基于3S技術的大慶地區(qū)土壤鹽漬化時空變化分析

劉福全，杜 崇 ?，韓 旭 ，李 瑞 ，胡子浩，郭佳桐

（1.黑龍江大學 水利電力學院，哈爾濱 150080；2.遼寧省石佛寺水庫管理局有限責任公司，沈陽 110166）

基于3S技術的大慶地區(qū)土壤鹽漬化時空變化分析

劉福全1，杜 崇1?，韓 旭1，李 瑞1，胡子浩1，郭佳桐2

（1.黑龍江大學 水利電力學院，哈爾濱 150080；2.遼寧省石佛寺水庫管理局有限責任公司，沈陽 110166）

【目的】監(jiān)測大慶地區(qū)土壤鹽漬化的時空變化規(guī)律?！痉椒ā炕诓煌疃韧寥篮}量實測數(shù)據(jù)結合Landsat系列遙感影像反射率進行相關性分析，篩選出敏感波段，以多元逐步回歸分析的方法構建土壤鹽漬化反演模型，用ArcGIS 繪制鹽堿化等級分布圖，分析2001—2021 年土壤鹽漬化時空變化特征?！窘Y果】①表層（0～10 cm）土壤含鹽量與反射率相關性更強，將反射率經(jīng)過數(shù)學變換之后相關性也會有所提升。②B1 波段對數(shù)、B7 波段和B7 波段的指數(shù)構建的反演模型精度和穩(wěn)定性都表現(xiàn)良好，R2=0.842，RMSE=0.290，可以用作研究區(qū)的反演模型。③2001—2021 年研究區(qū)輕度鹽堿化、中度鹽堿化和鹽土面積先增加后減少，重度鹽堿化面積呈先減再增后減的趨勢，到2021 年為止研究區(qū)鹽堿化總面積為102 262 hm2?！窘Y論】2001—2021 年大慶地區(qū)鹽堿化面積總體來說先增加后減少，特別是大慶市區(qū)鹽堿化面積減少幅度最大，在今后的工作中應該重點監(jiān)測鹽漬土面積較多的杜蒙和林甸2 個縣，確保鹽堿化程度不再繼續(xù)加重。

大慶地區(qū)；土壤含鹽量；遙感；時空變化

0 引 言

【研究意義】我國鹽堿土面積已有9 913 萬hm2，并且鹽漬化的面積還在繼續(xù)擴大，程度還在繼續(xù)加重[1]。遙感技術作為一種新型的技術手段，為土壤鹽漬化的監(jiān)測與研究提供強大的技術支持，對提高土地利用率、農業(yè)生產(chǎn)力和土壤環(huán)境的保護都有重大的指導意義[2-3]?！狙芯窟M展】利用遙感技術對鹽漬化土壤構建反演模型進行鹽分反演可以取得理想效果[4-5]。BAO 等[6]發(fā)現(xiàn)不同含鹽量土壤的光反射率不同，且含鹽量高的土壤在可見光和近紅外波段的光譜反射率存在明顯的正相關。吳霞等[7]利用時間跨度較長的Landsat 系列遙感影像分析了寧夏銀北灌區(qū)多年來表層土壤鹽漬化時空變化規(guī)律。馬馳[8]基于哨兵衛(wèi)星遙感數(shù)據(jù)，對遙感反射率做適當?shù)臄?shù)學變換后定量反演吉林白城市表層土壤（0～15 cm）含鹽量取得較好的效果。陳建軍等[9]利用Landsat5 TM（專題制圖儀）遙感影像結合地理背景數(shù)據(jù)，通過遙感解譯方式對大慶市1986—2001 年鹽堿土動態(tài)反演，闡述了鹽堿土時空變化規(guī)律?！厩腥朦c】前人對土壤鹽分遙感反演均取得重要科研成果，但對于像大慶地區(qū)這樣典型的蘇打鹽堿地，利用遙感技術和野外實測數(shù)據(jù)相結合，進行多年不同土層土壤鹽分反演并且分析其影響因素的研究未見報道。【擬解決的關鍵問題】為此，以黑龍江省大慶為研究區(qū)，以Landsat8 OLI（陸地成像儀）2021 年、2015 年和Landsat5 TM 2008 年、2001年遙感影像為數(shù)據(jù)源，結合野外取樣實測土壤含鹽量，分析表層（0～10 cm）、淺層（10～20 cm）和混合層（0～20 cm）土壤與遙感反射率的相關性。采用反射率經(jīng)過數(shù)學變換的多元線性回歸模型構建土壤鹽分反演模型，定量反演研究區(qū)土壤含鹽量，探尋土壤含鹽量的時空變化規(guī)律，為今后大慶地區(qū)土壤健康和可持續(xù)利用提供依據(jù)。

