基于電磁感應研究新疆土壤鹽分三維空間變異對季節的響應

吳亞坤，劉廣明，蘇里坦，楊勁松

（1. 安徽工業大學能源與環境學院，馬鞍山 243002；2. 土壤與農業可持續發展國家重點實驗室，中國科學院南京土壤研究所，南京 210008；3. 中國科學院新疆生態與地理研究所，烏魯木齊 830011）

基于電磁感應研究新疆土壤鹽分三維空間變異對季節的響應

吳亞坤1,2，劉廣明2※，蘇里坦3，楊勁松2

（1. 安徽工業大學能源與環境學院，馬鞍山 243002；2. 土壤與農業可持續發展國家重點實驗室，中國科學院南京土壤研究所，南京 210008；3. 中國科學院新疆生態與地理研究所，烏魯木齊 830011）

為了獲得新疆典型區域不同季節土壤鹽分的三維特征，該研究以新疆伊犁地區典型地塊為研究區域，將電磁感應式土壤表觀電導率快速測定技術作為基礎，建立了基于土壤表觀電導率數據不同季節的區域尺度剖面分層土壤鹽分精確解譯模型，獲得了剖面土壤鹽分含量信息，并以此為數據源采用反距離權重空間數據插值方法評估了研究區不同季節三維土壤鹽分空間變異特征，探索了三維土壤鹽分變化對不同季節的響應特征。研究表明：研究區秋、春兩個季節各土層土壤鹽分含量的變異系數在1.223～1.636之間，均表現為強度變異性，秋季土壤鹽分含量的變異性隨著土層深度的增加而減小，而春季土壤鹽分含量的變異性隨著土層深度的增加而增大。秋、春兩個季節研究區大部分區域土壤鹽分含量比較低，土壤鹽分含量高值區域主要集中在研究區的西北、西南及中部地區，并且表現出次年春季的鹽漬化程度及鹽土所占比例比前一年秋季明顯加重。利用電磁感應式土壤表觀電導率快速測定結合三維反距離權重方法，對區域不同季節土壤鹽分三維空間變異特征解析的精度分別達到相關系數為0.887和0.862。研究結果將為解譯與評估干旱區三維土壤鹽分特征隨季節變化提供可靠的理論依據和技術方法。

電磁感應；土壤；鹽分測量；反距離權重法；三維空間變異；季節變化

0 引 言

土壤鹽漬化是當今世界上土地荒漠化和土地退化的主要類型之一，也是世界性資源問題和生態問題[1-5]。土壤鹽漬化的程度易受季節性降水的影響而產生較大的變化，因而研究土壤鹽漬化在不同季節的空間變化與時空變異性特征，對于掌握土壤鹽分變化規律及進一步預防土壤退化具有重要意義[6-8]。電磁感應技術（EM38 大地電導率儀）因其可直接獲取土壤的表觀電導率數據，并且具有實時、快速、精度高的優點[9-12]，現已被廣泛應用到大面積土壤鹽漬化的調查和研究[13-15]，如 Li等采用EM38大地電導率儀和線性預測模型來獲取剖面土壤表征電導率，并以此為數據源，利用三維普通克立格方法進行三維土體電導率空間變異預測和模擬，得到了濱海鹽土三維土體電導率的空間變化特征[16]。明確區域土壤鹽分三維特征的基礎是三維離散分布的空間數據的獲得[17-21]，而電磁感應技術可以高效、便捷的實現剖面土壤信息的采集[22-25]。然而，當前少有人研究應用電磁感應技術與地統計方法獲得區域三維土壤鹽分變化對不同季節的響應特征。

本研究應用大地電導率儀 EM38探測得到土壤表觀電導率，建立出適合新疆伊犁地區不同季節的分層土壤鹽分解譯模型，利用三維反距離權重方法（inverse distance weighting，IDW）得到研究區不同季節三維土壤鹽分空間變異特征，探索新疆伊犁區域三維土壤鹽分對季節變化的響應特征。本研究將為解譯與評估干旱區三維土壤鹽分特征隨季節變化提供可靠的理論依據和技術方法。

