鄧 凱,丁建麗,楊愛霞,王瑾杰

新疆大學資源與環(huán)境科學學院, 綠洲生態(tài)教育部重點實驗室, 烏魯木齊 830046

?

基于電磁感應技術的土壤剖面鹽分空間分布建模研究

鄧 凱,丁建麗*,楊愛霞,王瑾杰

新疆大學資源與環(huán)境科學學院, 綠洲生態(tài)教育部重點實驗室, 烏魯木齊 830046

土壤鹽漬化問題是干旱半干旱地區(qū)農(nóng)業(yè)發(fā)展的主要障礙,也是制約荒漠植物生長狀況的關鍵因素之一,嚴重影響到綠洲生態(tài)環(huán)境的穩(wěn)定與安全。研究土壤剖面鹽分的分布情況,能及時探究鹽漬化對生態(tài)的影響。以渭干河-庫車河三角洲綠洲為研究靶區(qū),利用電磁感應儀技術與傳統(tǒng)采樣方法獲取該地區(qū)典型地塊的土壤電導率,剖析其剖面分布特征,在建立磁感式表觀電導率和土壤樣本實測電導率之間的線性混合模型的基礎上,采用自然鄰近插值方法解析和評估研究區(qū)土壤剖面鹽分的空間分布特征。結果表明：研究區(qū)土壤電導率具有較強的表聚性與空間變異強度,土壤主體屬于中度鹽漬化類型；基于各深度層土壤電導率與磁感表觀電導率所構建的3種線性混合模型均能達到0.01的顯著性水平,其中磁感表觀電導率兩種模式相結合解譯模型預測精度最高；自然鄰近法插值結果直觀反映研究區(qū)土壤剖面鹽分的空間分布狀況,與水平模式和垂直模式相結合的土壤鹽分解譯模型相結合則能夠更有效的提高土壤鹽分空間分布的預測精度。研究結果表明,借助構建的土壤鹽分解譯模型可對研究區(qū)土壤鹽漬化空間分布情況進行快速監(jiān)測與評估,為該區(qū)土壤鹽漬化的防治提供了一定的技術支撐。

電磁感應技術；土壤剖面鹽分；空間分布；渭干河-庫車河三角洲綠洲

綠洲是干旱氣候特有的產(chǎn)物,作為干旱和半干旱區(qū)獨有的一種生態(tài)單元,維系著干旱地區(qū)人類的生存、活動與發(fā)展,其能流、物流高度集中,承載了干旱區(qū)的精華[1]。綠洲灌溉農(nóng)業(yè)是干旱區(qū)最主要的生產(chǎn)活動和經(jīng)濟主體,而土地是綠洲灌溉農(nóng)業(yè)發(fā)展的重要載體。隨著綠洲灌溉農(nóng)業(yè)的發(fā)展,綠洲土壤的鹽漬化和灌溉引起的土壤次生鹽漬化已成為影響干旱區(qū)農(nóng)業(yè)可持續(xù)發(fā)展的主要障礙[2]。此外,土壤鹽分也是引起干旱區(qū)植物群落多樣性變化的關鍵因子之一,對干旱區(qū)綠洲生態(tài)環(huán)境的穩(wěn)定與安全產(chǎn)生重要影響[3- 4]。因此,測定綠洲土壤鹽分含量,掌握農(nóng)田和自然植被區(qū)鹽漬化程度,并對其鹽漬化發(fā)展過程進行動態(tài)追蹤,是治理鹽漬土土壤和防止土壤進一步退化的必要前提和關鍵環(huán)節(jié)[5],對于促進綠洲農(nóng)業(yè)生產(chǎn)、保障綠洲生態(tài)安全、實現(xiàn)區(qū)域可持續(xù)發(fā)展具有重要的現(xiàn)實意義。

用傳統(tǒng)采樣分析法確定土壤鹽分含量及鹽分的剖面分布狀況時,取樣方法和取樣數(shù)量常受到人力、物力等因素的限制,一般無法實現(xiàn)大面積實時動態(tài)監(jiān)測,所采樣品的體積、采樣個數(shù)均很難達到足以反映區(qū)域空間變異所需要的樣本數(shù)量,不能有效反映區(qū)域土壤鹽漬化完整信息,嚴重制約了鹽漬土的改良與高效利用[6]。電磁感應表觀土壤電導率快速測定技術是當今國際最為先進的土壤性質(zhì)評估技術之一,在土壤理化性質(zhì)測定方面已經(jīng)被廣泛應用[7],主要集中在土壤水分確定[8]、土壤有機質(zhì)含量評估[9]、基于土壤質(zhì)量分析的農(nóng)作物生產(chǎn)潛力評價[10]、土壤質(zhì)地評定[11- 12]、淺地下水位分布區(qū)地下水礦化度快速測評[13]、土壤電導率測定及其影響因素[14- 19]和土壤鹽分空間變異[20- 23]等方面。電磁感應表觀土壤電導率快速測定方法由于無需電極插入、測量速度快,克服了目前傳統(tǒng)采樣方法費時費力費用高的缺點,是當前最為精確高效的剖面土壤信息采集方法之一[7,22]。同時,電磁感應儀能在地表測量土壤表觀電導率,適用于大面積土壤鹽漬化的測量,可為鹽漬化的精準監(jiān)測評定提供足量的數(shù)據(jù)。因此,可將電磁感應技術和傳統(tǒng)采樣技術相結合,實現(xiàn)對土壤鹽漬化的有效監(jiān)測和預測,為鹽漬土的治理和科學規(guī)劃提供必要的輔助信息。

本文以渭干河-庫車河三角洲綠洲為研究靶區(qū),應用磁感式表觀土壤電導率快速測評技術進行探測,獲得與土壤剖面鹽分密切相關的表觀土壤電導率,構建適于研究區(qū)應用的分層土壤鹽分解譯模型,并利用插值技術解析和評價該區(qū)土壤鹽分的空間分布狀況。該研究不僅能為渭干河-庫車河三角洲綠洲鹽漬化土壤的精準估算以及合理的改良與有效利用提供一定的理論依據(jù),同時對評估與預測該地區(qū)土壤鹽漬化發(fā)生發(fā)展具有重要的現(xiàn)實意義。

