姚 遠,丁建麗,雷 磊,江紅南,張 芳,牛 濤
(新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院綠洲生態(tài)教育部重點實驗室,烏魯木齊 830046)
綠洲是干旱、半干旱區(qū)一種獨特的生態(tài)單元,是以荒漠為基質(zhì),依托水分條件發(fā)育成的各種植被生態(tài)體系,是維系干旱地區(qū)人類生存、活動與發(fā)展的基本場所[1]。而作為土地荒漠化和土地退化的主要的類型之一,土壤的鹽漬化和灌溉引起的土壤次生鹽漬化問題現(xiàn)已成為干旱區(qū)農(nóng)業(yè)發(fā)展的主要障礙,同時也是影響綠洲生態(tài)環(huán)境穩(wěn)定的重要因素。土壤鹽分的空間變異性是鹽漬土重要的自然屬性之一[2],在1年的時間周期內(nèi),其空間變異程度的高低受季節(jié)變化的影響較為明顯,在降水稀少的干季和降水集中的濕季,土壤耕作層內(nèi)的土壤鹽漬化程度和狀態(tài)往往有著較大的差異。因此,監(jiān)測和預(yù)測土壤鹽漬化的時空分布與變異特征,揭示土壤鹽分的時空變化規(guī)律,對于鹽漬土的治理以及促進農(nóng)業(yè)生產(chǎn)和區(qū)域可持續(xù)發(fā)展具有重要的現(xiàn)實意義。
傳統(tǒng)的取樣方法和取樣數(shù)量受人力及物力等因素的限制,無法實現(xiàn)大面積實時動態(tài)監(jiān)測,獲取的土壤特性信息較為粗略,一般情況下很難反映出所希望掌握的完整信息,獲得的土壤信息在精度和準(zhǔn)確度方面也存在一些問題,因而制約了鹽漬土的高效利用及其科學(xué)規(guī)劃。而遙感技術(shù)能夠大面積、重復(fù)獲取區(qū)域多波段、多時相的地物信息,具有宏觀、綜合、動態(tài)、快速的特點,并在速度、精度和成本花費方面凸顯出眾多優(yōu)勢[3],從而為大面積的實時動態(tài)監(jiān)測鹽漬土狀況提供了可能。然而大量研究結(jié)果表明,雖然通過對遙感影像進行各種光譜分析和變換能夠較好的提取土壤鹽漬化信息[4-6],但范圍往往局限于土壤鹽漬化程度較為嚴(yán)重的地區(qū),對于中度或輕度的鹽漬化土壤的識別準(zhǔn)確度仍然較低,這就需要將遙感技術(shù)與其他技術(shù)相結(jié)合,進行綜合應(yīng)用來彌補其自身的缺陷。
目前,將遙感與電磁感應(yīng)技術(shù)相結(jié)合是評價、監(jiān)測及預(yù)報土壤鹽漬化的先進方法[7]。電磁感應(yīng)儀(EM38)屬于非接觸直讀式,其特殊的工作原理使得利用EM38能實時、快速、高精度地對土壤鹽漬化程度與剖面特征進行解譯[8],EM38與數(shù)據(jù)采集器、GPS連接構(gòu)建移動式電磁感應(yīng)調(diào)查系統(tǒng),適用于大面積土壤鹽漬化的測量[9]。將其與遙感技術(shù)和地面實際觀測技術(shù)相結(jié)合,可以更為有效地監(jiān)測和預(yù)測土壤鹽漬化的時空變異特征。
當(dāng)前,國內(nèi)外關(guān)于利用EM38進行土壤電導(dǎo)率的測量和預(yù)測已有大量研究成果[10-15]。李洪義[16]等以海涂周圍墾區(qū)鹽堿土為研究對象,利用EM38在地表測量了不同高度的土壤表觀電導(dǎo)率,進而預(yù)測了不同深度土層剖面的電導(dǎo)率。吳亞坤[17]等將光譜指數(shù)與EM38相結(jié)合對河南省封丘縣的土壤鹽分空間變異性進行了研究。李洪義[18]等以EM38和線性預(yù)測模型獲取的剖面表征電導(dǎo)率為數(shù)據(jù)源,利用三維普通克里格方法開展了三維土體電導(dǎo)率的空間變異預(yù)測和模擬研究。李曉明[19]等利用EM38建立了土壤鹽分的電磁感應(yīng)解譯模型。目前,利用EM38進行土壤剖面電導(dǎo)率的測量和預(yù)測,以及基于EM38對土壤鹽分的空間異質(zhì)性進行研究的報道很多,但將遙感技術(shù)與電磁感應(yīng)儀相結(jié)合對兩個關(guān)鍵季節(jié)(干季和濕季)土壤鹽分的空間分布和變異特征進行綜合分析與評價,并從時空變異的角度,探討季節(jié)變化對鹽漬土生態(tài)過程的影響的研究報道較為少見。
本文以渭干河-庫車河三角洲綠洲為研究對象,將遙感與電磁感應(yīng)技術(shù)相結(jié)合,采用3種不同的方法:泛克里格法(Universal Kriging)、光譜指數(shù)回歸法和(Spectral Index Regression)回歸殘差泛克里格法(Regression-Universal Kriging)對研究區(qū)干季和濕季的0—10cm土體含鹽量的空間變異特征進行了綜合分析與評價。該研究不僅為渭干河-庫車河三角洲綠洲的鹽漬化土壤的科學(xué)管理、精準(zhǔn)測量以及合理的改良和利用提供一定的理論依據(jù),同時對評估與預(yù)測該地區(qū)土壤鹽漬化發(fā)生發(fā)展具有重要意義。
