棉 花 学 报 Cotton Science 2010袁22渊4冤院339~346

基于模糊聚类的棉田土壤养分管理分区研究王海江袁崔 静袁陈 彦袁吕 新 *

渊新疆石河子大学农学院资源与环境系袁新疆石河子 832003冤

摘要院以新疆绿洲滴灌棉田为研究对象袁基于 100个耕层土壤渊0～ 30 cm冤有机质尧碱解氮尧速效磷和速效钾含量的分析数据袁应用模糊 K-均值算法进行了连续分类遥 研究结果表明院研究区最佳分区数为 4个袁混乱度指数平均值为 0.23袁地理空间上土壤的隶属关系相对明确曰各管理分区土壤养分的变异系数都较分区前全研究区有所减小袁分区间土壤养分差异显著遥 因此袁基于模糊集理论的土壤养分预测方法可获得较好的分区结果袁可用于实施变量投入和精确施肥推荐袁为棉田土壤养分管理提供科学的理论依据遥关键词院棉田曰管理分区曰模糊聚类曰土壤养分中图分类号院S562.05 文献标识码院A

文章编号院1002-7807渊2010冤04-0339-08

WANG Hai-jiang, CUI Jing, CHEN Yan, L譈 Xin*

( , Xinjiang 832003, )

The objective of this research was to define management zones of oasis cotton field in Xinjiang Province. The

variables of organic matter, available N, available P and available K data determined in 100 top soil (0~30 cm) samples were

selected as data sources. The results indicated that the whole field was divided into four optimum management zones, the

average confusion index was 0.23 in all management zones and the spatial distribution of membership grades was unambiguous.

It showed that variation coefficient of soil nutrients decreased in every management zone than total field and differed

significantly. It is recommended that the method of spatial prediction based on the fuzzy set theory could achieve a zoning result,

it can be used for fertilizer recommendation and scientific direction to manage soil nutrient.

cotton field; management zone; fuzzy clustering; soil nutrients

收稿日期院2010-03-24 作者简介院王海江(1980-)袁男袁讲师袁硕士,whjshzu@sina.com; *通讯作者袁lxshz@126.com

基金项目院国家科技支撑计划 -棉花水肥高效利用调控管理技术研究(2006BAD21B02-2);石河子大学高层次人才科研启

动资金专项(RCZX200722尧RCZX200728)

近年来袁根据土壤养分的空间变异性和空间自相关性划分农田管理分区袁进行变量施肥管理是国际上精准农业研究的一个热点[1-5]袁管理分区技术就是根据各种产量限制因素的相似性组合

将一个地块划分成子区域[3]进行精细管理袁了解土壤养分的空间变异情况和自相关性是农田精

准养分管理的基础[6]遥薛绪掌等[7]基于土壤肥力和目标产量进行农

田分区袁在北京小汤山国家精准农业示范基地进行了冬小麦变量施氮研究遥 Fleming等[8]的研究表

明袁基于管理分区技术生成精准农业变量施肥处

方图是一个经济有效的途径 遥 Batte尧Khosla尧Stafford等证实了利用管理分区技术实施精准农业变量管理可以减少氮肥施用量袁减少农业带来的环境污染[9-11]遥聚类法在管理分区的研究中应用最为广泛袁模糊聚类算法是用来探测分析多源空间数据固有结构模式的一种有效方法袁它使研究者能够较好地解释自然界中发生的连续变异现

象袁使分类结果更趋于合理遥 国内李艳等[12-13]在海

涂围垦区的管理分区研究中袁默认模糊加权指数为 2袁引用模糊性能指数渊FPI冤和归一化分类熵渊NCE冤对农田管理分区数渊模糊类别数冤进行定

棉 花 学 报 22卷棉 花 学 报 22卷

量化表达遥 檀满枝等[14-15]在土壤重金属的分类研

究中采用 c-渍多次组合法同时确定了适宜模糊类别数和模糊加权指数遥新疆是我国重要的产棉基地袁也是推广应用

棉花膜下滴灌技术规模最大的地区[16]袁独特的随水施肥技术是该地区棉田主要施肥方法袁但生产中存在盲目投肥的现象袁部分地区尤其高产地区棉花化肥施用量有不断加大的趋势袁造成化肥利用率下降遥 了解农田土壤养分特性空间变异规律袁划分多种养分变量施肥管理的统一作业单元问题就显得尤为重要遥 本研究主要以新疆滴灌棉田为研究对象袁 采用基于 K-均值聚类法的空间连续性聚类算法渊SCKM冤进行棉田管理分区袁以期为实现新疆棉田养分精确管理和进一步提高