1 研究區(qū)概況

渭干河-庫車河流域位于新疆維吾爾自治區(qū)塔里木盆地北緣,地處天山中段南麓,范圍包括庫車、沙雅和新和3個縣,土地總面積為523.76×104hm2,其中大部分是沙漠和戈壁,綠洲面積僅有56.096×104hm2,占總面積的10.7%,綠洲內(nèi)部土地利用方式以農(nóng)田和防護林為主。本研究區(qū)北高南低、西高東低,為山前沖洪積傾斜平原,受大陸性干旱氣候影響,氣溫日差較大,年平均氣溫為10.5—14.4 ℃,極端最高氣溫為40.1—41.5 ℃,研究區(qū)年蒸發(fā)量約為1992—2863.4 mm,而年降水量則為46.4—64.5 mm,年內(nèi)蒸發(fā)量遠高于降水量,土壤類型以潮土、草甸土、沼澤土、鹽土和棕鈣土為主。流域內(nèi)自然植被多為稀鹽、泌鹽和據(jù)鹽植物,如檉柳(Tamarixramosissima)、鹽穗木(Halostachyscaspica)、鹽節(jié)木(Halocnemumstrobliaceum)、花花柴(Kareliniacaspia)、駱駝刺(Alhgisparsifolia)和白刺(Nitrarriasibirica)等,主要分布在綠洲外圍輕、中度鹽漬化區(qū)域。農(nóng)作物以小麥、棉花、玉米等喜溫作物為主。研究區(qū)灌溉水來源主要是渭干河和庫車河,此外還有少量的水來自塔里木河、泉水。由于地下水位較高,在綠洲灌區(qū)埋深一般小于3 m,加之土地下層構成物顆粒細,透水性差,造成該區(qū)土壤鹽漬化現(xiàn)象比較普遍,在古河道、河漫灘、泉水溢出帶等地下水淺埋區(qū),分布著大面積的鹽漬化土和鹽土。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)象較為嚴重,已威脅到當?shù)氐霓r(nóng)業(yè)生產(chǎn)和綠洲生態(tài)安全,綠洲可持續(xù)發(fā)展面臨困境。根據(jù)實地土壤采樣區(qū)域,確定的研究區(qū)邊界大體位于82°10′—83°50′ E和41°06′—41°40′ N之間,這一區(qū)域主要為砂質(zhì)土壤類型,土壤構成物顆粒細,透水性較差,土壤鹽漬化現(xiàn)象較為普遍,土地退化現(xiàn)象嚴重,具有典型性。

2 實驗材料與數(shù)據(jù)采集

2.1 EM38-MK2數(shù)據(jù)的采集

在綜合考慮研究區(qū)土壤質(zhì)地、鹽分分布狀況和植被類型以及土地利用方式等因素的基礎上,從研究區(qū)范圍所布置的采樣點中選取具有代表性的測量單元40個(圖1),隨機分布于綠洲內(nèi)部的農(nóng)田區(qū)(共計18個測量單元)和綠洲外圍的荒漠地帶(共計22個測量單元),各測量單元土壤類型均為砂質(zhì)土,土壤質(zhì)地較為一致。采樣時間為2014年7月,此時段0—100 cm深度的土壤實測平均含水量約為6.8%—32.5%,區(qū)間變異較大。本研究應用電磁感應式大地電導率儀EM38進行表觀土壤電導率測定。該儀器基于電磁感應原理,通過測量原生磁場和次生磁場之間的相對大小關系來測定表觀土壤電導率[8],EM38-MK2大地電導率儀包含一個發(fā)射線圈和兩個接收線圈,兩個接收線圈與發(fā)射線圈分別相距0.5 m和1.0 m,根據(jù)研究需要采用1.0 m線圈模式,在此基礎上,水平模式和垂直模式相應感應土壤深度分別0—0.75 m和0—1.5 m。通過EM38-MK2對每個點進行2種測定位下表觀土壤電導率的測定,測定位分別為1.0 m水平位和1.0 m垂直位,獲得的表觀土壤電導率相應分別表示為ECa-h和ECa-v。本研究對每個測量單元面積設定為30 m×30 m,為保證測量單元的電導率值更具有真實性,每一個測量單元進一步選取測量點49個,每一個測點間隔5 m,每一個測量單元的測量值均為49個點測量值之和的平均值[2]。

2.2 土壤電導率數(shù)據(jù)的獲取

由于研究區(qū)是典型的極端干旱區(qū),蒸發(fā)與降水比率約為40∶1,地下水礦化度較高,在蒸發(fā)作用和偏高的地下水水位的影響下,地下水和深層土壤中的易溶性鹽分極易通過土壤毛細管上升移動到土壤表層進行積聚,嚴重區(qū)域甚至會形成較厚的鹽殼?；诖?對研究區(qū)范圍內(nèi)的主要土地利用類型進行土壤剖面采樣,所選樣點盡可能規(guī)則地遍及所有荒地類型。在每個EM38-MK2大地電導率儀測量單元,盡量保證采樣點周圍土壤性質(zhì)、成因相對一致,環(huán)境因子類似,土壤異質(zhì)性較小。土壤剖面樣品的采集時間為2014年的7月。采樣的具體方法和步驟為：每一個測量單元范圍內(nèi)布置梅花狀分布的5個采樣點,每樣點用剖面法采集土樣,按0—10、0—20、0—40、0—60、0—80和0—100 cm進行剖面分層采樣。將采集的各層剖面土壤樣本按編號分別裝袋,帶回實驗室自然風干。風干后的樣品經(jīng)過磨碎,過0.5 mm孔徑的篩子,在25 ℃制備標準溫度下,按照土水比1∶5的比例提取浸提液,測定土壤電導率EC1∶5和土壤水溶性含鹽量(土壤可溶鹽),測定方法參照《土壤農(nóng)業(yè)化學分析方法》[24]。最后,獲得有效樣本數(shù)據(jù)共213個,其中0—10、0—20、0—40、0—60、0—80 cm和0—100 cm各層剖面的有效樣本數(shù)據(jù)個數(shù)分別為40、39、39、38、29和28。

