全 文 ：中国生态农业学报 2015年 10月 第 23卷 第 10期
Chinese Journal of Eco-Agriculture, Oct. 2015, 23(10): 12851292


* 国家自然科学基金项目(41401609)和中国矿业大学煤炭资源与安全开采国家重点实验室开放基金项目(SKLCRSM13KFB07)资助
** 通讯作者: 肖武, 主要从事土地复垦与生态修复研究。E-mail: xiaowuwx@126.com
张建勇, 研究方向为土地复垦与生态重建。E-mail: zjy_xkd@126.com
收稿日期: 20150209 接受日期: 20150507
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.150206
基于全排列多边形图示指标法的土壤肥力质量评价*
张建勇1 肖 武1,2** 王 铮1 台晓丽1 王鹏飞1 蒋 舒1 王婷婷1
(1. 中国矿业大学(北京)土地复垦与生态重建研究所 北京 100083;
2. 中国矿业大学(北京)煤炭资源与安全开采国家重点实验室 北京 100083)
摘 要 土壤对于植物生长和土地生产力极其重要, 了解和掌握土壤肥力质量有助于认识土壤环境状况, 并
有效和合理地利用土地。当前, 土壤肥力质量评价有许多种方法。本研究将全排列多边形图示指标方法引入
土壤肥力质量评价, 并以吉林省黑土为例, 从土壤养分、结构和环境 3 方面建立评价指标体系和分级标准, 将
具有代表性的 13 个野外定点采样的测试数据进行评价, 同时与可拓评价法、改进的人工神经网络法的评价结
果进行对比分析, 验证了本方法的可行性。结果表明: 研究区内选取的 13 个样点, 肥力质量均为Ⅲ类级别, 肥
力质量中等; 针对不同样点所存在的限制因素, 可提出土壤改良与改善的对策, G3、G7 和 G8 样点的土壤需要
增施磷肥, G4、G10 和 G14 样点的土壤应注意耕作制度和改良土壤结构。与其他评价方法比较发现, 全排列多
边形图示指标法用于土壤肥力质量评价是可行的, 评价结果一致性高, 仅在 3 个或 1 个样点的评价结果不一
致。全排列多边形图示指标法简便易懂, 方便编程实现参评因子量化处理, 避免主观随意性。此方法是土壤肥
力质量评价的新方法, 可为其他地区或土壤类型的土壤肥力质量评价提供一定的参考价值。
关键词 黑土 土壤肥力 全排列多边形图示 指标法
中图分类号: S159 文献标识码: A 文章编号: 1671-3990(2015)10-1285-08
Evaluation of the quality of soil fertility using entire-array-polygon
indicator method
ZHANG Jianyong1, XIAO Wu1,2, WANG Zheng1, TAI Xiaoli1, WANG Pengfei1, JIANG Shu1, WANG Tingting1
(1. Institute of Land Reclamation and Ecological Restoration, China University of Mining & Technology, Beijing 100083, China;
2. State Key Laboratory of Coal Resources and Safe Mining, China University of Mining & Technology, Beijing 100083, China)
Abstract Soil is extremely important for plant growth and land productivity. A good understanding of the soil fertility quality
is helpful to clearly learn soil environment condition, and it also contributes to effectively and rationally use of land resources.
Currently, there are many methods evaluating soil fertility quality and assessing the condition of soil environment. However,
due to subjective experience influencing on indicator weight decision, the results of these evaluation methods are more or less
deviation from actual situation. And the results are usually not visualized. In this study, a new method — entire-array-polygon
graphical representation and indicator method, a method used in eco-city evaluation, was used to evaluate soil fertility quality.
The feasibility of the entire-array-polygon indicator method was also verified. A black soil in Jilin Province was used to
establish both the evaluation indicator system and classification standard from three aspects — soil nutrient, soil structure and
soil environment. The study evaluated a representative test data taken from 13 field sampling points in black soil fields in Jilin
Province. The evaluation results of the entire-array-polygon indicator method were compared with the results of extenic
method and improved artificial neural network method. The results clearly showed that soil fertility quality at the 13 sampling
points in the study area was level III and the soil quality belonged to moderate grade. The study also advanced soil
improvement measures based on the limiting factors of different sampling points. Sampling points G3, G7 and G8 needed more
phosphor fertilizer, points G4, G10 and G14 needed more attention in terms of cropping systems and improvement of soil
1286 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
structure. The results of comparison with other evaluation methods indicated that the entire-array-polygon method was feasible
for evaluating soil fertility quality. The evaluation results were highly consistent with those of other methods, with different
evaluation results for only 1 to 3 sampling points. The entire-array-polygon indicator method was visual and easy to
understand and convenient to quantify in terms of programming evaluation factors and avoiding subjective and arbitrary. It
proved to be a new and useful method for evaluating soil fertility quality and provided a reference for application in other
regions or soil types for assessing soil fertility quality.
