GIS與空間分析畢業(yè)文獻(xiàn)翻譯

1、GISModellingforSite-SpecificNitrogenFertilizationtowardsSoilSustainability（面向土壤可持續(xù)性的特異性氮肥GIS模型）Edito：rAntonisPapadopoulos1,DionissiosKalivas2,*andThomasHatzichristos1Received:22January2015/Accepted:20May2015/Published:26May2015Resource:Sustainability2015,7,6684-6705;doi:10.3390/su7066684摘要：在多數(shù)時(shí)候農(nóng)戶需要

2、做出預(yù)測(cè)決定并且無法重來。施肥量的確定就是其中之一。在過去多年的作物管理與肥料試驗(yàn)決策中，大多重大的失敗都被記錄下來了，這些大多導(dǎo)致并一直使得產(chǎn)量降低與環(huán)境弱化。本文的方法包含了GIS的使用、模糊集與專家知識(shí)，以用于在空間尺度上進(jìn)行種植生態(tài)系統(tǒng)的氮平衡物理過程的模擬和特定肥料施用的作用與限制的估計(jì)。一種原始空間決策系統(tǒng)被設(shè)計(jì)、開發(fā)并應(yīng)用于一塊特定研究區(qū)域。該系統(tǒng)由兩個(gè)模塊組成（施肥量與肥料類型），對(duì)特定區(qū)域的土壤利用、氣候與種植經(jīng)驗(yàn)數(shù)據(jù)按特定數(shù)量與格式記錄下來。根據(jù)各子區(qū)域?qū)Φ市枰奶攸c(diǎn)對(duì)特定區(qū)域空間分類。“施肥量”模型顯示了減少氮肥施用量與常規(guī)方法的對(duì)比結(jié)果。該系統(tǒng)進(jìn)一步劃分為各小區(qū)，給與

3、每個(gè)小區(qū)的具有不同需肥類型、需要不同施肥量與施用時(shí)間的指導(dǎo)。關(guān)鍵詞：GIS；空間分析；特異性氮肥施用；模糊集1介紹經(jīng)驗(yàn)性的、而不是科學(xué)校正的在不同土壤條件下的氮肥施用的現(xiàn)實(shí)問題在希臘人的耕地管理上已有四十多年了。含水層硝酸鹽下滲作用加強(qiáng)的結(jié)果導(dǎo)致種植管理者采取措施減少氮素使用，出臺(tái)計(jì)劃重視減輕地下水氮素污染。在此背景下，審視適應(yīng)特定環(huán)境條件的施肥計(jì)劃就十分重要了。這些條件可分為空間和時(shí)間，具體細(xì)分為土壤、氣候、種植經(jīng)驗(yàn)都應(yīng)該包括在每施肥計(jì)劃中。因此，成功的氮肥管理就是一項(xiàng)追求效益最優(yōu)化與環(huán)境保護(hù)的一致，在合適的時(shí)間地點(diǎn)配置與管理。特異位置的氮肥管理（SSNM）指的是氮肥用量在空間與時(shí)間進(jìn)行合適

4、的預(yù)先決策，提高氮素利用效率，減少對(duì)環(huán)境的不利影響。在精耕細(xì)做的系統(tǒng)中，預(yù)測(cè)特定位置的氮肥需要量是十分困難的，像分析土壤基底中的氮素移動(dòng)，像植物吸收、礦化、固定、反硝化、過濾以及別的過程以復(fù)雜的方式相互作用。此外，像土壤、天氣條件、耕地作業(yè)和作物生長(zhǎng)都影響氮循環(huán)的不同組分，故而氮素控制的復(fù)雜性極大增加。已提到，有一個(gè)能快速作業(yè)開發(fā)、校準(zhǔn)、驗(yàn)證的工具需求，并且能估計(jì)氮肥需要量的同時(shí)氮素濃度不損害環(huán)境與水面資源。各種模擬模型已經(jīng)開發(fā)完成并用于田間氮素管理的估計(jì)過程中。其中大多與空間模塊相連，能進(jìn)行施肥分區(qū)制圖。大多數(shù)此類模型需要過多的數(shù)據(jù)，多數(shù)情況不易得到。此外他們的估計(jì)過程需要特定專業(yè)知識(shí)并且認(rèn)

5、為需要復(fù)雜的專業(yè)計(jì)算機(jī)操作技術(shù)。SSNM有一個(gè)關(guān)鍵的組成就是空間分析通過GIS實(shí)現(xiàn)的。農(nóng)業(yè)管理連接著環(huán)境參數(shù)與有明顯空間特征的自然資源，因此，GIS在提高農(nóng)業(yè)產(chǎn)量尤其是參照田間施肥量上有關(guān)鍵作用。在大多數(shù)研究中，GIS用于處理模型輸入與輸出可視化結(jié)果。為了解決更復(fù)雜也更特殊的問題，像施肥管理加強(qiáng)的空間模型是需要的，這種集成模型應(yīng)該是GIS與強(qiáng)大的決策方法的集成。在傳統(tǒng)GIS模型中，多級(jí)地圖通常轉(zhuǎn)換成雙重模型，區(qū)域之間彎曲的邊界就會(huì)展現(xiàn)出來。盡管實(shí)際上從來沒有確定的邊界。引用控制論的觀點(diǎn)來說，氮素管理是典型的在不確定基礎(chǔ)上控制環(huán)境。而且，從環(huán)境的觀點(diǎn)看，氮循環(huán)是典型的被模糊的和固有的不確定包圍的

6、，如它包含大量物理化學(xué)過程和影響因素，這使得在如此模糊邏輯下很難去有效的模擬之。模糊集在支持決策這種環(huán)境現(xiàn)象是個(gè)重要的候選方法，他能引入目標(biāo)與模糊關(guān)系進(jìn)行分析，因此常在現(xiàn)在的研究中使用。不同的研究工作顯示模糊理論在決策作物施肥這類問題時(shí)十分有效。此研究的目的是要實(shí)現(xiàn)對(duì)于離散氮肥用量區(qū)域棉花產(chǎn)量的識(shí)別與制圖的系統(tǒng)化和自動(dòng)化步驟方法。此外，通過這樣設(shè)計(jì)開發(fā)與應(yīng)用這么一個(gè)空間決策支持模型，我們致力于展示GIS與模糊理論對(duì)于決策者解決符合SSNM的實(shí)際施肥需要的區(qū)域劃定是十分有效的?？梢韵胂?，這樣一個(gè)空間工具的開發(fā)對(duì)對(duì)外種植服務(wù)價(jià)值巨大，提供特定位置的精確施肥指導(dǎo)，對(duì)種植者與環(huán)境都有利。2材料與方法2

