基于大数据的西藏荒漠化治理植物优选与验证

柳平增，王 雪,2，宋成宝，张 超，奥宝平，吕 涛，张立欣

基于大数据的西藏荒漠化治理植物优选与验证

柳平增1，王 雪1,2，宋成宝3，张 超1，奥宝平2,4，吕 涛2,4，张立欣2,4

（1. 山东农业大学信息科学与工程学院，泰安 271018； 2. 亿利绿土地科技有限公司，北京 100067；3. 山东农业大学机械与电子工程学院，泰安 271018； 4. 内蒙古库布其沙漠技术研究院，杭锦旗 017418）

植物种植作为荒漠化治理的重要方式之一，关系到荒漠化区域的高效可持续发展。为提高植物选择的科学性与合理性，在项目前期已建成荒漠生态治理大数据平台并实现中国主要荒漠化区域生态信息全方位采集的基础上，进行基于大数据的植物优选研究与试验验证。研究运用相关性分析、聚类分析等大数据分析方法对荒漠植物种质资源库中植物进行类别划分，初步筛选适应该地区气象条件的植物；进一步运用层次分析法、专家打分法等决策方法从土壤、地形、生态效益、经济效益和其他等5个方面进行综合分析与评价，以优化初选结果。将该方法应用于西藏地区荒漠化治理植物的选择，经大数据挖掘分析，初步筛选出了核桃、黑果枸杞、盐生草和花花柴等适宜植物；进一步优化分析得出，核桃具有经济效益高、耐储运、前期投入相对较少等优势，是该区域荒漠化治理中生态适应性与综合效益俱佳的植物。优选结果在西藏山南市扎囊县桑耶镇的荒漠化治理中得到了验证，目前核桃长势良好，预期生态与经济效益显著。基于大数据进行荒漠治理植物的优选可为荒漠化区域科学规划及高效治理提供坚实的理论与数据支撑。

植物；聚类分析；相关性分析；大数据；植物优选；荒漠化治理；生态适应性

0 引 言

土地荒漠化是当今全球面临的最为严重的社会、经济和生态问题[1-2]，荒漠化的科学治理对于改善人类生存环境，保障经济社会可持续发展至关重要。植物种植是荒漠化治理的有效手段之一。针对具体的宜种区域，基于荒漠化类型、成因、生态环境及社会人文环境等影响因素的复杂多样性，运用科学的分析方法分析不同植物的生态适应性，最大限度发挥植物的生态、经济效益，对于提高我国荒漠治理的成功率、效率与效益来说具有重要意义。

国内外许多学者在荒漠化治理植物的选择方面开展了大量研究[3-7]。朱岩峰等以常见固沙植物为研究对象，优选抗逆性强的植物品种进行区域的生态治理[8-10]；李卫平等通过实际调研，为不同立地区域选择了合适的生态恢复植物类型[11]；严慧玲等对不同海拔、不同沙化退耕地的植物种类进行分析并通过对比植物的生长状况实现了物种的筛选[12-13]。上述研究通过经验判断、实际调研和对比分析等方法对荒漠治理植物的选择进行了重要探索，但植物的选择范围易受传统种植经验的影响而具有局限性；植物的选择过程缺乏数据分析结果的支撑，存在一定主观性。王乐等通过实际种植试验验证植物的生长适应性并实现了植物引种[14-15]，但大规模的试种需要投入巨大的人力、物力、财力，种植成本高、试验周期长且时间效率低。部分研究通过模式借鉴法对荒漠化治理成功地区优良植物的引种工作展开探讨[16-19]，但从区域可持续发展的长远角度考虑，还需要从荒漠化地区生态环境、地理条件以及植物种植的生态、经济效益等方面进行综合考量。因此，传统的植物选择方法已不能满足荒漠化地区生态、高效、绿色及可持续治理的需要。应用科学的数据分析方法，综合荒漠化地区实际环境、植物种植效益等多方面因素进行治理植物的优选尤为必要。

“大数据”是继物联网、云计算之后信息技术的又一次重大技术变革，其发展为人类认识世界和改造世界提供了新视野和新方法[20-21]。利用大数据技术，将使得传统主要依靠经验或感觉的以“人”为核心的决策模式，逐渐向以“数据”为核心的科学决策模式转变。其中，数据的全面采集为荒漠化治理植物的优选提供全方位数据支撑，大数据挖掘分析为植物优选提供决策工具和手段。本文在总结传统荒漠化治理中植物选择方法的基础上，以西藏山南市扎囊县桑耶镇为例开展基于大数据的植物优选方法研究，以期为荒漠化治理提供一种新思路。