肥料利用率提供理论依据遥

材料和方法研究区概况

实验区位于新疆生产建设兵团农五师八十

一团三连(北纬 44毅50忆18.17义袁东经 82毅22忆 45.14义)遥年平均气温 6.5益袁极端最高气温 42.2益袁极端最低气温-35.7益袁年平均大于 10益的积温为 3492益袁无霜期平均 172 d袁变幅 154~196 d袁年均降水量134.5 mm遥 本研究区前茬作物为滴灌棉花袁面积约为 18.14 hm2遥

土壤养分数据获取与样品分析

2008年 10月对整个实验地的土壤进行网格采样袁地块的南北采样间隔为 30 m袁东西间隔为50 m遥 采样点的空间分布如图 1所示遥 利用差分式 GPS辅助采样渊估计误差为 0.4 m冤袁对中心点进行精确定位袁 记录其坐标遥 采样深度为 0～20cm与作物生长关系最密切的耕作层袁 以每个采样点的采样中心为圆心尧4.5 m为半径取土壤样品 5个袁制成混合土样袁作为该点的土壤样品袁共采集土壤混合样 100份遥 获取的土壤样品经自然风干尧过筛后进行室内养分测定遥 每个样品测定项目包括碱解氮尧有效磷尧速效钾袁测定方法按叶土壤农化分析曳[17]遥

图 1 采样点空间分布图

Fig.1 Distribution of sample points

340

4期

模糊 K-均值分区算法

== 1移

= 1移 2

(1)

( =1,2,噎, )是 个样本组成的样本集合袁这里表示空间数据插值后栅格图像的像元属性

值的集合袁 为分区数袁 ( =1,2,噎, )为每个聚类的中心袁 为第 个像元对第 个管理分区的隶

属度遥 其中袁 >1袁是一个可以控制聚类结果模糊程度的常数袁当对土壤数据进行分类时袁取值介于 1.2~1.5之间使分类结果更合理[18]曰 2 为第

个像元到第 个聚类中心的距离袁 可以表示为2 =‖ - ‖ 2遥

= 1移 =1, =1,2,3,噎, (2)

在满足条件(3)的情况下袁求式(2)的极小值袁令 对 和 的偏导数为 0袁可得必要条件院

= = 1移

= 1移 =1,2,3,噎, (3)

= (1/|| ||2)

1/( -1)

= 1移(1/|| ||

2)

1/( -1)=1,2,3噎, (4)

用迭代方法求解式(3)和式(4)袁就是模糊 K-均值算法遥

适宜分区数的确定

一个地块究竟划分几个管理分区合适袁主要是由地块自身的空间变异和分布特征决定的遥 为了确定适宜的分区数袁引入了两个评价指标遥模糊效果指数 (fuzziness performance index,

FPI) 是表示不同类别间共享的成员量的一个指数袁用来度量 K个类别之间的分离程度[18-19]遥 FPI值的范围介于 0~1之间, 值接近于 0表示不同分区间共享的成员越少袁也即不同管理分区间差异越大;当接近于 1表示分区间共享的成员越多袁管

理分区间的差异越小遥=1-

1 1- 1= 1移

= 1移 2蓘 蓡 (5)

标准化分类熵 (modified partition entropy,MPE) 是表示由于一个数据集被分成不同类别而引起的数据组织(或相似性)的破坏程度[20]遥 MPE值介于 0~1之间遥 显然当MPE越小袁表明整个地块被分区后袁各管理分区内的像元属性值之间相似程度越高袁也即区内方差越小遥

=- 1= 1移

= 1移 lg( ) (6)

数据处理与分析

数据处理中模糊 K-均值聚类是通过 MAT-LAB7.0实现的曰 模糊隶属度的空间变异特征分析尧半方差函数的计算尧理论模型的拟合及 Krig-ing插值和图形绘制是由 GS+7.0和 ArcGIS9.2共同完成的遥

