宋江輝，史曉艷，王海江，呂 新，陳建華，李偉東

干旱區(qū)三種典型地貌下電磁感應(yīng)式土壤鹽分協(xié)同解譯模型

宋江輝1,2，史曉艷1,2，王海江1,2※，呂 新1,2，陳建華1,2，李偉東1

（1. 石河子大學(xué)農(nóng)學(xué)院，石河子 832003；2. 新疆生產(chǎn)建設(shè)兵團綠洲生態(tài)農(nóng)業(yè)重點實驗室，石河子 832003）

為明確不同地貌類型下土壤理化性質(zhì)對電磁感應(yīng)式表觀電導(dǎo)率測量精度的影響，該研究以新疆瑪納斯河流域3種典型地貌類型（沖積洪積扇緣、沖積平原、干三角洲）為研究對象，運用電磁感應(yīng)儀EM38結(jié)合土壤采樣室內(nèi)測定方法，分析土壤剖面（100 cm）每20 cm土層的土壤性質(zhì)對不同高度（130、110、90、70、50 cm）所測表觀電導(dǎo)率的影響程度和貢獻率，通過引入對表觀電導(dǎo)率貢獻率較高的非鹽分因子作為輔助變量，利用多元線性回歸方法，建立土壤鹽分多因素協(xié)同解譯模型。結(jié)果表明：3種地貌類型中，土壤鹽分含量是影響表觀土壤電導(dǎo)率貢獻率最大的作用因子，不同地貌類型下各土層影響表觀電導(dǎo)率的因子存在明顯的差異，沖積洪積扇緣地貌主要表現(xiàn)為上層（0～60 cm）土壤含水率和底層（60～100）土壤陽離子交換量和有機碳含量對表觀電導(dǎo)率貢獻較高，沖積平原地貌則是表層（0～20 cm）和底層（40～100 cm）的土壤含水率以及20～40 cm土層的黏粒含量和陽離子交換量對表觀電導(dǎo)率表現(xiàn)出較高的貢獻率，干三角洲地貌下上層土壤（0～60 cm）陽離子交換量和下層（60～100 cm）土壤有機碳含量能夠?qū)Ρ碛^電導(dǎo)率產(chǎn)生較為明顯的影響。通過引入對表觀電導(dǎo)率影響較大的作用因子，建立了針對不同地貌類型下分層土壤鹽分協(xié)同解譯模型，與僅以表觀電導(dǎo)率解譯土壤鹽分含量相比，沖積洪積扇緣、沖積平原、干三角洲地貌類型下0～100 cm土層鹽分預(yù)測模型校正決定系數(shù)分別由0.81～0.86、0.55～0.87、0.25～0.56提高至0.83～0.91、0.63～0.93、0.48～0.70，多因素協(xié)同解譯模型有效提高了土壤鹽分解譯模型精度。研究結(jié)果可為鹽漬化土壤的快速準(zhǔn)確監(jiān)測提供可靠的理論依據(jù)和技術(shù)方法。

土壤；鹽分；模型；電磁感應(yīng)；影響因素；地貌

0 引 言

土壤鹽漬化是限制干旱半干旱地區(qū)農(nóng)業(yè)生產(chǎn)和土地資源可持續(xù)利用的重要因素，新疆地區(qū)由于土壤母質(zhì)鹽分含量高，降水少、蒸發(fā)大，不同程度的鹽漬化耕地廣泛分布，面積達122.88×104hm2，約占新疆耕地面積的37.72%，且該比例仍處于上升的趨勢[1]。長期以來，資源短缺與土壤鹽堿化已成為威脅新疆農(nóng)業(yè)和生態(tài)環(huán)境的重要因素，嚴(yán)重影響著國民經(jīng)濟的可持續(xù)發(fā)展。準(zhǔn)確和快速地評估和測量土壤鹽分的積累狀況和空間分布變化，將會有助于開發(fā)鹽漬土地，防止土地退化，改善土壤質(zhì)量，對于維持未來的糧食生產(chǎn)和區(qū)域可持續(xù)發(fā)展至關(guān)重要[2]。

電磁感應(yīng)技術(shù)作為目前較為高效的土壤剖面屬性信息采集的方法之一，適用于大面積鹽漬化土壤的調(diào)查，可為大面積鹽漬化土壤的精準(zhǔn)評估提供充足的數(shù)據(jù)[3]。電磁感應(yīng)儀所測定的土壤表觀電導(dǎo)率（Apparent Electrical Conductivity，ECa）是土壤的一個基本性質(zhì)，包含了反映土壤質(zhì)量與物理化學(xué)性質(zhì)的豐富信息[4]，如土壤可溶性鹽分含量[5]、土壤含水率[6]、土壤黏粒含量[7]、陽離子交換量[8]、有機質(zhì)含量[9]、土壤溫度[10]、土壤緊實度[11]等主要土壤理化性狀均能夠影響土壤表觀電導(dǎo)率的測定。特定區(qū)域土壤對ECa影響具有特異性和復(fù)雜性，因而不同區(qū)域ECa的主要影響因子并不一致[12]。因此，在利用電磁感應(yīng)技術(shù)進行土壤鹽分調(diào)查時，必須將ECa解譯和校正為土壤鹽分含量，才能實現(xiàn)對研究區(qū)域內(nèi)土壤鹽分含量的定量監(jiān)測。目前，建立土壤鹽分解譯模型的方法主要包括：多元回歸系數(shù)法、簡單深度權(quán)重系數(shù)法、確定系數(shù)法、模擬系數(shù)法、數(shù)學(xué)系數(shù)法、Logistic分布模型、積分法等[13]。其中，非線性建模方法雖然能夠有效減少模型所需的參數(shù)，但解譯精度并未得到明顯提高。大多數(shù)研究人員仍選擇線性方法進行建模，劉廣明等[12]在分析了濱海灘涂地區(qū)多種土壤性質(zhì)對ECa的作用強度以及貢獻率基礎(chǔ)上，采用多因子及互作項逐步回歸法，建立了分層土壤鹽分解譯模型，模型解譯誤差在10%以內(nèi)；吳亞坤等[14]以0.5 m水平位表觀電導(dǎo)率、1.0 m水平位表觀電導(dǎo)率、土壤含水率、土壤黏粒含量為自變量，采用多元線性回歸方法，構(gòu)建了適于南疆綠洲區(qū)的土壤鹽分分層精確解譯模型。劉新路等[15]研究表明，土壤含水率的高低會對磁感式土壤鹽分解譯模型的精度產(chǎn)生影響，利用多元線性回歸方法建立了棉田不同時期分層土壤電導(dǎo)率的反演模型。目前，研究人員使用EM38對干旱、半干旱地區(qū)的灌溉農(nóng)業(yè)區(qū)域的土壤鹽分含量進行量化和監(jiān)測過程中，大多認(rèn)為除鹽分因素外，其他土壤理化性質(zhì)是均勻的，但在實際調(diào)查過程中，由于在不同區(qū)域或同一區(qū)域內(nèi)土壤性質(zhì)的差異，會造成影響表觀電導(dǎo)率的土壤理化性質(zhì)可能并不一致，最終干擾到磁感式鹽分解譯的精確性，使鹽分解譯模型的精度降低，這也是電磁感應(yīng)技術(shù)在區(qū)域尺度進行土壤鹽分調(diào)查的局限所在。