1 材料與方法

1.1 研究區自然概況

研究區屬新疆伊犁河谷地區察布查爾錫伯族自治縣納達齊牛錄鄉，地理位置位于 43°17′～43°57′N，80°31′～81°43′E。該區屬于干旱氣候，年平均氣溫 7.9 ℃，年平均降水量206 mm，年平均蒸發量為1 594 mm，年蒸發量是年降水量的7.74倍，導致該區土壤鹽漬化明顯。農作物以水稻、棉花、小麥和玉米等為主。該研究區域種植作物均為水稻，土壤采樣與 EM38測量單元均在水稻田或荒地上。研究區水稻田地下水埋深平均為80 cm，荒地地下水埋深平均為60 cm。土壤表層含水量秋季12%，春季10%。

1.2 數據獲取方法

本研究采用大地電導率儀EM38（加拿大Geonics公司生產）進行土壤表觀電導率（ECa，mS/m）測定。在研究區內，按照300 m左右的行距，利用移動設備加載EM38沿直線進行土壤表觀電導率的測量，測量路線根據研究區內的實際地形、溝渠布局等做適當調整。每個測量點采用水平與垂直 2種測量位放置地面測定土壤表觀電導率，水平模式與垂直模式測得的土壤表觀電導率分別以ECaH與ECaV來表示[26]。采樣時間分別為2015年10月（秋季）和2016年5月（春季），每個測量點位坐標用GPS（型號為Trimble Pro XRS）定位技術記錄，EM38測量點分布見圖1。

圖1 EM38測量樣點分布圖Fig.1 Distributions of EM38 survey points

采用網格機械布點的方法，在 EM38測量點上選取70個土壤剖面（2015年與2016年采樣方法與采樣數量相同），每個剖面按照0～30、＞30～60和＞60～100 cm進行分層采樣。土壤樣品經實驗室內自然風干、磨碎、過2 mm篩后備用。所有土壤樣品均制備1∶5土水比浸提液，測定其全鹽含量[27]。

1.3 土壤鹽分三維數據解譯方法

本研究以選定的70個土壤剖面所測的土壤全鹽量及EM38水平模式與垂直模式測得的土壤表觀電導率 ECaH與ECaV為樣本總體（2015年與2016年土壤采樣樣本量相同），以各土層全鹽量為因變量，以2種測量位下的土壤表觀電導率（ECaH與ECaV）為自變量，建立研究區不同季節和不同土層（0～30、＞30～60和＞60～100 cm）土壤鹽分的回歸解譯模型。

由表 1可知，不同季節不同土層的土壤鹽分解譯模型均具有良好精度，相關系數都在0.875以上，達到0.1%極顯著水平（P＜0.000 1，n=70，R0.001=0.362）。利用表1建立的回歸模型對 EM38不同測量位下的土壤表觀電導率進行解譯，獲得研究區不同季節與不同土層的土壤全鹽含量（2015年樣本點數 30064個，2016年樣本點數27171個），EM38解譯得到的三維土體樣本點及全鹽量見圖2所示。

表1 剖面土壤全鹽量解譯模型Table 1 Interpreting models of soil total salt content(n=70,P＜0.001)

圖2 EM38解譯的土壤三維散點及鹽分剖面分布圖Fig.2 Distribution of 3D scatter data and profile soil salinity from data of EM38 survey in study area

1.4 空間插值與制圖方法

不同季節區域土壤鹽分三維空間分布的估值與模擬采用三維反距離權重法（inverse distance weighting，IDW）。IDW 法廣泛應用于地球科學領域，IDW 法最大的優點是它的簡單性，未知點的值是一個鄰近點距離倒數的函數。

應用GMS軟件構建采樣點鹽分3D Scatter Data模型圖（見圖2），以此為基礎構建研究區土壤3D Mesh Data模型，并形成研究區土壤的三維空間結構模型圖（見圖3）。應用GMS軟件的Interpolation工具進行IDW法三維土壤鹽分空間插值估算。為了獲得更佳的可視化效果，繪制的所有三維分布圖中垂直方向均擴大1 000倍。

