渭-库绿洲多尺度景观格局与盐度关系

曹　雷，丁建丽，于海洋（1.新疆大学资源与环境科学学院，乌鲁木齐 830046；　2.新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046）



渭-库绿洲多尺度景观格局与盐度关系

曹雷，丁建丽※，于海洋
（1.新疆大学资源与环境科学学院，乌鲁木齐 830046；2.新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046）

摘要：中国盐渍化土壤面积大，分布广，对区域农业发展构成了严重的威胁。探索土壤景观格局与盐度的关系将有助于盐渍化监测和评估。该研究选择渭-库绿洲GF-1影像为数据源，结合研究区同期38个样点不同剖面土壤盐度数据，对样点缓冲区景观格局与土壤盐度做Pearson相关分析和逐步回归分析，揭示土壤盐度空间分布格局，探讨景观格局与盐度的定量关系。结果表明：1）水平方向上，土壤盐分高值区主要集中分布在绿洲东部荒漠地带和绿洲西部农牧交错区；垂直方向上，渭-库绿洲表层土壤盐渍化现象最为严重，其他各层土壤盐渍化情况相对较轻，盐渍化程度随着深度下降呈降低趋势；2）绿洲区域易受人类活动影响，景观破碎化程度高，而同一区域不同梯度下，随着缓冲距离的增加，区域景观类型增多、均质性降低、多样性增强；3）耕地利用数量指标能较好指示土壤盐度状况，而水体面积、盐渍地面积、其他用地面积、最大斑块指数（largest patch index，LPI）、蔓延度（contagion index，CONTAG）和分维数（perimeter-area fractal dimension，PAFRAC）对盐度影响相对较弱；4）除0～10 cm层外，自＞10～20 cm至＞80～100 cm层逐步回归方程的自变量中，耕地面积、水体面积和最大斑块指数LPI为负效应，而盐渍地面积、其他用地面积、CONTAG和PAFRAC为正效应，最优回归方程决定系数为0.537。该研究确定了渭-库绿洲土壤盐度的分异规律，以及不同盐度对绿洲景观格局的影响程度。研究结果可为西北干旱区绿洲土壤盐度预警提供理论依据，同时为干旱区景观格局研究提供一定的参考价值。

关键词：盐分；回归分析；遥感；景观格局；渭-库绿洲；高分一号

曹雷，丁建丽，于海洋. 渭-库绿洲多尺度景观格局与盐度关系[J]. 农业工程学报，2016，32（3）：101－110.

Cao Lei, Ding Jianli, Yu Haiyang. Relationship between multi-scale landscape pattern and salinity in Weigan and Kuqa rivers delta oasis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(3): 101－110. (in Chinese with English abstract)doi：10.11975/j.issn.1002-6819.2016.03.015http://www.tcsae.org

Email：watarid@xju.edu.cn

0　引　言

土壤盐渍化是土地退化形式之一，土壤受水盐运移的自然条件（气候、地学、水文地质等）以及人类活动（灌溉农业等）的影响，导致易溶性盐分在土壤表层积累的现象。土壤盐渍化在气候干旱、土壤蒸发强度大、地下水位高且含有较多的可溶性盐类的地区较为常见[1]。与此同时，盐渍化土壤抑制了土壤的质量状况及其生产力水平，盐渍土是中国最主要的中低产土壤类型之一[2]。新疆地处中国西北干旱区，近年来，人类活动加剧，而随着城镇化进程，水资源与土地资源滥用现象普遍存在，地区内原有的天然植被区域被开垦城镇用地和农用地，区域环境逐渐恶化。在新疆，盐渍土广泛分布，严重制约着干旱区农业的发展，在许多地区盐渍化现象多成片出现，不同盐渍化程度的土壤上的土地覆被不同，景观格局亦受其影响[3]。为了解土壤盐渍化对干旱区农业的威胁程度，确保干旱区农业的可持续发展，对土壤盐渍化的监测以及监测方法的研究十分必要[4]。

从景观生态学出现以来，景观格局与生态过程的关系一直都是该学科的关键论题[5]。传统地学统计中，采集野外土壤的工作量大、耗时长，而将遥感手段应用与地学分析相结合，不仅省时且耗资少，更有利于数据获取及野外工作的动态进展[6-9]。张飞等[10]以多期Landsat数据为基础，揭示了新疆精河县景观格局变化的驱动因素；孙倩等[3]结合土地利用/覆被变化及盐渍地重心转移，表明不同程度盐渍地对渭干河－库车河流域三角洲绿洲景观格局变化的影响程度；李铖等[11]通过珠江三角洲表层重金属含量对农用地样点缓冲区景观格局的影响研究，得出重金属镉对样点缓冲区景观格局影响较大。

因此，使用与盐度显著相关的景观格局指数作为景观尺度上的景观环境指标，可以直接反映盐度变化的原因，对于盐度监测、区域土地管理、盐渍化预警等有重要的意义[3,10]。本研究以渭干河－库车河流域三角洲绿洲为研究对象，通过对样点缓冲区景观格局与不同剖面土壤盐度做Pearson相关分析和逐步回归分析，结合区域土壤盐度分异规律探讨土壤盐度对区域景观格局的影响。

1　研究区概况

渭干河－库车河流域三角洲绿洲，简称渭-库绿洲，位于塔里木盆地北缘，天山南麓，塔克拉玛干沙漠以北（图1）。地势北高南低，自西北向东南倾斜。气候属于大陆性暖温带干旱气候，多年平均气温10.5～11.4 ℃，极端最高温度为40.8 ℃，极端最低温度−27.8 ℃，多年平均蒸发量超过2 000 mm，多年平均降水量55.45 mm，降水少，蒸发强烈。自然植被稀疏，以柽柳、盐节木、盐穗木、花花柴等植被为主。绿洲及其外围盐类沉积规模大，矿化度及地下水位偏高，土层构成物颗粒细，透水性差，土壤普遍盐渍化，尤其在绿洲外围[12-13]。

