开都河流域下游绿洲表层土壤盐分空间变异特征分析——以焉耆县为例

针对目前干旱区广泛存在的绿洲土壤次生盐渍化问题,基于GIS和地统计学方法,研究开都河流域下游绿洲焉耆县表层土壤的盐分空间变异特征。结果表明:1)0~10cm、10~20cm和20~30cm三层土壤盐分的半方差函数模型均符合高斯模型;随着土壤采样深度的增加,其空间变程递增,C0+C均为50%,属于中等空间相关性。2)土壤盐分在水平方向上,0~5g/kg(非盐化和轻盐化)呈片状分布,而5g/kg(中度、重度盐化和盐土)呈斑块状分布在中部和低洼地区;在垂直方向上,0~10cm土壤盐分含量最高,且随着土层深度的增加,土壤盐分递减。     

组合光学和微波遥感的耕地土壤含盐量反演

耕地保护关系到国家粮食安全和经济社会可持续发展,对生态环境保护具有重要作用,快速精准的获取耕地土壤盐分含量及空间分布信息是耕地保护的必然要求。以宁夏平罗县为研究区,利用Landsat 9 OLI和Sentinel-1遥感影像,提取光谱指数和雷达极化组合指数,基于变量投影重要性法与灰度关联法筛选特征变量,然后运用反向传播神经网络、支持向量机和随机森林3种机器学习算法构建模型,并用最佳模型反演耕地土壤含盐量空间分布情况。结果表明：(1)利用变量投影重要性法筛选变量建立的模型验证集决定系数(R²)大于灰度关联法筛选变量建立的模型。(2)利用随机森林算法,组合光谱指数和雷达极化组合指数协同反演模型效果最佳,建模集R²为0.791,均方根误差(RMSE)为1.016,R²较单一数据源模型分别提高0.065和0.085,RMSE分别降低0.147和0.189;验证集R²为0.780,RMSE为1.132,R²较单一数据源模型分别提高0.091和0.237,RMSE分别降低0.175和0.3...     

不同时期古黄河三角洲土壤剖面盐渍化特征

在渤海湾西岸选取8个不同地貌单元、不同土地利用方式的土壤剖面,分别在土壤返盐和淋溶最强的季节,按0~20、20~40、40~60和60~90cm采集土壤盐渍化样品,分析土壤剖面盐渍化特征。古河道带地势较高,为轻度盐化土壤,以硫酸盐型和氯化物-硫酸盐型盐渍化类型为主。河间洼地多为中度盐化土壤,为硫酸盐-氯化物型盐渍化类型。潮上带土壤的盐分含量达7~11g/kg,为盐土,为氯化物型盐渍化类型。土壤的蒸发、淋溶作用跟地貌、沉积等密切相关。同一地貌类型上,距海较远土壤剖面HCO₃^-含量高,Cl^-含量低,全盐含量低,盐化程度低。     

基于热红外光谱的干旱区土壤盐分监测研究

土壤盐渍化是新疆最常见的土地退化过程,已经严重威胁到了当地的农业生产、生态稳定和经济发展。通过对渭库绿洲土壤含盐量和土壤热红外光谱分析,探讨了土壤含盐量与热红外发射率之间的定量关系。结果表明：（1）盐渍化土壤的发射率随着含盐量的变化而发生变化,当土壤盐分增加时,发射率也随之增大。（2）土壤含盐量与热红外发射率光谱数据相关性在8.5～9.5 μm波段范围内表现尤为显著,相关系数超过0.8,最高为0.90,对应波段范围9.259～9.271 μm。（3）运用回归模型一阶导数变换形式下建模效果和预测精度都是最优的,R²达到了0.899,RMSE最小为1.734。热红外光谱技术可以反演土壤含盐量,为利用热红外遥感识别土壤盐分信息提供技术支撑。     

