基于PCA-聚类-IQR分析链的滨海盐沼土壤氯离子生态阈值数据驱动识别：以辽河口为例

摘要

氯离子（Cl^-）作为滨海湿地土壤盐渍化过程的关键指标，其生态阈值的识别对揭示水盐环境演变机制具有重要意义。本研究以辽河口湿地为对象，基于340个样品的28项土壤理化指标，集成主成分分析（PCA）、K-means无监督聚类与四分位距法（IQR）,系统解析Cl^-的共变机制并识别其生态阈值。PCA显示，Cl^-与土壤含水量等水盐因子在空间上呈现稳定共变特征，其分异主要受局地水分条件调控，体现了蒸发-淋溶过程对盐分再分配的影响。通过K-means聚类将样品划分为三类具有显著水盐差异的群组，对应不同盐渍化程度。基于IQR规则提取合理变化区间与潜在异常值，结合聚类组间分布特征，确定关键生态阈值。该方法无需预设经验阈值或人为分级，实现了Cl^-生态风险阈值的客观、数据驱动识别。结果显示Cl^-的低-中风险阈值为28.93 mg/kg,中-高风险阈值为144.66 mg/kg,高盐样品中局部存在405.06 mg/kg的异常富集。结合植被分布特征发现，低盐植被样地的Cl^-浓度普遍低于28.93 mg/kg,而盐生植被及高盐胁迫下的芦苇样地多高于144.66 mg/kg,表明所识别阈值与实际生态响应高度一致。本研究构建了一种基于人工智能与大数据分析的生态阈值识别技术框架，为复杂环境中关键地球化学指标的智能量化与生态管理提供科学依据。

关键词

滨海湿地 / 氯离子 / 无监督学习 / K-means聚类 / 生态阈值识别