渭干河-庫車河三角洲綠洲位于新疆塔里木盆地的中北部,根據(jù)實地土壤采樣區(qū)域確定研究區(qū)邊界坐標(biāo)為:東經(jīng)82°10'E—83°50'E;北緯41°06'N—41°40'N。屬于大陸性溫帶干旱氣候,氣溫日較差大,降水較少,年平均降水量67.5mm,土壤鹽漬化現(xiàn)象較為普遍。隨著表層土壤含鹽量不斷增加,植被覆蓋度降低,嚴(yán)重時會形成鹽霜,形成重度鹽漬化區(qū)域。天然植被以蘆葦(Phragimites australis)、檉柳(Tamarix ramosissima)、駱駝刺(Allhagi sparisifolia)、花花柴(Karelina caspica)和鹽爪爪(kalidium gracile)等為主,主要分布在綠洲外圍輕、中度鹽漬化區(qū)域。渭干河-庫車河三角洲綠洲生態(tài)環(huán)境脆弱,近年來由于土壤鹽漬化和沙質(zhì)荒漠化的不斷擴展,綠洲土地退化現(xiàn)象較為嚴(yán)重,這已對當(dāng)?shù)丶叭纳鷳B(tài)環(huán)境演變和可持續(xù)發(fā)展造成嚴(yán)重影響。
圖1 采樣區(qū)位置及樣點分布圖Fig.1 Location of sampling area and distribution of soil sampling points
本研究采用GPS定位技術(shù),從研究區(qū)范圍所布置的采樣點中,選擇具有代表性的土壤表層測量單元68個(圖1),測量單元的位置、數(shù)量在綜合考慮研究區(qū)土壤質(zhì)地、鹽分狀況和植被類型以及土地利用方式等因素的基礎(chǔ)上進行選取。采樣時間分別為2011年4月下旬和2011年9月下旬。
EM38總長度1m,主要由儀器信號發(fā)射和接收兩個端口組成。測量時利用電磁感應(yīng)的原理,由儀器后端的發(fā)射線圈產(chǎn)生動態(tài)原生磁場,該磁場通過地面誘導(dǎo)產(chǎn)生較弱的電渦流,進而誘導(dǎo)產(chǎn)生次生磁場。而儀器前端的信號接收線圈同時接收原生磁場和次生磁場的信息,通過測量原生磁場和次生磁場的相對關(guān)系來測量土壤的表觀電導(dǎo)率[20]。EM38有兩種探測模式,其中垂直偶極模式(EMV)的探測深度為1.5m,水平偶極模式(EMH)的探測深度為0.75m。采樣時將EM38設(shè)置為Q/P模式,進行垂直狀態(tài)和水平狀態(tài)的土壤表觀電導(dǎo)率測量。由于Landsat-TM遙感影像分辨率的大小為30m×30m,因此,將EM38測量單元的范圍也設(shè)定為30m×30m,為保證測量單元的電導(dǎo)率值更具有真實性,每一個測量單元進一步選取測量點49個,每一個測點間隔5m,每一個單元的測量值均為49個點測量值之和的平均值。采集路線按照圖2中箭頭所指示的順序進行。
圖2 EM38測量單元操作路線圖Fig.2 The measurement points at a site
待EM38測量結(jié)束后,對每個測量單元進行表層(0—10cm)土壤樣品的采集。為了降低采樣的隨機性,在每一個測量單元范圍內(nèi)布置5個采樣點,樣點成梅花狀分布(圖2),取5點的均值作為一個測量單元電導(dǎo)率和鹽分的真值。將采集的土壤樣本按編號分別裝袋,帶回實驗室自然風(fēng)干。將風(fēng)干后的樣品磨碎,用0.5mm孔徑的篩子進行過濾,制備標(biāo)準(zhǔn)溫度25℃時,按照土水比1∶5的比例提取浸提液,進而測定土壤電導(dǎo)率EC1∶5和土壤含鹽量,測定方法參照《土壤農(nóng)業(yè)化學(xué)常規(guī)分析方法》[21]。
本文采用遙感數(shù)據(jù)為2011年4月15日和2011年9月22日成像的Landsat-TM數(shù)據(jù),并根據(jù)研究區(qū)2001年的1∶100000地形圖對研究區(qū)2001年4月的遙感圖像進行幾何校正,接著以2001年的圖像為基準(zhǔn),校正2011年4月和2011年9月的圖像。RMS校正誤差分別為0.4271和0.2512,誤差均在0.5個像元以內(nèi)。經(jīng)過幾何校正之后,選擇COST模型對研究區(qū)進行大氣校正。
首先,利用ENVI 4.7軟件將經(jīng)過輻射校正和幾何校正的Landsat-TM影像的藍波段ρTM1、綠波段ρTM2、紅波段ρTM3和近紅外波段ρTM4的反射率數(shù)據(jù)分別用于反演能夠較好地反應(yīng)土壤鹽漬化程度的五種光譜指數(shù):鹽分指數(shù)(SI)、歸一化鹽分指數(shù)(NDSI)、亮度指數(shù)(BI)以及歸一化植被指數(shù)(NDVI)和差值植被指數(shù)(DVI),再利用ARCGIS10.0軟件提取其與EM38解譯出的電導(dǎo)率對應(yīng)的指數(shù)值。最后,通過SPSS17.0統(tǒng)計軟件進行相關(guān)性分析(表1)。結(jié)果表明:從遙感影像中所提取的光譜指數(shù)值與EM38解譯出的電導(dǎo)率值均在P<0.01水平顯著。
表1 光譜指數(shù)與磁感式表觀電導(dǎo)率的相關(guān)系數(shù)Table1 Correlation coefficients between spectral indices and electromagnetic apparent conductivity values
