孫立娜，左 鵬，于金平，蘇 睿

（1.東北農(nóng)業(yè)大學(xué)食品學(xué)院，哈爾濱 150030；2.東北農(nóng)業(yè)大學(xué)理學(xué)院/東北農(nóng)業(yè)大學(xué)大豆生物學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，哈爾濱 150030）

模糊C-均值聚類分析的黑龍江省大豆種植業(yè)戰(zhàn)略分區(qū)研究*

孫立娜1，左 鵬2**，于金平1，蘇 睿2

（1.東北農(nóng)業(yè)大學(xué)食品學(xué)院，哈爾濱 150030；2.東北農(nóng)業(yè)大學(xué)理學(xué)院/東北農(nóng)業(yè)大學(xué)大豆生物學(xué)教育部重點(diǎn)實(shí)驗(yàn)室，哈爾濱 150030）

基于黑龍江省大豆總產(chǎn)量、大豆總種植面積、大豆化肥（農(nóng)藥）施用量、以及氣候因素（全年地表總積溫、全年總降水量、全年光照）等影響因子，構(gòu)建黑龍江省大豆種植業(yè)戰(zhàn)略分區(qū)指標(biāo)體系，采用模糊C-均值聚類算法為區(qū)劃方法，對(duì)黑龍江省大豆種植業(yè)進(jìn)行戰(zhàn)略分區(qū)。研究結(jié)果將黑龍江省富錦市、海倫市、訥河縣等6個(gè)縣市分為大豆主產(chǎn)區(qū)，將克山縣，寶清縣，五大連池等7個(gè)縣市分為大豆高產(chǎn)區(qū)，將穆棱市，密山市，慶安縣等23個(gè)縣市分為大豆中產(chǎn)區(qū)，將呼蘭區(qū)，方正縣，木蘭縣等43個(gè)縣市分為大豆低產(chǎn)區(qū)。為黑龍江省大豆產(chǎn)業(yè)發(fā)展的進(jìn)一步研究，高效利用現(xiàn)有土地資源，實(shí)現(xiàn)大豆產(chǎn)業(yè)騰飛提供科學(xué)決策依據(jù)。

黑龍江；大豆種植業(yè)；戰(zhàn)略分區(qū)；模糊C-均值聚類算法

1 引言

黑龍江省種植大豆歷史悠久，情況復(fù)雜，年度波動(dòng)較大，這就給大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)帶來了很大困難。隨著近年來農(nóng)業(yè)國(guó)際化、市場(chǎng)化、商品化程度的提高，對(duì)國(guó)家大豆產(chǎn)業(yè)化程度的要求也越來越高。合理的大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)可以對(duì)國(guó)家制定大豆政策提供依據(jù)，避免政策的盲目性、重復(fù)性。以大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)為基礎(chǔ)，逐步加大政策的傾斜與宣傳，可以充分調(diào)動(dòng)全省大豆種植積極性。振興黑龍江省的大豆產(chǎn)業(yè)，促進(jìn)大豆農(nóng)業(yè)生產(chǎn)發(fā)展和相關(guān)產(chǎn)業(yè)鏈增長(zhǎng)，有助于為糧農(nóng)增收尋找長(zhǎng)期穩(wěn)定的源動(dòng)力，為黑龍江省經(jīng)濟(jì)增長(zhǎng)提供新的增長(zhǎng)點(diǎn)。因此搞好大豆信息管理系統(tǒng)與產(chǎn)業(yè)戰(zhàn)略分區(qū)是當(dāng)前大豆產(chǎn)業(yè)興旺發(fā)展極其重要的課題之一。研究目的首先在于全面評(píng)估大豆產(chǎn)業(yè)數(shù)據(jù)，根據(jù)大豆產(chǎn)量、種植面積、化肥農(nóng)藥施用量、氣候因素等主要影響因子，制定黑龍江省土大豆產(chǎn)業(yè)分區(qū)原則，建立黑龍江省大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)指標(biāo)體系，探索影響大豆產(chǎn)業(yè)發(fā)展的關(guān)鍵因素及相互關(guān)系和變動(dòng)規(guī)律。并采用模糊C-均值聚類算法對(duì)大豆信息數(shù)據(jù)進(jìn)行分類分析，提出黑龍江地區(qū)大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)結(jié)果和相關(guān)政策建議。