结果与分析土壤速效养分描述性统计结果

样区表层土壤养分含量描述性统计分析结

果列入表 1遥从均值来看袁依据新疆土壤普查资料[21]袁结合研究区气候特点和成土母质袁该实验点碱解氮尧速效磷尧有机质都属于较低水平袁其平均值分别为 40.24 mg窑kg-1尧18.26 mg窑kg-1尧16.85 g窑kg-1袁速效钾含量较为丰富袁平均值为 204.2 mg窑kg-1遥根据变异系数渊CV冤的大小可粗略估计变量的变异程度院 弱变异性袁CV＜10%曰 中等变异性袁CV=10%～100%曰强变异性袁CV＞100%[22]遥 实验点土壤养分虽经长年大规模的农业机械化作业及膜

下滴灌等人为因素的影响袁在空间上仍表现为中等强度的变异袁 其变异数值范围在 23.27%~42.29%袁满足精准农业管理分区划分和实施变量施肥管理的前提条件遥

表 1 采样点养分数据描述性统计

Table 1 Descriptive statistics of sample土壤属性 最小值 最大值 平均值 中值 标准差 变异系数

碱解氮 /(mg窑kg-1冤 20.71 73.50 40.24 39.47 9.18 0.2327速效磷 /渊mg窑kg-1冤 6.21 47.01 18.26 15.88 7.72 0.4229速效钾 /(mg窑kg-1) 80.04 390.02 204.20 200.00 75.08 0.3677有机质 /(g窑kg-1) 5.11 59.19 16.85 16.01 5.96 0.3540

王海江等院基于模糊聚类的棉田土壤养分管理分区研究 341

棉 花 学 报 22卷棉 花 学 报 22卷

棉田土壤养分模糊分类结果的输出

以碱解氮尧有效磷尧速效钾和有机质 4种土壤养分为数据源袁利用模糊聚类法进行了管理分区的划分袁从图 2可以看出袁随分区数的增加袁FPI和 MPE均不是单调增加或减小袁 但二者具有相同的变化趋势袁随着分区数的增加袁其值都表现

出先减小后增加的趋势袁并且在分区数为 4时袁2个指标同时达到最小袁这说明此时的区内方差最小袁而区间方差最大遥 聚类中心是多维空间上属性变量的平均值袁能准确揭示不同类别中样品土壤属性数据以及数据组合之间的差异[23]遥模糊 K-均值聚类算法生成的聚类中心矩阵及样点对土

壤各聚类类别的部分隶属度值分别见表 2尧表 3遥为了说明各样点在隶属关系上的交叠程度袁将每个样点的混乱指数 CI也列于表 3遥根据表 2中土壤属性类别中心值数据袁对样品土壤分属的类别渊管理分区冤进行评价院管理分区间土壤属性含量变化平稳袁分区 2的有机质尧碱解氮等养分平均含量最高袁具有最高土壤养分水平曰分区 3的总体养分水平则最低袁分区 1尧4居中遥 模糊分类的输出结果包含了多种土壤养分在属性空间和地

理空间上的分布信息袁对实施变量施肥及制定各管理分区田间管理措施具有重要的指导意义遥

表 2 研究区土壤养分模糊类别中心Table 2 Class centroids of soil properties

表 3 研究区土壤类别隶属度和混乱度指数Table 3 Partial memberships and confusion index of

the sample soils to the classes类别

有机质

/(g窑kg-1)

碱解氮

/(mg窑kg-1)

速效磷

/(mg窑kg-1)

速效钾

/(mg窑kg-1)

C1 15.28 37.66 14.88 121.37

C2 16.16 40.28 17.38 194.16

C3 17.66 43.49 20.80 371.11

C4 16.93 41.47 17.79 252.69

土壤样点 C1 C2 C3 C4 CI

1 0.0344 0.8205 0.1056 0.0395 0.2851

2 0.0027 0.9533 0.0389 0.0051 0.0856

100 0.9067 0.0021 0.0371 0.0542 0.1476

棉田土壤养分空间预测及表达

模糊分类的输出结果包括所分类别的质心

和样点土壤多重隶属度值袁所蕴含的空间信息只能作为空间预测的基础袁并不能直接体现连续分类在空间预测中的重要作用[14]遥因此袁必须利用地统计学手段实现土壤样点定量隶属关系在地理