2.5.1 泛克里格法
本文選擇泛克里格法將EM38測量結(jié)果解譯得到的土壤電導(dǎo)率進行空間插值。這是由于泛克里格法是一種對空間變量分布數(shù)據(jù)尋求最優(yōu)、線性、無偏內(nèi)插估計量的方法,該方法在不同樣點密度條件下的預(yù)測精度較高、局部變異明顯、保留空間信息的能力較好[25]。
2.5.2 光譜指數(shù)回歸法
從五種光譜指數(shù)中選出與土壤電導(dǎo)率顯著相關(guān)的光譜指數(shù),根據(jù)所選取的光譜指數(shù)和EM38電導(dǎo)率數(shù)據(jù)建立回歸方程,根據(jù)回歸方程在ENVI中利用波段運算進行土壤電導(dǎo)率的反演,以此繪制出研究區(qū)干季和濕季的土壤鹽分的時空分布圖。
2.5.3 回歸殘差泛克里格法
回歸殘差泛克里格法是回歸模型和泛克里格相結(jié)合的統(tǒng)計方法,它通過目標(biāo)變量與輔助變量之間的回歸和回歸殘差的泛克里格技術(shù)來預(yù)測空間的特征。本研究將指數(shù)回歸法計算出的電導(dǎo)率殘差(預(yù)測電導(dǎo)率值和實測電導(dǎo)率值的差值),利用泛克里格法進行插值,將插值結(jié)果與指數(shù)回歸法計算的土壤鹽分圖進行疊加,從而形成新的干季和濕季兩個時段區(qū)域土壤鹽分空間分布圖。
采用交叉驗證法對上述3種研究方法的預(yù)測結(jié)果進行對比分析,通過計算采樣點的實測值與預(yù)測值的誤差來評價研究方法的優(yōu)劣。研究過程中,對研究區(qū)內(nèi)的采樣單元進行交叉驗證,選用均方根誤差(RMSE)、平均標(biāo)準(zhǔn)誤差(ASE)和平均誤差(ME)三項指標(biāo)對預(yù)測值和測量值之間的符合度進行統(tǒng)計分析,從而分析各種方法模擬結(jié)果的準(zhǔn)確性,以便能很好地反映不同方法模擬值的預(yù)測性。其計算公式分別為:
式中,Z*(Si)表示預(yù)測值;Z(Si)表示實測值;M表示驗證點的數(shù)量。判斷精度的標(biāo)準(zhǔn)為:①均方根誤差RMSE越小越好;②平均標(biāo)準(zhǔn)誤差A(yù)SE與均方根誤差RMSE應(yīng)盡可能的接近,如果ASE>RMSE,則預(yù)測值可能高于實測值,相反,則低于實測值;③平均誤差的絕對值越接近于0越好。
當(dāng)前,針對干旱區(qū)鹽漬化土壤鹽分含量變化的研究,常用的指標(biāo)是水溶性含鹽量和土壤浸提液電導(dǎo)率EC1∶5。近年來土壤學(xué)的研究結(jié)果表明:可以用EC1∶5來代替土壤的全鹽量進行分析,這是因為土壤浸提液電導(dǎo)率和土壤鹽分之間呈現(xiàn)極顯著的相關(guān)性。本文選取EC1∶5來分析電磁感應(yīng)儀測量值和土壤鹽漬化程度之間的關(guān)系,一方面是由于通過對研究區(qū)實測樣點的表觀電導(dǎo)率和全鹽量進行分析,如圖3—圖4所示,發(fā)現(xiàn)在研究區(qū)的干季和濕季,各采樣點的鹽分含量和電導(dǎo)率均存在較好的線性關(guān)系;另一方面在于電磁感應(yīng)儀測量值反映的是土壤中游離態(tài)導(dǎo)電介質(zhì)的含量,采用浸提液電導(dǎo)率EC1∶5作為土壤鹽漬化的指標(biāo)與全鹽含量相比更具有真實性和代表性[26]。
圖3 2011年4月實測鹽分和電導(dǎo)率的相關(guān)關(guān)系Fig.3 Relationship between soil salinity and soil electrical in April,2011
圖4 2011年9月實測鹽分和電導(dǎo)率的相關(guān)關(guān)系Fig.4 Relationship between soil salinity and soil electrical in September,2011
為了驗證電磁感應(yīng)儀EM38的測定數(shù)據(jù)準(zhǔn)確的準(zhǔn)確性,本文對研究區(qū)所測得的每一個樣點的垂直電導(dǎo)率值EMV和水平電導(dǎo)率值EMH進行相關(guān)性分析,通過分析發(fā)現(xiàn)樣點的垂直電導(dǎo)率值EMV和水平電導(dǎo)率值EMH的相關(guān)性較高(圖5—圖6)。這表明EM38測定數(shù)據(jù)準(zhǔn)確,其結(jié)果具有較高的可信度。
本研究以EC1∶5為因變量,分別以EMV,EMH和EMV+EMH為自變量,以68個表層測量單元為研究對象進行回歸分析。結(jié)果如表2所示,EC1∶5與EMV,EMH和EMV+EMH之間存在這較好的線性相關(guān)。其相關(guān)系數(shù)在0.6087-0.68之間,均達到1%的極顯著水平。其中對研究區(qū)干、濕兩季的EC1∶5擬合效果最好的均是以EMV+EMH為自變量的多元回歸模型。因而本文所用的土壤電導(dǎo)率均是由該模型計算所得。
