基于WEBGIS与三库一体模式的土壤盐渍化监测预警系统平台研发

李 焕，丁建丽

(1.新疆大学资源与环境科学学院,新疆乌鲁木齐 830046; 2.新疆绿洲生态重点实验室，新疆乌鲁木齐 830046)

基于WEBGIS与三库一体模式的土壤盐渍化监测预警系统平台研发

李 焕1，2，丁建丽1，2

(1.新疆大学资源与环境科学学院,新疆乌鲁木齐 830046; 2.新疆绿洲生态重点实验室，新疆乌鲁木齐 830046)

随着计算机应用操作技术不断进步，软件技术的不断完善以及可视化技术的蓬勃发展，使WEBGIS系统的可操作性能越来越好。本文以新疆渭库绿洲盐渍地为背景，提出了基于GIS、网络技术与安全监测相结合的WEBGIS与“三库一体模式”技术的平台。首先根据大量野外实测数据、文献资料、人文经济数据、基础地理地质等数据建立SQL Server数据库，之后以集成适用于盐渍地特点的21种监测模型的模型库为主导，调用盐渍化分析方法，提取数据进行相关计算，对模型求解并辅助专家进行决策。本系统采用B/S模式，HTML(超文本标记语言)设计并建立盐渍化监测预警模型，分析评价盐渍化程度、影响及其发展趋势，从而开发出盐渍化监测与预警智能分析相结合的系统工程应用网络。系统实现了数据库的储存、分析和管理；盐渍化监测模型分析；信息结果发布等功能。提高了地理空间信息的表现力，促进了干旱区信息化应用水平和信息共享平台扩展，为区域可持续发展提供了强有力的技术支撑。

互联网地理信息系统 盐渍化监测与预警 三库一体技术

Li Huan, Ding Jian-li. Development of a monitoring and early warning system for soil salinization based on a model with integrated WEBGIS and three libraries[J]. Geology and Exploration, 2016, 52(6):1167-1175.

0 引言

土壤的盐渍化一直对农耕地区有着相当的威胁，是当今一个世界性的难题(毛海涛，2015)，其以出现频率高、涉及范围广以及造成直接损失大的特点成为自然灾害之一(Dingetal.，2011；吴冬平，2015)。因此，对干旱地区进行盐渍化有效防治是保护地区生态系统健康运行、经济环境和谐发展、社会长治久安的一项重要任务。虽然已有各种从不同出发点研究盐渍化的成因和治理问题的研究成果，但一般存在一定的局限性，在单一的治理工作不能够更好地满足盐渍化监测预警任务的条件下，有必要使网络信息技术投入到治理工作中来，采取先进手段，开展基于WEBGIS技术的盐渍化监测预警系统来提高安全治理工作的质量和水平，已成为当前盐渍化预警与防治领域的一大创新突破点。

盐渍化监测以及预警分析管理系统。Gaoetal.(2011)基于遥感、全球定位系统、地理信息系统和海量数据仓库技术，对塔里木河上游的土壤盐渍化时空动态变化进行了监测与解译。Juanetal.(2016)利用开源软件gvSIG software，对长期盐分过度累积的土壤，通过采取图形化的统计和不同数学算法分析，做出土壤灌溉水管理决策，减少盐渍化风险。夏军等(2011)以干旱区绿洲为例，将SuperMap平台与.NET结合，针对其特点开发了一系列典型地物光谱数据库，实现了对研究区地物光谱数据的储存管理，可视化查询等，使地区盐渍化监测更加方便快捷。张顺(2014)于电导率探针特点的基础上，研发了一套土壤电导率盐渍化实时自动检测系统，并将系统优化的同时，引入了自动绘图功能和远程控制功能，使该系统更加完善。付腾飞(2015)对滨海盐渍土原位多参数自动检测系统优化，实现了盐渍土的有效监测与控制。Waluyoetal.(2015)基于代尔夫特几软件(Delft-FEWS)，利用干旱预警系统(DEWS) 对科马尔河流域进行远程监测等等。以上结合WEBGIS技术的盐渍化监测预警系统虽然对于目前工作都有着重要指导意义，但只是简单的满足了GIS平台与预警模型耦合、监测空间数据和属性数据的存储处理功能，但盐渍化的形成是一个较为缓慢的过程，需要大量的空间监测数据支撑预警平台的运行，而传统型关系数据库结构功能单一，适用性不强，平均预测效率低下，对于空间数据分析方面的优势并没有展示出来，不能较好完成系统数据的检索查询、提取应用、信息挖掘等功能。