綜上，利用電磁感應(yīng)式大地電導(dǎo)率儀解譯土壤剖面鹽分含量是可行的，但區(qū)域尺度下土壤理化特性的差異可能會造成磁感式土壤鹽分解譯精度的降低[16]。瑪納斯河流域作為新疆重要的農(nóng)墾區(qū)，流域內(nèi)地貌類型多樣，但不同地貌部位由于地形、土壤等自然條件差異，使得土壤理化性質(zhì)存在不同程度的差異性[17]，但有關(guān)該流域土壤理化性質(zhì)對磁感式土壤鹽分解譯精度影響的研究尚未報道。基于此，明確不同地貌類型影響電磁感應(yīng)式鹽分解譯的主控因素，各因素對磁感式鹽分解譯精度的貢獻率，探索多因素協(xié)同解譯將有利于發(fā)展磁感式土壤剖面屬性測定的理論和方法，實現(xiàn)區(qū)域尺度土壤剖面鹽分空間分布格局的快速評定，為更深入地研究土壤鹽漬化發(fā)生與演變機制奠定基礎(chǔ)。

因此，本研究擬在考慮不同地貌單元表觀電導(dǎo)率的影響因子，建立磁感式土壤鹽分精確解譯模型的校正參數(shù)體系。以新疆瑪納斯河流域3種典型地貌類型為例，分析土壤鹽分、土壤含水率、黏粒含量、陽離子交換量（Cation Exchange Capacity，CEC）、土壤有機碳含量等因子對磁感式表觀土壤電導(dǎo)率的影響程度和貢獻率，建立電磁感應(yīng)式土壤剖面鹽分含量協(xié)同解譯模型，以期為鹽漬化土壤的治理和科學(xué)利用提供參考。

1 材料和方法

1.1 研究區(qū)概況

瑪納斯河流域（簡稱瑪河流域）地處天山北麓中段，準(zhǔn)格爾盆地西南緣，地理位置為85°01′～86°32′E，43°27′～45°21′N，降水受水氣來源、地形和緯度影響較大，夏季炎熱干燥，冬季寒冷多風(fēng)，多年平均氣溫為6.8 ℃，年降水量110～200 mm，年蒸發(fā)量1700～2 200 mm[18]，屬典型的溫帶大陸性氣候。流域總面積34 050.35 km2。由于南部山區(qū)發(fā)育的河流進入盆地后，攜帶土壤逐漸沉積，依次形成沖積洪積扇緣、沖積平原區(qū)、干三角洲等地貌部位，不同地貌部位的地形、土壤、植被明顯不同，尤其土壤質(zhì)地、地下水位高度、礦化度、土壤含鹽量等差異較大，大致呈現(xiàn)如下的變化規(guī)律：自上游到下游，土壤質(zhì)地由粗變細(xì)，地下水位由深變淺再變深，礦化度由低變高，土壤鹽漬化程度由輕變重[19]。目前該流域己成為中國第四大灌溉農(nóng)業(yè)區(qū)，也是新疆綠洲農(nóng)耕區(qū)域水資源利用效率較高灌區(qū)[20]。

1.2 EM38測定原理

EM38-MK2隨儀器放置形式可分為垂直偶極模式（EMh）與水平偶極模式（EMv）。其可以通過設(shè)置發(fā)射線圈和接受線圈之間的間距來改變探測深度，當(dāng)線圈間距設(shè)置為1 m時，垂直偶極模式下有效探測深度為1.5 m，水平偶極模式下有效探測深度為0.75 m；當(dāng)線圈間距設(shè)置為0.5 m時，垂直偶極模式下有效探測深度為0.75 m，水平偶極模式下有效探測深度為0.375 m。由于其特殊的工作原理，利用EM38進行大面積土壤調(diào)查時，能夠大大縮短所需時間，明顯提高工作效率。ECa值主要由主場與次場的比率表示，該比值不僅能夠反映土壤剖面電導(dǎo)率，而且也會受到其他因素的影響。

基于EM38測定貢獻密度函數(shù)模型[22]，當(dāng)EM38處于地面一定高度時，較深土層對測量的影響相對減小。一些學(xué)者通過EM38采集不同高度或不同線圈間距下重復(fù)測量土壤表觀電導(dǎo)率，從而建立不同深度層次土壤性質(zhì)與表觀電導(dǎo)率的關(guān)系模型[23-24]。

1.3 表觀電導(dǎo)率數(shù)據(jù)與土壤樣品采集

綜合考慮地貌類型的多樣性，為更好地分析不同地貌類型對電磁感應(yīng)式土壤鹽分含量監(jiān)測的影響，分別選取沖積洪積扇緣泉水溢出帶、沖積平原地貌、干三角洲地貌。采樣點的選取充分考慮了土壤質(zhì)地、植被類型、土地利用方式等因素。在EM38測量之前，在距離地面1.5 m的高度對儀器進行校準(zhǔn)，在每個測量點利用EM38距地不同高度處獲取2種測量模式（水平模式EMh、垂直模式EMv）的表觀電導(dǎo)率數(shù)據(jù)，儀器距離地面高度分別設(shè)置為30、50、70、90、110、130 cm，并利用GPS記錄測量點的坐標(biāo)位置。同時，每個地貌類型部位選取具有代表的樣點剖面20個，共計60個，利用土鉆每20 cm分層采集0～100 cm土壤樣品，共計采集土壤樣品300份。

1.4 樣品處理

對于所采集土壤樣品，為防止水分流失，將其混勻封口保存帶回室內(nèi)進行測定。將盛有新鮮土樣的鋁盒置于（105±2）℃的烘箱中烘烤12 h，取出后測定土壤含水率。同時，將剩余土壤樣品進行自然風(fēng)干，磨碎、過篩后備用，通過土壤可溶性鹽分離子總和（K+、Na+、Ca2+、Mg2+、HCO3-、CO32-、Cl-、SO42-）（100個樣本）與土壤電導(dǎo)率（mS/cm）（水土比為1∶5）建立換算關(guān)系得到土壤鹽分含量（TS，g/kg）；利用比重計法測定土壤黏粒含量（，%）；利用氯化鋇-硫酸強迫交換法測定土壤陽離子交換量（CEC，cmol/kg）；利用重鉻酸鉀氧化法測定土壤有機碳含量（SOC，g/kg）[25]。

