基于遥感数据分析干旱区人工绿洲灌区的水盐时空分异特征

徐存东，王荣荣，程 慧，连海东，龚雪文，刘璐瑶，王 燕



基于遥感数据分析干旱区人工绿洲灌区的水盐时空分异特征

徐存东1,2，王荣荣1，程 慧3，连海东1，龚雪文1，刘璐瑶4，王 燕1

（1. 华北水利水电大学水利学院，郑州 450046；2. 水资源高效利用与保障工程河南省协同创新中心，郑州 450046； 3. 中国水利水电科学研究院，北京 100038；4. 天津泰达盐碱地绿化研究中心有限公司，天津 300457）

干旱区人工绿洲的土壤盐渍化产生和演化过程是一个多要素参与、多层次驱动、多过程耦合的复杂过程。为揭示干旱扬水灌区区域尺度的水盐时空分异特征，以地处腾格里沙漠边缘的甘肃省景泰川电力提灌工程一期灌区为研究区，选取1994、2001、2008、2015年的直接参与驱动区域土壤水盐分异过程的地表盐分、土壤含盐量、地下水矿化度、地表灌水量、地下水埋深等5个指标因子。运用可拓层次分析法确定各指标因子权重，借助ArcGIS软件中监督分类以及空间分析技术，获取各指标因子的空间分布栅格图件，将各栅格图件进行标准化处理后按照指标权重进行空间嵌套并叠加，定量化地分析了研究区区域尺度的水盐时空分异特征。结果表明：研究区次生盐碱地主要分布在东部的封闭型水文地质单元，总体看，研究区内轻度盐碱地面积最大，中度盐碱地次之，重度盐碱地面积最小；从解译的进程发展态势可知，研究区盐碱地还处于发展过程中，并呈现出加速增长趋势；由可拓层次分析法分析各指标因子权重排序为地下水埋深（0.3190）＞地下水矿化度（0.2710）＞土壤含盐量＞地表盐分＞地表灌水量，可见，区域内的地下水埋深和地下水矿化度是影响区域尺度水盐时空分异进程的主要驱动因素；研究区水盐时空分布态势与总体地势相关，呈现出西低东高的总体分布特征，由西南向东北以弧线状递增的发展趋势，灌区内东北部封闭型水文地质单元地下水位抬升明显，土壤盐渍化发展迅速。

遥感；土壤；盐分；ArcGIS；可拓层次分析法；区域尺度；水盐时空分异；景电灌区

0 引 言

土壤盐渍化是由自然或人类活动引起的一种主要的环境风险，已成为世界性的生态问题，受到世界各国的广泛关注[1-5]。据统计，全球约有8.31亿hm2的土壤受到盐渍化的威胁，其中58%发生在灌溉农业区，尤其是干旱和半干旱地区的灌溉农业区[6]。中国作为受盐渍化影响严重的国家之一，其西北干旱和半干旱地区土壤盐渍化问题尤为突出。据全国第二次土壤普查数据统计，中国盐渍土总面积约为3600×104hm2，其中仅西北干旱和半干旱地区盐渍化土壤面积就占到了69.03%[7-8]，少数地区的土地生产能力降低甚至完全丧失，严重影响了农业的可持续发展。地处腾格里沙漠边缘的甘肃省景泰川电力提灌工程灌区（后称“景电灌区”），是位于中国西北干旱荒漠区的大型梯级扬水灌区，当地高蒸发低降雨的特殊气候条件、低洼封闭的地势条件，加上高强度的人类活动，导致了区域大面积的水盐重组、运移和积聚，形成了大面积的次生盐碱地，并有进一步发展的态势，严重制约了当地农业生产的发展[9]。为揭示土壤盐渍化现象的发生过程和发展进程，达到预防和减少土地资源次生盐渍化的目的，研究其区域水盐时空分异态势，为灌区的水盐调控与治理提供决策依据，为同类灌区的水盐监测提供示范显得十分必要。