2.3 線性混合模型和空間插值方法

目前,此研究領域國內(nèi)外常用的建模方法是線性混合模型(Linear Mixed Models)[25-26]。該模型僅保留了傳統(tǒng)線性模型中對因變量必須來自正態(tài)分布總體的假定條件,而對其他條件則不作要求,從而擴大了傳統(tǒng)線性模型的適用范圍。線性混合模型的一般結構為：

Y=Xβ+Zu+ε

式中,Y表示反應變量的測量值向量,X為固定效應自變量的設計矩陣,β是與X對應的固定效應參數(shù)向量,Z為隨機效應變量構造的設計矩陣,其構造方式與X相同,u為隨機效應參數(shù)向量,ε為剩余誤差向量。該模型的詳細介紹詳見參考文獻[27]。

在利用線性混合模型對土壤鹽分進行預測的基礎上,選取合適的插值方法實現(xiàn)土壤鹽分的空間可視化及空間解析是實施對區(qū)域鹽漬化監(jiān)控的一種必要的輔助手段。本文利用Surfer軟件插值工具中的自然鄰近插值方法(Natural Neighbor Interpolation Method),對區(qū)域土壤表觀電導率和實測浸提液電導率及其預測值進行空間分布估算和解析,并定量評價其在研究區(qū)土壤鹽漬化空間分布監(jiān)測中的適用性。本文我們主要采用交叉驗證方法,如平均誤差(ME)、均方差(MSE)、相對均方差(RMSE)和均方根預測誤差(PMSPE)對插值效果進行定量評估[28]。

3 結果與分析

3.1 EM38-MK2數(shù)據(jù)的空間分布及鹽漬剖面類型判別

英美新批評理論是對19世紀西方文學研究中對社會歷史、政治、傳記、心理等傾向的反撥與糾偏，以此重新突顯文學研究中作品文本中心這一向度。作為一種策略，文本細讀以及其他的策略，使得這一批評理論流派得以確立。美國華人學者與英美新批評之間有著復雜的糾纏，他們自覺或不自覺地在現(xiàn)代漢詩的相關研究中透露出英美新批評的理論視角與觀念方法。然而，理論的旅行總會發(fā)生變異，因具體歷史文化語境與觀照對象的變化，美國華人學者在英美新批評視野下開展的現(xiàn)代漢詩批評實踐也產(chǎn)生不一樣的效應。這些效應彰顯了他們的研究所具有的詩學意義與文化價值。

圖2是EM38-MK2大地電導率儀在水平和垂直模式下分別測得的40個土壤樣點表觀電導率利用自然鄰近方法插值后的空間分布狀況,交叉驗證結果表明,水平和垂直模式下表觀電導率的平均誤差分別為1.204 mS/m和5.017 mS/m,相對誤差均在5%以內(nèi),而均方根預測誤差分別為0.975和0.978,均接近1,說明插值效果良好。由圖2可以看出,隨著土壤深度增加,電導率是趨于減小的；兩種模式下,電導率高值區(qū)均出現(xiàn)在綠洲外圍,尤其是綠洲東南區(qū)域的綠洲-荒漠交錯帶；同時,表觀電導率具有明顯的條帶狀分布規(guī)律,這與研究區(qū)土壤鹽分分布現(xiàn)狀是一致的[23]。相關分析表明,EM38兩種測量模式下的表觀電導率具有較高的正相關關系,相關系數(shù)R2=0.7425,這也是其空間分布具有明顯一致性的重要原因。圍繞應用電磁感應儀EM38兩種測量模式下的表觀電導率ECa-h和ECa-v來判斷土壤鹽漬剖面類型這一命題,Corwin and Rhoades提出直接用ECa-v/ECa-h作為判別土壤鹽漬剖面類型的經(jīng)驗標準,即ECa-v/ECa-h≥1,為底聚型；ECa-v/ECa-h<1,則為表聚型[29]。盡管該判別標準能有效的判斷出表聚型和底聚型兩種土壤鹽漬剖面,但忽視了均勻型剖面的存在,這顯然也是不合理的[30- 31]。為解決上述問題,參照Aragüés等的相關研究成果,對Corwin and Rhoades的判別標準進行了改進,定義0.9≤ECa-v/ECa-h≤1.1為均勻型,即土壤含鹽量隨土層深度的變化差異不大；ECa-v/ECa-h>1.1為底聚型,即土壤含鹽量隨土層深度增加呈總體上升趨勢；ECa-v/ECa-h<0.9則為表聚型[16],即土壤含鹽量隨土層深度增加呈總體降低趨勢。在研究區(qū)40個土壤剖面采樣點中,表聚型是主要的土壤鹽漬剖面類型,共計36個,底聚型3個,均勻型僅1個,且36個表聚型剖面中ECa-v與ECa-h的比值相差較大,說明研究區(qū)土壤鹽分在水平和垂直方向上均具有較強的分異特征,這符合圖2中所示的表觀電導率ECa-v和ECa-h的空間分布狀況。

圖2 水平模式和垂直模式下電導率(ECa)的空間分布Fig.2 Spatial distribution of ECa for horizntal mode and vertical mode

