白建鐸， 彭 杰， 史 舟， 王玉珍， 柳維揚， 李洪義

（1.塔里木大學農學院，新疆 阿拉爾 843300；2.浙江大學農業(yè)遙感與信息技術應用研究所，浙江 杭州310058；3.江西財經(jīng)大學旅游與城市管理學院，江西 南昌 330000）

土壤鹽漬化不僅是全球面臨的生態(tài)問題［1］，同時也是影響全球灌溉農業(yè)最重要的因素之一［2］，而且不同程度鹽漬化土壤對不同植物和農作物生長發(fā)育影響也不盡相同。因此，掌握土壤鹽漬化信息可在一定程度上指導農業(yè)合理灌溉和合理調整作物布局。近年來，隨氣候的變化，特別是全球氣候變暖將顯著影響全球水循環(huán)，導致農業(yè)用水量急劇減少［3］。在干旱區(qū)、半干旱區(qū)，土壤鹽漬化問題和農業(yè)灌溉缺水問題尤為突出。因此在干旱區(qū)、半干旱區(qū)急需一種根據(jù)鹽漬化程度進行變量灌溉和調整作物布局的技術，而精準管理分區(qū)是解決此類問題的根本途徑，同時也是當前精準農業(yè)研究的熱點之一［4］。

精準管理分區(qū)是根據(jù)土壤中各種制約產量的影響因子，劃分出具有相同均質的子區(qū)域，來調整農業(yè)投入品和作物布局的措施［5-6］。分區(qū)之間實施差異化管理措施有利于提高農業(yè)生產投入效率、節(jié)約生產成本、保護生態(tài)環(huán)境，從而實現(xiàn)農業(yè)的可持續(xù)發(fā)展。目前，在精準管理分區(qū)方面，國內外學者大多研究采用土壤養(yǎng)分數(shù)據(jù)和產量相關數(shù)據(jù)進行插值，再利用模糊聚類算法或自然斷點法進行分區(qū)管理［7-9］，但該方法在數(shù)據(jù)獲取方面需要耗費大量的人力和物力，且不易大面積推廣。近年來，隨著遙感技術的發(fā)展，許多學者開始借助遙感影像數(shù)據(jù)，再利用面向對象多尺度分割算法或模糊聚類等算法進行分區(qū)管理［10-12］，但此方法只能間接的通過光譜指數(shù)反映出土壤表層屬性數(shù)據(jù)，而不能直接獲取到深層土壤屬性數(shù)據(jù)。同時也有部分學者使用土壤屬性數(shù)據(jù)與遙感影像數(shù)據(jù)相結合的多源數(shù)據(jù)，利用面向對象多尺度分割算法進行分區(qū)管理［13］，但該方法在土壤屬性數(shù)據(jù)的獲取方面也存在費時又費力的缺點，只能在較小區(qū)域展開研究。上述研究均是針對土壤養(yǎng)分差異進行管理分區(qū)，基于土壤鹽漬化差異進行管理分區(qū)的研究甚少。干旱區(qū)或半干旱區(qū)，特別是新疆的南部地區(qū)，土壤鹽漬化是影響作物產量和品質的關鍵因子，需根據(jù)土壤鹽漬化程度采取不同的管理措施，如作物種植結構的合理布局、冬灌或春灌的灌溉量定額。因此在這種土壤鹽漬化問題突出且鹽漬化變異強的南疆區(qū)域，應以土壤鹽漬化差異作為分區(qū)關鍵因子進行精準管理分區(qū)，才能提高農業(yè)效益。傳統(tǒng)的土壤鹽漬化信息獲取方法主要依靠田間調查結合室內分析，存在費時、費力、成本高等方面的不足，再考慮到鹽漬化強烈的時空變異特征，該方法很難滿足區(qū)域尺度土壤鹽漬化的調查，而以電磁感應為原理的EM38-MK2大地電導率儀，可快速、高效地直接獲取不同深度土壤的表觀電導率數(shù)據(jù)，土壤表觀電導率數(shù)據(jù)與土壤鹽分含量具有高度正相關性［14］，可有效反映土壤鹽漬化程度，使用EM38-MK2大地電導率儀可顯著提高土壤鹽漬化信息的獲取效率，特別是針對區(qū)域尺度的調查而言。自20世紀末以來，使用表觀電導率來表征土壤鹽漬化的方法在土壤鹽漬化監(jiān)測和評價中已得到了廣泛應用［15-18］，但直接應用表觀電導率數(shù)據(jù)進行農田管理分區(qū)的報道鮮見。此外，目前關于農田管理分區(qū)的研究普遍只采用了土壤的基本信息，缺乏綜合利用土壤信息和作物信息進行管理分區(qū)的報道，而衛(wèi)星遙感技術可以快速獲取大面積作物的動態(tài)信息，為這種研究思路的實施提供了有力條件。因此可使用土壤表觀電導率和遙感影像數(shù)據(jù)進行土壤鹽漬化的分區(qū)管理。

