依力亞斯江·努爾麥麥提，師慶東，阿不都拉·阿不力孜，夏 楠，王敬哲

?

灰色評估模型定量評價于田綠洲土壤鹽漬化風(fēng)險

依力亞斯江·努爾麥麥提1,2，師慶東2※，阿不都拉·阿不力孜2,3，夏 楠1,2，王敬哲1,2

（1. 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046；2. 新疆大學(xué)綠洲生態(tài)教育部重點實驗室，烏魯木齊 830046； 3. 新疆大學(xué)旅游學(xué)院，烏魯木齊 830049）

針對土壤鹽漬化這一干旱區(qū)重大生態(tài)環(huán)境問題，以新疆維吾爾自治區(qū)于田綠洲為研究靶區(qū)，在野外踏探、室內(nèi)試驗的基礎(chǔ)上，將土壤電導(dǎo)率作為評價鹽漬化風(fēng)險生態(tài)終點，選擇地面蒸散發(fā)、地表溫度、地表反照率、地面高程、地下水埋深、地下水電導(dǎo)率、地上生物量、葉面積指數(shù)、歸一化植被指數(shù)、表層土壤pH值、表層土壤含水率、土地利用/覆被類型、人口密度和人均耕地面積共14個評價指標(biāo)作為主要鹽漬化風(fēng)險源，通過遙感與GIS技術(shù)獲取這些評價因子空間數(shù)據(jù)集，同時進行數(shù)據(jù)標(biāo)準(zhǔn)化、疊加并生成相應(yīng)的柵格圖層集，采用Pearson相關(guān)性分析法確定評價因子風(fēng)險權(quán)重，引入灰色系統(tǒng)分析法構(gòu)建研究區(qū)鹽漬化風(fēng)險灰色評價模型，構(gòu)建了土壤鹽漬化風(fēng)險評價模型，并對研究區(qū)的鹽漬化風(fēng)險進行定量評價與分析。結(jié)果表明：整個研究區(qū)鹽漬化風(fēng)險值介于0.053～0.747之間，平均值達(dá)到0.190?？傮w以一般風(fēng)險為主，鹽漬化高度風(fēng)險占23.37%，雖然分布面積不大，但對綠洲北部區(qū)域的生態(tài)環(huán)境和農(nóng)業(yè)生產(chǎn)影響深遠(yuǎn)。研究可為干旱區(qū)綠洲的土地資源管理、農(nóng)田系統(tǒng)的合理布局及農(nóng)業(yè)可持續(xù)發(fā)展中的風(fēng)險決策提供數(shù)據(jù)基礎(chǔ)與參考依據(jù)。

土壤；鹽漬化；遙感；GIS；風(fēng)險評價；灰色評估；于田綠洲

0 引 言

土壤鹽漬化是干旱、半干旱區(qū)的一種典型的土地退化問題[1]。它不僅制約干旱區(qū)農(nóng)業(yè)的可持續(xù)發(fā)展，而且對區(qū)域生態(tài)環(huán)境構(gòu)成極大威脅[2]。中國鹽漬化土壤分布極為廣泛，所帶來的環(huán)境、社會和經(jīng)濟后果嚴(yán)重。由于特殊的地形地貌、干旱氣候條件和不合理的水土資源利用，西北干旱區(qū)的土壤鹽漬化愈發(fā)嚴(yán)重，使得農(nóng)業(yè)生態(tài)系統(tǒng)以及國家糧食安全受到嚴(yán)重影響[3]。中國新疆維吾爾自治區(qū)是其中的典型代表，鹽漬化土壤分布廣、種類多，被稱作“世界鹽漬土的博物館”[4]。同時，鹽漬化風(fēng)險是新疆綠洲面臨的主要危害，是制約當(dāng)?shù)赝恋刭Y源可持續(xù)開發(fā)和利用的首要障礙[5]。因此，利用遙感（remote sensing，RS）與地理信息系統(tǒng)（geographic information system，GIS）技術(shù)對土壤鹽漬化進行檢測，宏觀、動態(tài)、快速地獲取其有效信息[6-7]，開展土壤鹽漬化風(fēng)險動態(tài)監(jiān)測及定量評價具有重要的現(xiàn)實意義[8-13]。

目前，國內(nèi)外的學(xué)者主要采用生態(tài)風(fēng)險評價理論進行土壤鹽漬化方面的研究[14]，常用的方法有、綜合指數(shù)法[15]、以熵值法和暴露-反應(yīng)法為主的物理方法[16]、模糊評判法[17]、聚類分析法[18]、馬爾可夫預(yù)測法[19]、灰色系統(tǒng)分析法[20-21]、人工神經(jīng)網(wǎng)絡(luò)模型[22]等計算機模擬方法。在新疆有學(xué)者評估了以北疆艾比湖流域為代表的土壤鹽漬化風(fēng)險[23-24]，然而，對于自然環(huán)境差異較大、氣候更加干旱、鹽漬化災(zāi)害十分嚴(yán)重的南疆地區(qū)的相關(guān)研究則較少。

基于此，本研究選取新疆南部鹽漬化問題典型地區(qū)—于田綠洲為研究區(qū)，運用遙感和空間信息技術(shù)引入灰色系統(tǒng)分析法，構(gòu)建土壤鹽漬化風(fēng)險定量評估模型并對其進行綜合評價，以期為當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)可持續(xù)發(fā)展和土地資源科學(xué)管理提供科學(xué)參考。