Keywords Black soil; Soil fertility; Entire-array-polygon graphical representation; Indicator method
(Received Feb. 9, 2015; accepted May 7, 2015)
土壤是固态地球表面的具有生命活动、处于生
物与环境间进行物质循环和能量交换的疏松表层[1],
是土地生产力赖以存在的基础。土壤肥力评价有助
于了解土壤环境的变化趋势和发展规律, 为土地的
合理利用、规划和治理修复等提供科学依据。土壤
肥力质量是土壤系统的化学、生物和物理组分之间
复杂相互作用的综合体现, 受多种因子的复合影响,
单个因子仅能够从某一方面反映土壤的肥力质量 ,
而多因子角度综合评价能够反映土壤的整体肥力质
量, 具有更好的实际应用意义。目前, 许多研究采
用了系统而综合的评价方法进行土壤肥力质量评
价 , 主要有物元可拓法 [2]、人工神经网络方法 [3]、
模糊综合评判法[4]、层次分析法[5]、灰色关联度法[6]、
属性识别模型 [7]和相对土壤质量指数法 [8]等 , 并且
都取得了良好的结果。然而, 这些方法在一定程度
上受人为因素的影响较大, 指标权重受主观经验的
影响, 使得评价结果或多或少地偏离真实情况; 评
价结果的表达也不够形象直观, 较多方法仅有数学
解析结果, 表达结果不够直观等问题。针对以上问
题, 本文借助生态城市评价的思想方法[9], 遵循“问
题诊断、现状分析、模式评价和政策指导”的思路, 将
全排列多边形图示指标法应用到土壤肥力质量评价
中, 以吉林省黑土实例为研究区, 验证本方法的可
行性, 并与可拓评价法[2]、BFA-BP 模型[3]的评价结
果加以比较分析, 检验本方法的评价精度, 并对本
方法的适用性加以讨论。本方法避免了确定权重系
数的主观随意性, 从单项指标和综合指标两个方面
来进行土壤肥力质量的客观评价, 从代数解析数值
和几何直观图示两个方面表达评价结果。
1 全排列多边形图示指标法基本原理
全排列多边形图示指标法在环境[910]、资源[1112]
等方面已得到广泛的应用 , 取得了较好的研究效
果。该方法的基本思想是[9], 设共有 n 个指标(标准
化后的值), 以这些指标的上限值为半径构成一个中
心 n 边形, 各指标值的连线构成一个不规则中心 n
边形, 这个不规则中心 n 边形的顶点是 n 个指标的
一个首尾相接的全排列 , n 个指标总共可以构成
(n1)!/2个不同的不规则中心 n边形, 综合指数定义
为所有这些不规则多边形面积的均值与中心多边形
面积的比值。
1.1 指标值的标准化
指标值标准化方法采用下列标准化函数:
( ) ( ) /( c)F x a x b x   (a≠0, x≥0) (1)
F( x )满足: F(x)|x=L = 1, F(x)|x=T = 0, F(x)|x=U =1。
其中: U为指标 x的上限, L为指标 x的下限, T为指
标 x的临界值。
根据以上条件, 可得出:
( )( )( )=
( 2 ) 2
U L U TF x
U L T x UT LT LU
 
    
(a≠0, x≥0) (2)
根据 F(x)的特点可以证明, 当 x [∈ L, U]时, F(x)
有如下性质:
1)F(x)有意义, 即在定义区间无奇异值; 2)F′(x)≥0;
3)当 x=(U+L)/2 时, F′(x)=0, 这时 F(x)为线性函数;
4)当 x (∈ T, U)时, F″(x)>0; 5)当 x [∈ L, T]时, F″(x)<0;
6)当 x=T时, F″(x)=0。
由 F(x)的性质可知, 标准化函数 F(x)把位于区
间[L, U]的指标值映射到[1, 1]区间。且映射后的值
改变了指标的增长速度, 当指标值位于临界值以下
时, 标准化后的指标增长速度逐渐降低, 当指标值
位于临界值以上时, 标准化后的指标增长速度逐渐
增加, 即指标由没有标准化以前的沿 x 轴的线性增
长变为标准化后的“快慢快”的非线性增长, 临界
值为指标增长速度的转折点。
因此, 对于第 i个指标 xi, 标准化计算公式为:
( )( )
( 2 ) 2
i i i i
i
i i i i i i i i i i
U L x T
S
U L T x U T L T U L
       (3)
式中: iL 、 iT 、 iU 分别为指标 ix 的最小值、阈值和
最大值。
1.2 综合指数的计算
全排列多边形综合指数的计算公式如下:
, ,
1 ( 1)( 1)
2 ( 1)
n
i j
i j i j
S S S
n n 
    (4)
第 10期 张建勇等: 基于全排列多边形图示指标法的土壤肥力质量评价 1287


http://www.ecoagri.ac.cn
式中: iS 、 jS 为第 i、j个分项指标的标准化值, S 为
综合指标值。
1.3 多边形图示指标的绘制
将标准化之后的各项指标值展绘到对应的指标
轴[1, 1]之间, 再依次连接各点形成一个不规则的
多边形。利用 n 个指标可以做出一个中心正 n 边形