圖5 2011年4月EM V和EM H的相關(guān)關(guān)系Fig.5 Relationship between electromagnetic apparent conductivity EM V and EM H in April,2011
圖6 2011年9月EM V和EM H的相關(guān)關(guān)系Fig.6 Relationship between electromagnetic apparent conductivity EM V and EM H in September,2011
表2 EC1∶5與磁感式表觀電導(dǎo)率EM V和EM H的回歸季多元回歸模型(n=68)Table2 Regression and multiple regression model between EC1∶5 and EM V ,EM H(n=68)
3.3.1 泛克里格插值法應(yīng)用分析
(1)半方差函數(shù)分析
為研究塔里木北域綠洲干季和濕季土壤鹽分的空間變異性,本研究使用GS+7.0軟件對研究區(qū)利用EM38解譯得出的土壤電導(dǎo)率的半方差函數(shù)進行計算。通過選取不同類型的模型:球狀模型、指數(shù)模型、高斯模型來進行擬合,得到模型參數(shù)值。最佳擬合模型的評判標(biāo)準(zhǔn)為:平均標(biāo)準(zhǔn)差越接近均方根誤差,平均誤差和均方根誤差越接近0,均方根誤差標(biāo)準(zhǔn)差越向1靠近,模型的擬合狀況越好。經(jīng)過比對,球狀模型為擬合土壤表層電導(dǎo)率的最優(yōu)模型,結(jié)果見表3。最后用交叉驗證的方法進一步修正模型參數(shù),繪制半方差折線圖(圖7—圖8)。
表3 土壤表層電導(dǎo)率變異函數(shù)模型參數(shù)Table3 The theory of top soil electrical conductivity and corresponding parameters
如表3和圖7—圖8所示,研究區(qū)干濕兩季的土壤電導(dǎo)率的塊金值分別為0.09和0.31,基臺值分別為8.48和6.842,變程均為0.104°。針對半方差函數(shù)進行分析時,一般認(rèn)為塊金值代表隨機變異和最小
采樣間距內(nèi)的變異,而基臺值代表變量空間變異的結(jié)構(gòu)性方差,如表3所示,研究區(qū)干季和濕季的表層土壤電導(dǎo)率的塊金值均為大于零的正數(shù),因此可以認(rèn)定,其內(nèi)部存在著由采樣誤差、短距離變異、隨機和固有變異引起的各種正基底效應(yīng)[27]。塊金值和基臺值之間的比值可以反映土壤性質(zhì)空間的相關(guān)性程度。當(dāng)比值小于25%時,表現(xiàn)為強空間相關(guān)性;當(dāng)比值在25%—75%之間時則表現(xiàn)為中等空間相關(guān)性;當(dāng)比值大于75%時,則表現(xiàn)為弱空間相關(guān)性。研究區(qū)干季和濕季的塊金值和基臺值的比值分別為11.8%和4.33%,這充分表明研究區(qū)的土壤電導(dǎo)率的空間分布均表現(xiàn)出強相關(guān)性。
圖7 2011年4月土壤電導(dǎo)率半方差函數(shù)圖Fig.7 The semi-variogram model of soil electrical conductivity in April,2011
圖8 2011年9月土壤電導(dǎo)率半方差函數(shù)圖Fig.8 The semi-variogram model of soil electrical conductivity in September,2011
(2)套合結(jié)構(gòu)分析
由表3中的參數(shù)R2以及圖7—圖8可以看出,對于0—10cm范圍的表層土壤,可以選用球狀模型來表示整個研究的空間尺度,但是,擬合的狀況并不理想,R2值僅為0.359和0.398。該模型可能忽略了空間較小尺度的變異[28],因而需要用更復(fù)雜的函數(shù)對其進行表達。當(dāng)前研究地理屬性在多個尺度的變異規(guī)律時,通常的做法是對兩個或多個簡單模型進行套合。因此,本研究針對表層土壤電導(dǎo)率的空間變異性分析采用球狀套合結(jié)構(gòu)模型(公式4),以單一的球狀模型為基礎(chǔ),對不同時段土壤表觀電導(dǎo)率的指示半方差進行分段最優(yōu)擬合,發(fā)現(xiàn)均具有較好的擬合效果,得到的參數(shù)見表4。
式中,h為滯后距,a1和c1是短程變異的變程和基臺值;a2和c2是遠程變異的變程和基臺值,C0為塊金值。
從表4可以看出,決定系數(shù)較之前有了顯著提升,接近于1,殘差與標(biāo)準(zhǔn)差接近于0,F(xiàn)值足夠大。因此可以得出結(jié)論:利用球狀套合結(jié)構(gòu)模型對表層土壤電導(dǎo)率的空間變異性模擬效果較為理想。另一方面,表層的土壤電導(dǎo)率的空間變異性是存在尺度上的依賴,因而不能忽略表層土壤電導(dǎo)率在較小空間尺度上的變異性。
表4 土壤表層電導(dǎo)率變異函數(shù)模型參數(shù)Table4 Semi-variogram parameters of top soil electrical conductivity and its validation
