森林立地质量影响因素的灰色关联分析

第４８卷第４期２０２１年１２月福建林业科技ＪｏｕｒｏｆＦｕｊｉａｎＦｏｒｅｓｔｒｙＳｃｉａｎｄＴｅｃｈＶｏｌ ４８　Ｎｏ ４Ｄｅｃ ，２０２１ｄｏｉ：１０．１３４２８／ｊ．ｃｎｋｉ．ｆｊｌｋ．２０２１．０４．０１３基于灰色关联分析的马尾松采脂林土壤肥力评价颜　权１，２，李春宁２，覃其云１，３，邓小军１，３，宋贤冲１，３，唐　健１，３（１ 广西壮族自治区林业科学研究院，广西南宁５３０００２；２ 广西壮族自治区国有派阳山林场，广西宁明５３２５００；３ 国家林业局中南速生材繁育实验室、广西林用新型肥料研发中心、广西优良用材林资源培育重点实验室，广西南宁５３０００２）摘要：２０１７—２０１８年，对广西不同区域、不同林龄的马尾松采脂林土壤的主要肥力指标进行测定，并采用灰色关联分析方法对其土壤肥力进行综合评价。

结果表明：６个马尾松采脂林样地的根际土和非根际土均呈酸性至强酸性，有机质、全Ｎ、碱解Ｎ含量处于中等水平，土壤全Ｐ、有效Ｐ、全Ｋ和速效Ｋ含量均处于极贫乏水平；土壤中量元素：交换性Ｃａ、交换性Ｍｇ含量大部分处于极低水平；土壤微量元素：有效Ｃｕ和有效Ｚｎ含量处于中等水平，有效Ｆｅ含量处于极丰富水平，有效Ｂ和有效Ｍｎ含量大部分处于极贫乏水平。

各马尾松采脂林根际土和非限际土的土壤肥力综合指标值关联度主要分布在０ ３７９～０ ６４７，其中乐里林场１５年生的马尾松采脂林土壤综合肥力最高，派阳山林场１３年生的马尾松采脂林土壤综合肥力最低。