空间上的可视化表达袁直观揭示土壤中待测土壤养分在整个样区的空间分布与变异特征袁进而对滴灌棉田土壤养分状况进行评价遥 基于表 3中的数据袁获取样区土壤半方差函数袁然后对每个样点土壤对于各个类别的部分隶属度值进行普通

克里格插值袁获得未采样土壤对于不同模糊类别的隶属度值袁 从而实现棉田土壤养分的空间预测遥图 3尧图 4分别为样区土壤单一模糊隶属度空间分布图和混乱度指数图遥

图 3显示袁样区土壤对于不同养分模糊类别的隶属关系可以在空间上清晰地识别袁从而有助于对不同区域棉田土壤养分综合状况做出更加

精确的判断遥 图 3a中袁样区北部土壤对于土壤养分模糊类别 C1的隶属度高袁其分布相对集中袁表明这一区域的土壤中各养分含量最低遥 该区域是研究区的新拓展面积袁其使用年限 4~5年袁地下水位高袁水质矿化度大袁具有一定程度的次生盐渍化袁土壤潜在养分含量低遥 随着膜下滴灌尧随水施肥等栽培技术的改造袁该区域表现出较好的生产潜力遥 图 3c尧3d区域位于研究区的中部和东南部袁该区域分布为灌耕灰漠土袁保水保肥性状较其它分区强袁垦殖年限长袁熟化程度高袁耕层土壤养分含量较高遥 图 3b位于研究区的南部袁该区域具有一定的坡度袁位于滴灌进水的末端袁坡度高

图 2 管理分区数确定

Fig.2 Determination of management zone number

342

4期

其滴灌压力也相对较小袁水尧肥不易进入此区域遥同时袁其土壤质地偏沙壤土袁保水尧保肥性能较差袁造成南部区域肥力较中部区域有所下降遥图 4为依据最大隶属度原则绘制的滴灌棉

田养分管理分区图袁对于土壤养分单一模糊隶属度空间分布图具有很好的补充说明作用遥 混乱度指数渊CI冤表征样点模糊隶属关系的不确定性复杂程度遥 CI值越大袁不同模糊类别在样点土壤上的交叠程度越高袁样点土壤隶属关系不确定性越大曰反之袁则表明交叠程度低袁土壤隶属关系趋向明确袁当 CI=0时袁表明样点土壤在属性空间和地理空间上都具有清晰边界遥 图 4b为研究区土壤养分混乱度指数图袁可以看出研究区整体上混乱度偏低袁仅有零星地区 CI值大于 0.75袁西北部新

开垦地区和东部部分区域混乱度范围在 0.5～0.75之间袁表明这些区域内土壤养分含量的隶属关系不确定性较大遥 其余绝大部分区域混乱度数值都小于 0.5袁研究区土壤隶属关系的 CI平均值为 0.23遥 总体而言袁土壤属性数据的模糊分类输出结果不确定性较小袁地理空间上土壤的隶属关系相对明确遥

样区土壤养分分区管理与评价

为了评价分为 4个区的效果袁对各管理分区的土壤养分进行了统计并用最小显著差数法

(LSD)进行了各分区间差异显著性检验院与整个地块相比袁各管理分区的土壤养分变异系数都有不同程度的减小袁 其中有机质的变异系数由35.4%减小到 25.57%~34.17%之间袁 碱解氮的变

图 3 土壤模糊隶属度值空间预测分布

Fig.3 Predictive maps showing spatial distribution of soil fuzzy membership

图 4 管理分区和混乱度指数分布图

Fig.4 Distribution maps of management zone and confusion index

a.土壤养分管理分区 b.土壤养分混乱度指数分布

王海江等院基于模糊聚类的棉田土壤养分管理分区研究 343

棉 花 学 报 22卷棉 花 学 报 22卷

异系数由整个地块的 23.27%减小到 14.28%~21.81%之间袁 速效磷的变异系数由整块地的42.29%减小到 28.28%~38.25%袁速效钾的变异系数由整块地的 36.77%减小到 26.12%~33.55%之间遥各分区内的养分含量分布趋于同质性袁其 CV值都有不同程度的减小遥 分区间差异显著性检验表明袁有机质袁分区 3尧4间差异不显著袁但与分区1尧2差异都达到了极显著曰碱解氮袁4个分区间均存在显著差异袁 分区 2尧3尧4间无极显著差异袁但