1 研究區(qū)及數(shù)據(jù)來源

1.1 研究區(qū)概況

于田綠洲位于新疆和田地區(qū)于田縣境內(nèi)（36°47￠～37°6￠N，81°8￠～81°45￠E），南部毗鄰塔克拉瑪干沙漠，北部依靠昆侖山，受大陸性干旱氣候和山盆相間的地貌格局影響，形成典型的綠洲—荒漠生態(tài)系統(tǒng)[25]（圖1）。研究區(qū)地勢南高北低，最高海拔1 639 m，最低海拔1 304 m；熱量與光照豐富，多年平均氣溫12.4 ℃，≥10 ℃積溫為4 340 ℃，年總輻射量達(dá)6.12×105J/cm2，年日照時數(shù)長達(dá)2.73×103h[26]。平原綠洲區(qū)年均降水僅14 mm，年均蒸發(fā)量則高達(dá)2 500 mm，其主要依靠山區(qū)冰雪融水和部分地下水補給[25]。于田綠洲的天然植被主要為蘆葦、檉柳、胡楊、駱駝刺等[25]；土壤類型主要為草甸土和棕漠土，其土壤顆粒物細(xì)而透水性差，地下水水位偏高且礦化程度嚴(yán)重，存在不同程度的土壤鹽漬化和外圍沙漠化問題[27]，生態(tài)環(huán)境十分脆弱。

圖1 研究區(qū)示意圖

1.2 數(shù)據(jù)資料與處理

1.2.1 野外數(shù)據(jù)

根據(jù)于田綠洲的景觀空間分布特征、土壤鹽漬化程度空間差異性等特點，在研究區(qū)內(nèi)設(shè)定95個典型點位進行野外樣本采集（圖1），其中24個采樣點為地下水位記錄儀安置點，可動態(tài)獲取地下水位及相關(guān)數(shù)據(jù)。分別于2015年11月和2016年10月進行野外樣品采集，采集表土（0～20 cm）土樣、記錄各點的土壤類型、土地利用/覆被類型、植被類型；測量或評估相關(guān)參數(shù)，包括植被覆蓋度、葉面積指數(shù)、土壤鹽漬化情況、土壤水分、鹽分、溫度、電導(dǎo)率等，讀取地下水位記錄儀測得的地下水埋深和地下水電導(dǎo)率等數(shù)據(jù)。對野外調(diào)查所獲得樣本在室內(nèi)測定植物地上生物量、土壤水分、pH值和電導(dǎo)率等數(shù)據(jù)。

1.2.2 鹽漬化風(fēng)險源的選取

在已有研究成果的基礎(chǔ)上[28-29]，參照研究區(qū)實際情況與歷史資料，通過咨詢專家，總結(jié)出各類鹽漬化風(fēng)險源的強度及范圍，選取代表研究區(qū)實際情況的風(fēng)險因子，并結(jié)合研究區(qū)數(shù)據(jù)的完整性與代表性，最終選擇了地面蒸散發(fā)、地表溫度、地表反照率、地面高程、地下水埋深、地下水電導(dǎo)率、地上生物量、葉面積指數(shù)、歸一化植被指數(shù)、表層土壤pH值、表層土壤含水率、土地利用/覆被類型、人口密度、人均耕地面積共14個鹽漬化風(fēng)險源建立鹽漬化風(fēng)險評價指標(biāo)體系（表1）。

表1 研究區(qū)土壤鹽漬化風(fēng)險源數(shù)據(jù)獲取方式描述

1.2.3 遙感反演數(shù)據(jù)

本研究選取與野外考察同時期、已經(jīng)過輻射校正和幾何校正的Landsat-8光學(xué)遙感數(shù)據(jù)反演土壤鹽漬化風(fēng)險成因要素，包括歸一化植被指數(shù)（normalized difference vegetation index，NDVI）、葉面積指數(shù)（leaf area index，LAI）、地表反照率（albedo）、地表溫度（land surface temperature，LST）、蒸散發(fā)（evapotranspiration，ET）、生物量（biomass）評價因子（圖2）。本研究選取，研究區(qū)的數(shù)字高程模型（digital elevation model，DEM）來自于30 m分辨率的ASTER GDEM數(shù)據(jù)。同時，基于決策樹分類法獲取研究區(qū)土地利用/覆被（land-use/land-cover, LULC）分類圖[30]，結(jié)合野外實地測量數(shù)據(jù)，對遙感反演結(jié)果進行精度驗證，以確保其可靠性。

1.2.4 空間數(shù)據(jù)

為實現(xiàn)點位數(shù)據(jù)的空間面狀化，進而匹配ET、LST等空間因子，利用空間內(nèi)插的方法對研究區(qū)表層土壤（0～20 cm土層）、含鹽量（topsoil salinity, TSS）、表層土壤電導(dǎo)率（topsoil electrical conductivity, TS_EC）、表層土壤pH值（pH）、表層土壤水分（surface soil water content, SWC）、地下水埋深（groundwater depth, GWD）、地下水電導(dǎo)率（groundwater electrical conductivity, GW_EC）、人口密度（population density, PD）和人均耕地面積（per capita arable land, PCAL）數(shù)據(jù)進行空間插值。由于不同插值方法的結(jié)果存在較大差異，因此必須選用最優(yōu)空間內(nèi)插方法[31]。根據(jù)既往的研究結(jié)果[32-33]和本研究試驗結(jié)果，最終選擇反距離加權(quán)（inverse distance weighted，IDW）插值法對研究區(qū)以上8種鹽漬化風(fēng)險評價因子進行空間插值，生成各評價因子所對應(yīng)的空間分布圖（圖3）。

注：圖g中WB、MS、VG、BL、HS、SS分別為水體、中度鹽漬地、植被、裸露地、重度鹽漬地、輕度鹽漬地。

圖3 研究區(qū)GIS空間插值的鹽漬化風(fēng)險成因數(shù)據(jù)