2 指標(biāo)體系的建立

黑龍江省的大豆種植歷史悠久，品種繁多，種植地域復(fù)雜。因此進(jìn)行黑龍江省大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)是制定全省大豆產(chǎn)業(yè)宏觀調(diào)控政策的前提條件。根據(jù)大豆產(chǎn)業(yè)本身的特點(diǎn)及其主要影響因素，選擇適宜的分區(qū)指標(biāo)，明確各指標(biāo)的概念和量化標(biāo)準(zhǔn)對(duì)大豆產(chǎn)業(yè)分區(qū)結(jié)果是否合理有很大影響。分區(qū)指標(biāo)的設(shè)置必須滿足全面性、代表性、易取性的要求，而且能反映出分區(qū)的目的以及所依據(jù)的原則，采用黑龍江省各縣大豆總產(chǎn)量（t）、大豆總種植面積（hm2）、大豆種植中化肥及農(nóng)藥施用量（t）、氣候因素（全年地表總積溫（℃）、全年總降水量（mm）、全年總光照（J/m2）為大豆戰(zhàn)略分區(qū)的指標(biāo)。

2.1 大豆總產(chǎn)量

大豆總產(chǎn)量（t，soybean yields）縮寫為（SY）是戰(zhàn)略分區(qū)的重要因素，因?yàn)楫a(chǎn)量的高低直接決定了農(nóng)業(yè)政策的制定與方向，進(jìn)而影響到全省農(nóng)業(yè)結(jié)構(gòu)布局和產(chǎn)業(yè)方式，在一定程度上決定著全省大豆產(chǎn)業(yè)的生產(chǎn)方式、結(jié)構(gòu)特點(diǎn)和發(fā)展方向。

2.2 大豆總種植面積

總種植面積（hm2，soybean growing area）縮寫為（SA）與大豆產(chǎn)量乃至于大豆產(chǎn)業(yè)息息相關(guān)，種植面積的大小直接影響到縣級(jí)行政區(qū)劃的農(nóng)業(yè)重點(diǎn)和農(nóng)民的主要收入來源，對(duì)大豆產(chǎn)業(yè)有著重要的影響。

2.3 化肥及農(nóng)藥施用量

化肥及農(nóng)藥施用量（t，chemical and pesticides fertilizer）縮寫為（CF與PF），其中化肥施用量包括：氮肥、磷肥、鉀肥以及復(fù)合肥施用量?；始稗r(nóng)藥施用量能反映出農(nóng)戶對(duì)大豆種植的投入情況，并對(duì)大豆產(chǎn)業(yè)的經(jīng)濟(jì)效益有著重要影響。

2.4 氣候因素

氣候因素（climatic factor）縮寫為（CL），其包括全年地表總積溫（℃）（accumulated temperature）、全年總降水量（mm）（amount of precipitation）、全年總光照（J/m2）（light of sun）直接影響大豆產(chǎn)量，并能反映出地域種植大豆的適宜度，對(duì)大豆種植分布起著重要的作用。

2.5 土壤狀況

土壤狀況（soil regime）縮寫為（SR）是地球陸地上可以生長(zhǎng)植物的疏松表層，其中存在為植物生長(zhǎng)供應(yīng)、協(xié)調(diào)營(yíng)養(yǎng)條件和環(huán)境條件的土壤肥力，是人類賴以生存的物質(zhì)基礎(chǔ)，是農(nóng)業(yè)生產(chǎn)的基本條件。