图1　研究区采样点分布图Fig.1　Distribution of sampling points in study area

2　数据来源与研究方法

2.1数据来源与处理

2.1.1土壤样品采集与处理

土壤样品采集以2013年Google地图为工作底图，结合原有土壤分布图和地形图，参考此前历次考察采样点，在渭-库绿洲范围内主要的土地利用/覆被类型上均匀布点，以便进行统计分析，共布设样点数量为38个。野外采样选择在2014 年7月22日－7月28日进行，此时植被茂盛，土地覆被多、景观多样性强。根据高分一号（GF-1）影像的像元大小（16 m×16 m），设定每一个样点的采样区域范围为16 m×16 m的样区，以样区中心为圆心，在半径为8 m的圆上选取等距的4个点，呈梅花，取样层为0～10、＞10～20、＞20～40、＞40～60、＞60～80、＞80～100 cm，从各层土壤5个点上取100 g左右，将大约500 g的土壤样本混合封装。

将野外带回的土壤样本，风干并除去植物或石子等杂质，进行研磨并过0.5 mm孔径的筛子。再利用高精度电子精密天平按样点号从已过筛的土样中称取20 g土壤，使用蒸馏水制备1:5土水质量比的溶液，静置后，经过滤纸过滤，最终获得土壤浸提液，然后使用德国Wissenschaftlich Technische Werkstätten公司制造的inoLab® Cond 7310精密仪器来测定土壤样点的含盐量(g/kg)[14]。

2.1.2影像数据处理

本文以国产高分一号（GF-1）影像为数据源，影像时间为2014年7月19号，采用FLAASH模型对所用数据进行辐射校正[15]，将经过辐射校正的影像进行几何精校正，利用研究区1:50000地形图对影像各波段进行校正（选择的地面控制点的误差均小于0.5个像元）。影像所选取区域像元个数为9.228×106。

2.2研究方法

2.2.1景观格局参数选取

结合实地调查和Google地图，采用ENVI4. 8对2014年7月19日国产GF-1卫星影像数据最大似然监督分类，结合当地土地利用/覆被类型受人类活动的影响状况及全国《土地利用现状分类》GB/T 21010-2007，将研究区域的土地利用/覆被类型分为耕地、林草地（包括园地、自然林和草地）、水体、盐渍地（重度）和其他（包括中轻度盐渍地、荒漠、山体等），共5类。再通过软件ArcGIS9.3对分类后影像进行预处理，最后景观指数的选取和计算由软件Fragstats 3.3实现。

本研究在以往研究的基础上，结合区域特点舍弃了一些有争议的指标[16-17]，选取了较常用且意义较为明确的指标[18-20]，见表1。

表1　景观指数及其描述Table 1　Landscape indices and their descriptions

类型水平上表征斑块数量组成和规模：斑块面积（class area，CA）、斑块数（number of patches）、最大斑块指数（largest patch index，LPI）和景观类型百分比（percentage of landscape，PLAND）；破碎化程度：斑块密度（patch density，PD）；形状复杂度：景观形状指数（landscape shape index，LSI）和分维数（perimeter-area fractal dimension，PAFRAC）；聚集度/连接度：聚集度指数（aggregation index，AI）和散布与并列指数（interspersion and juxtaposition index，IJI）。景观水平景观指数除上述指数外增加Shannon多样性指数（shannon’s diversity index，SHDI）来表征不同土地利用/覆被类型的景观格局和整体景观多样性，蔓延度指数（contagion index，CONTAG）用于表述景观里不同拼块类型的团聚程度和延展趋势。这些指数数值越大（除CONTAG外），表明景观格局各个维度（景观类型的比例、破碎化程度等）的水平越高。

2.2.2建立样点缓冲区

根据欧氏距离原理，利用软件ArcGIS9.3中的Buffer Wizard工具选取土壤采样点周围不同距离缓冲区0.5（即以采样点中心为圆心，以0.5 km为缓冲半径的圆形缓冲区）、1、2、3、5 km共5个梯度作为分析单元[11]，通过软件Fragstats 3.3统计并计算不同缓冲区类型水平和景观水平的景观指数。在软件SPSS 19中使用Pearson相关分析探讨不同缓冲区内景观格局与土壤盐度的关系[21]。

3　结果与分析

3.1多尺度下渭-库绿洲景观格局分析

首先通过目视解译选取感兴趣区（region of interest，ROI），利用最大似然法进行监督分类。影像分类后的总精度为96.98%＞80%，而分类后Kappa Coefficient为0.9592＞0.8，满足研究精度要求，结合Google地图上研究区影像与分类后影像进行对比，地物类型相吻合，为本研究的后期综合分析提供了可靠的数据保障。分类后影像如图2所示。

图2　2014年渭-库绿洲多尺度分类图Fig.2　Weigan and Kuqa rivers delta oasis multi-scale classification image of 2014

3.1.1整体景观格局分析

通过软件ArcGIS9.3对分类后影像进行预处理，再利用软件Fragstats 3.3计算景观指数（表2）。

表2　渭-库绿洲景观格局指数Table 2　Landscape pattern index of Weigan and Kuqa rivers delta oasis

结合图2和表2，渭-库绿洲2014年7月的耕地面积为1 797.00 km2，约占研究区面积的24.17%，耕地多分布在研究区的中南部区域、水体附近，斑块数1 065个，仅次于其他用地，破碎化程度较高；水体面积为70.75 km2，仅占研究区面积的0.95%，散布在绿洲区域，斑块数和斑块密度均较低；盐渍地的景观面积为214.78 km2，斑块数436个，分布在绿洲边缘；林草地面积为3 115.65 km2，约占研究区面积的41.90%，斑块数966个，林草地为研究区面积最大的土地利用/覆被类型，多分布在绿洲北部及耕地与其他用地间的交错带；其他用地的面积仅次于林草地为2 237.44 km2，约占研究区面积的30.09%，斑块数1 827个，斑块密度最大。

