吳家林，彭 杰*，白建鐸，王佳文，紀(jì)文君，王 楠

（1.塔里木大學(xué) 植物科學(xué)學(xué)院，新疆 阿拉爾 843300；2.中國農(nóng)業(yè)大學(xué) 土地科學(xué)與技術(shù)學(xué)院， 北京 100083；3.浙江大學(xué) 環(huán)境與資源學(xué)院，杭州 310058）

0 引 言

【研究意義】土壤鹽漬化是現(xiàn)今世界干旱地區(qū)的主要農(nóng)業(yè)問題[1-3]。新疆地處西北干旱地區(qū)，2018年棉花種植面積已經(jīng)占全國棉花種植面積的4/5，同時作為我國最大的鹽土區(qū)，其鹽漬土面積達(dá)1 100 萬hm2[4-5]。南疆作為棉花的主產(chǎn)區(qū)，棉花產(chǎn)業(yè)長期受高蒸降比和灌溉排水不暢導(dǎo)致的土壤鹽漬化以及次生鹽漬化危害，土壤鹽漬化已成為新疆棉花產(chǎn)量和品質(zhì)提升及持續(xù)發(fā)展的重大限制條件和障礙因素。表層土壤鹽漬化信息由于時空變異性強(qiáng)烈，不利于土壤鹽漬化程度的客觀診斷，從而很難為土壤鹽漬化改良和精準(zhǔn)灌溉提供可靠的支撐依據(jù)，而土壤剖面鹽分信息相對于表層土壤鹽分信息來講，其時空變異性相對較弱，信息相對較穩(wěn)定。掌握棉田土壤鹽分空間變異性，前提是大面積、準(zhǔn)確、及時地掌握棉田鹽漬化土壤剖面的鹽分空間分布特征信息。傳統(tǒng)的土壤剖面鹽漬化調(diào)查方法為野外定點(diǎn)采樣結(jié)合室內(nèi)分析測定，多以挖剖面、土鉆鉆孔等侵入式為主，且相關(guān)研究多局限于田間小尺度。在費(fèi)時耗力和代表性差的雙重影響下，難以滿足目前針對區(qū)域尺度的農(nóng)田土壤鹽漬化管理所急需的大面積土壤剖面鹽分信息獲取的需求[6-9]。