3 大豆種植業(yè)分區(qū)原則與方法

3.1 分區(qū)原則

參照行政區(qū)劃、灌溉區(qū)劃、土質(zhì)區(qū)劃、農(nóng)業(yè)區(qū)劃、氣候區(qū)劃等，按照歸納相似性，區(qū)別差異性的總原則進(jìn)行分區(qū)，具體分區(qū)原則為：以各縣市大豆總產(chǎn)量、大豆總種植面積、化肥施用量、農(nóng)藥施用量、氣候因素等分布規(guī)律，特別是大豆主要種植區(qū)的分布規(guī)律，為分區(qū)的基礎(chǔ)；歸納各縣市大豆產(chǎn)業(yè)的一致性，及大豆種植所需條件差異為分區(qū)依據(jù)；各縣市區(qū)大豆產(chǎn)業(yè)相互獨(dú)立；以發(fā)展各縣市大豆產(chǎn)業(yè)的可持續(xù)發(fā)展，努力提高產(chǎn)業(yè)經(jīng)濟(jì)效益，生態(tài)效益和社會(huì)效益為目的；為合理制定大豆產(chǎn)業(yè)宏觀調(diào)控政策并保持行政區(qū)界的完整性。綜合考慮，黑龍江省大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)基準(zhǔn)單元采用行政區(qū)縣為單位，若包含地級(jí)市則以地級(jí)市所轄區(qū)為基準(zhǔn)單位。

3.2 分區(qū)方法

傳統(tǒng)的聚類分析是把每個(gè)待分類的對(duì)象嚴(yán)格地劃分到某個(gè)類中，體現(xiàn)了非此及彼的性質(zhì)，分類界限是分明的。然而客觀事物之間的界限往往是不分明的，這就提出了模糊劃分的概念。根據(jù)黑龍江省大豆產(chǎn)業(yè)特點(diǎn)，采用改進(jìn)的模糊C-均值聚類算法，模糊C-均值聚類算法是一種無監(jiān)督的動(dòng)態(tài)聚類算法，其算法思想是基于尋找一種最佳的分類。該算法首先選擇若干樣本作為聚類中心，然后遵循某種聚類準(zhǔn)則（如最小距離準(zhǔn)則），使其他樣本向各中心聚類，從而得到一個(gè)初始分類。在初始分類基礎(chǔ)上，判斷初始分類是否合理，若不合理則修改分類如此反復(fù)進(jìn)行，直到得到合理的分類結(jié)果為止。同時(shí)兼顧農(nóng)業(yè)分區(qū)、土質(zhì)分區(qū)、灌溉分區(qū)、行政分區(qū)等其他分區(qū)，制定科學(xué)合理和嚴(yán)謹(jǐn)?shù)姆謪^(qū)指標(biāo)以及分區(qū)等級(jí)，對(duì)黑龍江省大豆產(chǎn)業(yè)進(jìn)行戰(zhàn)略分區(qū)，與實(shí)際情況和基于MapInfo軟件下的黑龍江省大豆產(chǎn)量分布圖進(jìn)行比較對(duì)照，并進(jìn)行相互驗(yàn)證，得到恰當(dāng)?shù)暮邶埥〈蠖巩a(chǎn)業(yè)分區(qū)的最佳分類結(jié)果。

4 模糊C-均值聚類分析原理

傳統(tǒng)中的聚類方法人為地將樣本嚴(yán)格地劃分到某類中，劃分的界限很明顯，但實(shí)際上現(xiàn)實(shí)生活中大多數(shù)對(duì)象并沒有嚴(yán)格的屬性，它們?cè)谛螒B(tài)和類屬性方面存在著兼容性，所以需要用模糊的眼光對(duì)此類樣本進(jìn)行分類。用模糊的方法來處理分類問題，稱之為模糊聚類分析。模糊聚類分析是把模糊數(shù)學(xué)的概念引入聚類分析中，以用來研究“物以類聚”的一種多元統(tǒng)計(jì)分析方法，是數(shù)值分類學(xué)的一門年輕分支，也是無監(jiān)督模式識(shí)別的一個(gè)重要分支。模糊聚類分析的實(shí)質(zhì)一般是指根據(jù)研究對(duì)象本身的屬性來構(gòu)造模糊矩陣，并在此基礎(chǔ)上根據(jù)一定的隸屬度來確定聚類關(guān)系。即用模糊數(shù)學(xué)方法把樣本之間的模糊關(guān)系定量的確定，從而客觀且準(zhǔn)確地進(jìn)行聚類。

4.1 數(shù)據(jù)標(biāo)準(zhǔn)化

實(shí)際問題中不同的數(shù)據(jù)一般具有不同的量綱，數(shù)據(jù)之間的相互比較首先需要統(tǒng)一量綱，并且一般根據(jù)模糊矩陣要求將數(shù)據(jù)壓縮到[0,1]區(qū)間上。