1 材料與方法

1.1 研究區(qū)域概況

大慶市位于黑龍江省西部，松嫩平原中部沉陷地帶。市區(qū)地理坐標北緯 45°46′—46°55′，東經(jīng)124°19′—125°12′之間，東部與安達市、肇州接壤；南部與肇源相鄰；西部與杜蒙（杜爾伯特蒙古族自治縣）相連；北部與林甸交接。大慶地區(qū)屬中溫帶大陸性季風氣候，冬季寒冷干燥，凍結期長。大慶地區(qū)包括薩爾圖、讓胡路、紅崗、大同、龍鳳5 個區(qū)和肇州、肇源、林甸、杜蒙4 個縣。選大慶地區(qū)為研究區(qū)域主要因為該研究區(qū)草甸面積較大和水泡特別多，也是黑龍江省典型的蘇打鹽漬土區(qū)域，而且越靠近水泡子附近土壤含鹽量越高。

1.2 遙感數(shù)據(jù)獲取與處理

本文使用的遙感數(shù)據(jù)可以在美國地質調查局：（https://earthexplorer.usgs.gov/）下載[10]。Landsat5 TM 有7 個波段，Landsat8 OLI 有9 個波段，包括Landsat5 TM 波段中的1～5 和7 波段信息，重返周期都為16 d，具體參數(shù)見表1。

表1 Landsat8 OLI 與Landsat5 TM 波段參數(shù)對比Table 1 Comparison of band parameters between Landsat8 OLI and Landsat5 TM

在遙感影像上對應的每個采樣點處，各個波段都有不同像元值，但是這些像元值不能作為遙感反射率直接使用，需要在ENVI 中進行轉化，通過將大氣表觀反射率轉化為真實地表反射率，最后才能作為本試驗所需的遙感反射率值。本試驗選擇與采樣時間同步的4 景影像，成像具體時間經(jīng)過時區(qū)轉化為北京時間10:00 左右，云層覆蓋率均小于1%，能見度高，可以用作建立反演模型。影像的預處理工作包括輻射定標、Flaash 大氣校正、根據(jù)研究區(qū)1∶5 萬地形圖進行幾何精校正、拼接和裁剪等。

1.3 土壤采樣與處理

土壤采樣工作于2021 年7 月3—5 日完成，在研究區(qū)內共采集72 個樣本（表層和淺層土壤共36 對樣本），利用手持GPS 記錄采樣點坐標，具體采樣點見圖1。采樣過程用五點采樣法分別采取表層（0～10 cm）和淺層（10～20 cm）土壤各0.5 kg，做好標號裝入密封袋中，在實驗室中自然風干后,經(jīng)過研磨挑出小石塊雜草等，過2 mm 孔徑篩，將1/2 的表層、淺層土壤按等質量均勻混合在一起得到混合層（0～20 cm）土樣。配制土水比1∶5 的土壤溶液，用電導率儀測得電導率（EC1:5，dS/m）后通過經(jīng)驗公式計算土壤含鹽量（SSC，%）：SSC=（0.288 2EC1:5+0.018 3）[11]。