鉴于目前盐渍化系统研发现状，本研究基于网络地理信息系统平台，利用决策支持系统(DSS)中的海量数据库、模型库、方法库为基础，建立了渭干-库车河流域土壤盐渍化“三库一体”预警系统，对土壤盐渍化信息进行实时监测。其中，模型库起主导作用，它为若干盐渍化监测模型，是该系统的核心部分；方法库通过应用大量的专业知识，调用方法，计算监测结果的事实进行推理，对盐渍化灾情进行预测评估，并做出判断。该系统独立性强，适用性广，操作方便，用户只需通过网页登录，就可完成数据进库、删除、修改、浏览、查询、处理等。为各级政府和地质管理部门提供一个高效率、更快捷、更可靠的应用技术平台。

1 数据采集与处理

1.1 属性数据

通过收集多年研究区人文经济数据、生态环境专题数据、农业灌溉数据等历史统计资料，包括各种相关专题图、地理环境及地质数据、降雨量统计资料等。通过野外调查，获取地面监测资料和野外测点数据：温度、土壤含水量、矿化度、土壤PH值、电导率、地下水矿化度、地下水埋深、蒸发量、土壤粘土、粉砂百分含量、归一化植被指数、归一化水体指数以及地下水的分配等，按照主题对其进行统一数据重组、编码与格式转化，储存以表格形式，为之后的模型库模块做参数准备。

1.2 图像数据

采用新疆渭干-库车河绿洲地区高分一号(2m PAN/8m MSS)对地观测遥感影像数据，利用影像处理软件ENVI5.1实现遥感图像去条带、光谱增强、正射校正、辐射定标、几何校正、重新设定增益偏置参数以及Flash大气校正、图像融合等预处理。影像数据时间选在7-9月份，拍摄效果较好，图像较清晰、易分辨。由于影像数据的坐标投影、比例尺和投影方式等存在误差，因此，需要对其进行统一投影变换等标准化处理工作，最终以层的形式传送并装载到数据库系统中，方便用户调用图像文件的空间信息。

2 系统设计

2.1 系统结构

盐渍化监测预警网络GIS系统的总体思想是：通过调用ArcGIS Server中的功能，采用B/S(浏览器/服务器)模式架构与HTML语言，将WEB技术与盐渍化监测技术相结合，建立数据的采集与数据库的集成，利用系统中的模型库、方法库中的相关算法应用等技术，对数据修改、浏览、查询等，完成预测预警发布，即通过数据库、模型库、方法库这三库之间的数据处理、数据交换与分析等流程的相互支撑，来更好地实现盐渍化的监测预警。数据库包括相应的图像数据和属性数据，采用具有使用方便、伸缩性好与相关软件集成程度高等优点的SQL Server数据库处理与储存数据。系统研发工具采用Visual Studio .NET 2005。

根据用户需求分析、系统需求分析以及干旱区安全监测具备的特点，将系统划分为数据获取模块、数据库处理模块、业务分析模块、信息发布模块。数据获取模块负责属性数据、图像数据、基础数据的获取、进库、关联与共享等。数据库处理模块为数据库的建设与维护。业务分析模块是模型库与方法库的逻辑耦合，在于提取监测信息并进行预警分析。信息发布模块则用来为用户发布最终决策结果。该系统功能结构示意图如图1所示。

2.2 数据库子系统

在盐渍化监测预警系统中，数据库中的数据来自于不同数据源，海量、繁杂的数据不能满足系统需求。因此，只有设计出方便系统调用的最优数据库模型，建立合适的空间数据库，经过一系列加工、整理和汇总信息后，才能完成数据的标准化与一体化管理(谈树成等，2014)，构建渭干-库车河流域集属性、影像、生态环境、社会人文为一体的综合数据库，并支持数据的修改、更新、处理等操作，为渭干-库车河地区土壤盐渍化的监测与辅助决策系统做基础数据支撑。