2 研究方法

2.1 研究技術(shù)路線

為綜合考量多源數(shù)據(jù)的集成，首先對遙感數(shù)據(jù)、野外實地考查數(shù)據(jù)、地理背景數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)等多種數(shù)據(jù)進行合成以獲取研究區(qū)GIS空間數(shù)據(jù)庫。然后，依據(jù)構(gòu)建的鹽漬化風(fēng)險評價因子數(shù)據(jù)集，建立研究區(qū)鹽漬化風(fēng)險評估指標(biāo)體系并構(gòu)建鹽漬化風(fēng)險灰色評估模型；最后，開展研究區(qū)鹽漬化風(fēng)險狀況的定量評估、分級與分析。具體研究技術(shù)路線如圖4所示。

2.2 灰色評估模型

灰色系統(tǒng)理論是由中國著名學(xué)者鄧聚龍教授于1982提出[34]的一種多因素統(tǒng)計分析方法，其目的是通過一定的方法原理確定系統(tǒng)中各因素的主要關(guān)系，用灰色關(guān)聯(lián)度來刻畫因素間關(guān)系的強弱、大小和次序[35]。該方法能夠從整體觀念出發(fā)綜合評價受多種因素共同影響的事物和現(xiàn)象，并且得到廣泛應(yīng)用[36]。灰色關(guān)聯(lián)度的方法根據(jù)序列之間發(fā)展趨勢的相似或相異程度來判斷其聯(lián)系是否緊密，該方法彌補了采用數(shù)理統(tǒng)計方法進行系統(tǒng)分析所導(dǎo)致的缺憾，并它對樣本量的多少和樣本有無規(guī)律都同樣適用[37]，因此本文引入灰色系統(tǒng)分析法對該區(qū)域的鹽漬化風(fēng)險進行了定量分析。

圖4 土壤鹽漬化風(fēng)險定量評估研究技術(shù)路線

如果將土壤鹽漬化風(fēng)險定義為鹽漬化風(fēng)險因子x對最適宜值x的偏離程度，則有如下基本的評價模型[37]：

根據(jù)前人研究[38-39]可知，灰色評估方法彌補了采用數(shù)理統(tǒng)計方法進行系統(tǒng)分析所導(dǎo)致的缺陷。它對采集樣本數(shù)量和樣本是否有規(guī)律都同樣適用[40]。故本文引進灰色關(guān)聯(lián)分析數(shù)學(xué)模型，構(gòu)建了該研究區(qū)土壤鹽漬化風(fēng)險灰色定量評估模型。

假如x0為采樣點的指標(biāo)變量（母系列，即參考序列）標(biāo)準(zhǔn)化值，x為第個樣點在第個風(fēng)險評價因子的標(biāo)準(zhǔn)化值（比較序列）。其中：

式中γ0為第個樣點與各類風(fēng)險因子關(guān)聯(lián)度的綜合評價值。鑒于各x與x0之間可能呈現(xiàn)負(fù)相關(guān)性，即生態(tài)風(fēng)險變量值的增加從而引起指標(biāo)變量減少而產(chǎn)生損失性風(fēng)險，這種情況下，則可定義如下基于灰色關(guān)聯(lián)度模型的鹽漬化風(fēng)險灰色評估模型為

為客觀評價研究區(qū)土壤鹽漬化風(fēng)險，本文選取表層土壤（0～20 cm）電導(dǎo)率作為生態(tài)終點（參考序列0），以鹽漬化風(fēng)險評級指標(biāo)體系的14個鹽漬化風(fēng)險源（表1）作為鹽漬化風(fēng)險評價因子（比較序列x）?？紤]到研究區(qū)土地利用類型比較復(fù)雜，輕度鹽漬地表層土壤含鹽量差異很小，可比性不明顯，本文選擇與土壤含鹽量密切有關(guān)與高度關(guān)聯(lián)的表層土壤電導(dǎo)率作為參考序列。

3 結(jié)果與分析

3.1 鹽漬化風(fēng)險評價因子風(fēng)險權(quán)重的確定

風(fēng)險評價因子在土壤鹽漬化風(fēng)險總體構(gòu)成中的作用大小稱為風(fēng)險權(quán)重[11]。要評估研究區(qū)的土壤鹽漬化風(fēng)險水平，首先要考慮以上14個評價因子的風(fēng)險權(quán)重。為盡量減少人為主觀因素的過多參與，本研究采用相關(guān)系數(shù)法[37-38]確定鹽漬化風(fēng)險各評價因子權(quán)重，并通過SPSS?軟件對評價因子進行Pearson相關(guān)系數(shù)的計算。由表2可知，表層土壤含鹽量和電導(dǎo)率的相關(guān)系數(shù)為0.99（<0.01），表明土壤含鹽量和電導(dǎo)率高度相關(guān)，同時說明土壤電導(dǎo)率可以作為評價土壤鹽漬化風(fēng)險的參考序列（母序列）。其次，作為鹽漬化風(fēng)險評價參考因素的TS_EC與DEM的相關(guān)性達(dá)到1%極顯著水平（=95，=0.003），與LST、GW_EC、Biomass和SWC均顯著相關(guān)（=95，<0.05），表明這些評價因子為研究區(qū)土壤鹽漬化風(fēng)險評估的重要因素。此外，ET與LST、Albedo、Biomass極顯著相關(guān)，Biomass與ET、LST、Albedo極顯著相關(guān)，DEM與GWD、GW_EC極顯著相關(guān)。這結(jié)果與研究區(qū)實際情況比較符合，進一步說明本研究所選取的評價因子較可靠。

表2 鹽漬化風(fēng)險評價因子Pearson相關(guān)系數(shù)矩陣

注（Note）：*，<0.05；**，<0.01.