3.2EC1∶5隨土壤剖面深度的變化及其與實測鹽分含量的關系

3.2.1EC1∶5隨土壤剖面深度的變化

表1是基于不同方法估算的6個不同深度層土壤電導率EC1∶5的統(tǒng)計特征值,可以看出研究區(qū)土壤剖面不同深度層之間土壤電導率的特征參數(shù)值差異明顯。由變化幅度(最大值與最小值之差)來看,0—10 cm土壤表層電導率的變化幅度最大,為4392.1 mS/m,0—20 cm深度層次之,為2514.45 mS/m,其余4個深度層均低于2000 mS/m,總體來看,隨著深度增大,變化幅度呈現(xiàn)依次減小趨勢。從變異系數(shù)來看,各層土壤電導率的變異系數(shù)差異較為明顯,分別為1.11、0.95、0.89、0.87、0.62、0.60,表現(xiàn)為隨著深度的增加而減小的趨勢,但均具強變異性。由表1的偏度值可以看出,0—60 cm深度土壤電導率空間分布極具偏態(tài)性,意即電導率在水平方向上表現(xiàn)出顯著的空間變異特征,這與變異系數(shù)揭示的結果是一致的,其中0—10和0—20 cm深度層電導率水平空間分布變異程度最強,0—80 cm和0—100 cm深度層相對較弱,造成這種現(xiàn)象的原因較為復雜,如微地形起伏、水文狀況、土壤質(zhì)地、土地利用類別、灌溉制度以及耕作方式等,這些因素中的單一因素或多因素疊加均會對土壤電導率產(chǎn)生重大影響,但隨著土壤深度的增加,這些因素對土壤電導率的影響也會逐漸減弱。此外,我們也分析了各深度層土壤電導率的平均值狀況,各深度層土壤電導率均值的變化范圍在523.08—831.32 mS/m,對應的土壤平均含鹽量變化范圍為2.95—4.80 g/kg,依據(jù)新疆水利廳頒發(fā)的《新疆縣級鹽堿地改良利用規(guī)劃工作大綱》中確定的土壤鹽漬化程度分級標準,研究區(qū)土壤總體上屬于中度鹽漬化類型；不同深度層電導率均值各異,如0—10 cm土壤層電導率均值最大,明顯高于其它深度層,這再次表明研究區(qū)土壤鹽分分布具有較強的表聚性,同時揭示出研究區(qū)土壤平均電導率在垂直方向上也具有較強的變異性；在0—10和0—20 cm深度層,超過1/3采樣點的含鹽量高于5.0 g/kg,屬重度鹽漬化程度,這顯然是研究區(qū)綠洲農(nóng)業(yè)生產(chǎn)發(fā)展的重要制約因素,應當引起相關部門的重視。

3.2.2EC1∶5與實測鹽分含量的關系

土壤水溶性含鹽量和土壤浸提液電導率EC1∶5是衡量土壤鹽漬化程度的重要指標,但二者反映土壤鹽漬化程度的本質(zhì)卻截然不同。電導率EC1∶5反映了土壤中鹽基離子或分子的數(shù)量,而水溶性含鹽量卻反映了土壤中鹽基離子或分子的質(zhì)量。通常在鹽分組成較為復雜的區(qū)域,電導率EC1∶5與含鹽量并不一定具有高度的相關性,也就不能簡單地根據(jù)電導率EC1∶5與含鹽量的關系,利用電導率數(shù)據(jù)來反演含鹽量[32]。近年來的研究表明,在干旱區(qū)綠洲土壤浸提液電導率和土壤鹽分之間呈現(xiàn)極顯著的相關性,可以用EC1∶5來代替土壤的水溶性含鹽量進行分析[2]。為驗證這一觀點,對本研究區(qū)土壤水溶性含鹽量(SS)和土壤浸提液電導率EC1∶5進行相關分析,發(fā)現(xiàn)二者存在極為顯著的線性正相關關系,回歸方程為：SS=0.0062EC1∶5-0.295(R2=0.9925),擬合優(yōu)度R2暗示電導率EC1∶5對含鹽量變化的解釋能力可達99%以上,這表明研究區(qū)土壤浸提液電導率EC1∶5可完全替代土壤的水溶性含鹽量作為土壤鹽漬化的指標。因此,通過建立研究區(qū)土壤表觀電導率和土壤浸提液電導率EC1∶5之間的關系式,就可以達到利用電磁感應儀測量值來評估區(qū)域土壤鹽漬化程度之目的。

表1 6種不同深度剖面土壤電導率EC1∶5的統(tǒng)計分析

3.3 線性混合預測模型的構建

線性回歸是目前定量兩種或兩種以上變量間相互依賴關系的一種經(jīng)典統(tǒng)計方法,在研究不同土層鹽分含量或浸提液電導率與土壤表觀電導率關系時也較為常用[2]。由于土壤表觀電導率反映的是不同深度電導率與其對電磁感應儀線圈敏感性乘積隨土壤深度變化的積分值,且不同深度電導率對電磁感應儀線圈的敏感性在土壤深度上表現(xiàn)為非線性[33],因而有些國內(nèi)外學者認為不同深度的土壤電導率與表觀電導率之間的定量關系也應表現(xiàn)為非線性[8,20]。然而,傳統(tǒng)的線性和非線性回歸建模,都忽略了表觀電導率兩種模式下的測量值具有高度相關的事實。目前,國內(nèi)外常用的建模方法是線性混合模型,它有效克服了傳統(tǒng)回歸方法的缺陷。因此,本文以ECa-h和ECa-v為自變量,以各深度土層電導率EC1∶5為因變量,利用線性混合模型分別進行單因素和多因素回歸建模,并采用限制性最大似然法(REML)對模型參數(shù)予以估計；同時,為避免實測數(shù)據(jù)的“擾動”對建模效果產(chǎn)生影響,對變量取對數(shù)進行數(shù)據(jù)變換。整個建模過程均在統(tǒng)計分析軟件StataMP中完成,預測模型的最終形式及其顯著性檢驗結果(Wald Z值)見表2?？梢钥闯?除土壤電導率EC1∶5與水平表觀電導率ECa-h所建立的模型在0—80 cm深度上表現(xiàn)為P<0.01的顯著水平外,其余各模型的P值均小于0.001,達到了極顯著水平。就單因素建模效果而言,在土壤各深度剖面層中,ECa-h對土壤電導率的效應系數(shù)均小于ECa-v,建模精度也略差于后者,這與電磁感應儀的測量模式有關,在水平和垂直測量模式下電磁感應儀對不同深度土壤鹽分的敏感度具有差異。由EC1∶5與ECa-h和ECa-v所建立的多因素預測模型整體精度介于兩單因素模型之間,此模型除在0—10 cm深度上ECa-v對土壤電導率的效應系數(shù)達到0.05的顯著水平外,其余的效應系數(shù)均不顯著,而從模型的截距項所顯示的顯著水平可以看出樣點電導率本底值在多因素預測模型中起決定性作用,這可能與ECa-h和ECa-v的高度相關性有關。此外,利用這3種模型分別對6個剖面層的土壤電導率進行預測,在預測過程中并未發(fā)現(xiàn)殘差有明顯的異常點,也無違反正態(tài)性和方差齊性假定的跡象,再次說明所構建的模型是可信的；同時,還發(fā)現(xiàn)在各層中實測值與預測值的擬合優(yōu)度整體上呈現(xiàn)出多因素模型>ECa-v單因素模型>ECa-h單因素模型,但差別不大。