7、.1系統(tǒng)設(shè)計(jì)一個(gè)合理的施肥決策應(yīng)該基于科學(xué)知識(shí)與實(shí)驗(yàn)結(jié)果，很好的結(jié)合種植經(jīng)驗(yàn)與環(huán)境條件。土壤中的硝酸鹽由流動(dòng)性很強(qiáng)的營(yíng)養(yǎng)元素構(gòu)成，使得它的利用要相當(dāng)高的要求和多層次的決定。為了提供完整和顯示的氮素施用指導(dǎo)，像每劑施用量，肥料類型，指的是其中游離氮的形式，施肥劑量，施用時(shí)間與方法以及推薦施肥用量的空間限制，都應(yīng)該考慮進(jìn)來。后者是相當(dāng)必要的，只要我們認(rèn)同農(nóng)業(yè)是一個(gè)連續(xù)的、不斷變化的受土壤、地質(zhì)、氣候和種植因素影響的系統(tǒng)。該推薦方法考慮了兩種系統(tǒng)的空間模型。前者負(fù)責(zé)計(jì)算在一個(gè)種植階段應(yīng)用中的推薦施肥量，后者會(huì)根據(jù)類型、時(shí)間和施肥方法提供一個(gè)全面描述的建議。速率模塊的結(jié)構(gòu)是通過在對(duì)種植系統(tǒng)中的氮循環(huán)的

8、估計(jì)，通過氮素平衡方程翻譯來的。類型模塊考慮兩種危險(xiǎn)指標(biāo)，避免由于酸化導(dǎo)致土壤降解和氮素淋溶損失的限制。兩個(gè)模塊都集合了模糊集的觀點(diǎn)和GIS環(huán)境下的功能，意味著他們?cè)O(shè)計(jì)為可以使用電子地圖與關(guān)系數(shù)據(jù)庫。此外，該系統(tǒng)能夠支持多尺度的決策，適宜解決用戶需要與數(shù)據(jù)可用性?？臻g決策支持模型的結(jié)構(gòu)如下圖1展示。模型開發(fā)基于ModelBuilder10.1工具ArcGIS軟件環(huán)境，充分發(fā)揮其在空間分析上的能力。Figure1概念系統(tǒng)設(shè)計(jì)納入系統(tǒng)的變量和用于系統(tǒng)估計(jì)的數(shù)據(jù)都會(huì)根據(jù)他們的科學(xué)的和被證明的與合理施肥與環(huán)境友好目標(biāo)的聯(lián)系來進(jìn)行仔細(xì)甄別。此外，訪問與檢索與最少參數(shù)組合的模型數(shù)據(jù)的能力是選擇系統(tǒng)參數(shù)最重

9、要的標(biāo)準(zhǔn)。系統(tǒng)保持靈活，能根據(jù)特定位置需要添加變量與減少多余參數(shù)。數(shù)據(jù)能是空間顯示的或是描述性的，連續(xù)的，分類的。由于系統(tǒng)提供的專家知識(shí)水平，通過模糊集的使用，一個(gè)強(qiáng)大的能代替與解決模糊環(huán)境現(xiàn)象的框架就形成了。2.2空間模塊“施肥量”與“施肥類型”施肥量模型是基于氮平衡的模糊估計(jì)方法。該模型根據(jù)氮吸收過程的模糊估計(jì)得到的土壤對(duì)氮的需求量將參考數(shù)據(jù)進(jìn)行分類。模型中的這些過程有硝酸濾過、反硝化作用、植物吸收和氨態(tài)揮發(fā)，這些被視作土壤系統(tǒng)的輸出，而且根據(jù)土壤系統(tǒng)的輸入，指有機(jī)態(tài)氮礦化、無機(jī)殘留的氮素和通過灌溉加入的氮。該模型并不考慮氮的固定，因?yàn)橄啾扔谙ＥD土壤條件下別的輸出對(duì)于氮平衡的貢獻(xiàn)較低。通過

10、模糊推理方法，模型會(huì)辨別哪些地方最需要氮肥，并對(duì)參考區(qū)域進(jìn)行分級(jí)標(biāo)識(shí)施肥需要。換句話說，負(fù)值就說明該地氮素輸入小于輸出，對(duì)于此類區(qū)域，模型會(huì)給于施肥建議。正值就說明氮肥儲(chǔ)備充足，而此時(shí)施肥計(jì)劃就應(yīng)瞄準(zhǔn)經(jīng)過種植階段保持氮肥長(zhǎng)效可用性。施肥量模型需要14個(gè)正式指標(biāo)來保證準(zhǔn)確估計(jì)。Table1兩個(gè)模型中使用的參數(shù)該施肥量模型充分利用五個(gè)正式指標(biāo)（如表1）還考慮兩項(xiàng)土壤退化風(fēng)險(xiǎn)來推薦氮肥施用處方。第一項(xiàng)是土壤酸化的風(fēng)險(xiǎn)和經(jīng)模糊估計(jì)的土壤PH,指每年降雨，灌溉系統(tǒng)的使用和酸性肥料的使用。第二項(xiàng)風(fēng)險(xiǎn)指潛在氮素流失，由土壤粘土容重與年平均降水量來模糊估計(jì)。具體模型對(duì)這兩項(xiàng)風(fēng)險(xiǎn)進(jìn)行模糊估計(jì)，將脆弱位置的風(fēng)險(xiǎn)歸

11、結(jié)為隸屬度從0到1的范圍。增加值表示隨后增加的流失與酸化的潛在風(fēng)險(xiǎn)。該模型進(jìn)一步繪制了以模糊分類形式確定的施肥推薦圖。后者的任務(wù)基于科學(xué)的和通過采訪和專家參與的應(yīng)用評(píng)價(jià)來的。2.3.研究區(qū)域選擇該區(qū)域?yàn)榱藨?yīng)用與證明在希臘中部的Kopaida平原的各類棉花地利用空間施肥模型的效果。研究區(qū)域的選定基于一定的環(huán)境標(biāo)準(zhǔn)oKopaida平原以棉田著名同時(shí)也很適合設(shè)立一個(gè)大面積的氮素施肥應(yīng)用基地。它也被視為七個(gè)希臘最易受氮素污染的地方之一。該區(qū)域的地表水顯示遭受高值硝酸鹽污染，多由農(nóng)業(yè)生產(chǎn)和氮肥過量使用所致。此外，該研究區(qū)域被生態(tài)敏感區(qū)所包圍，在Natura2000網(wǎng)站上所標(biāo)注，作為一個(gè)必須被保衛(wèi)與保存的

