基于遥感反演河套灌区土壤盐分分布及对作物生长的影响

黄权中，徐 旭，吕玲娇，任东阳，柯隽迪，熊云武，霍再林，黄冠华※

(1. 中国农业大学中国农业水问题研究中心，北京 100083；2. 中国－以色列国际农业研究培训中心，北京 100083)

0 引 言

土壤盐渍化是限制干旱-半干旱地区作物产量的重要因素，由此而带来的土壤退化问题极大地影响着区域水土环境健康[1]。据估计，全球至少有 20%的耕地或超过40%的灌溉地受到不同程度的土壤盐渍化影响[2-3]。其中，人类活动（尤其指不合理的农业水土资源管理）导致的土壤次生盐渍化问题是干旱区灌溉农业面临的主要威胁。及时、准确地监测盐渍化动态并了解其影响因素，是盐渍化合理防治的重要前提。基于野外样点的测试分析是传统且直观的方法，能获得土壤盐分的详细动态，但相对费时费力且样点数量一般有限[4-7]；应用遥感技术进行盐分反演能有效地提取大范围、高分辨率的表土盐渍化分布特征[8-14]；考虑盐分含量与作物生长的响应关系，也可间接反映盐渍化状况[10-12,15-17]。同时，遥感盐分识别也受气象、盐分特征、植被覆盖、灌溉等因素的干扰而应用受限。此外，灌区的盐渍化特征多具有极强的区域特色。

土壤盐渍化问题在中国北方干旱灌区较为突出，已成为制约灌区农业可持续发展的重要因素。黄河流域上游的河套灌区是受盐渍化影响的典型区，干旱的气候条件以及不合理的灌排措施加重了灌区土壤次生盐渍化问题，全区受盐渍化影响面积达39万hm2，占总土地面积的近 69%[18]。前人针对河套灌区土壤盐渍化的形成机制、时空动态特征、物-化-生调控等方面，均已开展了大量卓有成效的研究[19-26]。由于灌区内部土壤类型、灌溉制度、土地利用、种植结构、排水能力等存在较强的差异，土壤盐渍化状况表现出较大的时空变异性，这给盐渍化的识别与诊断带来了挑战。目前，针对灌区尺度的土壤盐分分布特征、动态变化及其影响的研究尚不多见。

鉴于此，本研究于2005年4—8月在内蒙古河套灌区开展了全灌区尺度的多次野外采样工作，获取有关土壤盐分、地下水埋深、株高、叶面积指数、产量等数据，系统分析了土壤盐渍化时空特征及其影响因素，并结合遥感反演解析盐渍化的空间分布特征，进一步探讨灌区不同盐渍化水平对作物种植、生长及产量的影响，以期为河套灌区盐渍化防治与农业生产提供实践指导。

1 材料与方法

1.1 研究区概况

内蒙古河套灌区（以下简称河套灌区）是中国重要的粮经作物生产基地之一，亦是中国的第三大灌区。灌区位于内蒙古自治区西部（40°15′～41°18′N、106°20′～109°19′E），西接乌兰布和沙漠，东至包头市郊，南邻黄河，北抵阴山山脉之狼山，是黄河北岸的冲洪积平原（图1）。灌区总面积约119万hm2，其中灌溉面积超过66%，年均引黄水量近50亿m3，排水量仅约4亿m3[22,26]。河套灌区气候属于典型的大陆性气候，冬季严寒少雪，夏季高温少雨，年均降水量158 mm，并且集中在6—8月，年均蒸发量（20 cm蒸发皿）达2 056 mm，是典型的无灌溉则无农业的地区。灌区土壤形成受黄河冲洪积、引黄灌溉淤土等影响，类型以粉壤土、砂壤土和壤土为主，土壤质地总体呈自南向北、自西向东逐渐变细趋势。长期不合理的高灌低排导致灌区地下水位居高不下，加之气候条件、土质及地形地貌等因素的影响，河套灌区土壤次生盐渍化问题十分突出。

图1 河套灌区地理示意图及采样点分布Fig.1 Schematic of Hetao Irrigation District and distribution of sampling points