1 研究区概况

西藏是青藏高原的主体部分，区内面积广阔、土地类型多样，但自然条件较为严酷，生态环境相对脆弱，是中国荒漠化状况比较严重的地区之一。山南市扎囊县是西藏荒漠化地区的典型代表，地处于藏南中南部（90°03′～90°38′E、28°27′～29°34′N），平均海拔3 680 m，境内总面积2 163 km2，幅员辽阔。受高原温带季风半干旱气候的影响，该地山地岩石风化严重；加之雅鲁藏布江自西向东横贯区内，其谷地经江水冲刷堆积了大量泥沙，生态条件较差；耕地面积仅约44.67 km2，有大面积连片的荒地滩涂有待科学治理和开发。通过实地调研发现，桑耶镇属轻度沙化土地，沙化时间较短，如何因地制宜的选择适宜植物是该区域荒漠化治理面临的难题。

2 材料与方法

2.1 数据来源

1）物联网感知数据：物联网采集是大数据的重要数据来源，研究所用物联网数据来自于山东农业大学农业大数据研究中心与亿利资源集团的合作项目“亿利生态沙漠大数据平台”。依托该项目，项目团队已研究并布设涵盖全国八大沙漠、四大沙地以及青藏高原地区的物联网信息感知网络，自主研发的“神农物联”荒漠信息采集专用物联网设备实现了荒漠化区域信息的不间断自动采集。采集数据包括气象、土壤、地下水位以及现场植物长势等信息，数据类型丰富、指标全面；数据采集频率高、连续性和实效性强，为后续数据挖掘分析奠定了坚实基础。

2）气象网统计数据：统计数据选取主要结合植物的生物学特征，选择影响植物生长发育的主要气候因子，包括气温、降水量、日照时数、相对湿度、风速、风向等15项指标。

3）大数据平台荒漠植物种质资源数据：数据主要来源于亿利资源集团积累数据、中国植物志、中国数字植物标本馆、植物通等网站以及一些公开发表的文献资料等，主要包括植物名称与科属、生长习性与生长条件、植物分布与价值、生态功能以及相对应的图片等信息，主要用于荒漠化地区植物种质资源数据库的建设。

4）调查数据：主要由现场调研、经验丰富的专家和沙漠治理企业提供等方式获取，用于对试验结果的补充说明与验证。

2.2 研究方法

数据采集、数据预处理与集成、数据挖掘分析与数据服务是大数据研究的基本流程。利用大数据进行荒漠化治理植物优选，以已研发的荒漠大数据平台为依托，充分利用荒漠化地区生态数据资源对植物进行科学、全面的分析与引种试验验证。在数据挖掘分析过程中，不仅要考虑植物的生态适应性，还要充分考虑植物种植带来的生态效益、经济效益以及能否促进地区的可持续发展。

具体步骤如下：首先，在明确研究区荒漠化特征的基础上，分析研究区气象条件的变化特点与规律，结合荒漠化治理植物的适生指标，通过聚类分析、相关性分析等大数据分析方法分析植物对气象条件的适应性，初步筛选适宜性高的植物。由于研究区水资源短缺且因海拔高导致的光照强度大、积温少等问题相对严峻，因此需要充分考虑“光、温、水”等主导气象因素的限制。然后，将初步筛选出的植物作为评价对象，综合考虑地形、土壤、生态效益、经济效益以及种植偏好、相关政策等其他因素，通过专家打分法和层次分析法对植物进行横向比较与综合排序。最后，对筛选结果进行引种试验，通过实地种植效果验证基于大数据的植物优选方法的可行性。

2.2.1 植物类别划分

聚类分析是对样本或指标进行分类的一种多元统计分析方法，它可以将物理或抽象对象的集合分组为多个由相似对象组成的类或簇。聚类是大数据分析中的常用方法，在植物类别划分方面具有广泛应用[22-25]。在聚类方法的选择上，本研究综合考虑荒漠化治理植物样本数据的数据量大小、数据类型差异和样本间的离散程度等，对比了k-均值聚类、层次聚类、DBSCAN等常用方法的聚类效果；对比结果表明，层次聚类法每次将距离最近的样本点合并到同一个类，再计算类与类之间的距离并将距离最近的类进行组合，该方法不需预先确定聚类数目且易于发现簇间的层次关系，更适合植物阈值数据间的相似性分析。此外，对比层次聚类中的距离度量方法，发现采用单调性与空间浓缩、扩张性良好的类平均法实现的聚类效果最优，簇间距离公式如式（1）所示：

利用该方法，本文对适宜植物生长的气象阈值数据进行聚类，按照上限值和下限值分别划分出气候适宜范围相似的植物类别；其中，同一类中植物的生长习性具有明显的相似性，而不同类别间植物对气象因素的适宜程度差异较大。该研究为后续筛选适宜研究区气象条件的植物类别奠定了基础。

