土壤盐分空间分布特征及影响因素研究

doi:10.19754/j.nyyjs.20250630020

摘要/Abstract

摘要： 土壤盐渍化是造成西北干旱和半干旱地区土地荒漠化和生态环境恶化的重要原因，准确学握土壤盐分的空间分布是实现土壤科学治理和利用的关键。为此，本文以新疆巴楚县为研究区，以2023年土壤盐分实测数据和Landsat9OLI、Sentinel-2A、GF-1遥感影像为数据源，选取与土壤盐渍化相关的敏感波段及指数，采用基于随机森林、支持向量机、最小二乘法的遥感反演方法和普通克里金、基于随机森林和支持向量机改进的空间插值方法对研究区土壤盐渍化空间分布进行预测，绘制盐分空间分布图，并采用地理探测器定量分析各澎响因素对土壤盐分空间分布的影响。结果表明：反演法相较于插值法有更好的预测性能，以Landsat9OLI为数据源建立的随机森林模型取得了最高的预测粉度(R2=0.777,RMSE=3.027g·kg,，MAE=2.391g·kg);研究区整体土壤盐渍化程度南低北高，北部的褓土地盐渍化最为严重；土壤盐分含量主要受气候和植被的影响。研究可为干旱、半干旱地区土壤盐渍化的预测分析捉供理论支撑，为盐碱地治理和规划提供科学依据。

中图分类号:

S181

. 土壤盐分空间分布特征及影响因素研究[J]. 农业与技术, 2025, 45(12): 94-101.

参考文献

[1]Wang Y,Li Y,Xiao D.Catchment scale spatial variability of soil salt content in agricultural oasis,Northwest China [J].Environ- mental Geology,2008,56:439-446. [2]卢晶，张绪教，叶培盛，等.基于SI-MSAⅥ特征空间的河套灌区盐碱化遥感监测研究[J].国土资源遥感，2020,32 (01):169-175. [3]Yu R,Liu T,Xu Y,et al.Analysis of salinization dynamics by remote sensing in Hetao Irrigation District of North China[J.Ag- ricultural Water Management,2010,97 (12):1952-1960. [4]Hamzehpour N,Eghbal M K,Bogaert P,et al.Spatial prediction of soil salinity using kriging with measurement errors and probabilis- tic soft data [J].Arid land research and management,2013,27 (2):128-139. [5]王铭鑫，范超，高兼博，等。融合半变异函数的空间随机森林插值方法[J].中国生态农业学报（中英文)，2022,30 (03):451-457.[6]周莹莹，张辉国，胡锡健.基于支持向量机改进的克里金插值法一以汾渭平原PM25数据为例[J].科学技术与工程， 2023,23(24)：10575-10584. [7]Mohamed E.Evaluation of Different Soil Salinity Mapping Using Remote Sensing Techniques in Arid Ecosystems,Saudi Arabia [J]. Joumal of Sensors,2016. [8]Haq Y,Shahbaz M,Asif H M S,et al.Spatial mapping of soil salinity using machine learning and remote sensing in Kot Addu, Pakistan [J].Sustainability,2023,15 (17):12943. [9]Fathizad H,Ardakani H A M,Sodaiezadeh H,et al.Investigation of the spatial and temporal variation of soil salinity using random for- ests in the central desert of Iran J].Geoderma,2020,365: 114233. [10]Wang J,Ding J,Yu D,et al.Machine learing-based detection of soil salinity in an arid desert region,Northwest China:A com- parison between Landsat-80LI and Sentinel-2MSI J].Science of the Total Environment,2020,707. [11]李泽，杜哲，毕善婷，等。基于GWF模型的滨海平原土壤含盐量预测及影响因素分析[J/0L].环境科学，1-17[2025-04- 0B].https:/oi.og/10.13227/.hjkx.202407011. [12]王飞，杨胜天，丁建丽，等.环境敏感变量优选及机器学习算法预测绿洲土壤盐分[J].农业工程学报，2018,34 (22)：102-110. [13]Zhang Y,Wu H,Kang Y,Fan Y,Wang S,Liu Z,He F. Mapping the Soil Salinity Distribution and Analyzing Its Spatial and Temporal Changes in Bachu County,Xinjiang,Based on Google Earth Engine and Machine Learing [J.Agriculture,2024,14 (4)：630. [14]巴亚岚，张智韬，谢坪良，等.集成Sentinel-1/2和环境变量的新疆农田土壤含盐量反演[J].农业工程学报，2024， 40(16):171-179. [15]洪国军，谢俊博，张灵，等.基于多光谱影像的阿拉尔垦区棉田土壤盐分反演[J].干旱区研究，2024,41(05)：894- 904.[16]王字璇，屈忠义，白燕英，等.基于Sentinel-2影像的黄河南岸典型改良示范区土壤含盐量反演模型[].农业机械学报，2024,55(04)：290-299,439. [17]王惠敏，于磊，徐凯磊，等.基于高分五号高光谱影像的干早区盐渍化土壤盐分含量估算[J].光谱学与光谱分析， 2023,43(07):2278-2286. [18]李志刚，许强，赵宽耀，等。基于高分一号卫星影像的延安市顾屯流域耕地盐渍化定量反演[J].科学技术与工程， 2021,21（13)：5228-5235. [19]蒙莉娜，丁建丽，王敬哲，等.基于环境变量的滑干河-库车河绿洲土壤盐分空间分布[J].农业工程学报，2020,36 (01)175-181. [20]苏蛛，林爱文，刘庆华.普通Kriging法在空间内插中的运用 [J].江南大学学报，2004(01)：18-21. [21]王劲峰，徐成东.地理探测器：原理与展望[J].地理学报， 2017,72(01):116-134. [22]盛建东.土壤改良与培肥[M].鸟鲁木齐：新疆人民出版社，2012. [23]朱阿兴，杨琳，樊乃卿，等。数字土壤制图研究综述与展望 [J].地理科学进展，2018,37(01)：66-78. [24]王明宽，莫宏伟，陈红艳。基于多光谱影像反演土壤盐分的建模方法研究[J].土壤通报，2016,47(05)：1036-1041. [25]王欢，李瑞平，张寅，等。内蒙古河套灌区土壤盐分多源多指数估算模型[J].灌溉排水学报，2023,42（10)：122- 128. [26]刘霞，胡字，张圣微，等.达拉特旗黄河南岸盐碱化土壤不同含盐量估算模型对比[J].农业机械学报，2024,55 (10):360-370. [27]杨清，范晓梅，王林林，等。基于贝叶斯最大熵的黄河三角洲土壤含盐量空间分布预测[J].土壤，2024,56(02)： 406-414.