采取平移極差變換法：

4.2 建立模糊相似關(guān)系

將待分類樣本總體設(shè)為論域X={x1,x2,....,xn}，總體中的每個(gè)分類樣本xi（i=1,2,3......n）均具有m個(gè)特征，將其量化，則每個(gè)樣本都對(duì)應(yīng)描述它們各種特征的一組數(shù)：xi1,xi2,xi3,......xik,......xim

選擇合適的統(tǒng)計(jì)量rij計(jì)算模型，在論域X上建立相似關(guān)系。按給定性質(zhì)相似的程度，這樣由份就可組成模糊相似矩陣，即：

式中，rij為X中元素Xi和Xj相似的程度，有0≤rij≤1，（i,j=1.2.3......n）；若rij=0表示Xi和Xj截然不同，毫無相似之處；若rij=1，表示Xi和Xj完全相似（或等同）；當(dāng)i=j時(shí)，則rij就是自己與自己相似的程度，顯然rij恒取1。

通過上述過程得到的模糊相似關(guān)系（矩陣）具有如下性質(zhì)：（1）自反性，即統(tǒng)計(jì)量rij=1；（2）對(duì)稱性，即統(tǒng)計(jì)量rij=rji，（i,j=1.2.3......n）。

黑龍江省大豆產(chǎn)業(yè)樣本數(shù)據(jù)取自縣級(jí)單位播種面積，肥料，氣候等相似矩陣中的列取自不同母體，故確定rij的方法選取傳統(tǒng)聚類分析中的指數(shù)相似系數(shù)法：

4.3 模糊相似矩陣的改造

建立起模糊關(guān)系R*和相似矩陣后，它一般只滿足自反性和對(duì)稱性，而不一定具有傳遞性，即不一定是模糊等價(jià)矩陣，因此需要對(duì)模糊相似矩陣R*進(jìn)行改造，使其具備自反性、對(duì)稱性和傳遞性，成為模糊等價(jià)矩陣然后進(jìn)行總體分類。利用二次方法對(duì)模糊矩陣進(jìn)行改造：從模糊相似矩陣R*出發(fā)，一次求二次方，即：R?R2?R4?…?R2i?…當(dāng)?shù)谝淮纬霈F(xiàn)Rk·Rk=Rk時(shí)則可知R*在保留自反性和對(duì)稱性的同時(shí)還具有傳遞性，Rk即為所求模糊等價(jià)矩陣（傳遞閉包）。

4.4 最佳閾值λ的選取

在模糊聚類分析中，對(duì)于各個(gè)不同的閾值λ∈[0,1]，可以得出不同的分類情況，現(xiàn)實(shí)中一般需要選擇一個(gè)確定的閾值λ，然后確定樣本的一個(gè)具體分類，采取2種方法確定閾值λ。

4.4.1 經(jīng)驗(yàn)法 利用MapInfo軟件對(duì)2006年黑龍江省各區(qū)縣大豆產(chǎn)量、種植面積及單位面積產(chǎn)量進(jìn)行劃分，從分區(qū)地圖上觀察分成幾個(gè)區(qū)域較合理，反之到模糊聚類中尋找對(duì)應(yīng)的閾值。

4.4.2 F檢驗(yàn)方法 設(shè)論域U={x1,x2,......,xn}為樣本空間（樣本總數(shù)為n），而每個(gè)樣本xi有m個(gè)特征（每個(gè)對(duì)象所對(duì)應(yīng)的m個(gè)數(shù)據(jù)），從而得到原始數(shù)據(jù)矩陣。其中

設(shè)對(duì)應(yīng)閾值λ的分類數(shù)為r，第j類樣本數(shù)為nj，第j類樣本數(shù)記為：，第j類聚類中心為向量

作F統(tǒng)計(jì)量：

若F＞Fa（r-1,n-r）（95%的置信區(qū)間）則可知類與類之間差異明顯，說明分類較合理；若F＞Fa（r-1,n-r）得F值不止一個(gè)，則選取較大的為優(yōu)。

5 基于模糊C-均值聚類的大豆種植業(yè)分區(qū)