的 n 个顶点为 Si=1 时的值, 中心点为 Si=1 时的值,
中心点到顶点的线段为各指标标准化值所在区间
[1, 1]; 而 Si=0 时构成的多边形为指标的临界区。
临界区的内部区域表示各指标的标准化值在临界值
以下, 其值为负; 外部区域表示各指标的标准化值
在临界值以上, 其值为正。各单项指标的大小及其
与最大值、最小值的差距随时间变化而动态变化[9]。
该综合方法改传统加法为多维乘法, 当分项指标
值落在临界值以下时, 边长小于1, 对综合指标产生紧
缩效应[F″(x)]<0; 当分项指标值落在临界值以上时,
边长大于 1, 对综合指标产生放大效应[F″(x))>0, 反映
了整体大于或小于部分之和的系统整合原理。
本研究将全排列多边形图示指标法引入土壤肥
力质量评价, 可以对土壤肥力质量现状进行分析、评
价, 总体了解区域土壤肥力质量, 也可以掌握其单项
指标的不足, 并依此指定相应的改善措施和对策。
2 土壤肥力质量评价
2.1 研究区概况与数据来源
我国东北地区的黑土肥力高、腐殖质层深厚 ,
垦殖指数高(75.56%), 被视为土壤中的精品, 是我
国重要的商品粮基地 [13]。本研究选取吉林省黑土
区为研究对象 , 主要位于京哈铁路两侧山前台地
及其蔓延地带 , 分布在榆树市、农安市、德惠市、
九台市、长春市、公主岭市和四平市等 , 总面积
1.1万 km2, 其中长春和四平两市黑土面积占全省黑
土总面积 88.6%。吉林省黑土区为温带半湿润季风
气候, 四季分明, 年平均气温 4.6~5.6 , ℃ 年平均降
水量 500~650 mm。
数据来源于文献[2], 共有采集样点 15个。这些
采样点是基于吉林省第 2 次土壤普查典型剖面以及
农业肥料站试验点位置而定, 并考虑成土因素和样
点的代表性, 适当增加了黑土面积分布多的长春、
四平两地样点数量。样点耕作层用多点蛇形采样得
到混合土样, 单个点呈梅花状采样。采样点的地形
平坦略有坡度, 以坡耕地为主要土地利用方式, 用
GPS 野外定位[2]。本研究筛选了除水田样点 G9 和
G13之外的 13个旱地采样点。
2.2 研究的评价指标体系与等级划分
本研究选取了养分、环境和结构 3 类土壤指标
进行肥力质量评价。由于有机质与全氮两项指标高
度相关性 , 因此本研究的养分指标包括有机质
(SOM)、速效磷(AP)和速效钾(AK)3项, 环境指标包
括阳离子交换量(CEC)、容重(BD)、酸碱度(pH)、黏
粒(CP)4项, 结构性指标包括大于 0.25 mm水稳性团
聚体含量(WSA＞0.25)和分散率(DR)2项。13个样点的
实测数据(表 1)引自文献[2]。
根据全国第 3 次土壤普查标准, 结合前人关于
黑土的研究成果[2], 将土壤肥力质量划分为 5 个等
级, 分别代表劣等(Ⅰ)、较劣等(Ⅱ)、中等(Ⅲ)、较
优等(Ⅳ)和优等(Ⅴ), 每项评价指标按照质量等级分
别确定了一个范围值, 见表 2。
表 1 研究区黑土肥力质量评价指标实测数据[2]
Table 1 Testing data of evaluation indexes of black soil fertility quality in the study area
采样点
Sampling point
SOM
(g·kg1)
AP
(mg·kg1)
AK
(mg·kg1)
WSA＞0.25
(%)
DR
(%)
CEC
(cmol·kg1)
BD
(g·cm3) pH
CP
(%)
G1 22.9 13.7 111 30.4 47.0 20.9 1.41 6.32 33.0
G2 26.6 9.7 114 33.3 46.9 32.7 1.22 5.92 31.1
G3 29.6 2.8 131 27.3 56.5 25.3 1.27 6.22 30.1
G4 15.3 23.3 107 19.7 85.6 18.8 1.46 6.14 24.2
G5 23.6 33.1 167 21.5 61.4 19.4 1.32 6.20 23.8
G6 22.6 11.2 113 26.2 53.1 23.2 1.52 6.38 35.3
G7 28.5 14.4 103 14.1 69.6 25.6 1.37 6.10 23.1
G8 20.3 4.0 114 31.2 43.5 22.8 1.30 6.68 28.7
G10 19.9 20.4 197 14.3 89.5 18.5 1.52 6.70 17.1
G11 32.0 9.0 113 25.1 69.5 26.5 1.32 6.58 31.8
G12 26.6 13.9 134 32.6 69.5 22.6 1.48 6.22 36.5
G14 27.3 11.3 83 26.7 90.6 26.0 1.35 6.90 25.0
G15 21.4 22.7 187 50.1 79.1 27.5 1.35 6.21 44.4
SOM: 有机质含量; AP: 速效磷含量; AK: 速效钾含量; WSA＞0.25: 大于 0.25 mm水稳性团聚体含量; DR: 分散率; CEC: 阳离子交换量;