綜上所述，本研究以南疆干旱區(qū)典型綠洲阿拉爾墾區(qū)農田為研究對象，以研究區(qū)不同深度土壤的表觀電導率數(shù)據(jù)、地形數(shù)據(jù)和衛(wèi)星遙感影像數(shù)據(jù)為數(shù)據(jù)源，以土壤表層的表觀電導率數(shù)據(jù)為主變量，在分析土壤表觀電導率的空間異質性和空間自相關性的基礎上，通過相關分析篩選出與表觀電導達到極顯著相關的衛(wèi)星遙感光譜指數(shù)，并將其作為輔助變量，再利用面向對象多尺度分割算法進行不同輸入量下土壤鹽漬化的分區(qū)，并對不同輸入量下的管理分區(qū)結果進行評價對比，找到最優(yōu)管理分區(qū)，并提取出研究區(qū)各田塊的邊界，從而根據(jù)田塊所在的鹽漬化分區(qū)指導農田的精準灌溉和作物的合理布局，以實現(xiàn)作物優(yōu)質高產的目的。

1 研究區(qū)概況

研究區(qū)位于新疆維吾爾族自治區(qū)一師阿拉爾市十二團境內（圖1），地理坐標為81°19′31″E，40°29′52″N，面積為1144 hm2，地處塔里木盆地西北部、塔克拉瑪干沙漠北緣，天山南麓。境內主要有葉爾羌河、和田河、阿克蘇河和塔里木河四大水系。冬季嚴寒，夏季炎熱，日照時間長，降水稀少，蒸發(fā)強烈。該區(qū)多年平均降水量為48.5 mm，多年平均蒸發(fā)量為1988 mm，蒸降比高達40.99，系典型的暖溫帶極端大陸性干旱荒漠氣候。研究區(qū)地勢平坦，土壤質地以砂壤土為主，區(qū)域內農田主要種植棉花，棉花生育期內均采用膜下滴灌方式進行灌溉，而春灌和冬灌則采用大水漫灌的方式。大水漫灌旨在將整個棉花生育期內運移到土壤表層的鹽分淋洗到耕層以下，以此降低下茬作物種植的鹽害脅迫，其灌溉用水主要來自塔里木河。研究區(qū)土壤鹽漬化程度差異較大，種植結構單一，冬春灌采用統(tǒng)一灌溉量進行灌溉，不僅易造成局部田塊壓鹽不徹底導致鹽害現(xiàn)象產生或過度淋洗浪費水資源，同時也造成研究區(qū)作物布局不合理導致作物經(jīng)濟效益下降，因此，研究區(qū)迫切需要根據(jù)不同鹽漬化程度來進行變量灌溉和種植結構的調整。

圖1 研究區(qū)位置及樣點分布示意圖Fig.1 Location of the study area and distribution of sample points

2 數(shù)據(jù)的獲取與研究方法

2.1 多源數(shù)據(jù)的獲取

2.1.1 電磁感應數(shù)據(jù)的獲取 土壤表觀電導率數(shù)據(jù)采集儀器為大地電導率儀（EM38-MK2），在棉花收獲后冬灌前的11 月上旬進行土壤表觀電導率數(shù)據(jù)的采集。每次采集表觀電導率時，首先將大地電導率（EM38-MK2）設置為手動測定模式，并對儀器進行預熱和歸零校驗，待儀器校驗完畢后，進行表觀電導率的獲取；在每個樣點采集時，儀器將自動記錄每個樣點的地理坐標，每個采樣點同時采集垂直模式和水平模式兩套數(shù)據(jù)；水平模式采集的為0～0.375 m 和0～0.75 m 的2 個深度土層的表觀電導率數(shù)據(jù)，即ECh0.375和ECh0.75，垂直模式則為0～0.75 m 和0～1.5 m 的兩個深度土層表觀電導率數(shù)據(jù)，即ECv0.75和ECv1.5，相鄰采樣點間距小于300 m。研究區(qū)共隨機均勻采集約1200 組表觀電導率數(shù)據(jù)（圖1），采集數(shù)據(jù)描述性統(tǒng)計見表1。

表1 不同深度表觀電導率描述Tab.1 Descriptive statistics of apparent electrical conductivity at different depths

2.2.2 遙感影像數(shù)據(jù)和地形數(shù)據(jù)的獲取 研究采用來源于美國地質勘查局（USGS, http://glovis.usgs.gov）的Landsat8遙感影像，衛(wèi)星重訪周期為16 d，空間分辨率為30 m。本文選取2020 年棉花生長旺盛期（9 月5 日）的影像和棉花收獲冬灌前（11 月4 日）的裸土影像。影像經(jīng)輻射定標、大氣校正、圖像裁剪等預處理后，使用ENVI 5.3 軟件計算得出9 月5日影像的9個植被指數(shù)（RVI、DVI、GDVI、GRVI、NDVI、EVI、NNIR、NR、NG）和11 月4 日影像的13 個土壤鹽分指數(shù)（NDSI、S1、S2、S3、S5、S6、SI-T、SI、SI1、SI2、SI3、Int1、Int2）。同時通過地理空間數(shù)據(jù)云（http://www.gscloud.cn）下載空間分辨率為30 m 的DEM 數(shù)據(jù)，使用ArcGIS 10.7 軟件完成洼地填充、影像裁剪、幾何精度校正和高程數(shù)據(jù)提取。

2.2 分割方法

2.2.1 基于面向對象的多尺度分割 面向對象多尺度分割是影像對象的一個兩兩合并的過程，合并從均勻分布在影像上的影像對象開始［19］。對于每個影像對象，找到一個使它們之間的異質性變化最小相鄰影像對象，在異質性變化最小處，2個對象合并成1 個更大的對象，每個對象在每個循環(huán)中處理1次，直到分割對象的異質性超過用戶給定的閾值，合并過程停止［20］。本研究嘗試基于多源數(shù)據(jù)的土壤鹽漬化空間變異進行分區(qū)，在eCognition 軟件中首先確定合適的形狀因子（Shape）和緊致度因子（Compactness），然后通過調節(jié)不同的分割尺度參數(shù)（Scale parameter），使分區(qū)之間表觀電導率異質性最大，分區(qū)內部電導率同質性最大。

2.2.2 確定最優(yōu)管理分區(qū) 由于面向對象分割的原則為盡量使分割對象之間的異質性高，同時使分割對象內部的同質性高［21］，所以為提高分區(qū)內部的同質性和分區(qū)之間的異質性需要尋找最優(yōu)分區(qū)尺度；根據(jù)學者研究，可使用平均分割評價指數(shù)的變化來確定最優(yōu)分割尺度，將平均分割評價指數(shù)和尺度參數(shù)繪制成曲線圖，在平均分割評價指數(shù)開始產生明顯變化時的前一個尺度參數(shù)為最優(yōu)分割尺度參數(shù)［11］。通過在多尺度分割算法中調節(jié)分割尺度參數(shù)將研究區(qū)分為m個區(qū)域，并計算出不同分割尺度下各區(qū)域的標準差和各區(qū)域與鄰域的平均差分絕對值，其同質性指數(shù)用標準差（δ）來表示，異質性指數(shù)用平均差分絕對值（ΔCL）來表示，計算如公式（1）、（2）所示；同時構建對象的分割評價指數(shù)(SEI)和平均分割評價指標(ASEI)，計算如公式（3）和（4）所示［22］。