對各評價因子與土壤電導(dǎo)率的相關(guān)系數(shù)求取絕對值，通過標(biāo)準(zhǔn)化處理后得到14個評價因子的鹽漬化風(fēng)險權(quán)重系數(shù)，如表3所示。鹽漬化風(fēng)險評價因子權(quán)重系數(shù)大小依次為DEM > SWC > LST > GW_EC > Biomass > GWD > pH > ET > PD > LCLU > NDVI > Albedo > LAI > PCAL。在鹽漬化風(fēng)險灰色評估模型構(gòu)建中將其作為各因子的風(fēng)險評價權(quán)重向量。

表3 土壤鹽漬化風(fēng)險評價因子權(quán)重

3.2 鹽漬化風(fēng)險灰色評估模型的構(gòu)建

首先，利用ArcGIS?軟件建立土壤鹽漬化評價因子空間地理疊加的柵格圖層集。其次，實現(xiàn)各土壤鹽漬化風(fēng)險評價因子（比較序列）和指標(biāo)變量（參考序列）的數(shù)據(jù)標(biāo)準(zhǔn)化圖層的計算，生成所有因子的空間標(biāo)準(zhǔn)化柵格圖層集。然后，計算出各鹽漬化風(fēng)險評價因子與表層土壤電導(dǎo)率的灰色關(guān)聯(lián)系數(shù)的柵格圖層集，圖5為DEM、SWC、LST、GW_EC與TS_EC之間灰色關(guān)聯(lián)系數(shù)。最后，基于各個變量的因子權(quán)重構(gòu)建土壤鹽漬化風(fēng)險評估模型。鑒于于田綠洲土壤鹽漬化程度、分布現(xiàn)狀和生態(tài)環(huán)境狀況，同時參考相關(guān)研究所采用的分級方法[11-12,37-38]確定該地區(qū)土壤鹽漬化風(fēng)險等級劃分標(biāo)準(zhǔn)，共分為4級，如表4所示。

圖5 鹽漬化風(fēng)險評價因子與表層土壤電導(dǎo)率的灰色關(guān)聯(lián)系數(shù)柵格圖

表4 研究區(qū)土壤鹽漬化風(fēng)險等級劃分標(biāo)準(zhǔn)及鹽漬化風(fēng)險面積統(tǒng)計表

3.3 土壤鹽漬化風(fēng)險狀況定量評估與分析

由圖6可知，研究區(qū)域鹽漬化風(fēng)險值在0.053～0.747之間，平均值達(dá)到0.190。區(qū)域的土壤鹽漬化風(fēng)險狀況具有明顯空間差異，總體以一般風(fēng)險為主，高度風(fēng)險（1級和2級風(fēng)險）區(qū)主要分布在沖洪積平原灌區(qū)的斯也克鄉(xiāng)北部、希吾勒鄉(xiāng)、喀爾克鄉(xiāng)、英巴格鄉(xiāng)北部、加依鄉(xiāng)等鄉(xiāng)鎮(zhèn)。其中，斯也克鄉(xiāng)北部區(qū)域鹽漬化風(fēng)險最為嚴(yán)重，位于研究區(qū)的幾何中心處。研究區(qū)北部鹽漬化風(fēng)險高于南部，其原因一方面在于北部海拔較低、地下水位較淺、土壤鹽分、地下水電導(dǎo)率較高（圖2h和圖3）；另一方面可能在于于田縣大部分耕地依然采用地面漫灌，而且現(xiàn)有的地面灌溉水利用率較低，田間滲漏嚴(yán)重，抬高了北部地下水位，造成研究區(qū)北部土壤鹽漬化風(fēng)險更加嚴(yán)重。此外，綠洲地下水埋深從由南至北逐漸減?。▓D3e），砂礫粒徑由南向北變細(xì)，地下水儲水層在沖洪積平原中下部有上通下阻的現(xiàn)象，因此在北部區(qū)域土壤鹽漬化風(fēng)險更為嚴(yán)重。從局部來看，研究區(qū)中北及西北部鹽漬化風(fēng)險最高，這是由于該區(qū)域地下水埋深較淺、表層土壤含鹽量高、地下水電導(dǎo)率較高、植被覆蓋度低（圖2和圖3），且主要為紅柳、胡楊、蘆葦、鹽節(jié)木、鹽穗木等耐鹽植被；同時，于田綠洲北部地勢平坦，地下水的水力坡度小，水平徑流基本停滯，灌區(qū)水實際處于垂直循環(huán)狀況，形成了積鹽環(huán)境。由圖3a與圖6可知，研究區(qū)鹽漬化風(fēng)險與土壤鹽分的空間分布特征高度一致，這表明本研究構(gòu)建的灰色評估模型具有可信性。

圖6 研究區(qū)土壤鹽漬化風(fēng)險空間分布

表4為研究區(qū)各級鹽漬化風(fēng)險區(qū)面積的統(tǒng)計結(jié)果。研究區(qū)3級風(fēng)險的區(qū)域面積最大，占總面積的48.94%（942.45 km2），主要集中分布于研究區(qū)北部和中部，鹽漬化危害程度為一般，屬于潛在風(fēng)險區(qū)域，其一部分分布在綠洲農(nóng)田區(qū)域，對研究區(qū)農(nóng)作物較為不利；其次是4級風(fēng)險區(qū)，占27.69%（533.09 km2），屬于風(fēng)險較小的區(qū)域，主要碎片式分布于研究區(qū)的南部，這些部位土壤含鹽量較低；鹽漬化2級風(fēng)險區(qū)占19.35%（372.56 km2），主要分布在研究區(qū)北部和西北部位，且屬于1級風(fēng)險與3級風(fēng)險的過渡帶，呈斑塊狀分布，風(fēng)險為較大。鹽漬化1級風(fēng)險區(qū)域僅占4.02%（77.39 km2），主要呈斑塊狀分布于研究區(qū)北邊和西北部位，土壤含鹽量普遍較高，風(fēng)險很大?？傮w上，研究區(qū)域以一般風(fēng)險和較小風(fēng)險為主，占研究區(qū)總面積76.64%, 是土壤改良治理和科學(xué)管理的重點區(qū)域。1級和2級風(fēng)險區(qū)占23.37%，雖然分布面積不大，但對綠洲北部，克里雅河流域的下游區(qū)域的生態(tài)環(huán)境和農(nóng)業(yè)生產(chǎn)影響深遠(yuǎn)。