阿拉尔垦区土壤盐渍化遥感监测及时空特征分析

及时准确掌握区域土壤盐渍化信息对盐渍土治理和土地利用可持续发展有着重要意义。以阿拉尔垦区Landsat 7 ETM+/8 OLI影像为数据源,采用盐分指数（Salinity index,SI）和归一化植被指数（Normalized difference vegetation index,NDVI）构建遥感盐分监测指数（Salinization detection index,SDI）模型,对阿拉尔垦区土壤盐渍化进行反演,分析近10 a垦区土壤盐渍化空间分布特征。结果表明：SDI模型与土壤实测电导率拟合度R²=0.7579,该模型可反演阿拉尔垦区土壤盐量;2011—2021年非盐渍土和轻度盐渍土面积分别增加318.22 km²和0.80 km²,中度、重度土壤盐渍化面积减少229.87 km²,盐土面积增加68.61 km²;阿拉尔垦区北部和南部地区的土壤盐渍化程度得到明显转好,中部和东部地区土壤盐渍化程度加重,垦区土壤盐渍化总体得到较好改善。SDI模型能较好反演阿拉尔垦区土壤盐渍化时空特征,可为阿拉尔垦区经济与社会发展提供一定的参考依据。     

北疆农区土壤盐渍化遥感监测及其时空特征分析

基于MODIS数据,利用归一化植被指数和盐分指数的二维特征空间关系建立土壤盐渍化遥感监测模型,对北疆农区2000年以来的土壤盐渍化状况及其空间动态变化进行了监测分析,并探讨了典型区土壤盐渍化的主要驱动因素。结果表明：① 土壤盐渍化遥感监测指数可以从宏观上定量刻画北疆农区的土壤含盐量;② 北疆农区土壤盐渍化空间特征呈现出总体上逆转、局部严重发展的态势;③ 土壤盐渍化等级在不同时间段的发展或逆转的方向主要由中度向重度及重度向盐土间的相互转化,其中重度盐渍化农用地的转化幅度最大;④ 不同土壤盐渍化等级中盐土的形成与农区降水量和干燥程度具有较好的相关性,未盐渍化（正常）和中度盐渍化与农区有效灌溉面积和农作物播种面积分别呈相关系数较高的正相关和负相关。     

克里雅河流域土壤盐分光谱定量分析

本文对克里雅河流域进行野外调查、采集土壤样品及其光谱反射特性的测量,通过比较不同光谱预处理的方法建立偏最小二乘回归(PLSR)模型,并利用决定系数(R2)、均方根误差(RMSEP)、残留预测偏差(RPD)对模型的稳定性和预测能力进行检验。结果表明:反射率一阶微分是预测土壤样本盐分含量的最佳光谱指标。PLSR模型在建立土壤光谱与盐分含量关系时较为适用,R2、RMSE和RPD分别为0.77、0.25和1.88。利用反射光谱估算土壤中盐分含量,通过各种光谱预处理方法可以提高估算精度,可以为该区土壤盐渍化评价和生态环境调查提供依据。     

黄河景电灌区土壤盐渍化反演的多模型对比北大核心CSCD

位于中国西北干旱区东部的景电灌区是黄河景泰川电力提灌二期工程覆盖的重要地区。不合理的水资源利用和区内排水不畅导致该区成为次生盐渍化发生的重点区域。为更好地预测景电灌区的土壤盐渍化问题,服务盐渍化防治和盐渍土改良的国家需求,基于地表实测高光谱反射率和土壤电导率数据,从模型稳定性、噪声问题、共线性问题和准确度4个方面对比分析了深度神经网络(Deep neural network,DNN)、分布式随机森林(Distributed random forest,DRF)和梯度提升机(Gradient boosting machine,GBM)3个模型在景电灌区土壤盐分预测方面的适用性。结果表明:(1)实测高光谱反射率数据与土壤电导率之间存在较强的相关性,高光谱数据为土壤盐分预测研究提供了便利;(2)DNN模型的稳定性高,对噪声和共线性问题的处理能力更强,模拟准确度相对较高,而DRF和GBM模型模拟结果差别较小。DNN模型更适于景电灌区土壤盐分预测研究,这在模型适用性方面为该区域的土壤盐渍化研究提供了参考。     