將采用以EMV和EMH為自變量的多元回歸模型解譯出的土壤表觀電導(dǎo)率利用泛克里格法進行插值得到研究區(qū)的鹽分時空分布圖(圖9)。從圖中可以看出研究區(qū)兩個季節(jié)土壤鹽分含量最高值均位于綠洲南部的交錯帶上,并且無論是在綠洲內(nèi)部,還是在綠洲外圍的荒漠交錯帶上,研究區(qū)干季的土壤鹽分含量整體大于濕季。在空間尺度上的變化主要表現(xiàn)為:綠洲下游的土壤鹽分含量大于綠洲上游地區(qū),綠洲外圍交錯帶上的土壤鹽分含量大于綠洲內(nèi)部,并且鹽分梯度劃分明顯,土壤鹽分從綠洲外圍的荒漠到綠洲-荒漠交錯帶,再到綠洲內(nèi)部呈現(xiàn)出由高到低的遞減趨勢。
從總體上看,利用泛克里格法生成鹽分時空分布圖,通過平滑鹽分?jǐn)?shù)據(jù)使得小值增高,大值降低,從而減少了土壤鹽分含量的突然變化。但從局部上看,該方法對土壤鹽分的空間變化的表達過于粗略,缺少更為細致和具體的描述。
3.3.2 光譜指數(shù)回歸法和回歸殘差泛克里格法應(yīng)用分析
利用從兩期遙感圖像中所提取的5種光譜指數(shù)(表1),采用線性回歸方法,分別建立單一光譜指數(shù)與EM38解譯出的電導(dǎo)率值的回歸模型(表5)。
表5 光譜指數(shù)與磁感式表觀電導(dǎo)率的多元回歸模型Table5 Multiple regression model between spectral indices and electromagnetic apparent conductivity
由于研究區(qū)采樣點大部分處于綠洲-荒漠交錯帶,考慮到利用單一光譜指數(shù)所建立的電導(dǎo)率回歸模型的模擬精度可能難以達到實際要求(表1),因此,本研究嘗試以EM38解譯出的電導(dǎo)率值為因變量,以多種光譜指數(shù)為自變量,通過不斷的組合,以求建立最適合研究區(qū)且模擬精度最高的回歸模型。經(jīng)過不斷的嘗試發(fā)現(xiàn):在干季,以SI和NDVI為自變量所建立的電導(dǎo)率回歸模型的擬合精度高于單一光譜指數(shù)所建立的模型:
這是由于4月為渭-庫綠洲的春旱期,同時也是研究區(qū)的典型鹽漬化干季,降水稀少,蒸發(fā)強烈,植被覆蓋度較低,植被的反射光譜不夠強烈,因此,SI和NDVI相結(jié)合的反演精度高于其余光譜指數(shù),故選取SI和NDVI指數(shù)所建立的電導(dǎo)率回歸模型計算出研究區(qū)干季的土壤鹽分分布圖(圖9)。
在濕季,單一光譜指數(shù)DVI為自變量所建立的電導(dǎo)率模型的擬合精度高于多種光譜指數(shù)所建立的模型:
這是由于研究區(qū)地處南疆,緯度較低,秋季日照持續(xù)時間較長,溫度高,因而該階段研究區(qū)的植被覆蓋度依然很高,植被的光譜反射與土壤相比表現(xiàn)的更為強烈,故選取DVI指數(shù)所建立的電導(dǎo)率回歸模型計算出研究區(qū)濕季的土壤鹽分分布圖(圖9)。
利用光譜指數(shù)回歸法對研究區(qū)干濕兩季的土壤鹽分的空間變異性進行研究的結(jié)果表明,研究區(qū)土壤鹽漬化主要集中在綠洲北部和南部的外圍交錯帶上,其中干季土壤鹽分含量最高值位于綠洲北部交錯帶,而濕季則位于南部交錯帶。和泛克里格插值法相比,利用不同光譜指數(shù)構(gòu)建的指數(shù)回歸模型所得到的鹽分時空分布圖,其最大的優(yōu)點在于其直觀性,通過其所具有的遙感影像的特點可以很容易對土壤鹽分的時空變化進行更準(zhǔn)確的描述,其表達更為詳盡。
由圖9可以看出,利用回歸殘差泛克里格法所形成的土壤鹽分分布圖,其分布趨勢與光譜指數(shù)回歸法形成的土壤鹽分空間分布圖相似。從總體來看,土壤鹽分從綠洲外圍到綠洲內(nèi)部呈現(xiàn)出遞減趨勢。該方法將不同尺度的數(shù)據(jù)(遙感數(shù)據(jù)、EM38采樣數(shù)據(jù)、實地采樣數(shù)據(jù))進行了綜合應(yīng)用,除了對土壤鹽分的空間變異具有更細致的描述,還兼具了泛克里格法的特點,使得土壤鹽分含量在干濕兩季的變化和分布趨勢更為明顯。
圖9 各種空間預(yù)測方法下研究區(qū)干季和濕季土壤表層鹽分的空間分布圖Fig.9 Spatial distribution patterns of apparent soil salinity across the study area during two critical seasons of dry and wet for Universal Kriging,Spectral Index Regression and Regression-Universal Kriging
3.3.3 精度比較