BD: 容重; CP: 黏粒含量。下同。SOM: organic matter content; AP: available phosphorus content; AK: available potassium content; WSA＞0.25: >0.25
mm water stable aggregates contents; DR: dispersion rate; CEC: cation exchange capacity; BD: bulk density; CP: clay content. The same below.
1288 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
表 2 研究区黑土肥力质量评价指标分级标准
Table 2 Classification standards of evaluation indicators of black soil fertility quality in the study area
养分指标
Nutrient index
结构指标
Structure index
环境指标
Environment index 评价等级
Evaluation
grade SOM
(g·kg1)
AP
(mg·kg1)
AK
(mg·kg1)
WSA＞0.25
(%)
DR
(%)
CEC
(cmol·kg1)
BD
(g·cm3) pH
CP
(%)
等级描述
Evaluation
description
Ⅰ (5, 10] (2, 5] (60, 80] (5, 20] (91, 70) (0, 20] (1.65, 1.55) (4.5, 5.0](9.0, 8.5] (5, 10] [45, 50) 极差 Worst
Ⅱ (10, 15] (5, 10] (80, 110] (20, 30] [70, 60) (20, 30] [1.55, 1.45) (5.0, 5.5] (8.5, 8.0] (10, 15] [40, 45) 较差 Worse
Ⅲ (15, 20] (10, 20] (110, 150] (30, 40] [60, 50) (30, 40] [1.45, 1.35) (5.5, 6.0] (8.0, 7.5] (15, 20] [35, 40) 中等
Moderate
Ⅳ (20, 25] (20, 30] (150, 200] (40, 50] [50, 40) (40, 50] [1.35, 1.25) (6.0, 6.5] (7.5, 7.0] (20, 25] [30, 35) 较好 Better
Ⅴ (25, 30) (30, 35) (200, 300] (50, 60) [40, 30) (50, 60) [1.25, 1.00) (6.5, 7.0) (25, 30) 极好 Best

2.3 指标值的标准化
1)为了有效评价黑土肥力质量, 将评价分级标
准为双侧区间(pH 和 CP)的实测指标值和分级区间
值进行归一化处理, 本文参照《地下水环境技术导
则(HJ610—2011)》的处理方法, 计算公式如下:
0
0
su 0
0
0
0
>

i i
i i
i
i
i i
i i
i sd
s S
s S
S S
S S s
s S
S S
      ≤
( )
( )
(5)
式中: iS 为第 i项指标归一化处理之后的指标值, Si0
为第 i 项指标双侧区间的中值, Si为第 i项指标实测
指标值, Ssd为第 i项指标的下限值, Ssu为第 i项指标
的上限值。
2)为了便于评价结果与分级标准相比较, 将实
测数据和土壤肥力质量评价分级标准的 5 级指标值
纳入样本数据, 求取 9项指标的最小值(Li)、平均值
(Ti)和最大值(Ui)。考虑到双侧区间指标的特殊情形,
将归一化后的 pH和 CP的最大值设定为 0。
3)正向指标是评价指标与黑土肥力质量呈正相
关的指标, 反向指标是评价指标与黑土肥力质量呈
反相关的指标。pH 和 CP 经过归一化处理之后, 本
文除 BD和 DR为反向指标外, 其余均为正向指标。
对指标值进行标准化时, 正向指标直接采用公式(3),
反向指标采用公式(3)计算后再取相反数。
2.4 综合指数的测算
将标准化数据代入公式(4), 计算各样点数据的
分项指标值和综合指数值。通过本文所采用的 5 级
评价标准与样本数据的综合指数相比较, 确定样点
的土壤肥力质量级别。从综合指数计算结果可以看
出, 参与评价的 13个样点综合指数均大于Ⅲ类而小
于Ⅳ类土壤肥力的综合指数, 故这些样点的肥力质
量属于Ⅲ类土壤, 结果详见表 3。从样点数据的评价
结果发现, 研究区内 13个样点的土壤肥力级别均属
于Ⅲ级。
2.5 评价结果的图示表达
经过标准化后的 9 项指标值为顶点绘制不同采
样点的多边形(图 1), 按照综合指数从大到小的顺序
分幅绘制, 反映了吉林黑土地区采样点土壤肥力质
量的不同性态与趋势。
3 评价结果与分析
全排列多边形图示指标法可单独分析各项黑土
肥力因子 , 展现各个因子对黑土肥力的贡献程度 ;
也可综合评价黑土肥力质量, 其综合指数反映了黑
土肥力质量的综合水平。