表2 6種不同剖面深度下EC1∶5與ECa-h和ECa-v間的線性混合模型

*顯著性P< 0.05; **顯著性P< 0.01; ***顯著性P< 0.001

圖3 土壤剖面0—60 cm深度的實測浸提液電導率(對數(shù)值)和預測值(對數(shù)值)的空間分布Fig.3 Spatial distribution of measured conductivity (logarithm) and predicted value (logarithm) in the soil profile (0—60 cm)

為研究土壤剖面鹽分的空間分布情況,并考慮到樣本數(shù)據(jù)的代表性,利用上述3種模型分別對研究區(qū)0—60 cm深度(耕作深度)的土壤鹽分空間分布進行模擬,并用Surfer軟件中的自然鄰近方法進行空間插值以實現(xiàn)其空間可視化。為便于論述,把基于ECa-h、ECa-v和ECa-h與ECa-v的模型分別定義為Model(1)、Model(2)和Model(3)。圖3顯示的是土壤剖面0—60 cm深度實測浸提液電導率的空間分布狀況,圖3還分別是Model(1)、Model(2)和Model(3)模擬值的電導率空間分布。單就其插值效果來看,實測浸提液電導率平均誤差(ME)僅為-0.00149、均方差(MSE)為0.15977、相對均方差(RMSE)為0.39971、均方根預測誤差(PMSPE)為0.97015,非常接近1,而Model(1)、Model(2)和Model(3)預測值的交叉驗證結果如表3所示,不難看出自然鄰近法的空間插值結果是可靠的,具有較強的可信性。同時,也給出了3種模型在其他5層土壤剖面深度預測值的空間插值交叉驗證結果,詳見表3。通過對比圖3可以看出,對于0—60 cm深度土壤鹽分空間分布,基于Model(1)和Model(2)的預測結果與實測值的擬合優(yōu)度R2均為0.7394,可有效的反映研究區(qū)土壤電導率的整體情況,但在空間分布上略有不同。兩種模型均能大體反映電導率值高于2.3 mS/m的區(qū)域范圍,但對研究區(qū)東南部電導率值高于2.8 mS/m的區(qū)域范圍放大效應明顯,其中Model(2)的放大效應更為顯著。單一基于ECa-h或ECa-v的模擬,可能忽略了電導率空間較小尺度的變異,因而需要綜合考慮ECa-h和ECa-v對其進行表達。由圖3可以看出,綜合考慮ECa-h和ECa-v的Model(3)模擬效果明顯優(yōu)于單一基于ECa-h或ECa-v的模擬結果,Model(3)的預測結果與實測值的擬合優(yōu)度R2均為0.7489,比Model(1)和Model(2)有所提高,Model(3)對研究區(qū)電導率值高于2.3 mS/m的區(qū)域范圍界定更加準確,但對電導率值高于2.8 mS/m的區(qū)域范圍模擬效果仍不理想,這是模擬預測研究中普遍存在的現(xiàn)象,精確模擬畢竟是一個世界級難題。盡管模型還存在些許缺陷,但對預測土壤電導率高于2.3 mS/m的區(qū)域范圍是有效的,尤其是Model(3)。本研究區(qū)土壤電導率2.3 mS/m對應的土壤水溶性含鹽量為1 g/kg,根據(jù)新疆水利廳頒發(fā)的《新疆縣級鹽堿地改良利用規(guī)劃工作大綱》中確定的土壤鹽漬化程度分級標準,土壤水溶性含鹽量小于1 g/kg的土壤屬于非鹽漬化土壤,因此所建的模型可作為相關部門監(jiān)測該區(qū)土壤鹽漬化的輔助手段。

