发布时间 : 星期六 文章GIS与空间分析毕业文献翻译 - 图文更新完毕开始阅读c9a50dc9647d27284a73510a
GIS Modelling for Site-Specific Nitrogen Fertilization towards Soil Sustainability （面向土壤可持续性的特异性氮肥GIS模型）
Editor：Antonis Papadopoulos 1, Dionissios Kalivas 2,* and Thomas Hatzichristos 1
Received: 22 January 2015 / Accepted: 20 May 2015 / Published: 26 May 2015
Resource: Sustainability 2015, 7, 6684-6705; doi:10.3390/su7066684
摘要： 在多数时候农户需要做出预测决定并且无法重来。施肥量的确定就是其中之一。在过去多年
的作物管理与肥料试验决策中，大多重大的失败都被记录下来了，这些大多导致并一直使得产量降低与环境弱化。本文的方法包含了GIS的使用、模糊集与专家知识，以用于在空间尺度上进行种植生态系统的氮平衡物理过程的模拟和特定肥料施用的作用与限制的估计。一种原始空间决策系统被设计、开发并应用于一块特定研究区域。该系统由两个模块组成（施肥量与肥料类型），对特定区域的土壤利用、气候与种植经验数据按特定数量与格式记录下来。根据各子区域对氮肥需要的特点对特定区域空间分类。“施肥量”模型显示了减少氮肥施用量与常规方法的对比结果。该系统进一步划分为各小区，给与每个小区的具有不同需肥类型、需要不同施肥量与施用时间的指导。
关键词： GIS；空间分析； 特异性氮肥施用；模糊集
1介绍
经验性的、而不是科学校正的在不同土壤条件下的氮肥施用的现实问题在希腊人的耕地管理上已有四十多年了。含水层硝酸盐下渗作用加强的结果导致种植管理者采取措施减少氮素使用，出台计划重视减轻地下水氮素污染。在此背景下，审视适应特定环境条件的施肥计划就十分重要了。这些条件可分为空间和时间，具体细分为土壤、气候、种植经验都应该包括在每施肥计划中。因此，成功的氮肥管理就是一项追求效益最优化与环境保护的一致，在合适的时间地点配置与管理。
特异位置的氮肥管理(SSNM)指的是氮肥用量在空间与时间进行合适的预先决策，提高氮素利用效率，减少对环境的不利影响。在精耕细做的系统中，预测特定位置的氮肥需要量是十分困难的，像分析土壤基底中的氮素移动，像植物吸收、矿化、固定、反硝化、过滤以及别的过程以复杂的方式相互作用。此外，像土壤、天气条件、耕地作业和作物生长都影响氮循环的不同组分，故而氮素控制的复杂性极大增加。
已提到，有一个能快速作业开发、校准、验证的工具需求，并且能估计氮肥需要量的同时氮素浓度不损害环境与水面资源。各种模拟模型已经开发完成并用于田间氮素管理的估计过程中。其中大多与空间模块相连，能进行施肥分区制图。大多数此类模型需要过多的数据，多数情况不易得到。此外，他们的估计过程需要特定专业知识并且认为需要复杂的专业计算机操作技术。
SSNM有一个关键的组成就是空间分析通过GIS实现的。农业管理连接着环境参数与有明显空间特征的自然资源，因此，GIS在提高农业产量尤其是参照田间施肥量上有关键作用。在大多数研究中，GIS用于处理模型输入与输出可视化结果。为了解决更复杂也更特殊的问题，像施肥管理加强的空间模型是需要的，这种集成模型应该是GIS与强大的决策方法的集成。在传统GIS模型中，多级地图通常转换成双重模型，区域之间弯曲的边界就会展现出来。尽管实际上从来没有确定的边界。引用控制论的观点来说，氮素管理是典型的在不确定基础上控制环境。而且，从环境的观点看，氮循环是典型
的被模糊的和固有的不确定包围的，如它包含大量物理化学过程和影响因素，这使得在如此模糊逻辑下很难去有效的模拟之。模糊集在支持决策这种环境现象是个重要的候选方法，他能引入目标与模糊关系进行分析，因此常在现在的研究中使用。不同的研究工作显示模糊理论在决策作物施肥这类问题时十分有效。
此研究的目的是要实现对于离散氮肥用量区域棉花产量的识别与制图的系统化和自动化步骤方法。此外，通过这样设计开发与应用这么一个空间决策支持模型，我们致力于展示GIS与模糊理论对于决策者解决符合SSNM的实际施肥需要的区域划定是十分有效的。可以想象，这样一个空间工具的开发对对外种植服务价值巨大，提供特定位置的精确施肥指导，对种植者与环境都有利。
2材料与方法
2.1 系统设计