圖3 研究區域3D Mesh模型圖Fig.3 3D Mesh model of study area

本研究將每個季節總體樣本的 75%為訓練數據集，25%為驗證數據集。2015年秋季樣本數共計30 064，其中22 548個為訓練數據集，7 516個為驗證數據集。2016年春季樣本數共計27 171，其中20379個為訓練數據集，6792個為驗證數據集。并采用均方根誤差（root mean squared error，RMSE）與測量值與實測值的相關系數(R)用來表征預測的精度[28]。

1.5 應用軟件

本研究應用SPSS進行統計特征值分析，應用地質統計軟件GMS進行土壤鹽分IDW插值和三維分布圖繪制，ArcGIS軟件進行EM38測量點位的繪制。

2 結果與分析

2.1 剖面土壤鹽分統計特征

研究區2015年秋季與2016年春季土壤剖面鹽分含量統計特征見表2。由表2可知，2015年秋季與2016年春季各層土壤鹽分含量最小值比較接近，均在 0.151～0.268 g/kg之間，但最大值 2015年秋季為 8.126～13.302 g/kg，而2016年春季為10.100～12.950 g/kg，兩個季節極大值都出現在0～30cm土層。由平均值來看兩個季節的各層土壤鹽分含量均隨著土壤深度的增加而減小，所不同的是秋季的土壤鹽分含量隨著深度增加減小較緩，而春季的土壤鹽分含量隨著深度增加變化較陡，土壤鹽分表現為表聚型剖面分布特征。

表2 剖面土壤鹽分的統計特征值（n=70）Table 2 Statistical feature values of soil salinity in profile

兩個季節各土層土壤鹽分含量的變異系數在1.223～1.636之間，均表現為強度變異性。但隨著季節不同，剖面變異系數變化規律有一定的差異，秋季土壤鹽分含量的變異性表現為隨著土層深度的增加而減小，而春季土壤鹽分含量的變異性表現為隨著土層深度的增加而增大。

2.2 土壤鹽分三維分布特征

利用三維反距離權重插值方法，得到了新疆伊犁河谷地區三維土壤鹽分的空間分布圖（見圖4）。由圖4可以看出，研究區大部分區域土壤含鹽量比較低（含鹽量＜1 g/kg），而兩個季節土壤含鹽量高值區域主要集中在研究區的西北、西南及東北地區，并且表現出2016年春季的土壤含鹽量相較于 2015年秋季土壤鹽分含量明顯升高，研究區2016年春季土壤鹽分＞6 g/kg面積明顯變大，這與研究區的氣候變化特點相一致，前一年秋季到次年春季該區蒸發量遠遠大于降水量，土壤鹽分聚集，導致土壤鹽漬化程度加重。

根據研究區兩個季節鹽分空間分布的總體特征，重點選取了研究區3個典型截面的鹽分剖面分布情況，3個截面的土壤鹽分分布情況如圖 5所示。A-A′截面從研究區西北角橫貫到東南角，由該剖面可以看出兩個季節的剖面土壤全鹽量同樣是＜1 g/kg占主體，整個剖面表現出上層土壤含鹽量與下層土壤含鹽量同屬一個鹽分劃分的級別[30]，即上層為輕度鹽漬化土壤，下層也同樣為輕度鹽漬化土壤，并且兩個季節表現的規律相似。為了直觀的看出剖面土壤受鹽漬化影響的程度，本研究作圖時土壤含鹽量劃分參照半干旱和干旱區土壤鹽漬化分級標準[29]，根據研究區域0～100 cm土壤鹽分進行土壤鹽漬化分級，即土壤含鹽量分別在[0，1.0]，[1.0，2.0]，[2.0，4.0]，[4.0，6.0]和高于6.0 g/kg，相應鹽漬化等級分別為非鹽漬化、輕度鹽漬化、中度鹽漬化、重度鹽漬化和鹽土 5個等級。因該標準中各個級別含鹽量差別較大，全鹽量變化少于1 g/kg或2 g/kg在圖中沒有體現，所以剖面土壤含鹽量的變化不顯著。兩個季節土壤含鹽量在空間分布上，都表現出西北角（即A附近）鹽分含量高于東南（即A′附近）的特征，但2016年春季西北方向的土壤鹽漬化波及面積和程度明顯加深，尤其西北角（即 A附近）土壤整個剖面的全鹽量均大于6 g/kg，屬于鹽土范疇。由 B-B′截面可以看出，該截面上兩個季節大部分區域剖面土壤具有不同程度的鹽漬化，土壤鹽分的垂直分布在該截面的兩端表現為整個剖面土壤全鹽量同屬同一鹽漬化劃分級別，而在截面的中間位置整個剖面鹽分的含量呈現隨著土壤深度的增加，土壤含鹽量逐漸降低的趨勢，表現為鹽分表聚現象。在該截面靠近B附近，2016年春季土壤全鹽量明顯高于2015年秋季。在C-C′截面上，在空間上兩個季節土壤鹽分都表現出在截面的兩端高中間低的特征，特別是2016年春季研究區的東北方向（即C`附近）土壤含鹽量非常高，達到了鹽土水平。

