灰色評估模型定量評價于田綠洲土壤鹽漬化風險

依力亞斯江·努爾麥麥提，師慶東，阿不都拉·阿不力孜，夏 楠，王敬哲

?

灰色評估模型定量評價于田綠洲土壤鹽漬化風險

依力亞斯江·努爾麥麥提1,2，師慶東2※，阿不都拉·阿不力孜2,3，夏 楠1,2，王敬哲1,2

（1. 新疆大學資源與環境科學學院，烏魯木齊 830046；2. 新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046； 3. 新疆大學旅游學院，烏魯木齊 830049）

針對土壤鹽漬化這一干旱區重大生態環境問題，以新疆維吾爾自治區于田綠洲為研究靶區，在野外踏探、室內試驗的基礎上，將土壤電導率作為評價鹽漬化風險生態終點，選擇地面蒸散發、地表溫度、地表反照率、地面高程、地下水埋深、地下水電導率、地上生物量、葉面積指數、歸一化植被指數、表層土壤pH值、表層土壤含水率、土地利用/覆被類型、人口密度和人均耕地面積共14個評價指標作為主要鹽漬化風險源，通過遙感與GIS技術獲取這些評價因子空間數據集，同時進行數據標準化、疊加并生成相應的柵格圖層集，采用Pearson相關性分析法確定評價因子風險權重，引入灰色系統分析法構建研究區鹽漬化風險灰色評價模型，構建了土壤鹽漬化風險評價模型，并對研究區的鹽漬化風險進行定量評價與分析。結果表明：整個研究區鹽漬化風險值介于0.053～0.747之間，平均值達到0.190。總體以一般風險為主，鹽漬化高度風險占23.37%，雖然分布面積不大，但對綠洲北部區域的生態環境和農業生產影響深遠。研究可為干旱區綠洲的土地資源管理、農田系統的合理布局及農業可持續發展中的風險決策提供數據基礎與參考依據。

土壤；鹽漬化；遙感；GIS；風險評價；灰色評估；于田綠洲

0 引 言

土壤鹽漬化是干旱、半干旱區的一種典型的土地退化問題[1]。它不僅制約干旱區農業的可持續發展，而且對區域生態環境構成極大威脅[2]。中國鹽漬化土壤分布極為廣泛，所帶來的環境、社會和經濟后果嚴重。由于特殊的地形地貌、干旱氣候條件和不合理的水土資源利用，西北干旱區的土壤鹽漬化愈發嚴重，使得農業生態系統以及國家糧食安全受到嚴重影響[3]。中國新疆維吾爾自治區是其中的典型代表，鹽漬化土壤分布廣、種類多，被稱作“世界鹽漬土的博物館”[4]。同時，鹽漬化風險是新疆綠洲面臨的主要危害，是制約當地土地資源可持續開發和利用的首要障礙[5]。因此，利用遙感（remote sensing，RS）與地理信息系統（geographic information system，GIS）技術對土壤鹽漬化進行檢測，宏觀、動態、快速地獲取其有效信息[6-7]，開展土壤鹽漬化風險動態監測及定量評價具有重要的現實意義[8-13]。

目前，國內外的學者主要采用生態風險評價理論進行土壤鹽漬化方面的研究[14]，常用的方法有、綜合指數法[15]、以熵值法和暴露-反應法為主的物理方法[16]、模糊評判法[17]、聚類分析法[18]、馬爾可夫預測法[19]、灰色系統分析法[20-21]、人工神經網絡模型[22]等計算機模擬方法。在新疆有學者評估了以北疆艾比湖流域為代表的土壤鹽漬化風險[23-24]，然而，對于自然環境差異較大、氣候更加干旱、鹽漬化災害十分嚴重的南疆地區的相關研究則較少。

基于此，本研究選取新疆南部鹽漬化問題典型地區—于田綠洲為研究區，運用遙感和空間信息技術引入灰色系統分析法，構建土壤鹽漬化風險定量評估模型并對其進行綜合評價，以期為當地農業生產可持續發展和土地資源科學管理提供科學參考。

