农业区域地块土壤重金属适宜性测试方法及系统

摘要

本发明公开了一种农业区域地块土壤重金属适宜性测试方法及系统，涉及土壤测试技术领域，所述方法包括：S1：按照随机采样方式选择预设个数的采样节点，获得各采样节点的多元数据，并记录所有采样节点的坐标数据；S2：对多元数据中每项属性的数据分别进行数据处理，以排除异常数据；S3：对每项属性的数据分别进行插值拟合，以获得代表待测农业区域地块范围的多指标评价数据集；S4：根据多指标评价数据集确定待测农业区域地块范围的土壤污染程度。本发明中提供了一套相对于提高区域地块土壤重金属合理测试的数据处理流程方法，能够有效地保证数据质量的同时，提高数据处理准确性从而提高了农业区域地块重金属土壤的测试准确性。

说明书

技术领域

本发明涉及土壤测试技术领域，特别涉及一种农业区域地块土壤重金属适宜性测试方法及系统。

背景技术

我国农业生产环境随着耕作模式的转变，农村产业结构的调整以及农产品生产施肥量的不断提高。农产品环境的污染状况日益加重，尤其是重金属污染已经影响到农产品产量和品质，对人民生活和健康会造成不可预计的严重影响。因此对于农产品产地环境，尤其是土壤重金属的污染监测和土壤适宜性测试就显得更为重要。

目前，国外和我国对于土壤测试的标准尚未制定统一的标准，采用的测试过程和测试方法各种各样。但对于土壤中重金属的危害都有一致的共识，对于土壤内重金属的富集作用、空间变异以及迁移机制都做了深入的研究，这为土壤适宜性的测试奠定了理论基础。由于土壤性状和成分的复杂性，以及土壤内相互作用机制的混沌现象，能够做出合理和综合的较好测试实属不易。在测试方法上单因子指数法，综合因子指数法，回归过量分析，人工智能，模糊数学等方法都有应用。

由于单因子指数法、综合指数法的论断确定性，回归方法的简单性以及人工智能的不可操作性，导致土壤重金属适宜性的测试精度较低，已无法满足需求。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提高土壤重金属适应性的测试准确性。

(二)技术方案

为解决上述技术问题，本发明提供了一种农业区域地块土壤重金属适宜性测试方法，所述方法包括以下步骤：

S1：在待测农业区域地块范围内按照随机采样方式选择预设个数的采样节点，将所述采样节点的耕层土壤分别均匀混合后作为各采样节点的混合样本，对所述混合样本进行土壤重金属检测，获得各采样节点的多元数据，并记录所有采样节点的坐标数据；

S2：对所述多元数据中每项属性的数据分别进行数据处理，以排除异常数据；

S3：对排除了异常数据后的多元数据中每项属性的数据分别进行插值拟合，以获得代表所述待测农业区域地块范围的多指标评价数据集；

S4：根据所述多指标评价数据集确定所述待测农业区域地块范围的土壤污染程度。

优选地，步骤S2具体包括以下步骤：

S201：对所述多元数据中每项属性的数据分别进行升序排列，并计算出每项属性的数据的平均值和标准差；

S202：根据预设的置信水平、以及所述平均值和标准差对所述多元数据中每项属性的数据做Grubbs数据检验，以排除异常数据。

优选地，所述置信水平的取值区间为(0，95)。

优选地，步骤S3具体包括以下步骤：

S301：根据排除了异常数据后的多元数据中每项属性的数据、以及各采样节点的坐标数据计算所述待测农业区域地块范围内所有采样节点之间的平均理论半变异值；

S302：采用半方差模型与所述平均理论半变异值进行拟合，以获得变程、基台值和块金；

S303：根据所述半方差模型、变程、基台值和块金分别计算获得所述待测农业区域地块范围内所有采样节点之间扩展协方差矩阵和估计代表点到每个采样节点之间的扩展协方差向量，所述估计代表点为待测农业区域地块范围内的几何中心位置点；