圖4 研究區不同季節三維土壤鹽分空間分布Fig.4 Three dimensional distribution of soil salinity for different season in study area

圖5 研究區不同季節三維土壤典型截面鹽分分布圖Fig.5 Classical cross sections of 3D soil salinity for different season in study area

研究區不同季節土壤鹽分三維空間變化情況除與氣候因素有直接關系外，也受當地種植作物影響，因研究區域主要種植水稻，種稻淋鹽效果顯著，所以研究區大部分區域土壤鹽分比較低。而次年春季深層可溶性鹽類借助毛細管作用上升，土壤有所返鹽。而研究區的西北、西南土壤鹽分含量高值區域主要為荒地, 在農業生產過程中引水及灌溉提高了地下水位, 因而深層土壤以及地下水中鹽分積聚于表層。研究區的鹽分分布與其他學者的研究結果相近[30]。

2.3 研究區不同季節土壤鹽漬化面積分布

根據土壤鹽漬化分級標準[29]，統計了研究區域兩個季節不同土層，不同鹽漬化等級，即非鹽漬化、輕度鹽漬化、中度鹽漬化、重度鹽漬化和鹽土 5個等級鹽漬化土壤所占比例（見表3）。

由表3可以看出：2015年秋季研究區大部分為非鹽漬化土壤，各土層（0～30、＞30～60和＞60～100）非鹽漬化所占比例分別 65%、69%和 81%，隨著土壤深度變深非鹽漬化土壤所占比例逐漸加大。而相應的受不同程度鹽漬化影響的土壤比例是隨著深度增加而減小。對于鹽漬化土壤（輕度鹽漬化、中度鹽漬化、重度鹽漬化和鹽土），不同鹽漬化程度的土壤隨著深度不同所占比例略有不同，0～60 cm鹽漬化土壤以輕度鹽漬化土壤為主，中度鹽漬化和重度鹽漬化土壤次之，鹽土所占比例最少；而＞60～100 cm鹽漬化土壤中度鹽漬化土壤所占比例（占9%）略高于輕度鹽漬化土壤（占7%），重度鹽漬化土壤較少，沒有鹽土分布。2016年春季與2015年秋季相似，同樣是非鹽漬化土壤所占比例較大，并且隨著土壤深度變深非鹽漬化土壤所占比例逐漸加大。而不同程度鹽漬化土壤中各程度鹽漬化所占比例有較大的變化：鹽土所占比例明顯變大，每層土壤都達到5%，而其他程度的鹽漬化土壤所占比例均有不同程度的減少，說明研究區土壤鹽漬化變化從前一年秋季到次年春季間主要發生在受到鹽漬化影響的土壤上，需采取切實有效的相應治理措施對區域土壤鹽漬化加以防控與治理。

表3 研究區不同季節土壤鹽漬化等級所占比例Table 3 Proportion of soil salinization grades for different season in study area

2.4 精度驗證

經交叉檢驗分析，2015年秋季和2016年春季反距離權重法的預測均方根誤差（root mean square error，RMSE）分別為0.193 5和0.210 6 g/kg。預測值和實測值之間的相關系數（R）2015年秋季和2016年春季分別為0.887和0.862?？梢娙S反距離權重方法在預測不同季節土壤鹽分三維空間變化上都得到了較高的精度。本研究的方法和思路可以用于具有相似生態因子背景的區域土壤鹽分三維分布的研究。