1 研究區及數據來源

1.1 研究區概況

于田綠洲位于新疆和田地區于田縣境內（36°47￠～37°6￠N，81°8￠～81°45￠E），南部毗鄰塔克拉瑪干沙漠，北部依靠昆侖山，受大陸性干旱氣候和山盆相間的地貌格局影響，形成典型的綠洲—荒漠生態系統[25]（圖1）。研究區地勢南高北低，最高海拔1 639 m，最低海拔1 304 m；熱量與光照豐富，多年平均氣溫12.4 ℃，≥10 ℃積溫為4 340 ℃，年總輻射量達6.12×105J/cm2，年日照時數長達2.73×103h[26]。平原綠洲區年均降水僅14 mm，年均蒸發量則高達2 500 mm，其主要依靠山區冰雪融水和部分地下水補給[25]。于田綠洲的天然植被主要為蘆葦、檉柳、胡楊、駱駝刺等[25]；土壤類型主要為草甸土和棕漠土，其土壤顆粒物細而透水性差，地下水水位偏高且礦化程度嚴重，存在不同程度的土壤鹽漬化和外圍沙漠化問題[27]，生態環境十分脆弱。

圖1 研究區示意圖

1.2 數據資料與處理

1.2.1 野外數據

根據于田綠洲的景觀空間分布特征、土壤鹽漬化程度空間差異性等特點，在研究區內設定95個典型點位進行野外樣本采集（圖1），其中24個采樣點為地下水位記錄儀安置點，可動態獲取地下水位及相關數據。分別于2015年11月和2016年10月進行野外樣品采集，采集表土（0～20 cm）土樣、記錄各點的土壤類型、土地利用/覆被類型、植被類型；測量或評估相關參數，包括植被覆蓋度、葉面積指數、土壤鹽漬化情況、土壤水分、鹽分、溫度、電導率等，讀取地下水位記錄儀測得的地下水埋深和地下水電導率等數據。對野外調查所獲得樣本在室內測定植物地上生物量、土壤水分、pH值和電導率等數據。

1.2.2 鹽漬化風險源的選取

在已有研究成果的基礎上[28-29]，參照研究區實際情況與歷史資料，通過咨詢專家，總結出各類鹽漬化風險源的強度及范圍，選取代表研究區實際情況的風險因子，并結合研究區數據的完整性與代表性，最終選擇了地面蒸散發、地表溫度、地表反照率、地面高程、地下水埋深、地下水電導率、地上生物量、葉面積指數、歸一化植被指數、表層土壤pH值、表層土壤含水率、土地利用/覆被類型、人口密度、人均耕地面積共14個鹽漬化風險源建立鹽漬化風險評價指標體系（表1）。

表1 研究區土壤鹽漬化風險源數據獲取方式描述

1.2.3 遙感反演數據

本研究選取與野外考察同時期、已經過輻射校正和幾何校正的Landsat-8光學遙感數據反演土壤鹽漬化風險成因要素，包括歸一化植被指數（normalized difference vegetation index，NDVI）、葉面積指數（leaf area index，LAI）、地表反照率（albedo）、地表溫度（land surface temperature，LST）、蒸散發（evapotranspiration，ET）、生物量（biomass）評價因子（圖2）。本研究選取，研究區的數字高程模型（digital elevation model，DEM）來自于30 m分辨率的ASTER GDEM數據。同時，基于決策樹分類法獲取研究區土地利用/覆被（land-use/land-cover, LULC）分類圖[30]，結合野外實地測量數據，對遙感反演結果進行精度驗證，以確保其可靠性。

1.2.4 空間數據

為實現點位數據的空間面狀化，進而匹配ET、LST等空間因子，利用空間內插的方法對研究區表層土壤（0～20 cm土層）、含鹽量（topsoil salinity, TSS）、表層土壤電導率（topsoil electrical conductivity, TS_EC）、表層土壤pH值（pH）、表層土壤水分（surface soil water content, SWC）、地下水埋深（groundwater depth, GWD）、地下水電導率（groundwater electrical conductivity, GW_EC）、人口密度（population density, PD）和人均耕地面積（per capita arable land, PCAL）數據進行空間插值。由于不同插值方法的結果存在較大差異，因此必須選用最優空間內插方法[31]。根據既往的研究結果[32-33]和本研究試驗結果，最終選擇反距離加權（inverse distance weighted，IDW）插值法對研究區以上8種鹽漬化風險評價因子進行空間插值，生成各評價因子所對應的空間分布圖（圖3）。

注：圖g中WB、MS、VG、BL、HS、SS分別為水體、中度鹽漬地、植被、裸露地、重度鹽漬地、輕度鹽漬地。

圖3 研究區GIS空間插值的鹽漬化風險成因數據

2 研究方法

2.1 研究技術路線

為綜合考量多源數據的集成，首先對遙感數據、野外實地考查數據、地理背景數據和社會經濟數據等多種數據進行合成以獲取研究區GIS空間數據庫。然后，依據構建的鹽漬化風險評價因子數據集，建立研究區鹽漬化風險評估指標體系并構建鹽漬化風險灰色評估模型；最后，開展研究區鹽漬化風險狀況的定量評估、分級與分析。具體研究技術路線如圖4所示。