圖1 研究區(qū)土壤采樣點示意圖Fig.1 Soil sampling points in the study area

1.4 不同土層土壤含鹽量與反射率相關性分析

將不同土層土壤含鹽量的實測值與采樣點在遙感影像上提取的反射率值進行相關性分析，二者的相關性用相關系數(shù)R表示，0＜R＜1 表示土壤含鹽量與反射率呈正相關，-1＜R＜0 表明土壤含鹽量和反射率呈負相關，且R越接近-1 或1，表明相關性越強。

目前用于土壤含鹽量的反演波段組合有單波段、多波段及其將反射率進行適當?shù)臄?shù)學變換等多種方法。本文先對選取的影像做單波段Pearson 相關性分析，再將波段組合做相關性分析，最后將反射率進行數(shù)學變換與單波段或多波段組合與土壤含鹽量進行相關性分析，相關性最高的波段作為敏感波段用作土壤含鹽量的反演。

1.5 建模與模型精度檢驗

隨機篩選處理好的表層、淺層和混合層3 組樣本各25 個用于建模，建模樣本在SPSS 軟件中做相關性分析，相關性高的土層用于一元和多元回歸模型的建立，選出擬合度最高的模型作為最終的反演模型。剩余的每組11 個樣本用于模型的檢驗，模型精度用R2表示，R2越大說明擬合效果越好，模型穩(wěn)定性用RMSE表示，RMSE越小說明模型越穩(wěn)定。

2 結果與分析

2.1 不同深度土壤含鹽量與反射率相關性分析對比

將表層、淺層和混合層土壤樣本數(shù)據(jù)與遙感反射率做相關性分析，不同深度土壤含鹽量與波段反射率相關系數(shù)見表2。

表2 不同深度土壤含鹽量與反射率的相關系數(shù)Table 2 Correlation coefficient between soil salinity and reflectance at different depths

由表2 可知，土壤含鹽量與波段反射率有明顯的正相關關系，相關性整體都不高，相關性最差的波段是B5，最高的波段為B7，其次是B1，通過比較表層、淺層和混合層土壤含鹽量與反射率的相關性，本研究選擇相關性最強的表層（0～10 cm）土壤樣本數(shù)據(jù)構建土壤含鹽量的反演模型。

2.2 單波段反演模型的建立與檢驗

在SPSS 26.0 軟件中對B1—B7 各個波段分別進行反射率的S 曲線、指數(shù)、對數(shù)、冪函數(shù)、倒數(shù)變換，篩選出每種變換后精度和穩(wěn)定性最高的波段，并以B7 波段的線性模型作為參考，單波段土壤含鹽量的反演模型如表3 所示。研究表明反射率經(jīng)過變換之后指數(shù)、冪函數(shù)、倒數(shù)模型精度和穩(wěn)定性均有所提高。在7個波段中利用B3 波段反射率建立的S 曲線模型、B7 波段反射率的指數(shù)模型、B1 波段反射率的對數(shù)模型、B1 波段反射率建立的冪函數(shù)模型、B1 波段反射率的倒數(shù)模型精度最高。

2.3 多波段反演模型的建立與檢驗

參考單波段土壤含鹽量反演模型，將Landsat8影像各波段反射率及其變換形式與研究區(qū)土壤含鹽量在SPSS 軟件中進行多元逐步回歸分析，建立如表4 所示的多波段反演模型。結果顯示，由B1 波段對數(shù)、B7 波段、B7 波段指數(shù)建立的多元回歸模型SSC=-131.14-155.044×B7+0.353×Ln(B1)+133.45×eB7，模型決定系數(shù)R2=0.842，均方根誤差RMSE=0.290，相比其他模型精度和穩(wěn)定性有明顯提升，回歸效果最好，因此可以利用該多元回歸模型作為反演模型，通過輸入剩余11 個驗證樣本，建立如圖2 所示的土壤含鹽量預測值與實測值散點圖。圖2 顯示，研究區(qū)土壤含鹽量實測值和預測值的散點均勻地分布在趨勢線兩側，擬合模型表達式為y=1.178 8x-0.115 7，R2=0.897 8，RMSE=0.331，模型決定系數(shù)接近1，均方根誤差較小，說明模型精度高、穩(wěn)定性好，可以用該模型進行大慶地區(qū)土壤鹽漬化遙感反演。