3 討 論

通過電磁感應技術（EM38）獲得土壤鹽分三維離散分布空間數據是目前區域土壤鹽分三維特征評估的主要思路[3,6,21]。本研究利用多元回歸方法建立了不同季節及不同土層土壤含鹽量的解譯模型，相關系數在 0.875～0.960之間，達到顯著水平，具有較高的精度[10,18,31]。本研究在建立鹽分解譯模型時考慮到土壤含水量、土壤質地、pH值及地下水礦化度等因素，因其與土壤含鹽量的相關性不顯著，最后建模時未引用這些變量。由于土壤含鹽量變化的季節性和隨機性，2015年秋季與2016年春季土壤鹽分解譯模型的相關系數有所不同。后續研究同樣可以用電磁感應技術獲得土壤表觀電導率，再利用多元回歸的方法獲得土壤鹽分的解譯模型。

研究區土壤全鹽量的空間分布因受到微地形、氣候、地下水性質等自然因素和農田灌溉等人為因素影響，春、秋兩季土壤鹽分空間變異性均表現為強度變異性，這與新疆地區其他研究結果相似[33]。研究區春、秋兩季土壤鹽分以非鹽漬化占主體，鹽漬化程度高的土壤主要分布在研究區的西北、西南及中部地區。2016年春季土壤鹽漬化程度變深，鹽土所占比例變大。兩個季節土壤剖面鹽分變化大部分表現為表聚性，但由于其強空間變異性，局部表現為底聚性，這與研究區的主要土地利用方式為水稻田和荒地有關，因為水稻田和荒地兩種土地類型土壤鹽分的動態變化差異較大[30,32]。

4 結 論

1）研究區秋、春兩個季節各層土壤鹽分含量均為強度變異性，隨著季節不同，剖面變異規律有一定的差異，秋季土壤鹽分含量的變異性隨著土層深度的增加而減小，而春季土壤鹽分含量的變異性隨著土層深度的增加而增大。

2）研究區大部分區域土壤鹽分含量比較低，秋、春兩個季節土壤鹽分含量高值區域主要集中在研究區的西北、西南及中部地區，并且表現出次年春季的鹽漬化程度及鹽土所占比例比前一年秋季明顯加重。

3）電磁感應式土壤表觀電導率快速測定結合三維反距離權重方法，對區域秋季和春季土壤鹽分三維空間變異特征解析的精度分別達到相關系數為0.887和0.862。本研究可以為評估新疆區域土壤鹽分節土壤鹽分三維空間變異特征進行精確解析與評估。

[1] 李鳳全，吳樟榮. 半干旱地區土地鹽堿化預警研究以吉林省西部土地鹽堿化預警為例[J]. 水土保持通報，2002，22(1)：57－59.Li Fengquan, Wu Zhangrong. A study on soil salinization early-warning in semi-arid area－as a sample in West Jilin Province[J]. Bulletin of Soil and Water Conservation, 2002,22(1): 57－59. (in Chinese with English abstract)

[2] 楊勁松. 中國鹽漬土研究的發展歷程與展望[J]. 土壤學報，2008，45(5)：837－845.Yang Jingsong. Development and prospect of the research on salt-affected soils in China[J]. Acta Pedologica Sinica, 2008,45(5): 837－845. (in Chinese with English abstract)

[3] 吳亞坤，劉廣明，楊勁松，等. 基于反距離權重插值的土壤鹽分三維分布解析方法[J]. 農業工程學報，2013，29(3)：100－106.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. (in Chinese with English abstract)

[4] Taghizadeh-Mehrjardi R, Minasny B, Sarmadian F, et al.Digital mapping of soil salinity in Ardakan region, central Iran[J]. Geoderma, 2014, 213: 15－28.

[5] Scudiero E, Skaggs T H, Corwin D L. Comparative regional-scale soil salinity assessment with near-ground apparent electrical conductivity and remote sensing canopy reflectance[J]. Ecological Indicators, 2016, 70: 276－284.

[6] Li H Y, Marchant B P, Webster R. Modelling the electrical conductivity of soil in the Yangtze delta in three dimensions[J]. Geoderma, 2016, 269: 119－125.