S304：根据所述扩展协方差矩阵和扩展协方差向量计算扩展权重向量，通过所述扩展权重向量、以及所述排除了异常数据后的多元数据中每项属性的数据计算获得所述排除了异常数据后的多元数据中每项属性的代表属性值，并将所述代表属性值构成代表所述待测农业区域地块范围的多指标评价数据集。

优选地，步骤S2之前，还包括以下步骤：

S101：对所述多元数据中每项属性的数据分别进行填补空缺值；

S102：对所述多元数据中每项属性的数据分别进行去除重复值。

优选地，步骤S4具体包括以下步骤：

S401：根据所述多指标评价数据集建立隶属度模糊矩阵，并通过各种重金属的危害构建综合权重向量；S402：通过所述隶属度模糊矩阵、以及综合权重向量确定所述待测农业区域地块范围的土壤污染程度。

本发明还公开了一种农业区域地块土壤重金属适宜性测试系统，所述系统包括：

检测模块，用于在待测农业区域地块范围内按照随机采样方式选择预设个数的采样节点，将所述采样节点的耕层土壤分别均匀混合后作为各采样节点的混合样本，对所述混合样本进行土壤重金属检测，获得各采样节点的多元数据，并记录所有采样节点的坐标数据；

数据处理模块，用于对所述多元数据中每项属性的数据分别进行数据处理，以排除异常数据；

插值拟合模块，用于对排除了异常数据后的多元数据中每项属性的数据分别进行插值拟合，以获得代表所述待测农业区域地块范围的多指标评价数据集；

污染程度确定模块，用于根据所述多指标评价数据集确定所述待测农业区域地块范围的土壤污染程度。

(三)有益效果

本发明提供了一套相对于提高区域地块土壤重金属合理测试的数据处理流程方法，能够有效地保证数据质量的同时，提高数据处理准确性从而提高了农业区域地块重金属土壤的测试准确性。

附图说明

图1是按照本发明一种实施方式的农业区域地块土壤重金属适宜性测试方法的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1是按照本发明一种实施方式的农业区域地块土壤重金属适宜性测试方法的流程图；参照图1，本实施方式的方法包括以下步骤：

S1：在待测农业区域地块范围内按照随机采样方式选择预设个数的采样节点，将所述采样节点的耕层土壤(本实施方式中，选择深度为0～20cm的耕层土壤)分别均匀混合后作为各采样节点的混合样本，对所述混合样本进行土壤重金属检测，获得各采样节点的多元数据，并记录所有采样节点的坐标数据；

S2：对所述多元数据中每项属性的数据分别进行数据处理，以排除异常数据；各金属元素含量和土壤理化参数数据多呈对数正态分布由于实验变差函数是通过差值平方和进行计算的，异常值的存在可能造成实验变差函数的畸变，因此需要采取剔除异常值的方法排除其对实验变差函数稳健性的影响。

S3：对排除了异常数据后的多元数据中每项属性的数据分别进行插值拟合，以获得代表所述待测农业区域地块范围的多指标评价数据集；

S4：根据所述多指标评价数据集确定所述待测农业区域地块范围的土壤污染程度。

优选地，步骤S2具体包括以下步骤：

S201：对所述多元数据中每项属性的数据分别进行升序排列，并计算出每项属性的数据的平均值和标准差；定义所述多元数据中单项属性的数据为序列X＝{x_i|x_i∈R}，i＝1...n，其单项属性的数据平均值为标准差为其中x_i为样本i单属性值，为样本单属性平均值。

以采样元素汞为例来说明本实施方式的方法，设采样节点的总数为10，得到属性汞序列X_Hg的统计描述下表：

S202：根据预设的置信水平、以及所述平均值和标准差对所述多元数据中每项属性的数据做Grubbs数据检验，以排除异常数据。本实施方式中，具体为：定义统计量的公式，根据预设的置信水平、平均值和标准差得到统计值，比较临界值，大于临界值舍弃，小于临界值保留，舍弃值分别以上侧临界值或者下侧临界值代替，本实施方式中，所述置信水平的取值区间为(0，95)。