式中：n為某區(qū)域內像元的個數(shù)；CLi為該區(qū)域內第i個像元的屬性值；CL為該區(qū)域的屬性平均值；δ表示該區(qū)域的標準差；L為該區(qū)域的周長；N表示與該區(qū)域相鄰區(qū)域的個數(shù)；Li表示與第i個相鄰區(qū)域公共邊的長度；CLp為第p個相鄰區(qū)域的屬性平均值；ΔCL表示該區(qū)域與鄰域的平均差分絕對值；SEI表示分割評價指數(shù)；A表示研究區(qū)的總面積，Ai為i個區(qū)域的面積；m為被劃分的區(qū)域個數(shù)；SEIi為第i個區(qū)域的分割評價指數(shù)；ASEI表示平均分割評價指數(shù)。

2.3 精準管理分區(qū)的評價方法

2.3.1 分區(qū)內部的同質性 根據(jù)分區(qū)內像元屬性值的標準差和平均值，分別計算出各個分區(qū)內的變異系數(shù)，并考慮到各分區(qū)面積大小不同而賦予相應的權重，從而用分區(qū)內部變異系數(shù)（CV）的平均值表示同質性，計算如公式（5）所示：

式中：CVi為第i個分區(qū)的變異系數(shù)；ai為第i個分區(qū)的面積；m為被劃分的區(qū)域個數(shù)。CV越小，分區(qū)內變異越小，代表分區(qū)內異質性較小，同質性較大。

2.3.2 分區(qū)之間的異質性 采用全局莫蘭指數(shù)（I）判斷空間相關性，根據(jù)莫蘭指數(shù)大小判斷分區(qū)間異質性高低，其計算如公式（6）所示：

式中：m為被劃分的區(qū)域個數(shù)；yi為分區(qū)i的屬性平均值；yˉ為整個研究區(qū)的屬性平均值；Wij為i和j之間的空間權重，若i與j相鄰，則Wij=1，否則Wij=0。I表示空間相關程度，I越接近于0，表示分區(qū)之間相關程度越低，即分區(qū)之間異質性越高，而根據(jù)分區(qū)評價原則可知，分區(qū)之間異質性越高，分區(qū)結果越好。

3 結果與分析

3.1 土壤鹽漬化的空間異質性

根據(jù)土壤鹽漬化來劃分管理分區(qū)，需證明該研究區(qū)土壤表觀電導率具有空間異質性，因此需使用地統(tǒng)計學中半變異函數(shù)進行分析。在計算半變異函數(shù)時，數(shù)據(jù)需符合正態(tài)分布，否則會出現(xiàn)比例效應。經(jīng)分析，原始數(shù)據(jù)呈偏態(tài)分布，經(jīng)平方根轉化后基本符合正態(tài)分布。通過GS+軟件獲得變異函數(shù)的最優(yōu)模型，其參數(shù)如表2所示。

表2 不同深度表觀電導率空間異質性Tab.2 Spatial heterogeneity analysis of apparent electrical conductivity at different depths

由表2 可知，各個土層表觀電導率的最優(yōu)模型均為指數(shù)模型，決定系數(shù)均大于0.93，且殘差均小于1.27，說明該模型可較好地反映研究區(qū)土壤鹽漬化的空間分布情況。塊金值表示人為隨機因素造成的空間異質性，各土層表觀電導率的塊金值在3.05～5.33 之間，表明研究區(qū)表觀電導率存在由人為隨機因素所造成的空間異質性。基臺值表示人為隨機因素和自然結構因素造成的最大程度空間異質性，各土層表觀電導率的基臺值介于6.27～10.79 之間，表明各土層的表觀電導率均存在著顯著的空間變異。塊金值與基臺值之比表示隨機因素引起的空間異質性占總空間異質性的大小，各土層表觀電導率的塊金值與基臺值之比均接近于50%，表明隨機性因素和結構性因素共同影響研究區(qū)土壤表觀電導率的空間異質性。變程表示空間自相關的最大距離，各土層表觀電導率的變程介于1383～2579 m之間，并且采集數(shù)據(jù)時，各樣點距離控制在300 m之內，均小于變程，表明合理的采樣距離不僅可以提高插值的精度，還可以準確地揭示研究區(qū)土壤鹽漬化的空間異質性。因此可根據(jù)土壤鹽漬化空間異質性劃分管理分區(qū)。