12、重要資源地。該研究區(qū)域站地9000公頃。Violin卩reIeelnreiGGceeStudyareascottonfieldsFigure2研究區(qū)域研究區(qū)的平均長(zhǎng)度11km，寬度約8km,平均海拔95米。該地地形平緩伴有小丘。該區(qū)大面積的土壤在鈣質(zhì)或非鈣質(zhì)的低坡母質(zhì)上，在強(qiáng)烈侵蝕與物質(zhì)轉(zhuǎn)化中發(fā)育而來。對(duì)參考土壤的空間分配與分類如圖三顯示。LegendSampling滋3：C3ayLoam；Loam.SIH；郊.丁SNlyClayLoanSillLoamFigure3研究區(qū)域與土壤采樣點(diǎn)分布圖該流域，作為感興趣區(qū)域的一部分，位列半干旱區(qū)域的范圍，是地中海和高海拔大陸性氣候特征。橫跨寬闊的區(qū)域，

13、氣候參數(shù)變化很大。年平均降水達(dá)678毫米，45.1%發(fā)生在冬季。在夏季，平均降水低至50毫米，最熱季節(jié)是七月，平均氣溫26.2攝氏度，最冷一月，6.6攝氏度。至于霜凍天氣，多發(fā)生在12月、1月、2月以及3月部分時(shí)間，通常會(huì)對(duì)作物造成傷害。2.4.數(shù)據(jù)收集與管理土壤的物理化學(xué)參數(shù)是基于對(duì)該區(qū)的的土壤調(diào)查取樣取得的。為了驗(yàn)證土壤調(diào)查取回的包含過期的數(shù)據(jù)，95%的該區(qū)域的土樣都要采集與分析其物理化學(xué)屬性。這些差異主要由表土層造成，并會(huì)調(diào)整向更新的土壤數(shù)據(jù)結(jié)果。更具體的說，土壤調(diào)查會(huì)被數(shù)字化記錄，產(chǎn)生一個(gè)包含土壤制圖單元的多邊形圖層和一個(gè)顯示采樣點(diǎn)的點(diǎn)圖層。點(diǎn)圖層的描述性數(shù)據(jù)包含表土層的土壤無機(jī)氮、P

14、H、有機(jī)質(zhì)、容重、土壤含水量等，多邊形圖層則是土壤區(qū)域分類。對(duì)于沒有數(shù)據(jù)的區(qū)域的土壤參數(shù)則用空間插值的方法，克里金法。該方法是基于統(tǒng)計(jì)數(shù)據(jù)中對(duì)已有點(diǎn)數(shù)據(jù)間的空間關(guān)聯(lián)關(guān)系的統(tǒng)計(jì)模擬，用此方法不僅因?yàn)樗墚a(chǎn)生一個(gè)預(yù)測(cè)表面，還提供了準(zhǔn)確預(yù)測(cè)的一些方法。此外，點(diǎn)數(shù)量足夠用于插值方法來產(chǎn)生可信賴的結(jié)果。該模型中的氣候數(shù)據(jù)是棉花種植季的平均土溫與平均降水。兩者都源于15個(gè)氣象站網(wǎng)絡(luò)30年間的數(shù)據(jù)。站點(diǎn)的位置有一個(gè)點(diǎn)圖層記錄，為了產(chǎn)生研究區(qū)域的連續(xù)的估計(jì)值表面，采用了泰森多邊形的方法。雖然氣象數(shù)據(jù)的推薦使用克里金方法，但該區(qū)可選擇的氣象站數(shù)量有限，并且大多數(shù)水文模型采用泰森多邊形方法使得作者采用后者來對(duì)土壤

15、溫度與降水參數(shù)進(jìn)行插值。模型中的農(nóng)業(yè)數(shù)據(jù)源自生產(chǎn)者在種植期的灌溉、施肥管理措施記錄（表1）。這種分類下，所含的產(chǎn)量潛力會(huì)被管理決定強(qiáng)烈影響。數(shù)據(jù)和管理都在區(qū)域水平上進(jìn)行，因此，這些數(shù)據(jù)的空間參照也就是區(qū)域邊界。通過對(duì)當(dāng)?shù)胤N植者的50分問卷的調(diào)查與分析之后的獲得產(chǎn)量數(shù)據(jù)。區(qū)域多邊形的描述性數(shù)據(jù)通過對(duì)區(qū)域的問卷收集、種子數(shù)據(jù)、應(yīng)用的施肥，之前的施肥方法，灌溉計(jì)劃和產(chǎn)量。所有的數(shù)據(jù)集都存儲(chǔ)于地理空間數(shù)據(jù)庫中（如圖4）。連續(xù)的點(diǎn)數(shù)據(jù)，如土壤酸性、無機(jī)氮、氣候參數(shù)等等，經(jīng)過空間插值后，都轉(zhuǎn)化成了一個(gè)像元代表10米的柵格數(shù)據(jù)結(jié)構(gòu)。土壤流域分類，從土壤調(diào)查中作為一多邊形圖層取得，直接轉(zhuǎn)化成了一個(gè)像元大小為十

16、米的柵格表面。此外，農(nóng)學(xué)數(shù)據(jù)（連續(xù)的或分級(jí)的），在歸結(jié)于多邊形面的要素后，被轉(zhuǎn)換成了柵格像元。模糊集的方法被選用來進(jìn)一步詳細(xì)繪制連續(xù)的柵格文件結(jié)果。CateciorjcafdataIi1IIISpnrilimerpnlationFuzzitlcalionSpfttialdKiiiCrtFuz33ToverlayKajsterdataFigure4數(shù)據(jù)和地理數(shù)據(jù)庫中的處理流程PointdataPa1dataCorihecliontosmtialentities*7一鼻Ccnititiuousdata2.5.靈敏度分析模型的使用，尤其是在環(huán)境范圍內(nèi)，不可避免的包含了原本存在的與不確定的處理對(duì)策。通

