基于多变量分析的天祝金强河地区退化高寒草甸土壤因子分类模型

牛雪娜，丰骁，姚拓

(1.甘肃农业大学理学院数量生物学研究中心，甘肃 兰州 730070；2.天水市秦州区畜牧兽医局，甘肃 天水 741000；3.甘肃农业大学草业学院，甘肃 兰州 730070)

天祝金强河地区紧临祁连山分水岭乌鞘岭，具有独特的区位特征，是黄河上游的重要水源涵养地以及生态屏障.近年来，在全球气温变化背景下，青藏高原的边缘区成为敏感影响区和脆弱区，区域植物资源区系特征也面临着新的挑战.加上牧民不同利用方式和放牧强度，导致金强河地区草地不同程度退化.退化草地是由一切自然因素和非自然因素的扰动所引起的牧草质量和数量下降、土壤质地和结构变差，经济效益、生态服务功能降低，使草地生态系统的恢复功能减弱或丧失恢复功能等的现象.草地是一种可再生的资源，不仅对水源涵养地和水土保持区起到重要作用，它还是西部地区防风固沙的天然绿色屏障，是农牧民赖以生存和发展的基本生产资料[1].由于草地的退化呈现出不连续性，环境的改变和人为扰动的影响，草地呈现出不同退化程度.众多学者从不同角度提出了退化草地的等级标准以及生物环境条件和各个级别的表现，但高寒草甸退化草地的分类及分级标准仍没有独立的体系.董全民和马玉寿等[2]以凸斑地比例和可食牧草比例作为黑土滩退化草地分类的主要指标，采用聚类分析和主成分分析将其分为轻度、中度和重度3个等级.干文芝等[3]将植物群落的生物产量下降率，优质草种群产量下降率，优势植物衰减率，可食植物产量下降率，退化演替指示植物增长率、株丛高度下降率，群落盖度下降率，轻质土壤侵蚀程度，中重质土壤容重硬度增高和可恢复年限这10个指标作为草地退化程度的评价指标.任继周[4]根据放牧过程中草地植物的负荷对策的表现，提出了草地退化的5个级别，即轻度退化、明显退化、严重退化、极度退化、彻底破坏，以及判断草地等级的标准系统，这些退化草地的等级标准及其生物环境指示在退化草地理论研究和实践应用上发挥着重要作用.苏大学、张自和等[5]提出以植物群落的特征、结构、植物地上生物量和可食生物量等为必须监测指标，以土壤理化指标和土壤养分作为辅助监测指标将退化草地进行分类。草原科学随着科技的不断发展和与其他相关学科相互渗透，本研究尝试性地以土壤有机质、全氮、水解氮、速效磷、速效钾和pH值为辅助监测指标，运用统计的方法对金强河地区退化高寒草甸建立分类模型，科学地验证实地考察定性分类结果的合理性，旨在探究不同退化高寒草甸土壤有机质、全氮、水解氮、速效磷、速效钾和pH值的变化规律及对退化高寒草甸的影响程度，以期为合理利用和保护高寒草甸资源提供参考.

1 材料与方法

1.1 研究区概况

金强河流域是祁连山最重要的1条外流河，位于黄河一级支流庄浪河的中上游段,整个流域位于天祝县境内.区域内常年高寒阴湿、降水丰沛、灌木丛生、牧草丰茂，植被盖度极高,海拔2 950～4 300 m，年平均气温为-2 ℃，年平均降水量560 mm，夏季最高气温24 ℃，属于典型的寒冷、干旱、半干旱高原性气候.本试验区位于天祝县西南乌鞘岭脚下，地处N 37°11′～37°12′，E 102°29′～102°33′，东西长约30 km，南北约4～10 km形成东西的狭长地带，西高东低，有明显的河谷、山地、撂荒地、人工草地分布.

1.2 样地设置及退化情况

1.2.1 样地设置 样地设置在金强河地区不同高度、不同类型、不同利用程度的草地上，见表1.选取围栏草地：不同植被类型草地，以矮嵩草+珠芽蓼型植被草地，坡底(样地1)、坡中(样地2)、坡顶(样地3)；以珠芽蓼+线叶嵩草型植被草地，坡底(样地4)坡中(样地5)、坡顶(样地6)；以嵩草+杂类草型植被草地，坡底(样地7)、坡顶(样地8)；选取重度利用草地：赛马滩(样地9)；选取灌丛地：杜鹃灌丛(样地10)、金露梅灌丛(样地11)；选取撂荒地：撂荒地阴坡(样地12)、撂荒地阳坡(样地13)；选取人工草地：燕麦地(样地14).