2.2.2 适宜植物初步筛选

大数据相关分析能够研究2个或2个以上随机变量间存在的某种规律性，具有快捷、高效地发现事物间内在关联的优势，方便探寻数据集里所隐藏的相关关系网[26]。考虑到在各类植物生长过程中，各种气象因素适宜范围值的划定在不同地域、年份等条件下会存在一定差异，因此在分析时主要关注研究区的区域气象特征与植物最适气象条件间的相似性。研究选择Pearson相关系数用来衡量两变量之间的相关关系[27]。

2.2.3 综合评价指标体系与权重的确定

在初步筛选适宜植物基础上，为进一步优化植物初选结果，本文构建了基于大数据的植物优选综合评价指标体系。其中，土壤是影响植物生长的重要因素，不同植物对土壤类型、土壤质地和土壤养分的要求是重要的评价因子。地形地势条件对水热等资源再分配和物质迁移发挥着重要作用，并在很大程度上决定了生态开发的难易程度、投入产出比以及生态风险等问题，也是植物优选的重要评价因子。生态效益关系到荒漠化区域的全局发展与长远效益，因此，植物对土壤养分、结构和盐碱化的改良效果，以及对风沙的抑制和对大气环境的改善作用等是植物筛选的重要评价因子。经济效益直接影响荒漠治理参与者的动机和积极性，对治理区域的经济发展也有着非常重要的影响，因此，植物种植的生产成本、产出品的产量、价格、品质及耐储耐运性等也是重要的评价因子。此外，还包括农户的种植偏好和地方政策等其他评价因子。

综上分析，植物优选综合评价指标体系的一级指标包括土壤、地形、生态效益、经济效益及其他等5个方面，二级指标包括植物对土壤类型、质地、养分和地形、地势等的要求，以及植物种植的成本、产量、品质、价格、耐储耐运性和种植偏好、相关政策等17个因子。指标权重参照专家打分法和文献查阅法[28-31]进行分级赋值与量化（见表1）。

表1 综合评价指标与权重

3 结果与分析

3.1 研究区温度、光照及降水特征分析

3.1.1 温度特征分析

该区常年温度较低，四季不分明，年平均温度为9.03 ℃，全年月平均气温呈现单峰值变化。以2018年1月1日—12月31日采集数据为例（见图1），温度年变化相对较小，从1月开始温度逐渐升高，4月下旬到5月中上旬，受早春气候变化的影响，日平均温度稳定在9 ℃以上，日最低温度均保持在0 ℃以上。5月气温可达12 ℃以上，6—9月，月平均温度均保持在16 ℃以上，10月份气温开始逐渐下降。全年最高温度出现在7月份，为28.43 ℃；最冷月出现在12月，最低温度−17.16 ℃。全年无霜期从4月上旬到10月下旬，约180d左右。昼夜温差较大，夏季最高温度出现在15:00－18:00左右，最低温度出现在06:00－08:00左右。地区全年大于10 ℃的积温约为2 410 ℃，热量条件相对平原地区低很多。

图1 2018年研究区温度变化

3.1.2 光照特征分析

以2018年1月1日－12月31日采集数据为例，2018年全年大于11.5 klx的日照时间为3382h，年平均光照强度为19 klx（见图2）。如图中所示，1月、2月、12月平均光照强度较低；5－8月平均光照强度较高，日照时间为980h，占全年28%，日平均光照强度在22.76 klx左右，日最高光照强度可达100 klx以上。冬季光照强度一般从早上09:00开始增加，在15:00左右达到最大值，21:00左右逐渐趋近于0；夏季白昼时间长，光照强度从08:00开始逐渐增加，晚上22:00趋近于0。总体来看，该地日照时间相对较长，光照资源相当丰富。

图2 2018年研究区光照强度变化

3.1.3 降水特征分析

以2018年1月1日－12月31日采集数据为例（见图3），研究区全年降水量约550.5mm，降水天数为27d。冬春季降水较少，普遍干燥，且主要集中在5月，约为29.3 mm；夏秋季节降水相对较多，主要集中在6－9月，约为492mm，占全年降水量的89.37%。年内降水时空分布不均，且蒸发量大是该地区水资源变化的主要特征。

图3 2018年研究区降水量变化

3.2 植物类别划分与适宜性分析

3.2.1 基于阈值下限的植物类别划分

对常见荒漠化治理植物的日照时数、>10 ℃积温、降水等指标的阈值下限进行聚类分析，按照聚类分析结果将植物大致划分为5类（见表2）。第Ⅰ类植物耐高温、抗旱性能相对较强。第Ⅱ类植物对降雨的要求较低，抗干旱能力较强；植物类型大多为灌木，分枝多而密集且根系发达，具有很强的固沙阻沙能力。第Ⅲ类植物植株相对其他几类较高大，对降水的要求较高；耐瘠薄土壤，对风蚀沙埋的生态适应性强，防风固沙、改良土壤等生态作用良好。第Ⅳ类植物对日照时数的要求较低，大多为多年生草本或乔木，喜沙质土壤，抗风沙、抗逆性能较好，对干旱气候同样具有很强的适应能力。第Ⅴ类植物大多为草本或者灌木，植株相对较小，喜光，对积温的要求较低，对温度大幅度变化的适应能力强，在荒漠地区的种植较为广泛；植物在极端温度条件下也能生存，对于高海拔积温较少的地区来说有较大的存活概率。