它们与分区 1的差异达到了极显著水平曰 速效磷袁分区 2尧3尧4之间差异不显著袁但它们与分区 1的差异达到了显著水平曰速效钾袁4个分区间都达到了极显著差异水平渊表 4冤遥总体看来袁分区后各管理分区内土壤属性含量空间分布差异较小袁而管理分区间差异显著袁因此可在同一管理分区内采用相同的施肥量袁而在不同分区间可采用变量施肥的管理措施遥

表 4 分区土壤属性统计和 LSR检验结果Table 4 Zoning statistics for soil properties and LSR test

样点数

速效钾

平均值

/(g窑kg-1)

平均值

/(mg窑kg-1)

平均值

/(mg窑kg-1)

平均值

/%

变异系数

/%分区 1 29 15.28 cC 37.66dB 14.88bA 121.37dD 27.68

分区 2 24 16.16 bB 40.28cA 17.38aA 194.16cC 33.55

分区 3 25 17.66 aA 43.49aA 20.8aA 371.11aA 31.53

分区 4 22 16.93 aA 41.47bA 17.79aA 252.69bB 26.12

有机质

变异系数

CV/%25.57

28.94

34.17

27.18

碱解氮

变异系数

/%14.28

20.74

18.15

21.81

速效磷

变异系数

/%38.25

37.75

28.28

31.46

讨论

模糊聚类法是目前进行农田精确管理分区

研究中使用较普遍的一种方法袁其分区数是由数据本身的特性决定的袁不受人为因素影响袁能够较好地解释自然界中发生的连续变异现象[24]遥 本研究采用土壤中碱解氮尧速效磷尧速效钾和有机质 4种养分数据进行管理分区的划分袁通过对分区前尧后土壤养分统计分析和差异性检验袁表明管理分区的划分可以作为精准管理作业单元进

行变量施肥袁 验证了分区结果的有效性和合理性袁这与李翔等[23]尧陈彦等[24]研究结果一致袁也说明了对于新疆膜下滴灌模式随水施肥棉田土壤袁养分的分区管理仍然具有重要的理论意义和实

用价值袁同时也是解决精准农业经济效益问题的一个有效途径和突破口遥

模糊均值聚类法须事先确定模糊类别数尧模糊加权指数袁但这些以聚类过程自身获得的信息为基础的指标并不能总是有效地鉴别数据集的

最适分类[25]袁存在模糊控制参数(模糊类别数尧模糊加权指数)不易确定尧对处于不同类边界处的元素分辨能力不高等问题遥 本研究采用模糊 K-均

值分区算法进行了 4个变量土壤养分管理分区的划分袁引用模糊效果指数(FPI)和标准化分类熵(MPE)确定了适宜的管理分区数袁较好地解决了最适分类数的确定问题遥外部变量的多元回归法确定适宜的分区数

能够较好地揭示外部变量的空间变异性与模糊

数据集对应隶属度等级的空间分布之间的关系[24]袁该方法的关键是选择适宜的外部变量袁并且只有当外部变量与聚类数据对应隶属度等级显示较

强的相关关系时袁所确定的模糊控制参数才能作为模糊聚类的前提遥 本实验仅探讨了基于土壤养分的管理分区方案袁 而未涉及其它外部数据源袁下一步将会有针对性地引入多年的产量数据尧高光谱遥感数据[26]和土壤电导率[27]变量来弥补管理

分区数据源的不稳定性袁为研究区精准农业变量投入工作的实施提供理论基础袁为精确尧高效的田间管理提供决策依据遥参考文献院

[1]刘付程袁史学正袁于东升袁等．基于地统计学和 GIS的太湖典

型地区的土壤属性制图研究要以土壤全氮制图为例[J]．土壤

注院均值后的小写字母和大写字母分别表示 0.05尧0.01显著水平遥

344

4期

学报, 2004袁41(1): 20-27.

LIU Fu-cheng, Shi Xue-zheng, Yu Dong-sheng, et al. Mapping

soil properties of the typical area of Taihu Lake water shed by

geostatistics and geographic information system要a case study of

total nitrogen into soil[J]. Acta Pedologica Sinica, 2004, 41(1):

20-27.

[2]李 翔袁潘瑜春袁赵春江袁等．基于空间连续性聚类算法的精准农业管理分区研究[J]．农业工程学报, 2005, 21(8):78-82.