2.2 灰色評估模型

灰色系統理論是由中國著名學者鄧聚龍教授于1982提出[34]的一種多因素統計分析方法，其目的是通過一定的方法原理確定系統中各因素的主要關系，用灰色關聯度來刻畫因素間關系的強弱、大小和次序[35]。該方法能夠從整體觀念出發綜合評價受多種因素共同影響的事物和現象，并且得到廣泛應用[36]。灰色關聯度的方法根據序列之間發展趨勢的相似或相異程度來判斷其聯系是否緊密，該方法彌補了采用數理統計方法進行系統分析所導致的缺憾，并它對樣本量的多少和樣本有無規律都同樣適用[37]，因此本文引入灰色系統分析法對該區域的鹽漬化風險進行了定量分析。

圖4 土壤鹽漬化風險定量評估研究技術路線

如果將土壤鹽漬化風險定義為鹽漬化風險因子x對最適宜值x的偏離程度，則有如下基本的評價模型[37]：

根據前人研究[38-39]可知，灰色評估方法彌補了采用數理統計方法進行系統分析所導致的缺陷。它對采集樣本數量和樣本是否有規律都同樣適用[40]。故本文引進灰色關聯分析數學模型，構建了該研究區土壤鹽漬化風險灰色定量評估模型。

假如x0為采樣點的指標變量（母系列，即參考序列）標準化值，x為第個樣點在第個風險評價因子的標準化值（比較序列）。其中：

式中γ0為第個樣點與各類風險因子關聯度的綜合評價值。鑒于各x與x0之間可能呈現負相關性，即生態風險變量值的增加從而引起指標變量減少而產生損失性風險，這種情況下，則可定義如下基于灰色關聯度模型的鹽漬化風險灰色評估模型為

為客觀評價研究區土壤鹽漬化風險，本文選取表層土壤（0～20 cm）電導率作為生態終點（參考序列0），以鹽漬化風險評級指標體系的14個鹽漬化風險源（表1）作為鹽漬化風險評價因子（比較序列x）。考慮到研究區土地利用類型比較復雜，輕度鹽漬地表層土壤含鹽量差異很小，可比性不明顯，本文選擇與土壤含鹽量密切有關與高度關聯的表層土壤電導率作為參考序列。

3 結果與分析

3.1 鹽漬化風險評價因子風險權重的確定

風險評價因子在土壤鹽漬化風險總體構成中的作用大小稱為風險權重[11]。要評估研究區的土壤鹽漬化風險水平，首先要考慮以上14個評價因子的風險權重。為盡量減少人為主觀因素的過多參與，本研究采用相關系數法[37-38]確定鹽漬化風險各評價因子權重，并通過SPSS?軟件對評價因子進行Pearson相關系數的計算。由表2可知，表層土壤含鹽量和電導率的相關系數為0.99（<0.01），表明土壤含鹽量和電導率高度相關，同時說明土壤電導率可以作為評價土壤鹽漬化風險的參考序列（母序列）。其次，作為鹽漬化風險評價參考因素的TS_EC與DEM的相關性達到1%極顯著水平（=95，=0.003），與LST、GW_EC、Biomass和SWC均顯著相關（=95，<0.05），表明這些評價因子為研究區土壤鹽漬化風險評估的重要因素。此外，ET與LST、Albedo、Biomass極顯著相關，Biomass與ET、LST、Albedo極顯著相關，DEM與GWD、GW_EC極顯著相關。這結果與研究區實際情況比較符合，進一步說明本研究所選取的評價因子較可靠。

表2 鹽漬化風險評價因子Pearson相關系數矩陣

注（Note）：*，<0.05；**，<0.01.

對各評價因子與土壤電導率的相關系數求取絕對值，通過標準化處理后得到14個評價因子的鹽漬化風險權重系數，如表3所示。鹽漬化風險評價因子權重系數大小依次為DEM > SWC > LST > GW_EC > Biomass > GWD > pH > ET > PD > LCLU > NDVI > Albedo > LAI > PCAL。在鹽漬化風險灰色評估模型構建中將其作為各因子的風險評價權重向量。

表3 土壤鹽漬化風險評價因子權重

3.2 鹽漬化風險灰色評估模型的構建

首先，利用ArcGIS?軟件建立土壤鹽漬化評價因子空間地理疊加的柵格圖層集。其次，實現各土壤鹽漬化風險評價因子（比較序列）和指標變量（參考序列）的數據標準化圖層的計算，生成所有因子的空間標準化柵格圖層集。然后，計算出各鹽漬化風險評價因子與表層土壤電導率的灰色關聯系數的柵格圖層集，圖5為DEM、SWC、LST、GW_EC與TS_EC之間灰色關聯系數。最后，基于各個變量的因子權重構建土壤鹽漬化風險評估模型。鑒于于田綠洲土壤鹽漬化程度、分布現狀和生態環境狀況，同時參考相關研究所采用的分級方法[11-12,37-38]確定該地區土壤鹽漬化風險等級劃分標準，共分為4級，如表4所示。