表2 基于阈值下限的荒漠化治理植物类别划分

3.2.2 基于阈值上限的植物类别划分

对常见荒漠化治理植物的日照时数、>10 ℃积温、降水等指标的阈值上限进行聚类分析，按聚类分析结果可将植物大致划分为4类（见表3）。第Ⅰ类植物对温度的耐受程度较高、耐盐碱性强，植物类型大多为灌木或乔木，树形较大且根系发达，在降水量极少的地区也能生存，固沙效果显著。第Ⅱ类植物大多为多年生草本或灌木，喜光、耐旱，对降水的要求较低，是进行防沙固沙、绿化造林、保持水土的优良树种。第Ⅲ类植物对积温的要求较低，适合干旱或半干旱地区种植；对土壤要求不严，耐贫瘠、抗风沙特点突出，多生于流动沙丘、沙地、河床或山坡等地。第Ⅳ类植物喜干燥，耐严寒、高温和瘠薄，多生长于沙丘、盐碱土、荒漠等地。

表3 基于阈值上限的荒漠化治理植物类别划分

3.3 荒漠化治理植物的初步筛选

通过数据统计与分析，将研究区＞10 ℃积温、日照时数、降水量等数据抽象成一个3维向量，将最适宜各荒漠化治理植物生长的气象条件对应的阈值转换成多个3维向量构成的向量组，故将研究区气候特征与植物气象条件阈值之间的相似性转化成了向量之间的相似性。依据2.2.2节中的适宜植物初步筛选方法，计算各植物与地区气象条件间的相关系数，并按聚类分析划分的类别分别求取平均值（见表4）。

表4 研究区气候条件与植物类别间的平均相关系数

数据结果表明，在阈值下限约束下，第Ⅳ类和第Ⅴ类植物所对应的相关系数均在0.95以上，说明植物的适生条件与地区气象条件之间存在显著相关性，即植物对积温、日照时数和降水量等的要求与研究区的气象条件较为相似；而在上限阈值的约束下，第Ⅱ类植物对积温、日照和降水等的需求与研究区的气象条件较为相符。将第Ⅳ、Ⅴ类与第Ⅱ类植物取交集，筛选适宜在研究区气象条件下生长的植物。筛选结果显示，符合条件的植物主要有盐生草、黑果枸杞、核桃、花花柴等。

3.4 荒漠化治理植物的优选

为了进一步优化初步筛选结果，依据综合评价指标体系与权重的确定方法，将地形、土壤、生态效益、经济效益和其他等5个评价指标权重依次赋值为0.2、0.2、0.3、0.2、0.1，通过专家咨询和分级赋值法对4种植物的适应性进行单项打分与量化，然后通过加权指数求和法计算最终结果与综合排名。荒漠化治理植物的综合适宜性评价结果见表5。

表5 荒漠化治理植物的综合适宜性评价结果

由表5可知，4种植物综合得分由高到低依次为核桃、黑果枸杞、花花柴、盐生草。结果表明，4种植物均具有良好的防风固沙、土壤改良效果，生态效益显著；但盐生草和花花柴无果实，种植的经济效益相对较低，不利于带动当地经济的发展；黑果枸杞的经济效益显著，但种植与采摘人工成本较高，对土壤的要求也较为严格。相比之下，核桃的种植投入成本相对较低，果实耐储存且易于远距离运输，满足该地区对植物经济效益和生态效益的综合需求，且西藏自治区多次出台相关政策加大对经济林发展的投入和扶持，大力发展特色经济林产业，因此，综合各方面因素，优选出核桃为最适宜引种的荒漠化治理植物。

3.5 优选结果初步验证

以西藏山南市荒漠化治理项目为背景，基于荒漠化治理植物的优选结果，项目组在亿利资源集团大力协助下开展核桃的试种试验。试验区位于扎囊县桑耶镇向北约2 km处，长期以来该区域土地荒漠化现象严峻，植被类型以草本植物为主且植物存活期短，无成活树木。但该区地势平坦，周围三面环山，因此，风沙相对较少，立地条件相对较好，较适合初期核桃苗木的生长。自2017年6月开始种植核桃，至今种植时间已超过2 a。在科学的人工干预与管理下，目前核桃苗木生长发育正常，长势良好且发枝力强，对该地区的自然环境表现出了较好的生态适应性；与同期种植的苹果苗木相比，核桃的抗高温、抗光照和抗旱性均有较好表现；此外，在试种的2 a多时间里，核桃苗木周围的草本植物数量明显增多，预期生态、经济效益显著。依据安装在试验区的“神农物联”沙漠专用物联网自动采集设备对现场苗情信息进行监测，核桃苗木试种前后试验区的对比如图4所示，试验结果验证了大数据分析方法的可行性和有效性。利用大数据进行植物优选可显著提高荒漠化治理的成功率、效率和效益，研究结果更具有科学性和发展的可持续性。