本研究盡管成功構(gòu)建了鹽漬化風(fēng)險灰色評估模型，然而還存在一些不足與評估結(jié)果的不確定性。土壤鹽漬化通常是的自然和人類活動共同作用造成的，而且缺乏長期連續(xù)試驗觀測數(shù)據(jù)的支持，因此鹽漬化風(fēng)險評估指標(biāo)的遴選及其權(quán)重系數(shù)的確定極易受到主觀因素的影響。本研究構(gòu)建的鹽漬化風(fēng)險灰色評估模型的泛化能力還有待進一步驗證。此外，本研究的數(shù)據(jù)來源較為復(fù)雜、類型眾多，包括柵格數(shù)據(jù)、矢量數(shù)據(jù)、屬性數(shù)據(jù)，點、線、面數(shù)據(jù)，一部分為遙感定量反演所得，另一部分為GIS空間內(nèi)插所產(chǎn)生，因此這些數(shù)據(jù)之間的有機集成和數(shù)據(jù)有效同化可能存在一定不確定性。今后的研究將進一步完善數(shù)據(jù)，減少人為因素的干擾，進一步完善這些數(shù)據(jù)的同化機制，繼續(xù)探索鹽漬化風(fēng)險最優(yōu)定量評估模型，以期為干旱區(qū)綠洲土地資源管理、農(nóng)作物的合理布局和生態(tài)環(huán)境的保護提供一定數(shù)據(jù)基礎(chǔ)，并為區(qū)域可持續(xù)發(fā)展中的風(fēng)險決策提供參考依據(jù)。

4 結(jié) 論

1）對研究區(qū)鹽漬化風(fēng)險評價因子進行Pearson相關(guān)系數(shù)的計算，得出鹽漬化風(fēng)險評價因子權(quán)重系數(shù)以地面數(shù)字高程最大、表層土壤含水率次之。

2）整個研究區(qū)域鹽漬化風(fēng)險值介于0.053～0.747之間，平均值達(dá)到0.190。研究區(qū)不同區(qū)域土壤鹽漬化風(fēng)險狀況具有顯著差異性，風(fēng)險總體以一般風(fēng)險為主。

3）研究區(qū)3級風(fēng)險的區(qū)域面積為最大，占總面積的48.94%，鹽漬化危害程度為一般，屬于潛在風(fēng)險區(qū)域；其次是4級風(fēng)險區(qū)，占27.69%，屬于風(fēng)險較小的區(qū)域，這些部位土壤含鹽量較低；再次鹽漬化2級風(fēng)險區(qū)站19.35%，呈斑塊狀分布，風(fēng)險為較大。最后鹽漬化1級風(fēng)險區(qū)域僅占4.02%，主要呈斑塊狀分布于研究區(qū)北邊和西北部位，土壤含鹽量普遍較高，風(fēng)險很大。研究區(qū)域1級和2級風(fēng)險占23.37%，雖然分布面積不大，但對綠洲北部區(qū)域的生態(tài)環(huán)境和農(nóng)業(yè)生產(chǎn)影響深遠(yuǎn)。

[1] Metternicht G I, Zinck J A. Remote sensing of soil salinity: Potentials and constraints[J]. Remote Sensing of Environment, 2003, 85(1): 1－20.

[2] Amezketa E. An integrated methodology for assessing soil salinization, a pre-condition for land desertification[J]. Journal of Arid Environments, 2006, 67(4): 594－606.

[3] 田長彥，周宏飛，劉國慶. 21世紀(jì)新疆土壤鹽漬化調(diào)控與農(nóng)業(yè)持續(xù)發(fā)展研究建議[J]. 干旱區(qū)地理，2000，23(2)：177－181. Tian Changyan, Zhou Hongfei, Liu Guoqing. The proposal on control of soil salinizing and agricultural sustaining development in 21' s century in Xinjiang[J]. Arid land Geography, 2000, 23(2): 177－181. (in Chinese with English abstract)

[4] 張芳. 新疆奇臺綠洲土壤堿化特征及遙感監(jiān)測研究[D]. 烏魯木齊：新疆大學(xué)，2011. Zhang Fang. Characteristics of Alkalinized soil in Qitai oasis in Xinjiang and the investigation by remote sensing[D]. Urumqi: Xinjiang University, 2011. (in Chinese with English abstract)

[5] 胡小韋. 于田綠洲土壤鹽漬化與地下水環(huán)境變化的關(guān)系研究[D]. 烏魯木齊：新疆大學(xué)，2008. Hu Xiaowei. Study of Relationship Between the Soil Salinization and the Change of Groundwater Environment in Yutian Oasis[D]. Urumqi: Xinjiang University, 2008. (in Chinese with English abstract)

[6] 郭華東. 雷達(dá)對地觀測理論與應(yīng)用[M]. 北京：科學(xué)出版社，2000.