定义统计量G＝(均值-较小可疑值)/标准差和(较大可疑值-均值)/标准差，即定义作为统计量，进行异常数据的排除。优选地，步骤S3具体包括以下步骤：

S301：根据排除了异常数据后的多元数据中每项属性的数据、以及各采样节点的坐标数据计算所述待测农业区域地块范围内所有采样节点之间的平均理论半变异值；设Z(x)为区域化变量，满足二阶平稳和本征假设，其数学期望未知，协方差函数c(d)及变异函数(d)存在。假设在待区域地块估计点(x)的邻域内共有n个实测点，即x₁，x₂，...，x_n，其样本值为Z(x_i)。设区域地块的代表属性数据为Z^*(x)，其空间位置取地块几何中心点，得到中心点坐标x＝37.418705，y＝37.418705。

其中，所有采样节点之间距离为所有采样节点之间的方差为S_ij＝(Z_i-Z_j)²，理论半变异值为平均理论半变异值为$>\gamma \left(d\right)=\frac{1}{2}E{[Z\left(x\right)-Z(x+h)]}^2=E\left[\gamma {\left(d\right)}_{\mathrm{ij}}\right].$>

以汞Hg样本为例，设排除1个异常数据后，对9个采样节点进行计算。

S302：采用半方差模型与所述平均理论半变异值进行拟合，以获得变程(range)、基台值(sill)和块金(nugget)；采用球面模型Spherical其半方差模型为：

$>\gamma \left(d\right)=\left(\begin{array}{c}{c}_o+c[3d/2a)-(d^3/{2a}^3)],d\le a\\ c_o+c,d>a\end{array}\right)$>

其中，d为两个采样节点之间的距离，且

其协方差c(d)为c(d)＝σ²-γ(d)，通过计算得到相应变程a、基台值c_o+c、块金值c_o分别为44.3751、0.0781、0.0001。

S303：根据所述半方差模型、变程、基台值和块金分别计算获得所述待测农业区域地块范围内所有采样节点之间扩展协方差矩阵和估计代表点到每个采样节点之间的扩展协方差向量；按照半方差模型分别计算得出样点对间协方差c(x_i，x_j)的扩展协方差矩阵c₊和估计代表点到样本点之间的协方差c(x)的扩展协方差向量c₊(x)，所述估计代表点为待测农业区域地块范围内的几何中心位置点。

S304：根据所述扩展协方差矩阵和扩展协方差向量计算扩展权重向量，通过所述扩展权重向量、以及所述排除了异常数据后的多元数据中每项属性的数据计算获得所述排除了异常数据后的多元数据中每项属性的代表属性值，并将所述代表属性值构成代表所述待测农业区域地块范围的多指标评价数据集。先通过下式计算扩展权重向量λ₊(x)，

$>{\lambda }_{+}\left(x\right)=C_{+}^{-1}{C}_{+}\left(x\right)$>

则扩展协方差向量的计算公式为：

$>Z^{*}\left(x\right)=\underset{i=1}{\overset{n}{\Sigma }}{\lambda }_{i}Z\left(x_i\right)$>

其中，Z^*(x)为区域地块的代表属性数据，Hg的几何中心点平均值Z^*(x)＝0.278，实现对区域地块的较为真实的代表属性值。

为提高数据质量减少因测试误差或者数据固有可变性造成的数据偏离，优选地，步骤S2之前，还包括以下步骤：

S101：对所述多元数据中每项属性的数据分别进行填补空缺值；本实施方式中，以空缺值纪录所在纪录行的前一条纪录的该属性值和后一条纪录的该属性值的平均值来填补该空缺值。

S102：对所述多元数据中每项属性的数据分别进行去除重复值；对同类别数据进行对比分析，基于距离的识别算法，即在误差一定的情况下研究两个字符串是否等值，若等值则将其中的一个去除。