表1 样地概况

1.2.2 退化情况 基于一些学者、专家的研究[6]及依据《天然草地退化、沙化、盐渍化的分级标准(GB 19377-2003)》[7]，将研究区内的样地分为3种不同退化程度的草地.

轻度退化草地：以围栏草地为主，包括矮嵩草+珠芽蓼型植被草地、珠芽蓼+线叶嵩草型植被草地、嵩草+杂类草型植被草地.主要伴生种有禾草、阴山扁蓿豆、矮生嵩草、委陵菜、球花蒿、龙胆、乳白香青、毛茛，禾草以垂穗披碱草、赖草、紫花针茅、洽草为主，禾草包括垂穗披碱草、洽草、针茅、羊茅，毒草棘豆比例上升.

中度退化草地：以灌丛地和撂荒地为主，包括杜鹃灌丛、金露梅灌丛、撂荒地阳坡、阴坡.主要伴生种有矮生嵩草、阴山扁蓿豆、委陵菜、球花蒿、乳白香青、蓝花韭、高山紫菀，并有毒草棘豆、大戟、高山唐松草出现.

重度退化草地：以赛马滩和燕麦地为主.杂类草型植被，主要伴生种有龙胆、线叶嵩草、禾草、阴山扁蓿豆、矮生嵩草、球花蒿、委陵菜，禾草包括垂穗披碱草、洽草、针茅、羊茅，毒草狼毒、棘豆大量出现；其中瑞香科耐干旱的多年生草本植物狼毒生活力极强，视为草地退化的指示植物.

1.3 土壤采集及测定方法

以植被生长旺盛期7月进行土壤样品采集，采取0～10、10～20、20～30 cm深度的土样，带回实验室后风干、去杂，过筛后供土壤养分测定.土壤有机质采用K2Cr2O7测定；土壤全氮采用半微量凯氏定氮法测定；土壤水解氮采用碱解扩散法；速效磷采用碳酸氢钠法；速效钾采用醋酸铵提取、原子吸收分光光度计测定；pH值采用酸度计测定.

1.4 研究方法

1.4.1 Pearson相关性分析 Pearson相关分析法[8]适用于评价两个连续变量是否线性相关.相关系数r介于-1和1之间，绝对相关系数越接近于1，数据点越紧密地落于一条直线上.如果相关系数接近于0，则表明不存在线性关系.

1.4.2 主成分分析 主成分分析法[9]是在寻找几个能解释原有变量xi的线性组合函数(主成分)，这些线性组合，一方面必须能够保有原来变量的信息，且主成分之间必须相互独立不会重叠，更重要的是要能以“较少”的主成分代替原来“多个”解释变量，以达到降维的目的.

1.4.3 聚类分析 聚类分析[9]是一种根据资料性质进行“自然”分组的统计方法，在进行分析时，使用的分类变量不同，结果就会不同.因此，在进行聚类分析时，根据理论和相关文献来选择变量，并且注意所选择的变量应遵循：(1)能够显示出观测值的特征；(2)与聚类分析的目标有一定程度的关联.

在聚类分析中也要解决多重共线性问题.因为聚类分析对观测值分类的原理，是先计算观测值在所有要分类变量上的距离或相似性，再根据距离的远近或相似程度进行分类工作.如果导入2个相关系数接近于1的共线性变量，将会使得计算量加倍，扩大了实际的距离或相似性，会严重影响分类结果.

1.4.4 多变量方差分析 多变量方差分析[10](MANOVA)是检验自变量在不同处理水平或类别的样本在等距以上因变量的测量值的差异情形.在进行MANOVA时，必须符合下列3个基本假设：总体中各样本在因变量上的测量值应该要彼此独立；样本所来自的总体在因变量上的概率分布呈正态分布；方差齐性.

2 结果与分析

2.1 土壤养分和土壤pH值的相关性分析

首先，对土壤中的有机质、全氮、水解氮、速磷、速钾和pH值这6个指标做Pearson相关性分析.由表2可以看出，有机质和全氮，有机质和水解氮，全氮和水解氮，速钾和全氮，速钾和水解氮具有正线性相关性且高度显著，而速磷和水解氮，速钾和速磷，速磷和pH值之间的线性相关性是显著的.因此，反映土壤特征的6个指标之间存在很强的相关性，如果直接采用这些指标所对应的数据进行样地的分类，必然造成信息的重叠，从而影响分类结果的客观性，解决此问题的方法是，先用主成分分析法把这6个指标转化为少数几个不相关的综合指标，再进行聚类分析.