圖5 鹽漬化風險評價因子與表層土壤電導率的灰色關聯系數柵格圖

表4 研究區土壤鹽漬化風險等級劃分標準及鹽漬化風險面積統計表

3.3 土壤鹽漬化風險狀況定量評估與分析

由圖6可知，研究區域鹽漬化風險值在0.053～0.747之間，平均值達到0.190。區域的土壤鹽漬化風險狀況具有明顯空間差異，總體以一般風險為主，高度風險（1級和2級風險）區主要分布在沖洪積平原灌區的斯也克鄉北部、希吾勒鄉、喀爾克鄉、英巴格鄉北部、加依鄉等鄉鎮。其中，斯也克鄉北部區域鹽漬化風險最為嚴重，位于研究區的幾何中心處。研究區北部鹽漬化風險高于南部，其原因一方面在于北部海拔較低、地下水位較淺、土壤鹽分、地下水電導率較高（圖2h和圖3）；另一方面可能在于于田縣大部分耕地依然采用地面漫灌，而且現有的地面灌溉水利用率較低，田間滲漏嚴重，抬高了北部地下水位，造成研究區北部土壤鹽漬化風險更加嚴重。此外，綠洲地下水埋深從由南至北逐漸減小（圖3e），砂礫粒徑由南向北變細，地下水儲水層在沖洪積平原中下部有上通下阻的現象，因此在北部區域土壤鹽漬化風險更為嚴重。從局部來看，研究區中北及西北部鹽漬化風險最高，這是由于該區域地下水埋深較淺、表層土壤含鹽量高、地下水電導率較高、植被覆蓋度低（圖2和圖3），且主要為紅柳、胡楊、蘆葦、鹽節木、鹽穗木等耐鹽植被；同時，于田綠洲北部地勢平坦，地下水的水力坡度小，水平徑流基本停滯，灌區水實際處于垂直循環狀況，形成了積鹽環境。由圖3a與圖6可知，研究區鹽漬化風險與土壤鹽分的空間分布特征高度一致，這表明本研究構建的灰色評估模型具有可信性。

圖6 研究區土壤鹽漬化風險空間分布

表4為研究區各級鹽漬化風險區面積的統計結果。研究區3級風險的區域面積最大，占總面積的48.94%（942.45 km2），主要集中分布于研究區北部和中部，鹽漬化危害程度為一般，屬于潛在風險區域，其一部分分布在綠洲農田區域，對研究區農作物較為不利；其次是4級風險區，占27.69%（533.09 km2），屬于風險較小的區域，主要碎片式分布于研究區的南部，這些部位土壤含鹽量較低；鹽漬化2級風險區占19.35%（372.56 km2），主要分布在研究區北部和西北部位，且屬于1級風險與3級風險的過渡帶，呈斑塊狀分布，風險為較大。鹽漬化1級風險區域僅占4.02%（77.39 km2），主要呈斑塊狀分布于研究區北邊和西北部位，土壤含鹽量普遍較高，風險很大。總體上，研究區域以一般風險和較小風險為主，占研究區總面積76.64%, 是土壤改良治理和科學管理的重點區域。1級和2級風險區占23.37%，雖然分布面積不大，但對綠洲北部，克里雅河流域的下游區域的生態環境和農業生產影響深遠。

本研究盡管成功構建了鹽漬化風險灰色評估模型，然而還存在一些不足與評估結果的不確定性。土壤鹽漬化通常是的自然和人類活動共同作用造成的，而且缺乏長期連續試驗觀測數據的支持，因此鹽漬化風險評估指標的遴選及其權重系數的確定極易受到主觀因素的影響。本研究構建的鹽漬化風險灰色評估模型的泛化能力還有待進一步驗證。此外，本研究的數據來源較為復雜、類型眾多，包括柵格數據、矢量數據、屬性數據，點、線、面數據，一部分為遙感定量反演所得，另一部分為GIS空間內插所產生，因此這些數據之間的有機集成和數據有效同化可能存在一定不確定性。今后的研究將進一步完善數據，減少人為因素的干擾，進一步完善這些數據的同化機制，繼續探索鹽漬化風險最優定量評估模型，以期為干旱區綠洲土地資源管理、農作物的合理布局和生態環境的保護提供一定數據基礎，并為區域可持續發展中的風險決策提供參考依據。