以2006年黑龍江省79個(gè)縣市區(qū)為例，選取各縣市大豆產(chǎn)量、大豆總種植面積、大豆化肥及農(nóng)藥施用量、氣候因素（全年地表總積溫、全年總降水量、全年總光照）數(shù)據(jù)極差標(biāo)準(zhǔn)化后生成模糊相似矩陣?yán)肕atlab軟件對(duì)黑龍江省大豆產(chǎn)業(yè)進(jìn)行指數(shù)相似系數(shù)模糊聚類分析。閾值λ取值依次為：1,0.999 4,0.998 2,0.997 8,0.994 2,0.992 1,0.990 8,0.988 8,0.988 3,0.987 1,0.984 4,0.976 6,0.970 5,0.967 6,0.959 2,0.958 4,0.953 6,0.952 8,0.950 7,0.940 6,0.939 0,0.938 7,0.937 6,0.936 8,0.935 4,0.933 6,0.925 1,0.922 3，0.921 5,0.917 6,0.914 5,0.910 5,0.908 7,0.905 2,0.903 6,0.900 0,0.899 8,0.889 0,0.878 7,0.878 2,0.873 0,0.866 7,0.856 0,0.852 3,0.847 9,0.841 0,0.838 9,0.834 3,0.833 9,0.828 1,0.826 4,0.823 8,0.822 2,0.817 4,0.816 8,0.813 6,0.806 6,0.804 3,0.803 8,0.799 3,0.789 5,0.787 8,0.786 1,0.785 0,0.780 5,0.778 1,0.775 5,0.766 8,0.735 2,0.710 8,0.699 4,0.684 2,0.652 0,0.616 5,0.609 7,0.604 1,0.556 4

當(dāng)λ=0.6994時(shí)可將黑龍江省大豆產(chǎn)業(yè)分為7類，當(dāng)λ=0.6842時(shí)，可分為6類，當(dāng)λ=0.6520時(shí)，可分為5類，當(dāng)λ=0.6165時(shí)，可分為4類，當(dāng)λ＞0.6994時(shí)分類過細(xì)，當(dāng)λ＜0.6165時(shí)分類過粗，此時(shí)討論價(jià)值不大。且F=5.69，F(xiàn)a（r-1,n-r）=F0.05（4-1,79-4）=2.72，則F＞Fa（r-1,n-r）從數(shù)理統(tǒng)計(jì)角度來看閾值λ選取恰當(dāng)，分區(qū)合理；還比照2006年黑龍江省各個(gè)區(qū)縣實(shí)際種植面積及大豆產(chǎn)量區(qū)域劃分地圖（如圖1、2）。

圖1 2006年黑龍江省各區(qū)縣大豆種植面積區(qū)域劃分地圖

圖2 2006年黑龍江省各區(qū)縣大豆產(chǎn)量區(qū)域劃分地圖

進(jìn)行比對(duì)最終選擇閾值λ=0.6165，故全省大豆戰(zhàn)略分區(qū)為4部分，模糊聚類見圖3。

圖3 黑龍江省大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)模糊聚類圖

黑龍江省大豆產(chǎn)業(yè)戰(zhàn)略分區(qū)結(jié)果：

主產(chǎn)區(qū)：富錦市，海倫市，訥河縣，嫩江縣，拜泉縣，依蘭縣。

高產(chǎn)區(qū)：克山縣，寶清縣，五大連池，樺南縣，巴彥縣，克東縣，北安市。

中產(chǎn)區(qū)：穆棱市，密山市，慶安縣，甘南縣，雙城縣，五常縣，寧安市，集賢縣，賓縣，阿城區(qū)，撫遠(yuǎn)縣，遜克縣，林口縣，依安縣，明水縣，虎林市，海林市，湯原縣，綏棱縣，同江市，東寧縣，通河縣，鐵力市。

低產(chǎn)區(qū)：哈爾濱，呼蘭區(qū)，方正縣，木蘭縣，延壽縣，尚志縣，龍江縣，泰來縣，富?？h，雞西市，雞東縣，鶴崗市，蘿北縣，綏濱縣，雙鴨山，友誼縣，饒河縣，大慶市，肇州縣，肇源縣，林甸縣，伊春市，嘉蔭縣，佳木斯，樺川縣，七臺(tái)河，勃利縣，牡丹江，綏芬河，黑河市，孫吳縣，綏化市，望奎縣，蘭西縣，青岡縣，安達(dá)市，肇東市，呼瑪縣，塔河縣，漠河縣，齊齊哈爾，杜爾伯特蒙古族自治縣，大興安嶺地區(qū)。