3.2 表觀電導率與光譜指數(shù)和地形數(shù)據(jù)的相關性分析

為探究表層土壤表觀電導率（ECh0.375）與地形數(shù)據(jù)（DEM）及經(jīng)不同時期遙感影像提取所得光譜指數(shù)之間的相關性，將DEM 數(shù)據(jù)及所提取的22 個光譜數(shù)據(jù)與表層土壤表觀電導率數(shù)據(jù)在Excel 中進行相關系數(shù)計算，結果如表3 所示。通過分析棉花生長旺盛期9 月的9 個植被指數(shù)可知，DVI 和GDVI 與土壤表觀電導率未達到顯著相關，而RVI、GRVI 和NDVI 等7 個植被指數(shù)與表觀電導率達到極顯著相關。對棉花收獲后冬灌前11月裸土的13個土壤鹽分指數(shù)分析可知，NDSI、S3 和S5 等8 個土壤鹽分指數(shù)與土壤表觀電導率達到顯著相關，其中NDSI、S5和SI-T 與土壤表觀電導率達到極顯著正相關。此外，由表3 可知，植被指數(shù)中除NG 外其余均與表觀電導率呈負相關，而土壤鹽分指數(shù)卻呈相反結果，除S6外其余均與表觀電導率呈正相關；這與彭杰［23］對多光譜波段和光譜指數(shù)與電導率的相關性關系研究結論相一致。從地形數(shù)據(jù)分析可知，DEM數(shù)據(jù)與表觀電導率未達到顯著性水平，這主要原因包括兩方面，一是研究區(qū)地勢平坦，削弱了地形條件對鹽分空間分布的支配作用，二是灌溉、土壤改良等人類管理活動改變了地形條件控制下鹽分空間分布的原始格局。本研究在相關性分析基礎上篩選出相關性達到極顯著，且相關系數(shù)r≥0.10的植被指數(shù)和土壤鹽分指數(shù)，將其作為精準管理分區(qū)的輔助變量，可有效提高分區(qū)內同質性和分區(qū)間異質性。

表3 表觀電導率與光譜指數(shù)和地形數(shù)據(jù)的相關性分析Tab.3 Correlation analysis table of apparent electrical conductivity with spectral index and DEM data

3.3 基于表層表觀電導率與不同變量下的精準管理分區(qū)

基于各土層表觀電導率空間結構的分析，為了更加直觀地揭示研究區(qū)土壤鹽分的空間異質性特征，使用普通克里格插值法繪制出各土層的表觀電導率分布圖。因各變量間單位不同，需將篩選出的植被指數(shù)（RVI、GRVI、EVI）、土壤鹽分指數(shù)（NDSI、S5、SI-T）及各土層土壤表觀電導率插值圖進行標準化處理，將變量控制在0～1 之間。然后將各土層表觀電導率插值圖重采樣為30 m×30 m 的像元，保持與其他變量像元大小一致。在棉花收獲后，土壤中大部分的鹽分在生育期內會通過蒸發(fā)作用將深層鹽分隨水運移到表層土壤，因此本文選取表層表觀電導率（ECh0.375）為主變量，其他變量為輔助變量進行管理分區(qū)。同時，通過eCognition 軟件提取出農田邊界，進而進行對農田精準管理分區(qū)。

通過多次多尺度分割試驗確定最為合適的形狀因子為0.3，緊致度因子為0.5。在控制形狀因子與緊致度因子不變的條件下，通過最優(yōu)分區(qū)評價指數(shù)曲線（圖2）可知，基于ECh0.375的最優(yōu)分割尺度為19，分區(qū)數(shù)為19；基于ECh0.375和深層表觀電導率的最優(yōu)分割尺度為19，分區(qū)數(shù)為16；基于ECh0.375和植被指數(shù)的最優(yōu)分割尺度為14，分區(qū)數(shù)為17；基于ECh0.375和土壤鹽分指數(shù)的最優(yōu)分割尺度為14，分區(qū)數(shù)為13。不同變量下的管理分區(qū)如圖3所示。由圖3可知，不同變量下的分區(qū)結果，均可將不同程度電導率區(qū)域進行分區(qū)，表明基于多源數(shù)據(jù)的面向對象多尺度分割的管理分區(qū)具有可行性。