国外对土壤盐分空间变异的研究始于20世纪40年代，其理论基础是地质统计学（Geostatistics），最早由南非矿山工程师Krige提出[10]，20世纪70年代至21世纪初，Campbell等将地统计学引入土壤科学的物理和化学研究，并做了大量介绍和实例研究，提出地统计学可以很好地解决土壤盐分的空间变异性问题[11-12]。此后，国内外大批学者针对区域水盐时空分异进程开展了大量研究，取得了丰富的研究成果。如Panagopoulos等以地中海区域为研究区，采用GIS和地统计学等方法开展了区域土壤盐分变异性研究[13]；Keshavarzi等运用GIS及地统计学方法对土壤的盐度及钠吸附比的空间分布进行了预测[14]；姚荣江等以黄河三角洲地区为研究区，运用GIS和地统计学的原理与方法，从空间尺度对不同分区的地下水矿化度与耕层土壤积盐规律进行了定量分析[15]；王云强等采用经典统计和地统计学相结合的方法系统分析了黄土高原区域尺度土壤水分的分布规律、变异特征[16]；李彬等以内蒙古河套灌区为背景，将地质统计学和经典统计学理论结合评价试验场土壤表层盐分的空间分布特征及其变异性[17]。但这些研究多局限于针对单一水分或某种盐分的时空分异进程进行探索和揭示，而区域尺度的土壤次生盐渍化是众多因素综合作用而导致的自然灾害，如何将影响区域水盐时空分异进程的多个指标因子进行标准化处理、在地理位置上进行叠加分析，从而实现定量化描述区域水盐时空分异特征的研究鲜有报道，从区域水盐管理、调控、评价的角度，这种研究更具参考价值，难度也更大。

近年来，地理信息系统和信息捕捉采集技术的迅猛发展，为区域水盐时空分异态势研究提供了有效的技术手段，并且表现出越来越明显的技术优势[18-21]，笔者在收集景电灌区长序列水盐监测资料和数据的基础上，运用ArcGIS技术，结合可拓层次分析法，分析了1994－2015年长时间序列区域尺度水盐的时空分布特征，通过对TM遥感影像、土壤含盐量、地下水矿化度、地表灌水量、地下水埋深等指标因子的解译、融合及空间转换，将这些数据转换为可叠加的格栅图件，并通过栅格计算器实现空间格栅数据的加权叠加，获得了各典型年的水盐分布态势，定量化揭示了研究区区域尺度水盐整体的分异进程。从灌区可持续发展的角度，研究可为合理开发利用灌区土地资源、改良以及预防土壤次生盐渍化提供重要理论基础。同时为实现定量化揭示区域尺度水盐时空分异进程提供了一种新的方法。

1 数据与方法

1.1 研究区概况

景电灌区地处甘肃省中部（37°26′～38°41′N，103°20′～104°04′E），位于甘、宁、蒙三省的交界地带，属于典型的温带大陆性气候。本文以甘肃省景泰川电力提灌工程一期灌区为研究区，研究区地理位置如图1所示。该地区干旱少雨，昼夜温差大，春季多风，夏季炎热；年日照时数长达2714 h，无霜期约190 d，年平均气温约8.77 ℃，多年平均降雨量185.6 mm，降水多集中在6－9月，多年平均蒸发量2433.8 mm。监测数据显示，随着灌溉年限的增长和灌区面积的发展，灌区内封闭型水文地质单元的地下水位普遍逐年增高，且矿化度偏高，多介于1.3～12.0 g/L[22]。受到干旱气候条件、低洼封闭的地势条件以及人为灌溉因素等的影响，灌区内耕地次生土壤盐渍化的特征十分明显，且呈扩大发展的态势。2015年的监测数据显示，灌区现有盐碱耕地面积0.45万hm2，约占灌区总耕地面积的21.7%[9]，且呈逐年增加的趋势。当前，土壤盐渍化已成为制约灌区土地资源高效利用的主要因素，不断扩大的土地次生盐碱化的发展态势，严重制约了当地农业生产的可持续发展。