1.5 通徑分析方法分析土壤表觀電導(dǎo)率影響因素

通徑分析方法是適合于研究多種要素對目標(biāo)結(jié)果效應(yīng)的較佳數(shù)值分析方法，可將相關(guān)系數(shù)分解為直接作用和間接作用，揭示各因素對結(jié)果的相對重要性[12]。因此，在研究多個相關(guān)變量間的線性關(guān)系時，可采用通徑分析揭示各自變量對因變量直接貢獻和間接貢獻的大小。按照通徑系數(shù)的大小可以對影響因子進行排序，進一步地，變量因子的貢獻是根據(jù)各直接通徑系數(shù)計算的，通過該方法能夠得出各土壤理化性質(zhì)對于ECa的相對貢獻率。

式中、、、…表示各變量因子的直接通徑系數(shù)，表示變量因子的相對貢獻率，%。

1.6 模型構(gòu)建

以水平、垂直模式下測定的表觀電導(dǎo)率（EMh、EMv）為自變量，以各層土壤鹽分為因變量，分別進行一元回歸分析（Single Linear Regression，SLR）和二元回歸分析（Binary Regression Model，BLR），同時選取對土壤表觀電導(dǎo)率（EMh、EMv）貢獻率較高（累積貢獻率之和不小于80%）的影響因子作為變量因子與表觀電導(dǎo)率共同引入模型，從而建立分層土壤鹽分的多元回歸模型（Multiple Regression Model，MLR）。通過對比解譯模型決定系數(shù)（2），校正決定系數(shù)（Adjusted-Squared，2adj）與均方根誤差（Root Mean Square Error，RMSE）來確定土壤鹽分最優(yōu)解譯模型。

1.7 模型驗證

由于樣本數(shù)量較?。?20），留一法交叉驗證的方法適合于小樣本的情況[26]。故本文采用交叉驗證法對模型精度進行檢驗。通過建模集和驗證集決定系數(shù)、平均誤差（誤差絕對值的平均）、均方根誤差對各解譯模型進行評價。

2 結(jié)果與分析

2.1 不同地貌類型下土壤理化性質(zhì)差異性分析

圖2為研究區(qū)不同地貌類型土壤剖面理化特性統(tǒng)計特征值，從沖積洪積扇緣帶至干三角洲地貌，土壤黏粒質(zhì)量分?jǐn)?shù)、土壤含水率、鹽分含量以及有機碳含量表現(xiàn)出逐漸降低的趨勢。其中，3種地貌下0～100 cm土層平均土壤含水率分別為14.69%、14.86%、13.11%，干三角洲地貌部位0～20、20～40以及80～100 cm土層土壤含水率明顯低于其他兩種地貌類型；對于土壤黏粒質(zhì)量分?jǐn)?shù)，干三角洲地貌土壤黏粒質(zhì)量分?jǐn)?shù)顯著低于其他兩種地貌類型，這主要是由于干三角洲地處古爾班通古特沙漠邊緣地帶原因，土壤多為由平沙地和一些低矮的半固定沙丘開墾而來的灌溉風(fēng)沙土；3種地貌類型下土壤鹽分含量存在較大的差異，沖積洪積扇緣地貌鹽分含量最高，0～100 cm土層平均鹽分含量達到10.76 g/kg，干三角洲土壤鹽分含量最低，剖面鹽分含量為3.40 g/kg，這主要由于沖積洪積扇緣地貌部位存在較高的地下水位和地下水礦化度，且地下水流動不通暢，土壤處于持續(xù)積鹽狀態(tài)有關(guān)[21]，而干三角洲由于土質(zhì)偏沙，較弱的毛管作用減緩了鹽分的上移；此外，各地貌類型下土壤有機碳含量總體上由大到小為沖積洪積扇緣（3.50 g/kg）、沖積平原（3.43 g/kg）、干三角洲（3.37 g/kg），這主要與瑪納斯河流域土壤有機碳含量的積累過程受到黏粒質(zhì)量分?jǐn)?shù)的重要影響有關(guān)[27]；而3種地貌類型下土壤CEC含量沒有明顯的差異性。

3種地貌類型下土壤垂直剖面理化性質(zhì)的分布特征同樣存在差異。其中，3種地貌類型下的0～20 cm土層平均含水率均顯著低于20～100 cm（<0.05），這是研究區(qū)內(nèi)降水量少，地表蒸發(fā)強烈導(dǎo)致的；對于土壤黏粒質(zhì)量分?jǐn)?shù)，沖積洪積扇緣地貌>80～100 cm土層黏粒質(zhì)量分?jǐn)?shù)顯著高于其他土層，沖擊平原則表現(xiàn)為0～20 cm土層顯著低于其他土層的趨勢（<0.05），而干三角洲地貌下各土層土壤黏粒質(zhì)量分?jǐn)?shù)則未表現(xiàn)出差異性。對于土壤陽離子交換量，干三角洲地貌類型下各層土壤未表現(xiàn)出差異性，而沖積洪積扇緣和沖積平原地貌均表現(xiàn)為表層（0～20 cm）土壤陽離子交換量顯著高于底層土壤的趨勢（<0.05）；對于土壤有機碳含量，3種地貌類型均表現(xiàn)為>80～100 cm土層有機碳含量顯著低于其他土層（<0.05）；3種地貌類型下土壤剖面各層鹽分含量并未表現(xiàn)出顯著的差異性，但不同地貌類型土壤剖面鹽分分布特征略有差異。其中，沖積洪積平原和干三角洲地貌下均為>80～100 cm土層平均鹽分含量最高，0～20 cm、>20～40 cm土層次之，>40～80 cm土層相對較低的趨勢，這主要是由于瑪納斯河流域的沖積平原和干三角洲地貌普遍存在鹽分底聚現(xiàn)象，但隨著多年的開墾種植導(dǎo)致地下水位上升，表層土壤易出現(xiàn)積鹽現(xiàn)象[21]，沖積洪積扇緣地貌部位土壤剖面各層鹽分含量差異不大；從變異系數(shù)來看，各地貌類型下土壤剖面理化性質(zhì)均屬于中等強度變異，其中，3種地貌類型下表層土壤鹽分含量的變異系數(shù)最高，分別為90.98%、91.81%、76.20%。