渭干河绿洲不同土地利用类型土壤盐分的变化特征分析

土壤盐分的动态分析与监测,是实现盐渍化土地科学管理与利用的必要前提。运用GIS技术,结合地统计学方法,分析了渭干河绿洲土壤盐渍化的分布格局,探讨了不同土地利用类型下土壤盐分的变化规律。结果表明：土壤盐分离子含量随土层深度增加而减少,CO^2-₃和HCO₃^-变化不明显,整个剖面表现为：Na⁺+K⁺>Ca²⁺>Mg²⁺,SO^2-₄>Cl^->HCO₃^->CO^2-₃,具有中-强变异性,除了HCO₃^-、CO^2-₃和Ca²⁺外,其他盐分离子变异系数随深度增加而减小。不同土地利用类型的土壤含盐量具有显著差异垂向分布,耕地、荒地和草地、林地分别呈现为平均型、表聚型和底聚型盐分剖面,且各类型表层土壤（0～40 cm）含盐量依次为荒地（38.42 g·kg^-1）>草地（16.30 g·kg^-1） > 耕地（5.37 g·kg^-1） > 林地（4.62 g·kg^-1）。渭干河绿洲土壤属于重盐土类型,自然因素（蒸降比和地下水波动等）是土壤盐渍化的形成条件,而人为干扰（土地利用方式、灌排、施肥等）则促进了土壤盐渍化的发展。     

滴灌条件下盐地碱蓬(Suaeda salsa)种植年限对盐碱地土壤盐分离子分布的影响

采用时空转化的方法研究了滴灌条件下不同盐地碱蓬种植年限(0 a、1 a、2 a和3 a)对重度盐碱地土壤盐分及盐离子在0～120 cm土壤剖面的分布特征的影响,为盐地碱蓬在盐碱地中的改良利用提供理论依据。试验结果表明:滴灌种植盐地碱蓬后土壤盐分在剖面的分布发生明显变化,根区(0～40 cm)土壤含盐量随种植年限增加而下降,根底(40～120 cm)土壤则先增加后下降;Na⁺和Cl^-因容易被水淋洗和植物选择性吸收多,根区土壤中Na⁺和Cl^-含量随种植年限增加有显著降低,Ca²⁺和SO₄^2-不易随水移动,淋洗程度低,HCO^-₃和Mg²⁺第2 a和第3 a的淋洗效果明显好于第1 a;经过3 a种植后土壤中毒害离子Na⁺与Cl^-和在表层盐分组成中的比例下降,Ca²⁺比例上升,钠吸附比(SAR)值显著降低。     

MODIS和Landsat时空融合影像在土壤盐渍化监测中的适用性研究——以渭干河—库车河三角洲绿洲为例

土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.8066、R²（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R²（Red）=0.6999、R²（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R²=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R²=0.8987,基于验证影像构建的EC值预测模型R²=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。     

基于多光谱遥感的典型绿洲棉田春季土壤盐分反演及验证

为探索快速提取典型绿洲棉田土壤盐分的有效方法,获取区域尺度的土壤盐渍化特征及空间分布,进而为土壤盐渍化防治提供参考。以新疆兵团农二师31团为研究区域,2019、2021年春季Landsat 8 OLI多光谱影像和野外实测土壤含盐量为数据源,将波段组、光谱指数组和全变量组作为模型输入变量组,采用多元逐步回归（Multiple stepwise regression, MSR）、偏最小二乘回归（Partial least squares regression, PLSR）、极限学习机（Extreme learning machine, ELM）、支持向量机（Support vector machine, SVM）和BP神经网络（Back propagation neural network, BPNN）构建基于3个输入变量组的土壤盐分遥感反演模型,探究输入变量和建模方法对模型精度的影响效果,通过对比确定春季土壤盐分最优反演模型,定量反演地表土壤含盐量。结果表明：（1） 研究区主要为非盐化土和轻度盐化土,总样本变异系数为0.67,呈中等变异性;光谱反射率与土壤盐渍化程度的关系表现为土壤盐渍化越重,光谱反射率越高。（2） 海岸波段（b1）、蓝波段（b2）、绿波段（b3）、红波段（b4）和盐分指数（SI1、SI2、SI3、SI4、S3、S4、S5）均通过显著性检验P<0.01,相关系数均达到0.4以上。（3） 所有模型中,基于全变量组建立的BPNN反演模型精度最高,建模集R²为0.705;验证集R²为0.556。（4） 由反演结果可知,2019、2021年春季耕作区土壤主要为非盐化土,分别占耕作区总面积的55.55%和64.62%,其次为轻度盐化土,分别占44.31%和35.17%;2021年土壤盐渍化程度较2019年有所减轻。     