从LPI来看，林草地的LPI指数最大，达24.32%，说明林草地呈大片连续分布；水体和盐渍地LPI指数较小，不足1%，说明二者所有斑块的面积均较小，散布在绿洲周围。IJI指数排序为其他地类＞水体＞林草地＞盐渍地＞耕地，说明其他地类、水体的分布聚集度高，彼此邻近；而盐渍地和耕地由于受人类活动的影响，分布很有规律，与之邻接的斑块类型基本上受人类活动的影响，IJI值较小。研究区所有景观整体IJI值与林草地接近，说明该区域在一定程度上受人类活动影响较少。其他地类的聚合度在各类土地利用/覆被类型中为最大，其次是林草地和耕地，即是研究区域内大面积单一景观，水体最小，说明水体在研究区内分布散乱且面积较小。耕地和林草地分维数最大为1.67，表明二者边境曲折，受人类活动影响较大，而水体的分维数最小为1.44，这与水体景观类型不易被影响有关。渭-库绿洲整体的分维数为1.62，表明绿洲多数斑块的形状不规整、边界线曲折。绿洲的蔓延度、Shannon多样性指数分别为38.77和1.46，表明绿洲内部同一斑块连通性较低，区域面积内有多种类型、不同面积的斑块。总之，渭-库绿洲景观水平上破碎化较重，景观分布受人为影响较大。

3.1.2绿洲主要土地利用和覆被景观格局分析

本研究结合绿洲主要土地利用/覆被将其分为绿洲、绿洲-荒漠交错带和荒漠典型区域（图2b～d）。通过在38个采样点中筛选，选取1个点及其缓冲区可代表该种土地利用/覆被类型，并通过软件计算不同缓冲距离的区域景观指数（表3）。由表3可知，相同缓冲范围情况下，斑块数量：绿洲>交错带>荒漠，说明绿洲区域的景观破碎化程度高，易受人类活动影响，而交错带和荒漠区域破碎化程度相对较低。相同缓冲范围情况下，绿洲区域的PD大于交错带和荒漠区域，其中，随着缓冲距离增大，绿洲和交错带的斑块密度随之减小，而荒漠区域变化不大，斑块密度在7.50左右，说明荒漠区域景观较为单一，破碎化程度低。LPI随着缓冲距离增大呈减小趋势，荒漠区域的LPI值大于交错带和绿洲，说明从荒漠到交错带、再至绿洲，区域景观类型由简单到复杂。相同缓冲范围情况下LSI和PAFRAC：均呈绿洲>交错带>荒漠，说明绿洲内部各类景观交错复杂程度大于交错带和荒漠，这也是景观格局受人类活动影响的体现。交错带的IJI指数大于绿洲和荒漠的，同时，相同缓冲范围的绿洲和荒漠的IJI指数相差较小，但荒漠IJI指数2 km缓冲距离是为47.56，而3 km仅为27.05，5 km又上升至41.09，原因是3 km缓冲范围较2 km多了大量盐渍地，导致其各景观类型间的公共距离相差更大。AI和CONTAG随着缓冲距离增大呈减小趋势，说明随着缓冲距离的增大，区域景观类型增多、均质性降低、多样性增强，而荒漠区域的AI和CONTAG值大于交错带和绿洲，说明从荒漠到交错带、再至绿洲，区域景观类型由简单到复杂。交错带的SHDI值在相同缓冲范围情况下为最大，其次是绿洲，表明交错带景观多样性强于绿洲和荒漠，随着缓冲距离的增加，SHDI呈增大趋势。

典型区域R e p r e s e n t a t i v e r e g i o n景观格局指数L a n d s c a p e i n d e x 缓冲距离B u f f e r l e n g t h / k m 　N P 　P D 　L P I 　L S I 　P A F R A C 　 I J I 　A I 　C O N T A G 　 S H D I 0 . 5 　3 9 　4 9 . 7 5 　5 4 . 1 6 　4 . 8 9 　1 . 2 6 　3 3 . 9 4 　9 6 . 7 6 　5 9 . 2 8 　0 . 7 4绿洲O a s i s 1 　1 2 3 　3 9 . 2 2 　5 7 . 8 6 　8 . 6 2 　1 . 2 8 　3 8 . 1 7 　9 3 . 3 7 　5 3 . 7 1 　0 . 7 6 2 　2 9 1 　2 3 . 1 8 　3 6 . 9 5 　1 3 . 4 2 　1 . 3 5 　4 7 . 7 5 　8 9 . 0 4 　4 2 . 1 8 　0 . 8 9 3 　5 6 6 　2 0 . 0 4 　4 3 . 8 6 　1 8 . 1 5 　1 . 3 8 　4 7 . 7 6 　8 4 . 7 2 　3 9 . 5 0 　0 . 8 6 5 　1 1 8 4 　1 5 . 1 0 　4 8 . 7 1 　2 6 . 8 6 　1 . 4 4 　3 0 . 6 7 　7 6 . 8 2 　4 7 . 2 8 　0 . 8 5 0 . 5 　2 1 　2 6 . 7 8 　7 6 . 0 6 　3 . 2 0 　1 . 2 8 　4 7 . 2 5 　9 8 . 3 5 　7 4 . 2 1 　0 . 7 3绿洲-荒漠交错带O a s i s -d e s e r t f r i n g e 1 　7 9 　2 5 . 2 0 　5 8 . 9 1 　6 . 0 6 　1 . 3 0 　4 9 . 4 9 　9 5 . 8 2 　6 2 . 0 5 　1 . 0 2 2 　2 3 1 　1 8 . 4 1 　4 7 . 8 8 　9 . 9 8 　1 . 3 4 　5 1 . 2 7 　9 2 . 2 8 　5 4 . 3 0 　1 . 1 6 3 　4 7 5 　1 6 . 8 2 　4 5 . 3 0 　1 3 . 8 8 　1 . 3 9 　5 0 . 8 9 　8 8 . 7 3 　5 1 . 0 9 　1 . 1 7 5 　1 0 5 1 　1 3 . 4 1 　3 0 . 2 0 　2 3 . 5 9 　1 . 4 7 　5 3 . 0 9 　7 9 . 9 6 　4 1 . 0 1 　1 . 2 9 0 . 5 　5 　6 . 3 8 　9 9 . 7 3 　1 . 2 0 　1 . 0 3 　3 6 . 3 5 　9 9 . 9 0 　9 8 . 4 0 　0 . 0 2荒漠D e s e r t 1 　2 5 　7 . 9 6 　8 4 . 9 7 　2 . 6 4 　1 . 1 9 　3 8 . 3 2 　9 8 . 7 4 　7 7 . 1 6 　0 . 4 3 2 　1 0 2 　8 . 1 2 　7 9 . 5 6 　4 . 6 5 　1 . 3 0 　4 7 . 5 6 　9 6 . 9 3 　6 8 . 4 2 　0 . 5 5 3 　2 1 1 　7 . 4 7 　8 0 . 1 4 　6 . 2 4 　1 . 3 4 　2 7 . 0 5 　9 5 . 5 0 　7 6 . 2 8 　0 . 5 7 5 　5 8 6 　7 . 4 7 　8 1 . 3 3 　1 1 . 7 3 　1 . 4 5 　4 1 . 0 9 　9 0 . 5 8 　7 0 . 4 4 　0 . 6 3