3.1 单项指标值变化特征与分析
将单项指标的标准化数值按照土壤肥力质量的
五类分级标准值进行比较 , 并统计各类别的个数 ,
根据“中位数众数”理论[14], 定性地预判评价级别(最
大类别数对应的最大类别)分析(表 4)。
评价的综合指数从大到小依次排序 , 样点 G2
最优, 样点 G4最差(表 3)。结合定性的(表 4)和定量
的(图 2)可看出, G2 样点表土干燥松散, 颗粒细小,
各项指标的标准化值大且较均匀, 有两项指标为Ⅴ
类、3项指标为Ⅳ类、4项指标为Ⅲ类、1项为Ⅱ类,
因此综合指数最高。G4采样点黑土中度至重度退化,
块状结构, 孔隙比小, 致密较硬, 板结严重[2]; 各项
指标的标准化值差异较大且不均等, 有 3 项指标为
Ⅳ类、2项指标为Ⅲ类、2项为Ⅱ类、3项为 I类, 因
此综合指数最低。
根据评价的综合指数结果(表 3), 研究区 13 个
样点的黑土肥力质量等级仅有Ⅲ类一个类别。以样
点数为横轴, 全排列多边形图示指标法的综合指数
为纵轴, 可绘制反映研究区黑土肥力质量评价结果
与肥力分级之间关系的图示(图 2), 总体上看来研究
区黑土肥力质量仍以Ⅲ类占有绝对优势。与本区域
其他研究方法对比(如可拓评价法[2]、GIS 方法[15]),
其结果基本一致, 表明全排列多边形图示指标法进
第 10期 张建勇等: 基于全排列多边形图示指标法的土壤肥力质量评价 1289


http://www.ecoagri.ac.cn
表 3 研究区各采样点黑土肥力质量全排列方法评价结果及与其他方法结果的对照表
Table 3 Evaluation result of entire-array-polygon indicator method about black soil fertility quality in the study area and
comparison with results of other evaluation methods
单项综合指数
Individual comprehensive index
全排列方法评价结果
Evaluation results of entire-array-polygon indictor
method 采样点
Sampling
point 养分指标
Nutrient
index
结构指标
Structure
index
环境指标
Environment
index
综合指数
Comprehensive
index
综合指数排序
Comprehensive
index order
评价级别
Evaluation
rank
物元可拓法
评价结果
Evaluation
results of
extenics
method
BFA-BP法
评价结果
Evaluation results
of improved
artificial neural
network method
G1 0.241 3 0.415 0 0.281 8 0.296 6 7 Ⅲ Ⅳ 2* Ⅲ~Ⅳ 3*
G2 0.245 1 0.460 6 0.473 6 0.393 2 1 Ⅲ Ⅲ 6 Ⅲ~Ⅳ 2
G3 0.206 8 0.292 5 0.453 8 0.342 3 5 Ⅲ Ⅲ 13 Ⅲ~Ⅳ 4
G4 0.228 1 0.031 6 0.242 9 0.186 1 13 Ⅲ Ⅲ 9 Ⅲ 13
G5 0.593 2 0.194 6 0.344 1 0.382 4 2 Ⅲ Ⅳ 1 Ⅲ~Ⅳ 5
G6 0.215 0 0.305 8 0.208 8 0.234 7 11 Ⅲ Ⅲ 5 Ⅲ 9
G7 0.309 5 0.090 6 0.317 0 0.255 9 9 Ⅲ Ⅲ 12 Ⅲ 12
G8 0.116 8 0.459 0 0.565 1 0.363 3 3 Ⅲ Ⅲ 7 Ⅲ~Ⅳ 7
G10 0.469 0 0.005 0 0.206 2 0.216 3 12 Ⅲ Ⅲ 11 Ⅲ 11
G11 0.310 6 0.168 5 0.467 4 0.348 2 4 Ⅲ Ⅲ 10 Ⅲ~Ⅳ 6
G12 0.339 9 0.225 1 0.193 2 0.249 2 10 Ⅲ Ⅲ 4 Ⅲ 8
G14 0.219 0 0 0.481 3 0.269 0 8 Ⅲ Ⅲ 8 Ⅲ 10
G15 0.496 3 0.205 1 0.208 2 0.328 0 6 Ⅲ Ⅳ 3 Ⅳ 1
Ⅰ类 Level Ⅰ 0 0 0 0 — — — —
Ⅱ类 Level Ⅱ 0.048 5 0.188 2 0.036 1 0.066 6 — — — —
Ⅲ类 Level Ⅲ 0.133 6 0.382 6 0.137 4 0.181 6 — — — —
Ⅳ类 Level Ⅳ 0.344 6 0.650 3 0.346 1 0.407 5 — — — —
Ⅴ类 Level Ⅴ 0.718 5 0.997 6 0.751 1 0.795 2 — — — —
*代表评价的土壤肥力等级的综合指数排序号。* stands for the order number of comprehensive index of soil fertility level.