表3 土壤含鹽量的單波段反演模型Table 3 Single band inversion model of soil salinity

圖2 驗證樣本土壤含鹽量實測值與預測值散點圖Fig.2 Verify scatter plots of measured and predicted values

表4 土壤含鹽量多波段反演模型Table 4 Multi-band inversion model of soil salinity

2.4 土壤鹽漬化時空演變分析

根據(jù)《中國鹽漬土》[12]在半濕潤半干旱區(qū)的蘇打鹽堿地分類標準，將大慶地區(qū)表土含鹽量分別處于lt;0.1%、0.1%～0.2%、0.2%～0.4%、0.4%～0.5%、gt;0.5%時，依次對應非鹽漬土、輕度鹽漬土、中度鹽漬土、重度鹽漬土和鹽土進行分類。利用反演模型SSC=-131.14-155.044×B7+0.353×Ln(B1)+133.45×eB7反演研究區(qū)多年表層土壤含鹽量，利用ENVI 中決策樹對影像中DN值進行歸納分類，并用ArcGIS10.2制圖。分類結果如圖3 所示。

圖3 大慶地區(qū)土壤鹽漬化反演圖Fig.3 Inversion map of soil salinization in Daqing Area

鹽漬化等級分布圖顯示由東到西、由北向南方向鹽漬化程度逐漸加重，杜蒙和大慶市區(qū)交界處鹽土分布較集中，鹽土占據(jù)比例也很大；輕度鹽漬土更多落在研究區(qū)邊界；中度和重度鹽漬土在大慶市中心周圍分布較密集。研究區(qū)的鹽漬土這樣分布主要因為西部地勢低、水泡多，泡中的水屬重碳酸鹽類鈉組Ⅰ型水，礦化度極高，再加上無尾河流供給大量的地表水匯集在排水不暢的低洼處，強烈蒸發(fā)作用致使土壤水分自下至上遷移積累在地表，在水泡邊緣形成堿斑，積累成鹽土[13]，在風化作用下鹽土顆粒遷徙至非鹽土中致使鹽堿化程度愈來愈重。研究區(qū)周邊大多是草原、林地和耕地，人類過度放牧、亂砍濫伐和開荒耕地導致土壤結構改變，易發(fā)生次生鹽堿化。這樣的空間特征說明鹽堿土的形成與地質條件和人為干擾有一定聯(lián)系。為了明確鹽堿土變化規(guī)律，從ArcGIS10.2 中提取出肇州、肇源、大慶市、杜蒙、林甸2001、2008、2015 年和2021 年各個等級鹽漬土面積，統(tǒng)計結果見表5。由表5 可知，2001—2021 年研究區(qū)輕、中度鹽漬土和鹽土面積呈先增后減的趨勢，重度鹽漬土面積先減少再增加最后大幅度減少，2015 年之前鹽漬土總面積持續(xù)增加，其中鹽土面積在2001—2015 年共增加105 409 hm2，相比輕度鹽漬土面積增加的多，而中度和重度鹽漬土面積在減少，說明中度和重度鹽漬土部分轉化為鹽土，各等級鹽漬土之間進行了轉化。2015—2021 年為止，鹽漬土總面積大幅度下降，共減少334 049 hm2，重度鹽漬土和鹽土面積減少比例最大，在各區(qū)域中大慶市鹽漬土面積減少最為明顯，林甸縣鹽漬土減少程度較小。