2.2 不同地貌類型下表觀電導(dǎo)率的影響因子

利用通徑分析法分析不同地貌類型下0～100 cm不同土層土壤理化性質(zhì)對表觀電導(dǎo)率的影響。對于所有土層，分別以距地面不同高度表觀電導(dǎo)率（EMh、EMv）為因變量，以各層土壤理化性狀為自變量進行通徑分析，進而得到各因素對表觀電導(dǎo)率的貢獻率。以沖積洪積扇緣地貌下0～20 cm土層為例，如表1所示，分別以EMv130、EMh130為因變量，以0～20 cm土層土壤含水率（）、黏粒含量（）、陽離子交換量（CEC）、鹽分含量（TS）、有機碳含量（SOC）為自變量進行通徑分析，從表中可以看出，0～20 cm土層鹽分含量與EMv130、EMh130表現(xiàn)出極顯著的相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.90、0.85；有機碳含量與表觀電導(dǎo)率同樣表現(xiàn)出顯著的相關(guān)關(guān)系，而黏粒含量與EM38讀數(shù)相關(guān)性最差（<0.10）。從直接通徑系數(shù)和貢獻率來看，0～20 cm土層鹽分含量對于表觀電導(dǎo)率值影響最為重要，此外，土壤含水率對表觀電導(dǎo)率值貢獻率要高于其他非鹽分因子，表明土壤含水率對表觀電導(dǎo)率同樣具有一定的影響作用。

綜合不同地貌類型的通徑分析結(jié)果，按照貢獻率由大到小對各土層作用因子進行排序，得到了各土層對不同的高度下表觀電導(dǎo)率作用因子排序，結(jié)果如表2所示。從表中可知，對于3種地貌類型而言，各層鹽分含量是影響表觀土壤電導(dǎo)率貢獻率最大的作用因子，這表明研究區(qū)域內(nèi)土壤鹽分含量是影響表觀電導(dǎo)率的主要因素。對于其他土壤理化性狀，3種地貌類型下不同土層影響表觀電導(dǎo)率的因子存在明顯的差異，其中，在沖積洪積扇緣地貌部位，上層（0～60 cm）土壤含水率對表觀電導(dǎo)率表現(xiàn)出較高的貢獻率，而底層（60～100 cm）土壤的CEC含量和有機碳含量對表觀電導(dǎo)率產(chǎn)生較為明顯的影響；在沖積平原地貌部位，表層（0～20 cm）和底層（40～100 cm）的含水率對于表觀電導(dǎo)率表現(xiàn)出較高的貢獻率，而在20～40 cm土層，則是黏粒含量和陽離子交換量分別對2種測量模式下表觀電導(dǎo)率存在較為明顯的影響；在干三角洲地貌部位，上層土壤（0～60 cm）CEC含量對于表觀電導(dǎo)率的影響較其他非鹽分理化性狀高，下層（60～100 cm）土壤有機碳含量對于表觀電導(dǎo)率的貢獻較高。

為了進一步獲得高精度磁感式表觀電導(dǎo)率鹽分解譯模型，根據(jù)通徑系數(shù)的分析結(jié)果進行自變量因子選取?？紤]到EM38的感應(yīng)深度范圍，將EM38距地面不同高度下測定的EMh、EMv作為相應(yīng)的土層的自變量因子，其余自變量按照對表觀電導(dǎo)率的累積貢獻率之和不小于80%范圍內(nèi)的因子進行選取，結(jié)果如表2所示。

表1 沖積洪積扇地貌0～20 cm土層表觀電導(dǎo)率通徑分析

注：EMh130、EMv130中，EMh、EMv分別表示EM38所測垂直與水平模型表觀電導(dǎo)率，130表示測定是在距地面130 cm高度處進行；*，<0.05；**，<0.01。

Note: In EMh130 and EMv130, EMh and EMv are apparent electrical conductivity values based on vertical and horizontal models by EM38 and 130 stands for the measurement is conducted at a height of 130 cm from the ground；*，<0.05；**，<0.01

表2 不同地貌類型各土層表觀電導(dǎo)率影響因子排序及篩選

2.3 不同地貌類型下電磁感應(yīng)式土壤鹽分協(xié)同解譯模型的建立

將表2篩選出來的因子作為自變量，采用逐步回歸分析建立模型，其2adj與RMSE變化如圖3所示。從圖中可以看出，綜合利用水平與垂直2種表觀電導(dǎo)率預(yù)測各土層鹽分含量，可以較應(yīng)用單一測定模式的數(shù)據(jù)解譯精度有所提高。當(dāng)各層解譯模型中加入對影響表觀電導(dǎo)率較為重要的因子時（MLR模型），與僅以2種表觀電導(dǎo)率解譯土壤鹽分含量相比，各層土壤鹽分解譯模型2adj均得到一定程度的提高，預(yù)測值與實測值的RMSE亦隨之降低。其中，在沖積洪積扇緣地貌部位，各層解譯模型2adj分別由0.81、0.83、0.84、0.81、0.86提高至0.89、0.88、0.90、0.83、0.91，在沖積平原地貌部位，各層解譯模型2adj分別由0.55、0.61、0.62、0.81、0.87提高至0.63、0.68、0.75、0.88、0.93；在干三角洲地貌部位，各層解譯模型2adj分別由0.27、0.56、0.25、0.44、0.46提高至0.48、0.63、0.51、0.61、0.70。

對比3種地貌類型土壤鹽分分層解譯模型精度可知，沖積洪積扇緣地貌下土壤鹽分預(yù)測模型精度最高，沖積平原地貌次之，而干三角洲地貌部位土壤剖面鹽分預(yù)測精度相對較差，研究表明在土壤溫度、含水率相對一致的土壤中，砂壤土鹽分含量測定結(jié)果與EM38讀數(shù)相關(guān)性較中壤土和重壤土較差，且EM38測量精度與土壤鹽分含量大小顯著相關(guān)[28]，這一方面是由于土壤孔隙度能夠影響表觀電導(dǎo)率，而干三角洲地貌部位大部分土壤為砂質(zhì)土壤，由此形成的絕緣土壤空隙和非導(dǎo)電土壤顆粒（如砂粒等）會影響了土體中離子導(dǎo)電路徑的長度[29]，因此在砂質(zhì)土壤中鹽分解譯精度偏低；另一方面則是由于該地貌部位土壤剖面含水率較低（6%～20%），存在于土壤中的部分鹽分可能不會溶解，這些沉淀鹽不會對EM38讀數(shù)有貢獻，造成鹽分預(yù)測精度較低。

2.4 不同地貌類型下電磁感應(yīng)式土壤鹽分協(xié)同解譯模型驗證

3種地貌類型下不同土層鹽分協(xié)同解譯模型的交叉驗證結(jié)果見圖4。從驗證集決定系數(shù)（R2）來看，3種地貌類型下各土層鹽分預(yù)測值與實測值之間呈現(xiàn)良好的線性關(guān)系，表明不同地貌類型下各土層鹽分預(yù)測模型的具有較好精度。其中，沖積洪積扇緣地貌各土層鹽分預(yù)測模型驗證精度高于其他兩種地貌類型，R2達到0.61～0.81，表明該地貌類型下各土層預(yù)測模型可以近似定量估測鹽分含量；沖積平原地貌下0～20 cm土層驗證精度較低，R2僅為0.48，這可能與該土層鹽分變異性較高有關(guān)；而干三角洲地貌部位，各土層鹽分預(yù)測模型的驗證R2較低，其中，0～20 cm驗證集R2僅為0.35，從驗證集RMSE來看，干三角洲地貌下各土層鹽分預(yù)測值與實測值的偏差較小，這主要與該地貌類型下各土層鹽分值較低有關(guān)。

注：2為模型決定系數(shù)；下標(biāo)和分別表示建模集和驗證集。

Note:2is determination coefficient; the subscriptsandrepresent the calibration set and validation set, respectively.