图1 系统功能结构示意图Fig. 1 Schematic diagram of system function structure

2.2.1 图像数据库与属性数据库一体化表达

数据库的建设包括：数据采集、数据管理、数据传送。首先根据用户需求分析，完成属性数据库的初始设计。ArcGIS Server是一个支持Coverage、Shape格式的后台空间数据库，为了得到更加明确、纯净的数据，需要对属性数据库中数据进行转换处理，处理结果通过SQL Server数据库存储。本系统的属性数据库是在图像数据库的基础上设计的，在创建各图像数据的同时，录入相关的属性数据，如电导率、降雨量统计资料等，并以(*.dbf)表的格式储存，与之对应的图像数据则采用基于Access文件的Geodatabase格式(称为Personal Geodatabase),以Shape文档形式储存。最后，利用Arccatalog中的新建关系类子模块(New Relationship Class)，设置数据文件的搜索路径，实现图像数据库与属性数据库相关联，提供有效的检查与维护手段，确保数据的完整性与一致性。

2.3 模型库子系统

模型库由用于预测、分析和评价的多个监测模型组成，用来提供相应的接口和模型程序，方便用户实现模型构造应用程序，是该预警系统的关键部分。模型库的逻辑结构是由模型库字典、模型库、模型库管理系统组成。其中模型库字典是对库中各种监测模型的解析、划分功能定义、模型中所需的数据等相关说明。用户只需通过与之对应的接口链接，就能调用模型，产生实际用途。模型库管理系统是对模型的建立、运行和维护进行集中控制的系统。本文综合考虑盐渍地气候、地形地貌等特点，采用先进的遥感技术等手段，并通过大量文献，总结出模型库中盐渍化监测方法包括：电阻率探针技术、BP神经网络、原位电导率(EC)光谱指数技术(Abderrazaketal., 2016)、模拟量输送模型(Florianetal., 2013)、化学降解指标监测(M.J. Martínez-Sánchezetal., 2011)、支持向量机(Xiaoyanetal., 2013)、三维土壤盐渍化遥感监测模型SVWSI(Soil salinization fraction-Vegetation fraction -Water contents Soil Index)和SDI(Soil Distance Index)(丁建丽等，2014)、热红外发射率模型(夏军等，2012；阿尔达克·克里木等，2015)等，模型库的拓扑结构见图2。

图2 系统模型库示意图 Fig. 2 Schematic diagram of system model library

2.4 方法库子系统

方法库是存储和管理各种数值方法和非数值方法的模块工具。包括适用性和灵活性较强的严密数学计算方法与提取算法、存储、删除等问题。其由常用数据统计分析等方法和各种实用程序的集合组成，以供模型库调用，使之完成与模型库之间的耦合协同作用。对于本系统来说，要解决对方法的灵活调用与数据输入，从而更好地构造模型并修改模型，一种切实可行的方法就是：以国内外现有的各种方法软件程序为基础，对其进行筛选、改进、处理，并建立一个适用性更广的方法库系统。因此，才能真正能使资源共享成为可能(Hua Zhangetal.，2012)。本系统方法库拓扑结构见图3 。

3 系统实现

3.1 开发环境

(1)数据库：SQL Server；

(2)用户操作系统：Windows 7；

(3)空间数据引擎：ArcSDE 9.3；

(4)WEB服务器：IIS5.0；

(5)系统开发工具：Visual Studio .NET 2005;

(6)开发语言：HTML；

(7)发布平台：ArcGIS Server10.0。

3.2 系统功能实现

本系统以阿克苏地区，渭干-库车河绿洲为研究实验区，该区土壤盐渍化较严重，在此研究区建立盐渍化监测预警系统，具有典型代表性。本系统包含数据获取模块、数据库处理模块、业务分析模块和信息发布模块，其中主要为数据库处理模块、业务分析模块和信息发布模块，下面就这三个功能模块的设计开发进行简要介绍。

图3 方法库结构示意图Fig. 3 Schematic diagram of method library structure

3.2.1 数据库处理模块

盐渍化是一个缓慢的积累过程，其各项数据以及观测点数据的输入都需要不停更新，数据还必须遵循统一的规范标准，因此需要对数据库不断进行管理维护，以确保系统在开放式环境下正常运行。