2001—2015 年鹽堿化程度加重除了上述的地質條件和人為干擾外，還可能與：①夏季多雨、冬季凍融有關。全年降雨多集中于夏季，且蒸發(fā)量遠大于降雨量；冬季霜凍，冬季土壤鹽分隨地下水垂直向上，從未凍層向凍層遷移，融化時鹽分聚集地表[14]。②人類引用河水灌溉作物時不注意用量，多余積水抬高地下水位，導致鹽分從土壤毛細水上升至地表。其次，鹽漬化的加重也與地下水位下降時人們對易發(fā)的次生鹽漬化不重視有一定關系。③早期大慶石油資源豐富，在開采、加工時通常向油田中注入大量江河水，注入的水礦化度高，含有大量可溶性礦物質和碳水化合物也會造成當?shù)赝寥利}分增加[15]。近年來，鹽漬化土壤得到生物措施、化學措施及其一些其他綜合措施等治理，加大治理力度和管理制度，嚴禁放牧和亂砍亂伐，對水利工程灌排設備更加完善以及對研究區(qū)進行綠化等，導致2015 年之后鹽堿土面積呈逐漸較少的趨勢。

表5 2001、2008、2015、2021 年各區(qū)域鹽漬土面積分布Table 5 Regional distribution of saline soil in 2001, 2008, 2015 and 2021 hm2

3 討 論

本文利用Landsat8 和Landsat5 遙感影像結合野外實地采樣數(shù)據(jù)，將土壤分層分析含鹽量與遙感反射率的相關性，構建適宜的大慶地區(qū)多年土壤含鹽量反演模型，較采用某個土層厚度均值和用單一年份數(shù)據(jù)進行簡單反演更具有一定普適性，反演結果細化到研究區(qū)的各個區(qū)域，對土壤鹽分監(jiān)測以及治理更加明確。分析表明遙感反射率與土壤含鹽量存在正相關性，在第7 波段相關性最大，其次是第6 波段。該分析結果與王洋洋[16]利用Landsat8 影像構建耕地鹽漬土含鹽量反演模型相同；將反射率經(jīng)過適當?shù)臄?shù)學變換后可以起到降噪的效果提高反射率相關性，與馬馳[17]研究結論相同；對表層、淺層和混合層土壤含鹽量分別進行相關性分析，表層土壤相關性更好，與張智韜等[18]基于雷達遙感的不同深度土壤含鹽量反演結果一致。經(jīng)過分析發(fā)現(xiàn)2015 年之前鹽堿化面積快速增加，方面因為選擇的是時間跨度較長的Landsat 系列衛(wèi)星，將遙感影像輻射定標、大氣校正等處理削弱了大氣對傳感器影響，另一方面因為采樣時間與影像獲取時間較接近，選擇天氣晴朗且云量小于1%的影像數(shù)據(jù)更加準確，反演精度有所提升。本研究采樣時間為7月初，為多雨的季節(jié)，研究中沒有考慮降雨量對實測數(shù)據(jù)的影響，也沒有通過某種方法比較這些影響因素中哪些是主要原因，哪些是次要原因，在以后的研究中將進一步改進，以此提高反演模型精度，為大慶地區(qū)土壤鹽分監(jiān)測提供更加精確的理論基礎。

4 結 論

2015 年之后鹽漬化程度減輕，鹽漬化面積急劇下降，說明近年針對鹽堿化地區(qū)改良措施得當，治理效果顯著，制定的宏觀政策對植被覆蓋度及生態(tài)恢復有一定作用，但是仍然不能放松警惕，因為鹽堿地的發(fā)展受自然地理因素和人為因素的雙重影響。土壤鹽堿化發(fā)生這樣的時空變化與地質條件、氣候、地表植被覆蓋、地下水埋深、地表徑流及人類的生產(chǎn)活動都有關系，雖然自然因素是內因，但是短期內人類活動更為直接[19-20]。對研究區(qū)進行遙感反演能取得理想效果，一

