可看出，养分含量的分布形态多呈高尖峰右偏态分布，即养分含量总体处于相对低值区，但存在少量的异常值，其中有效磷变化幅度最大，极差达1 018.47 mg/kg。从样品变异系数可看出，有机质、碱解氮、全氮、全钾变异系数为34%～39%，属于中等变异；有效磷、速效钾、全磷变异系数不小于69%，呈高变异性，异常高值的存在一方面可能是受人为活动影响，另一方面可能与成土母质不同有关。pH中位数为5.02，众数为4.79，均值5.04，变异系数仅为8%，属于弱变异，表明工作区内土壤酸碱度差异性较小，区内土壤总体呈酸性。

2.2 土壤养分指标等级

根据全国第二次土壤普查养分分级标准，从表2可以看出，有机质含量3等（中等）以上评价单元比例达64.50%；约68.29%的评价单元内碱解氮含量水平在3等（中等）以上；全氮含量3等（中等）以上比例为63.68%；有效磷含量在33.50%的评价单元中超过了40 mg/kg，表现为1等（丰富）；全磷含量水平较低，72.08%的评价单元全磷等级在4等（较缺乏）以下；速效钾、全钾等级较低，以4等（较缺乏）为主。

工作区内土壤具有较高的氮肥力，速效钾、全钾、全磷含量较低，说明工作区内土壤钾、磷的缺乏，但较高的有效磷含量表明土壤中水溶性磷、部分吸附态磷及有机态磷等可被植物吸收的磷组分含量较多。土壤pH总体偏低，呈酸性，过酸的土壤会影响土壤和肥料中养分的溶解、沉淀和微生物的活动，进而影响养分的有效率，从而影响作物正常生长，并极易导致病虫害发生，应适时进行酸土改良。

2.3 土壤养分综合评价

2.3.1 相关系数矩阵及统计学检验。

各评价指标间存在相关性是进行因子分析的前提，利用SPSS软件对各指标进行标准化处理并构建相关系数矩阵（表3）。由表3可见，各因子间均存在不同程度的相关性，表明各因子对土壤养分的作用效果存在着重叠关系且可相互影响，其中有机质与全氮的相关系数为0.918，相关性最高，其次是碱解氮与全氮以及有机质与碱解氮间的相关性。

对各因子相关性进行KMO和Bartlett检验，结果显示，KMO值为0.74，表明各因子有较强的相关性，相关矩阵可行，适合进行因子分析［14］；Bartlett值（P）为0.00，进一步说明各因子间存在显著的相关性，即各因子间存在着可信度较高的线性相关，可进行因子分析［14］。