采用均方根誤差(RMSE)、平均標(biāo)準(zhǔn)誤差(ASE)和平均誤差(ME)進行檢驗發(fā)現(xiàn)(表6),與回歸指數(shù)法和泛克里格法相比,回歸殘差克里格法的RMSE在干濕兩季的誤差最小,ASE與RMSE更為接近,且濕季的ME的絕對值更接近于0。而在干季,光譜指數(shù)回歸法與回歸殘差克里格法相比,其ME的絕對值更接近于0,但考慮到二者之間的值較為接近,因而還是可以認(rèn)定回歸殘差泛克里格法為最優(yōu)方法。這也充分說明采用的光譜指數(shù)和電磁感應(yīng)數(shù)據(jù)相結(jié)合,光譜指數(shù)的電導(dǎo)率殘差和泛克里格法相結(jié)合應(yīng)用于不同季節(jié)土壤鹽分的空間變異性研究,其效果遠高于采用傳統(tǒng)的單一插值方法,預(yù)測精度能夠得到較大提升。
表6 RMSE、ASE和ME驗證結(jié)果Table6 The verification results for RMSE,ASE and ME
3.3.4 研究區(qū)土壤鹽分的時空變化及其生態(tài)過程
雖然泛克里格法、光譜指數(shù)回歸法和回歸殘差泛克里格法的表達效果有一定差異,但總體趨勢較為一致,均為:干季的土壤含鹽量大于濕季,綠洲外圍交錯帶上的土壤含鹽量大于綠洲內(nèi)部,且鹽漬地主要分布在渭干河和庫車河流域的下游,塔里木河以北,以及綠洲的西南、南、東和東南部地區(qū),這與研究區(qū)實際情況相一致。
研究區(qū)土壤鹽分分布格局的形成是多種因素共同作用的結(jié)果:首先,研究區(qū)的地形為北高南低,當(dāng)上游地區(qū)進行灌溉時,大量鹽分隨河流運移至中下游地勢較低處聚集,因而呈現(xiàn)出流域的下游地區(qū)鹽分積聚量大,土壤鹽分含量高,這是導(dǎo)致綠洲外圍的土壤鹽分值大于綠洲內(nèi)部的最直接因素;
其次,研究區(qū)降水的時空分配不均勻,且研究區(qū)的土壤質(zhì)地主要以砂土和粉砂土為主,其土壤孔隙度小,透水釋水性差,蓄水能力低。在降水量少且蒸發(fā)強烈的干季,深層土壤及地下水中的可溶性鹽類通過毛細管上升到地表,水分蒸發(fā)后大量鹽分便在土壤表層積聚。而在降水較為集中的濕季,土壤表層的鹽分又被雨水淋洗,使土壤表層脫鹽,這也是研究區(qū)鹽分格局形成的重要因素。最后,該綠洲地區(qū)的經(jīng)濟主要以農(nóng)業(yè)為主,灌溉方式為大水漫灌,由于鹽漬化程度比較嚴(yán)重,該地區(qū)每年都要耗費大量的水用于洗鹽,并沿渭干河、庫車河和英達里亞河沿岸修筑大量排堿渠,鹽分隨水進入排堿渠,由排堿渠帶入下游地區(qū),最終導(dǎo)致了該區(qū)域土壤鹽分分布格局的形成。
(1)對研究區(qū)的實測土壤浸提液電導(dǎo)率EC1∶5和實測土壤表層含鹽量進行相關(guān)性分析,發(fā)現(xiàn)二者之間呈現(xiàn)極顯著的相關(guān)性,因而采用浸提液電導(dǎo)率EC1∶5代替全鹽含量作為干旱區(qū)流域的土壤鹽漬化的指標(biāo)的方法是可行的。
(2)電磁感應(yīng)儀(EM38)所測各季節(jié)土壤表觀電導(dǎo)率與EC1∶5的相關(guān)系數(shù)均達到1%顯著水平,以表觀電導(dǎo)率垂直讀數(shù)(EMV)和水平讀數(shù)(EMH)為自變量的多元回歸模型擬合效果較好,這說明在研究區(qū)采用電磁感應(yīng)技術(shù)是測量土壤鹽分的一種快速、便捷、準(zhǔn)確的方法。
(3)通過研究分析表明,研究區(qū)土壤電導(dǎo)率空間分布的相關(guān)性較強。塊金值和基臺值之間的比值分別為干季11.8%,濕季4.33%,說明研究區(qū)土壤采樣點間的內(nèi)部結(jié)構(gòu)性良好。
(4)研究區(qū)表層0—10cm土壤電導(dǎo)率變異函數(shù)的最優(yōu)模型為球狀套合模型,其擬合效果較好,決定系數(shù)R2分別為0.913和0.901,標(biāo)準(zhǔn)差和殘差均接近于0。由此可以看出,針對土壤電導(dǎo)率的空間變異性進行分析時,應(yīng)充分考慮它的尺度依賴性,不能忽略小尺度上的空間變異。
(5)通過運用泛克里格法、光譜指數(shù)回歸法和回歸殘差泛克里格法對研究區(qū)干季和濕季的土壤鹽分的空間變異性進行分析,結(jié)果表明,雖然3種方法的表達效果有一定差異,但總體趨勢較為一致,均為:干季的土壤含鹽量大于濕季,綠洲外圍交錯帶上的土壤含鹽量大于綠洲內(nèi)部,且鹽漬地主要分布在渭干河和庫車河流域的下游,塔里木河以北,以及綠洲的西南、南、東和東南部地區(qū),這與研究區(qū)實際情況相一致。
(6)通過精度比較,在本文所采用的3種研究方法中,基于遙感和電磁感應(yīng)技術(shù)的回歸殘差泛克里格法的精度最高,將該方法與地統(tǒng)計學(xué)和經(jīng)典統(tǒng)計學(xué)方法相結(jié)合,可以提高研究區(qū)土壤鹽分空間變異性的預(yù)測精度。
[1] Zhang F,Tashpolat·Titip,Ding JL,Wang B C,Wang F,Mamat·Sawut.The change of land use/cover and characteristics of landscape pattern in arid areas oasis a case study of Jinghe Country,Xinjiang Province.Acta Ecologica Sinica,2009,29(3):1251-1263.