表2 土壤理化性质的相关性分析

2.2 退化草地的影响因素

由于土壤有机质、全氮、水解氮、速磷、速钾是极大型指标，pH值是中间型指标，因此利用MATLAB2014a软件对中间型指标pH值进行极大化处理，这样就使所有指标同趋势.然后，利用SPSS 20.0对天祝金强河地区的14块样地的预处理数据进行主成分分析，得到如表3～4所示结果.

一般地，主成分个数的提取依据是特征值大于1或是累积贡献率大于80%的主成分，由于本研究的变量个数小于20，所以将上述2种方法结合起来使用来选取主成分的个数.由表2看到前2个主成分F1、F2对应的特征值大于1并且累积贡献率为80.013%，其值大于80%，所以，选取F1为第一主成分，F2为第二主成分，这2个主成分基本上保留了原有的信息，能很好地概括这组数据.

变量x1,x2,x3,x4,x5,x6分别表示指标土壤有机质、全氮、水解氮、速磷、速钾、PH值.表4中2个主成分F1和F2对应的值是x1,x2,x3,x4,x5,x6在主成分上的加权系数，而不是在主成分上的系数，因此需要对表4 中F1和F2的结果进行调整.将表4中第2列和第3列的每个值分别除以第一主成分F1和第二主成分F2所对应特征值的平方根，可以得到主成分所对应的特征向量，其分量分别为x1,x2,x3,x4,x5,x6的系数值C1、C2，如表4所示.

表3 解释的总方差

表4 主成分矩阵及对应的特征向量

建立第一主成分和第二主成分的线性组合为：

FAC1=0.412 4x1+0.474 8x2+0.478 4x3+0.373 8x4+0.396 4x5+0.280 4x6

(1)

FAC2=0.336 7x1-0.060 9x2+0.039 3x3-0.335 7x4-0.511 4x5+0.712 6x6

(2)

(1)和(2)式可以看出，第一主成分F1所对应的特征向量的各个分量值在0.5[9]附近的有机质、全氮、水解氮且都是正值，而变量在主成分上的系数值越大，代表该变量在主成分上的重要性越高，因此命名第一主成分为土壤养分，即有机质、全氮、水解氮；同理，第二主成分F2所对应的特征向量的各个分量值仅有pH值大于0.5，因此命名第二主成分为土壤pH值.

表5 主成分得分

将各变量对应的数据标准化后代入(1)式和(2)式，得到14块样地的主成分得分，结果如表5所示.

其中，FAC1表示土壤养分的得分，FAC2表示土壤pH值的得分，现用表5的数据进行聚类分析.

2.3 样地的分类结果

主成分分析法解决了多重共线性问题，所以利用SPSS 20.0将表5中的14块样地进行聚类，也就是系统聚类法中的Q型聚类，得到分类结果如图1所示.

图1 退化高寒草甸土壤养分和pH值的树状图Figure 1 Tree map of soil nutrients and soil pH in degraded grassland

即14块样地分为4类的结果为：{1}为第一类；{2,3,4,5,6,7}为第二类；{8,9,10,12}为第三类；{11,13,14}为第四类.

由于聚类分析是一种描述性的多变量分析方法，并且完全依照观测值在变量上的性质进行“自然”的分类，因此，这里要对分类的效度进行检验.

2.4 分类结果的验证

用多变量方差分析法对聚类分析的结果做检验，表6中的P值为0.999 5(>0.05)，并未达到显著性水平，表示这4组样地在土壤养分和土壤pH值的方差具有齐性，并未违反MANOVA的基本假设.表7的4种检验方法得到P值都是小于0.05的，说明4类草地在土壤养分、土壤pH值上的平均数有显著差异，因此聚类分析的结果是合理的.

表6 方差齐性的Box检验

表7 多变量检验

为了进一步找出平均数的显著差异体现在哪一个主成分上，本研究作了单变量方差分析，由表8可知，4类退化草地在土壤养分上的平均数差异是显著的(P<0.05)，而在土壤pH值上的平均数差异不显著(P>0.05)，再由表3得到，2个主成分F1和F2分别解释了62.71%与17.3%的变量变异量，第一个主成分的重要性显著高于第二个主成分，即土壤因子特征的反映主要在土壤养分上，也就是说对退化高寒草甸分类主要也是反映在“土壤养分”这个主成分上.利用MATLAB2014a软件将图1的分类结果直观的展现出来，如图2所示.将图2的分类结果以表格的形式给出，如表9所示.