表3 不同模型的自然鄰近插值預測的交叉驗證

無論從土壤電導率實測值空間分布,還是預測值空間分布來看,研究區(qū)土壤鹽分分布存在顯著的空間差異,主要表現(xiàn)為：綠洲外圍交錯帶上的土壤鹽分含量明顯高于綠洲內(nèi)部,土壤鹽分從綠洲外圍荒漠帶到綠洲-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,鹽分梯度整體東西向劃分明顯；同時,還隱含一個不明顯的由西北至東南土壤鹽分逐漸增大的帶狀分布。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果：首先,研究區(qū)的地形為西北高東南低,平均海拔由1100 m下降到980 m,坡降1‰—4‰[34],河流流向自西北至東南,坡降1.75‰—23.7‰,多年平均徑流量為22.1×108m3,變差系數(shù)為0.12,同時地下水隨地形由高向低滲流,水力坡度3.5‰—5.5‰[35],這就使上游土壤經(jīng)過雨水淋溶作用,大量鹽分隨河流和地下水遷移至中下游地勢較低處匯集,因而下游地區(qū)土壤鹽分含量高,成為綠洲東南部區(qū)域土壤鹽分含量明顯過高的最直接因素；其次,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,在綠洲內(nèi)部由于經(jīng)常灌溉,致使土壤表層鹽分隨灌溉水下滲到土壤更深層,表現(xiàn)為土壤表層脫鹽,而綠洲外圍因降水量少且蒸發(fā)強烈,深層土壤及地下水中的可溶性鹽通過毛細管上升到地表,土壤表層“聚鹽”現(xiàn)象明顯,這也是研究區(qū)鹽分格局形成的重要因素；此外,研究區(qū)的經(jīng)濟主要以綠洲農(nóng)業(yè)為主,由于技術原因及居民對農(nóng)業(yè)生產(chǎn)成本的考量,灌溉方式仍以大水漫灌為主,導致土壤鹽漬化程度加劇,為解決其帶來的農(nóng)業(yè)生產(chǎn)風險,該地區(qū)每年都要耗費大量的水用于洗鹽,造成鹽分隨水進入排堿渠,再由排堿渠帶入下游,最終形成下游地區(qū)土壤鹽分過高的分布格局。

4 結論與討論

本文通過對渭干河-庫車河三角洲綠洲土壤磁感表觀電導率和土壤浸提液電導率的分析,揭示了研究區(qū)土壤剖面鹽分的分布特征,利用構建的電磁感應表觀電導率與土壤電導率間的線性混合模型,并借助插值方法解析和評估了研究區(qū)土壤鹽分的空間分布特征。主要結論可歸納如下：

(1)磁感式表觀電導率和土壤浸提液電導率均表明,研究區(qū)土壤鹽漬剖面類型以表聚型為主,隨著土壤深度增加,電導率是趨于減小的,在空間分布上具有明顯的水平和垂直方向的變異特征；同時,在磁感表觀電導率水平和垂直模式下,可以發(fā)現(xiàn)電導率高值區(qū)均出現(xiàn)在綠洲外圍,尤其是綠洲東南區(qū)域的綠洲-荒漠交錯帶,并表現(xiàn)出明顯的梯度分布,這與研究區(qū)土壤鹽分分布現(xiàn)狀相符,說明電磁感應儀EM38對土壤鹽漬化空間分布特征的解析精度較高,結果可信。此外,依據(jù)新疆水利廳頒發(fā)的《新疆縣級鹽堿地改良利用規(guī)劃工作大綱》中確定的土壤鹽漬化程度分級標準,可判定研究區(qū)土壤主體屬于中度鹽漬化水平,局部地帶表層重度鹽漬化現(xiàn)象明顯,需采取必要的治理措施對土壤鹽漬化進行有效防控。

(2)對研究區(qū)的實測土壤浸提液電導率和實測土壤水溶性含鹽量進行相關性分析,發(fā)現(xiàn)二者之間呈現(xiàn)極顯著的相關性,回歸方程顯示土壤浸提液電導率對含鹽量變化的解釋能力可達99%以上,因而采用浸提液電導率代替土壤水溶性含鹽量作為研究區(qū)土壤鹽漬化指標的方法是可行的。

(3)從構建的線性混合模型可以看出,除土壤電導率EC1∶5與水平表觀電導率ECa-h所建立的模型在0—80 cm深度上表現(xiàn)為P<0.01的顯著水平外,其余各模型的P值均小于0.001,達到了極顯著水平。此外,利用模型分別對6個剖面層的土壤電導率進行預測,發(fā)現(xiàn)在各層中實測值與預測值的擬合優(yōu)度整體上呈現(xiàn)出多因素模型>ECa-v單因素模型>ECa-h單因素模型,這與傳統(tǒng)線性回歸模型的結果是一致的[2,36-37],說明綜合考慮ECa-h和ECa-v的模型模擬效果明顯優(yōu)于單一基于ECa-h或ECa-v的模擬結果。與本研究區(qū)以前的相關研究[2]對比,發(fā)現(xiàn)線性混合模型的模擬效果要明顯優(yōu)于傳統(tǒng)的線性回歸模型。這與線性混合模型的假設條件有關,它僅需要反應變量具有正態(tài)性,放棄了獨立性和方差齊性的假定,容許反應變量間具有相關性及方差不齊性。但線性混合模型對資料的要求比較嚴格,由于本文中樣本量較少,特別是數(shù)據(jù)層次結構太少,從而也限制了我們對研究對象的深入分析。

(4)自然鄰近法插值結果直觀反映了研究區(qū)土壤剖面鹽分的空間分布狀況,與本研究區(qū)借助回歸殘差泛克里格法等的插值效果[2,23]相比,精度更高。因此,對于研究區(qū)未采樣地帶的土壤鹽漬化情況,可利用本文建立的土壤鹽分解譯模型和自然鄰近插值法相結合的方式進行快速預測,實現(xiàn)對全區(qū)土壤鹽分空間分布的快速掌控。本研究可為渭干河-庫車河三角洲綠洲土壤鹽漬化空間分布的監(jiān)測及防控措施的制定提供必要的技術支撐和理論依據(jù),對該區(qū)綠洲生態(tài)環(huán)境保護和農(nóng)業(yè)生產(chǎn)與作物布局也具有重要的指導意義。

[1] 陳亞寧. 新疆塔里木河流域生態(tài)水文問題研究. 北京: 科學出版社, 2010: 169- 173.

[2] 姚遠, 丁建麗, 雷磊, 江紅南, 張芳, 牛濤. 干濕季節(jié)下基于遙感和電磁感應技術的塔里木盆地北緣綠洲土壤鹽分的空間變異性. 生態(tài)學報, 2013, 33(17): 5308- 5319.

[3] 王水獻, 董新光, 劉磊. 新疆焉耆盆地綠洲水鹽雙梯度下天然植被多樣性分異特征. 冰川凍土, 2010, 32(5): 999- 1006.