进入系统管理中的数据库管理系统页面，界面从数据库读取研究区已有的各项指标信息，并提供对数据库中信息的建立、储存、增加、删除、编辑、备份和还原等功能，实现对数据库的基本操作与更新维护，保证服务质量和后续模块工作能够正常进行。数据库管理的主要内容有数据库的安全管控、调优、汇总、重构、报错问题和数据备份。系统界面见图4。

图4 数据库处理界面Fig. 4 Database processing interface

3.2.2 业务分析模块

渭干-库车河绿洲盐渍化监测预警系统的业务分析模块包括：(1)监测模型信息获取；(2)模型计算；(3)专题图(分类图)生成。其中，监测模型分别收集现阶段已有较成熟或最新的盐渍化监测模型，经过反复计算与验证，选择合适于当前研究区的多种监测模型。同时，可以实现对模型添加、修改、删除等操作，并结合数据库中数据分析、数据挖掘等技术，对盐渍化程度进行评价。在模型计算子模块中，系统利用方法库中数值分析、关联分析等强大的空间分析能力，对获取的数据信息进行深层次处理分析。方法库能够很好的与模型库完成有机融合，根据系统需求，从库中调出若干算法，对模型求解。所谓专题图，是指通过计算得到各项预警指标评价系统的加权平均值，利用不同颜色、区域等对地图要素加以修饰，方便用户更加直观的了解专题信息，本系统专题图的生成实现了盐渍化灾害等级的色块图分布与渲染。

以BP监测模型分析模块为例(图5)的分析中，该模型利用获取的动态监测数据等信息，通过误差逆传播算法进行预测，在综合分析与对比下，完成盐渍化区域监测工作。通过野外考察与大量监测资料核对，选择输入的训练参数有：测点信息、最大训练次数、允许误差、数据变换方式与监测信息等。计算得到训练后的输出结果，并与下一个模块接口，完成本模块流程。

图5 盐渍化监测预警系统的监测模型分析模块Fig. 5 Analysis module of monitoring model of salinization monitoring and early warning system

3.2.3 信息发布模块

发布模块是根据模型库与方法库的逻辑集成与耦合，再经过方法库中一系列的数学运算，模型求解，得出系统预警综合指数与预警区间，将制作好的影像(格式为.mxd文档)以Web Service形式发布。上一步骤模型预测结果显示之后，单击图像显示模块，将弹出预警控制面板；可根据需要选择地图、光谱影像与全色影像，系统将自动执行运算后最终生成的盐渍化预警分布图。以基于SI-Albedo特征空间的盐渍化监测预警模型为例(图6)，对其监测数据分析处理后，并通过警度运算，得到最终盐渍化分类影像。

该模块链接用户端口之后，能快速精确地进入盐渍化监测与预警系统，并获得盐渍化信息，进行快速查询、处理分析、统计预测等工作，实现盐渍化信息的网上存取、发布与共享。

图6 盐渍化预警分布图Fig. 6 Distribution of salinization in early warning

3.3 系统预警综合指数与预警区间

由预测、分析结果，得出盐渍化影响范围与盐渍化程度的分布图，根据遥感图像、属性信息等推算出直接造成影响，并得出系统预警指数与预警区间，从而方便进行易损性分析。预警综合指数即为盐渍化评估的数值化表达，是警度评估的重要依据，物理意思是各项预警指标评价系统的加权平均值，其数学公式为：

(1)

其中，E——预警综合指数(E=1～5)；

Dk——第k个预警指标盐渍化评价等级(Dk=1～5)；

Mk——第k个预警指标与其对应的权重系数(Mk=0～1)且M1+M2+……Mk=1。

预警综合指数取值越大，表示盐渍化程度越高，反之则表示盐渍化程度中或者较轻。警度是盐渍化程度评价指标等级的划分标准，结合本系统的预警程度将警度区间划分为3个等级，分别是：无警区间、中轻警区间、重警区间，对应盐渍化程度为：非盐渍地、中轻度盐渍地、重度盐渍化地。若预警综合指数E到达警限临界值1.75时，此时已出具盐渍化现象，系统即进入预警状态，并开始报警。警度计算公式为：

(2)