【研究進(jìn)展】電磁感應(yīng)技術(shù)可非接觸直接獲取土壤剖面表觀電導(dǎo)率信息，具有快速、代表性強(qiáng)和精度高等優(yōu)點(diǎn)，適用于大面積土壤鹽漬化的監(jiān)測，已被廣泛應(yīng)用于土壤鹽漬化的調(diào)查與研究中[10-12]。近年來，大地電導(dǎo)率儀在土壤屬性（土壤鹽分、有機(jī)質(zhì)、土壤含水率、陽離子交換量等）監(jiān)測方面發(fā)揮著重要作用[13-18]。楊勁松等[19]以黃河三角洲海涂區(qū)為研究對象，基于電磁感應(yīng)數(shù)據(jù)并結(jié)合GIS 與地統(tǒng)計學(xué)確定了最佳的空間插值方式，分析了不同植被類型下土壤鹽漬剖面分布特征。吳亞坤等[20]利用線性建模方法構(gòu)建了不同季節(jié)及不同土層土壤含鹽量的解譯模型，從三維角度評估了不同季節(jié)土壤鹽分變異特征。國內(nèi)外學(xué)者同時期也進(jìn)行了相關(guān)研究[21-27]?！厩腥朦c(diǎn)】以往基于電磁感應(yīng)數(shù)據(jù)所建立的土壤鹽分解譯模型研究區(qū)域多以田間尺度為主，建模方法主要以線性模型居多。而不同條田的土壤鹽分、土壤水分、陽離子交換量、土壤有機(jī)質(zhì)以及土壤質(zhì)地等均具有較大差異，造成模型參數(shù)難以統(tǒng)一。因此，基于田間尺度建立的電磁感應(yīng)線性解譯模型能否外延至區(qū)域尺度，有待于進(jìn)一步研究。此外，將非線性建模方法應(yīng)用于區(qū)域尺度構(gòu)建基于表觀電導(dǎo)率的土壤電導(dǎo)率反演模型的報道甚少。在區(qū)域尺度上，探明表觀電導(dǎo)率與土壤電導(dǎo)率之間是否滿足線性關(guān)系，不同線性建模方法能否適用于區(qū)域尺度的土壤電導(dǎo)率反演模型研究，以及非線性建模方法相較于線性建模方法在區(qū)域尺度上是否有更好的應(yīng)用前景，是電磁感應(yīng)技術(shù)應(yīng)用于大面積農(nóng)田土壤剖面鹽分信息獲取所需解決的關(guān)鍵問題。【擬解決的關(guān)鍵問題】利用新疆南疆阿拉爾墾區(qū)內(nèi)30 個不同地點(diǎn)的棉田剖面表觀電導(dǎo)率與土壤電導(dǎo)率數(shù)據(jù)，通過區(qū)域尺度模型與田間尺度模型的模型精度對比，不同線性模型和不同非線性模型在區(qū)域尺度下的模型精度對比，提出構(gòu)建棉田土壤電導(dǎo)率反演模型的思路和方法，研究結(jié)果為EM38-MK2 在區(qū)域尺度棉田土壤鹽漬化監(jiān)測中提供理論參考，為發(fā)展精準(zhǔn)農(nóng)業(yè)提供新思路。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)為新疆南部阿拉爾墾區(qū)（圖1），地理位置介于（80°30′—81°58′E，40°22′—40°57′N），全墾區(qū)東西相距281 km，南北相距180 km。平均海拔高度1 011 m，北部為沖積扇平原，南部為塔克拉瑪干沙漠，地勢北高南低，屬典型暖溫帶極端大陸性干旱荒漠氣候。且水土資源豐富，年均氣溫10.7 ℃，年日照2 556.3～2 991.8 h，無霜期220 d，年均蒸發(fā)量為1 988 mm，年均降水量50 mm，蒸降比約為40 倍。土壤質(zhì)地類型主要為壤土、沙壤土以及沙土。土壤鹽分主要由硫酸鹽、亞硫酸鹽和氯化鹽構(gòu)成。地下水礦化度0.6～6 g/L，地下水埋深1～3 m[28]，土壤pH 值在7.26～9.23 之間變化。主要種植作物包括棉花、紅棗、蘋果和水稻等，其中棉花種植面積最大，約1.55×105hm2，土壤樣品采集與表觀電導(dǎo)率數(shù)據(jù)采集均在棉田中。受地形、強(qiáng)蒸發(fā)、降雨稀少以及高蒸降比、土地開墾、灌溉排鹽系統(tǒng)不配套的影響，墾區(qū)內(nèi)土壤鹽漬化現(xiàn)象明顯且鹽漬化土壤分布廣泛，致使農(nóng)作物受到不同程度的鹽漬化危害。

1.2 表觀電導(dǎo)率數(shù)據(jù)和土壤樣品采集

EM38-MK2 測量點(diǎn)和土樣采集點(diǎn)如圖2 所示，本研究使用加拿大GEONICS 公司生產(chǎn)的新式大地電導(dǎo)率儀EM38-MK2 采集土壤表觀電導(dǎo)率數(shù)據(jù)（ECa，mS/m），采用美國犀牛鉆機(jī)公司生產(chǎn)的Rhino S1 土壤采集系統(tǒng)采集土壤剖面樣品。EM38-MK2 工作時提供2 種測定模式EMH 和EMV，每種模式可測定2 個不同深度土壤剖面的表觀電導(dǎo)率，EMH 模式下的測定深度為0～0.375、0～0.750 m，表觀電導(dǎo)率數(shù)據(jù)分別記錄為EMH0.375和EMH0.75，EMV 模式下的測定深度為0～0.750 和0～1.500 m，表觀電導(dǎo)率數(shù)據(jù)分別記錄為EMV0.75和EMV1.5。