3.2渭-库绿洲土壤盐度特征分析

3.2.1渭-库绿洲土壤盐度统计特征分析

按经典统计方法，不同梯度土壤盐度的统计特征值列于表4。全部采样点为38个，剔除其中的异常点后，0～10、>10～20、>20～40、>40～60、>60～80和>80～100 cm土壤盐度的样本数分别为38、37、38、37、30和29。基于渭-库绿洲采样点盐度数据，据最新《新疆土壤》标准，将研究区盐渍化地类划分为4个等级，分别为非盐渍化（含盐质量分数＜3 g/kg）、轻度盐渍化（3～6 g/kg）、中度盐渍化（6～10 g/kg）和重度盐渍化（含盐质量分数＞10 g/kg）[22]。

由表4可以看出，研究区整个剖面土壤盐度为0～28.100 g/kg，就最小值、最大值而言，6层土壤剖面的最小值均为0，是因为仪器无法测出盐度小于0.1 g/kg的土壤溶液；而0～10 cm层的最大值是28.100 g/kg，远大于其他剖面的最大值，为重度盐渍化，另外，>20～40 cm层的最大值为重度盐渍化，>80～100 cm层为轻度盐渍化，其余层的最大值均为中度盐渍化。各层土壤盐度平均值为1.770～4.816 g/kg，随着剖面深度的减小，呈现盐分表层聚积的趋势。从偏度和峰度两项指标可看出，研究区各层土壤含盐量正偏差数值较大，均呈右偏，除＞60～80 cm和＞80～100 cm层土壤盐度呈“平顶峰”外，其他4层土壤均为“尖顶峰”。变异系数（coefficient variation，Cv）反映的是相对变异，即随机变量的离散程度。根据相关研究，Cv≤0.1为弱变异性；0.1

表4　渭-库绿洲不同梯度土壤盐度统计特征值Table 4　Soil salinity characteristics of different soil depths in Weigan and Kuqa rivers delta oasis

3.2.2渭-库绿洲土壤盐度空间特征分析

通过对渭-库绿洲38个样点的取样分析，在GPS和软件ArcGIS9.3支持下，经过地统计学分析和普通Kriging插值，得到不同剖面深度盐度空间插值图（图3）。图3表明，在整个剖面中＞40～60、＞60～80和＞80～ 100 cm层的土壤盐度相似，均较小；随着剖面深度的减小，＞20～40、＞10～20和0～10 cm层的土壤盐度逐渐增加，这与表4分析结果相同。结合图2，在水平方向上，土壤盐分高值区主要集中分布在绿洲东部荒漠地带和绿洲西部农牧交错区。

图3　基于普通克里格插值不同剖面深度土壤盐度空间分布Fig.3　Spatial distribution of soil salinity in different soil depths based on ordinary kriging interpolation

绿洲东部盐渍化严重现象与3个上层剖面所呈现盐渍化聚集现象大致相同，且轻度盐渍化现象较多，而绿洲西部盐渍化现象则随着深度下降呈减少趋势；而＞40～60、＞60～80和＞80～100 cm这3层剖面盐渍化程度较轻，绿洲东北部的土壤含盐量随着深度的增加而降低的现象。非盐土和轻盐土则主要集中在中部和西北地区。研究区盐分由深层土壤向表层聚集，在垂直方向上总的趋势是表层土壤含盐量高于深层土壤。

3.3景观-盐度的多变量相关分析结果

3.3.1土地利用/覆被-盐度单因子相关分析结果

利用软件SPSS19对渭-库绿洲不同剖面深度的土壤盐度与各采样点缓冲区的土地利用/覆被类型面积做相关性分析（表5）。表5仅列出了各采样点缓冲区的土地利用/覆被类型面积与盐度相关性较好的2种地类：耕地和其他地类。其中，耕地3 km（采样点3 km缓冲区范围内耕地的面积）与＞60～80 cm相关性最优为−0.634，是中度极显著负相关；采样点不同缓冲区内的耕地面积与＞10～20、＞20～40、＞40～60、＞60～80和＞80～100 cm的土壤盐度均有一定的显著相关性，而与0～10 cm的土壤盐度相关性较弱。其他地类3 km与＞60～80 cm相关性最优为0.613，是中度极显著正相关；采样点不同缓冲区内的耕地面积与＞40～60、＞60～80和＞80～100 cm的土壤盐度均有一定的显著相关性，而与0～10、＞10～20和＞20～40 cm的土壤盐度相关性较弱。针对同一缓冲区的垂直水平而言，相关性由表至底呈不相关-中度相关-弱相关的趋势；就同一剖面不同范围缓冲区而言，随着缓冲区范围的增大，土壤盐度与土地类型面积的相关程度呈弱相关-中度相关-弱相关的趋势。表明在一定范围内绿洲面积与其他地类面积的多寡与区域土壤盐度有一定的量化关系。

表5　渭-库绿洲样点缓冲区土地利用/覆被与土壤盐度Pearson相关系数Table 5　Pearson correlation coefficient between land use/cover and soil salinity in different buffer lengths of Weigan and Kuqa rivers delta oasis

3.3.2景观指数-盐度单因子相关分析结果

选取土壤样点所在的缓冲区作为分析样本，分析缓冲区内景观格局与不同剖面深度的土壤盐度的相关关系。Pearson相关分析显示，不同梯度土壤盐度与缓冲区内4种景观指数均有较显著的相关关系（表6）。

表6　渭-库绿洲样点缓冲区景观指数与土壤盐度Pearson相关系数Table 6　Pearson correlation coefficient between landscape index and soil salinity in different buffer lengths of Weigan and Kuqa rivers delta oasis