优选地，步骤S4具体包括以下步骤：

S401：根据所述多指标评价数据集建立隶属度模糊矩阵，并通过各种重金属的危害构建综合权重向量(所述综合权重向量的构建参考hankason毒性响应系数和FAO/WHO制定的日常人体重金属摄入量标准，以两者的权重做加权标准化得到)；

S402：通过所述隶属度模糊矩阵、以及综合权重向量确定所述待测农业区域地块范围的土壤污染程度。

确定评价模型的论域以及模型要素：因素集U，决策集V和R的评价指标内容。

设定因素集U＝{x₁，...，x_i，...x_n}，其中x_i为n种地块重金属属性因素，其各因素的毒性危害权重向量为A＝(a₁，...，a_n)。

根据对应地区的土壤类型和土壤背景值，以及临界值和相关污染指数国家标准，制定对应的模糊综合评价决策集，决策集V＝{v₁，...，v_j，...v_m}，其中v_j为综合评判的等级。

参照山东棕壤背景值和国家标准GB15618综合评判等级表，如下表所示：

注：1级为未受污染，2级轻污染，3级中污染，4级重污染，5级严重污染，单位mg/kg

因素评判矩阵R＝(r_ij)_n×m，因素属性与评判等级之间的关系可通过建立隶属函数，用模糊关系矩阵R表示。

令模糊映射由模糊映射可诱导出模糊关系：$>{\underset{~}{R}}_f(u_i,v_j)=\underset{~}{f}\left(u_i\right)\left(v_j\right)=r_{\mathrm{ij}},$>由模糊矩阵R表示，其中

$>R=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1m}\\ r_{21}& r_{22}& ...& r_{2m}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ r_{n1}& r_{n2}& ...& r_{\mathrm{nm}}\end{array}\right)$>

进行模糊运算，需要确定隶属度函数，设定土壤环境综合评价等级为m个等级。根据单因子污染指标定义，分别升半梯形和降半梯形分布表述不同级别的隶属度函数。则：

1级隶属度：降半梯形分布

$>r\left(x\right)=\left(\begin{array}{cc}1& (x_i\le S_{\mathrm{ij}})\\ \frac{S_{\mathrm{ij}+1}-x_i}{S_{\mathrm{ij}+1}-S_{\mathrm{ij}}}& (S_{\mathrm{ij}}<x_i\le S_{\mathrm{ij}+1})\\ 0& (x_i>S_{\mathrm{ij}+1})\end{array}\right)$>

2级～m-1级隶属度：升降半梯形分布

$>r\left(x\right)=\left(\begin{array}{cc}0& (x_i\le S_{\mathrm{ij}})\\ \frac{x_i-S_{\mathrm{ij}-1}}{S_{\mathrm{ij}}-S_{\mathrm{ij}-1}}& (S_{\mathrm{ij}-1}<x_i\le S_{\mathrm{ij}})\\ \frac{S_{\mathrm{ij}+1}-x_i}{S_{\mathrm{ij}+1}-S_{\mathrm{ij}}}& (S_{\mathrm{ij}}<x_i\le S_{\mathrm{ij}+1})\\ 0& (x_i>S_{\mathrm{ij}+1})\end{array}\right)$>

m级隶属度：降半梯形分布

$>r\left(x\right)=\left(\begin{array}{cc}0& (x_i\le S_{\mathrm{ij}-1})\\ \frac{x_i-S_{\mathrm{ij}-1}}{S_{\mathrm{ij}}-S_{\mathrm{ij}-1}}& (S_{\mathrm{ij}-1}<x_i\le S_{\mathrm{ij}})\\ 1& (x_i>S_{\mathrm{ij}})\end{array}\right)$>

其中x_i为第i种元素地块代表属性值，S_ij为第i种元素的第j级评判标准。

确定的隶属度模糊矩阵为：

$>R=\left(\begin{array}{ccccc}0.448& 0.552& 0& 0& 0\\ 0& 0.36& 0.64& 0& 0\\ 1& 0& 0& 0& 0\\ 0.263& 0.737& 0& 0& 0\\ 0.629& 0.371& 0& 0& 0\\ 1& 0& 0& 0& 0\\ 0& 0.965& 0.035& 0& 0\end{array}\right)$>