不同区域、不同林龄马尾松采脂林的土壤综合肥力普遍较低。

关键词：马尾松；采脂林；土壤肥力；灰色关联分析中图分类号：Ｓ７１４ ８；Ｓ７９１ ２４８ 文献标识码：Ａ 文章编号：１００２－７３５１（２０２１）０４－００６２－０５ＥｖａｌｕａｔｉｏｎｏｎＳｏｉｌＦｅｒｔｉｌｉｔｙｏｆＰｉｎｕｓｍａｓｓｏｎｉａｎａＲｅｓｉｎＳｔａｎｄｓＢａｓｅｄｏｎＧｒｅｙＲｅｌａｔｉｏｎＡｎａｌｙｓｉｓＹＡＮＱｕａｎ１，２，ＬＩＣｈｕｎｎｉｎｇ２，ＱＩＮＱｉｙｕｎ１，３，ＤＥＮＧＸｉａｏｊｕｎ１，３，ＳＯＮＧＸｉａｎｃｈｏｎｇ１，３，ＴＡＮＧＪｉａｎ１，３（１ ＧｕａｎｇｘｉＺｈｕａｎｇＡｕｔｏｎｏｍｏｕｓＲｅｇｉｏｎＦｏｒｅｓｔｒｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｎａｎｎｉｎｇ５３０００２，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ；２ ＧｕａｎｇｘｉＳｔａｔｅ ｏｗｎｅｄＰａｉｙａｎｇｓｈａｎＦｏｒｅｓｔＦａｒｍ，Ｎｉｎｇｍｉｎｇ５３２５００，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ；３ ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｅｎｔｒａｌＳｏｕｔｈＦａｓｔ ｇｒｏｗｉｎｇＴｉｍｂｅｒＣｕｌｔｉｖａｔｉｏｎｏｆＦｏｒｅｓｔｒｙＭｉｎｉｓｔｒｙｏｆＣｈｉｎａＧｕａｎｇｘｉＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＣｅｎｔｅｒｆｏｒＮｅｗＦｏｒｅｓｔｒｙＦｅｒｔｉｌｉｚｅｒＧｕａｎｇｘｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｕｐｅｒｉｏｒＴｉｍｂｅｒＴｒｅｅｓＲｅｓｏｕｒｃｅＣｕｌｔｉｖａｔｉｏｎ，Ｎａｎｎｉｎｇ５３０００２，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｆｒｏｍ２０１７ｔｏ２０１８，ｔｈｅｍａｉｎｓｏｉｌｆｅｒｔｉｌｉｔｙｉｎｄｅｘｅｓｏｆＭａｓｓｏｎＰｉｎｅｆａｔｍｉｎｉｎｇｆｏｒｅｓｔｉｎｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓａｎｄｆｏｒｅｓｔａｇｅｓｉｎＧｕａｎｇｘｉｗｅｒｅｍｅａｓｕｒｅｄ，ａｎｄｔｈｅｇｒｅｙｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｍｅｔｈｏｄｗａｓｕｓｅｄｔｏｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｅｖａｌｕａｔｅｔｈｅｓｏｉｌｆｅｒｔｉｌｉｔｙ ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｒｈｉｚｏｓｐｈｅｒｅｓｏｉｌａｎｄｎｏｎｒｈｉｚｏｓｐｈｅｒｅｓｏｉｌｏｆｓｉｘＰｉｎｕｓｍａｓｓｏｎｉａｎａｒｅｓｉｎｍｉｎｉｎｇｆｏｒｅｓｔｓａｍｐｌｅｐｌｏｔｓｗｅｒｅａｃｉｄｉｃｔｏｓｔｒｏｎｇｌｙａｃｉｄｉｃ，ｔｈｅｃｏｎｔｅｎｔｓｏｆｏｒｇａｎｉｃｍａｔｔｅｒ，ｔｏｔａｌＮａｎｄａｌｋａｌｉｈｙｄｒｏｌｙｚａｂｌｅＮｗｅｒｅａｔｔｈｅｍｅｄｉｕｍｌｅｖｅｌ，ａｎｄｔｈｅｃｏｎｔｅｎｔｓｏｆｔｏｔａｌＰ，ａｖａｉｌａｂｌｅＰ，ｔｏｔａｌＫａｎｄａｖａｉｌａｂｌｅＫｗｅｒｅａｔｔｈｅｖｅｒｙｐｏｏｒｌｅｖｅｌ；ｔｈｅｃｏｎｔｅｎｔｓｏｆｅｘｃｈａｎｇｅａｂｌｅＣａａｎｄｅｘｃｈａｎｇｅａｂｌｅＭｇｉｎｍｅｄｉｕｍｅｌｅ ｍｅｎｔｓｏｉｌａｒｅｍｏｓｔｌｙａｔａｖｅｒｙｌｏｗｌｅｖｅｌ；ｔｈｅｃｏｎｔｅｎｔｓｏｆａｖａｉｌａｂｌｅＣｕａｎｄＺｎｉｎｓｏｉｌｔｒａｃｅｅｌｅｍｅｎｔｓａｒｅａｔａｍｅｄｉｕｍｌｅｖｅｌ，ｔｈｅｃｏｎｔｅｎｔｓｏｆａｖａｉｌａｂｌｅＦｅａｒｅａｔａｖｅｒｙｒｉｃｈｌｅｖｅｌ，ａｎｄｍｏｓｔｏｆｔｈｅｃｏｎｔｅｎｔｓｏｆａｖａｉｌａｂｌｅＢａｎｄＭｎａｒｅａｔａｖｅｒｙｐｏｏｒｌｅｖｅｌ ＴｈｅｃｏｒｒｅｌａｔｉｏｎｄｅｇｒｅｅｏｆｃｏｍｐｒｅｈｅｎｓｉｖｅｉｎｄｅｘｖａｌｕｅｓｏｆｓｏｉｌｆｅｒｔｉｌｉｔｙｏｆＲｈｉｚｏｓｐｈｅｒｅＳｏｉｌａｎｄｕｎｒｅｓｔｒｉｃｔｅｄｓｏｉｌｏｆｅａｃｈＭａｓｓｏｎＰｉｎｅｆａｔｐｉｃｋｉｎｇｆｏｒｅｓｔｉｓｍａｉｎ ｌｙｄｉｓｔｒｉｂｕｔｅｄｉｎ０ ３７９～０ ６４７ Ａｍｏｎｇｔｈｅｍ，ｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｓｏｉｌｆｅｒｔｉｌｉｔｙｏｆ１５ ｙｅａｒ ｏｌｄＭａｓｓｏｎＰｉｎｅｆａｔｐｉｃｋｉｎｇｆｏｒｅｓｔｉｎＬｅｌｉｆｏｒｅｓｔｆａｒｍｉｓｔｈｅｈｉｇｈｅｓｔ，ａｎｄｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｓｏｉｌｆｅｒｔｉｌｉｔｙｏｆ１３ ｙｅａｒ ｏｌｄＭａｓｓｏｎＰｉｎｅｆａｔｐｉｃｋｉｎｇｆｏｒｅｓｔｉｎｐａｉｙａｎｇｓｈａｎｆｏｒｅｓｔｆａｒｍｉｓｔｈｅｌｏｗｅｓｔ ＴｈｅｓｏｉｌｃｏｍｐｒｅｈｅｎｓｉｖｅｆｅｒｔｉｌｉｔｙｏｆＰｉｎｕｓｍａｓｓｏｎｉａｎａｆａｔｇａｔｈｅｒｉｎｇｆｏｒｅｓｔｉｎｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓａｎｄｄｉｆｆｅｒｅｎｔｆｏｒｅｓｔａｇｅｓｉｓｇｅｎｅｒａｌｌｙｌｏｗＫｅｙｗｏｒｄｓ：Ｐｉｎｕｓｍａｓｓｏｎｉａｎａ；ｔａｐｐｉｎｇｒｅｓｉｎｆｏｒｅｓｔ；ｓｏｉｌｅｒｔｉｌｉｔｙ；ｇｒｅｙｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ　收稿日期：２０２１－０１－１２；修回日期：２０２１－０４－１９　基金项目：广西林业科技项目（广西马尾松采脂林平衡施肥技术研究，桂林科研［２０１５］４５号）　第一作者简介：颜权（１９８５—），男，广西壮族自治区国有派阳山林场工程师，从事森林培育工作。