干旱区大尺度土壤盐度信息环境建模——以新疆天山南北中低海拔冲积平原为例

区域空间信息有助于决策者针对特定潜在和既定的土壤盐渍化区域制定改良和优化政策,以避免灌区水土资源的不合理配置和干旱区土地生态系统持续性退化。然而现存区域尺度土壤盐度数据以矢量方式留存,多边形内部土壤属性无空间变异性,缺乏实时更新,对当下实际指导作用具有一定的局限性。随着人类活动的加剧,土壤及其结构性退化正加速危害土壤质量和健康。对此,急需更新或升级,用于刻画干旱区生态系统中土壤盐度数据,以辅助制定相关政策,减缓土壤盐渍化的危害。针对此问题,本文基于代表性等级的采样设计方法（Integrative Hierarchical Sampling Strategy, IHSS）,获取少量典型样点,结合土壤—环境推理模型（soil land inference model, SoLIM）,尝试推理区域尺度土壤盐分含量信息。研究以新疆天山南北中低海拔冲积平原为案例,仅以23个代表性样本,推理陆表（0~10 cm）土壤盐分含量,源自3个典型绿洲94个野外样本的验证数据显示,依据评判标准,预测结果与实际情况较为相符,与线性回归模型相比,具备处理土壤与环境变量之间非线性关系的SoLIM,推理精度更高。所以,研究认为模糊隶属度加权平均的方法（IHSS-SoLIM）可以通过较小的建模点得到更好的预测效果,可作为区域尺度土壤盐度推理的备选方案。     

干旱内流区尾闾绿洲土壤积盐的动态特征

运用遥感与GIS技术,结合地统计学方法研究了三工河流域下游阜北绿洲近23 a来表层土壤(0～20 cm)盐分动态特征及其主导因素。结果表明:①研究区景观类型间相互转换频繁,区域绿洲化进程的同时,荒漠化也在加重,并且绿洲化进程强于荒漠化; ②通过对1982年和2005年土壤盐分的理论模型拟合,符合指数模型,并且,F检验达到极显著水平; ③Kriging插值及其与同期的绿洲景观类型图进行叠加运算表明,在自然和人为作用下,区域土壤盐化程度加重,高盐区面积增加,低盐区面积减少,土壤盐分在20 g·kg-1以上的分布面积增加了15.36%,而在5～10 g·kg-1范围减少43.85%; ④水库输水灌溉是引发区域地下水位抬升的直接因素,间接导致土壤盐渍化程度的加重。     

Remote Sensing Inversion for Simulation of Soil Salinization Based on Hyperspectral Data and Ground Analysis in Yinchuan,China

The Pingluo area, as an experimental study area in Yinchuan, has been subjected to major environmental degradation due to soil salinization problems. Soil salinization is one of the main problems of land degradation in arid and semiarid regions. In the present study, remote sensing was integrated with mathematical modeling to evaluate soil salinization adequately. To detect soil salinization, soil water content and electrical conductivity of soil samples were analyzed. The reflectance of soil samples was measured using a spectrometer (SR-3500) with 1024 bands. Indices of soil salinity, vegetation and drought were analyzed using Landsat images over the study area. Based on Landsat images, physicochemical analysis, reflectance of sensitive bands for soil salinization and environmental indices, canopy response salinity index (CRSI), perpendicular drought index (PDI) and enhanced normalized difference vegetation index (ENDVI), a new model was established for simulation and prediction of soil salinization in the study area. Correlation analyses and multiple regression methods were used to construct an accurate model. The results showed that green, blue and near-infrared light was significantly correlated with soil salinity and that the spectral parameters improved this correlation significantly. Therefore, the model was more effective when combining spectral parameters with sensitive bands with modeling. After mathematical transformation of soil reflectance, the correlations of bands sensitive to soil salinization were 0.739 and 0.7 for electrical conductivity and water content, respectively. After transformation of vegetation reflectance, the correlation coefficient of soil salinity became 0.577. After inversion of the model based on soil hyperspectral and water content, the significance became 0.871 and 0.726, respectively, which can be used to predict soil salinity and water content. The spectral soil salinity model had a coefficient of 0.739 for soil salinity prediction. Among the salinity indices, the CRSI was selected as the most significant, with R² of 0.571, whereas the R² for PDI reached only 0.484. Among the vegetation indices, the ENDVI had the highest response to soil salinity, with R² of 0.577. After scale conversion, the correlation percentages between CRSI and measured soil salinity and between ENDVI and measured soil salinity increased to 16.2% and 8.5%, respectively. Following the correlation between PDI and soil water content, the percentage of correlation increased to 11.6%. The integration of hyperspectral remote sensing, ground methods and an inversion method for salinity is a very important and effective technique for rapid and nondestructive monitoring of soil salinization.