1）基于Landsat 系列衛(wèi)星獲取的遙感數(shù)據(jù)分辨率可以達到鹽堿化反演的要求，用于時空序列的反演是很好的選擇。

2）將反射率經(jīng)指數(shù)、冪函數(shù)和倒數(shù)的數(shù)學變換后相關性顯著提升，多波段反演模型精度和穩(wěn)定性優(yōu)于單波段反演模型，研究區(qū)土壤含鹽量反演模型為：SSC=-131.14-155.044×B7+0.353×Ln(B1)+133.45×eB7,R2=0.842,RMSE=0.290。

3）2001—2021 年大慶地區(qū)鹽漬土面積先增加后減小，在今后的工作中應該重點監(jiān)測鹽漬土面積較多的杜蒙和林甸2 個縣，確保鹽堿土面積不再繼續(xù)擴大，鹽堿化程度不再繼續(xù)加重。

[1] 王娜, 何俐蓉. 鹽漬化土壤的成因及改良材料的應用[J]. 南方農機,2021, 52(5): 72-73.

WANG Na, HE Lirong. Causes of salinized soil and application of improved materials[J]. South Agricultural Machinery, 2021, 52(5):72-73.

[2] 賈萍萍, 張俊華, 孫媛, 等. 基于實測高光譜和Landsat 8 OLI 影像的土壤鹽化和堿化程度反演研究[J]. 土壤通報, 2020, 51(3):511-520.

JIA Pingping, ZHANG Junhua, SUN Yuan, et al. Inversion of soil salinization and alkalization based on measured hyperspectral and Landsat 8 OLIimages[J]. Chinese Journal of Soil Science, 2020, 51(3):511-520.

[3] 程彬. 遙感和地理信息系統(tǒng)在吉林西部鹽堿地管理中的應用研究[J].中國管理信息化, 2017, 20(22): 165-166.

CHENG Bin. Study on application of remote sensing and GEOGRAPHIC information system in saline-alkali land management in western Jilin province[J]. China Management Informatization, 2017,20(22): 165-166.

[4] 韓思淇, 麻澤龍, 莊文化, 等. 2000—2018 年黃河源植被葉面積指數(shù)時空變化特征[J]. 灌溉排水學報, 2019, 38(12): 57-62.

HAN Siqi, MA Zelong, ZHUANG Wenhua, et al. Spatial-temporal change of leaf area index (LAI) in the source region of the Yellow River during 2000―2018[J]. Journal of Irrigation and Drainage, 2019,38(12): 57-62.

[5] 高凡, 何兵, 閆正龍, 等. 2000—2016 年葉爾羌河中下游植被覆蓋動態(tài)變化遙感分析[J]. 灌溉排水學報, 2019, 38(4): 92-99.

GAO Fan, HE Bing, YAN Zhenglong, et al. Using remote sensing to unravel spatiotemporal change in vegetation coverage in middle-low reaches of the Yarkant basin[J]. Journal of Irrigation and Drainage,2019, 38(4): 92-99.

[6] BAO B R M, SANKAR T R, DWIVEDI R S et al. Spectral Behavior of salt-affected soils[J]. International Journal of Remote Sensing, 1995, 16(12): 2 125-2 136.

[7] 吳霞, 張永宏, 王長軍, 等. 基于MODIS 的寧夏植被覆蓋時空變化特征分析[J]. 江蘇農業(yè)科學, 2021, 49(2): 204-208.

WU Xia, ZHANG Yonghong, WANG Changjun, et al. Analysis of temporal and spatial variation characteristics of vegetation cover in Ningxia basedon MODIS[J]. Jiangsu Agricultural Sciences, 2021, 49(2):204-208.