灌区土壤盐渍化影响了作物生长与产量，同时重度盐渍地呈明显的插花式斑状分布。灌区主要农作物是小麦、葵花和玉米，同时还夹杂种植一些辣椒、番茄、西瓜等作物。由于受灌溉条件影响，上游（如解放闸灌域）地区引水便利，灌溉次数多，农田种植结构复杂，而下游地区（如义长灌域东部）灌水次数少，以种植耐盐的向日葵为主，种植结构单一。

1.2 采样点布置及数据收集

本研究于2015年在河套灌区进行了5次覆盖全灌区的土壤采样与调研工作，样点布设综合考虑了不同土地利用、种植结构、灌溉方式、地下水位等情况，采样时间分别为4月20日、5月28日、6月29日、7月30日和8月31日。其中，4月份共布置了213个采样点（图1中A系列取样点），对耕地和盐荒地的土壤含水率与含盐量进行测定。本次取样处于春灌前，土壤盐分尚未受灌溉影响；同时，由于少雨干旱多风，地表蒸发剧烈，盐分有表聚趋势（表现为盐斑、盐霜甚至盐结皮），此时样本信息可更真实地反映灌区盐渍化程度及其空间差异。5—8月则在灌区耕地中布置了68个采样点（图1中B系列取样点），分5次对土壤含水率、含盐量、作物株高、叶面积指数（leaf area index，LAI）等指标进行测定，并于作物收获时进行测产。5—8月的5次取样则用于表达受灌溉及作物种植影响下的灌区盐渍化动态变化。取样时，A、B系列均按 0～10、＞10～20、＞20～40、＞40～60、＞60～80、＞80～100 cm进行分层取样，并取3次重复。土壤含水率采用烘干法测定，含盐量采用土水比1∶5法配置土壤溶液，经过滤后采用电导率仪（DDS-307A，上海佑科仪器公司）测定土壤溶液电导率（EC1∶5，dS/m）值，并通过经验公式计算土壤含盐量（SSC，%）：SSC=(0.2882EC1∶5+0.0183)[22]。LAI采用植物冠层分析仪（ACCUPAR-LP80，美国 Decagon公司）测定，作物株高采用卷尺测量。各采样点均位于灌区地下水位常规观测井附近，可获取5 d 1次的地下水埋深数据。

考虑到土壤采样点数量有限，本文拟用卫星遥感数据对全区表土盐分进行高分辨率解译，以了解灌区土壤盐渍化分布特征。将4月份地面实测盐分数据按2:1的比例随机分成用于建立模型和模型验证。因4月灌区地表裸露且盐分表聚明显，有利于盐分的遥感反演识别，故采用同时期Landsat OLI遥感影像数据（30 m分辨率）。2015年3月25日行列号为129/31、129/32的2景遥感图像通过辐射校正、大气校正、几何校正，提取遥感数据，并通过光谱数据与实测盐分数据的相关性分析，发现根据4、5月份的可见光反演表土盐分，具有较好效果。据此构建了基于光谱指数的河套灌区盐分遥感反演模型对全灌区表土盐分含量进行反演。其中，盐分等级划分与盐渍化程度识别采用决策树分类法进行，盐分反演模型采用指数拟合得到，如图2a所示。指数公式形式如下：

式中SSC为土壤含盐量（g/100 g，记为%）；SI为筛选得到的盐分光谱指数；B、R和G分别为蓝、红和绿波段的光谱反射率。

图2 基于光谱指数的盐分反演模型构建与验证Fig.2 Establishment and validation of salinity inversion model based on spectral index