Rhino S1 土壤采集系統(tǒng)取樣管長度為1 m，內(nèi)置中空PVC 取芯管，取芯管直徑36 mm，可完整保存土壤樣品的原狀性。田間作業(yè)時，單管取樣時間約30～60 s。完成后取出取芯管獲得深度為1 m 的完整土壤剖面樣品，用密封橡皮塞分別將取芯管底部和上部密封（底紅頂黑）以防止水分蒸發(fā)和鹽分流失。

綜合考慮墾區(qū)面積大小、土壤鹽漬化程度、棉花種植集中度、交通道路狀況等因素，在阿拉爾墾區(qū)內(nèi)棉花種植區(qū)域選取30 個棉田布設(shè)樣方，采集土壤表觀電導(dǎo)率數(shù)據(jù)和土壤剖面樣品。采樣時間為2019年3月中下旬，如圖1 所示，在研究區(qū)中選取30 個不同鹽漬化程度棉田（面積均大于10 hm2），棉田內(nèi)布設(shè)大小為100 m×100 m 的樣方。

圖1 研究區(qū)地理位置與調(diào)查樣方分布 Fig.1 The geographical location of the study area and the distribution of survey samples

圖2 EM38-MK2 測量點(diǎn)和土樣采集點(diǎn)分布 Fig.2 Distribution of EM38-MK2 measuring points and soil sample collection points

如圖2 所示，采集表觀電導(dǎo)率數(shù)據(jù)時，為了解樣方內(nèi)表觀電導(dǎo)率數(shù)據(jù)的閾值范圍，便于采樣點(diǎn)位的選取，采集6 條平行棉花種植方向和6 條垂直棉花種植方向的EMH 和EMV 模式下連續(xù)線狀表觀電導(dǎo)率數(shù)據(jù)，形狀為網(wǎng)格狀，數(shù)據(jù)間距約3 m。根據(jù)連續(xù)線狀表觀電導(dǎo)率數(shù)據(jù)采集時觀測的閾值范圍，樣方內(nèi)遵循代表性原則在連續(xù)線狀表觀電導(dǎo)率數(shù)據(jù)行走路線上采集18 個特征樣點(diǎn)表觀電導(dǎo)率數(shù)據(jù)，每個樣點(diǎn)EMH 和EMV 模式各測定3 次，獲取的表觀電導(dǎo)率數(shù)據(jù)取平均值。并在18 個表觀電導(dǎo)率數(shù)據(jù)測定位上使用Rhino S1 土壤采集系統(tǒng)采集18 管深度為0～1 m 的土壤剖面樣本數(shù)據(jù)，30 個樣方共采集540 組特征樣點(diǎn)的表觀電導(dǎo)率數(shù)據(jù)，每組包含4 種表觀電導(dǎo)率數(shù)據(jù)，共計2 160 個樣點(diǎn)表觀電導(dǎo)率數(shù)據(jù)。采集540管土壤樣品數(shù)據(jù)，用手持GPS 記錄每個采樣點(diǎn)的緯度和經(jīng)度（誤差精度小于8 m），每管土壤樣品實驗室處理為3 個深度（0～0.375、0～0.750、0～1.000 m），共計1 620 個土壤樣品。在去除石子、植物根和地膜等殘留物后將土壤樣本置于牛皮紙上自然風(fēng)干，取風(fēng)干土樣研磨過2 mm 篩備用，每個深度樣本數(shù)據(jù)保留300 g 土壤，按土水比為（1∶1）比例制備濾液，測定其土壤電導(dǎo)率，用于構(gòu)建電導(dǎo)率與表觀電導(dǎo)率之間的反演模型。

1.3 建模方法及模型評價指標(biāo)