图4 核桃苗木试种前后的区域对比

4 结论与建议

本文以项目组研发的荒漠大数据平台为依托，基于荒漠化地区的生态数据和植物种质资源数据，以西藏山南市扎囊县桑耶镇为例，运用大数据挖掘分析方法对不同类别植物的生态适应性进行了分析；从气象、土壤、地形、生态效益、经济效益以及种植偏好、相关政策等方面对植物的综合效益进行了评价，依据最终排序结果实现了植物的优选；并通过实际试种试验验证了植物优选结果的可行性。基于大数据的西藏荒漠化治理植物的优选方法克服了传统植物优选中以试种为主、通过规律摸索或经验积累再推广种植等方法的盲目性，降低了治理过程中人、财、物的投入，提高了治理的成功率、效率和效益，为荒漠化治理中植物的优选提供了一种新的思路和解决方法，这对荒漠化区域的高效治理及可持续发展具有十分重要的意义。

本研究已取得阶段性成果，但在综合评价过程中所采纳的评价指标以及指标权重还有待进一步优化。另外，荒漠化地区数据的积累需要一个长期的过程，目前的研究还受数据累积量的制约，随着数据量的进一步增加，分析内容和结果还会进一步深化。

[1] 徐驰，姜琦刚，李远华，等. 呼伦贝尔地区土地荒漠化动态变化[J]. 世界地质，2010，29(1)：160-167.

Xu Chi, Jiang Qigang, Li Yuanhua, et al. Dynamic change of desertification in Hulunbeier[J]. Global Geology, 2010, 29(1): 160-167. (in Chinese with English abstract)

[2] 张钛仁，张玉峰，柴秀梅，等. 人类活动对我国西北地区沙质荒漠化影响与对策研究[J]. 中国沙漠，2010，30(2)：228-234.

Zhang Tairen，Zhang Yufeng，Chai Xiumei，et al. Impact of human activities on sandy desertification of Northwest China and countermeasures analysis[J]. Journal of Desert Research, 2010, 30(2): 228-234. (in Chinese with English abstract)

[3] 孙艳茹，石屹，陈国军，等. PEG模拟干旱胁迫下8种绿肥作物萌发特性与抗旱性评价[J]. 草业学报，2015，24(3)：89-98.

Sun Yanru, Shi Yi, Chen Guojun, et al. Evaluation of the germination characteristics and drought resistance of green manure crops under PEG stress[J]. Acta Prataculturae Sinica, 2015, 24(3): 89-98. (in Chinese with English abstract)

[4] 高永，丁延龙，汪季，等. 不同植物灌丛沙丘表面沉积物粒度变化及其固沙能力[J]. 农业工程学报，2017，33(22)：135-142.

Gao Yong, Ding Yanlong, Wang Ji, et al. Sediments particle size changes and its sand fixation ability for different shrub dunes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(22): 135-142. (in Chinese with English abstract)

[5] 罗维成，曾凡江，刘波，等. 绿洲—沙漠过渡带引种植物光合生理特征研究[J]. 草业学报，2013，22(2)：273-280.

Luo Weicheng, Zeng Fanjiang, Liu Bo, et al. Photosynthetic and physiological characteristics of introduced plants at the desert-oasis ecotone[J]. Acta Prataculturae Sinica, 2013, 22(2): 273-280. (in Chinese with English abstract)

[6] 李生宇，谷峰，雷加强，等. 塔克拉玛干沙漠主要灌木光合器官滞尘能力与表面特性的关系[J]. 农业工程学报，2012，28(20)：223-229.

Li Shengyu, Gu Feng, Lei Jiaqiang, et al. Relationship between dust-retaining capabilities of photosynthetic organs and their surface properties of main shrubs species in Central Taklimakan Desert[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE) , 2012, 28(20): 223-229. (in Chinese with English abstract)

[7] 苟小林，刘文辉，陈有军，等. 植物沙障不同种植模式对川西北沙地的恢复效应[J]. 草业学报，2019，28(6)：33-44.

Gou Xiaolin, Liu Wenhui, Chen Youjun, et al. Effect of different vegetation planting patterns in restoration of degraded sandy land in northwest Sichuan[J]. Acta Prataculturae Sinica, 2019, 28(6): 33-44. (in Chinese with English abstract)

[8] 朱岩峰，张林涛，梁立民，等. 基于竞争态势矩阵的毛乌素沙地西南缘植被恢复树种选择[J]. 西北林学院学报，2016，31(1)：114-118.