圖4 不同地貌類型各土層鹽分協(xié)同解譯模型精度驗證

Fig.4 Accuracy validation of synergistic interpretation model of salt content for different soil layers in different landforms

3 討 論

利用電磁感應(yīng)技術(shù)快速測量土壤表觀電導(dǎo)率（ECa）來預(yù)測土壤剖面鹽分含量是目前最有潛力的技術(shù)之一，EM38所測定的土壤表觀電導(dǎo)率反映的是不同深度的土壤性質(zhì)與其對電磁感應(yīng)儀線圈敏感性乘積隨土壤深度變化的積分值[22]。一般而言，水平測定模式下表觀電導(dǎo)率與主要受到表層土壤鹽分的影響，而垂直測定模型下表觀電導(dǎo)率則能夠更好地反映底層土壤鹽分含量[15]。然而土壤鹽分含量在剖面上分布并不均勻，有必要改變EM38的感應(yīng)深度來改變不同深度土壤鹽分對ECa的影響作用?？刂艵M38感應(yīng)深度的唯一選擇是線圈方向和距地高度。當(dāng)EM38置于距地面不同高度時，隨著儀器距地面高度的增加，其有效探測深度隨之減少，而地面上部分（空氣）對于EM38讀數(shù)的貢獻為0（即ECa=0）[30]，由此可以得到不同深度層次的土壤表觀電導(dǎo)率數(shù)值。Corwin等[31]在線性假設(shè)的基礎(chǔ)上，利用電磁感應(yīng)儀距地上不同高度測定的表觀電導(dǎo)率來推導(dǎo)土壤剖面垂直方向上的電導(dǎo)率，這種方法已被證明能夠有效提高EM38預(yù)測土壤鹽分的精度。在本研究中，分別將EM38置于50、70、90、110、130 cm，其垂直測量模式下的有效探測深度分別為100，80、60、40、20 cm，降低了深層土壤對于EM38讀數(shù)的影響，這能夠更加直觀地分析不同土層土壤性質(zhì)對于表觀電導(dǎo)率的影響程度。對比3種地貌類型下水平與垂直測定位下表觀電導(dǎo)率與各土層土壤鹽分含量方程的相關(guān)參數(shù)2adj、RMSE值可知（圖3），對于0～100 cm的各土層，垂直測定模式下表觀電導(dǎo)率與土壤鹽分含量之間的回歸模型具有更高的精度，這主要是由于儀器距地不同高度時，水平測定模式下有效探測無法達到相應(yīng)的土層深度。因此，相比于水平測定位，垂直測定位與對應(yīng)土壤深度之間表現(xiàn)出更好的相關(guān)性，這與Huang等[32]的研究結(jié)果一致。此外，當(dāng)EM38的2種測量模式下的表觀電導(dǎo)率（EMh和EMv）共同用于土壤鹽分解譯，鹽分解譯模型的精度有所提高，這與已有的研究結(jié)果一致[33]。

瑪納斯河流域作為新疆主要的農(nóng)業(yè)墾區(qū)，在自然因素和長期的人為因素共同作用下，不同地貌類型的土壤的理化性質(zhì)存在不同程度的差異性。張鳳華等[19]研究表明瑪納斯河流域綠洲不同地貌類型下土壤類型、養(yǎng)分狀況、鹽分空間分布均表現(xiàn)出明顯的差異；陳接華等[34]對瑪納斯河流域3種地貌類型和不同植被覆蓋下的土壤含水率、土壤容重、顆粒組成和有機質(zhì)進行了對比研究，結(jié)果表明瑪納斯河流不同地貌和植被類型下的土壤物理性質(zhì)均存在顯著差異性。本研究表明，瑪納斯流域不同地貌類型下土壤黏粒質(zhì)量分?jǐn)?shù)、土壤電導(dǎo)率、土壤有機碳含量在垂直和水平方向均存在顯著的差異性，這與上述研究結(jié)果一致。因此，在利用電磁感應(yīng)技術(shù)對該流域內(nèi)的土壤鹽分含量進行量化和監(jiān)測過程中，由于不同地貌或同一地貌內(nèi)土壤性質(zhì)的差異，必然會造成磁感式鹽分測量精度的降低。在區(qū)域尺度上進行電磁感應(yīng)式土壤鹽分監(jiān)測時，需要建立具有多影響因子的多元回歸模型[13]。本研究中，通徑分析結(jié)果表明，各地貌類型下土壤鹽分含量是影響表觀電導(dǎo)率的主要因素，對于其他土壤理化性狀，不同地貌部位的各土層影響表觀電導(dǎo)率的因子存在明顯的差異，其中，沖積洪積扇緣地貌下的0～60 cm土層的土壤含水率和底層土壤（60～100 cm）的有機碳含量對于表觀電導(dǎo)率的影響較大；在沖積平原地貌，表層（0～20 cm）和底層（40～100 cm）土壤含水率是影響表觀電導(dǎo)率較為重要的因子，對于20～40 cm土層，則是黏粒質(zhì)量分?jǐn)?shù)和陽離子交換量分別對水平和垂直測定模型下表觀電導(dǎo)率存在較為重要的影響；而在干三角洲地貌部位，上層（0～60 cm）土壤CEC含量對于表觀電導(dǎo)率的影響較其他非鹽分理化性狀高，底層土壤有機碳含量對于表觀電導(dǎo)率的影響較大，這一方面是由于該地貌部位砂質(zhì)土壤的粒徑較大，保水能力較差，因此土壤剖面較少的含水率對于表觀電導(dǎo)率的影響較??；另一方面在于土壤黏粒含量與陽離子交換量CEC和有機碳含量密切相關(guān)[35]，土壤中部分可交換離子能夠產(chǎn)生離子電導(dǎo)進而影響表觀電導(dǎo)率[7]，因此，該地貌部位土壤剖面復(fù)雜的粒徑組成會對CEC含量和有機碳含量分布造成影響，從而對表觀電導(dǎo)率產(chǎn)生影響。本研究在確定各地貌類型影響土壤表觀電導(dǎo)率主控因素的基礎(chǔ)上，建立了基于多因素協(xié)同的分層土壤鹽分的解譯模型，該解譯模型具有更高的精度。