图 1 研究区黑土肥力质量评价样点标准化指标值的多边形图示
Fig. 1 Polygon indicators of standardized indexes values of black soil fertility quality evaluation of the sampling points
行土壤肥力质量评价是可行的。
3.2 不同评价方法综合指数差异与分析
在 3种评价方法的分级结果(表 3)中, 10个样点
保持了一致, 占到样点总数的 77%; 而全排列多边
形图示指标法与物元可拓法有 3 个样点(G1、G5 和
G15)有差异, 与 BFA-BP方法仅有 1个样点(G15)有
区别。物元可拓法把每个因子方差占总方差的比例,
作为各项评价指标的权重, >0.25 mm水稳性团聚体
含量的权重最大(0.119), 分散率的权重(0.059)最小。
不同于传统加权方法, 全排列多边形图示指标法的
优势在于避免了权系数的人为评判, 结果的主观随
意性减少。
将不同方法评价等级有差异的 3 个样点的各项
评价指标标准化值绘制与各等级土壤标准值做多边
形图示(图 3)。根据木桶原理, 样点 G1 的黑土结构
性态较好, 但养分状况和环境条件(阳离子交换量较
1290 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
表 4 研究区各采样点黑土肥力质量分级统计
Table 4 Classification statistic of black soil fertility quality in the study area
各级别的指标个数 Number of indicators of every grade采样点
Sampling point Ⅴ Ⅳ Ⅲ Ⅱ Ⅰ
最大类别数
Maximum grade
number
最大类别
Maximum grade
最终预判级别
Anticipated grade
G1 0 4 4 1 0 4 Ⅳ, Ⅲ Ⅳ, Ⅲ
G2 2 2 4 1 0 4 Ⅲ Ⅳ, Ⅲ
G3 1 3 2 2 1 3 Ⅳ Ⅳ, Ⅲ
G4 0 3 1 2 3 3 Ⅳ, Ⅰ Ⅲ, Ⅱ
G5 1 5 0 2 1 5 Ⅳ Ⅳ, Ⅲ
G6 0 2 4 3 0 4 Ⅲ Ⅲ, Ⅱ
G7 1 2 3 2 1 3 Ⅲ Ⅲ
G8 2 3 3 0 1 3 Ⅴ, Ⅲ Ⅴ, Ⅲ
G10 1 2 2 1 3 3 Ⅲ, Ⅰ Ⅲ, Ⅱ
G11 2 2 1 4 0 4 Ⅱ Ⅲ, Ⅱ
G12 1 1 4 3 0 4 Ⅲ Ⅲ
G14 3 1 1 3 1 3 Ⅴ, Ⅱ Ⅳ, Ⅲ
G15 1 5 0 2 1 5 Ⅳ Ⅳ, Ⅲ

图 2 研究区各采样点黑土肥力质量评价分项指标与综合指数
Fig. 2 Evaluation results of group-index and comprehensive index of soil fertility quality of black soil in the study area
差)中等, 故综合确定为Ⅲ类较合理; 而样点 G5 的
结构性态和环境条件劣于样点 G2, 仅有养分状况显
著优于样点G2, 综合指数略小于样点G2, 故综合确
定为Ⅲ类较合理; 样点 G15 虽然养分状况较好, 但
环境条件(阳离子交换量和黏粒较差)、黑土结构性态
(分散率极差)制约了评价类级, 故综合确定为Ⅲ类
合理。
为了反映 3 种评价方法的评价结果之间的关
系 , 以及不同样点综合指数的总体趋势 , 根据样
点数和各自方法评价结果值绘制了图 4。结合表 3,
可以发现: 3种评价方法的评价结果折线走势相似,
特别是 BFA-BP 与本文的评价方法具有很好的一
致性。
4 结论
基于引用的野外定点采样的黑土样品测试结果,
构建包括养分、结构和环境的评价指标体系, 确定
适宜的肥力质量评价分级标准, 通过全排列多边形
图示指标法进行肥力质量评价, 并与已有文献的评
价结果对比进行验证方法的可行性。得到以下结论:
1)全排列多边形图示指标法可用于土壤肥力质
量评价, 不仅可以综合评价土壤肥力质量, 也可单
独分析单项指标的影响, 发现优势指标和劣势指标,
从而为合理地开发和利用黑土提供决策依据。研究
区的黑土样点13个, 肥力质量均为Ⅲ类; 样点G3、
G7和G8在利用的过程中, 应注意增施磷肥。
第 10期 张建勇等: 基于全排列多边形图示指标法的土壤肥力质量评价 1291


http://www.ecoagri.ac.cn

图 3 不同方法评价等级有差异的 3个差异样点的标准化
指标值的多边形图
Fig. 3 Polygon of standardized values of indexes of 3 sampling
points with different results of different evaluation methods
2)本文考虑养分、结构和环境 3个方面指标, 综
合评价了研究区黑土肥力质量, 结果表明研究区黑
土肥力质量以Ⅲ类为主, 养分状况和环境条件中上
等, 且区域分布较为均衡, 而结构性态区域差异性
显著, 在合理利用土地的同时需要注重改善黑土的
结构性态。根据多边形图示, 可以制定样点 G4、G10
和 G14所在地区黑土肥力质量的土壤结构改善措施
和耕作制度。
3)与物元可拓法和 BFA-BP 法评价结果进行比
较表明, 3种评价方法的结果具有较好的一致性, 符
合实际情况。全排列多边形图示指标法与物元可拓
法有 10 个样点相同, 占 77%; 而与 BFA-BP 方法有
12个样点一致, 占 92%。
4)全排列多边形图示指标法简便易懂, 方便通
过编程实现。本方法确定适宜的上限、下限和阈值
即可运算, 避免主观随意, 无需人为主观评判权系
数; 改传统加法为多维乘法, 反映出整体大于或小
于部分之和的系统整合原理, 对综合指标有放大和

图 4 3种评价方法的评价结果比较
Fig. 4 Results comparison of three evaluation methods
紧缩效应; 评价结果有单项指标和综合指标的数值,
同时有代数解析数值和几何直观图示, 便于发现问
题, 及时指定改良土壤的策略。
此外, 全排列多边形图示指标法尚不能表达土
壤肥力质量的空间分布, 可结合空间分析功能强大
的GIS深入研究。本研究通过图示直观看到单项指标
的状况, 但没有指出单项指标的区域分异, 需要进
一步调研后结合采样点的立地条件提出有效的改善
措施。
本研究从土壤养分、结构和环境3方面建立了吉
林省的黑土肥力质量状况的评价指标体系和分级标
准, 能够较好地反映东北地区的黑土肥力质量, 但
仍有待于进一步完善; 其适用范围有限, 进行其他
地区或土壤类型肥力质量评价时, 需要在此基础上
加以调整。本方法在大尺度研究区域的土壤肥力质
量评价取得较好的结果, 由于土壤肥力指标具有一
定的空间差异性, 特别是小尺度研究可在经验丰富
的专家咨询基础上 , 适当对极个别指标改变权重 ,
以使评价结果更加合理, 对区域土壤肥力质量的认
识和实践工作的指导意义更强。
1292 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
参考文献
[1] 赵其国 . 中国土壤学学科发展战略研究报告[J]. 地球科学
进展, 1996, 11(2): 151–159
Zhao Q G. Research report on the discipline development
strategy of pedology in China[J]. Advance in Earth Sciences,
1996, 11(2): 151–159
[2] 秦焱 . 吉林省黑土肥力质量评价及结构退化机理研究[D].
长春: 吉林大学, 2007
Qin Y. Study on mechanism of structure degradation and
fertility evaluation of black soil in Jilin Province[D].