Zhu Yanfeng, Zhang Lintao, Liang Limin, et al. Species selection based on competition matrix in southwest of Mu Us Sandyland[J]. Journal of Northwest Forestry University, 2016, 31(1): 114-118. (in Chinese with English abstract)

[9] 王欢. 典型固沙植物根系暴露后生长生理的特征及其抗逆性评价[D]. 银川宁夏大学，2019.

Wang Huan. Characteristics of Growth Physiology and Evaluation of Stress Resistance of Typical Sand-Fixing Plant Roots After Exposure[D]. Yinchuan Ningxia University, 2019. (in Chinese with English abstract)

[10] 赵瑞. 沙漠修复植物生态适应性评价及系统研发[D]. 泰安：山东农业大学，2018.

Zhao Rui. Ecological Adaptability Evaluation of Desert Restoration Plants and System Development[D]. Taian: Shandong Agricultural University, 2018. (in Chinese with English abstract)

[11] 李卫平，刘建龙，鲍交琦，等. 包头黄河湿地生态恢复植物类型的选择[J]. 湿地科学，2015，13(2)：211-216.

Li Weiping, Liu Jianlong, Bao Jiaoqi, et al. Selection of plants for ecological restoration of Yellow River wetlands in Baotou city[J]. Wetland Science, 2015, 13(2): 211-216. (in Chinese with English abstract)

[12] 严慧玲，刘东明，李作恒，等. 层次分析法在河北省太行山区植被恢复植物种类筛选中的运用[J]. 植物研究，2015，35(5)：751-758.

Yan Huiling, Liu Dongming, Li Zuoheng, et al. Analytic hierarchy process in plant species selection of revegetation in the Taihang mountains in Hebei province[J]. Bulletin of Botanical Research, 2015, 35(5): 751-758. (in Chinese with English abstract)

[13] 来锡福，焦旭东，赵明，等. 民勤沙化退耕地整治技术及造林模式选择研究[J]. 水土保持研究，2015，22(1)：269-273.

Lai Xifu, Jiao Xudong, Zhao Ming, et al. Study on remediation technology and afforestation model decision of desertification woodland in Minqin[J]. Research of Soil and Water Conservation, 2015, 22(1): 269-273. (in Chinese with English abstract)

[14] 王乐，李亚光. 中新天津生态城河岸带盐碱地造林树种选择[J]. 水土保持通报，2015，35(4)：248-253.

Wang Le, Li Yaguang. Primary selection of plant species for afforestation in salinized soil in Sino-Singapore Tianjin Eco-city riparian[J]. Bulletin of Soil and Water Conservation, 2015, 35(4): 248-253. (in Chinese with English abstract)

[15] 李许文，刘文，陈红锋，等. 广州适宜的植物引种来源地与气候区选择研究[J]. 中国园林，2016，32(4)：96-100.

Li Xuwen, Liu Wen, Chen Hongfeng, et al. A study on the selection of appropriate source regions and climatic zones for Guangzhou to introduce plants[J]. Chinese Landscape Architecture, 2016, 32(4): 96-100. (in Chinese with English abstract)

[16] 郭彩贇，韩致文，李爱敏，等. 库布齐沙漠生态治理与开发利用的典型模式[J]. 西北师范大学学报：自然科学版，2017，53(1)：112-118.

Guo Caiyun, Han Zhiwen, Li Aimin, et al. The typical models of ecological management and development and utilization in the Kobq Desert[J]. Journal of Northwest Normal University: Natural Science, 2017, 53(1): 112-118. (in Chinese with English abstract)

[17] 王涛. 荒漠化治理中生态系统、社会经济系统协调发展问题探析：以中国北方半干旱荒漠区沙漠化防治为例[J]. 生态学报，2016，36(22)：7045-7048.

Wang Tao. Study on the coordinated development of ecosystem and socio-economic system in desertification control: A case study of desertification control in semiarid area in north China[J]. Acta Ecologica Sinica, 2016, 36(22): 7045-7048. (in Chinese with English abstract)

[18] Zhang Daoyuan, Liu HuiLiang, Shi Xiang, et al. Limitations on the recruitment of the rare sand shrubby legume Eremosparton songoricum (Fabaceae) in Gurbantunggut Desert, China[J]. Journal of Arid Land, 2011, 3(2): 75-84.

[19] 喻阳华，余杨，杨苏茂，等. 植物生态适应性特征及关键种选择研究进展[J]. 世界林业研究，2016，29(6)：38-42.