基于灰色关联度分析的森林景观类型环境耦合度研究周国强;陈彩虹;薛轶;杜缘缘【摘要】以新化县大熊山国有林场的杉木林、松林和阔叶林3种森林景观类型为研究对象,采用灰色关联度法分析研究区3种森林景观类型的平均胸径、平均树高、灌木层多样性和草本层多样性与6个环境因子之间的关联程度,并构建环境耦合度模型,探究林场森林景观类型相互作用下的稳定性.结果表明,1)3种森林景观类型对研究区的环境因子具备较高的适宜性;2)以年均温度和年降水量为代表的气候因子对森林生长发育的关联程度最高,其次是土壤因子,而影响最小的则是地形因子;3)3种森林景观类型中阔叶林和杉木林相互作用的稳定程度最高,其次是阔叶林和松林之间的相互作用,最后则是杉木林和松林.%Taking the three forest landscape types,i.e.Cunninghamia lanceolata,Pinus tabulaeformis and broad-leaved forest in the state-owned forest farmland of Xinhua County as research objects,the correlationship between the tree parameters (the average diameter,tree height,biversity of bush layer,and diversity of herbal layer) of the three forest landscape types and six environmental factors was analyzed by gray correlation method.An environmental coupling model was established to explore the stability of forest landscape type interaction.The results showed that 1) the three forest landscape types involved in the study had high suitability for the environmental factors in the study area.2) Climatic factors,particularly annual average temperature and annual precipitation,exhibited the highest degree of correlationship with the growth and development of forest,followed by soil factor,and terrain factor.3) The interaction between broad-leaved forest andnceolata forest was the highest among the three forest landscape types,followed by the interaction between broad-leaved forest and pine forest,then the interaction between the fir forest and pine forest.【期刊名称】《西北林学院学报》【年(卷),期】2018(033)002【总页数】6页(P219-223,262)【关键词】森林景观类型;环境因子;灰色关联度法;环境耦合度【作者】周国强;陈彩虹;薛轶;杜缘缘【作者单位】中南林业科技大学,湖南长沙410000;中南林业科技大学,湖南长沙410000;中南林业科技大学,湖南长沙410000;中南林业科技大学,湖南长沙410000【正文语种】中文【中图分类】TU985环境对植物的分布和影响对生态学的研究意义重大[1-2]。