17、常，當(dāng)一個(gè)系統(tǒng)用來估計(jì)一個(gè)復(fù)雜過程時(shí)，敏感性分析的應(yīng)用對(duì)于模型的可用性與可靠性變得尤為重要。敏感性分析作為一個(gè)決策過程中的集成模塊，由于其能在一個(gè)或多個(gè)機(jī)構(gòu)化參數(shù)波動(dòng)較大時(shí)，識(shí)別其對(duì)決策支持系統(tǒng)的表現(xiàn)的影響。為了識(shí)別最重要的輸入?yún)?shù)，當(dāng)取自兩個(gè)發(fā)達(dá)模型時(shí)，一個(gè)本地的一對(duì)一的敏感性分析方法可以幫助實(shí)現(xiàn)。采用這種方法，改變每個(gè)無分類模型參數(shù)的值對(duì)于模型輸出的影響會(huì)立刻被估計(jì)。換句話說，模型輸出回答由模型參數(shù)的不同順序和保持別的參數(shù)在其基準(zhǔn)值來決定的?；鶞?zhǔn)值指的是兩個(gè)模型估計(jì)產(chǎn)生的基本模型輸出的最初參數(shù)值，同時(shí)有順序運(yùn)行都會(huì)參與比較。敏感性分析結(jié)果的數(shù)量由一個(gè)無尺寸指標(biāo)（SI1）來表示，該指標(biāo)由模型

18、輸出的相關(guān)變化和一個(gè)無分類參數(shù)指標(biāo)的相關(guān)變化的比率來估計(jì)得到。施肥量模型中進(jìn)入敏感性分析的參數(shù)有土壤無機(jī)氮、容重，PH,有機(jī)物、土壤含水量、平均土溫、平均降雨、灌溉水量以及灌溉水與田里的無機(jī)氮含量。敏感性方法通常跟隨于一個(gè)施肥類型模型例子，改例子中的參數(shù)有土容重、ph、平均降水。當(dāng)施肥類型模型輸出以屬性數(shù)據(jù)編碼方式分類，因?qū)傩跃幋a不同于基準(zhǔn)值，相關(guān)敏感性方法以土地區(qū)域單元來表達(dá)，在初始值變化時(shí)的應(yīng)用。3.結(jié)果與討論模糊方法過程有兩個(gè)分離步驟。第一，柵格數(shù)據(jù)要通過特殊的隸屬函數(shù)轉(zhuǎn)換成模糊展示地圖，是將行數(shù)據(jù)轉(zhuǎn)換成從0-1的模糊集。對(duì)于要分類柵格圖層，為了得到值為0到1的數(shù)據(jù)進(jìn)行重分類。在兩個(gè)模型

19、中參數(shù)的模糊化隸屬函數(shù)的選擇是基于語義輸入模型的。因此，常用來繪制參數(shù)范圍從0到一個(gè)空間的隸屬函數(shù)由每一個(gè)參數(shù)對(duì)控制過程的影響來指導(dǎo)。在每個(gè)模型中的指示隸屬函數(shù)展示在圖5a-e。圖表的左邊，是數(shù)學(xué)方程與關(guān)系圖的展示，右邊項(xiàng)則是模糊處理位置的制圖結(jié)果。在此模擬階段，GIS輸出能力提供了每一個(gè)輸入?yún)?shù)對(duì)于氮平衡參數(shù)在研究區(qū)域空間劃分的貢獻(xiàn)度。色彩符號(hào)顯示規(guī)定變量對(duì)于每個(gè)氮平衡參數(shù)的等級(jí)關(guān)系。在圖5a中，低容重值土壤，也在圖3通過土壤類型顯示，與流失潛在關(guān)系緊密，著綠色顯示在地圖的右邊項(xiàng)中。此外，土壤中殘留的氮與無機(jī)氮的關(guān)系被歸結(jié)于一個(gè)確定斜率的線性函數(shù)，轉(zhuǎn)化成土壤中高無機(jī)氮直接導(dǎo)致殘留氮值的增加。

20、此外，氮礦化，被視為是土壤系統(tǒng)的輸入過程，受到有機(jī)物的積極影響，意味著高有機(jī)質(zhì)值和低碳/氮比的礦化，豐富土壤無機(jī)氮的形式。在此例中，反曲函數(shù)收到應(yīng)用，其中有機(jī)質(zhì)值越高，參考點(diǎn)位更像是屬于大的礦化集的一部分（圖5c）。此外，當(dāng)隸屬一個(gè)模糊集的關(guān)系由特征值區(qū)分時(shí)，高斯或三角函數(shù)就能用到了。此例子中，將礦化大數(shù)據(jù)集、中性與輕堿性的土壤位置視作高隸屬度值（圖5d）。氮礦化不只是一個(gè)復(fù)雜的要考慮多種源于土壤特性的不確定性的過程，還通常是由期限模型確定的。最近研究，模糊性計(jì)劃常用更結(jié)構(gòu)化的方法通過一個(gè)或多個(gè)語言集偏估計(jì)來處理此類不確定性。在圖5E中，另一個(gè)線性函數(shù)展示繪制的植物氮吸收中的生產(chǎn)潛力影響。高潛

21、力區(qū)域更可能提供更多的氮場(chǎng)所用于棉花種植、給與水土條件、促進(jìn)氮肥的植物吸收，意味著來自土壤系統(tǒng)額外損失。三角函數(shù)因其自然性與能力特征可以用來模擬來每一個(gè)非三角的函數(shù)，因此，被集成在以下方法中。7SOb8A-42o.o-ad一$益qulwE0,Soilacidity-D&nitrificatsonSoilacidity(pH)oooodz巴護(hù)EAzzn亠Figure5該研究區(qū)模糊隸屬函數(shù)與GIS制圖展示，考慮不同輸入與系統(tǒng)氮平衡參數(shù)系統(tǒng)。由紅到綠顯示的模型平衡參數(shù)中模糊變量的隸屬關(guān)系強(qiáng)弱。（a）容重-流失潛力；（b）土壤無機(jī)氮-殘留氮；（c）有機(jī)質(zhì)-礦化；（d）土壤酸化-反硝化；（e）產(chǎn)量潛力-