[7] 黨安榮. 地理信息系統(tǒng)可視化專題制圖要素分級探討[J]. 地理學(xué)報，1998，65(增刊1)：61－66.Dang Anrong. Study on thematic mapping element classification of GIS visualization[J]. Acta Geographica Sinica, 1998, 65(s1): 61－66. (in Chinese with English abstract)

[8] 丁建麗, 姚遠(yuǎn), 王飛. 基于三維光譜特征空間的干旱區(qū)土壤鹽漬化遙感定量研究[J]. 土壤學(xué)報，2013，50(5)：853－861. Ding Jianli, Yao Yuan, Wang Fei. Quantitative remote sensing of soil salinization in arid regions based on three dimensional spectrum eigen spaces[J]. Acta Pedologica Sinica, 2013, 50(5): 853－861. (in Chinese with English abstract)

[9] 王飛，丁建麗，伍漫春. 基于NDVI-SI特征空間的土壤鹽漬化遙感模型[J]. 農(nóng)業(yè)工程學(xué)報，2010，26(8)：168－173. Wang Fei, Ding Jianli, Wu Manchun. Remote sensing monitoring models of soil salinization based on NDVI-SI feature space[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(8): 168－173. (in Chinese with English abstract)

[10] (美)蘇特爾(Suter G W). 生態(tài)風(fēng)險評價：第二版[M]. 北京：高等教育出版社，2011.

[11] 李冬順，楊勁松，姚榮江. 生態(tài)風(fēng)險分析用于蘇北灘涂土壤鹽漬化風(fēng)險評估研究[J]. 土壤學(xué)報，2010，47(5)：857－864. Li Dongshun, Yang Jinsong, Yao Rongjiang. Application of ecological risk analysis to soil salinization risk assessment of coastal tidal flat in north Jiangsu Province[J]. Acta Pedologica Sinica, 2010, 47(5): 857－864. (in Chinese with English abstract)

[12] 姚榮江，楊勁松，劉廣明，等. 黃河三角洲地區(qū)典型地塊土壤鹽分空間變異特征研究[J]. 農(nóng)業(yè)工程學(xué)報，2006，22(6)：69－74. Yao Rongjiang, Yang Jinsong, Liu Guangming, et al. Spatial variability of soil salinity in characteristic field of the Yellow River Delta[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(6): 69－74. (in Chinese with English abstract)

[13] Zhou D, Lin Z, Liu L, et al. Assessing secondary soil salinization risk based on the PSR sustainability framework[J]. Journal of Environmental Management, 2013, 128(20): 642－654.

[14] Castrignanò A, Buttafuoco G, Puddu R. Multi-scale assessment of the risk of soil salinization in an area of south-eastern Sardinia (Italy)[J]. Precision agriculture, 2008, 9(1/2): 17－31.

[15] 喻光明，胡秀麗，張敏，等. 土地整理的生態(tài)風(fēng)險評價[J]. 安全與環(huán)境學(xué)報，2007，7(6): 83－88. Yu Guangming, Hu Xiuli, Zhang Min, et al. The ecological risks assessment of the land use rectification and reconstruction[J]. Journal of Safety and Environment, 2007, 7(6): 83－88. (in Chinese with English abstract)

[16] Hakanson L. An ecological risk index for aquatic pollution control a sedimentological approach[J]. Water Research, 1980, 14(8): 975－1001.

[17] 胡月明，萬洪富，吳志峰，等. 基于GIS的土壤質(zhì)量模糊變權(quán)評價[J]. 土壤學(xué)報，2001，38(3)：266－274. Hu Yueming, Wan Hongfu, Wu Zhifeng, et al. GIS based quality evaluation with fuzzy variable weight[J]. Acta Pedologica Sinica, 2001, 38(3): 266－274. (in Chinese with English abstract)

[18] 許明祥,劉國彬,趙允格.黃土丘陵區(qū)侵蝕土壤質(zhì)量評價[J]. 植物營養(yǎng)與肥料學(xué)報，2005，11(3)：285－293. Xu Mingxiang, Liu Guobin, Zhao Yunge. Quality assessment of erosion soil on hilly Loess Plateau[J]. Plant Nutrition and Fertilizer Science, 2005, 11(3): 285－293. (in Chinese with English abstract)

[19] 鄭文瑞，王新代，紀(jì)昆，等. 非確定數(shù)學(xué)方法在水污染狀況風(fēng)險評價中的應(yīng)用[J]. 吉林大學(xué)學(xué)報：地球科學(xué)版，2003，33(1)：59－62. Zheng Wenrui, Wang Xindai, Ji Kun, et al. Application of undetermined mathematic method in risk assessment of water pollution conditions[J]. Journal of Jilin University Earth: Science Edition, 2003, 33(1): 59－62. (in Chinese with English abstract)

[20] 馬建軍，李青豐，張樹禮. 灰色關(guān)聯(lián)分析在黑岱溝露天煤礦土壤質(zhì)量評價中的應(yīng)用[J]. 干旱區(qū)資源與環(huán)境，2007，21(7)：125－129. Ma Jianjun, Li Qingfeng, Zhang Shuli. Application of grey system theory to the reclaimed land soil quality evaluation of Hei Dai Gou opencast coal mine[J]. Journal of Arid Land Resources and Environment, 2007, 21(7): 125－129. (in Chinese with English abstract)

[21] 李月芬，湯潔，林年豐，等. 灰色關(guān)聯(lián)度法在草原土壤質(zhì)量評價中的應(yīng)用[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報，2003，25(5)：551－556. Li Yuefen, Tang Jie, Lin Nianfeng, et al. Application of grey system theory in evaluating grassland soil quality[J]. Journal of Jilin University, 2003, 25(5): 551－556. (in Chinese with English abstract)