基于灰色关联度分析的灰色综合评估法在森林采伐限额编制中
的使用
徐军
【期刊名称】《内蒙古林业调查设计》
【年(卷),期】2013(036)002
【摘要】文章论述了辽宁省“十二五”期间年森林采伐限额的编制中,采用灰色关联度分析的灰色综合评估法对核减指标进行综合评估,从而确定影响采伐限额的核减指标关联程度,获得影响采伐限额的核减指标关联度排序,对采伐限额的具体编制具有现实的指导意义.
【总页数】3页(P7-9)
【作者】徐军
【作者单位】辽宁省林业厅,沈阳110000
【正文语种】中文
【中图分类】S754.4+6
【相关文献】
1.基于灰色关联度理论寒冷地区沥青路面使用性能指标的分析 [J], 王海龙;冀伟;樊旭英;李章珍
2.基于改进的灰色关联度分析法在居民消费结构分析中的应用 [J], 赵海青
3.循环经济灰色综合评价模型构建分析——基于灰色关联度 [J], 孙磊;赵佳颖
4.地方债务风险与使用效率的空间相关性实证研究——基于灰色关联度模型 [J],
胡才龙
5.内蒙古林业产业结构的分析与优化调整研究——基于灰色关联度和灰色发展决策分析 [J], 张建成;智荣
因版权原因，仅展示原文概要，查看原文内容请购买。