图1 研究区地理位置图

1.2 指标选择与数据源

为了更好地揭示灌区水盐时空分异的发展过程，结合研究区实际情况，同时参照数据的科学性、完备性、可获得性的原则，共选取了能够直接反映区域盐分时空发展进程的地表盐分、土壤含盐量、地下水矿化度3个盐分指标因子，以及地表灌溉水量与地下水埋深2个直接参与驱动盐分运移态势的水分指标因子。由于景电灌区盐分表聚现象十分明显，尤其是在停灌区域，由于不再进行灌水洗盐，加之灌区降雨量极少，会导致该区域内土壤盐分主要存在单一向上运移的过程，造成地表盐分和100 cm土层深度内的总盐分存在突变性落差，严重区域地表盐分与土壤层含盐量之差高达6.7%，二者合一计算会致使停灌区域盐碱地土壤含盐量过高，与实际情况不符，故将地表盐分与土壤含盐量作为2个独立变量区别开来进行分析。其中，地表盐分是指存在于土壤浅表层的盐分，本文在数据采集时取0～10cm深度土壤含盐量作为地表盐分含量[23]，土壤含盐量则是土壤浅表层以下100 cm土层深度内的盐分。

本研究的代表性年份分别选定为：1994年景电灌区全面建成，灌区总灌溉面积达到3.47万hm2，年提水量2.66亿m3；2001年景电一期灌区完成续建配套，灌区的总灌溉面积达到3.85万hm2，年提水量3.22亿m3；2008年二期灌区开始续建配套，灌溉面积4.80万hm2，年均提水量4.51亿m3；2015年代表灌区现状，灌区总灌溉面积为6.05万hm2，年提水量为4.60亿m3。基础数据和资料主要包括：1）1994、2001、2008年的Landsat5遥感影像和2015年Landsat8遥感影像；2）1994、2001、2008、2015年四期22个典型采样点的土壤含盐量、17个固定采样点的地下水矿化度数据、14个采样点的地表水灌水量数据、16个采样点的地下水埋深数据；3）2015年土壤含盐量、地下水矿化度以及地下水埋深各50个非插值点数据。所有数据均由甘肃省景泰川电力提灌管理局以及甘肃省地质资料馆提供，获得的数据资料源包括：《景泰川电力提灌工程一期工程技术设计报告》（1971）、《景泰川灌区历年土地调查报告》（1971－2016）以及《甘肃省景泰县荒地资源及其开发利用报告》（1971－2016）、灌区一期工程1972－2015年调水用水量统计表、景泰川地下水资源概况和《河西走廊水文地质勘查/普查报告》（2015）。各指标因子基础数据点空间分布图如图2所示。

图2 各指标因子基础数据点的空间分布图

1.3 研究方法

本研究在收集各时期基础数据的基础上，首先运用可拓层次分析法[24-26]确定各指标因子权重；然后，采用ArcGIS软件中遥感解译、监督分类以及空间插值方法，获取各指标因子的空间分布栅格图件，并通过重分类将各栅格图件进行标准化处理；最后，运用ArcGIS软件中空间叠加分析工具按照各指标因子指标权重进行空间嵌套叠加，以获取研究区区域尺度的水盐时空分异发展进程。

1.3.1指标因子权重确定

从灌区实际出发，以灌区区域尺度水盐时空分异特征为总目标，构建水盐时空分异可拓层次结构图如图3所示。聘请本领域的学者（教授、研究员）、灌区管理人员（处长）及技术人员（工程师）等专家，依据已构建的层次结构图，分别对目标层、因素层进行两两重要性判断，共聘请7位相关领域的专家学者进行打分，打分结果以少数服从多数为原则进行集值统计[27]，以提高打分结果的客观科学性，使得权重计算结果更加符合实际情况。