[7] Ding J L, Yu D L. Monitoring and evaluating spatial variability of soil salinity in dry and wet seasons in the Werigan–Kuqa Oasis, China, using remote sensing and electromagnetic induction instruments[J]. Geoderma, 2014,235－236: 316－322.

[8] Liu G M, Li J B, Zhang X C, et al. GIS-mapping spatial distribution of soil salinity for Eco-restoring the Yellow River Delta in combination with Electromagnetic Induction[J]. Ecological Engineering, 2016, 94: 306－314.

[9] Corwin D L, Plant R E. Applications of apparent soil electrical conductivity in precision agriculture [J]. Computers and Electronics in Agriculture, 2005, 46(1/2/3): 1－10．

[10] 呂真真，楊勁松，劉廣明. 基于EM38－MK2的濱海土壤電導率精確解譯模型[J]. 排灌機械工程學報，2014，32(10)：894－900 Lü Zhenzhen, Yang Jingsong, Liu Guangming． Accurate models of interpreting soil electrical conductivity based on EM38-MK2[J]. Journal of Drainage and Irrigation Machinery Engineering (JDIME), 2014, 32(10): 894－900. (in Chinese with English abstract)

[11] Neely H L, Morgan C L S, Hallmark C T, et al. Apparent electrical conductivity response to spatially variable vertisol properties[J]. Geoderma, 2016, 263: 168－175.

[12] Huang J, Mcbratney A B, Minasny B, et al. Monitoring and modelling soil water dynamics using electromagnetic conductivity imaging and the ensemble Kalman filter[J].Geoderma, 2017, 285: 76－93.

[13] Guillemoteau J, Tronicke J. Non-standard electromagnetic induction sensor configurations: Evaluating sensitivities and applicability[J]. Journal of Applied Geophysics, 2015,118: 15－23.

[14] Huang J, Subasinghe R, Malik R S, et al. Salinity hazard and risk mapping of point source salinisation using proximally sensed electromagnetic instruments[J]. Computers and Electronics in Agriculture, 2015, 113(C): 213－224.

[15] Farzamian M, Santos F A M, Khalil M A. Application of EM38 and ERT methods in estimation of saturated hydraulic conductivity in unsaturated soil[J]. Journal of Applied Geophysics, 2015, 112(112): 175－189.

[16] Li H Y, Webster R, Shi Z. Mapping soil salinity in the Yangtze delta: REML and universal kriging (E-BLUP)revisited[J]. Geoderma, 2015, 237－238: 71－77.

[17] 李洪義，史舟，唐惠麗. 基于三維普通克立格方法的濱海鹽土電導率三維空間變異研究[J]. 土壤學報，2010，47(2)：359－363.Li Hongyi, Shi Zhou, Tang Huili. Research on three-dimension spatial variability of soil electrical conductivity of coastal saline land using 3D ordinary kriging method[J]. Acta Pedologiaca sinica, 2010, 47(2): 359－363.(in Chinese with English abstract)

[18] 姚榮江，楊勁松，趙秀芳，等. 沿海灘涂土壤鹽分空間分布的三維隨機模擬與不確定性評價[J]. 農業工程學報，2010，26(11)：91－97.Yao Rongjiang, Yang Jingsong, Zhao Xiufang, et al.Three-dimensional stochastic simulation and uncertainty assessment onspatial distribution of soil salinity in coastal region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 91－97. (in Chinese with English abstract)

[19] Guo Y, Shi Z, Li H Y, et al. Application of digital soil mapping methods for identifying salinity management classes based on a study on coastal central China[J]. Soil Use and Management, 2013, 29(3): 445－456.