综合运用多源遥感数据的灰色关联分析方法在城市绿化评估中的应用近年来，城市化进程日益加速，城市绿地资源越来越受到人们的关注。

然而，传统的城市绿化评估方法只能获得有限的信息，无法全面评价城市绿地的质量和数量。

而综合运用多源遥感数据的灰色关联分析方法则可以解决这一问题，为城市绿化评估提供全面、准确的数据支持。

一、多源遥感数据的综合运用遥感技术是获取地表信息的重要手段之一，通过卫星遥感图像可以获得地表覆盖、土地利用、植被生长等多种信息。

其中，高分辨率遥感图像能够提供较为详细的地表信息，但其数据量庞大、处理难度大；中空间分辨率的遥感图像则能够以较低的数据量获得较为全面的区域信息。

因此，对于城市绿化评估而言，只使用一种遥感图像是远远不够的，需要综合运用多种遥感数据，以获得更全面、准确的信息。

二、灰色关联分析方法灰色关联分析方法是用来描述几组有关系的运动序列之间相互影响的方法，它是又子模拟的非统计分析方法。

它通过对目标因素与影响因素的关联程度进行比较分析，来评估目标因素与影响因素的关系。

三、多源遥感数据在灰色关联分析方法中的应用在利用多源遥感数据进行城市绿化评估时，灰色关联分析方法可以将多源遥感数据进行综合分析，以找出各项指标之间的关联关系。

例如，可以将遥感图像中的植被覆盖率、土地利用类型、地表形态等指标通过灰色关联分析方法加以综合，以评估城市绿地的质量和数量。

四、多源遥感数据的应用案例有研究者使用多源遥感数据与灰色关联分析方法相结合，对广州市2010年、2015年两个时期的城市绿地覆盖率进行了研究。

研究发现，2010年至2015年，广州市城市绿地覆盖率增加了0.97%，其中新建公园、社区绿地和各类景观林地是绿地增加的主要来源。

通过多源遥感数据和灰色关联分析方法的综合运用，研究者成功评估了广州市城市绿化的发展情况，为城市绿化规划提供了科学依据。

五、结论综合运用多源遥感数据的灰色关联分析方法可以为城市绿化评估提供全面、准确的数据支持。

灰色聚类在立地质量评价中的应用
莫景林
【期刊名称】《云南林业调查规划》
【年(卷),期】1990(000)002
【摘要】在林业规划设计中,常常按立地因子对林木生长发育影响的关系,将因子进行组合,归并为不同立地类型。

归并的方法,统称‘聚类’或‘判别’。

在此基础上,根据林木对立地类型的适应程度,再评定立地质量等级,称立地质量评价,以便能做到因地制宜。

【总页数】4页(P31-34)
【作者】莫景林
【作者单位】无
【正文语种】中文
【中图分类】S718.5
【相关文献】
1.改进灰色聚类法在粤港珠江三角洲区域大气环境质量评价中的应用研究 [J], 王国胜;冉治霖;黄奕崇;朱艳茹;涂桂娥
2.改进灰色聚类法在大气环境质量评价中的应用研究 [J], 卓倩;雷梓松;陈光伟;邱玲玲;杨文卿
3.宽域灰色聚类法在减量化用地复垦场地土壤环境质量评价中的应用 [J], 张惠;陈敏;董聪慧
4.宽域灰色聚类法在减量化用地复垦场地土壤环境质量评价中的应用 [J], 张惠;陈
敏;董聪慧;;;
5.改进的灰色聚类方法及其在水环境质量评价中的应用 [J], 向用彬;梁川;林源因版权原因，仅展示原文概要，查看原文内容请购买。

基于灰色关联分析的不同森林类型的土壤肥力综合评价
韦昌鹏;韦秀媚;荣昌友;曹春芮;覃其云;唐健
【期刊名称】《中国林业产业》
【年(卷),期】2024()2
【摘要】土壤肥力是土壤的基本属性和本质特征,它是衡量土壤为植物生长供应和协调养分、水分、空气和热量的能力,是土壤物理、化学和生物学性质的综合反应。

当前,对土壤肥力单项指标的分析研究比较深入,许多指标已有公认的量化表达肥力
等级的标准,但对诸多指标综合作用进行定量综合评价,则相对困难。

灰色关联理论
是以分析和确定因素间的相互影响程度或因子对主行为的贡献程度而进行评估的一种分析方法,根据因素之间的相似或相异程度来衡量因素间接近的程度.
【总页数】3页(P63-65)
【作者】韦昌鹏;韦秀媚;荣昌友;曹春芮;覃其云;唐健
【作者单位】广西壮族自治区国有维都林场;广西壮族自治区林业科学研究院;广西
优良用材林资源培育重点实验室;广西林用新型肥料研发中心
【正文语种】中文
【中图分类】S714
【相关文献】
1.应用灰色关联分析对银南灌区土壤肥力的综合评价
2.基于灰色关联分析对不同种植模式饲草生产性能的综合评价
3.基于灰色关联分析的马尾松采脂林土壤肥力评
价4.下蜀主要森林土壤肥力的灰色关联分析与评价5.湖州主要森林类型土壤肥力的灰色关联度分析与评价
因版权原因，仅展示原文概要，查看原文内容请购买。