不同梯度土壤盐度与缓冲区内斑块数（NP）、景观形状指数（LSI）呈负相关，而与聚合度（AI）和蔓延度（CONTAG）呈正相关。采样点不同缓冲区内的NP与＞20～40、＞40～60、＞60～80和＞80～100 cm的土壤盐度具有显著负相关，其中，最优相关是NP_2 km（采样点2 km缓冲区范围内所有类型斑块数）与＞60～80 cm中度极显著负相关为−0.535，其次是NP_3 km与＞60～80 cm中度极显著负相关为−0.511，而与0～10 cm和＞10～20 cm的土壤盐度相关性较弱；采样点不同缓冲区内的LSI与＞40～60、＞60～80和＞80～100 cm的土壤盐度具有显著负相关，其中，最优相关是LSI_5 km与＞60～80 cm低度极显著负相关为−0.469，其次是LSI_3 km与＞60～80 cm低度极显著负相关为−0.461，而与0～10、＞10～20和＞20～40 cm的土壤盐度相关性较弱；采样点不同缓冲区内的AI与＞40～60、＞60～80和＞80～100 cm的土壤盐度具有显著正相关，其中，最优相关是AI_5 km与＞60～80 cm低度极显著相关为0.471，其次是AI_3 km与＞60～80 cm低度极显著相关为0.464，而与0～10、>10～20和＞20～40 cm的土壤盐度相关性较弱；采样点不同缓冲区内的CONTAG与＞40～60、＞60～80和＞80～100 cm的土壤盐度具有显著正相关，其中，最优相关是CONTAG_2 km与＞60～80 cm中度极显著相关为0.506，其次是CONTAG_2 km与＞80～100 cm低度极显著相关为0.458，而与0～10、＞10～20和＞20～40 cm的土壤盐度相关性较弱。4种景观指数与＞40～60、＞60～80和＞80 100 cm具有较好相关性，而与其他3层相关性较弱，相关性由表至底呈不相关-中度相关-弱相关的趋势。而比较不同缓冲区与不同梯度的相关性，2 km和3 km缓冲区与盐度相关性优于另外3种缓冲区。

3.3.3多元线性回归分析结果

由于盐度可影响区域景观指数，因此在单因子分析的基础上，进行多变量相关分析（表7），在众多被影响的景观指数中找到关键景观指数。

盐度与景观指数的多元线性逐步回归模型除表层无法实现外，都达到显著性水平（P＜0.05）。随着缓冲区范围的增大，各层回归效果呈优化趋势，各层盐度与3 km缓冲区的景观指数回归效果最好，其中＞10～20 cm最优（R2=0.537），同时，5 km缓冲区建模效果弱于3 km缓冲区；就垂直方向而言，除表层盐度与景观指数无法进行回归分析外，0.5、1、2和3 km缓冲区的景观指数与盐度建模，＞10～20 cm建模效果最优，并随着剖面深度的增加，建模效果逐渐弱化，而5 km缓冲区与之相反，随着剖面深度的增加，建模效果呈优化趋势；就建模所用自变量而言，这些模型大多都有缓冲区内耕地面积，其次是景观水平的LPI指数、PAFRAC指数；自＞10～20 cm至＞80～100 cm，随着坡面深度的增加，模型自变量耕地面积的权重呈减小趋势；模型中自变量耕地面积前均是负号，说明耕地面积对盐度是负效应。

表7　景观-盐度的最优多元线性逐步回归模型Table 7　Optimal multiple linear regression models with stepwise of landscape metrics and salinity index

4　讨　论

4.1表层盐度特殊性分析

本文对11种表征景观空间格局属性的景观格局指数与盐度进行相关分析，由于研究区域景观格局分布的特殊性，表层盐度与各缓冲区内的斑块面积多寡、景观指数高低均无显著关系，甚至无法用多种景观指数通过对其进行回归分析得出回归方程。因此，作者利用软件SPSS 19对渭-库绿洲不同梯度土壤盐度做相关性分析（表8）。由表8可知，相关性最好的是＞60～80和＞80～100 cm，达到0.838为高度显著相关，其次是＞10～20和＞20～40 cm为0.832，＞40～60和＞60～80 cm相关性为0.820。0～10与＞10～20、＞20～40和＞40～60 cm仅为中度显著相关，而与＞60～80 cm和＞80～100 cm相关性不明显。渭-库绿洲不同剖面深度土壤盐度相关性自上而下呈演替状态，相邻两层剖面的土壤盐度相关性优于不相邻土层，而表层土壤盐度与其他层的相关性较弱，盐度低的土壤母质所演替的底层土壤盐度相对较低，更利于植被生长；而植被茂盛的区域，综合植被截流、改良土壤空隙等因素，土壤上层不易滞留大量盐分。研究区干燥少雨、日照时间长、灌排及弃耕现象均是导致土壤表层盐度与其他层区别较大的原因[13,25-27]。

表8　渭-库绿洲不同剖面深度土壤盐度Pearson相关系数Table 8　Weigan and kuqa rivers delta oasis in different soil salinity gradient Pearson correlation coefficient

4.2剖面梯度下盐度与景观指数变化分析

结合图3绿洲东部盐渍化严重现象与3个上层剖面所呈现盐渍化聚集现象大致相同，且轻度盐渍化现象较多，而绿洲西部盐渍化现象则随着深度下降呈减少趋势；而＞40～60、＞60～80、＞80～100 cm这3层剖面盐渍化程度较轻，绿洲东北部的土壤含盐量随着深度的增加而降低的现象，与以往研究成果相同[13,25]。非盐土和轻盐土则主要集中在中部和西北地区，由于该区域植被覆盖度较高，是渭-库绿洲的主要耕地区，区内排水设施完善，土壤盐分较低。非盐渍化土壤和轻度盐渍化土壤主要集中在中部和西北地区，由于该区域植被覆盖度较高，是渭-库绿洲的主要耕地区，区内排水设施完善，土壤盐分较低。而重度盐渍化和中度盐渍化土壤主要集中在渭-库绿洲西部和东南的边缘区域，结合研究区的地势西北高、东南低，及排盐渠的坐落区域，渭-库绿洲东南区域的盐分聚积源自地势和排盐渠共同作用，而西部区域则主要受排盐渠影响。因此，就区域实际盐分多寡而言（图3），渭-库绿洲东南区域要多于绿洲西部。绿洲内部盐渍化现象不明显，但绿洲边缘却成为盐分的积聚地，即渭-库绿洲盐渍化重心在渭-库绿洲西部和东南的边缘区域[26-27]。在最近的实地考察中，笔者发现部分地区农田已经与荒漠接壤，交错带盐渍化现象加重，导致交错带的功能丧失，绿洲所受盐渍化和荒漠化的胁迫更为严重。因此，为减轻绿洲边缘交错带的生态压力，合理布局、修建排盐渠将是一个很重要的环节。