2 结果与分析

2.1 灌区盐渍化分布特征分析

2.1.1 基于取样点的土壤盐分时空特征分析

河套灌区 4月末的盐分分布相对稳定，可较为真实地代表灌区盐渍化分布情况。该时段全灌区耕地基本为非盐渍化和轻度盐渍化，其中非盐渍土占耕地样点总数的83%（表1）。耕地表层（0～10 cm）与根层（0～100 cm）土壤含盐量的平均值基本在0.12%～0.20%之间，不同作物的平均含盐量基本均在0.40%以下，部分区域土壤含盐量可低于 0.10%。荒地则主要以重度盐渍化为主，表层和根层土壤含盐量的平均值分别为 1.15%和 0.60%，但亦有个别荒地因地势较低，会被秋浇或春灌的退水淹没，造成盐分淋洗，从而土壤含盐量相对较小（＜0.20%），这也使荒地盐分的变异系数相对偏大（表1）。耕地和荒地表层土壤盐分含量显著高于根区平均值，这是因为研究区 4月份土壤处于消融阶段，融通前表层融水下渗慢，冻层上部形成临时近饱和甚至饱和区；而灌区春季干燥多风且地表植被覆盖度较低，蒸发强度较大，蒸发后盐分大量聚集于土壤表层。表层和根层土壤含盐量在空间分布上具有较好的一致性。

表1 灌区土壤采样点的盐分统计分析Table 1 Summary statistics of soil salinity of sampling points

结合图 3与实地调研可知，河套灌区土壤盐分含量在空间分布上具有一定的规律性：1）重度盐化土、盐土样点零散分布，但基本处于常年无灌溉的盐荒地、休耕地或者地下水埋深较浅的滩涂（如解放闸灌域西部、义长灌域东北部和西南部），主要受地下水位和地形条件等因素影响；2）上游解放闸和永济灌域北部地区土壤含盐量较南部地区偏高，这主要与地下径流条件和用水方式密切相关：解放闸和永济灌域地下水总体由南部总干渠向北部总排干方向排泄，土质由南向北变细，排水也越发不畅，导致盐分累积加剧；加之南部地区近年发展了一定面积的井渠灌，地下水埋深增加且灌水频繁，盐分淋洗效果增加而表聚作用有所削弱；3）下游义长灌域东南部与乌拉特灌域耕地盐分含量相对不高，这可能与近年的种植结构和灌溉制度有关：下游以种植耐盐的向日葵为主，多在4月末5月初进行1次大水漫灌，生育期基本不灌水或部分仅灌 1次水。因此，秋浇前期地下水埋深相对较深，有利于盐分淋洗而使翌年播前根区盐分较小；同时，每年3月至4月中旬下游部分地区引凌汛水灌溉，也是造成 4月土壤含盐量相对偏低的因素；此外，下游尾端（乌拉特灌域东部）主要表现为非盐渍化土，可能与灌区尾部排水系统密集而排水效果相对较好有关；4）总排干以北的山前灌区土壤以非盐化土为主，与该区地下水埋深相对较深且多采用井灌有关；5）对灌区尺度而言，由于局部地形、耕作措施、灌溉制度、种植作物、土壤性质等的空间差异性，盐渍化在局部上还呈现出一定的错综分布特性。

图3 河套灌区播种前期（4月末）土壤含盐量的空间分布Fig.3 Spatial distribution of soil salinity in Hetao Irrigation District during pre-sowing period (late April)

在作物生育期5—8月，由于受灌溉、作物生长、排水等因素影响，耕地土壤盐分动态变化幅度较大（图4）。河套灌区5月后陆续进入春灌期，灌区根区盐分在5—6月较明显下降。上中游地区（解放闸、永济和义长灌域西部）于6月起进行夏灌（大部分为2～3水），6—8月根区盐分在局部呈增减不一的复杂变化，这与灌区的插花种植结构密切相关，不同作物灌溉制度不同因而盐分淋洗各异；灌区整体呈现出非盐渍化状态，尤其在 4—7月，而 8月少数区域表现出轻度盐渍化情形。而下游地区（义长东部和乌拉特）种植结构单一，多为耐盐的向日葵；该区域基本不夏灌或仅灌1次，7月和8月作物耗水均由地下水向上补给而提供，土壤盐分呈显著的持续累积状态。在相对关键的 8月，下游诸多地区（义长灌域东部和乌拉特灌域）已呈现轻度盐渍化状态，部分耕地甚至达到重度盐渍化水平。