Yu Yanghua, Yu Yang, Yang Sumao, et al. Research progress in characteristics of plant ecological adaptability and selection of keynote species[J]. World Forestry Research, 2016, 29(6): 38-42. (in Chinese with English abstract)

[20] 程春明，李蔚，宋旭. 生态环境大数据建设的思考[J]. 中国环境管理，2015，7(6)：9-13.

Cheng Chunming, Li Wei, Song Xu. Thinking on the big data construction for ecological environment[J]. Chinese Journal of Environmental Management, 2015, 7(6): 9-13. (in Chinese with English abstract)

[21] 李文彦. 基于大数据的荒漠化治理对策研究[J]. 甘肃科技，2016，32(15)：38-40.

[22] 杨晓，李锦华，朱新强，等. 21种紫花苜蓿在西藏“一江两河”地区引种试验研究[J]. 中国草食动物科学，2014，34(3)：35-37.

Yang Xiao, Li Jinhua, Zhu Xinqiang, et al. Study on introduction of 21 alfalfa varieties in the “Three Rivers” region of Tibet[J]. Chinese Herbivore Science, 2014, 34(3): 35-37. (in Chinese with English abstract)

[23] 朱庆平，周力，李开，等. 西昌引种栽培油橄榄果中5种金属元素主成分及聚类分析[J]. 基因组学与应用生物学，2017，36(1)：362-369.

Zhu Qingping, Zhou Li, Li Kai, et al. Principal component and cluster analysis of 5 metal elements in fruits of olive cultivars introduced to Xichang[J]. Genomics and Applied Biology, 2017, 36(1): 362-369. (in Chinese with English abstract)

[24] 孙浩元，续九如，王玉柱，等. 应用灰色聚类和灰色关联分析对台湾青枣引种适宜区的选择[J]. 中国农学通报，2006, 22(4)：143-146.

Sun Haoyuan, Xu Jiuru, Wang Yuzhu, et al. Selection of suitable climatic regions for introduction ofLam. using the methods of gray clustering and gray correlation analysis[J]. Chinese Agricultural Science Bulletin, 2006, 22(4): 143-146. (in Chinese with English abstract)

[25] 熊新武，李俊南，刘恒鹏，等. 10个引种核桃品种嫁接成活率及苗期生长性状研究[J]. 中南林业科技大学学报，2015，35(3)：36-42.

Xiong Xinwu, Li Junnan, Liu Hengpeng, et al. Study on grafting survival rate and seedling stage growth traits of ten introduced walnut varieties[J]. Journal of Central South University of Forestry & Technology, 2015, 35(3): 36-42. (in Chinese with English abstract)

[26] 李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J]. 中国科学院院刊，2012，27(6)：647-657.

Li Guojie, Cheng Xueqi. Research status and scientific thinking of big data[J]. Bulletin of Chinese Academy of Sciences, 2012, 27(6): 647-657. (in Chinese with English abstract)

[27] 王合玲，吕光辉，杨晓东. 新疆艾比湖湿地主要植物的种间关联分析[J]. 生态学杂志，2011，30(12)：2713-2718.

Wang Heling, Lu Guanghui, Yang Xiaodong. Interspecific associations of main plants in Ebinur Lake wetland of Xinjiang, Northwest China[J]. Chinese Journal of Ecology, 2011, 30(12): 2713-2718. (in Chinese with English abstract)

[28] Carolyn Howes Keiffer, Irwin A. Ungar. Germination and establishment of halophytes on brine-affected soils[J]. Journal of Applied Ecology, 2002, 39(3): 402-415.

[29] 张建锋. 盐碱地的生态修复研究[J]. 水土保持研究，2008，15(4)：74-78.

Zhang Jianfeng. Discussion on ecological rehabilitation of salt-affected soils[J]. Research of Soil and Water Conservation, 2008, 15(4): 74-78. (in Chinese with English abstract)

[30] 聂弯，于法稳，和月月. 核桃种植的生态效益评价：以云南省大姚县为例[J]. 安徽农业科学，2016，44(29)：156-160.

Nie Wan, Yu Fawen, He Yueyue. Evaluation of ecological benefit of walnut planting: A case of Dayao County of Yunnan Province[J]. Journal of Anhui Agricultural Sciences, 2016, 44(29): 156-160. (in Chinese with English abstract)

[31] 马洋，王雪芹，韩章勇，等. 风蚀沙埋对疏叶骆驼刺（）和花花柴（）幼苗的生理影响[J]. 中国沙漠，2015，35(5)：1254-1261.

