基于空间聚类算法玉米种植环境倒伏胁迫区划.docVIP

基于空间聚类算法玉米种植环境倒伏胁迫区划 　　摘 要：倒伏是玉米生产中面临的重要问题之一，本文结合引起玉米倒伏的直接因素（极端大风事件）、间接因素（土壤含钾量）及生产因素（种植密度），建立了定量化倒伏胁迫计算模型并采用考虑空间相邻性的聚类算法实现了玉米种植环境倒伏胁迫区划，所得结果既有利于认清目标种植环境中的倒伏胁迫因素水平，又能很好地体现出胁迫的空间分布格局，可以有效地避免将抗倒性差的品种应用到倒伏胁迫重的种植环境中，从而减少玉米倒伏事故的发生、降低损失。 　　关键字：玉米倒伏；空间聚类；胁迫区划 　　玉米倒伏是玉米生产中面临的重要问题之一，每年因此造成的产量损失在5%～25%，情况严重时更高、甚至绝产[1]，它除了对产量造成极大影响外，还会增加玉米收获难度并对玉米籽粒的品质造成重要影响[2]。倒伏的发生是玉米品种特性与种植环境条件相互作用的结果[3]。当前对于玉米倒伏的研究，大都专注于对品种本身抗倒性检测方法的研究，如许多的研究者基于玉米植株的形态特征如植株高度、外皮硬度、抗碎强度[4]及化学组分如木质素含量、非结构碳水化合物总量、钾元素含量[5]等来研究玉米不同品种的抗倒伏能力；而关于种植环境倒伏胁迫的研究大都集中在对引起倒伏的环境胁迫因素的定性描述上，如许多研究指出种植环境倒伏胁迫与极端天气事件的发生相关，其中尤其与极端大风事件的发生密切相关[6，7]，而土壤中钾元素的含量与玉米种植密度等也能对玉米倒伏产生一定的影响[8，9]，但缺乏定量化的玉米倒伏胁迫相关研究。据此，本文将结合引起玉米倒伏的直接因素（极端大风事件）、间接因素（土壤含钾量）及生产因素（种植密度），建立一种基于空间相邻性聚类算法的玉米种植环境倒伏胁迫区划方法，所得结果可以直接应用与玉米生产实践，减少玉米倒伏事故的发生、降低损失。 　　一、数据概述 　　本研究以我国主要玉米生产区黄淮海地区为研究区域，具体包括山西、河北、北京、天津、河南、山东六省市的种植县。为了计算目标种植环境中玉米生育期内因风倒伏胁迫（极端大风事件的概率值），我们收集了研究区内各气象站点近60年内的日极大风速数据，该数据自于国家气象数据共享服务系统；另外，需用到的数据还包括各县的土壤含钾量和玉米种植密度数据，分别用于计算钾元素含量与种植密度对玉米倒伏的胁迫值。 　　二、方法介绍 　　2.1 区划指标计算方法 　　（1）极端大风胁迫指标计算 　　首先，定义玉米生育期内极端大风事件变量为X，则X每年的取值xi为可由公式（1）获得，其中：i表示年份，j表示玉米生育日期，dij为第i年第j日的极大风速值，xi为第i年玉米生育期内日极大风速的最大值。 　　（1） 　　其次，在前期的相关研究[10]中得知，对于玉米生育期内的极大风速事件的最佳概率模型为Gumbel分布，因次可得到极端大风的概率计算公式如（2）所示，其中A为极大风速的临界值，本文取19m/s[11]；μ 和 σ分别为Gumbel分布的位置参数和尺度参数，可以通过采用矩估计法由公式（3）计算得到，其中 和s分别为xi的均值与方差。计算得到各气象站点的极大风概率值后，再采用空间插值和区域统计方法（本文采用ArcGIS10.0软件实现），即可得到各种植县的胁迫概率值如公式（4）所示，其中：Sw为县域极端大风胁迫指标值。 　　（2） 　　（3） 　　（4） 　　（2） 土壤钾含量胁迫指标计算 　　玉米茎杆的坚韧程度与土壤中的钾元素含量有密切的关系[12]，钾元素能促进茎秆纤维素及维管束的发育，提升茎秆的支撑能力，增强抗倒伏的能力；玉米缺钾时茎秆软弱、矮小、易倒伏，严重缺钾时，生长停滞，茎变细，植株小，茎秆细弱，极易倒伏[13，14]。因此，各种植县土壤含钾量胁迫指标值可由公式（5）计算得到，其中：xK为县域土壤含钾量，xK，max和xK，min分别为县域土壤含钾量的最大值和最小值，SK为县域土壤含钾量胁迫指标值。 　　（5） 　　（3） 种植密度胁迫指标计算 　　玉米种植密度的增大往往导致植株争光、争肥，茎秆细弱，根系伸展受到限制，从而增加玉米倒伏的发生。丰光等通过试验表明玉米倒伏性与种植密度呈极显著正相关[8]。黄建军通过试验进一步指出，随群体密度的增加倒伏程度加重，其中 7.5×104株/hm2（4995株/亩）为倒伏反应的敏感密度，当群体密度大于此敏感密度时，茎秆机械强度降低，田间倒伏严重[15]。因此，各种植县种植密度胁迫指标值可由公式（6）计算得到，其中：xD为县域种植密度，xD，min为县域种植密度的最小值，SD为县域种植密度胁迫指标值。 　　（6） 　　2.2区划实现方法 　　相关定义： 　　（1）设研究区域内共有N 个空间多边形对象SOs={so1， so2，…， soN}（在本