22、氮吸收。et斗曠oO&dHSJequJduJAzzn區(qū)模糊疊加運(yùn)算在在兩個(gè)模型中通過AND實(shí)現(xiàn)。模糊運(yùn)算的語言解釋關(guān)系到特殊決定問題與使用中的模糊推斷過程。此外，關(guān)聯(lián)密切的模糊運(yùn)算的選擇能被一個(gè)模糊系統(tǒng)成功實(shí)現(xiàn)后估計(jì)與轉(zhuǎn)換成一個(gè)經(jīng)驗(yàn)。最近研究中，邏輯運(yùn)算符and的歸屬占據(jù)了最小的函數(shù)，并反應(yīng)了模糊集的交叉。通常，模糊集的交叉（AND操作符）在模糊規(guī)則下的估計(jì)中最常使用。交叉解釋為在在兩個(gè)或更多的模糊集間將他們的分級(jí)值歸結(jié)于真實(shí)的隸屬度。其中的最小值決定了數(shù)據(jù)交叉的單位。除了and運(yùn)算符，系統(tǒng)發(fā)展中，不同值的操作符都被測(cè)試了，像SUM、PRODUCT以及GAMMA。然而這些操作符，趨向于平衡與減

23、小不同差異在行列值間，導(dǎo)致同質(zhì)化的空間模式?；旧希瑢?duì)于氮平衡模擬面向模型的研究建議施肥率和處方都是基于存在的或修正了的模擬模型這些都是在不同研究區(qū)域?qū)τ谝幌盗凶魑?、土壤、天氣條件進(jìn)行了評(píng)估與校正了的。多數(shù)這類研究將模型估計(jì)與試驗(yàn)場(chǎng)結(jié)果進(jìn)行比較，以得出關(guān)于施肥規(guī)劃的實(shí)用模型26,27。該模型集成了專家知識(shí)，并且啟發(fā)實(shí)現(xiàn)了通過與棉花栽培與施肥專家的基于對(duì)話的程序。該系統(tǒng)開發(fā)完全基于專業(yè)知識(shí)獲取的，并將其通過模糊邏輯轉(zhuǎn)化成模糊推斷并在GIS環(huán)境中建立模型而沒有進(jìn)行實(shí)地實(shí)驗(yàn)。通過ArcGIS建模工具環(huán)境，模型估計(jì)自動(dòng)關(guān)聯(lián)數(shù)據(jù)輸入、GIS工具與最后結(jié)果輸出。換句話說，所有過程都能被保存、任意時(shí)間重新執(zhí)

24、行，這在當(dāng)需要在分析過程做出調(diào)整時(shí)尤其有用。更多的模型的全部制圖結(jié)果能被描繪，讓模型估計(jì)成為更清晰的一個(gè)過程。這在模型發(fā)展的過程中很有幫助，僅通過簡(jiǎn)單改變一個(gè)參數(shù)返回模型并看到新的結(jié)果，而不是重做整個(gè)分析過程。此外，它還增強(qiáng)了整個(gè)系統(tǒng)在對(duì)于新的領(lǐng)域的研究與不同環(huán)境的探索中的時(shí)候的靈活性。該系統(tǒng)的施肥量與施肥類型模型展示分別如圖6與圖7。在兩模型中，所包含的元素可歸為三類，變量、工具與連接符(ESRIInc.)變量是有一個(gè)特征值或者硬盤中存儲(chǔ)的數(shù)據(jù)的參考的模型參數(shù)。在參考模型中，輸入變量由藍(lán)色描繪，獲得變量著綠色。工具元素是模型工作流中的基本建筑單元。這些地理處理工具用于展現(xiàn)對(duì)于模型中的圖形與表

25、格的不同操作，并且用黃色矩形表示。最后，連接符將變量與工具連接起來。連接符的箭頭展示了處理過程的方向，在圖6和圖7中就是從左至右的方向。tnaqamitemp.Fuzzylinear_2linearyieldFuzzylinear(2)1一：FuzzyOverlay(6)ImPdfinnrgnnR.upiake-Fuzzylarge_8-mri!FuzzyOverlay，nMnerataaHon_一-Fuzzyterge_6Fuzzylarge-3-*geqn_den_”iiaussianpHnun.Fuzzygaussian嚴(yán)1.Qausstan.pHden*Fuzzygaussian_2_

26、”largepHwil.FuzzyOverlay(8)npulsFuzzyOverlay(2)-dcmirHication_fimaliclay,min*largedayden嚴(yán)JW!_帕如y怦Reclassify(2)-necldsdramF!oat(2)-floaldrHinaeFijzry5E&I2Fuzzysmalloutputsdrainagecal,n,ia,Berainncnjlhi.onstaolvalue2(411FllZZy-Redassify(4)字晅屜-Float(4Hoaoncarporatton.FuzzyOverlay(3)RasterCalculator*Div

27、ide(4)iiiMjfrastertn.oftsunivalue2門)zJDMcie(3)；m*Reclassify(3)rodassw“Float(3)_.-.Fuzzylinear.CopyRaster廿呻linear一+斤.I(u.inlllyouaHyFuzzylinear_3(2力嘴FuzzyOverlay(5)*ReclassifyInpulrdftletorcotnion*vnur2(2)直一-：DMde(2)Figure6施肥量模型展示了數(shù)據(jù)流、轉(zhuǎn)換與輸出結(jié)果。輸入變量著藍(lán)色，獲得變量著綠色，處理工具黃色。一從施肥量模型中(圖6)，三類可見水平的處理流程能夠被認(rèn)出。第一次將所

28、有數(shù)據(jù)轉(zhuǎn)成浮點(diǎn)柵格格式并給出了取值范圍的模糊性方法。在此水平下，連續(xù)性變量被直接轉(zhuǎn)化成了小、大、線性和高斯型隸屬函數(shù)28,29，當(dāng)分類數(shù)據(jù)進(jìn)行了一個(gè)預(yù)處理過程。這一步預(yù)先假定重分類的使用是為了將數(shù)值轉(zhuǎn)換成字符串?dāng)?shù)據(jù)，并將輸出結(jié)果歸一化為0到1之間的因素進(jìn)一步劃分。第二水平采用模糊疊加處理方法，將模糊參數(shù)分組劃分為氮平衡因素，再進(jìn)一步模糊化，計(jì)算氮素的輸入與輸出。最后一個(gè)水平的處理，對(duì)輸入與輸出進(jìn)行數(shù)學(xué)消減，對(duì)研究區(qū)域進(jìn)行最后分類以劃分施肥區(qū)域。因此，施肥類型模型由兩個(gè)主要水平組成（圖7）。其一包含對(duì)輸入變量的模糊化與第二次模糊疊加。在此例中，最終計(jì)算土壤可持續(xù)性的總風(fēng)險(xiǎn)是通過SUM模糊運(yùn)算符實(shí)