图2 退化高寒草甸的分类Figure 2 Classification of degraded grassland

3 讨论

大多数研究者一直采用植物群落作为评价草地退化的主要指标，而另一个草地退化的主要表现是土壤理化性质和土壤养分的变化.植被的变化比土壤理化性质和土壤养分的变化要直观[3]，因其从轻度退化草地—重度退化草地，植物群落特征(地上生物量、密度、高度、频度和总盖度)整体呈现降低的趋势[11].李博[12]以植物盖度、地上生物量、土壤状况及系统结构所得到的数据，对草地的退化程度分为4个等级：轻度、中度、重度和极度退化；柳小妮等[13]也提出了以植被—生境学分类方法属于定性的分类方法，主要依据野外实地调查结果，对类的生物学特征描述准确详细，比较直观，可操作性较强，实际应用较为广泛.因此，在野外采样主要也是通过观察植被和环境地变化情况而进行定性分类，但草地退化会呈现出地上植物群落与土壤同步退化，相对于地上植被的退化，土壤退化呈现出一定的滞后性[14]，随着科学技术水平的不断进步，对于一些土壤因子(如氮、磷和pH等)的测定也较为容易，因此以土壤中的有机质、全氮、水解氮、速效磷、速效钾和pH值为辅助监测指标，利用主成分分析法和聚类分析法对天祝金强河地区的退化高寒草甸进行定量分类，避免一些人为因素带来的主观性。魏淑珍等[15]以SOFM神经网络法，倪长健等[16]以投影寻踪动态聚类法对天然草地进行分类，但对分类结果的合理性并未验证，基于此本文对聚类分析的结果进行了验证，分类的结果通过了多变量方差分析的检验，研究表明分类结果与李凤霞和张德罡[6]及苏大学等[7]所给的分级标准基本一致。定性和定量的分类方法均有自己的优点和缺陷，在今后地研究中可将植物群落的特征、结构、植物地上生物量、可食生物量等为必须监测指标和土壤理化性质、土壤养分为辅助监测指标相结合将退化高寒草甸进行分类，以期更加科学、准确地揭示退化高寒草甸与土壤因子之间的关系.

表9 退化高寒草甸的分类

由于土壤中的氮、磷、钾等11种矿物质是供给植物生长所必须的营养元素[17]，而各种养分在不同退化草地贡献率也不同，基于王景升等[18]采用TWINSPAN数量分类和DCA、CCA排序的方法不仅科学地对藏北高原草地群落进行数量分类与排序，且得出了影响群落空间分布的因素为水分和温度。本研究中以天祝县金强河地区退化高寒草甸中的土壤有机质、全氮、水解氮、速效磷、速效钾、pH值为指标运用主成分分析法和聚类分析法建立天祝金强河地区退化高寒草甸的分类模型，研究结果表明，水解氮、全氮和有机质对高寒草甸退化的影响较大，这与马源等[19]、李亚娟等[20]以及刘学敏等[21]的研究结果基本一致，表明高寒草甸退化主要受到氮的限制，而有机质次之。其次，随着高寒草甸退化程度地不断加重，土壤养分含量在相应减少，土壤pH值逐渐升高后又缓慢下降，但pH值对退化高寒草甸的影响不显著，这一研究结果与张建贵等[11]以及李玲等[22]基本一致。现从土壤理化特性的视野丰富了退化高寒草甸的分类方法，并揭示了影响退化高寒草甸主要指标，为相似地区的草地资源利用和保护策略的制定提供理论依据和案例参考.

4 结论

本文针对试验中土壤的物理和化学的6个指标进行了主成分分析法和样本聚类法对金强河地区的高寒草甸进行了分类。将分类结果与野外调查结果做了对比分析，两者的结果基本一致，通过了多变量方差分析法的验证。最后，得出退化高寒草甸的差异性主要体现在水解氮、全氮、有机质中，而pH值对其影响是不显著的。因此，以多变量分析方法所建立的分类模型既可以客观、快速和有效地解决退化高寒草甸的分类问题，同时还可以利用试验测量的相关指标对不同区域的退化草地作出科学分析与评价研究.