图4 4—8月河套灌区农田0～100 cm土壤含盐量的空间分布Fig.4 Spatial distribution of soil salinity at 0-100 cm in farmland of Hetao Irrigation District from April to August

2.1.2 基于遥感反演的土壤盐分空间分布

在样点分析基础上，通过遥感反演进一步获得了河套灌区4月份土壤表层（0～10 cm）含盐量分布图（图5），其分辨率为30 m。

但采尔在中研院的这段时间，蔡元培在上海医院疗养。但采尔多次致信问候蔡元培，也讲到他不适应南京气候，经常患肠疾，自己的病刚好，夫人又患类似的病，提出要提前回国。但采尔产生这个想法，除水土不服导致身体不适的原因外，更为重要的是当时上海战事不断，他怕近在咫尺的南京受到牵连，同时也为能否拿到月俸和返国费用而担心。

图5 基于遥感的土壤盐分空间分布（30 m分辨率）Fig.5 Spatial distribution of soil salinity inversed by remote sensing (30 m resolution)

图 5中白色区域主要是沙丘、建筑物和水体，光谱差异大，不进行盐分遥感反演。同时，应用同期 Google Earth影像进行了局部区域（A-G区）土壤含盐量的对比检验，并选取D和E区作为重度和轻度盐渍土分布的示例区（图5b、c），对比结果高度一致。由图3的对比分析可知，0～10 cm与0～100 cm土层盐分含量空间分布趋势高度一致，相关系数达0.87。因此表层含盐量可在相当程度上用以表征作物主根区（0～100 cm）土壤含盐量。因此，结合遥感反演可进一步提升对灌区盐渍化分布特征的认识：1）全灌区内重度盐化土、盐土呈斑块状广泛分布，包括部分盐荒地、河滩地以及弃耕地，可占灌区总面积的14%（图5a）。对比图3中多处重度盐渍土和盐土分布特点，可进一步验证其主要分布于地下水埋深较浅的低洼地带（如排沟附近、河滩地、低洼处）；2）河套灌区可耕地（包括耕地和草地）土壤含盐量多在＜0.2%的范围内，属于非盐化土，约占总可耕面积的 92%，略高于实测样点的耕地统计结果（83%）；可耕地中轻度盐化土呈插花式分布（图 5），主要分布在盐渍化较重的盐荒地附近。3）城镇周边盐渍化程度普遍较低，这与地下水开采量多而埋深较深有关；4）在空间分布上，遥感结果与取样所得的土壤盐分分布趋势一致性较强（图3a和图 5a）；5）遥感反演精度受土壤含水率、地表覆盖、土地翻耕等诸多因素的影响；此外，4月份野外取样持续时间长，与卫星过境时间有一定误差，也可造成局部地区反演偏差。如：卫星过境前，义长灌域东北部和南部地区出现过一定的降雨和引凌汛水灌溉，与观测结果对比，反演中可能低估了可耕地的盐渍化程度。

遥感可较好的获取高分辨率的土壤盐渍化空间信息。由于轻度、重度盐渍化和盐土呈明显的零散和插花分布，基于样点的分析显然难以捕捉其真实的分布情况。同时，由于河套灌区土壤盐分空间变异较大（变程随采样密度不同在 30～150 m变化）[27-30]，即便达到如图 3中的采样密度（平均间距约5 km），传统的空间插值方法（如反距离加权、地统计方法）亦会带来较大的误差。相对而言，本文采用的基于遥感影像像元解译反演土壤含盐量的方法较合理地表征了河套灌区大尺度、高分辨率的盐分空间分布。