[8] 馬馳. 基于Sentinel-2A 遙感數(shù)據(jù)對吉林白城市土壤含鹽量的反演[J].干旱區(qū)研究, 2020, 37(3): 591-597.

MA Chi. Retrieval of soil salt content based on Sentinel-2A remote sensing data in Baicheng City, Jilin Province[J]. Arid Zone Research,2020, 37(3): 591-597.

[9] 陳建軍, 張樹文, 陳靜, 等. 大慶市土地鹽堿化遙感監(jiān)測與動態(tài)分析[J]. 干旱區(qū)資源與環(huán)境, 2003 (4): 101-107.

CHEN Jianjun, ZHANG Shuwen, CHEN Jing, et al. Remote sensing monitoring and Dynamic analysis of land salinization in Daqing city[J].Arid land Resources and Environment, 2003 (4): 101-107.

[10] 麥麥提吐遜·麥麥提, 馬合木江·艾合買提, 陶洪飛, 等. 基于遙感的疏勒縣植被覆蓋時空變化研究[J]. 灌溉排水學報, 2021, 40(4):121-129.

MAIMAITITUXUN·Maimaiti, MAHEMUJIANG·Aihemaiti, TAO Hongfei,et al. Spatial-temporal variation of vegetation coverage in Shule County based on remote Sensing[J]. Journal of Irrigation and Drainage, 2021,40(4): 121-129.

[11] 黃權中, 徐旭, 呂玲嬌, 等. 基于遙感反演河套灌區(qū)土壤鹽分分布及對作物生長的影響[J]. 農業(yè)工程學報, 2018, 34(1): 102-109.

HUANG Quanzhong, XU Xu, LYU Lingjiao, et al. Soil salinity distribution based on remote sensing and its effect on crop growth in Hetao Irrigation District[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(1): 102-109.

[12] 王遵親, 祝壽泉, 俞仁培, 等. 《中國鹽漬土》[M]. 南京: 中國科學院南京土壤研究所, 2000.

WANG Zunqin, ZHU Shouquan, YU Renpei, et al. Saline Soil of China[M]. Nanjing: Nanjing Institute of Soil Sciences, Chinese Academy of Sciences, 2000.

[13] 李云鵬, 李怡庭, 劉景哲, 等. 松嫩平原湖泡濕地水化學特征及凈化水質作用研究[J]. 東北水利水電, 2001, 19(11): 39-43, 56.

LI Yunpeng, LI Yiting, LIU Jingzhe, et al. Study on hydrochemistry character and purifying water quality effect of Songnen Plain wetland[J]. Water Resourses and Hydropower Northeast, 2001, 19(11):39-43, 56.

[14] WANG L, SEKI K, MIYAZAKI T. The causes of soil alkalinization in the Songnen Plain of northeast China[J]. Paddy and Water Environment,2009, 7(3): 259-270.

[15] MCGENITY T J. Halophilic hydrocarbon degraders[C]//Timmis KN(Ed.). Handbook of hydrocarbon and lipid microbiology. Berlin:Springer-Verlag, 2010: 1 940-1 948.

[16] 王洋洋. 基于LandSat8 影像的耕地鹽漬土含鹽量反演模型[D]. 太谷: 山西農業(yè)大學, 2016.

WANG Yangyang. Inversion model of salt content in cultivated land based on LandSat8 image[D]. Taigu: Shanxi Agricultural University,2016.

[17] 馬馳. 基于GF-1 遙感圖像土壤含鹽量反演研究[J]. 中國農村水利水電, 2017(5): 5-8,13.

MA Chi. Soil salinity inversion based on GF-1 remote sensing image[J].China Rural Water and Hydropower, 2017(5): 5-8, 13.

[18] 張智韜, 杜瑜燕, 勞聰聰, 等. 基于雷達遙感的不同深度土壤含鹽量反演模型[J]. 農業(yè)機械學報, 2020, 51(10): 243-251.