4 結 論

1）對研究區鹽漬化風險評價因子進行Pearson相關系數的計算，得出鹽漬化風險評價因子權重系數以地面數字高程最大、表層土壤含水率次之。

2）整個研究區域鹽漬化風險值介于0.053～0.747之間，平均值達到0.190。研究區不同區域土壤鹽漬化風險狀況具有顯著差異性，風險總體以一般風險為主。

3）研究區3級風險的區域面積為最大，占總面積的48.94%，鹽漬化危害程度為一般，屬于潛在風險區域；其次是4級風險區，占27.69%，屬于風險較小的區域，這些部位土壤含鹽量較低；再次鹽漬化2級風險區站19.35%，呈斑塊狀分布，風險為較大。最后鹽漬化1級風險區域僅占4.02%，主要呈斑塊狀分布于研究區北邊和西北部位，土壤含鹽量普遍較高，風險很大。研究區域1級和2級風險占23.37%，雖然分布面積不大，但對綠洲北部區域的生態環境和農業生產影響深遠。

[1] Metternicht G I, Zinck J A. Remote sensing of soil salinity: Potentials and constraints[J]. Remote Sensing of Environment, 2003, 85(1): 1－20.

[2] Amezketa E. An integrated methodology for assessing soil salinization, a pre-condition for land desertification[J]. Journal of Arid Environments, 2006, 67(4): 594－606.

[3] 田長彥，周宏飛，劉國慶. 21世紀新疆土壤鹽漬化調控與農業持續發展研究建議[J]. 干旱區地理，2000，23(2)：177－181. Tian Changyan, Zhou Hongfei, Liu Guoqing. The proposal on control of soil salinizing and agricultural sustaining development in 21' s century in Xinjiang[J]. Arid land Geography, 2000, 23(2): 177－181. (in Chinese with English abstract)

[4] 張芳. 新疆奇臺綠洲土壤堿化特征及遙感監測研究[D]. 烏魯木齊：新疆大學，2011. Zhang Fang. Characteristics of Alkalinized soil in Qitai oasis in Xinjiang and the investigation by remote sensing[D]. Urumqi: Xinjiang University, 2011. (in Chinese with English abstract)

[5] 胡小韋. 于田綠洲土壤鹽漬化與地下水環境變化的關系研究[D]. 烏魯木齊：新疆大學，2008. Hu Xiaowei. Study of Relationship Between the Soil Salinization and the Change of Groundwater Environment in Yutian Oasis[D]. Urumqi: Xinjiang University, 2008. (in Chinese with English abstract)

[6] 郭華東. 雷達對地觀測理論與應用[M]. 北京：科學出版社，2000.

[7] 黨安榮. 地理信息系統可視化專題制圖要素分級探討[J]. 地理學報，1998，65(增刊1)：61－66.Dang Anrong. Study on thematic mapping element classification of GIS visualization[J]. Acta Geographica Sinica, 1998, 65(s1): 61－66. (in Chinese with English abstract)

[8] 丁建麗, 姚遠, 王飛. 基于三維光譜特征空間的干旱區土壤鹽漬化遙感定量研究[J]. 土壤學報，2013，50(5)：853－861. Ding Jianli, Yao Yuan, Wang Fei. Quantitative remote sensing of soil salinization in arid regions based on three dimensional spectrum eigen spaces[J]. Acta Pedologica Sinica, 2013, 50(5): 853－861. (in Chinese with English abstract)

[9] 王飛，丁建麗，伍漫春. 基于NDVI-SI特征空間的土壤鹽漬化遙感模型[J]. 農業工程學報，2010，26(8)：168－173. Wang Fei, Ding Jianli, Wu Manchun. Remote sensing monitoring models of soil salinization based on NDVI-SI feature space[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(8): 168－173. (in Chinese with English abstract)

[10] (美)蘇特爾(Suter G W). 生態風險評價：第二版[M]. 北京：高等教育出版社，2011.

[11] 李冬順，楊勁松，姚榮江. 生態風險分析用于蘇北灘涂土壤鹽漬化風險評估研究[J]. 土壤學報，2010，47(5)：857－864. Li Dongshun, Yang Jinsong, Yao Rongjiang. Application of ecological risk analysis to soil salinization risk assessment of coastal tidal flat in north Jiangsu Province[J]. Acta Pedologica Sinica, 2010, 47(5): 857－864. (in Chinese with English abstract)

[12] 姚榮江，楊勁松，劉廣明，等. 黃河三角洲地區典型地塊土壤鹽分空間變異特征研究[J]. 農業工程學報，2006，22(6)：69－74. Yao Rongjiang, Yang Jinsong, Liu Guangming, et al. Spatial variability of soil salinity in characteristic field of the Yellow River Delta[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(6): 69－74. (in Chinese with English abstract)

[13] Zhou D, Lin Z, Liu L, et al. Assessing secondary soil salinization risk based on the PSR sustainability framework[J]. Journal of Environmental Management, 2013, 128(20): 642－654.