     

华北半干旱平原区表层土壤盐分累积的影响因素分析

定量评价各因子对盐渍区表层(0~5 cm)土壤盐分累积的影响,以华北半干旱平原为研究区,综合考虑盐分来源、盐分化学组成、地下水状况、区域气候,地形条件等内外影响因素,应用通径分析方法评价各影响因子强度。结果表明:各影响因素通过直接和间接作用于表层土壤积盐过程,总体看盐源对表层土壤积盐影响强度最大,其次是盐分组成,再者是地下水状况,而区域气候和地形的影响较小。单因素而言,反映盐源的Sal_5-10、反映土壤盐分组成的SAR和反映地下水状况的TDS是主要的控制因素。研究结果为认识华北半干旱平原土壤盐渍化过程及影响机制提供参考依据。     

基于不同卫星光谱模拟的土壤电导率估算研究

土壤电导率(Electrical conductivity,EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据,利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数(Three-dimensional spectral index,TDSI),采用梯度提升回归树算法(Gradient boosting regression tree, GBRT)建立3种卫星土壤EC估算模型,并比对加入TDSI后模型精度的变化。结果表明:在不同土壤EC条件下,3种卫星具有相似的光谱趋势,均在红、近红外波段附近反射率较高;TDSI与土壤EC相关性基本均在0.4以上,最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息;GBRT对于土壤EC估算能力表现突出,3种卫星对土壤EC的最佳预测精度R²分别为0.831、0.847、0.903,在加入TDSI后,R²分别提高至0.835、0.857、0.93...     

人工智能计算技术在新疆干旱区典型绿洲土壤盐分预测中的应用

针对新疆渭干河-库车河三角洲绿洲土壤盐分动态监测中存在的方法问题,首先用灰色关联度模型分析影响形成土壤盐渍化的各因子,并确定其与土壤盐分之间的关联度,然后将人工智能计算技术引入土壤盐分的预测中,经过多次调整网络结构和参数,建立了预测表层土壤盐分的BP神经网络模型和RBF神经网络模型。结果表明：以潜在蒸散量、地下水埋深、地下水矿化度、土壤电导率、总溶解固体、pH值、坡度和土地利用类型8个因素为输入因子,以土壤含盐量为输出因子的BP网络模型和RBF网络模型可有效模拟土壤盐分与其影响因子之间的内在复杂关系,并且有较高的精度。BP网络模型预测误差略低于RBF神经网络。本研究可为分析和预测土壤盐渍化动态规律提供一种有效可行的新途径,是对传统土壤盐分动态研究的补充。     

黑土区土壤有机质和全氮含量遥感反演研究

以东北典型黑土区耕地为研究区,以Sentinel-2A（全球环境与安全监测计划的第二颗卫星,于2015年6月23日发射）影像作为数据源,构建光谱指数,分别采用多元逐步线性回归（Multiple Stepwise Linear Regression, MSLR）和随机森林（Random Forest, RF）算法建立土壤有机质（SOM）和土壤全氮（STN）预测模型,并采用十折交叉验证方法评估模型的性能。研究对比分析了不同气候、土壤类型和地形下土壤有机质和全氮的空间分布差异。研究表明：① 海伦示范区的SOM和STN含量最高,其年均温最低,高程最高,年降水量多,SOM含量升高,其年均温最低,年降水量多,STN含量升高;② 与基于多元逐步线性回归算法建立的SOM和STN预测模型相比,随机森林算法建立的SOM和STN预测模型,有着更高的精度和稳定性;③ 运用RF算法建立的SOM反演模型的R²为0.96,均方根误差为5.49 g/kg,STN反演模型的R²为0.95,均方根误差为0.27 g/kg; ④ 不同示范区统一建立SOM和STN预测模型,有助于提高预测精度,实现跨区域建模与制图。