2.1.3 土壤盐渍化与地下水埋深的关系分析

盐渍化特征初步分析结果表明，地下水埋深及灌溉对河套灌区土壤盐渍化有着深刻的影响。4月土壤含盐量随地下水埋深增大而呈减小趋势，满足对数关系（图6）。由于河套灌区多数地区排水不畅，水盐多以向上运移为主，若地下水埋深过小则会加剧盐分持续向上累积，从而使土壤盐渍化加重。这也正是前述重度盐渍土、盐土主要分布于排沟、河滩及低洼地的主要原因之一。同时，相同的盐分水平所对应的埋深有着较大的标准差分布（如图6所示），这可能受秋浇灌水量、排水能力、土壤质地等条件的影响。此外，4月的土壤盐渍化程度对作物播种及苗期生长有较大影响，此时地下水埋深约2.0 m，土壤表层及其主根区含盐量大都在 0.20%以内（图 6），这有利于作物出苗及早期生长。因此，通过改善排水能力来控制地下水埋深，可在很大程度上解决土壤盐渍化问题。

图6 地下水埋深与表土和根区土壤含盐量的关系Fig.6 Relationship between groundwater depth and soil salinity of surface soiland root zone

2.2 土壤盐渍化对作物种植及生长的影响

2.2.1 盐渍化与作物分布的响应关系

根据调研结果，可将河套灌区作物分为玉米、向日葵、小麦、果蔬 4类，各类作物地根区含盐量逐月变化见表2。在经济的调节下，灌区种植结构受土壤盐渍化水平、作物耐旱性、灌溉条件等主要因素影响。从作物类型来看，不同作物田块的盐分分布存在明显差异，整体趋势为向日葵地含盐量最大；玉米地虽然含盐量分布幅度较大，但中位值都最低；而小麦地含盐量的中位值略高于玉米。主要是因为葵花的耐盐性高，适宜盐分范围最广，部分轻度盐渍土也可种植，生育后期处于积盐状态；玉米在生育期内根系盐分含量基本控制在0.3%以内，且随作物生长期增加而呈降低趋势，这主要是因为玉米生育期内灌水充分，对土壤盐分有很好的淋洗作用；小麦、果蔬田块盐分平均含量较低，并且小麦播种较早（3月末），苗期时间长，此时根系很浅，适宜播种在非盐渍化或较轻盐渍化的田块；果蔬普遍耐盐性差，主要播种在非盐渍化耕地，且生育中后期不适合大水漫灌，生育期内盐分平均含量呈持续增加的趋势。

表2 各作物生育期内平均含盐量统计Table 2 Statistics of mean salinity during crop growth period/%

从时间序列来看，各作物地采样点土壤盐分含量变化较明显（表 2）。4月各作物地盐分含量普遍较高，主要由于春季土壤处于融化状态且蒸发作用较强，盐分随水分向上层迁移使表层土壤含盐量增加；5月初部分区域进行大面积春灌，洗盐效果明显；作物主要生育期内，土壤盐分含量变化受灌水影响较大，玉米、小麦田块由于频繁灌水，盐分含量稳定且基本处于非盐渍土水平，而葵花、果蔬田块由于生育期内灌水次数少，呈现明显积盐态势。尤其向日葵后期的平均值在0.20%以上，许多向日葵地呈轻度盐渍化状况。

2.2.2 土壤盐分对作物生长的影响

选取样本量较多的向日葵和玉米样点，以 7月末实测作物（leaf area index，LAI）和株高为生长指标并进行归一化处理。4—6月末（主要营养生长阶段）作物生长指标与根区平均含盐量相关性分析如图 7所示。可以看出，2种作物的相对LAI、相对株高均与根区含盐量具有一定程度的负相关。对于向日葵，当含盐量高于0.2%时，相应的LAI基本在平均水平以下，且随含盐量继续增大LAI有明显减小的趋势；表明尽管向日葵耐盐性较好，但其生长仍会受到土壤盐渍化的抑制。盐分对株高的影响相对较小，但实测数据表明相对株高的最小值也可降至0.6左右。对玉米而言，样点含盐量基本在0.2%以内，低于向日葵样点；该范围内玉米株高受含盐量影响较小，最小相对株高也达到0.72；而更重要的生长指标LAI则受盐分影响较大，其线性拟合的斜率大于向日葵，这也与玉米普遍耐盐性较差吻合。此外，对于玉米和向日葵而言，相同的盐分水平可对应不同的作物生长状况，表明作物生长虽然受田间管理方式（作物施肥、灌水制度、耕作条件等）的影响，但盐分影响仍然是较为重要的因素。因此，保证玉米地根区非盐渍化、合理控制向日葵轻度盐渍化地含盐量，对保证现状灌区作物生长具有重要作用。