其中，Ma为预警综合指数E=1时状态，Mb为预警综合指数E=5时状态，R(x)为警度，且R(x)=0～1。若通过对研究区的警度计算方法可知，盐渍化预警警限的值为0.75(即超过数值0.75时可出现警情)，则该研究区的预警指标划分为：

无警报区间(非盐渍地)：R(x)∈[0,0.75)专题图中显示为绿色。

中警报区间(中轻度盐渍地)：R(x)∈[0.75,1.5)专题图中显示为红色。

重警报区间(重度盐渍地)：R(x)∈[1.5,2.25)专题图中显示为蓝色。

4 结论

本文基于WEBGIS系统，利用决策支持系统中的数据库、模型库、方法库,即“三库一体技术”，对渭干-库车河绿洲建立盐渍化监测与预警系统，该系统的建立对于干旱区土壤盐渍化长期发展趋势的监测与严重盐渍化的预警具有重要的现实意义。在对研究区知识经验获取的基础上, 从软件开发工程的角度概括了系统设计和开发过程，为用户或决策者提供所需的重要信息。本系统界面较为美观、操作方便、运行状况较满意, 并取得了如下成果：

(1)渭干-库车河研究区属于大陆性暖温带极端干旱气候，透水性差，蒸发量大，地下水位高，且灌区植被类型较少，造成土壤盐渍化现象较为普遍。考虑到本文研究目的，选取其作为本文的典型示范区，对今后渭干-库车河流域乃至干旱区盐渍化土壤的综合防治、保护和恢复都具有重要意义。

(2)通过前期大量资料与文献研究，本系统提出了以“三库一体”为理论基础的盐渍化监测预警模式，并集成了适用于盐渍地特点的21种监测模型，监测模型方法数量较多，使系统更加完善与可靠，真正实现系统监测实体的信息化表达和各盐渍化成因相互作用的物理过程模拟。

(3)根据模型库中监测参数输入，利用方法库中调用合适的数学方法将其定量表达，通过警度计算，最终将盐渍化结果专题图发布于WEB平台，并以中轻度、重度和非盐渍地类绘制成盐渍化程度分类图，极大的提升了决策能力，为用户的盐渍化监测与预警工作提供智能化的技术支持。

(4)从系统建设角度出发，综合考虑系统结构框架设计、开发方法，最终采用SQL Server数据库，B/S模式，HTML计算机语言开发设计，用户只需通过浏览器登录访问，便能在各功能界面下，实现快速获取遥感数据，进行信息编辑、提取、处理，动态监测等一体化工作流程，最终实现资源共享，网页也具备较为方便、简洁、以及可扩展性强等特点。

(5)该系统通过采用系统科学方法，所建立的更加完善的业务分析模块，提高了灾害分析与处理、系统化防治、信息获取的能力，促进了遥感技术与GIS应用有机结合。在系统各功能界面下，实现了诸多功能，克服了传统WEBGIS软件与遥感影像处理软件的不足之处，成为应用性更强的操作型系统，对今后盐渍化地区的监测预警建设具有客观参考价值。

然而本系统仍存在不足，比如：模型库中监测模型是否与方法库中的数学方法耦合，模型是否有效且具有实用性。今后的重点是对系统中的监测模型与各算法不断尝试实验，以完善与改进该系统，研究更适合的典型算法模型，扩大典型示范区的范围，建立更高效、科学、多样的监测预警系统，以实现优化完善系统。

Abderrazak El Harti, Rachid Lhissou, Karem Chokmani, Jamal-eddine Ouzemou, Mohamed Hassouna, El Mostafa Bachaoui, Abderrahmene El Ghmari. 2016. Spatiotemporal monitoring of soil salinization in irrigated Tadla Plain (Morocco) using satellite spectral indices[J]. International Journal of Applied Earth Observation and Geoinformation, 50:64-73

Alda Karim, Tashpolat Tiyip, Zhang Fei, Lei Lei, Zhang Dong. 2015.Establishment and validation of soil salinity prediction model based on thermal infrared emissivity spectroscopy[J].Journal of Agricultural Engineering, 31(17):115-120(in Chinese with English abstract)