[14] Castrignanò A, Buttafuoco G, Puddu R. Multi-scale assessment of the risk of soil salinization in an area of south-eastern Sardinia (Italy)[J]. Precision agriculture, 2008, 9(1/2): 17－31.

[15] 喻光明，胡秀麗，張敏，等. 土地整理的生態風險評價[J]. 安全與環境學報，2007，7(6): 83－88. Yu Guangming, Hu Xiuli, Zhang Min, et al. The ecological risks assessment of the land use rectification and reconstruction[J]. Journal of Safety and Environment, 2007, 7(6): 83－88. (in Chinese with English abstract)

[16] Hakanson L. An ecological risk index for aquatic pollution control a sedimentological approach[J]. Water Research, 1980, 14(8): 975－1001.

[17] 胡月明，萬洪富，吳志峰，等. 基于GIS的土壤質量模糊變權評價[J]. 土壤學報，2001，38(3)：266－274. Hu Yueming, Wan Hongfu, Wu Zhifeng, et al. GIS based quality evaluation with fuzzy variable weight[J]. Acta Pedologica Sinica, 2001, 38(3): 266－274. (in Chinese with English abstract)

[18] 許明祥,劉國彬,趙允格.黃土丘陵區侵蝕土壤質量評價[J]. 植物營養與肥料學報，2005，11(3)：285－293. Xu Mingxiang, Liu Guobin, Zhao Yunge. Quality assessment of erosion soil on hilly Loess Plateau[J]. Plant Nutrition and Fertilizer Science, 2005, 11(3): 285－293. (in Chinese with English abstract)

[19] 鄭文瑞，王新代，紀昆，等. 非確定數學方法在水污染狀況風險評價中的應用[J]. 吉林大學學報：地球科學版，2003，33(1)：59－62. Zheng Wenrui, Wang Xindai, Ji Kun, et al. Application of undetermined mathematic method in risk assessment of water pollution conditions[J]. Journal of Jilin University Earth: Science Edition, 2003, 33(1): 59－62. (in Chinese with English abstract)

[20] 馬建軍，李青豐，張樹禮. 灰色關聯分析在黑岱溝露天煤礦土壤質量評價中的應用[J]. 干旱區資源與環境，2007，21(7)：125－129. Ma Jianjun, Li Qingfeng, Zhang Shuli. Application of grey system theory to the reclaimed land soil quality evaluation of Hei Dai Gou opencast coal mine[J]. Journal of Arid Land Resources and Environment, 2007, 21(7): 125－129. (in Chinese with English abstract)

[21] 李月芬，湯潔，林年豐，等. 灰色關聯度法在草原土壤質量評價中的應用[J]. 吉林農業大學學報，2003，25(5)：551－556. Li Yuefen, Tang Jie, Lin Nianfeng, et al. Application of grey system theory in evaluating grassland soil quality[J]. Journal of Jilin University, 2003, 25(5): 551－556. (in Chinese with English abstract)

[22] 陳輝，李雙成，鄭度. 基于人工神經網絡的青藏公路鐵路沿線生態系統風險研究[J]. 北京大學學報：自然科學版，2005，41(4)：586－593. Chen Hui, Li Shuangcheng, Zheng Du. Ecological risk assessment of regions alongside Qinghai-Xizang highway and railway based on artificial neural network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2005, 41(4): 586－593. (in Chinese with English abstract)

[23] 王東芳. 艾比湖濕地國家級自然保護區土壤鹽漬化生態風險評價[D]. 烏魯木齊：新疆大學，2016. Wang Dongfang. Ecological Risk Assessment of Soil Salinization in Ebinur Lake Wetland National Nature Reserve[D]. Urumqi: Xinjiang University, 2016. (in Chinese with English abstract)

[24] 張兆永，李菊英，祖皮艷木·買買提，等. 艾比湖流域小尺度農田土壤養分的空間分布和鹽漬化風險評價[J]. 生態學報，2017，37(3)：819－828. Zhang Zhaoyong, Li Juying, Zulpiya Mamat, et al. Spatial heterogeneity of soil nutrients and salinization risk assessment of a small-scale farmland in Ebinur Basin in northwest China[J]. Acta Ecologica Sinica, 2017, 37(3): 819－828．

[25] 田源. 干旱區典型綠洲空間熱環境遙感研究[D]. 烏魯木齊：新疆大學，2009. Tian Yuan. Study on the Space Thermal Environment of typical Oasis in the Arid Region using Remote Sensing Technology[D]. Urumqi: Xinjiang University, 2009. (in Chinese with English abstract)

[26] 于田縣地方志編纂委員會. 于田縣志[M]. 烏魯木齊：新疆人民出版社，2006：94－185.