图7 根区土壤含盐量与归一化的作物生长指标之间的关系Fig.7 Relationship between soil salinity in root zone and normalized crop growth index for crops

表3 作物不同产量等级表土和根区平均土壤含盐量统计Table 3 Statistics of soil salinity at surface soil and root zone for different yield levels of crops

2.2.3 土壤盐分对作物产量的影响

参考当地调研情况，分别以 3 000 kg/hm2和12 000 kg/hm2作为划分向日葵和玉米高产田的参照标准。表 3分析了作物生育期内高产田和非高产田土壤含盐量平均值情况。向日葵高产田对应的土壤盐分平均值略低于非高产田，其含盐量主要集中在0.30%以内；而非高产田中的部分地块盐分含量偏高，尤其下游地区未能灌溉的农田尤为明显，但部分高含盐量田块仍然达到了高产水平，可见向日葵对盐分的适宜范围相对较广，灌区内盐分含量稍高的土地仍然适宜种植。玉米高产田对应的含盐量普遍低于非高产田，高产田根区盐分基本均在0.11%～0.15%之间因此玉米产量受盐分影响相对更为显著。此外，玉米表土平均含盐量基本均在0.10%～0.18%之间，而向日葵则介于0.15%～0.26%左右，表明河套灌区种植结构的调整除受经济效益影响外，还受土壤含盐量的影响。

3 结 论

本研究基于在内蒙古河套灌区进行的大量野外采样与勘察数据，并结合遥感定量反演方法，开展了全灌区尺度盐渍化特征的系统分析。主要研究结论有：

1）样点与遥感反演分析表明，全灌区土地主要为非盐渍化、轻度盐渍化为主，二者占灌区面积的86%左右，而重度盐化土、盐土占灌区总面积的 14%，主要呈零散的斑状分布并多沿低洼地、弃耕地、河滩地等受人类直接干预较少的区域；

2）河套灌区土壤盐分含量分布在空间上具有较强的规律性，主要受上、中、下游各灌域及其内部灌溉、排水条件及地下水埋深差异影响；同时，在灌区局部地区影响因素复杂，土壤盐渍化分布也呈现出一定的错综性。

3）当地下水埋深控制在2.0 m以下时，播种前期（即4月末）土壤表层及其主根区含盐量基本可控制在0.20%以内，有利于保障作物出苗及前期生长；

4）现状条件下玉米、小麦、果蔬多种植于低盐区而受盐渍化影响较小，而向日葵则因耐盐性强而广泛种植于较高含盐区，其生长指标与含盐量呈负相关；玉米高产田对应的根区盐分基本均在0.05%～0.20%之间，因此建议玉米种植区含盐量应尽量控制在0.20%以下，并需着力控制下游地区向日葵产量形成关键期的盐分含量；

基于遥感反演的插值方法可以较合理地表征河套灌区大尺度、高分辨率的盐分空间分布，同时仍需多年的数据来进一步验证。

[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] Rhoades J D, Loveday J. Salinity in irrigated agriculture.[M]//Stewart B A, Nielson D R. Irrigation of Agricultural Crops. Madison, WI: Am Soc Agronomists, 1990: 1089－1142.

[3] Abbas A, Khan S, Hussain N, et al. Characterizing soil salinity in irrigated agriculture using a remote sensing approach[J]. Physics and Chemistry of the Earth, 2013, 55－57: 43-52.