[2] Gao T T,Ding J L,Ha X P,Zhang F,Wang F.The spatial variability of salt content based on river basin scale a case study of the delta oasis in Werigan-Kuqa watershed.Acta Ecologica Sinica,2010,30(10):2695-2705.
[3] Rao B R M,Ravisankar T,Dwivedi R S.Spectral behavior of sa1t-aflfected soils.International Journal of Remote Sensing,1995,16(12):2125-2136.
[4] Peng W L,An experiment of remote sensing and GISbased on quantity of soil salinity.Journal of Remote Sensing,1997,1(3):237-243.
[5] Farifeth J,F(xiàn)arshad A,George R J,Assessing salt-affected soils using remote sensing,solute modeling and geophysics.Geoderma,2006,130(3/4):191-206.
[6] Jiang H N,Ding J L,Tashpolat·Titip,Zhao R,Zhang F.Extraction of salinized soil information in arid area based on ETM+data.Acta Pedologica Sinica,2008,45(2):222-228.
[7] Wu Y K,Yang J S,Liu G M.Spatial variability of soil salinity using data from remote sensing and electromagnetic induction instruments.Transactions of the CASE,2009,25(7):148-152.
[8] Zhang T J,Yang J S,Liu G M,Yao R J.Interpretation of salinity characteristics of normal profile in estuarine region by using electromagnetic induction.Transactions of the CASE,2009,25(11):109-113.
[9] Liu G M,Yang J S,Ju M S,Nie J.Technology of chorometry using electromagnetic induction and its Application in agriculture.Soils,2003,(3):27-29.
[10] Corwin D L,Lesch S M.Characterizing soil spatial variability with apparent soil electrica1 conductivity:I.Survey protocols.Computers and Electronics in Agriculture,2005,46(1/3):103-133.
[11] Corwin D L,Lesch SM.Apparent Soil Electrical Conductivity Measurements in Agriculture.Computers and Electronics in Agriculture,2005,46(1/3):11-43.
[12] Triantafilis J,Lesch SM.Mapping clay content variation using electromagnetic induction techniques.Computers and Electronics in Agriculture,2005,46(1/3):203-237.
[13] Ye J Y,Li H Y,Cheng J L,Shi Z.Application and predominance of EM38 equipment in measuring electrical conductivity its of coastal saline soil.Acta Agriculturae Zhengjiangensis,2008,20(6):467-470.
[14] Yang JS,Yao R J,Liu GM.Analysis evaluation on spatial variability of soil salinity by indicator kriging with an electromagnetic anduction gauge.Acta Pedologica Sinca,2008,45(4):585-593.
[15] Yao R J,Yang JS.Spatio-temporal variability of soil salinity in the Yellow River Delta using electromagnetic induction.Transactionsof the CASE,2008,24(3):107-113.
[16] Li H Y,Shi Z,Cheng J L,Li Y.Inversion of soil conductivity profiles based on EM38 apparent electrical Conductivity.Scientia Agricultura sinica,2008,41(1):295-302.
[17] Wu Y K,Yang JS,Li X M.Study on spatial variability of soil salinity based on spectral indices and EM38 readings.Spectroscopy and Spectral Analysis,2009,29(4):1023-1027.
[18] Li H Y,Shi Z,Tang H L.Research on three-dimension spatial variability of soil electrical conductivity of coastal saline land using 3D ordinary kriging method.Acta Pedologica Sinica,2010,47(2):359-363.
[19] Li X M,Yang J S,Liu M X,Liu G M,Yao R J.Spatial heterogeneity of soil salinity in typical arid base on electromag-netic induction.Transactions of the CASE,2010,26(12):97-101.
[20] Ye JY,Li H Y,Cheng J L,Shi Z.Application and predominance of EM38 equipment in measuring electrical conductivity of coastal saline soil.Acta Agriculturae Zhejiangensis,2008,20(6):467-470.
[21] Lu R K.Analysis Methods of Soil and Agricultural Chemistry.Beijing:Chinese Agricultural Science and Technology Press,1999:59-65.
[22] Khan N M,Rastoskuev V,Sato Y.Assessment of hydrosaline land degradation by using a simple approach of remote sensing indicators.Agricultural Water Management,2005,77:96-109.
[23] Inakwu O A.Odeh·Alex O.Spatial Analysis of Soil Salinity and Soil Structural Stability in a Semiarid Region of New South Wales,Australia.Environmental Management,2008,42:265-278.
[24] Akkartal A,Turudu O,Erbek F S.Analysis of changes in vegetation biomass using multisensor satellite data.Proceedings of the ISPRSCongress-Youth Forum,2004:181-185.