本研究以Rhino S1 土壤采集系統(tǒng)采集、處理、測定的540 組土壤電導(dǎo)率和對應(yīng)EM38-MK2 測定的540 組土壤表觀電導(dǎo)率數(shù)據(jù)為樣本總體，以3 個不同深度土壤剖面（0～0.375、0～0.750、0～1.000 m）電導(dǎo)率為因變量，4 種測定位下的土壤表觀電導(dǎo)率（EMH0.375、EMH0.75、EMV0.75、EMV1.5）為自變量，建立研究區(qū)棉田不同深度土壤剖面（0～0.375、0～0.750、0～1.000 m）)電導(dǎo)率的反演模型。

建模方法為多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘回歸（PLSR）、支持向量機(jī)（SVM）、隨機(jī)森林（RF）、神經(jīng)網(wǎng)絡(luò)（NN）6 種。其中，RF 是一種構(gòu)建神經(jīng)網(wǎng)絡(luò)，利用多棵決策樹對樣本數(shù)據(jù)進(jìn)行訓(xùn)練、分類和預(yù)測的機(jī)器學(xué)習(xí)方法，各決策樹單元間相互無關(guān)聯(lián)且隨機(jī)排列，有效降低了單一分類器的分析誤差，其計算量大，但提升了分類準(zhǔn)確度和模型預(yù)測精度，適用于大規(guī)模數(shù)據(jù)的高效處理[29]。NN 是基于大量樣本經(jīng)過反復(fù)訓(xùn)練的學(xué)習(xí)過程，能被賦予完成某項任務(wù)的具體功能，在擁有傳統(tǒng)數(shù)學(xué)模型中能處理海量多維數(shù)據(jù)的優(yōu)點(diǎn)的同時，還具有高度自由的非線性、泛化性等優(yōu)良特性[30]。建模思路為區(qū)域尺度模型與田間尺度模型2 種，區(qū)域尺度模型是將30 個樣方的表觀電導(dǎo)率數(shù)據(jù)和土壤電導(dǎo)率數(shù)據(jù)匯總，建立統(tǒng)一的反演模型，田間尺度模型針對單一樣方的表觀電導(dǎo)率數(shù)據(jù)和土壤電導(dǎo)率數(shù)據(jù)建立單獨(dú)的反演模型。

模型預(yù)測精度和穩(wěn)定性的評價指標(biāo)為決定系數(shù)（R2）、均方根誤差（RMSE）、平均絕對百分比誤差（MAPE）、相對分析誤差（RPD）。R2反映觀測值與預(yù)測值間的相關(guān)性強(qiáng)度；RMSE檢驗?zāi)Ｐ偷念A(yù)測能力；MAPE檢驗?zāi)Ｐ偷木取Ｏ鄬τ赗PD而言，預(yù)測精度分為5 個等級，當(dāng)RPD＜1.5 時表明模型無法進(jìn)行預(yù)測，當(dāng)1.5＜RPD＜2 時表明模型可進(jìn)行粗略估計，當(dāng)2≤RPD＜2.5 時表明模型有較好的預(yù)測能力，當(dāng)2.5≤RPD＜3.0時模型具有很好的預(yù)測能力，當(dāng)RPD≥3.0時模型具有極好的預(yù)測能力[4]。R2和RPD大、RMSE和MAPE 小的模型，其預(yù)測能力好，穩(wěn)定性高。