[4] 麦麦提吐尔逊·艾则孜，海米提·依米提，艾尼瓦尔·买买提，等. 天山西部伊犁河流域土壤盐分特征[J]. 环境科学研究，2010, 23(6)：774－781.Aizezi M, Yimiti H, Maimaiti A. et al. Characteristics of soil salinity in iliriver valley, western Tianshan mountains[J].Research of Environmental Sciences, 2010, 23(6): 774－781.(in Chinese with English abstract)

[5] 刘庆生，刘高焕，励惠国. 辽河三角洲土壤盐渍化现状及特征分析[J]. 土壤学报，2004, 41(2)：190－195.Liu Qingsheng, Liu Gaohuan, Li Huiguo. Analysis on characteristics of soil salinization in Liaohe river delta [J].Acta Pedologica Sinica, 2004, 41(2): 190－195. (in Chinese with English abstract)

[6] 范晓梅，刘高焕，刘红光. 基于Kriging和Cokriging方法的黄河三角洲土壤盐渍化评价[J]. 资源科学，2014, 36(2)：321－327.Fan Xiaomei, Liu Gaohuan, Liu Hongguang. Evaluating the spatial distribution of soil salinity in the yellow river delta based on Kriging and Cokriging methods[J]. Resources Science, 2014, 36(2): 321－327. (in Chinese with English abstract)

[7] 戚隆溪，陈启生，逄春浩. 土壤盐渍化的监测和预报研究.土壤学报，1997, 34(2)：189－199.Qi Longxi, Chen Qisheng, Pang Chunhao. Monitoring and predicting investigation on soil salinization[J]. Acta Pedologica Sinica, 1997, 34(2): 189－199. (in Chinese with English abstract)

[8] Abbas A, Khan S, Hussain N, et al. Characterizing soil salinity in irrigated agriculture using a remote sensing approach[J]. Physics and Chemistry of the Earth, 2013,55/56/57: 43－52.

[9] Douaoui A E K, Nicolas H, Walter C. Detecting salinity hazards within a semiarid context by means of combining soil and remote-sensing data[J]. Geoderma, 2006, 134(1/2): 217－230.

[10] Rao B, Sankar T R, Dwivedi R S, et al. Spectral behavior of salt-affected soils[J]. International Journal of Remote Sensing,1995, 16(12): 2125－2136.

[11] Dehaan R L, Taylor G R. Field-derived spectra of salinized soils and vegetation as indicators of irrigation-induced soil salinization[J]. Remote Sensing of Environment, 2002, 80(3):406－417.

[12] Csillag F, Pasztor L, Biehl L L. Spectral band selection for the characterization of salinity status of soils[J]. Remote Sensing of Environment, 1993, 43(3): 231－242.

[13] Farifteh J, Farshad A, George R J. Assessing salt-affected soils using remote sensing, solute modelling and geophysics[J]. Geoderma, 2006, 130(3/4): 191－206.

[14] Dwivedi R S, Rao B. The selection of the best possible Landsat TM band combination for delineating salt-affected soils[J]. International Journal of Remote Sensing, 1992,13(11): 2051－2058.

[15] 王静，刘湘南，黄方，等. 基于 ANN技术和高光谱遥感的盐渍土盐分预测[J]. 农业工程学报，2009, 25(12)：161－166.Wang Jing, Liu Xiangnan, Huang Fang, et al. Salinity forecasting of saline soil based on ANN and hyperspectral remote sensing [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009，25(12): 161－166. (in Chinese with English abstract)

[16] 翁永玲，戚浩平，方洪宾，等. 基于PLSR方法的青海茶卡-共和盆地土壤盐分高光谱遥感反演[J]. 土壤学报，2010,47(6)：1255－1263.Wong Yongling, Qi Haoping, Fang Hongbin, et al.PLSR-Based hyperspectral remote sensing retrieval of soil salinity of Chaka-Gonghe basin in Qinghai province [J]. Acta Pedologica Sinica, 2010，47(6): 1255－1263. (in Chinese with English abstract)

[17] Wang D, Wilson C, Shannon M C. Interpretation of salinity and irrigation effects on soybean canopy reflectance in visible and near-infrared spectrum domain [J]. International Journal of Remote Sensing, 2002, 23(5): 811－824.