LI Xiang, Pan Yu-chu, Zhao Chun-jiang, et al. Delineating preci-

sion agriculture management zones based on spatial contiguous

clustering algorithm[J]. Transaction of the Chinese Society of A-

griculture Engineering, 2005, 21(8): 78-82．

[3]孙 波袁赵其国．低丘红壤肥力的时空变异[J]．土壤学报袁2002, 39(2): 190-198.

SUN Bo, Zhao Qi-guo. Spato-temporal variability of red soil fer

tility in low hill region[J]. Acta Pedologica Sinica, 2002, 39(2):

190-198.

[4]曹 慧袁杨 浩袁孙 波袁等．太湖流域丘陵地区土壤养分的空间变异[J]．土壤, 2002(4): 201-205.

CAO Hui, Yang Hao, Sun Bo, et al. Spatial variability of soil nu-

trients in Hilly Area of Taihu Lake[J]. Soil, 2002(4): 201-205.

[5]朱 静袁黄 标袁孙维侠袁等．长江三角洲典型地区农田土壤有机质的时空变异特征及其影响因素[J]．土壤袁2006, 38(2):

158-165.

ZHU Jing, Huang Biao, Sun Wei-xia, et al. Tempo-spatial varia-

tion and influence factors of soil organic matter of the farmland

in a typical area of the Yangtze River Delta Region [J]．Soils,

2006, 38(2): 158-165.

[6]陈 防袁刘冬碧袁万开元袁等．精准农业与农田精准养分管理现状及展望[J]．湖北农业科学, 2006, 45(4): 515-518．

CHEN Fang, Liu Dong-bi, Wan Kai-yuan, et al. Advances and

perspective on site-specific nutrient management [J]. Hubei Agri-

cultural Sciences, 2006, 45(4): 515-518.

[7]薛绪掌袁陈立平袁孙治贵袁等．基于土壤肥力与目标产量的冬小麦变量施氮及其效果[J]．农业工程学报, 2004, 20(3):59-62.

XUE Xu-zhang, Chen Li-ping, Sun Zhi-gui, et al. Results of vari-

able-rate nitrogen fertilization of winter wheat based on soil fer

tility and yield map[J]. Transactions of the CSAE, 2004, 20(3):

59-62.

[8] FLEMING K L, Westfall D G, Wiens D W, et al. Evaluating

farmer defined management zone maps for variable rate fertilizer

application[J]. Precision Agriculture, 2001, 2: 201-215.

[9] KHOSLA R, Fleming K, Delgado J A, et al. Use of site-specific

management zones to improve nitrogen management for preci-

sion agriculture[J]. Journal of Soil and Water Conservation, 2002,

57(6): 513-518.

[10] BATTE M T. Factors influencing the profitability of precision

farming systems[J]. Journal of Soil and Water Conservation,

2000, 55: 12-18.

[11] STAFFORD J, Werner A. Evaluation of site-specific manage-

ment zones: grain yield and nitrogen use efficiency [M]// Preci-

sion Agricultue. Wageningen, the Netherlands: Wageningen A-

cademic Publish, 2003: 297-302.

[12]李 艳袁史 舟袁吴次芳袁等．基于模糊聚类分析田间精确管理分区研究[J]．中国农业科学袁2007袁40(1): 114-122.

LI Yan, Shi Zhou, Wu Ci-fang, et al. Definition of management

zones based on fuzzy clustering analysis in coastal saline land

[J]. Scientia Agricultura Sinica, 2007, 40(1): 114-122.

[13] LI Yan, Shi Zhou, Li Feng, et al. Delineation of site-specific

management zones using fuzzy clustering analysis in a coastal

saline land[J]. Computers and Electronics in Agriculture, 2007,

56(2): 174-186.

[14]檀满枝袁陈 杰袁郑海龙袁等．模糊 c-均值聚类法在土壤重

金属污染空间预测中的应用[J]．环境科学学报袁2006袁26(12):

2086-2092.

TAN Man-zhi, Chen Jie, Zheng Hai-long, et al. Spatial predic-

tion of soil heavy metal pollution using fuzzy c-mean algorithm

[J]. Acta Scientiae Circumstantiae, 2006, 26(12): 2086-2092.

[15]檀满枝袁陈 杰袁徐方明袁等．基于模糊集理论的土壤重金属污染空间预测[J]．土壤学报袁2006袁43(3): 389-396.