2 結(jié)果與分析

2.1 剖面土壤電導(dǎo)率統(tǒng)計特征

土壤剖面電導(dǎo)率統(tǒng)計特征見表1。由表1 可知，不同深度土壤剖面的電導(dǎo)率介于0.120～11.015 dS/m之間，變幅較大，最小值分布于0～0.375 m 土壤剖面中，最大值分布于0～0.750 m 土壤剖面中，其中，0～0.375 m 土壤剖面電導(dǎo)率范圍為0.120～8.963 dS/m，0～0.750 m 土壤剖面的為0.185～11.015 dS/m，0～1.000 m 土壤剖面的為0.354～10.650 dS/m。不同深度土壤剖面的電導(dǎo)率平均值在2.080～3.769 dS/m，0～0.375 m 的電導(dǎo)率最低，0～0.750 m 的次之，0～1.000 m 的最高，具有隨土壤剖面深度增加而增加的趨勢，這是棉花冬季灌水將表層土壤鹽分淋溶到深層土壤中的結(jié)果。從變異系數(shù)來看，各層土壤電導(dǎo)率的變異系數(shù)差異明顯，0～0.375、0～0.750、0～1.500 m 土壤剖面變異系數(shù)分別為65.10%、57.00%、53.90%。通常情況下，變異系數(shù)小于10%為弱變異，變異系數(shù)10%～100%為中等變異，變異系數(shù)大于100%為強(qiáng)變異[31]，不同土壤深度下土壤電導(dǎo)率均呈中等變異強(qiáng)度。

表1 剖面土壤電導(dǎo)率的統(tǒng)計特征值 Table 1 Statistical characteristic value of profile soil conductivity

2.2 基于線性建模方法的田間尺度模型精度

為驗證線性建模方法在田間尺度模型中的可靠性，選用MLR、PLSR 和PCR 等線性建模方法建立田間尺度模型。以每個棉田樣方采集的18 個土壤樣本為總體，采用分層抽樣的方法按2∶1 比例分為建模集與預(yù)測集，其中建模集12 組樣本，預(yù)測集6 組樣本，將30 個棉田總體樣本數(shù)累加。

不同線性模型反演精度見表2。由表2 可知，在建模集中，3 種線性建模方法的不同深度土壤剖面模型精度差異較小，0～0.375 m 土壤深度MLR 模型精度低于PLSR 和PCR，R2為0.88，RMSE、MAPE分別為0.50 dS/m 和0.21，0～0.750 m 和0～1.000 m 土壤深度下，PLSR 和PCR 基本保持一致，0～0.750 m 的PLSR 模型精度最高，R2為0.95，RMSE、MAPE分別為0.41 dS/m 和0.12。在驗證集中，3 種不同深度土壤剖面電導(dǎo)率反演模型的各指標(biāo)相較于建模集模型精度均有一定程度下降，但不同建模方法R2在0.83以上，表明模型穩(wěn)定不同模型預(yù)測集中RPD最高值為2.78，最低值為2.35，可見模型具有較好或很好的預(yù)測能力。不同深度土壤剖面電導(dǎo)率模型反演效果優(yōu)劣排序依次為PLSR＞PCR＞MLR。在田間尺度模型中表觀電導(dǎo)率與土壤電導(dǎo)率滿足線性關(guān)系，所選用的3 種線性建模方法在區(qū)域尺度棉田中適用性較好。

表2 不同線性建模方法的田間尺度模型精度 Table 2 Field scale model accuracy of different linear modeling methods

2.3 基于線性建模方法的區(qū)域尺度模型精度

選取MLR、PLSR 和PCR3 種建模方法對土壤電導(dǎo)率進(jìn)行預(yù)測并進(jìn)行模型精度檢驗，將田間尺度模型的建模集與預(yù)測集分別匯總后得到區(qū)域尺度模型的建模集與預(yù)測集，其中建模集360 組土壤樣本數(shù)據(jù)，預(yù)測集180 組土壤樣本數(shù)據(jù)。表觀電導(dǎo)率數(shù)據(jù)為自變量，土壤電導(dǎo)率為因變量，構(gòu)建基于線性建模方法的區(qū)域尺度模型。

表3 不同線性建模方法的區(qū)域尺度模型精度 Table 3 Regional scale model accuracy of different linear modeling methods