[25] Yang J S,Yao R J.Comparison of interpolation approaches based on spatial variability of apparent soil electrical conductivity with an electromagnetic induction.Transactions of the CASE,2007,23(9):50-57.
[26] Wu Y K,Yang J S,Yang X Y,Liu G M.Surveying soil salinization in Fengqiu Country based on EM38.Agricultural Research in Arid Areas,2008,26(5):129-133.
[27] Yao R J,Yang JS,Jiang L,Chen D M.Profile characteristics and spatial distribution of soil salinity based on hierarchical cluster analysis.Acta Pedologica Sinca,2008,45(1):56-65.
[28] Yao R J,Yang JS,Zou P,Liu GM,Yu SP.Quantitative evaluation of the field soil salinity And its spatial distribution based on electromagnetic induction instruments.Scientia Agricultura sinica,2008,41(2):460-469.
參考文獻:
[1] 張飛,塔西甫拉提·特依拜,丁建麗,王伯超,王飛,買買提·沙吾提.干旱區(qū)綠洲土地利用/覆被及景觀格局變化特征——以新疆精河縣為例.生態(tài)學(xué)報,2009,29(3):1251-1263.
[2] 高婷婷,丁建麗,哈學(xué)萍,張飛,王飛.基于流域尺度的土壤鹽分空間變異特征——以渭干河-庫車河流域三角洲為例.生態(tài)學(xué)報,2010,30(10):2695-2705.
[4] 彭望祿.土壤鹽漬化量化的遙感與GIS實驗.遙感學(xué)報,1997,1(3):237-243.
[6] 江紅男,丁建麗,塔西甫拉提·特依拜,趙睿,張飛.基于ETM+數(shù)據(jù)的干旱區(qū)鹽漬化土壤信息提取研究.土壤學(xué)報,2008,45(2):222-228.
[7] 吳亞坤,楊勁松,劉廣明.基于遙感與電磁感應(yīng)儀數(shù)據(jù)的土壤鹽分空間變異性.農(nóng)業(yè)工程學(xué)報,2009,25(7):148-152.
[8] 張同娟,楊勁松,劉廣明,姚榮江.基于電磁感應(yīng)儀的河口地區(qū)底聚型鹽分剖面特征的解譯.農(nóng)業(yè)工程學(xué)報,2009,25(11):109-113.
[9] 劉廣明,楊勁松,鞠茂森,聶杰.電磁感應(yīng)土地測量技術(shù)及其在農(nóng)業(yè)領(lǐng)域的應(yīng)用.土壤,2003,(3):27-29.
[13] 葉基瑤,李洪義,程街亮,史舟.EM38大地電導(dǎo)率測量儀在濱海鹽土電導(dǎo)率測量中的應(yīng)用及其優(yōu)勢.浙江農(nóng)業(yè)學(xué)報,2008,20(6):467-470.
[14] 楊勁松,姚榮江,劉廣明.電磁感應(yīng)儀用于土壤鹽分空間變異性的指示克立格分析評價.土壤學(xué)報,2008,45(4):585-593.
[15] 姚榮江,楊勁松.基于電磁感應(yīng)儀的黃河三角洲地區(qū)土壤鹽分時空變異特征.農(nóng)業(yè)工程學(xué)報,2008,24(3):107-113.
[16] 李洪義,史舟,程街亮,李艷.基于EM38的土壤剖面電導(dǎo)率預(yù)測研究.中國農(nóng)業(yè)科學(xué),2008,41(1):295-302.
[17] 吳亞坤,楊勁松,李曉明.基于光譜指數(shù)與EM38的土壤鹽分空間變異性研究.光譜學(xué)與光譜分析,2009,29(4):1023-1027.
[18] 李洪義,史舟,唐惠麗.基于三維普通克立格方法的濱海鹽土電導(dǎo)率三維空間變異研究.土壤學(xué)報,2010,47(2):359-363.
[19] 李曉明,楊勁松,劉梅先,劉廣明,姚榮江.基于電磁感應(yīng)的典型干旱區(qū)土壤鹽分空間異質(zhì)性.農(nóng)業(yè)工程學(xué)報,2010,26(12):97-101.
[20] 葉基瑤,李洪義,程街亮,史周.EM38大地電導(dǎo)率測量儀在濱海鹽土電導(dǎo)率測量中的應(yīng)用及其優(yōu)勢.浙江農(nóng)業(yè)學(xué)報,2008,20(6):467-470.
[21] 魯如坤.土壤農(nóng)業(yè)化學(xué)分析方法.北京:中國農(nóng)業(yè)科技出版社,1999:59-65.
[25] 楊勁松,姚榮江.基于磁感式土壤表觀電導(dǎo)率空間變異性的插值方法比較.農(nóng)業(yè)工程學(xué)報,2007,23(9):50-57.
[26] 吳亞坤,楊勁松,楊曉英,劉廣明.基于EM38的封丘縣土壤鹽漬化調(diào)查研究.干旱地區(qū)農(nóng)業(yè)研究,2008,26(5):129-133.
[27] 姚榮江,楊勁松,姜龍,陳德明.基于聚類分析的土壤鹽漬剖面特征及其空間分布研究.土壤學(xué)報,2008,45(1):56-65.
[28] 姚榮江,楊勁松,鄒平,劉明,余世鵬.基于電磁感應(yīng)儀的田間土壤鹽漬度及其空間分布定量評估.中國農(nóng)業(yè)科學(xué),2008,41(2):460-469.