地貌類型對于瑪納斯河流域土壤鹽分的分布和演變起著主導(dǎo)作用，但隨著農(nóng)田灌溉方式的變化，土地利用方式、種植年限、灌溉等人為因素對土壤鹽分分布和運動作用越來越明顯[36]。Corwin等[37]指出地貌差異和人為因素可能是造成ECa測量具有特異性的原因，并且作者對直接或間接影響ECa的相關(guān)土壤性質(zhì)進行了總結(jié)[38-39]，其中直接產(chǎn)生影響的土壤性質(zhì)包括土壤鹽分含量、含水率、質(zhì)地、容重、有機質(zhì)和CEC，而地下水補給、重金屬、土壤圖單元邊界和土壤排水類別等因素則可能會對ECa的測定產(chǎn)生間接影響，因此，ECa讀數(shù)的解釋和用途具有高度的土壤特異性，必須清楚地了解各土壤屬性因素對ECa影響的貢獻，從而提高ECa表征土壤屬性信息的準(zhǔn)確性。此外，在干旱半干旱地區(qū)，不同時間段的農(nóng)田灌溉量和頻率的差異往往會造成研究區(qū)土壤剖面中的水分和鹽分分布的變化，進而引起鹽分解譯模型參數(shù)的變化[15]。而本研究中的采樣工作是在同一時期進行的，并未綜合考慮不同時期農(nóng)田的管理措施的差異（灌溉、耕作等）、土壤溫度的差異等，可能會在一定程度上限制鹽分解譯模型在不同季節(jié)的應(yīng)用。因此，在今后的研究工作中，需要進一步加強不同季節(jié)土壤水鹽疊加作用對ECa影響的研究，以建立適用于時空尺度的磁感式鹽分解譯模型。

4 結(jié) 論

本研究以瑪納斯河流域3種典型地貌類型下的鹽漬化土壤為研究對象，通過分析影響電磁感應(yīng)式土壤表觀電導(dǎo)率的主要作用因子，建立了針對不同地貌類型下土壤剖面鹽分多因素協(xié)同解譯模型，主要結(jié)論如下：

1）干三角洲地貌類型下土壤剖面含水率、黏粒質(zhì)量分?jǐn)?shù)、鹽分含量以及有機碳含量均低于沖積洪積扇緣和沖積平原地貌。不同地貌類型下土壤黏粒含量、土壤陽離子交換量以及土壤鹽分含量在垂直剖面上的分布特征存在差異。

2）3種地貌類型下土壤剖面鹽分含量是影響表觀電導(dǎo)率的主要因素，不同地貌類型下土壤剖面影響表觀電導(dǎo)率的非鹽分因子并不一致。其中，沖積洪積扇緣地貌下0～60 cm土層的土壤含水率和>60～100 cm土層土壤的陽離子交換量和有機碳含量對表觀電導(dǎo)率產(chǎn)生較為明顯的影響；沖積平原地貌的表層（0～20 cm）和底層（40～100 cm）的土壤含水率以及20～40 cm土層的黏粒含量和陽離子交換量對于表觀電導(dǎo)率表現(xiàn)出較高的貢獻；干三角洲地貌類型下土壤剖面復(fù)雜的粒徑組成對土壤陽離子交換量和有機碳含量分布造成影響，進而對表觀電導(dǎo)率產(chǎn)生影響。

3）通過引入對磁感式表觀電導(dǎo)率影響較大的作用因子，建立了針對不同地貌類型下土壤剖面鹽分多因素協(xié)同解譯模型，分層鹽分預(yù)測模型校正決定系數(shù)分別由0.81～0.86、0.55～0.87、0.25～0.56提高至0.83～0.91、0.63～0.93、0.48～0.70。精度驗證結(jié)果表明，沖積洪積扇緣地貌土壤剖面鹽分預(yù)測模型驗證精度高于其他兩種地貌類型，驗證集決定系數(shù)達到0.61～0.81，干三角洲地貌部位，各土層鹽分預(yù)測模型的驗證決定系數(shù)較低。

[1]田長彥，買文選，趙振勇. 新疆干旱區(qū)鹽堿地生態(tài)治理關(guān)鍵技術(shù)研究[J]. 生態(tài)學(xué)報，2016，36(22)：7064-7068. Tian Changyan, Mai Wenxuan, Zhao Zhenyong. Study on key technologies of ecological management of saline alkali land in arid area of Xinjiang[J]. Acta Ecologica Sinica, 2016, 36(22): 7064-7068. (in Chinese with English abstract)

[2]李因帥，張穎，趙庚星，等. 魯中南山丘區(qū)耕地地力的遙感反演模型與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(23)： 269-278. Li Yinshuai, Zhang Ying, Zhao Gengxing, et al., Remote sensing inversion and application for soil fertility of cultivated land in the hilly areas of central-south Shandong of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 269-278. (in Chinese with English abstract)

[3]Corwin D L, Scudiero E. Field-scale apparent soil electrical conductivity[J]. Soil Science Society of America Journal, 2020, 84(5): 1405–1441.

[4]李茂娜，孫宇，嚴(yán)海軍，等. 基于土壤表觀電導(dǎo)率的變量灌溉管理分區(qū)方法[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(22)：172-180.Li Maona, Sun Yu, Yan Haijun, et al., Method for variable rate irrigation management zone delineation based on apparent soil electrical conductivity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(22): 172-180. (in Chinese with English abstract)

[5]姚榮江，楊勁松，鄭復(fù)樂，等. 基于表觀電導(dǎo)率和Hydrus模型同化的土壤鹽分估算[J]. 農(nóng)業(yè)工程學(xué)報，2019，35(13)：91-101. Yao Rongjiang, Yang Jinsong, Zheng Fule, et al. Estimation of soil salinity by assimilating apparent electrical conductivity data into HYDRUS model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(13): 90-101. (in Chinese with English abstract)

[6]Zare E, Arshad M, Zhao D, et al. Two-dimensional time-lapse imaging of soil wetting and drying cycle using EM38 data across a flood irrigation cotton field[J]. Agricultural Water Management, 2020, 241: 106383.

[7]Triantafilis J, Lesch S M. Mapping clay content variation using electromagnetic induction techniques[J]. Computers and Electronics in Agriculture, 2005, 46(1/2/3): 203-237.

[8]Zhao D, Li N, Zare E, et al. Mapping cation exchange capacity using a quasi-3d joint inversion of EM38 and EM31 data[J]. Soil and Tillage Research, 2020, 200: 104618.

[9]Lardo E, Arous A, Palese A M, et al. Electromagnetic induction: A support tool for the evaluation of soil CO2emissions and soil organic carbon content in olive orchards under semi-arid conditions[J]. Geoderma, 2016, 264: 188-194.