不同線性建模方法的區(qū)域尺度模型精度評價結(jié)果如表3 所示，在建模集中，3 種建模方法的模型精度差異不明顯，0～0.375 m 土壤深度PLSR 模型精度略優(yōu)于MLR 和PCR，R2為0.35，RMSE、MAPE分別為1.08 dS/m 和0.57，0～0.750 m 和0～1.000 m 土壤深度下，PLSR 和PCR 模型精度基本保持一致，且均低于MLR，在0～0.750 m 的MLR 模型精度最高，R2為0.53，RMSE、MAPE分別為1.26 dS/m 和0.41。在驗證集中，3 種模型的各指標(biāo)相較于建模集均沒有明顯下降，表明模型比較穩(wěn)定，MLR 模型的各項指標(biāo)略優(yōu)于PLSR 和PCR。MLR、PLSR 和PCR 建模方法的RPD均＜1.5，說明3 種線性模型不具備對全區(qū)樣本數(shù)據(jù)進(jìn)行預(yù)測的能力。由于土壤中大多數(shù)溶解鹽類均以離子狀態(tài)存在，EM38-MK2 測定的表觀電導(dǎo)率數(shù)據(jù)反映的是土壤空間范圍內(nèi)游離態(tài)電解質(zhì)量，同一棉田樣方中土壤質(zhì)地和土壤含水率等影響表觀電導(dǎo)率數(shù)據(jù)的因素變化基本穩(wěn)定，田間尺度模型對樣本有較好或很好的預(yù)測能力。區(qū)域尺度模型考慮到不同棉田樣方的地域跨度較大，土壤質(zhì)地、地下水位和土壤含水率等因素變化強(qiáng)烈，降低了區(qū)域尺度模型的精度，導(dǎo)致區(qū)域尺度模型的預(yù)測能力大幅下降。

2.4 基于非線性建模方法的區(qū)域尺度模型精度

選用RF、NN 和SVM3 種非線性建模方法構(gòu)建基于表觀電導(dǎo)率數(shù)據(jù)的土壤剖面電導(dǎo)率反演模型。結(jié)果如表4 所示，相較于MLR、PLSR 和PCR 線性建模方法，RF、NN 和PCR 區(qū)域尺度模型精度均有明顯提高。在建模集中，3 種建模方法的精度差異較大，0～0.750 m深度RF 模型精度最高，R2為0.85，RMSE和MAPE分別為0.78 dS/m 和0.27，0～0.375 m 深度剖面的R2、RMSE和MAPE分別為0.80、0.61 dS/m 和0.33，為RF 模型中最低值。0～1.000 m 剖面的模型精度介于二者之間，略低于0～0.750 m 深度下模型精度。NN 和SVM 模型精度有不同程度的降低，但不同深度的模型精度變化趨勢與RF 保持一致，具有隨土壤剖面電導(dǎo)率增加而升高的趨勢。綜上所述，建模集中，RF 模型性能明顯優(yōu)于NN 和SVM 模型，反演效果優(yōu)劣排序依次為RF 模型＞NN 模型＞SVM 模型。在驗證集中，不同深度的RF 模型精度相較于建模集均沒有明顯差異，且RPD指標(biāo)均＞2.0，說明模型比較穩(wěn)定，能在區(qū)域尺度下較好地對樣本數(shù)據(jù)進(jìn)行預(yù)測。NN 模型的R2高于SVM，RMSE和MAPE低于SVM。不同深度下NN 和SVM 的RPD指標(biāo)均介于1.5～2.0 之間，R2指標(biāo)介于0.54～0.72 之間，說明NN 和SVM 兩模型均只能對樣本數(shù)據(jù)進(jìn)行粗略估計。綜合考察各模型建模集與預(yù)測集的評價指標(biāo)，3 種模型的預(yù)測性能和穩(wěn)定性從高到低排序依次為RF 模型＞NN 模型＞SVM 模型，表明非線性建模方法可有效改善基于土壤剖面電導(dǎo)率的區(qū)域尺度模型的預(yù)測精度。