从表7可知，自＞10～20 cm至＞80～100 cm层的逐步回归方程的自变量中，耕地面积、水体面积和LPI为负效应，即这3种自变量的值越大，盐度的值越小，而盐渍地面积、其他用地面积、CONTAG和PAFRAC为正效应；所得盐度回归方程中，截距随剖面深度的增加而减小，即单点盐度随剖面深度的增加而减小，与图3表述相同。

4.3景观指数与盐度效应分析

相关性分析和逐步回归分析的结果大致相同，但相关分析中盐度与AI显著正相关，而在逐步回归分析中AI并未出现在逐步回归模型中，另外景观格局指数NP相关分析表明与盐度显著负相关，但也未出现在回归模型中。表明相关关系并不能代表因果关系，但好的相关关系是因果关系的基础。逐步回归分析表明耕地是影响盐度的最重要的土地利用/覆被类型，其次为其他用地和水体。而区域景观指数LPI、CONTAG和PAFRAC也对逐步回归结果具有一定的贡献率。各层盐度与3 km缓冲区的景观指数回归效果最好，除表层外，随着深度的增加逐步回归效果呈弱化趋势，耕地面积呈显著负效应，影响着区域盐度，而水体面积、盐渍地面积、其他用地面积、LPI、CONTAG和PAFRAC对盐度影响相对较弱。区域耕地面积增加，灌溉用水会将区域盐分带离；而地表水的存在同样会带走盐分；LPI是区域最大单一地类所占总面积比例，大片连续用地同样可抑制盐分的增加；区域盐渍地面积和其他用地面积的增加，是区域土地退化的结果，因此会导致盐分增加；PAFRAC是区域用地边界的曲折程度，其值越大说明该区域用地类型间越是错综复杂，易导致土地退化；CONTAG是区域土地利用/覆被类型的连接程度，不同土地利用/覆被连接越紧密，也就更易被侵蚀。笔者尝试将表层盐度与其他层叠置结合，以期得出与表层盐度数据有关的回归方程，最终虽能够得到回归方程，但精度普遍偏低，故不予列出。在今后的工作中，可将已较为成熟的盐度指数[28-30]引入，与景观指数结合用于表层盐度反演。

5　结　论

本研究以景观学理论为基础，结合国产GF-1卫星数据，通过建立实际采样点不同梯度缓冲区，将渭-库绿洲采样点缓冲区内景观格局与不同梯度土壤盐度进行了逐步回归分析，结论如下：

1）研究区以非盐渍化土为主，轻度盐渍化面积次之，土壤盐分在水平方向的变异程度随着深度的增加而降低。在水平方向上，土壤盐分高值区主要集中分布在绿洲东部荒漠地带和绿洲西部农牧交错区，在垂直方向上，渭-库绿洲表层土壤盐渍化现象较重，其他各层土壤盐渍化情况相对较轻，绿洲盐渍化现象随着深度下降呈减少趋势。

2）针对所选3个典型样区，相同缓冲范围情况下，绿洲区域的景观破碎化程度高，绿洲内部各类景观交错复杂程度大于交错带和荒漠，易受人类活动影响，而交错带和荒漠区域破碎化程度相对较低，但交错带景观多样性强于绿洲和荒漠；在同一样区，随着缓冲距离的增加，区域景观类型增多、均质性降低、多样性增强。

3）景观水平上，耕地呈大片连续状，林草地散布在耕地周围，盐渍地和水体呈零星状分布在绿洲区域。耕地利用数量指标能对土壤盐度有较好的解释，而水体面积、盐渍地面积、其他用地面积、LPI、CONTAG和PAFRAC对盐度影响相对较弱。

4）除0～10 cm层外，自＞10～20 cm至＞80～100 cm层的逐步回归方程的自变量中，耕地面积、水体面积和LPI为负效应，而盐渍地面积、其他用地面积、CONTAG 和PAFRAC为正效应，最优回归方程决定系数为0.537。

总之，区域景观指数与盐度具有较好的关系，景观指数可反演不同深度的土壤盐度。但本文只对研究区的一个时段进行了研究，对比其他时段的盐度动态对于区域土壤盐度时空运移具有重要意义，下一步希望利用盐分指数反演表层盐度，并继续结合景观指数，得出不同年份盐度与景观的变化规律。

[参考文献]

[1] 塔西甫拉提•特依拜，张飞，丁建丽，等. 干旱区典型绿洲盐渍化土壤空间信息研究[J]. 干旱区地理，2007，30(4)：544－551. Tashpolat·Tiyip, Zhang Fei, Ding Jianli, et al. Spatial information on salinization of typical oases in arid areas[J]. Arid land geography, 2007, 30(4): 544－551. (in Chinese with English abstract)

[2] 杨劲松. 中国盐渍土研究的发展历程与展望[J]. 土壤学报，2008，45(5)：837－845. Yang Jingsong. Development and prospect of the research on salt-affected soil in China[J]. Acta Pedologic Sincia, 2008, 45(5): 837－845. (in Chinese with English abstract)

[3] 孙倩，张飞，丁建丽，等. 渭干河-库车河三角洲绿洲土地利用/覆被时空变化遥感研究[J]. 生态学报，2012，32(10)：3252－3265. Sun Qian, Zhang Fei, Ding Jianli, et al. Dynamics of land use/cover changes in the Weigan and Kuqa rivers delta oasis based on Remote Sensing[J]. Acta Ecological Sinica, 2012, 32(10): 3252－3265. (in Chinese with English abstract)

[4] 李建国，濮励杰，朱明，等. 土壤盐渍化研究现状及未来研究热点[J]. 地理学报，2012，67(9)：1233－1245. Li Jianguo, Pu Lijie, Zhu Ming, et al. The present situation and hot issues in the salt-affected soil research[J]. Acta Geographica Sinica, 2012, 67(9): 1233－1245. (in Chinese with English abstract)

[5] Wu J, Hobbs R. Key issues and research priorities in landscape ecology: An idiosyncratic synthesis[J]. Landscape Ecology, 2002, 17(4): 355－365.