圖2 精準管理分區(qū)評價指數(shù)Fig.2 Segmentation evaluation index

3.4 不同輸入量下管理分區(qū)對比與評價

由圖3對比基于不同數(shù)據(jù)下的4種最優(yōu)管理分區(qū)發(fā)現(xiàn)，由于輔助變量的差異，分區(qū)結果也存在明顯差異。從農田的耕作角度出發(fā)，基于ECh0.375的分區(qū)結果，存在相對窄而長的分區(qū)，這種分區(qū)與實際機械化工作不相符；當引入輔助變量后，分區(qū)結果在每個分區(qū)中最少有2～3 個田塊，與實際機械化工作條件相符合。從分割效果出發(fā)，基于ECh0.375的分割尺度與基于ECh0.375和深層表觀電導率的分割尺度相同，但分區(qū)個數(shù)有差異，這可能是由深層土壤表觀電導率與表層表觀電導率分布格局不同引起的；基于ECh0.375和植被指數(shù)的分割尺度與基于ECh0.375和土壤指數(shù)的分割尺度相同，但分區(qū)個數(shù)不同。上述對比只是對不同分區(qū)結果進行了定性對比，而未進行定量評價。分區(qū)結果的定量評價，需本著分區(qū)內同質性最大，且分區(qū)間異質性最大原則展開評價，即分區(qū)內平均變異系數(shù)越小，分區(qū)間莫蘭指數(shù)數(shù)值越接近于零，代表分區(qū)效果越好。由表4可知，不同數(shù)據(jù)下各分區(qū)內平均變異系數(shù)在13.60%～18.65%之間，根據(jù)劉寧［24］對不同土地利用方式下黃河三角洲土壤特性空間變異研究可知，變異系數(shù)在0～20%之間屬于弱變異，在20%～50%屬于中等變異，＞50%屬于強變異；說明各分區(qū)內均屬于弱變異；且較整個研究區(qū)的變異系數(shù)下降了約60%，說明分區(qū)內同質性較高。不同數(shù)據(jù)下各分區(qū)間莫蘭指數(shù)均接近于0，表示各分區(qū)間相關性較低，說明各分區(qū)間異質性較高。綜上從農田耕作角度、分割效果及分區(qū)評價原則出發(fā)，基于ECh0.375和深層表觀電導率的管理分區(qū)為最佳，因為該分區(qū)結果既符合當?shù)剞r田的管理和機械化作業(yè)要求，又可以代表深層鹽分的分區(qū)，且分區(qū)間異質性也最強。基于ECh0.375和土壤鹽分指數(shù)的管理分區(qū)次之?；贓Ch0.375的管理分區(qū)最差，是由于其分區(qū)結果存在著窄而長的分區(qū)，與實際耕作和機械化作業(yè)不相符。

圖3 不同變量下的最優(yōu)管理分區(qū)Fig.3 Optimal management zones under different variables

表4 基于不同數(shù)據(jù)集下的分區(qū)評價Tab.4 Partition evaluation based on different dataset