TAN Man-zhi, Chen Jie, Xu Fang-ming, et al. Spatial prediction

of soil heavy metal pollution based on fuzzy set theory[J]. Acta

Pedologica Sinica, 2006, 43(3): 389-396.

[16]罗宏海袁李俊华袁张宏芝袁等．源库调节对新疆高产棉花产量形成期光合产物生产与分配的影响[J]．棉花学报袁2009袁21

(5): 371-377.

LUO Hong-hai, Li Jun-hua, Zhang Hong-zhi, et al．Effects of

source and sink manipulation on transportation and allocation

of leaf photosynthetic products during flowering and boll-set

ting stage in high-yield cotton of Xinjiang[J]. Cotton Science,

2009, 21(5): 371-377.

[17]鲍士旦．土壤农化分析[M]．北京:中国农业出版社, 2000.

BAO Shi-dan. Soil and agricultural chemistry analysis[M]. Bei-

jing: China Agricultural Press, 2000.

[18] ODEH I O A, McBratney A B, Chittleborough D J. Soil pattern

recognition with fuzzy-c-means: application to classification

and soil landform interrelationships[J]. Soil Sci Soc of Am J,

1992, 56: 505-516.

[19] BOYDELL B, McBratney A B． Identifying potential with

in-field management zones from cotton yield estimates[J]. Pre-

cision Agriculture, Proceeding European Conference on Preci-

sion Agriculture, 2002, 3(1): 9-23.

[20] LARK R M, Stafford J V. Classification as a first step in the in-

terpretation of temporal and spatial variation of crop yield [J].

Annals Applied Biology, 1997, 130: 111-121.

[21]新疆生产建设兵团土壤普查办公室．新疆生产建设兵团垦

王海江等院基于模糊聚类的棉田土壤养分管理分区研究 345

棉 花 学 报 22卷棉 花 学 报 22卷

区土壤[M]．乌鲁木齐院新疆科技卫生出版社袁1993.

Soil Survey Office of Xinjiang Production and Construction

Corps. Reclamation soil of Xinjiang production and construc-

tion group[M]. Urumqi : Xinjiang Science, Technology and

Health Press, 1993.

[22]王绍强袁朱松丽袁周成虎．中国土壤土层厚度的空间变异特征[J]．地理研究, 2001, 20(2): 161-169．

WANG Shao-qiang, Zhu Song-li, Zhou Cheng-hu. Characteris-

tics of spatial variability of soil thickness in China[J]. Geo-

graphical Research, 2001, 20(2): 161-169.

[23]李 翔袁潘瑜春袁马景宇袁等．基于多种土壤养分的精准管理分区方法研究[J]．土壤学报袁2007袁44(1): 14-20．

LI Xiang, Pan Yu-chun, Ma Jing-yu, et al. Soil nutrients-based

zoning for management of precision agriculture[J]. Acta Pedo-

logica Sinica, 2007, 44(1): 14-20.

[24]陈 彦袁吕 新．基于 FCM的绿洲农田养分管理分区研究

[J]．中国农业科学袁2008袁41(7): 2016-2024.

CHEN Yan, Lü Xin. Definition of management zones of soil

nutrients based on FCM algorithm in oasis field[J]. Scientia A

gricultura Sinica, 2008, 41(7): 2016-2024.

[25]石洪波袁于 剑袁黄厚宽．一种有效的 FCM算法的实现方式

[J]．铁道学报袁2003袁25(1): 63-67.

SHI Hong-bo,Yu Jian, Huang Hou-kuan. An effective imple-

mentation method of fuzzy c-means algorithm [J]. Journal of

China Railway Society, 2003, 25(1): 63-67.

[26]宋晓宇袁王纪华袁刘良云袁等．基于 Quickbird遥感影像的农

田管理分区划分研究[J]．中国农业科学袁2007袁40(9): 1996-

2006.

SONG Xiao-yu, Wang Ji-hua, Liu Liang-yun, et al. Research of

management zones generating based on quickbird imagery[J].

Scientia Agricultura Sinica, 2007, 40(9): 1996-2006．

[27] JOHNSON C K, Mortensen D A, Wienhold B J, et al. Site-spe-

cific management zones based on soil electrical conductivity in

a semiarid cropping system[J]. Agronomy Journal, 2003, 95:

303-315. 荫

346