[6] Wu W, Mhaimeed A S, Al-Shafie W M, et al. Mapping soil salinity changes using remote sensing in Central Iraq[J]. Geoderma Regional, 2014, 2: 21－31.

[7] Ding Jianli, Yu Danlin. 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: 316－322.

[8] Kuenzer C, van Beijma S, Gessner U, et al. Land surface dynamics and environmental challenges of the Niger Delta，Africa: Remote sensing-based analyses spanning three decades (1986–2013)[J]. Applied Geography, 2014, 53: 354－368.

[9] Sidike A, Zhao S, Wen Y. Estimating soil salinity in Pingluo County of China using QuickBird data and soil reflectance spectra[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 26: 156－175.

[10] 张飞，丁建丽，王伯超，等. 干旱区绿洲土地利用/覆被及景观格局变化特征：以新疆精河县为例[J]. 生态学报，2009，29(3)：1251－1263. Zhang Fei, Ding Jianli, Wang Bochao, et al. The change of land use/cover and characteristics of landscape pattern in aridareas oasis: A case study of Jinghe County, Xinjiang Province[J]. Acta Ecological Sinica, 2009, 29(3): 1251－1263. (in Chinese with English abstract)

[11] 李铖，李芳柏，吴志峰，等. 景观格局对农业表层土壤重金属污染的影响[J]. 应用生态学报，2015，26(4)：1137－1144. Li Cheng, Li Fangbai, Wu Zhifeng, et al. Impacts of landscape patterns on heavy metal contamination of agricultural top soils in the Pearl River Delta, South China[J]. Chinese Journal of Applied Ecology, 2015, 26(4): 1137－1144. (in Chinese with English abstract)

[12] 江红南，丁建丽，塔西甫拉提•特依拜，等. 基于ETM+数据的干旱区盐渍化土壤信息提取研究[J]. 土壤学报，2008，45(2)：222－228. Jiang Hongnan, Ding Jianli, Tashpolat·Tiyip, et al. Extraction of salinized soil information in arid area based on ETM+ data[J]. Acta Pedologic Sincia, 2008, 45(2): 222－228. (in Chinese with English abstract)

[13] 高婷婷，丁建丽，哈学萍，等. 基于流域尺度的土壤盐分空间变异特征：以渭干河库车河流域三角洲绿洲为例[J].生态学报，2010，30(10)：2695－2705. Gao Tingting, Ding Jianli, Ha Xueping, et al. The spatial variability of salt content based on river basin scale: A case study of the delta oasis in Weigan-Kuqa Watershed[J]. Acta Ecological Sinica, 2010, 30(10): 2695－2705. (in Chinese with English abstract)

[14] 中国科学院南京土壤研究所. 土壤理化分析[M]. 上海：上海科学技术出版社，1978：196－211.

[15] 陈趁新，胡昌苗，霍连志，等. Landsat TM 数据不同辐射校正方法对土地覆盖遥感分类的影响[J]. 遥感学报，2014，18(2)：320－334. Chen Chenxin, Hu Changmiao, Huo Lianzhi, et al. Effect of different radiation correction methods of Landsat TM data on land-cover remote sensing classification[J]. Journal of Remote Sensing, 2014, 18(2): 320－334. (in Chinese with English abstract)

[16] Colby W Brungard, Janis L Boettinger, Michael C Duniway, et al. Machine learning for predicting soil classes in three semi-arid landscapes[J]. Geoderma, 2015(239/240): 68－83.

[17] Yuchu Xie, Jie Gong, Peng Sun, et al. Oasis dynamics change and its influence on landscape pattern on Jinta oasis in arid China from 1963a to 2010a: Integration of multi-aaasource satellite images[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 33(12): 181－191.

[18] Peter J McDonald, Anthony D Griffiths, Catherine EM Nano, et al. Landscape-scale factors determine occupancy of the critically endangered central rock-rat in arid Australia：The utility of camera trapping[J]. Biological Conservation, 2015, 191: 93－100.

[19] Bo Sun, Qiming Zhou. Expressing the spatio-temporal pattern of farmland change in arid lands using landscape metrics[J]. Journal of Arid Environments, 2016, 124(1): 118－127.

[20] Suman Sinha, Laxmi Kant Sharma, Mahendra Singh Nathawat. Improved Land-use/Land-cover classification of semi-arid deciduous forest landscape using thermal remote sensing[J]. The Egyptian Journal of Remote Sensing and Space Science, 2015, 18(12): 217－233.

[21] 徐建华. 现代地理学中的数学方法[M]. 北京：高等教育出版社，2002：37－40.

[22] 新疆农业厅，新疆土壤普查办公室. 新疆土壤[M]. 北京：科学出版社，1996：51－52.

[23] 雷志栋，杨诗秀，许志荣. 土壤特性空间变异性初步研究[J].水利学报，1985，9(9)：10－21. Lei Zhidong, Yang Shixiu, Xu Zhirong. Preliminary investigation of the spatial variability of soil properties[J]. Journal of Hydraulic Engineering, 1985, 9(9): 10－21. (in Chinese with English abstract)

[24] 赵锐锋，陈亚宁，洪传勋，等. 塔里木河源流区绿洲土壤含盐量空间变异[J]. 地理研究，2008，27(1)：135－143. Zhao Ruifeng, Chen Yaning, Hong Chuanxun, et al. Study on spatial variability and pattern of soil salinity of the oasis in the headstreams of the Tarim River Basin：A case study on Yuepuhu oasis[J]. Geographical Research, 2008, 27(1): 135－143. (in Chinese with English abstract)

[25] 马成霞，丁建丽，杨爱霞，等. 绿洲区域土壤盐渍化主要参数的空间异质性分析[J]. 干旱区资源与环境，2015，29(2)：144－150. Ma Chengxia, Ding Jianli, Yang Aixia, et al. Spatial variability of key parameters of soil salinization in oasis area[J]. Journal of Arid Land Resources and Environment, 2015, 29(2): 144－150. (in Chinese with English abstract)