本著分區(qū)指標(biāo)具有全面性、概括性、易取性等原則，采用數(shù)學(xué)統(tǒng)計(jì)的方法，依據(jù)客觀事物間的特征、親疏程度和相似性，通過建立模糊相似關(guān)系對(duì)客觀事物進(jìn)行分類，以其嚴(yán)格的理論基礎(chǔ)和計(jì)算方法，能揭示因素間的內(nèi)在本質(zhì)差別和聯(lián)系，消除了傳統(tǒng)經(jīng)驗(yàn)分區(qū)的主觀性和任意性，其結(jié)果可靠、準(zhǔn)確，用模糊聚類分析方法處理帶有模糊性的聚類問題要更為客觀、靈活、直觀，計(jì)算也更加簡(jiǎn)潔，更能反映客觀實(shí)情。采用模糊聚類方法將黑龍江省大豆產(chǎn)業(yè)分為主產(chǎn)區(qū)、高產(chǎn)區(qū)、中產(chǎn)區(qū)及低產(chǎn)區(qū)。對(duì)2006年黑龍江省各市縣實(shí)際大豆生產(chǎn)數(shù)據(jù)可得分析結(jié)果符合實(shí)際情況。其中主產(chǎn)區(qū)各縣大多在黑龍江省中西部及東北部地形以平原為主，農(nóng)機(jī)械化普及率較高，適合大規(guī)模集中種植大豆，并且大豆種植面積占全縣農(nóng)作物總面積40%左右；高產(chǎn)區(qū)及中產(chǎn)區(qū)中各縣農(nóng)作物生產(chǎn)種類較復(fù)雜，大豆種植面積及相關(guān)各項(xiàng)投入所占全縣比重較小；低產(chǎn)區(qū)中包括各地級(jí)市轄區(qū)，大豆種植面積較小，以及北部山區(qū)和東部丘陵地帶，地理因素上決定，其大豆產(chǎn)業(yè)發(fā)展滯后。

6 結(jié)論及對(duì)策研究

對(duì)黑龍江省大豆種植業(yè)的地域分布、產(chǎn)業(yè)目標(biāo)、運(yùn)動(dòng)過程和構(gòu)成要素進(jìn)行了研究，建立了一套大豆種植業(yè)戰(zhàn)略分區(qū)的指標(biāo)體系，對(duì)各樣本數(shù)據(jù)的選取與量化以及大豆種植業(yè)的分區(qū)原則進(jìn)行了詳細(xì)闡述，在此基礎(chǔ)上，將模糊聚類分析法應(yīng)用于黑龍江省大豆生產(chǎn)情況分區(qū)，應(yīng)用基于模糊等價(jià)關(guān)系的傳遞閉包方法計(jì)算模糊等價(jià)矩陣，并利用地理信息系統(tǒng)產(chǎn)量分區(qū)的方法確定了最佳闡值，得到黑龍江省大豆生產(chǎn)情況分區(qū)結(jié)果。將富錦市，海倫市，訥河縣等6個(gè)縣市分為大豆主產(chǎn)區(qū)，將克山縣，寶清縣，五大連池等7個(gè)縣市分為大豆高產(chǎn)區(qū)，將穆棱市，密山市，慶安縣等23個(gè)縣市分為大豆中產(chǎn)區(qū)，將呼蘭區(qū)，方正縣，木蘭縣等43個(gè)縣市分為大豆低產(chǎn)區(qū)。

根據(jù)所建立的黑龍江省大豆信息管理系統(tǒng)及模糊聚類將黑龍江省大豆產(chǎn)業(yè)分為4個(gè)區(qū)域，政府決策部門應(yīng)因地制宜地制定大豆政策；積極開發(fā)大豆低產(chǎn)區(qū)生產(chǎn)潛力，重點(diǎn)培養(yǎng)中產(chǎn)區(qū)，使其穩(wěn)步發(fā)展，大力扶植高產(chǎn)區(qū)，打造龍江大豆精品產(chǎn)區(qū)，由點(diǎn)及面，全面帶動(dòng)黑龍江省大豆產(chǎn)業(yè)發(fā)展壯大。

［1］朱明旱,羅大庸,易勵(lì)群.一種廣義的主成分分析特征提取方法[J].計(jì)算機(jī)工程與應(yīng)用,2008,44(26):38-40,44.