[20] 劉廣明，吳亞坤，楊勁松，等. 基于光譜指數的區域土壤鹽分三維空間變異研究[J]. 光譜學與光譜分析，2013，33(10)：2758－2761.Liu Guangming, Wu Yakun, Yang Jinsong, et al. Study on three-dimension spatial variability of regional soil salinity based on spectral indices[J]. Spectroscopy and Spectral Analysis, 2013, 33(10): 2758－2761. (in Chinese with English abstract)

[21] 馬翀，潘懋，金毅，等. 三維地學建模技術與 Kriging方法在固體礦產儲量計算中的應用[J]. 北京大學學報(自然科學版)，2011，47(3)：483－490.Ma Chong, Pan Mao, Jin Yi, et al. Application of 3D geosciences modeling technology and Kriging method for solid mine reserves estimation[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013, 47(3): 483－490.(in Chinese with English abstract)

[22] Lesch S M. Sensor-directed response surface sampling designs for characterizing spatial variation in soil properties[J]. Computers and Electronics in Agriculture, 2005,46(1/2/3): 153－179.

[23] Triantafilis J, Lesch S M, Lau K L, et al. Field level digital soil mapping of cation exchange capacity using electromagnetic induction and a hierarchical spatial regression model[J]. Australian Journal of Soil Research,2009, 47(7): 651－663.

[24] Triantafilis J, Santos F A M. Hydrostratigraphic analysis of the Darling River valley (Australia) using electromagnetic induction data and a spatially constrained algorithm for quasi-three-dimensional electrical conductivity imaging[J].Hydrogeology Journal, 2011, 19(5): 1053－1063.

[25] Triantafilis J, Terhune IV C H, Monteiro Santos F A. An inversion approach to generate electromagnetic conductivity images from signal data[J]. Environmental Modelling &Software, 2013, 43(3): 88－95.

[26] Grellier S, Florsch N, Camerlynck C, et al. The use of Slingram EM38 data for topsoil and subsoil geoelectrical characterization with a Bayesian inversion[J]. Geoderma,2013, 200－201: 140－155.

[27] 魯如坤. 土壤農業化學分析方法[M]. 北京：中國農業科技出版社，1999：90－99．

[28] van Meirvenne M, Maes K, Hofman G. Three-dimensional variability of soil nitrate-nitrogen in an agricultural field[J].Biology and Fertility of Soils, 2003, 37(3): 147－153.

[29] 王遵親，祝壽泉，俞仁培，等. 中國鹽漬土[M]. 北京：科學出版社，1993.

[30] 祖皮艷木·買買提，海米提·依米提，麥麥提吐爾遜·艾則孜.伊犁河谷地下水及土壤鹽分分布特征[J]. 干旱地區農業研究，2011，29(1)：58－63.Zulpiya Mamat, Haimiti Yimiti, Mamattursun Aziz. The distribution of salinity of soil and groundwater in Ili River valley[J]. Agricultural Research in the Arid Areas, 2011,29(1): 58－63. (in Chinese with English abstract)

[31] 姚遠，丁建麗，張芳，等. 基于電磁感應技術的塔里木盆地北緣綠洲土壤鹽分空間變異特性[J]. 中國沙漠，2014，34(3)：765－772.Yao Yuan, Ding Jianli, Zhang Fang, et al. Monitoring the spatial variability of soil salinity and composite in dry and wet seasons in North Tarim Basin monitored with electromagnetic induction instruments[J]. Journal of Desert Research, 2014, 34(3): 765－772. (in Chinese with English abstract)

[32] 馬成霞，丁建麗，王璐，等. 綠洲土壤表層含鹽量空間變異分析的插值方法研究[J]. 水土保持研究，2014，21(4)：317－320.Ma Chengxia, Ding Jianli, Wang Lu, et al. Research for interpolation method of spatial variation analysis on soil salinity in the oasis[J]. Research of Soil and Water Conservation, 2014, 21(4): 317－320. (in Chinese with English abstract)

Response of three-dimensional spatial variability of soil salinity to change of season of Xinjiang based on electromagnetic induction

Wu Yakun1,2, Liu Guangming2※, Su Litan3, Yang Jingsong2
（1.School of Energy and Environment, Anhui University of Technology,Maanshan243002, China; 2.State Key Laboratory of
Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing210008, China;3.Xinjiang Institute of Ecology and Geography,Chinese Academy of Sciences,Urimqi830011, China）