[27] 劉曾媛，貢璐，張雪妮，等. 克里雅河流域于田綠洲土壤酶活性與理化因子相關性分析[J]. 中國土壤與肥料, 2014(4): 35－41. Liu Zengyuan, Gong Lu, Zhang Xueni, et al. Soil enzyme activities and their relationship with physicochemical factors in Yutian oasis of the Keriya river watershed[J]. Soil and Fertilizer Science in China, 2014(4): 35－41. (in Chinese with English abstract)

[28] 姜紅濤. 干旱區土壤水鹽變化特征及其影響因子的遙感反演和GIS分析[D]. 烏魯木齊：新疆大學, 2014. Jiang Hongtao. Remote Sensing Inversion and GIS Analysis of Soil Water and Salt Change Characteristics and Its Influencing Factors in Arid Area[D]. Urumqi: Xinjiang University, 2014. (in Chinese with English abstract)

[29] 劉國華.于田綠洲土壤鹽分特征及其成鹽驅動因子分析[D]. 烏魯木齊：新疆大學，2009. Liu Guohua. Study on Soil Salinity Characteristics and its Salt-driven Actuation Factors in Yutian Oasis[D]. Urumqi: Xinjiang University, 2009. (in Chinese with English abstract)

[30] Nurmemet I, Ghulam A, Ding J L, et al. Monitoring soil salinization in Keriya River Basin, Northwestern China using passive reflective and active microwave remote sensing data[J]. Remote Sensing, 2015, 7(7): 8803－8829.

[31] Piazza A D, Conti F L, Noto L V, et al. Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily, Italy[J]. International Journal of Applied Earth Observation & Geoinformation, 2011, 13(3): 396－408.

[32] 蔡福，于貴瑞，祝青林，等. 氣象要素空間化方法精度的比較研究：以平均氣溫為例[J]. 資源科學，2005，27(5)：173－179. Cai Fu, Yu Guirui, Zhu Qinglin, et al. Comparison of precisions between spatial methods of climatic factors: A case study on mean air temperature[J]. Resource science, 2005, 27(5): 173－179. (in Chinese with English abstract)

[33] 吳亞坤，劉廣明，蘇里坦，等. 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. Wu Yakun, Liu Guangming, Su Litan, et al. 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).

[34] 鄧聚龍. 灰色系統理論教程[M]. 武漢：華中理工大學出版社，1990.

[35] 徐建華. 現代地理學中的數學方法[M]. 北京：高等教育出版社，2002：224－229．

[36] 田凱波. 基于層次分析法的灰色關聯分析的應用[J]. 湖南農機，2010，37(5)：98－99. Tian Kaibo. Application of grey correlation analysis based on AHP[J]. Hunan Agricultural machinery, 2010, 37(5): 98－99. (in Chinese with English abstract)

[37] 曹建榮，徐興永，于洪軍，等. 黃河三角洲土壤鹽漬化原因分析與生態風險評價[J]. 海洋科學進展，2014，32(4)：508－516. Cao Jianrong, Xu Xingyong, Yu Hongjun, et al. Analysis for driving forces and ecological risk assessment of soil salinization in the Yellow River Delta[J]. Advances in Marin science, 2014, 32(4): 508－516. (in Chinese with English abstract)

[38] 李自珍，李維德，石洪華，等. 生態風險灰色評價模型及其在綠洲鹽漬化農田生態系統中的應用[J]. 中國沙漠，2002，22(6)：617－622. Li Zizhen, Li Weide, Shi Honghua, et al. Gray model for ecological risk assessment and its application in salinization oasis agroecosystem[J]. Journal of Desert Research, 2002, 22(6): 617－622. (in Chinese with English abstract)

[39] 錢建平，周勇，鄖文聚，等. 基于灰色系統理論的收益還原法在農用地估價中的應用[J]. 農業工程學報，2004，20(6)：282－285. Qian Jianping, Zhou Yong, Yun Wenju, et al. Application of income capitalization approach based on grey system theory in the evaluation of agricultrual land price[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(6): 282－285. (in Chinese with English abstract)