[10]Brevik E C, Fenton T E, Horton R. Effect of daily soil temperature fluctuations on soil electrical conductivity as measured with the Geonics? EM-38[J]. Precision Agriculture, 2004, 5(2): 145-152.

[11]Krajco J. Detection of Soil Compaction Using Soil Electrical Conductivity[D]. Bedfordshire: Cranfield University, 2007.

[12]劉廣明，楊勁松，姚榮江. 基于磁感式探測的分層土壤鹽分精確解譯模型[J]. 農(nóng)業(yè)工程學(xué)報，2010，26(1)：61-66. Liu Guangming, Yang Jinsong, Yao Rongjiang. Electromagnetic induction based interpreting model of soil salinity in different soil layers[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(1): 61-66. (in Chinese with English abstract)

[13]Kurt H, Schmidhalter U. The application of EM38: determination of soil parameters, selection of soil sampling points and use in agriculture and archaeology[J]. Sensors, 2017, 17(11): 1-44.

[14]吳亞坤，劉廣明，楊勁松，等. 基于反距離權(quán)重插值的土壤鹽分三維分布解析方法[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(3)：100-106，296. Wu Yakun, Liu Guangming, Yang Jinsong, et al. Interpreting method of regional soil salinity 3D distribution based on inverse distance weighting[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(3): 100-106, 296. (in Chinese with English abstract)

[15]劉新路，彭杰，馮春暉，等. 基于電磁感應(yīng)儀數(shù)據(jù)的南疆棉田土壤電導(dǎo)率反演模型研究[J]. 土壤學(xué)報，2020，57(3)：646-655. Liu Xinlu, Peng Jie, Feng Chunhui, et al. Inversion model for soil conductivity in cotton field in South Xinjiang based on EM38-MK2 Data[J]. Acta Pedologica Sinica, 2020, 57(3): 646-655. (in Chinese with English abstract)

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

[17]王瑞燕，孔沈彬，許璐，等. 黃河三角洲不同地表覆被類型和微地貌的土壤鹽分空間分布[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(19)：132-141. Wang Ruiyan, Kong Shenbin, Xu Lu, et al., Spatial distribution of soil salinity under different surface land cover types and micro-topography in the Yellow River Delta[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(19): 132-141. (in Chinese with English abstract)

[18]趙貴寧，張正勇，劉琳，等. 基于多源遙感數(shù)據(jù)的瑪納斯河流域冰川物質(zhì)平衡變化[J]. 地理學(xué)報，2020，75(01)：98-112. Zhao Guining, Zhang Zhengyong, Liu Bin, et al. Changes of glacier mass balance in Manas river basin based on multi-source remote sensing data[J]. Acta Geographica Sinica, 2020, 75(01): 98-112. (in Chinese with English abstract)

[19]張鳳華，趙強，潘旭東，等. 新疆瑪河流域綠洲土壤特性空間分異與合理開發(fā)模式[J]. 水土保持學(xué)報，2005，19(6)：55-58. Zhang Fenghua, Zhao Qiang, Pan Xudong, et al. Spatial differentiation and exploration direction of soil characteristic in valley of Manas River in Xinjiang[J]. Journal of Soil Water Conservation, 2005, 19(6): 55-58. (in Chinese with English abstract)

[20]馮異星，羅格平，周德成，等. 近50a土地利用變化對干旱區(qū)典型流域景觀格局的影響：以新疆瑪納斯河流域為例[J]. 生態(tài)學(xué)報，2010，30(16)：4295-4305. Feng Yixing, Luo Geping, Zhou Decheng, et al. Effects of land use change on landscape pattern of a typical arid watershed in the recent 50 years: A case study on Manas River Watershed in Xinjiang[J]. Acta Ecologica Sinica, 2010, 30(16): 4295-4305. (in Chinese with English abstract)

[21]李玉義，張鳳華，潘旭東，等. 新疆瑪納斯河流域不同地貌類型土壤鹽分累積變化[J]. 農(nóng)業(yè)工程學(xué)報，2007，23(2)：60-64. Li Yuyi, Zhang Fenghua, Pan Xudong, et al. Changes of salt accumulation in soil layers with different landforms in Manas River Valley in Xinjiang Region of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(2): 60-64. (in Chinese with English abstract)

[22]McNeill J D. Electromagnetic terrain conductivity measurement at low induction numbers[J]. Geonics Limited, 1980: 6-15.

[23]Cook P G, Walker G R. Depth profiles of electrical conductivity from linear combinations of electromagnetic induction measurements[J]. Soil Science Society of America Journal, 1992, 56(4): 1015-1022.

[24]Visconti F, de Paz J M. A semi-empirical model to predict the EM38 electromagnetic induction measurements of soils from basic ground properties[J]. European Journal of Soil Science, 2021, 72(2): 720-738.

[25]魯如坤. 土壤農(nóng)化分析[M]. 北京：中國農(nóng)業(yè)出版社，1999.

[26]Reunanen J. Overfitting in making comparisons between variable selection methods[J]. Journal of Machine Learning Research, 2003, 3: 1371-1382.

[27]柳紅東，張鳳華，李玉義，等. 新疆瑪納斯河流域棉田土壤有機碳含量時空分異規(guī)律[J]. 干旱區(qū)資源與環(huán)境，2007，21(10)：156-160. Liu Hongdong, Zhang Fenghua, Li Yuyi, et al. Temporal-spatial variation of soil organic carbon content in typical cotton field of the manas river valley in Xinjiang[J]. Journal of Arid Land Resources and Environment, 2007, 21(10): 156-160. (in Chinese with English abstract)

[28]夏英輝，熊黑鋼. 土壤中鹽分含量對EM38大地電導(dǎo)儀測量精度的影響分析[J]. 干旱區(qū)資源與環(huán)境，2013，27(10)：163-168. Xia Yinghui, Xiong Heigang. Influence of soil salt contents on the measureinh accuracy of EM38[J]. Journal of Arid Land Resources and Environment, 2013, 27(10): 163-168. (in Chinese with English abstract)

[29]McKenzie R C, George R J, Woods S A, et al. Use of the electromagnetic-induction meter (EM38) as a tool in managing salinisation[J]. Hydrogeology Journal, 1997, 5(1): 37-50.

[30]Misra R K, Padhi J. Assessing field-scale soil water distribution with electromagnetic induction method[J]. Journal of Hydrology, 2014, 516: 200-209.

[31]Hendrickx J M H, Borchers B, Corwin D L, et al. Inversion of soil conductivity profiles from electromagnetic induction measurements[J]. Soil Science Society of America Journal, 2002, 66(3): 673-685.