[18] 雷廷武，Issac Shainberg，袁普金，等. 内蒙古河套灌区有效灌溉及盐碱控制的战略思考[J]. 农业工程学报，2001,17(1)：48－52.Lei Tingwu, Issac Shainberg, Yuan Pujin, et al. Strategic Considerations of efficient irrigation and salinity control on Hetao Plain in Inner Mongolia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2001, 17(1): 48－52. (in English with Chinese abstract)

[19] Jin X M, Vekerdy Z, Zhang Y K, et al. Soil salt content and its relationship with crops and groundwater depth in the Yinchuan Plain (China) using remote sensing[J]. Arid Land Research and Management, 2012, 26(3): 227－235.

[20] 陈红艳，赵庚星，陈敬春，等. 基于改进植被指数的黄河口区盐渍土盐分遥感反演[J]. 农业工程学报，2015, 31(5)：107－112.Chen Hongyan, Zhao Gengxing, Chen Jingchun, et al.Remote sensing inversion of saline soil salinity based on modified vegetation index in estuary area of Yellow River[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 107－112. (in Chinese with English abstract)

[21] 张蔚榛，张瑜芳. 对灌区水盐平衡和控制土壤盐渍化的一些认识[J]. 中国农村水利水电，2003(8)：13－18.Zhang Yuzhen, Zhang Yufang. Knowledge of water and salt balance and control of soil saline and water logging in irrigation district[J]. China Rural Water and Hydropower,2003(8): 13－18. (in Chinese with English abstract)

[22] 王伦平，陈亚新，曾国芳. 内蒙古河套灌区灌溉排水与盐碱化防治[M]. 北京：水利电力出版社，1993.

[23] 桑以琳. 内蒙古河套灌区碱化土壤的发生原因和特性[J].土壤学报，1996(4)：398－404.Sang Yilin. Formation properties and characteristics of alkalized soil in the Hetao irrigation district of neimongol [J].Acta Pedologica Sinica, 1996(4): 398－404. (in Chinese with English abstract)

[24] 王学全，高前兆，卢琦. 内蒙古河套灌区水资源高效利用与盐渍化调控[J]. 干旱区资源与环境，2005, 19(6)：120－125.Wang Xuequan, Gao Qianzhao, Lu Qi. Effective use of water resources and salinity and waterlogging control in the Hetao irrigation area of Inner Mongolia [J]. Journal of Arid Land Resources and Environment, 2005, 19(6): 120－125. (in Chinese with English abstract)

[25] 李连捷，辛德惠. 内蒙河套地区灌溉农业的发展和盐土改良分区[J]. 中国农业科学，1964(4)：14－21.Li Lianjie, Xin Dehui. The development of irrigated agriculture and the improvement of saline soil in Hetao Area,Inner Mongolia [J]. Scientia Agricultura Sinica, 1964(4): 14－21. (in Chinese with English abstract)

[26] 水资源综合规划报告[R].内蒙： 内蒙古自治区巴彦淖尔市水务局，2015.

[27] 史海滨，陈亚新，朝伦巴根，等. 表层土壤盐分空间变异性及合理采样数与信息估计[J]. 内蒙古农牧学院学报，1996, 17(4)：74－81.Shi Haibin, Chen Yaxin, Chao Lunbagen, et al. Spatial variability of soil salt on the upper layer [J]. Journal of Inner Mongolia Institute of Agriculture & Animal Husbandry, 1996,17(4): 74－81. (in Chinese with English abstract)

[28] 徐英，陈亚新，史海滨，等. 土壤水盐空间变异尺度效应的研究[J]. 农业工程学报，2004, 20(2)：1－5.Xu Ying, Chen Yaxin, Shi Haibin, et al. Scale effect of spatial variability of soil water-salt [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(2): 1－5. (in Chinese with English abstract)

[29] Bastiaanssen W, Molden D J, Makin I W. Remote sensing for irrigated agriculture: Examples from research and possible applications[J]. Agricultural Water Management, 2000, 46(2):137－155.

[30] Jin X M, Vekerdy Z, Zhang Y K, et al. Soil salt content and its relationship with crops and groundwater depth in the Yinchuan plain (China) using remote sensing [J]. Arid Land Research and Management, 2012, 26(3): 227－235