Ding Jian-li, Wu Man-chun, Tashpolat Tiyip. 2011. Study on soil salinization information in Arid Region using remote sensing technique[J]. Science Direct, 10(3):404-411

Ding Jian-li, Yao Yuan, Wang Fei. 2014. Characteristic spatial modeling of soil salinization in arid area[J]. Ecological Journal, 34(16):4620-4631 (in Chinese with English abstract)

Florian M.Wagner, Marcus Möller, Cornelia Schmidt-Hattenberger, Thomas Kempka, Hansruedi Maurer. 2013. Monitoring freshwater salinization in analog transport models by time-lapse electrical resistivity tomography[J]. Journal of Applied Geophysics,89:84-95

Fu Teng-fei. 2015. Spatial temporal variability of soil salinization in typical coastal areas and its application in monitoring system[D].University of the Chinese Academy of Sciences:89-104(in Chinese with English abstract)

Gao Fan, Huang Qiang, Sun Xiaoyi,Yan Zhenglong. 2011. Study on dynamic changes of the soil salinization in the upper stream of the Tarim River based on RS and GIS[J]. Procedia Environmental Sciences,(11): 1135-1141

Hua Zhang, Shanzhen Yi, Yonggang Wu. 2012. Decision support system and monitoring of eco-agriculture based on WebGIS in Shule Basin[J]. Energy Procedia,14:382-386

Juan Manuel Peragón, Antonio Delgado, Juan Antonio Rodríguez Díaz, Francisco J. Pérez-Latorre. 2016. A GIS-based decision tool for reducing salinization risks in olive orchards[J]. Agricultural Water Management.vol,166:33-41

Mao Hai-tao, Huang Qing-hao, Wang Zheng-cheng. 2015. Research and development of soil salinization control and protective blanket[J]. Journal of Agricultural Engineering, 31(17):121-127(in Chinese with English abstract)

M.J. Martínez-Sánchez, C. Pérez-Sirvent, J. Molina-Ruiz, M.L. Tudela, M.L. García-Lorenzo. 2011. Monitoring salinization processes in soils by using a chemical degradation indicator[J]. Journal of Geochemical Exploration,199:1-7

Tan Shu-cheng, Jing Yan-zhu, Feng Long, Hu Xiong-gang, Yang Can, Li Yi-ming. 2014. Design and implementation of RIA based on WebGIS slope geological disaster weather forecast and early warning information system taking Nu River as an example[J].Earth Journal, 35(1):119-125(in Chinese with English abstract)

Waluyo Hatmoko, Radhika, Bayu Raharja, Daniel Tollenaar, Ronald Vernimmen. 2015. Monitoring and prediction of hydrological drought using a drought early warning system in Pemali-Comal River Basin[J]. Indonesia[J]. Procedia Environmental Sciences,24:56-64

Wu Dong-ping. 2015.Analysis on current situation and development trend of agricultural drought monitoring technology in China[J].Journal of natural disasters, 24(4):24-35( in Chinese with English abstract)

Xia Jun, Tashpolat Tiyip. 2012.Application of thermal infrared emissivity spectra in the estimation of salt content in saline soil[J].Spectroscopy and Spectral Analysis, (11):2956-2961(in Chinese with English abstract)

Xia Jun, Tashpolat Tiyip, Zhang Fei, Ji Hong-liang. 2011.Design and Realization of [J]. Spectroscopy and spectral analysis of Web typical ground object spectrum information system based on.NET and SuperMap in arid area[J].Spectroscopy and Spectral Analysis,31(7):1977-1883 (in Chinese with English abstract)

Xiaoyan Guan, Shaoli Wang, Zhanyi Gao, Ye Lv. 2013. Dynamic prediction of soil salinization in an irrigation district based on the support vector machine[J]. Mathematical and Computer Modelling, 58:719-724

Xie Mo-wen,Chai Xiao-qing,JIA Ning,Wang Zeng-fu,2011.Development and application of geographic information system for real-time monitoring of landslide[J]. 30(10):2090-2102(in Chinese with English abstract)

Zhang Shun. 2014. Research and development of automatic monitoring and early warning system for Soil Salinization Based on resistivity probe technique[D].Ocean University of China:13-23 (in Chinese with English abstract)

[附中文参考文献]