基于灰色关联分析的思茅松林下枯落物与土壤有机质含量的关系研究杨蕊;黄娟;吴俊红【摘要】设计6个大样区,27个样地,7个因子(有机质、朽木、松针、松枝、松果、阔叶、腐殖质)进行调查采样,采用灰色系统理论的灰色关联分析法对景谷县思茅松林下枯落物与土壤有机质含量的关系进行分析研究.结果表明,景谷县思茅松林下松针、松果、朽木对林下土壤中有机质的含量影响最大,其次是松枝、腐殖质层、阔叶.%6 plots, 27 sampling plots and 7 factors ( organic matter, rotten wood, pine needles, pine branches, pine cones, broad-leaved, humus) were designed to conduct survey sampling. By using gray relational analysis method of gray system theory, the relationship between litter-fall and soil organic matter in Pinus kesiya forests were studied. The results showedthat the content of pine needles, pine cones, rotten wood have biggest impact on forest soil organic matter, and followed by the pinebranch, humus layer, broad-leaved .【期刊名称】《林业调查规划》【年(卷),期】2011(036)006【总页数】4页(P35-38)【关键词】灰色关联分析;思茅松林;枯落物;土壤有机质;景谷县【作者】杨蕊;黄娟;吴俊红【作者单位】西南林业大学环境科学与工程学院,云南昆明650224;西南林业大学环境科学与工程学院,云南昆明650224;云南秀川环境工程技术有限公司,云南昆明650224【正文语种】中文【中图分类】S791.25911;S714.5思茅松(Pinus kesiya Royle ex Gord.var langbianensis)是我国亚热带西南部山地的代表种，集中分布于云南南部景谷、思茅、普文等地［1］.因为用途广泛，生长迅速，所以近年来已成为当地最重要的造林树种.思茅松是云南西南部亚热带山地的代表树种，分布广泛，经济价值高，因此针对思茅松的研究较多，但主要集中在育种与病虫害方面，而在林下枯落物与土壤养分的影响关系上则研究较少.为了解思茅松林下枯落物与土壤有机质的影响关系，对景谷县思茅松进行调查采样分析.在调查后期数据的分析中，由于有的样地林下枯落物有不同程度的信息缺失(如样地中无松果和阔叶的情况)，造成使用传统的统计方法不能进行统计分析，而基于灰色系统理论的灰色关联分析是以不确定性系统为研究对象，能实现对部分信息未知情况下的统计分析，解决了传统统计分析在小样本贫信息下分析难的问题.灰色系统理论是以“部分信息已知和部分信息未知”的“小样本”、“贫信息”的不确定性系统为研究对象，主要通过对部分已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效控制［2］.灰色关联分析的原理是依据序列曲线几何形状的相似程度来判断其关联是否紧密.曲线越接近，相应序列的关联度就越大，反之越小［3］.由于关联度仅仅反映了曲线上各点的相似程度，不能反映整体的接近程度，故在构造初值时，省略初值零像化，以原始值进行处理得到指标序列.利用绝对关联分析法，研究实际关联程度.它对样本量的大小没有特殊要求，分析时也不需要典型的分布规律，且计算量小，不会出现量化结果与定性分析结果不符的情况，因而具有广泛的实用性［5］.1 材料与方法1.1 研究区概况景谷县位于云南省西南部，普洱中部偏西，地处东经100°02'～101°07'、北纬22°49'～23°52'，属亚热带山原季风气候，地势以山地高原为主，海拔600～2 920 m，年降水量1 354 mm、蒸发量1 916.4 mm、平均雨日数164.1 d、年均温20.1℃，≥10°的积温为7 360.9℃;年均日照时间2 065.3 h.景谷县是全国林业重点县，全县林业用地面积为31.2万 hm2，森林覆盖率达74.7%，森林主要树种为思茅松.此次对思茅松的采样共计6个大样区，27个样地，7个因子，样点分布情况见图1所示.图1 景谷县思茅松采样分布Fig.1 Simao pine sampling distribution of Jinggu County1.2 枯落物采样在每个大样区中，按不同坡向(阳坡、半阴半阳坡、阴坡)及不同坡位(坡上部、坡中部、坡下部)的组合分别采样.对标准样地按对角线形式选取3个1 m×1 m的小样方，利用全收获法分别收集样方内的朽木、松针、松枝、松果、阔叶以及腐殖质层的样品，并记录野外鲜重，然后把每个样方取回的样品放入烘箱内，在105℃下连续烘干24 h至绝干重，用电子天平称重.1.3 土样采集与化验在标准样地中按S形路线进行土壤采样，采样层次为0～20、20～40、40～60，用环刀法采集每个土样，同时记录野外鲜重，密封并带回实验室.土壤有机质含量的测定采用重铬酸钾容量法［7－8］.1.4 采样原始数据将采样与化验数据按各大样区求取平均值，按灰色关联分析的要求，将7个因子视为总体，其中朽木、松针、松枝、松果、阔叶、腐殖质层为比较数列x1、x2、x3、x4、x5、x6，有机质为参考数列 x0，将各样区平均值列入表1.2 结果计算与分析灰色系统关联分析克服了回归分析等系统分析方法的不足，对样本量的大小及样本有无规律性没有过高的要求，故有较高的实用价值.灰色系统关联分析的具体计算步骤如下.2.1 原数据的预处理由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论.因此，在进行灰色关联度分析时，一般都要进行无量纲化的数据处理.数据标准差标准化处理公式为：式中：(k)为各原始数据;同一指标平均值;si为同一指标标准差;xi(k)为原始数据标准化处理结果，标准化结果见表2.2.2 计算参考数列与比较数列的差值根据表2求出x0与xi各对应点的绝对差值，即将求得的差值列人表3.