一个合理的施肥决策应该基于科学知识与实验结果，很好的结合种植经验与环境条件。土壤中的硝酸盐由流动性很强的营养元素构成，使得它的利用要相当高的要求和多层次的决定。为了提供完整和显示的氮素施用指导，像每剂施用量，肥料类型，指的是其中游离氮的形式，施肥剂量，施用时间与方法以及推荐施肥用量的空间限制，都应该考虑进来。后者是相当必要的，只要我们认同农业是一个连续的、不断变化的受土壤、地质、气候和种植因素影响的系统。
该推荐方法考虑了两种系统的空间模型。前者负责计算在一个种植阶段应用中的推荐施肥量，后者会根据类型、时间和施肥方法提供一个全面描述的建议。速率模块的结构是通过在对种植系统中的氮循环的估计，通过氮素平衡方程翻译来的。类型模块考虑两种危险指标，避免由于酸化导致土壤降解和氮素淋溶损失的限制。两个模块都集合了模糊集的观点和GIS环境下的功能，意味着他们设计为可以使用电子地图与关系数据库。此外，该系统能够支持多尺度的决策，适宜解决用户需要与数据可用性。空间决策支持模型的结构如下图1展示。模型开发基于Model Builder 10.1工具ArcGIS软件环境，充分发挥其在空间分析上的能力。
Figure 1 概念系统设计
纳入系统的变量和用于系统估计的数据都会根据他们的科学的和被证明的与合理施肥与环境友好目标的联系来进行仔细甄别。此外，访问与检索与最少参数组合的模型数据的能力是选择系统参数最重要的标准。系统保持灵活，能根据特定位置需要添加变量与减少多余参数。数据能是空间显示的或是描述性的，连续的，分类的。由于系统提供的专家知识水平，通过模糊集的使用，一个强大的能代
替与解决模糊环境现象的框架就形成了。
2.2 空间模块 “施肥量”与“施肥类型”
施肥量模型是基于氮平衡的模糊估计方法。该模型根据氮吸收过程的模糊估计得到的土壤对氮的需求量将参考数据进行分类。模型中的这些过程有硝酸滤过、反硝化作用、植物吸收和氨态挥发，这些被视作土壤系统的输出，而且根据土壤系统的输入，指有机态氮矿化、无机残留的氮素和通过灌溉加入的氮。该模型并不考虑氮的固定，因为相比于希腊土壤条件下别的输出对于氮平衡的贡献较低。通过模糊推理方法，模型会辨别哪些地方最需要氮肥，并对参考区域进行分级标识施肥需要。换句话说，负值就说明该地氮素输入小于输出，对于此类区域，模型会给于施肥建议。正值就说明氮肥储备充足，而此时施肥计划就应瞄准经过种植阶段保持氮肥长效可用性。施肥量模型需要14个正式指标来保证准确估计。
Table 1 两个模型中使用的参数
该施肥量模型充分利用五个正式指标(如表1)还考虑两项土壤退化风险来推荐氮肥施用处方。第一
项是土壤酸化的风险和经模糊估计的土壤PH，指每年降雨，灌溉系统的使用和酸性肥料的使用。第二项风险指潜在氮素流失，由土壤粘土容重与年平均降水量来模糊估计。具体模型对这两项风险进行模糊估计，将脆弱位置的风险归结为隶属度从0到1的范围。增加值表示随后增加的流失与酸化的潜在风险。该模型进一步绘制了以模糊分类形式确定的施肥推荐图。后者的任务基于科学的和通过采访和专家参与的应用评价来的。
2.3. 研究区域
选择该区域为了应用与证明在希腊中部的Kopaida平原的各类棉花地利用空间施肥模型的效果。研究区域的选定基于一定的环境标准。Kopaida平原以棉田著名同时也很适合设立一个大面积的氮素施肥应用基地。它也被视为七个希腊最易受氮素污染的地方之一。该区域的地表水显示遭受高值硝酸盐污染，多由农业生产和氮肥过量使用所致。此外，该研究区域被生态敏感区所包围，在Natura 2000网站上所标注，作为一个必须被保卫与保存的重要资源地。该研究区域站地9000公顷。
Figure 2 研究区域
研究区的平均长度11km，宽度约8km，平均海拔95米。该地地形平缓伴有小丘。该区大面积的土壤在钙质或非钙质的低坡母质上，在强烈侵蚀与物质转化中发育而来。对参考土壤的空间分配与分类如图三显示。
Figure 3 研究区域与土壤采样点分布图
该流域，作为感兴趣区域的一部分，位列半干旱区域的范围，是地中海和高海拔大陆性气候特征。横跨宽阔的区域，气候参数变化很大。年平均降水达678毫米，45.1%发生在冬季。在夏季，平均降水低至50毫米，最热季节是七月，平均气温26.2摄氏度，最冷一月，6.6摄氏度。至于霜冻天气，多发生在12月、1月、2月以及3月部分时间，通常会对作物造成伤害。
2.4. 数据收集与管理
土壤的物理化学参数是基于对该区的的土壤调查取样取得的。为了验证土壤调查取回的包含过期的数据，95%的该区域的土样都要采集与分析其物理化学属性。这些差异主要由表土层造成，并会调整向更新的土壤数据结果。更具体的说，土壤调查会被数字化记录，产生一个包含土壤制图单元的多