阿尔达克·克里木, 塔西甫拉提·特依拜, 张 飞, 雷 磊, 张 东. 2015. 基于热红外发射率光谱的土壤盐分预测模型的建立与验证[J]. 农业工程学报,31(17):115-120

丁建丽, 姚 远, 王 飞. 2014. 干旱区土壤盐渍化特征空间建模[J]. 生态学报, 34(16):4620-4631

付腾飞. 2015. 滨海典型地区土壤盐渍化时空变异及监测系统研究应用[D]. 中国科学院大学:89-104

毛海涛, 黄庆豪, 龙顺江, 王正成. 2015. 土壤盐渍化治理防护毯的研发及试验[J]. 农业工程学报,31(17):121-127

谈树成, 金艳珠, 冯 龙, 虎雄岗, 杨 炀, 李益敏. 2014. 基于RIA的WebGIS斜坡地质灾害气象预报预警信息系统的设计与实现-以怒江为例[J]．地球学报,35(1):119-125

吴冬平. 2015. 我国农业旱情监测技术现状及发展趋势分析[J]. 自然灾害学报,24(4):24-35

夏 军, 塔西甫拉提·特依拜. 2012. 热红外发射率光谱在盐渍化土壤含盐量估算中的应用研究[J]. 光谱学与光谱分析,(11):2956-2961

夏 军, 塔西甫拉提·特依拜, 张 飞, 姬洪亮. 2011. 基于.NET 和SuperMap 的干旱区Web典型地物光谱信息系统的设计与实现[J]. 光谱学与光谱分析,31(7):1977-1883

谢谟文, 柴小庆, 贾 宁, 王增福. 2011. 滑坡实时监测网络地理信息系统研发及应用[J]. 岩石力学与工程学报,30(10):2090-2102

张 顺. 2014. 基于电阻率探针技术的土壤盐渍化自动监测预警平台研发[D]. 中国海洋大学:13-23

Development of a Monitoring and Early Warning System for Soil Salinization Based on a Model with Integrated WEBGIS and Three Libraries

LI Huan1,2,DING Jian-li1,2

(1.CollegeofResourceandEnvironmentSciences,XinjiangUniversity,Urumqi,Xinjiang830046; 2.XinjiangKeyLaboratoryofoasisecology,Urumqi,Xinjiang830046)

With the development of computer application and operation technology, the continuous improvement of software technology and the vigorous development of visualization technology, the operable performance of the WEBGIS system has become increasingly improved. Taking the Weiku oasis saline in Xinjiang as the background, this work proposes the WebGIS and "three-library" technology platform based on the combination of GIS, network technologies and safety monitoring. First, the SQL Server database is established based on a large number of field measured data, literature, humanity and economic data, basic geography and geology and other data. Second, an integrated model applicable to saline soil characteristics including 21 kinds of monitoring modes is used as the guide, calling the salinization analysis method, relevant data are extracted for calculation, solving the model with help of expert decision-making. This system uses the B/S mode, HTML (Hypertext Markup Language) design and builds the salinization monitoring and early warning model, evaluates the degree of salinization, and analyzes its development trend. The purpose is to develop an engineering application system which combines salinization monitoring and early warning intelligent analysis network. The system has realized the data storage, analysis and management of the database, and the analysis of soil salinization monitoring model, information release and other functions. This system improves the performance of geospatial information, promotes the application of information technology in arid areas and expands the information sharing platform, which provide strong technical support to regional sustainable development.

WEBGIS, salinization monitoring and early warning, three-library integrated technology

2016-01-19；[修改日期]2016-09-07；[责任编辑]陈伟军。

新疆维吾尔自治区重点实验室课题(2016D03001)、新疆大尺度土壤盐渍化监测与预警网络系统平台研发(201591101)、国家自然科学基金项目(U1303381，41261090，41161063)、教育部促进与美大地区科研合作与高层次人才培养项目联合资助。

李 焕(1992年-)，女，硕士研究生，主要从事干旱区资源环境及遥感应用研究。E-mail:1369093294@qq.com。

丁建丽(1974年-)，男，教授，博士生导师，主要从事干旱区资源环境及遥感应用研究。E-mail:342931382@qq.com

X833

A

0495-5331(2016)06-1167-09