［2］吳景社,康紹忠,王景雷,等.基于主成分分析和模糊聚類方法的全國(guó)節(jié)水灌溉分區(qū)研究[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(4):64-68.

［3］李鴻吉.模糊數(shù)學(xué)基礎(chǔ)及實(shí)用算法[M].北京:科學(xué)出版社,2005:99-102.

［4］汪麗娜,陳曉宏,李粵安,等.基于人工魚群算法和模糊C-均值聚類的洪水分類方法[J].水利學(xué)報(bào),2009,40(6):743-748,755.

［5］侯魯川.四川省節(jié)水農(nóng)業(yè)綜合效益評(píng)價(jià)及分區(qū)研究[D].成都:四川農(nóng)業(yè)大學(xué),2006:7-8.

［6］鄒忠,殷麗萍.基于耕地質(zhì)量管理的農(nóng)作物施肥專家系統(tǒng)研究應(yīng)用[J].現(xiàn)代農(nóng)業(yè)科學(xué),2009,16(4):107-109.

［7］于合龍,陳桂芬,趙蘭坡,等.吉林省黑土區(qū)玉米精準(zhǔn)施肥技術(shù)研究與應(yīng)用[J].吉林農(nóng)業(yè)大學(xué)學(xué)報(bào),2008,30(5):753-759,768.

［8］王海江,崔靜,陳彥,等.基于模糊聚類的棉田土壤養(yǎng)分管理與分區(qū)研究[J].棉花學(xué)報(bào),2010(4):339-346.

［9］丁斌.動(dòng)態(tài)Fuzzy圖最大樹聚類分析[J].數(shù)值計(jì)算和計(jì)算機(jī)應(yīng)用,1992(2):157-160.

［10］黃斌,史亮,陳德禮,等.一種處理混合型屬性的聚類算法在計(jì)算機(jī)取證中的應(yīng)用[J].陜西科技大學(xué)學(xué)報(bào):自然科學(xué)版,2010(02):127-130.

Strategic Planning of Soybean Planting in Heilongjiang Province Based on Fuzzy C-Means Clustering

Sun Lina1,Zuo Peng2,Yu Jinping1,Su Rui2
（1.College of Food Science,Northeast Agricultural University,Harbin 150030,Heilongjiang,China 2.College of Science,Northeast Agricultural University/Key Laboratory of Soybean Biology,Ministry of Education,Harbin 150030,Heilongjiang,China）

The strategic planning of Heilongjiang soybean planting was established using Fuzzy C-Means Clustering based on soybean total yield,total palnting acreage,amount and rate of fertilizer(pesticide),and climatic factors(total accumulated temperature at surface throughout the whole year,total annualprecipitation,and annual illumination).Six main soybean-producing regions were divided,including Fujin,Hailun,Nehe cities.Seven high soybean-producing regions were divided,including Keshan,Baoqing,Wudalianchi cities,and 23 median soybean-producing regions,as well as 23 low soybean-producing regions were also divided.This analysis and evaluation provided the scientific base for making decision on further study of soybean industry development in Heilongjiang Province,and for efficiently utilizing the existing soil resource and achieving take-off of soybean industry.

Heilongjiang;Soybean planting;Strategic planning;Fuzzy C-Means Clustering

S565.1

B

1674-3547(2014)02-0010-08

2014-01-09

孫立娜，女，講師，碩士，研究方向?yàn)槭称肺⑸铮珽-mail:857847089@qq.com

東北農(nóng)業(yè)大學(xué)大豆生物學(xué)重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目（No.SB12C03）

**通訊作者：左鵬，男，講師，碩士，研究方向?yàn)閿?shù)學(xué)生態(tài)，E-mail:zuopeng111@sina.com