Ma Yang, Wang Xueqin, Han Zhangyong, et al. Effect of wind erosion and sand burial on physiological characters inandseedlings in the Southern Margin of the Taklimakan Desert[J]. Journal of Desert Research, 2015, 35(5): 1254-1261. (in Chinese with English abstract)

Optimal selection and verification of plant species for desertification control in Tibet based on big data

Liu Pingzeng1, Wang Xue1,2, Song Chengbao3, Zhang Chao1, Ao Baoping2,4, Lyu Tao2,4, Zhang Lixin2,4

(1.,,271018,; 2.100067; 3.271018; 4.017418,)

Land desertification has posed a major hazard to the society, economy, and environment in the Tibet semi-arid areas. The scientific and rational control of desertification becomes much more important to improve the living environment of human beings and the sustainable development of ecological system. Plant planting is expected to be one of the effective means of desertification control. Previous research had conducted on the selection of plant species for the desert governance, but it is necessary to accurately optimize the specific plant species, particularly on the range of plant selection, data analysis process and consideration of comprehensive benefits. In this study, a method of plant selection was proposed based on big data. Two steps were mainly included: one step was to optimize plants that meet the climate suitability of the study area in preliminary analysis, and another step was to verify the influence factors of the selected plants in comprehensive evaluation. A platform of big data was established for desertification ecological governance and the realization of all-round collection of major desert ecological information in China. The initial conditions were then defined according to the characteristics and direction of desertification governance in the study area. A database of germplasm resources for desert restoration plant was constructed to classify and select the subsequent plant categories. It is also necessary to consider the limitations of the dominant meteorological factors, such as “light, temperature, and water”, due to the relatively serious problems of water shortage, high intensity of sunshine, and low accumulated temperature in the study area. After the data was automatically collected by the Internet of Things (Iots), the meteorological characteristics and changes of the study area were used to provide theoretical support for the further matching of plant varieties with high temperature resistance, high intensity of sunlight and strong drought resistance. Plants with similar properties were classified into a group based on the threshold value of suitable meteorological conditions of plants by using cluster analysis, correlation analysis and other big data methods. The adaptability of plants was also analyzed during this time. In clustering, main plant species were grouped 5 categories based on upper limit and lower limit of threshold respectively. The correlation coefficient was calculated between the plants' own suitable environment and the meteorological conditions in the study area, and the average value was obtained by category. In the plant categories with a correlation coefficient greater than 0.95, the plants that located in both upper and lower classifications were assumed as optimum match on the meteorological conditions in the study area. The second step was to select plants with a high degree of comprehensive suitability based on the preliminary generation scheme. Taking the preliminary selected plants as the evaluation object, an expert scoring method and analytic hierarchy process were used to make a horizontal comparison and comprehensive ranking of plants, particularly on considering the influence of topography, soil, ecological benefits, economic benefits, farmers' planting preference and policy support on the growth of plants. The experimental results showed thatLscored the highest,Murrwas the second, whileandscored were the lowest. Since four plants have good wind and sand fixation, and soil improvement effects,Lplanting has the advantages of less initial investment, storage resistance, and easy long-distance transportation, indicating that it was suitable for the economic and ecological benefits for the study area. Therefore, the introduction ofLcan be the optimal option for desertification governance in the study area. The results of plant selection were also verified in the experimental areas of Sangye Town, Zhanang County, Shannan City, Tibet. In the field county, the desertification phenomenon has been severe for a long time, with the vegetation types of mainly herbaceous plants, where the survival period of plant is relatively short, even no living trees in some areas. The flat areas surrounded by mountains on three sides can be set as the site, where can be more suitable for the growth of earlyL.. Therefore,Lhas been planted for more than two years under the intervention and management of artificial science. At present, good growth and strong branching ability show an optimal ecological adaptability to the natural environment of the area. Compared with other plants grown in the same period,Lhas better performance on the resistance of high temperature, sunshine and drought. In addition, the number of herbs around walnuts has increased significantly in more than two years, to achieve the expected ecological and economic benefits. Both theoretical analysis and actual trial experiments have demonstrated that it is promising feasible to plantLin the areas of Sangye Town, Zhanang County, Shannan City, Tibet.

plants; cluster analysis; correlation analysis; big data; optimal selection for plant species; desertification control; ecological adaptability

柳平增，王雪，宋成宝，等. 基于大数据的西藏荒漠化治理植物优选与验证[J]. 农业工程学报，2020，36(10)：166-173.doi：10.11975/j.issn.1002-6819.2020.10.020 http://www.tcsae.org

Liu Pingzeng, Wang Xue, Song Chengbao, et al. Optimal selection and verification of plant species for desertification control in Tibet based on big data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(10): 166-173. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.10.020 http://www.tcsae.org

2019-10-28

2020-04-28

国家重点研发计划“新能源和生物医药资源开发与沙化土地综合治理技术集成及产业示范”（2016YFC0500906）；国家863计划（2013AA10230101）

柳平增，博士后，教授，博士生导师，主要从事物联网与农业大数据、智慧农业等相关方面的研究。Email：pzliu@sdau.edu.cn

10.11975/j.issn.1002-6819.2020.10.020

S11

A

1002-6819(2020)-10-0166-08