Salinization and alkalinization are the prominent land degradation processes in arid areas. In this study, our objective was to demonstrate the three-dimensional distribution of the regional soil salt responding to the change of season in typical zone of Xinjiang Automonous Region. The studied areas are located in typical area of the YiLi district in Xinjiang. The apparent electrical conductivity (ECa) was measured at each site using a Geonics ElectroMagnetic (EM38) instrument in different season. The ECadata collected included measurements using both horizontally and vertically modes. Soil samples were collected at selected sites immediately after the EM38 surveys. A field study was conducted, which was consisted of 70 measurement sites visited in different seasons. In addition, soil samples were also collected between 0 to 0.3 m, 0.3 to 0.6 m and 0.6 to 1.0 m depth increments at the location of the deep cores. Prior to laboratory analysis samples were air-dried and ground to pass a 2-mm sieve. The profile soil salinity was determined from the electrical conductivity of a saturated soil paste extract (ECe) according to standard methods. The profile soil salinity was obtained by regression model using apparent electrical conductivity. The model correlation coefficient differed from 0.875 to 0.952 that indicated high precision accuracy for each model. Three-dimensional soil salt distribution was characterized by inverse distance weighting method for different season. The results showed that average of soil salinity all decreased with increasing depth in the study area in different season. But average of soil salinity moderately decreased with increasing depth in autumn than in spring. The coefficient of variation of soil salinity, an indicative of strength intensity variation for different seasons, ranged from 1.223 to 1.636.Variation of soil salinity decreased with the increase of soil depth in autumn, but variation of soil salinity increased with the increase of soil depth in spring. Map of three-dimensional distribution of the regional soil salt demonstrated that sever soil salinity located in northwest corner of the studied area in autumn and spring. But the area and degree of salinization indicated more serious in spring than in autumn in northwest corner of the studied area. The soil salinity of total profile was more than 6 g/kg soil in northwest corner of study area in spring. Non-saline soil mostly distributed in the studied area in autumn of 2015.Area ratio of non-saline soil for each depth differed 65%, 69% and 81%. Area ratio of non-saline soil increased with increasing depth, area ratio of salinization soil decreased with increasing depth in the study area. Area ratio of different degree salinization soil had slight difference with increasing depth. Area ratio of mild salinization was more than moderate salinization and severe salinization, and area ratio of saline soil (soil salt content more than 6 g/kg soil) was least in 0 to 60 cm depth. Area ratio of moderate salinization was more than mild salinization, and area ratio of severe salinization was least in 60 to 120 cm depth.Non-saline soil mostly distributed and area ratio of non-saline soil increased with increasing depth in study area in spring of 2016. But ratio of saline soil became more than 5% for each depth. The degree of soil salinization and proportion of the severity salinization was significantly increased in the spring of next year than the previous year in autumn. The synthesized method based inverse distance weighting (IDW) method combining electromagnetic induction technique in this study had 0.887 and 0.862 of high correlation coefficient for different season assessment of regional soil salinity. Thus the application of this technique provides a new method to interpretation and evaluation of regional soil salinity response to different season in the three-dimensional spatial distribution characteristics in Xinjiang province.

electromagnetic induction; soils; salinity measurement; inverse distance weighting; three-dimensional spatial variability; seasonal change

10.11975/j.issn.1002-6819.2017.14.024

S156.4

A

1002-6819(2017)-14-0173-06

吳亞坤，劉廣明，蘇里坦，楊勁松. 基于電磁感應研究新疆土壤鹽分三維空間變異對季節的響應[J]. 農業工程學報，2017，33(14)：173－178.

10.11975/j.issn.1002-6819.2017.14.024 http://www.tcsae.org

Wu Yakun, Liu Guangming, Su Litan, Yang Jingsong. 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)

doi：10.11975/j.issn.1002-6819.2017.14.024 http://www.tcsae.org

2016-11-16

2017-02-22

新疆維吾爾自治區科技計劃項目（201531116）；國家重點研發計劃項目（2016YFC0501400）

吳亞坤，黑龍江泰來人，博士，講師，主要從事土壤鹽漬化風險評估與GIS方面的研究。馬鞍山 安徽工業大學能源與環境學院，243002。Email：wuyakun8250@163.com

※通信作者：劉廣明，山東鄒城人，博士，副研究員，主要從事土壤鹽漬化防控與農業資源高效利用方面的研究。南京 中國科學院南京土壤研究所，210008。Email：gmliu@issas.ac