[26] 王宏卫，塔西甫拉提•特依拜. 干旱区盐渍地遥感动态监测及其驱动力研究：以渭干河-库车河三角洲绿洲为例[J]. 干旱区地理，2009，32(3)：445－453. Wang Hongwei, Tashpolat·Tiyip. Remote sensing dynamic monitor and driving force of soil salinization in arid area:A case of delta oasis of Weigan and Kuqa River[J]. Arid Land Geography, 2009, 32(3): 445－453. (in Chinese with English abstract)

[27] 沙吾提•买买提，塔西甫拉提•特依拜，丁建丽. 基于遥感的渭干河一库车河三角洲绿洲土地盐渍化监测及成因分析[J]. 地理科学，2011，31(8)：976－981. Mamats awut, Tashpolat·Tiyip, Ding Jianli. The remote sensing investigation and causal analysis of salt-affected soils in the Weigan- Kuqa Reiver Delta[J]. Scientia Geographica Sinica, 2011, 31(8): 976－981. (in Chinese with English abstract)

[28] 王飞，丁建丽，伍漫春. 基于 NDVI-SI 特征空间的土壤盐渍化遥感模型[J]. 农业工程学报，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(Transaction of the CASE), 2010, 26(8): 168－173. (in Chinese with English abstract)

[29] 赵庚星，李静，王介勇，等. 基于TM 图像和 GIS 的土地利用/覆被变化及其环境效应研究[J]. 农业工程学报，2007，22(10)：78－82. Zhao Gengxing, Li Jing, Wang Jieyong, et al. Anylysis of land use/cover change and its environment effects based on TM imagery and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering(Transaction of the CASE), 2007, 22(10): 78－82. (in Chinese with English abstract)

[30] 刘广明，杨劲松，何丽丹，等. 基于模糊综合评判法的新疆典型干旱区土壤盐漠退化风险评价[J]. 农业工程学报，2011，27(3)：1－5. Liu Guangming, Yang Jingsong, He Lidan, et al. Fuzzy comprehensive evaluation based assessment of soil alkaline desertification in typical arid area of Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering(Transaction of the CASE), 2011, 27(3): 1－5.(in Chinese with English abstract)

Relationship between multi-scale landscape pattern and salinity in Weigan and Kuqa rivers delta oasis

Cao Lei, Ding Jianli※, Yu Haiyang
(1. College of Resources and Environment Sciences, Xinjiang University, Urumqi 830046, China;
2. Key Laboratory of Oasis Ecology under Ministry of Education, Xinjiang University, Urumqi 830046, China)

Abstract:Saline soil occupies a large area and is widely distributed in China. Soil salinization poses a great threat to regional agriculture development. Exploring the relationship between landscape pattern and soil salinity will facilitate the monitoring and assessment of soil salinization. In this study, Weigan and Kuqa rivers delta oasis taken as a study area, the effects of soil salinity on regional landscape pattern was investigated through the analysis of multi-scale landscape pattern and soil salinity in different sections with the combination of regional soil salinity variation regularity. GF-1 satellite imagery (taken on July 19, 2014) was used as the main data source, land use/land cover types of the study area were divided into 5 categories using the maximum likelihood supervised classification: arable land, forest and grassland (including the garden, natural forests and grasslands), water, saline land (heavily) and others (including slightly and moderately saline land, desert, mountains, etc.). 11 landscape indices were selected including class area (CA), number of patches, largest patch index(LPI), percentage of landscape(PLAND), patch density(PD), landscape shape index(LSI), fractal dimension (perimeter-area fractal dimension, PAFRAC), aggregation index(AI), interspersion and juxtaposition index(IJI), shannon's diversity index(SHDI), contagion index(CONTAG). Combined with soil salinity data at different depths of 38 samples collected in 22-28 July 2014, to the center of a circle of sampling points, a total of 5 circular buffer gradients with 0.5, 1, 2, 3 and 5 km radius buffer was chosen as the unit of analysis. Pearson correlation analysis and stepwise regression analysis were applied to analyze the relationships between landscape pattern and soil salinity and reveal the spatial distribution pattern of soil salinity. In the end, the typical pattern of oasis, oasis-desert ecotone pattern, desert landscape pattern and Weigan and Kuqa rivers delta oasis overall landscape pattern were analyzed. The results showed that: 1) On the horizontal direction, highly salinized soil was mainly distributed in the eastern desert and western farming-pastoral zone of the oasis; On the vertical direction, soil salinization problem was most serious on soil surface and was less serious in the other soil layers. The degree of soil salinization decreased as the increase of depth; 2) The fragmentation index of oasis was higher than other landscape because of the oasis area easily affected by human activities. Under different gradient, the region landscape types increased, heterogeneity decreased, diversity increased, when buffer distance increased; 3) The amount of cultivated land could indicate soil salinity, but the other indexes including land area, saline land area, water area, LPI, CONTAG and PAFRAC exhibited limited influence on salinity; 4) For the independent variables from soil depth 10-20 to 80-100 cm, the arable land, water area and LPI had negative relationship with soil salinity while it became positive for indexes including salinized land area, CONTAG and other PAFRAC. The best regression model was obtained with R2= 0.537. The study confirmed that the character of soil salinity distribution and the degree of influence of different level of salinity on oasis landscape pattern. Our results can provide some basic information for soil salinity warning/alarming in arid area in northwest China. Meanwhile, it can serve as a reference to the research on landscape pattern in arid areas.

Keywords:salts; regression analysis; remote sensing; landscape pattern; Weigan and Kuqa rivers delta oasis; GF-1

作者简介：曹雷，女，四川南充人，主要从事干旱区资源遥感研究。乌鲁木齐新疆大学资源与环境科学学院，830046。Email：clhyesa@163.com※通信作者：丁建丽，男，山东成武人，教授，博士，主要从事干旱区资源遥感研究。乌鲁木齐新疆大学资源与环境科学学院，830046。

基金项目：国家自然科学基金项目（U1303381、41261090、41130531）；高分辨率对地观测重大专项（民用部分）（95-Y40B02-9001-13/15）

收稿日期：2015-08-10

修订日期：2015-12-10

中图分类号：S156.4；P901

文献标志码：A

文章编号：1002-6819(2016)-03-0101-10

doi：10.11975/j.issn.1002-6819.2016.03.015 10.11975/j.issn.1002-6819.2016.03.015http://www.tcsae.org