考虑到重金属生态污染毒性和对人体健康的危害毒性程度，定义n项重金属等级为f₁，...，f_n。建立相应的重金属毒性系数作为综合评价的权重因子向量A＝(a₁，...，a_n)。其中做权重标准归一化，约束条件为以及根据潜在生态危害响应毒性系数以及FAO/WHO制定的日常人体摄入量标准，考虑到综合体现各种重金属对环境和人体健康的危害，确定重金属等级镉Cd、汞Hg、砷As、铜Cu、铅Pb、铬Cr、锌Zn分别为：f_Hg＝4，f_Cd＝f_Pb＝3，f_As＝f_Cr＝2，f_Cu＝f_Zn＝1。

毒性危害权重向量镉Cd、汞Hg、砷As、铜Cu、铅Pb、铬Cr、锌Zn为A＝(0.1875，0.25，0.125，0.0625，0.1875，0.125，0.0625)。

由综合权重向量A和单因子模糊矩阵R做综合评判利用加权平均模型M(·，+)对所有因素依权重大小均衡兼顾，适用于考虑各种因素起作用的情况。可得综合评判：B＝A°R，即B为多因子综合评判结果，B＝(b₁，...，b_n)向量集合。其中：

$>b_i=\underset{i=1}{\overset{n}{\Sigma }}{a}_i·r_{\mathrm{ij}}=\min \{1,\underset{i=1}{\overset{n}{\Sigma }}{a}_i·r_{\mathrm{ij}}\}$>

得到地块综合评价向量B＝(0.455005，0.38029，0.164705，0，0)，本实施方式的方法中获得土壤污染程度采用的是模糊评判方法，根据评判比重显示污染总体水平的趋势性和大致范围，根据所述地块综合评价向量看到总体污染水平介于轻度污染临界值附近，并且存在中度污染的重金属水平。

本实施方式中所提供的一种农业区域地块土壤重金属适宜性测试方法，提供了一套相对于提高区域地块土壤重金属合理测试的数据处理流程方法，能够有效地保证数据质量的同时，提高数据处理准确性从而提高了农业区域地块重金属土壤的测试准确性。

采用对地块采样数据进行数据预处理，排除异常数据，代表属性值的拟合提取，区域地块污染物综合测试的数据处理方式，最终实现对目标地块综合测试的准确性提高。首先获取某地块多点污染物属性采样数据。对获取数据进行数据预处理，进行统计检验排除异常数据。根据所述采样单项属性数据进行地统计拟合寻求合适的拟合数学模型，得到相应地块的几何中心拟合单项代表属性值。根据相应污染物重金属的采样元素做类似操作得到各项属性代表值。按照对应地区的土壤类型的重金属背景值和临界值，制定相应判别标准等级，建立合理的隶属度函数创建测试模糊矩阵，结合重金属生态毒性危害和人体健康危害作为权重测试向量，实现对区域地块土壤重金属的综合测试体系。最后按照测试结果得出结论。

本发明还公开了一种农业区域地块土壤重金属适宜性测试系统，所述系统包括：

检测模块，用于在待测农业区域地块范围内按照随机采样方式选择预设个数的采样节点，将所述采样节点的耕层土壤分别均匀混合后作为各采样节点的混合样本，对所述混合样本进行土壤重金属检测，获得各采样节点的多元数据，并记录所有采样节点的坐标数据；

数据处理模块，用于对所述多元数据中每项属性的数据分别进行数据处理，以排除异常数据；

插值拟合模块，用于对排除了异常数据后的多元数据中每项属性的数据分别进行插值拟合，以获得代表所述待测农业区域地块范围的多指标评价数据集；

污染程度确定模块，用于根据所述多指标评价数据集确定所述待测农业区域地块范围的土壤污染程度。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。