表4 不同非線性建模方法的區(qū)域尺度模型精度對比 Table 4 Comparison of regional scale model accuracy of different nonlinear modeling methods

圖3 RF 模型不同樣本數(shù)據(jù)量下的精度指標(biāo)Fig.3 RF model accuracy index under different sample data sizes

2.5 基于RF 模型的不同樣本數(shù)據(jù)量精度指標(biāo)比較

區(qū)域尺度模型中應(yīng)用效果最優(yōu)的為RF 模型，為探究其能否在縮小數(shù)據(jù)量的條件下獲得同樣的模型精度，以期達(dá)到減少樣本數(shù)據(jù)獲取量，減少人力、物力以及時間成本的投入，對模型可靠性進(jìn)行驗證的目的，隨機(jī)抽取總樣本數(shù)量分別設(shè)置540、360、240、160 共4 個樣本數(shù)據(jù)量梯度，總樣本數(shù)據(jù)量為160 時，無法按照2∶1 的比例進(jìn)行建模和預(yù)測，調(diào)整建模集數(shù)據(jù)量為107，預(yù)測集數(shù)據(jù)量為53。結(jié)果如圖3 所示，從0～0.375 m 深度來看，540、360 和240樣本數(shù)據(jù)量梯度下模型精度差異不大，R2均為0.80，RMSE在0.60～0.62 dS/m 波動，MAPE在0.33～0.35 之間，2.0＜RPD＜2.5，不同樣本數(shù)據(jù)量下模型均有較好的預(yù)測能力。當(dāng)樣本數(shù)據(jù)量為160 時，R2從0.80 降低至0.77，RMSE和MAPE數(shù)值上升，1.50＜RPD＜2.0，說明模型對樣本數(shù)據(jù)具有粗略估計的能力。

0～0.750 m 深度下，4 種不同數(shù)據(jù)量的RF 模型R2穩(wěn)定，RMSE在0.78～0.85 dS/m 波動，MAPE在0.26～0.28，RPD保持在2.35～2.47 之間，表明樣本數(shù)據(jù)量減少模型仍具有較好的預(yù)測能力。在0～1.000 m深度下，隨樣本數(shù)據(jù)量的減少R2由0.84 降低至0.81，RMSE和MAPE呈上升趨勢，RPD由2.34降低為1.94，模型預(yù)測能力由較好預(yù)測等級降低至粗略估計等級?？傮w分析，樣本數(shù)據(jù)量540、360、240 共3 個梯度時，RF 模型保留了原有對樣本數(shù)據(jù)的預(yù)測能力。在樣本數(shù)據(jù)量為160 時，模型精度有所下降，但能對樣本數(shù)據(jù)進(jìn)行粗略估計。4 個不同樣本數(shù)據(jù)梯度中，RMSE、MAPE和RPD等精度評價指標(biāo)出現(xiàn)隨樣本數(shù)據(jù)量的減少反而略微升高的現(xiàn)象，造成該現(xiàn)象的原因可能是在縮減樣本數(shù)據(jù)時剔除了異常樣本數(shù)據(jù)。