29、現(xiàn)的，集合了流失與酸化的風(fēng)險(xiǎn)并將隸屬度歸結(jié)為0到1。在研究區(qū)域棉花種植期間對(duì)施肥量模型的估計(jì)產(chǎn)生的分類結(jié)果連續(xù)值從-0.69到0.35（如圖8）。取值范圍色譜來源于代數(shù)加減結(jié)果的負(fù)值輸出。根據(jù)輸出結(jié)果，大多地方標(biāo)為負(fù)值（黃色到紅色），意味著這些地方田地氮素輸出超過輸入。這些地區(qū)已達(dá)總面積的81.1%。在模型各自估計(jì)的位置與特定時(shí)間條件下，負(fù)值區(qū)域需要施用氮肥。圖標(biāo)方法提供了每個(gè)田塊甚至是田以下施肥量，通過田塊的像元值乘以希臘行動(dòng)計(jì)劃緩解kopaida地區(qū)水體氮素污染的施肥推薦量。本質(zhì)上，圖8認(rèn)同研究區(qū)域有一個(gè)權(quán)重因素每一位生產(chǎn)者都能計(jì)算田塊氮素需要量和進(jìn)一步提出了特定區(qū)域在目前水平的改進(jìn)建議，

30、這些都由參考行動(dòng)計(jì)劃展示。不同的研究調(diào)查通過空間統(tǒng)計(jì)聚類方法將區(qū)域劃分為特定土壤施肥建議的區(qū)域管理單元31,32。結(jié)果顯示，明確的土壤管理區(qū)域的識(shí)別能優(yōu)化施肥計(jì)劃與減少環(huán)境風(fēng)險(xiǎn)。系統(tǒng)中的管理區(qū)域描繪，源于對(duì)氮平衡的模糊化和模糊疊加處理，它是面向?qū)＜抑R(shí)的，而不是數(shù)據(jù)驅(qū)動(dòng)。進(jìn)一步說，系統(tǒng)完全建立在GIS環(huán)境下，發(fā)揮其集成模糊能力，作為管理完全不確定性環(huán)境現(xiàn)象的模型。Figure8施肥量模型的空間輸出標(biāo)記正值的區(qū)域占了總測(cè)試區(qū)域的18.9%，根據(jù)模型設(shè)計(jì)與估計(jì)，這些田塊不需要提前施用或在播種期施用氮肥。然而，對(duì)于這些位置，氮肥施用應(yīng)該考慮到種植期間適應(yīng)作物需要。那些不需要或需很少施肥量的地方主要是

31、有高濃度無機(jī)氮、粘土粒以及低產(chǎn)潛力的有機(jī)物。比較位于研究區(qū)域不同部分的兩塊田地的特征，模型分配了不同的權(quán)重，結(jié)果的原因顯示出來。例如，田A（權(quán)重-0.65）建議施用大量氮肥與田B相反，田B一點(diǎn)也不用（權(quán)重0.3）。實(shí)際上，田A所在區(qū)域，根據(jù)輸入數(shù)據(jù)，土壤質(zhì)地中等至粗糙、干燥，有機(jī)質(zhì)含量低于區(qū)平均，無機(jī)氮水平也低。這些土壤條件導(dǎo)致氮素流失，與種植與灌溉措施結(jié)合起來，肥料組成缺失與節(jié)水灌溉系統(tǒng)的使用，增加了氮素流失。因而，施肥量模型在估計(jì)了這些特征與氮平衡參數(shù)關(guān)系后建議增加肥料施用。另一方面，在田B,土壤保持了無機(jī)氮與有機(jī)物的肥力性質(zhì)，當(dāng)生產(chǎn)商使用滴灌系統(tǒng)時(shí)，導(dǎo)致了氮素?fù)p失。此外，第二生產(chǎn)者結(jié)合的

32、應(yīng)用的肥料，嘗試減少了氨的揮發(fā)損失。在田B例子里，模型模糊集合了下列條件還提出了最小的肥料處方。在上述兩個(gè)例子都設(shè)置了極端例子對(duì)照施肥建議；然而，模型通過模糊推斷的方法的使用，成功描述了研究區(qū)域棉田的權(quán)重處方。總之，結(jié)果顯示減少每個(gè)施肥單元的氮肥施用，不僅與施肥最佳實(shí)踐手冊(cè)一致，還與歐盟對(duì)氮素污染限制的標(biāo)準(zhǔn)與區(qū)域保護(hù)網(wǎng)站Natura2000相符合。FieldBFieldALegendPrescriptioncodeValue12Figure9施肥類型模型的空間輸出施肥類型模型的估計(jì)結(jié)果產(chǎn)生展示如圖9，將研究區(qū)分為四個(gè)管理區(qū)。由于氮肥施用導(dǎo)致土壤退化的風(fēng)險(xiǎn)等級(jí)按順序由紅色至綠色標(biāo)出。之后，分類被

33、指定了確定的施肥建議，從一到四標(biāo)號(hào)。這項(xiàng)任務(wù)由土壤肥料學(xué)與養(yǎng)分動(dòng)力學(xué)的專家根據(jù)研究區(qū)特定位置的土壤狀況的貢獻(xiàn)結(jié)果。被標(biāo)號(hào)的施肥建議如下：處方1：此區(qū)域沒有酸化風(fēng)險(xiǎn)。適度偏堿性，只推薦酸性肥料。氮肥可以是氨或硝的形式。肥料能被表面接受在單處方中，然而，推薦混合兩三種處方，減少氣化和流失損失。處方2：此區(qū)域，只有酸性且不含硝態(tài)和尿素類氮肥肥料推薦使用，可以是富含銨態(tài)氮。鼓勵(lì)生產(chǎn)者綜合使用至少兩種處方。處方3：此例中，生產(chǎn)者應(yīng)避免使用硝態(tài)和尿素類氮肥。田表面可以施用，但是綜合施用應(yīng)該考慮三種處方，隨作物需求時(shí)間分配。處方4：所有肥料都可以。然而，最好不要使用酸性肥料，這會(huì)增加長(zhǎng)期以來造成土壤酸化的風(fēng)