Changchun: Jilin University, 2007
[3] 赵艳玲, 何厅厅, 侯占东, 等. 基于 BFA-BP 神经网络的土
壤肥力评价[J]. 江苏农业科学, 2013, 41(8): 340–344
Zhao Y L, He T T, Hou Z D, et al. Soil fertility evaluation
based on BFA-BP and neural network[J]. Jiangsu Agricultural
Sciences, 2013, 41(8): 340–344
[4] 王建国 , 杨林章 , 单艳红 . 模糊数学在土壤质量评价中的
应用研究[J]. 土壤学报, 2001, 38(2): 176–183
Wang J G, Yang L Z, Shan Y H. Application of fuzzy
mathematics to soil quality evaluation[J]. Acta Pedologica
Sinica, 2001, 38(2): 176–183
[5] 章海波, 骆永明, 赵其国, 等. 香港土壤研究Ⅵ. 基于改进
层次分析法的土壤肥力质量综合评价[J]. 土壤学报, 2006,
43(4): 577–583
Zhang H B, Luo Y M, Zhao Q G, et al. Hong Kong soil
researches. Ⅵ. Integrated evaluation of soil fertility quality
based on the improved analytic hierarchy process[J]. Acta
Pedologica Sinica, 2006, 43(4): 577–583
[6] 李月芬, 汤洁, 林年丰, 等. 灰色关联度法在草原土壤质量
评价中的应用[J]. 吉林农业大学学报, 2003, 25(5): 551–556
Li Y F, Tang J, Lin N F, et al. Application of grey system
theory in evaluating grassland soil quality[J]. Journal of Jilin
Agricultural University, 2003, 25(5): 551–556
[7] 焦峰, 温仲明, 从怀军, 等. 基于属性识别模型的退耕地土
壤肥力综合评价[J]. 水土保持学报, 2010, 24(5): 204–207
Jiao F, Wen Z M, Cong H J, et al. Comprehensive evaluation
of soil fertility of abandoned cropland based on attribute
recognition model[J]. Journal of Soil and Water Conservation,
2010, 24(5): 204–207
[8] 卢铁光 , 杨广林 , 王立坤 . 基于相对土壤质量指数法的土
壤质量变化评价与分析[J]. 东北农业大学学报, 2003, 34(1):
56–59
Lu T G, Yang G L, Wang L K. Evaluation and analysis on soil
quality changes based on relative soil quality index method[J].
Journal of Northeast Agricultural University, 2003, 34(1):
56–59
[9] 吴琼 , 王如松 , 李宏卿 , 等 . 生态城市指标体系与评价
方法 [J]. 生态学报, 2005, 25(8): 2090–2095
Wu Q, Wang R S, Li H Q, et al. The indices and the
evaluation method of eco-city[J]. Acta Ecologica Sinica, 2005,
25(8): 2090–2095
[10] 李锋, 刘旭升, 胡聃, 等. 生态市评价指标体系与方法——以
江苏大丰市为例[J]. 应用生态学报, 2007, 18(9): 2006–2012
Li F, Liu X S, Hu D, et al. Evaluation method and index
system of eco-city development: A case study in Dafeng City
of Jiangsu Province, China[J]. Chinese Journal of Applied
Ecology, 2007, 18(9): 2006–2012
[11] 周伟 , 曹银贵 , 乔陆印 . 基于全排列多边形图示指标法的
西宁市土地集约利用评价[J]. 中国土地科学, 2012, 26(4):
84–90
Zhou W, Cao Y G, Qiao L Y. Urban land intensive use
assessment based on the entire-array-polygon indictor
method[J]. China Land Sciences, 2012, 26(4): 84–90
[12] 邱宇 . 汀江流域水环境安全评估[J]. 环境科学研究 , 2013,
26(2): 152–159
Qiu Y. The evaluation of the Tingjiang River basin water
environment safety[J]. Research of Environmental Sciences,
2013, 26(2): 152–159
[13] 崔海山 , 张柏 . 吉林省黑土资源生态分类[J]. 华中师范大
学: 自然科学版, 2005, 39(2): 278–282
Cui H S, Zhang B. Study on ecological classification of black
soil in Jilin Province[J]. Journal of Central China Normal
University: Natural Sciences, 2005, 39(2): 278–282
[14] 邹亚宝. 算术平均数、中位数、众数的代表性问题研究[J].
统计与信息论坛, 2004, 19(1): 92–94
Zou Y B. About the representativity of arithmetic mean,
median and mode[J]. Statistics & Information Tribune, 2004,
19(1): 92–94
[15] 李双异, 汪景宽, 张旭东, 等. 黑土质量演变初探Ⅳ——吉
林省公主岭地区土壤肥力指标空间变异与评价[J]. 沈阳农
业大学学报, 2005, 36(3): 307–312
Li S Y, Wang J K, Zhang X D, et al. An approach to the
changes of black soil quality (Ⅳ) — Spatial variability of soil
fertility indices in Gongzhuling[J]. Journal of Shenyang
Agricultural University, 2005, 36(3): 307–312