3 討 論

本研究表明，采用線性建模方法時，區(qū)域尺度模型反演精度明顯低于田間尺度模型，二者具有明顯差異性，不同線性建模方法無法有效提高區(qū)域尺度模型的反演精度，且各線性模型的預(yù)測能力均較低。采用非線性建模方法時，區(qū)域尺度模型的模型反演精度顯著提高，最佳模型預(yù)測能力提升至對樣本數(shù)據(jù)有較好的預(yù)測能力。根據(jù)田間實地采樣考察，實驗室分析和EM38-MK2 工作原理，其原因可能有以下幾點(diǎn)：①土壤含水率不同，表觀電導(dǎo)率受土壤含水率影響[4,32]，研究區(qū)棉田冬季和春季灌溉用水主要引于塔里木河和阿克蘇河，灌溉順序大致為由西向東，部分地區(qū)由于灌溉配套系統(tǒng)不完善和灌水量不足，不進(jìn)行冬季和春季灌水或少灌，導(dǎo)致各棉田土壤含水率不同，造成了區(qū)域尺度模型和田間尺度模型的精度差異。②土壤質(zhì)地類型不同，在土壤溫度、土壤含水率相對一致的前提下，質(zhì)地越輕，表觀電導(dǎo)率讀數(shù)越小。而全墾區(qū)內(nèi)各棉田地域跨度較大，棉田土壤質(zhì)地類型主要有壤土、沙壤土和沙土3 種，不同土壤質(zhì)地類型對線性建模方法在區(qū)域尺度下模型的精度造成了影響。③土壤有機(jī)質(zhì)不同，土壤中固體土粒由礦物質(zhì)和有機(jī)質(zhì)組成，而形成有機(jī)質(zhì)腐殖質(zhì)具有帶電性，其在土壤中量的多少可引起大地電導(dǎo)率儀磁場的變化。在土壤質(zhì)地和含水率相對一致的前提下，土壤有機(jī)質(zhì)量的多少會造成表觀電導(dǎo)率測定值的高低，二者正相關(guān)。不同棉田由于本身肥力和施用有機(jī)肥量各不相同，造成了線性模型無法對區(qū)域尺度的土壤電導(dǎo)率進(jìn)行反演[33]。④建模方法不同，非線性建模方法相較于線性建模方法具有各決策樹單元互無關(guān)聯(lián)且隨機(jī)排列，能有效降低區(qū)域尺度模型的分析誤差，提高了模型的精度。綜上，在同一棉田中，土壤含水率、土壤質(zhì)地類型和土壤有機(jī)質(zhì)相對保持一致，模型參數(shù)穩(wěn)定，表觀電導(dǎo)率和土壤電導(dǎo)率二者保持線性關(guān)系，線性建模方法在田間尺度高度適用，而不同棉田中，土壤含水率、土壤質(zhì)地類型和土壤有機(jī)質(zhì)量各不相同，導(dǎo)致土壤電導(dǎo)率反演模型參數(shù)不同，從而造成了在區(qū)域尺度下線性建模方法無法對樣本進(jìn)行預(yù)測,而非線性建模方法由于其本身具備的高度非線性可有效提高區(qū)域尺度土壤電導(dǎo)率反演模型精度。

如何有效篩選出能進(jìn)一步提高區(qū)域尺度模型反演精度的建模方法，對利用EM38-MK2 獲取區(qū)域尺度農(nóng)田土壤鹽漬化信息有重要意義。面對區(qū)域尺度更大，種植作物類型更復(fù)雜的土壤鹽漬化信息獲取的研究，還有待于進(jìn)一步探索。

4 結(jié) 論

適用于田間尺度模型的MLR、PLSR 和PCR 線性建模方法無法對區(qū)域尺度模型的樣本數(shù)據(jù)進(jìn)行預(yù)測。在田間尺度模型中不同線性建模方法R2在0.88～0.95 之間，在區(qū)域尺度模型中不同線性建模方法R2降低至0.34～0.53 之間，無法對樣本數(shù)據(jù)進(jìn)行有效預(yù)測。將RF、NN 和SVM 等非線性建模方法應(yīng)用于區(qū)域尺度模型中，相較于線性建模方法，區(qū)域尺度模型的模型精度明顯提高，不同非線性建模方法的R2在0.60～0.85 之間，其中，NN 和SVM 建模方法只能對樣本數(shù)據(jù)進(jìn)行粗略估計，模型精度最高、預(yù)測能力最好的RF 模型在不同深度下均保持了對樣本數(shù)據(jù)較好的預(yù)測能力。通過縮減RF 區(qū)域尺度模型的樣本數(shù)量，驗證了RF 區(qū)域尺度模型可大幅降低采集土壤剖面的樣本數(shù)量，從而提高采樣效率和降低采樣成本。