[4] 張雪妮, 呂光輝, 楊曉東, 貢璐, 秦璐, 何學敏, 劉昊奇. 基于鹽分梯度的荒漠植物多樣性與群落、種間聯(lián)接響應. 生態(tài)學報, 2013, 33(18): 5714- 5722.

[5] 劉廣明, 吳亞坤, 楊勁松, 余世鵬, 王相平. 基于電磁感應技術的區(qū)域三維土壤鹽分空間變異研究. 農(nóng)業(yè)機械學報, 2013, 44(7): 78- 82.

[6] 吳亞坤, 劉光明, 楊勁松, 余世鵬. 基于反距離權重插值的土壤鹽分三維分布解析方法. 農(nóng)業(yè)工程學報, 2013, 29(3): 100- 106.

[7] Doolittle J A, Brevik E C. The use of electromagnetic induction techniques in soils studies. Geoderma, 2014, 223- 225: 33- 45.

[8] Padhi J, Misra R K. Sensitivity of EM38 in determining soil water distribution in an irrigated wheat field. Soil and Tillage Research, 2011, 117: 93- 102.

[9] 趙軍偉, 蔣平安, 盛建東, 李榮. EM38電磁發(fā)生儀測定結果的影響因素分析. 干旱區(qū)地理, 2005, 28(3): 362- 366.

[10] Islam M M, Cockx L, Meerschman E, De Smedt P, Meeuws F, Van Meirvenne M. A floating sensing system to evaluate soil and crop variability within flooded paddy rice fields. Precision Agriculture, 2011, 12(6): 850- 859.

[11] 劉廣明, 楊勁松, 李冬順. 基于電磁感應原理的堤壩隱患探測技術及其應用. 巖土工程學報, 2003, 25(2): 196- 200.

[12] 劉慶生, 劉高煥, 趙軍. 土壤類型、質(zhì)地和土地類型對土壤鹽漬化水平的指示. 中國農(nóng)學通報, 2008, 24(1): 297- 300.

[13] 劉廣明, 楊勁松. 基于電磁感應原理的沿海灘涂地下水礦化度快速測評技術. 農(nóng)業(yè)工程學報, 2007, 23(9): 76- 80.

[14] Dixit P N, Chen D L. Modification of a spatially referenced crop model to simulate the effect of spatial pattern of subsoil salinity. Computers and Electronics in Agriculture, 2010, 74(2): 313- 320.

[15] Li D H, Guo Q H, Rahilly P J A, Phelps G M, Harmon T C. Correlation between soil apparent electroconductivity and plant hyperspectral reflectance in a managed wetland. International Journal of Remote Sensing, 2011, 32(9): 2563- 2579.

[16] Aragüés R, Urdanoz V, ?etin M, Kirda C, Daghari H, Ltifi W, Lahlou M, Douaik A. Soil salinity related to physical soil characteristics and irrigation management in four Mediterranean irrigation districts. Agricultural Water Management, 2011, 98(6): 959- 966.

[17] Herrero J, Netthisinghe A, Hudnall W H, Pérez-Coveta O. Electromagnetic induction as a basis for soil salinity monitoring within a Mediterranean irrigation district. Journal of Hydrology, 2011, 405(3/4): 427- 438.

[18] Cetin M, Ibrikci H, Kirda C, Kaman H, Karnez E, Ryan J, Topcu S, Oztekin M E, Dingil M, Sesveren S. Using an electromagnetic sensor combined with geographic information systems to monitor soil salinity in an area of southern turkey irrigated with drainage water. Fresenius Environmental Bulletin, 2012, 21(5): 1133- 1145.

[19] Bouksila F, Bahri A, Berndtsson R, Persson M, Rozema J, Van der Zee S E A T M. Assessment of soil salinization risks under irrigation with brackish water in semiarid Tunisia. Environmental and Experimental Botany, 2013, 92: 176- 185.

[20] 姚榮江, 楊勁松. 基于電磁感應儀的黃河三角洲地區(qū)土壤鹽分時空變異特征. 農(nóng)業(yè)工程學報, 2008, 24(3): 107- 113.

[21] 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. 光譜學與光譜分析, 2009, 29(4): 1023- 1027.

[22] 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率三維空間變異研究. 土壤學報, 2010, 47(2): 359- 363.

[23] Ding J L, Yu D L. Monitoring and evaluating spatial variability of soil salinity in dry and wet seasons in the Werigan-Kuqa Oasis, China, using remote sensing and electromagnetic induction instruments. Geoderma, 2014, 235- 236: 316- 322.

[24] 魯如坤. 土壤農(nóng)業(yè)化學分析方法. 北京: 中國農(nóng)業(yè)科技出版社, 1999: 85- 98.

[25] Li H Y, Websterb R, Shi Z. Mapping soil salinity in the Yangtze delta: REML and universal kriging (E-BLUP) revisited. Geoderma, 2015, 237- 238: 71- 77.

[26] Huang J, Wong V N L, Triantafilis J. Mapping soil salinity and pH across an estuarine and alluvial plain using electromagnetic and digital elevation model data. Soil Use and Management, 2014, 30(3): 394- 402.

[27] Jiang J M. Linear and generalized linear mixed models and their applications. New York: Springer, 2007: 1- 2.

[28] 白世彪, 王建, 常直楊. Surfer?10地學計算機制圖. 北京: 科學出版社, 2012: 124.

[29] Corwin D L, Rhoades J D. Measurement of inverted electrical conductivity profiles using electromagnetic induction. Soil Science society of America Journal, 1983, 48(2): 288- 291.

[30] Rhoades J D, Chanduvi F, Lesch S. Soil salinity assessment: Methods and interpretation of electrical conductivity measurements. FAO Irrigation and Drainage Paper 57, Rome, Italy, 1999: 45- 46.

[31] 姚榮江, 楊勁松, 劉廣明. EM38在黃河三角洲地區(qū)土壤鹽漬化快速檢測中的應用研究. 干旱地區(qū)農(nóng)業(yè)研究, 2008, 26(1): 67- 73.