表1 各样区原始数据平均值Tab.1 Average of raw data in each area样区有机质x0/(g·kg－2)朽木x1/g松针x2/(g·m－2)松枝x3/(g·m－2)松果x4/(g·m －2)阔叶x5/(g·m －2)腐殖质层x6/(g·m－2)1 10.4939 19.9900 20.1700 16.3400 4.3400 4.5600 36.8300 2 21.5571 46.0425 82.0050 57.9550 27.5325 19.1763 292.4388 3 22.2635 45.3200 63.6150 33.7975 18.0192 13.2583 349.3375 4 17.1650 40.0821 33.8529 51.1236 21.7893 26.2600 299.3971 5 13.0910 40.0933 39.9467 26.4633 4.2933 15.3167 405.7567 6 17.0152 44.5113 56.2513 26.2113 18.7700 12.7500 241.6600表2 原始数据标准化处理结果Tab.2 Standardization results of original data 样区有机质朽木松针松枝松果阔叶腐殖质层1 －1.3975 －1.9688 －1.3037 －1.1831 －1.2057 －1.4751 －1.8361 2 1.0044 0.6820 1.4630 1.4117 1.2363 0.5474 0.1689 3 1.1577 0.6085 0.6402 －0.0946 0.2346 －0.2715 0.6153 4 0.0508 0.0755 －0.6915 0.9857 0.6316 1.5276 0.2235 5 －0.8337 0.0767 －0.4188 －0.5519 －1.2106 0.0134 1.0578 6 0.0183 0.5262 0.3107 －0.5676 0.3137 －0.3418－0.2294表3 有机质与其他因子的绝对差值Tab.3 Absolute difference of organic matter and other factors，变量枯落物类型绝对差值x1 朽木0.5713 0.3224 0.5493 0.0247 0.9103 0.5079 x2 松针0.09380.45870.51750.74230.41490.2924 x3 松枝0.21440.40731.25230.93490.28170.5859 x4 松果0.19180.23200.92310.58080.37690.2954 x5 阔叶0.07760.45691.42921.47680.84700.3601 x6 腐殖土0.4386 0.8354 0.5425 0.1727 1.8915 0.24772.3 求参考数列与比较数列的灰色关联系数ξi(k)所谓关联程度，实质上是曲线间几何形状的差别程度.因此，曲线间差值大小可作为关联程度的衡量尺度.从表3可知：二级最小差值二级最大差值△max对于一个参考数列 x0有若干个比较数列 x1，x2，…，xn，各比较数列与参考数列在各个时刻(即曲线中的各点)的关联系数ξi(k)可由下列公式算出：式中：p为分辨系数，0＜p＜1，通常取分辨系数为0.5;Δmin为第二级最小差;Δmax为二级最大差;△x0i(k)为各比较数列xi曲线上的每一个点与参考数列x0曲线上的每一个点的绝对差值.最终可以求得各指标与有机质之间的关联系数ξi(k)(表4).表4 有机质与其他因子的关联系数Tab.4 Correlation coefficient of organic matter and other factors，关联变量关联系数ξ1 朽木枯落物类型0.63970.7652 0.6492 1.0000 0.5228 0.6676 ξ2 松针 0.9335 0.6910 0.6632 0.5749 0.7132 0.7838 ξ3 松枝0.8365 0.7172 0.4415 0.5160 0.7906 0.6336 ξ4 松果0.8531 0.8241 0.5193 0.6357 0.7337 0.7819 ξ5 阔叶 0.9483 0.6918 0.4086 0.4006 0.5413 0.7432 ξ6 腐殖土0.7010 0.5448 0.6521 0.8677 0.3420 0.8131 2.4 求关联度ri因为关联系数是比较数列与参考数列在各个样地(即曲线中的各点)的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较.因此，有必要将各个时刻(即曲线中的各点)的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度 ri公式如下.根据公式3，将表4中的关联系数代入计算，求得有机质与朽木、松针、松枝、松果、阔叶、细小可燃物、腐殖土各指标的关联度.关联度的排序结果见表5所示.表5 有机质和其它因子的关联度Tab.5 Association of organic matter and other factorsNo.因子关联度r1 松针0.7266 r2 松果 0.7246 r6 朽木 0.7074 r3 松枝 0.6559 r5 腐殖质层 0.6535 r4 阔叶0.6223在灰色关联分析中，因子的重要性用联度表示，关联度越大，则表示因子越重要，由表5可知，在云南省景谷县思茅松土壤有机质与林下枯落物的影响关系研究中，朽针、松果、朽木对林下土壤中有机质的含量影响最大，其次是松枝、腐殖质层和阔叶.通过灰色关联分析得出，在土壤有机质的估测或调查中，应重点观测思茅松林下松针、松果、朽木的数据，而阔叶一般来自于思茅松林下的小灌木，在调查时发现，思茅松林下灌木一般矮小且分布稀少，所以对土壤有机质的影响较小.3 讨论在对各影响因子之间的影响关系分析中，通常采用的是相关分析、回归分析与通径分析等统计方法，而这些方法都需要大量的采样数据，计算工作量大且数据要求满足一定的统计规律.在很多情况下，由于人力、物力和采样条件的限制，导致所取得的数据难以有效地应用上述统计方法进行分析.灰色关联分析法则能够克服这种局限性，且简便易行.通过灰色关联分析的采用，可以在调查样地较少，信息难获取的情况下对数据进行分析，为后期大量调查提供一定的指导(如：在调查点多时，可以对阔叶的调查做适当的取舍)，减少次要因素的引入，减少调查的工作量，提高调查效率.参考文献：［1］李江，翟明普，朱宏涛.思茅松人工中幼林的含碳率研究［J］.福建林业科技，2009(4)：12－15.［2］邓聚龙.灰理论基础［M］.武汉：华中科技大学出版社，2003：69－78. ［3］陈华友，赵佳宝，刘春林.基于灰色关联度的组合预测模型的性质［J］.东南大学学报，2004(1)：130－134.［4］李树君，周祖亮，殷春武.基于灰色关联度的农作物品种评价［J］.安徽农业科学，2011，39(3)：1263－1264.［5］王淑荣.灰色关联分析应用于大豆主要数量性状选择上的研究［J］.农业系统科学与综合研究，1995，11(1)：75－77.［6］程宝栋，田园，郝萍.基于灰色关联分析的中国林产品出口结构优化分析［J］.世界林业研究，2011(2)：78－80.［7］谢细香.重铬酸钾稀释热比色法测定土壤有机质的研究［J］.安徽农业科学，2005，33(6)：998－999.［8］钱宝，刘凌，肖潇.土壤有机质测定方法对比分析［J］.河海大学学报：自然科学版，2011(1)：34－38.。