[22] 陳輝，李雙成，鄭度. 基于人工神經(jīng)網(wǎng)絡(luò)的青藏公路鐵路沿線生態(tài)系統(tǒng)風(fēng)險研究[J]. 北京大學(xué)學(xué)報：自然科學(xué)版，2005，41(4)：586－593. Chen Hui, Li Shuangcheng, Zheng Du. Ecological risk assessment of regions alongside Qinghai-Xizang highway and railway based on artificial neural network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2005, 41(4): 586－593. (in Chinese with English abstract)

[23] 王東芳. 艾比湖濕地國家級自然保護區(qū)土壤鹽漬化生態(tài)風(fēng)險評價[D]. 烏魯木齊：新疆大學(xué)，2016. Wang Dongfang. Ecological Risk Assessment of Soil Salinization in Ebinur Lake Wetland National Nature Reserve[D]. Urumqi: Xinjiang University, 2016. (in Chinese with English abstract)

[24] 張兆永，李菊英，祖皮艷木·買買提，等. 艾比湖流域小尺度農(nóng)田土壤養(yǎng)分的空間分布和鹽漬化風(fēng)險評價[J]. 生態(tài)學(xué)報，2017，37(3)：819－828. Zhang Zhaoyong, Li Juying, Zulpiya Mamat, et al. Spatial heterogeneity of soil nutrients and salinization risk assessment of a small-scale farmland in Ebinur Basin in northwest China[J]. Acta Ecologica Sinica, 2017, 37(3): 819－828．

[25] 田源. 干旱區(qū)典型綠洲空間熱環(huán)境遙感研究[D]. 烏魯木齊：新疆大學(xué)，2009. Tian Yuan. Study on the Space Thermal Environment of typical Oasis in the Arid Region using Remote Sensing Technology[D]. Urumqi: Xinjiang University, 2009. (in Chinese with English abstract)

[26] 于田縣地方志編纂委員會. 于田縣志[M]. 烏魯木齊：新疆人民出版社，2006：94－185.

[27] 劉曾媛，貢璐，張雪妮，等. 克里雅河流域于田綠洲土壤酶活性與理化因子相關(guān)性分析[J]. 中國土壤與肥料, 2014(4): 35－41. Liu Zengyuan, Gong Lu, Zhang Xueni, et al. Soil enzyme activities and their relationship with physicochemical factors in Yutian oasis of the Keriya river watershed[J]. Soil and Fertilizer Science in China, 2014(4): 35－41. (in Chinese with English abstract)

[28] 姜紅濤. 干旱區(qū)土壤水鹽變化特征及其影響因子的遙感反演和GIS分析[D]. 烏魯木齊：新疆大學(xué), 2014. Jiang Hongtao. Remote Sensing Inversion and GIS Analysis of Soil Water and Salt Change Characteristics and Its Influencing Factors in Arid Area[D]. Urumqi: Xinjiang University, 2014. (in Chinese with English abstract)

[29] 劉國華.于田綠洲土壤鹽分特征及其成鹽驅(qū)動因子分析[D]. 烏魯木齊：新疆大學(xué)，2009. Liu Guohua. Study on Soil Salinity Characteristics and its Salt-driven Actuation Factors in Yutian Oasis[D]. Urumqi: Xinjiang University, 2009. (in Chinese with English abstract)

[30] Nurmemet I, Ghulam A, Ding J L, et al. Monitoring soil salinization in Keriya River Basin, Northwestern China using passive reflective and active microwave remote sensing data[J]. Remote Sensing, 2015, 7(7): 8803－8829.

[31] Piazza A D, Conti F L, Noto L V, et al. Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily, Italy[J]. International Journal of Applied Earth Observation & Geoinformation, 2011, 13(3): 396－408.

[32] 蔡福，于貴瑞，祝青林，等. 氣象要素空間化方法精度的比較研究：以平均氣溫為例[J]. 資源科學(xué)，2005，27(5)：173－179. Cai Fu, Yu Guirui, Zhu Qinglin, et al. Comparison of precisions between spatial methods of climatic factors: A case study on mean air temperature[J]. Resource science, 2005, 27(5): 173－179. (in Chinese with English abstract)

[33] 吳亞坤，劉廣明，蘇里坦，等. 基于電磁感應(yīng)研究新疆土壤鹽分三維空間變異對季節(jié)的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(14)：173－178. Wu Yakun, Liu Guangming, Su Litan, et al. Response of three-dimensional spatial variability of soil salinity to change of season of Xinjiang based on electromagnetic induction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(14): 173－178. (in Chinese with English abstract).

[34] 鄧聚龍. 灰色系統(tǒng)理論教程[M]. 武漢：華中理工大學(xué)出版社，1990.

[35] 徐建華. 現(xiàn)代地理學(xué)中的數(shù)學(xué)方法[M]. 北京：高等教育出版社，2002：224－229．

[36] 田凱波. 基于層次分析法的灰色關(guān)聯(lián)分析的應(yīng)用[J]. 湖南農(nóng)機，2010，37(5)：98－99. Tian Kaibo. Application of grey correlation analysis based on AHP[J]. Hunan Agricultural machinery, 2010, 37(5): 98－99. (in Chinese with English abstract)

[37] 曹建榮，徐興永，于洪軍，等. 黃河三角洲土壤鹽漬化原因分析與生態(tài)風(fēng)險評價[J]. 海洋科學(xué)進展，2014，32(4)：508－516. Cao Jianrong, Xu Xingyong, Yu Hongjun, et al. Analysis for driving forces and ecological risk assessment of soil salinization in the Yellow River Delta[J]. Advances in Marin science, 2014, 32(4): 508－516. (in Chinese with English abstract)