ZHANG Zhitao, DU Yuyan, LAO Congcong, et al. Inversion model of soil salinity at different depths based on radar remote sensing[J].Transactions of the Chinese Society for Agricultural Machinery, 2020,51(10): 243-251.

[19] 馮志密, 黃彥, 曹凱華, 等. 基于RS 的安達市土地鹽堿化面積提取研究[J]. 水利科學與寒區(qū)工程, 2020, 3(1): 16-19.

FENG Zhimi, HUANG Yan, CAO Kaihua, et al. Research on extraction of land salinization area based on RS in Anda City[J]. Water Conservancy Science and Cold Area Engineering, 2020, 3(1): 16-19.

[20] 劉瑩. 大慶地區(qū)土壤鹽堿化成因及改良對策[J]. 黑龍江水利科技,2015, 43(6): 151-152.

LIU Ying. Causes of soil salinization and improvement measures in Daqing area[J]. Heilongjiang Water Conservancy Science and Technology, 2015, 43(6): 151-152.

Spatiotemporal Variation in Soil Salinization in Daqing Calculated Using the 3S Technology

LIU Fuquan1, DU Chong1?, HAN Xu1, LI Rui1, HU Zihao1, GUO Jiatong2
(1. College of Water Resources and Electric Power, Harbin 150080, China;2. Liaoning Shifosi Reservoir Administration Co. LTD, Shenyang 110166, China)

【Objective】Soil salinization is an abiotic stress affecting crop production in most countries across the world. Understanding spatiotemporal dynamics of soil salt at catchment and regional scales is crucial to improving soil management but challenging because of its spatial heterogeneity over different scales. The purpose of this paper is to present a new method to estimate soil salinity distribution at regional scale.【Method】The proposed method is based on satellite imagery. Using salt contents measured at different soil depths and the reflectance of Landsat remote sensing images, an inversion model linking soil salinization with the most sensitive imagery-bands was constructed by multiple stepwise regression analysis methods. The spatial distribution of soil salinization was calculated using the Arcgis. We applied the model to soil salinization data measured from 2001 to 2021 in Daqing,Heilongjiang province. 【Result】①Correlation between soil salt content and the reflectance was better for the surface soil layer (0～10 cm) than for the subsoil; its accuracy can be further improved by mathematical transformations of the reflectance. ②The inversion model constructed by the logarithm of B1 band, the index of B7 band and B7 bands was accurate and stable withR2=0.842 andRMSE=0.290. ③From 2001 to 2021, the areas with mild, moderate salinized soils increased first followed by a decline, while the areas with severe salinization decreased first, following by an increase before falling again. By 2021, the total salinized areas in the studied region were 102 262 hm2. 【Conclusion】 From 2001 to 2021, the salinized areas in Daqing increased first and then declined. In particular, salinization areas in the urban areas decreased fastest. We recommended that soil salinization monitoring should focus on the salinity-laten region at Dumeng and Lindian counties to control their increase.

Daqing; soil salinity; remote sensing; spatiotemporal variation

X53

A

10.13522/j.cnki.ggps.2021494

劉福全, 杜崇, 韓旭, 等. 基于3S技術的大慶地區(qū)土壤鹽漬化時空變化分析[J]. 灌溉排水學報, 2022, 41(5): 132-138.

LIU Fuquan, DU Chong, HAN Xu, et al. Spatiotemporal Variation in Soil Salinization in Daqing Calculated Using the 3S Technology[J]. Journal of Irrigation and Drainage, 2022, 41(5): 132-138.

1672-3317（2022）05-0132-07

2021-10-14

黑龍江省高?；究蒲袠I(yè)務費項目（RCCXYJ201912）

劉福全（1997-），男。碩士研究生，主要研究方向為水務工程管理。E-mail: 2651563319@qq.com

杜崇（1978-），男。碩士生導師，博士，主要從事水務工程管理方面研究。E-mail: 149596471@qq.com

責任編輯：白芳芳