[40] 趙曉慧，嚴立蛟. 生態敏感性的灰色關聯投影評價模型及其應用[J]. 浙江大學學報：農業與生命科學，2006，32(3)：341?345. Zhao Xiaohui, Yan Lijiao. Grey relation projection model for the ecological sensitivity[J]. Journal of Zhejiang University: Agric & Life Sci, 2006, 32(3): 341－345. (in Chinese with English abstract)

Quantitative evaluation of soil salinization risk in Keriya Oasis based on grey evaluation model

Ilyas Nurmemet1,2, Shi Qingdong2※, Abdulla Abliz2,3, Xia Nan1,2, Wang Jingzhe1,2

(1.830046,; 2.830046,; 3.830049,)

Soil salinization is a global issue of concern and the biggest global natural disaster. Salt-affected soil is also the most prominent environmental problem in arid and semi-arid regions in China. In this study, the Keriya Oasis in the arid zone of Xinjiang, Northwestern China was chosen as study area, a geodatabase was created with multiple field observations together with laboratory analyses and related datasets including attribute, vector and raster data. Topsoil electrical conductivity (TS_EC) was selected as the ecological endpoint for evaluating the salinization risk. And 14 evaluation indicators were chosen as the main sources of soil salinity risk which included ground evapotranspiration (ET), land surface temperature (LST), surface albedo (Albedo), digital elevation model (DEM), normalized difference vegetation index (NDVI), leaf area index (LAI), aboveground biomass (Biomass), groundwater depth (GWD), groundwater electrical conductivity (GW_EC), topsoil water content (SWC), topsoil pH value (pH), land use land / cover type (LULC), population density (PD) and per capita arable land (PCAL). An index system for soil salinization risk assessment was established. Through remote sensing (RS) techniques and quantitative inversion, 7 risk factors were derived such as: NDVI, LAI, Albedo, LST, ET, Biomass, DEM; the other factors were spatially interpolated, then data normalization was applied to all these datasets and overlayed GIS database of soil salinity risk factors was built. Risk weights of evaluation factors were determined and weight coefficients were calculated by adopting Pearson correlation analysis method. The theory of grey relational analysis system was introduced into soil salinization risk assessment, and risk assessment model was constructed in the study area. Then the soil salinity risk of the region was quantitatively assessed and classified, and finally soil salinity risk map was elaborated. The results showed that: the salinization risk values of the whole study area varied from 0.053 to 0.747, with a mean value of 0.190. Spatial distribution heterogeneity of different risks in the Keriya Oasis was prominent, and soil salinity risk was mainly demonstrated moderate risk. The area of risk rating 3 was the largest, and it accounted for 48.94% of total study area, soil salinity risk was moderate, belonging to potential risk area; The area of rating 4 accounted for 27.69%, and it belonged to the low risk region. Rating 2 risk region accounted for 19.35%, and soil salinity risk was relatively high. Rating 1 risk area accounted for only 4.02%, but it was characterized with very high risk soil salinity. Although the high risky area was smaller in size, it might lead a negative influence on the ecological environment and agricultural production in the northern region of the oasis. In conclusion, the quantitative assessment and mapping results of soil salinization risk in Keriya Oasis could be used to make appropriate decisions related to crop production, prevention of soil salinization, and it might offer scientific evidence and consulting for obtaining sustainable development of agriculture and eco-environment in arid and semi-arid regions.

soils; salinization; remote sensing; GIS; risk assessment; grey evaluation; Keriya Oasis

2018-11-06

2019-03-10

國家自然科學基金（41561089、U1703237、41461111）；新疆大學博士畢業生科研啟動基金（BS160236）

依力亞斯江·努爾麥麥提，博士，從事遙感與地理信息系統及其干旱區資源環境應用研究。Email：ilyas777v@163.com

師慶東，教授，博士生導師，主要研究方向為綠洲生態學。Email：shiqingdong@126.com

10.11975/j.issn.1002-6819.2019.08.021

S156.4；TP79

A

1002-6819(2019)-08-0176-09

依力亞斯江·努爾麥麥提，師慶東，阿不都拉·阿不力孜，夏 楠，王敬哲. 灰色評估模型定量評價于田綠洲土壤鹽漬化風險[J]. 農業工程學報，2019，35(8)：176－184. doi：10.11975/j.issn.1002-6819.2019.08.021 http://www.tcsae.org

Ilyas Nurmemet, Shi Qingdong, Abdulla Abliz, Xia Nan, Wang Jingzhe. Quantitative evaluation of soil salinization risk in Keriya Oasis based on grey evaluation model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8): 176－184. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.08.021 http://www.tcsae.org