34、險(xiǎn)。這些區(qū)域土壤酸性監(jiān)測(cè)是必要的。進(jìn)一步說，應(yīng)抵制滴灌系統(tǒng)來降低潛在土壤流失。處方主要針對(duì)重點(diǎn)區(qū)域（占總面積51%），與第二（23.7%）、第四區(qū)域（20.1%）緊接著的第三區(qū)域。最小的推薦處方是第一個(gè)，只有研究區(qū)的5.2%。對(duì)于田A與B,模型制定了處方，分別為4和2（如圖9）。此外，模型建議將田A的灑水系統(tǒng)替換成滴灌，而田B,就推薦綜合多種肥料輸入，生產(chǎn)者也多是這樣做的。通常，模型結(jié)果建立了一個(gè)包含施肥類型、處方與整個(gè)區(qū)域的施用時(shí)間的區(qū)域肥料施用方案。實(shí)際上，伴隨施肥量模型，過去經(jīng)驗(yàn)性的施肥方法以替換成結(jié)構(gòu)化與空間技術(shù)支持的必要投入估計(jì)方法。通過GIS制圖，系統(tǒng)結(jié)果直達(dá)終端用戶，用戶只需簡(jiǎn)單

35、咨詢就能獲得基于棉田點(diǎn)位實(shí)測(cè)數(shù)據(jù)的施肥處方。施肥量模型的敏感性分析結(jié)果，14個(gè)輸入?yún)?shù)中10個(gè)值范圍是連續(xù)的，展示如表2。根據(jù)這些結(jié)果，5個(gè)輸入?yún)?shù)（土壤無機(jī)氮、容重、平均土溫、灌溉水量和灌溉水中的無機(jī)氮）的增加導(dǎo)致整個(gè)研究區(qū)域推薦的平均施肥量的減少。這發(fā)現(xiàn)十分合理，預(yù)計(jì)土壤無機(jī)氮，灌溉水量，灌溉水中的無機(jī)氮和平均土溫，因?yàn)檫@些參數(shù)單獨(dú)影響氮平衡的輸入而且確實(shí)與這些正相關(guān)（Figure6）。結(jié)果，值的增加趨向于增加氮輸入，導(dǎo)致模型建議發(fā)生地少施肥。Table2施肥量模型中的因子1敏感性分析Table2.ResultsofSensitivityIndexI(dimensionless)forth

36、e1fertilizingratemoduleNo.Inputparameters%additivevariationoverthebasemodel51015201Soilinorganicnitrogen-0.81-1.57-2.21-2.692Claycontent-432-10.06-16.01-2L823PH10.5710.8510.954Organicmatter-1.23-1.112.763.975Soilmoisture0.000.000.000.016Meansoiltemperature-7J8-16.4124.96-29.967Meanrainfall12.0912.68

37、13.908Quantityofirrigatedwater-0.65-1.20-1.70-2.219Inorganicnitrogeninirrigatedwater-0.88-1.67-2.17-2.4910Yield254.287.549.25相反的，此容重影響氮平衡（礦化、流失、反硝化）的三個(gè)參數(shù)，使得敏感性分析的描述并沒有那么直截了當(dāng)。分析結(jié)果顯示，根據(jù)研究區(qū)域的特征位點(diǎn)條件，氮輸入（礦化）的粘土百分比增加的值的附加變量可能是間接地，因?yàn)橥ㄟ^排水區(qū)域條件弱化使得水的可用性的增加和流失潛力的進(jìn)一步減少。當(dāng)至于有機(jī)質(zhì)，額外增加至10%增加氮投入，但與輸出相比進(jìn)一步增加其損失（如Table

38、2）。這發(fā)生的原因是土壤有機(jī)質(zhì)占比驅(qū)動(dòng)礦化（輸入）與反硝化（輸出）過程。對(duì)于小的變化，礦化產(chǎn)出超過反硝化，對(duì)于大的變量，則是相反的。初始參數(shù)如土壤PH、平均降水、產(chǎn)量潛力的增加導(dǎo)致了施肥推薦量的增加。最后，初始值如土壤含水量的變化不會(huì)改變模型結(jié)果的本質(zhì)。在敏感性分析結(jié)果的基礎(chǔ)上進(jìn)行輸入變量的分類，施肥量模型證明對(duì)于土壤溫度、容重、降水、土壤PH、產(chǎn)量潛力、有機(jī)質(zhì)、土壤無機(jī)氮和質(zhì)量以及灌溉水量（按順序列出）的變化更為敏感。Table3中的值指的區(qū)域，作為總區(qū)域的部分比例，在每次變化（5%,10%等等）后施肥建議碼就會(huì)改變。Table3施肥類型模型的敏感性分析結(jié)果Table3.Resultsoft

39、hesensitivityanalysislorthefertilizingtype”module（percentageofthechangesoverthetotalstudyarea）.No.Inputparameters%Additivevariationoverthebasemodel51015201Claycontent0.00.00.1l.l2PH15.081.681.697.93Meanrainfhll0.043.86左563.5根據(jù)表3,最重要的輸入變量，在模型的敏感性方面，就是土壤PH接著降雨，還有最后，土壤容重。4.總結(jié)由于經(jīng)濟(jì)與環(huán)境緣由，包括遵守歐盟委員會(huì)的指示，呼吁建立

40、基于客觀科學(xué)標(biāo)準(zhǔn)的施肥咨詢系統(tǒng)。朝著這個(gè)方向，空間必不可少也不該被任何施肥計(jì)劃忽略，尤其是在環(huán)境條件隨地點(diǎn)變化而影響決策時(shí)。文章提供了一個(gè)基于GIS的模糊方法來判斷合適用量與田塊氮肥施用建議，且具有空間與文字信息。通過開發(fā)的空間決策支持系統(tǒng)，實(shí)現(xiàn)對(duì)施肥策略產(chǎn)生影響和決定的不同參數(shù)的組合(物理的與人為的)。而且，環(huán)境過程描述參數(shù)量上的任何困難都會(huì)通過模糊邏輯概念的使用而超過。該推薦系統(tǒng)，基于特定標(biāo)準(zhǔn)、專家知識(shí)與固有經(jīng)驗(yàn)實(shí)現(xiàn)了施肥管理區(qū)域的描繪。任意的，中間系統(tǒng)結(jié)果(如礦化、流失潛力等等)能被進(jìn)一步采用和估計(jì)。根據(jù)應(yīng)用區(qū)的特征，系統(tǒng)參數(shù)能被新加入的豐富，當(dāng)別的參數(shù)能被用戶重寫，增加了系統(tǒng)的靈活性。