[38] 李自珍，李維德，石洪華，等. 生態(tài)風(fēng)險灰色評價模型及其在綠洲鹽漬化農(nóng)田生態(tài)系統(tǒng)中的應(yīng)用[J]. 中國沙漠，2002，22(6)：617－622. Li Zizhen, Li Weide, Shi Honghua, et al. Gray model for ecological risk assessment and its application in salinization oasis agroecosystem[J]. Journal of Desert Research, 2002, 22(6): 617－622. (in Chinese with English abstract)

[39] 錢建平，周勇，鄖文聚，等. 基于灰色系統(tǒng)理論的收益還原法在農(nóng)用地估價中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報，2004，20(6)：282－285. Qian Jianping, Zhou Yong, Yun Wenju, et al. Application of income capitalization approach based on grey system theory in the evaluation of agricultrual land price[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(6): 282－285. (in Chinese with English abstract)

[40] 趙曉慧，嚴(yán)立蛟. 生態(tài)敏感性的灰色關(guān)聯(lián)投影評價模型及其應(yīng)用[J]. 浙江大學(xué)學(xué)報：農(nóng)業(yè)與生命科學(xué)，2006，32(3)：341?345. Zhao Xiaohui, Yan Lijiao. Grey relation projection model for the ecological sensitivity[J]. Journal of Zhejiang University: Agric & Life Sci, 2006, 32(3): 341－345. (in Chinese with English abstract)

Quantitative evaluation of soil salinization risk in Keriya Oasis based on grey evaluation model

Ilyas Nurmemet1,2, Shi Qingdong2※, Abdulla Abliz2,3, Xia Nan1,2, Wang Jingzhe1,2

(1.830046,; 2.830046,; 3.830049,)

Soil salinization is a global issue of concern and the biggest global natural disaster. Salt-affected soil is also the most prominent environmental problem in arid and semi-arid regions in China. In this study, the Keriya Oasis in the arid zone of Xinjiang, Northwestern China was chosen as study area, a geodatabase was created with multiple field observations together with laboratory analyses and related datasets including attribute, vector and raster data. Topsoil electrical conductivity (TS_EC) was selected as the ecological endpoint for evaluating the salinization risk. And 14 evaluation indicators were chosen as the main sources of soil salinity risk which included ground evapotranspiration (ET), land surface temperature (LST), surface albedo (Albedo), digital elevation model (DEM), normalized difference vegetation index (NDVI), leaf area index (LAI), aboveground biomass (Biomass), groundwater depth (GWD), groundwater electrical conductivity (GW_EC), topsoil water content (SWC), topsoil pH value (pH), land use land / cover type (LULC), population density (PD) and per capita arable land (PCAL). An index system for soil salinization risk assessment was established. Through remote sensing (RS) techniques and quantitative inversion, 7 risk factors were derived such as: NDVI, LAI, Albedo, LST, ET, Biomass, DEM; the other factors were spatially interpolated, then data normalization was applied to all these datasets and overlayed GIS database of soil salinity risk factors was built. Risk weights of evaluation factors were determined and weight coefficients were calculated by adopting Pearson correlation analysis method. The theory of grey relational analysis system was introduced into soil salinization risk assessment, and risk assessment model was constructed in the study area. Then the soil salinity risk of the region was quantitatively assessed and classified, and finally soil salinity risk map was elaborated. The results showed that: the salinization risk values of the whole study area varied from 0.053 to 0.747, with a mean value of 0.190. Spatial distribution heterogeneity of different risks in the Keriya Oasis was prominent, and soil salinity risk was mainly demonstrated moderate risk. The area of risk rating 3 was the largest, and it accounted for 48.94% of total study area, soil salinity risk was moderate, belonging to potential risk area; The area of rating 4 accounted for 27.69%, and it belonged to the low risk region. Rating 2 risk region accounted for 19.35%, and soil salinity risk was relatively high. Rating 1 risk area accounted for only 4.02%, but it was characterized with very high risk soil salinity. Although the high risky area was smaller in size, it might lead a negative influence on the ecological environment and agricultural production in the northern region of the oasis. In conclusion, the quantitative assessment and mapping results of soil salinization risk in Keriya Oasis could be used to make appropriate decisions related to crop production, prevention of soil salinization, and it might offer scientific evidence and consulting for obtaining sustainable development of agriculture and eco-environment in arid and semi-arid regions.

soils; salinization; remote sensing; GIS; risk assessment; grey evaluation; Keriya Oasis

2018-11-06

2019-03-10

國家自然科學(xué)基金（41561089、U1703237、41461111）；新疆大學(xué)博士畢業(yè)生科研啟動基金（BS160236）

依力亞斯江·努爾麥麥提，博士，從事遙感與地理信息系統(tǒng)及其干旱區(qū)資源環(huán)境應(yīng)用研究。Email：ilyas777v@163.com

師慶東，教授，博士生導(dǎo)師，主要研究方向為綠洲生態(tài)學(xué)。Email：shiqingdong@126.com

10.11975/j.issn.1002-6819.2019.08.021

S156.4；TP79

A

1002-6819(2019)-08-0176-09

依力亞斯江·努爾麥麥提，師慶東，阿不都拉·阿不力孜，夏 楠，王敬哲. 灰色評估模型定量評價于田綠洲土壤鹽漬化風(fēng)險[J]. 農(nóng)業(yè)工程學(xué)報，2019，35(8)：176－184. doi：10.11975/j.issn.1002-6819.2019.08.021 http://www.tcsae.org

Ilyas Nurmemet, Shi Qingdong, Abdulla Abliz, Xia Nan, Wang Jingzhe. Quantitative evaluation of soil salinization risk in Keriya Oasis based on grey evaluation model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8): 176－184. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.08.021 http://www.tcsae.org