1、在現(xiàn)代計(jì)算機(jī)信息技術(shù)的發(fā)展前提下，農(nóng)業(yè)現(xiàn)代化水平在不斷地提高，農(nóng)業(yè)領(lǐng)域的數(shù)據(jù)也在爆炸式增長(zhǎng)，逐漸形成數(shù)據(jù)類型多樣、動(dòng)態(tài)、復(fù)雜的農(nóng)業(yè)大數(shù)據(jù)。土壤養(yǎng)分?jǐn)?shù)據(jù)作為農(nóng)業(yè)大數(shù)據(jù)的重要內(nèi)容，分析土壤養(yǎng)分?jǐn)?shù)據(jù)并結(jié)合數(shù)據(jù)挖掘算法探索分析土壤中的養(yǎng)分狀況，有利于對(duì)土壤養(yǎng)分管理。
　　本文以安徽省明光市作為研究區(qū)域，收集其自2005年到2015年測(cè)土配方施肥土壤養(yǎng)分采樣點(diǎn)數(shù)據(jù)，在ARCGIS中轉(zhuǎn)化成點(diǎn)，并與耕地管理單元相疊加，建立屬性庫(kù)。在Hadoop

2、云平臺(tái)上結(jié)合IDE編程軟件Eclipse實(shí)現(xiàn)MapReduce機(jī)制，對(duì)土壤養(yǎng)分屬性數(shù)據(jù)進(jìn)行預(yù)處理，為土壤養(yǎng)分?jǐn)?shù)據(jù)挖掘做數(shù)據(jù)倉(cāng)庫(kù)準(zhǔn)備。使用聚類分析算法模糊C并在其基礎(chǔ)上進(jìn)行屬性加權(quán)分析。研究結(jié)果表明:
　　(1)在Linux操作系統(tǒng)上搭建Hadoop云平臺(tái)。在IDE編程軟件Eclipse基礎(chǔ)上，應(yīng)用MapReduce分布式數(shù)據(jù)處理機(jī)制對(duì)土壤養(yǎng)分?jǐn)?shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，定義map函數(shù)處理Key-Value對(duì)并生成中間鍵值對(duì)，對(duì)同一數(shù)據(jù)集每

3、個(gè)目標(biāo)進(jìn)行并行操作。在此階段提取處理后的土壤養(yǎng)分鍵值對(duì)數(shù)據(jù)，并以文本形式導(dǎo)出為土壤養(yǎng)分模糊C算法作數(shù)據(jù)支持。
　　(2)使用典型的聚類算法模糊C對(duì)安徽省明光市2005年到2015年土壤養(yǎng)分?jǐn)?shù)據(jù)進(jìn)行分析，在冪指數(shù)不變的情況下，使用目標(biāo)函數(shù)進(jìn)行數(shù)據(jù)集優(yōu)化并建立模糊矩陣，再進(jìn)行分別對(duì)土壤養(yǎng)分元素全氮、有效磷、速效鉀進(jìn)行聚類劃分。在傳統(tǒng)模糊C算法基礎(chǔ)，應(yīng)用層次分析法對(duì)各土壤養(yǎng)分元素進(jìn)行權(quán)重求取，并進(jìn)行加權(quán)模糊C算法分析。對(duì)預(yù)處理的土壤養(yǎng)分

4、數(shù)據(jù)進(jìn)行加權(quán)模糊C算法分析后，目標(biāo)函數(shù)值降低了約百分之三十，聚類效果得到提升。
　　(3)土壤養(yǎng)分?jǐn)?shù)據(jù)在經(jīng)過(guò)未加權(quán)后的模糊C算法分析后，與空間變異屬性加權(quán)的模糊C算法分類結(jié)果對(duì)比，后者較前者的分類結(jié)果數(shù)相似度明顯加強(qiáng)，土壤養(yǎng)分?jǐn)?shù)據(jù)類別相似度隨年份逐漸靠近，說(shuō)明安徽省明光市土壤養(yǎng)分空間變異性減小，年度土壤養(yǎng)分差異減少，經(jīng)過(guò)多年科學(xué)施肥指導(dǎo)，耕地養(yǎng)分狀況得到改善，為農(nóng)業(yè)工作者分析近幾年來(lái)土壤養(yǎng)分狀況作參考，為耕地施肥區(qū)域管理作依據(jù)。另