[32]Huang J, Taghizadeh-Mehrjardi R, Minasny B, et al. Modeling soil salinity along a hillslope in Iran by inversion of EM38 Data[J]. Soil Science Society of America Journal, 2015, 79(4): 1142-1153.

[33]Shi X, Wang H, Song J, et al. Impact of saline soil improvement measures on salt content in the abandonment-reclamation process[J]. Soil and Tillage Research, 2021, 208: 104867.

[34]陳接華，王紹明，曹國棟，等. 瑪納斯河流域不同地貌和植被類型下土壤物理性質(zhì)研究[J]. 新疆農(nóng)業(yè)科學(xué)，2012，49(2)：354-361. Chen Jiehua, Wang Shaoming, Cao Guodong, et al. Study on soil physical properties under different landforms and vegetation types in Manas River Watershed[J]. Xinjiang Agricultural Sciences, 2012, 49(2): 354-361. (in Chinese with English abstract)

[35]劉世全，蒲玉琳，張世熔，等. 西藏土壤陽離子交換量的空間變化和影響因素研究[J]. 水土保持學(xué)報，2004，18(5)：1-5. Li Shiquan, Pu Yulin, Zhang Shirong, et al. Spatial change and affecting factors of soil cation exchange capacity in Tibet[J]. Journal of Soil Water Conservation, 2004, 18(5): 1-5. (in Chinese with English abstract)

[36]鄭琦，王海江，李萬濤，等. 瑪納斯河流域土壤鹽漬化影響因素研究[J]. 農(nóng)業(yè)資源與環(huán)境學(xué)報，2016，33(3)：214-220. Zheng Qi, Wang Haijiang, Li Wantao, et al. Factors influencing soil salinization in Manasi River Basin, China[J]. Journal of Agricultural Resources and Environment, 2016, 33(3): 214-220. (in Chinese with English abstract)

[37]Corwin D L, Lesch S M. Application of soil electrical conductivity to precision agriculture: Theory, principles and guidelines[J]. Agronomy Journal, 2003, 95(3): 455–471.

[38]Corwin D L, Lesch S M. Apparent soil electrical conductivity measurements in agriculture[J]. Computers and Electronics in Agriculture, 2005, 46(1/2/3): 11-43.

[39]Corwin D L, Lesch S M. Protocols and guidelines for field-scale measurement of soil salinity distribution with EC a-directed soil sampling[J]. Journal of Environmental and Engineering Geophysics, 2013, 18(1): 1-25.

Synergistic interpretation model for soil salinity by electromagnetic induction under three typical landforms in arid areas

Song Jianghui1,2, Shi Xiaoyan1,2, Wang Haijiang1,2※, Lyu Xin1,2, Chen Jianhua1,2, Li Weidong1

(1.,,832003,; 2.-,,832003,)

Accurate and rapid assessment and measurement of soil salt accumulation and spatial distribution changes are essential for preventing land degradation and improving the ecological environment. The soil Apparent Conductivity (ECa) obtained by electromagnetic induction technology can be more effective and faster to obtain soil salinity information, which helps to overcome some challenges in traditional sampling methods and reduce costs. However, the differences in soil properties among different geomorphologic types may lead to the decrease in the accuracy of EM38 in predicting soil salinity. In order to clarify the effect of soil properties on apparent conductivity under different geomorphologic types, three typical landforms (alluvial-proluvial fan edge, alluvial plain and dry delta) in Manas River Basin of Xinjiang were taken as the research objects. The apparent conductivity data of two measurement modes (horizontal mode EMh and vertical mode EMv) were obtained by using EM38 at different heights from the ground, i.e., 30, 50, 70, 90, 110 and 130 cm, respectively. Moreover, in each landform, 20 representative sampling points were selected for soil sample collection, with sampling depth of 0-20, 20-40, 40-60, 60-80, 80-100 cm. Soil salt content, soil moisture content, soil clay mass fraction, soil Cation Exchange Capacity (CEC) and soil organic carbon content (SOC) were determined. Firstly, path analysis method was used to analyze the influence degree and contribution rate of salt content, soil clay mass fraction, soil CEC and SOC at different depths on apparent conductivity (ECa) measured at different heights. Next, by selecting non-salinity factors with high contribution rate of ECa as auxiliary variables, a multi-factor collaborative interpretation model of soil salinity was established, and compared with the model established only with ECa as independent variable. Finally, the optimal interpretation model of soil salt content was established and the accuracy of the model was evaluated. The results showed that among the three types of landforms, soil salt content was the most important factor affecting the contribution rate of ECa, and there were significant differences in the factors affecting ECa of each soil layer under different landforms. Water content of the upper soil (0-60 cm) contributed most to ECa, whereas soil CEC content and organic carbon content of the bottom soil (60-100 cm) in the alluvial-proluvial fan edge. A high contribution was made by soil salt content at 0-20 cm layer and 40-80 cm layer, whereas CEC and clay mass fraction for 20-40 cm layer in the alluvial plain. And ECa can be significantly affected by CEC content of the upper layer (0-60 cm) and soil organic carbon content of the lower layer (60-100 cm) in the dry delta. According to the accumulative contribution rate of more than 80%, non-salt factors were selected to establish the synergistic interpretation model of layered soil salt under different landforms. The2adjof different soil layers under three types of landforms increased from 0.81-0.86, 0.57-0.87 and 0.25-0.56 to 0.83-0.91, 0.63-0.93 and 0.48-0.70, respectively. The accuracy verification results showed that the2of salt prediction models for different soil layers under three types of landforms were 0.61-0.81, 0.48-0.85 and 0.35-0.66, respectively. The research results can provide reliable theoretical basis and technical methods for rapid and accurate monitoring of saline soil.

soils; salt; models; electromagnetic induction; influence factor; landforms

宋江輝，史曉艷，王海江，等. 干旱區(qū)三種典型地貌下電磁感應(yīng)式土壤鹽分協(xié)同解譯模型[J]. 農(nóng)業(yè)工程學(xué)報，2021，37(6)：81-90.doi：10.11975/j.issn.1002-6819.2021.06.011 http://www.tcsae.org

Song Jianghui, Shi Xiaoyan, Wang Haijiang, et al. Synergistic interpretation model for soil salinity by electromagnetic induction under three typical landforms in arid areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 81-90. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.06.011 http://www.tcsae.org

2020-11-09

2021-02-01

國家自然科學(xué)基金項目（31360301）；國際科技合作項目（2015DFA11660）；兵團重大科技計劃項目（2018AA004、2018AA005）

宋江輝，博士生，研究方向為鹽漬土監(jiān)測。Email：SongJH0325@163.com

王海江，博士，教授，研究方向為綠洲水土資源利用。Email：wanghaijiang@shzu.edu.cn

10.11975/j.issn.1002-6819.2021.06.011

S151.9

A

1002-6819(2021)-06-0081-10