41、此外，此系統(tǒng)的估計(jì)尺度由可用性和輸入變量的空間特征來定義，這樣使得系統(tǒng)既能用于田塊又適用于區(qū)域尺度。在適應(yīng)隸屬函數(shù)使用和為模型提供合適輸入數(shù)據(jù)的先決條件下，系統(tǒng)還能應(yīng)用于其他春播作物，這在GIS建模環(huán)境下，被證明是簡(jiǎn)單的。進(jìn)一步的研究將包含系統(tǒng)應(yīng)用于其他農(nóng)田區(qū)域，在不同的環(huán)境和管理?xiàng)l件下，控制系統(tǒng)得到持續(xù)可靠的結(jié)果。通過至少三年的實(shí)驗(yàn)、獲得推薦施肥量與建議的可靠結(jié)果將達(dá)到田塊水平。考慮到系統(tǒng)存在的缺陷與限制，在實(shí)際工作與測(cè)試能提供有用的反饋，為未來的修正提供機(jī)會(huì)。再者，敏感性分析應(yīng)該擴(kuò)展包含不止一個(gè)輸入變量來揭示關(guān)系與回歸。未來的計(jì)劃是著手在開源環(huán)境下，結(jié)合webGIS服務(wù)，開發(fā)用戶友好的界面

42、。引用與注釋EuropeanCommission,CouncilDirective91/676/EECconcerningtheprotectionofwatersagainstpollutioncausedbynitratesfromagriculturalsources,1991.Ferguson,R.B.;Hergert,G.W.;Schepers,J.S.;Gotway,C.A.;Cahoon,J.E.;Peterson,T.A.Site-SpecificNitrogenManagementofIrrigatedMaize.SoilSci.Soc.Am.J.2002,66,544-55

43、3.Tisdale,S.L.;Nelson,W.L.;Beaton,J.D.;Havlin,J.L.SoilFertilityandFertilizers,5thed.;MacMillanPub.Com.:NewYork,NY,USA,1993.Hirel,B.;Tetu,T.;Lea,P.J.;Dubois,F.ImprovingNitrogenUseEfficiencyinCropsforSustainableAgriculture.Sustainability2011,3,1452-1485.Kersebaum,K.C.;Hecker,J-M.;Mirschel,W.;Wegehenke

44、l,M.ModellingwaterandnutrientdynamicsinsoilCropsystems:Acomparisonofsimulationmodelsappliedoncommondatasets.InModellingWaterandNutrientDynamicsinSoilCropSystems;Springer:Berlin,Germany,2007;pp.1-17Li,Y.;White,R.;Chen,D.;Zhang,J.;Li,B.;Zhang,Y.;Huang,Y.;Edis,R.Aspatiallyreferencedwaterandnitrogenmana

45、gementmodel(WNMM)for(irrigated)intensivecroppingsystemsintheNorthChinaPlain.Ecol.Model.2007,203,395-423.Delgado,J.A.;Gross,C.M.;Lal,H.;Cover,H.;Gagliardi,P.;McKinney,S.P.;Hesketh,E.;Shaffer,M.J.ANewGISNitrogenTradingToolConceptforConservationandReductionofReactiveNitrogenLossestotheEnvironment.Adv.A

46、gron.2010,105,117-171.Benedikt,J.;Reinberg,S.;Riedl,L.AGISapplicationtoenhancecell-basedinformationmodeling.Inf.Sci.2002,142,151-160.Mulla,D.J.;Schepers,J.S.Keyprocessesandpropertiesforsite-specificsoilandcropmanagement.InTheStateofSite-SpecificManagementforAgriculture;AmericanSocietyofAgronomy:Madi

47、son,WI,USA,1997;pp.1-18.Ashraf,A.;Akram,M.;Sarwar,M.Fuzzydecisionsupportsystemforfertilizer.NeuralComput.Appl.2014,25,1495-1505.Kweon,G.Delineationofsite-specificproductivityzonesusingsoilpropertiesandtopographicattributeswithafuzzylogicsystem.Biosyst.Eng.2012,112,261-277.Assimakopoulos,J.H.;Kalivas

48、,D.P.;Kollias,V.J.AGIS-basedfuzzyclassificationformappingtheagriculturalsoilsforN-fertilizersuse.Sci.TotalEnv.2003,309,19-33.Sustainability2015,76704Papadopoulos,A.;Kalivas,D.;Hatzichristos,T.Decisionsupportsystemfornitrogenfertilizationusingfuzzytheory.Comput.Electron.Agric.2011,78,130-139.Kastanis

49、,D.SoilSurveyofthePlainofKopaida;LandResourcesService.HellenicMinistryofAgriculturePub.:Athens,Greece,1986.HellenicStatisticalAuthority.AnnualAgriculturalStatisticalSurvey.AreasunderCultivation:ProvisionalResults2012;HellenicStatisticalAuthorityPub.:Piraeus,Greece,2014.Oliver,M.A.;Webster,R.Kriging:

50、amethodofinterpolationforgeographicalinformationsystems.Int.J.Geogr.Inf.Syst.1990,4,313-332.Burrough,P.A.;McDonnell,R.A.Optimalinterpolationusinggeostatistics.InPrinciplesofGeographicalInformationSystems;Burrough,P.A.,McDonnell,R.A.,Eds.;OxfordUniversityPress:Oxford,UK,1998;pp.132-161.Lilburne,L.;Ta

51、rantola,S.Sensitivityanalysisofspatialmodels.Int.J.Geogr.Inf.Sci.2009,23,151-168.19.Saltelli,A.;Tarantola,S.;Campolongo,F.;Ratto,M.SensitivityAnalysisinPractice.AGuidetoAssessingScientificModels;JohnWileyandSonsLtd.:NewYork,NY,USA,2004.Lenhart,T.;Eckhardt,K.;Fohrer,N.;Frede,H.G.Comparisonoftwodifferentapproachesofsensitiv