4 討論

新疆南疆地區(qū)是我國棉花主要生產基地，但該地區(qū)鹽漬化造成的生態(tài)環(huán)境惡化、作物生產力下降、土壤肥力降低問題，是制約該地區(qū)作物高產的主要障礙因子，因此對該地區(qū)鹽漬化分區(qū)具有重要意義。本研究選取了阿拉爾墾區(qū)棉花收獲后冬灌前的農田為研究對象，此時期鹽分聚集在土壤表層［25］，且研究區(qū)土壤質地以砂壤土為主，保水保肥能力差，土壤中水分，養(yǎng)分不穩(wěn)定，受環(huán)境影響較大，因此在研究區(qū)進行鹽漬化分區(qū)比進行水分，養(yǎng)分分區(qū)更有意義。在研究方法上，基于面向對象的多尺度分割算法是目前進行農田管理分區(qū)研究中最常用的方法之一，其分區(qū)數(shù)是由最優(yōu)分割尺度所決定，不僅消除了人為因素的影響，還能夠精準地劃分管理分區(qū)，但最優(yōu)分割尺度同時受形狀因子、緊致度因子、影像空間分辨率、研究區(qū)面積大小等多個因素影響。本文通過與劉煥軍等［11］利用遙感影像對黑土區(qū)田塊尺度的精準管理分區(qū)對比發(fā)現(xiàn)，影像分辨率不同其最優(yōu)分割尺度也不同，且最優(yōu)分割尺度隨著空間分辨率的增加而減小，即空間分辨率越高，分割尺度越小，這與許盼盼［26］基于高分辨率遙感數(shù)據(jù)的濕地精細信息提取相一致。但分辨率越高，分割結果可能較為破碎，其分區(qū)結果可能不適合新疆這種高度機械化的農事作業(yè)的開展。同時最優(yōu)分割尺度與研究區(qū)面積大小也具有一定關系，根據(jù)黃萬里［27］對不同面積的森林對象進行多尺度分割發(fā)現(xiàn)隨著研究區(qū)面積的增大，最優(yōu)分割尺度也隨之變大。因此在使用面向對象多尺度分割時不僅要考慮研究區(qū)所占面積大小，更要選擇合適的分辨率，從而確定最優(yōu)分割尺度。經(jīng)對比發(fā)現(xiàn)多源數(shù)據(jù)較單一數(shù)據(jù)可較好地劃分管理分區(qū)，且在本質上更具有說服力［21］。本文基于輔助變量的多源數(shù)據(jù)管理分區(qū)消除了過于破碎化的分區(qū)，且分區(qū)間的異質性也有明顯提高，但可能存在數(shù)據(jù)冗余和計算量增加等問題，因此在后期研究中需改善此類問題。在分區(qū)管理方面，接下來將根據(jù)鹽漬化程度計算出各個分區(qū)壓鹽所需要的灌溉量，通過測量各個分區(qū)的土壤自然含水量、土壤容重，田間持水量等基礎參數(shù)，采用列果斯塔也夫經(jīng)驗公式，進行各個分區(qū)灌溉量的計算［23］，從而達到精準灌溉的目標。

5 結論

本研究運用以電磁感應原理為基礎的EM38-MK2大地電導率儀，獲取棉花收獲后冬灌前表觀電導率數(shù)據(jù)。用半變異函數(shù)進行分析，揭示土壤鹽漬化的空間異質性。利用空間分辨率為30 m的Landsat8影像不同波段信息，計算出22個光譜指數(shù)。將光譜指數(shù)和地形數(shù)據(jù)分別與表觀電導率（ECh0.375）展開相關性分析，篩選得出3 個植被指數(shù)和3 個土壤鹽分指數(shù)，并將其作為精準管理分區(qū)的輔助變量，最后進行多源數(shù)據(jù)的土壤鹽漬化管理分區(qū)研究，所得結論如下：

（1）在半變異函數(shù)分析中，各土層表觀電導率的基臺值與塊金值之比均在50%左右，說明研究區(qū)土壤鹽漬化存在空間變異，且是由隨機性因素和結構性因素共同導致的變異，因而可以根據(jù)研究區(qū)土壤鹽漬化程度進行分區(qū)。

（2）經(jīng)相關分析和指數(shù)篩選后，9 月植被指數(shù)（RVI、GRVI、EVI）和11 月裸地的土壤鹽分指數(shù)（NDSI、S5、SI-T）均與ECh0.375達到極顯著水平，因此將其作為土壤鹽漬化管理分區(qū)的輔助變量。

（3）分區(qū)后結果表明，各分區(qū)結果的變異系數(shù)均小于19%，且較整個研究區(qū)的變異系數(shù)下降約60%，說明面向對象多尺度分割算法可有效地劃分出均質性區(qū)域，從而指導農田的差異化管理。

（4）對比分區(qū)結果發(fā)現(xiàn)，基于單一數(shù)據(jù)的管理分區(qū)其分區(qū)間異質性較低，且部分分區(qū)不符合耕作單元，而基于多源數(shù)據(jù)的管理分區(qū)，不僅符合耕作單元，且分區(qū)間異質性較單一數(shù)據(jù)源的管理分區(qū)均有所提高。

（5）從農田的耕作角度、分割效果及分區(qū)評價原則出發(fā)可得，基于ECh0.375和深層表觀電導率的管理分區(qū)為最佳，該分區(qū)結果既符合當?shù)剞r田管理又符合機械化作業(yè)；而基于ECh0.375和土壤鹽分指數(shù)的管理分區(qū)次之，效果最差的為僅基于ECh0.375單一數(shù)據(jù)源的管理分區(qū)。