[32] 彭杰, 王家強, 向紅英, 滕洪芬, 劉維揚, 遲春明, 牛建龍, 郭燕, 史舟. 土壤含鹽量與電導率的高光譜反演精度對比研究. 光譜學與光譜分析, 2014, 34(2): 510- 514.

[33] McNeill J D. Electromagnetic terrain conductivity measurement at low induction numbers. Technical Note TN- 6. Geonics, ON, Canada, 1980: 5- 15.

[34] 王雪梅, 柴仲平, 塔西甫拉提·特依拜, 龔愛瑾, 胡江玲. 渭干河-庫車河三角洲綠洲生態(tài)系統(tǒng)服務功能及敏感性分析. 干旱地區(qū)農(nóng)業(yè)研究, 2010, 28(3): 202- 206.

[35] 滿蘇爾·沙比提, 武勝利, 陸吐布拉·依明. 渭干河-庫車河三角洲綠洲近10年地下水位及水質(zhì)時空變化特征. 干旱地區(qū)農(nóng)業(yè)研究, 2010, 28(1): 212- 217.

[36] 武珊珊, 丁建麗, 馬春霞. EM38在土壤鹽漬化快速檢測中的應用研究. 揚州大學學報: 農(nóng)業(yè)與生命科學版, 2012, 33(3): 69- 73.

[37] 姚遠, 丁建麗, 阿爾達克·克里木, 張芳, 雷磊. 基于實測高光譜和電磁感應數(shù)據(jù)的區(qū)域土壤鹽漬化遙感監(jiān)測研究. 光譜學與光譜分析, 2013, 33(7): 1917- 1921.

Modeling of the spatial distribution of soil profile salinity based on the electromagnetic induction technique

DENG Kai, DING Jianli*, YANG Aixia, WANG Jinjie

CollegeofResourcesandEnvironmentSciences,KeyLaboratoryofOasisEcologyofMinistryEducation,XinjiangUniversity,Urumqi830046,China

Soil salinization is the main obstacle to agricultural development in arid and semi-arid regions. It is also one of the key limitations on the growth of eremophytes, which seriously affect the stability and safety of the ecological environment in oases. Oases are unique among desert ecosystems because of the availability of generally sufficient water resources that can sustain a wider range of human activities. Over time, oases often become highly developed locales in arid and semi-arid regions, with concentrated human populations and activities. With the development of oasis irrigation agriculture, soil salinization and soil secondary salinization caused by irrigation has gradually become the largest obstacle for sustainable oasis agricultural development. Study of the distribution of soil salt content in soil profiles can determine the influence of salinization on oasis ecology and environment. In this study, using the Weigan-Kuqa Delta Oasis as the research area, the soil electrical conductivities of typical plots in the region were obtained using an electromagnetic induction technique and a traditional soil sampling method. A linear mixed model between magnetic inductive apparent conductivity and the observed conductivities of the soil samples indicates that the apparent electricity conductivity is a good surrogate for soil salinity. We therefore used the apparent soil electricity conductivity to examine the spatial distribution of soil salt content at different depths in the soil profile because obtaining such data is often much more cost-effective. We employed a natural neighbor interpolation approach at various depths to analyze and evaluate the spatial distribution features of the soil profile salinity. The results showed that the soil in the research area has strong surface aggregation and spatial variation, and that the soil body is moderately salinized. Soil salinization is clearly higher in the desert areas and interlaced border areas than within the oasis. Soil salt content showed a decreasing trend from the desert areas and interlaced border areas to the internal oasis. The three linear mixed models, built based on soil electrical conductivities and magnetic inductive apparent conductivities of the soils at each depth, all reached the 0.01 significance level. Both the vertical and horizontal apparent electrical conductivities were significantly related to the spatial distribution of soil salt content in soil profiles. Further exploration indicates that the horizontal apparent electrical conductivity best measures the surface soil salinization, while the vertical apparent electricity conductivity best measures the deep soil salt content. Additionally, combining both the horizontal and vertical apparent electricity conductivities produces more efficient interpretation of soil salinization and better spatial interpolation results than either method alone. The result of the natural neighbor interpolation visually reflects the spatial distribution status of the soil profile salinity in the research area. The interpretation models of soil salinity obtained by combining horizontal and vertical modes can effectively increase the prediction accuracy of the spatial distribution of soil profile salinity. Through intensive field work and soil sampling practices, coupled with a local spatial interpolation approach (the natural neighbors), this study investigates the feasibility of applying electromagnetic induction devices to evaluating, monitoring, and predicting soil salinization at various soil depths in the Werigan-Kuqa Delta Oasis. Our results show that the spatial distribution of soil salinization significantly contributes to efficient local soil salinization management and possible treatment, and thus can provide technical support for preventing and controlling soil salinization in this region.

electromagnetic induction technique; soil profile salinization; spatial distribution; Werigan-Kuqa Delta Oasis

新疆維吾爾自治區(qū)青年科技創(chuàng)新人才培養(yǎng)工程(2013711014); 國家自然科學基金項目(U1303381,41261090,41130531,41161063); 教育部新世紀優(yōu)秀人才支持計劃(NCET- 12- 1075); 霍英東青年教師基金項目(121018); 教育部長江學者計劃創(chuàng)新團隊計劃(IRT1180); 新疆維吾爾自治區(qū)研究生科研創(chuàng)新項目(XJGRI2013023)

2015- 03- 15;

日期:2016- 01- 22

10.5846/stxb201503150498

*通訊作者Corresponding author.E-mail: E-mail: watarid@xju.edu.cn

鄧凱,丁建麗,楊愛霞,王瑾杰.基于電磁感應技術的土壤剖面鹽分空間分布建模研究.生態(tài)學報,2016,36(20):6387- 6396.

Deng K, Ding J L, Yang A X, Wang J J.Modeling of the spatial distribution of soil profile salinity based on the electromagnetic induction technique.Acta Ecologica Sinica,2016,36(20):6387- 6396.