图3 可拓层次结构图

1.3.2 数据处理

运用ArcGIS10.2对研究区1994年、2001年、2008年、2015年四期遥感影像进行空间几何校正、图像配准、研究区划分裁剪和影像分类，预处理结果如图4所示，图中不同的灰度值代表了灌区不同的土地利用情况，预处理结果图主要用于后期盐碱地斑块信息的解译与提取。遥感影像确定地表土壤盐分含量是通过选取典型区域并进行GPS定位实地取样化验分析得到地表浅表层土壤含盐量，将地表浅表层土壤含盐量依照土壤盐渍化分级分类标准进行划分[8]，共将盐渍化土壤依次分为非盐渍化土壤（<0.1）、轻度盐碱地（0.1～0.2）、中度盐碱地（0.2～0.4）、重度盐碱地（>0.4）共4个等级，其中非盐渍化土壤按照土地利用类型进一步划分为耕地与其他2种类型，将GPS所得坐标点导入ArcGIS10.2中确定各个等级所对应的像元所属，将类似像元运用ArcGIS训练样本管理器框选并建立特征文件，基于所创建的特征文件，运用ArcGIS10.2中最大似然法对遥感数据进行监督分类。最终划分为灌区耕地，轻度盐碱地，中度盐碱地，重度盐碱地和其他共5类。

运用正态QQ图分析工具对各时期土壤含盐量、地下水矿化度、地表水灌水量、地下水埋深数据进行正态检验，检验结果可知各指标因子不同时期数据检验结果均近似分布于参照线两侧，正态QQ检验结果基本呈现正态分布，因此可进行空间变异性分析。

采用GS+软件对各指标因子基础数据进行半方差函数的计算及模型拟合，可得土壤含盐量、地下水矿化度、地下水埋深、地表灌水量对应的最优半方差函数模型分别为幂函数模型、指数函数模型、三角函数模型、球面函数模型。基于所获取的各指标因子最优半方差函数模模型，运用ArcGIS软件中的Spatial Analyst模块分别对2015年的4类数据集进行空间插值分析，分别绘制出各指标因子不同插值方法下的空间分布图。其中，土壤含盐量、地下水矿化度、地下水埋深数据在进行区间初步判读的基础上，结合误差矩阵评价法（Error Matrix）对2015年50个非插值点实测数据值与经初步区间判读所优选出的各插值方法所得插值结果进行精度验证，最终确定出3种指标因子的最优插值方法依次为反距离权重法、普通克里金法、普通克里金法；地表灌水量则通过考虑实际灌水量区间、水的点源扩散以及叠加效应等因素选定普通克里金进行插值分析。运用所选定的4种最优插值方法分别对研究区内1994、2001、2008和2015年四期土壤含盐量数据、地下水矿化度、地表灌水量以及地下水埋深数据进行空间插值分析，最终得到各指标因子不同时期的时空分布。

图4 各时期遥感影像数据预处理结果图

2 结果与讨论

2.1 各指标因子权重

运用可拓层次分析法计算各指标因子对水盐时空分异进程影响的权重，计算结果见表1。

表1 各指标因子对水盐时空分异特征影响的权重

由表1计算结果可知，研究区区域尺度下水盐时空分异进程的影响因素排序为地下水埋深＞地下水矿化度＞土壤含盐量＞地表盐分＞地表灌水量，可见地下水埋深与地下水矿化度是驱动区域尺度水盐时空分异进程的主要指标因子。其次为土壤含盐量与地表盐分，地表灌水量对水盐时空分异进程的影响最小。这主要是由于在地表水资源比较匮乏的干旱扬水灌区，地下水作为驱动盐分运移的载体，其时空分异规律直接影响着盐分的时空分布，地下水矿化度作为土壤盐分的主要来源[28-29]，则会不断加剧盐分的累积效应，与地下水埋深共同构成了影响着区域盐分运移进程的直接驱动因素，对土壤盐渍化进程的贡献程度较大；土壤含盐量与地表盐分作为土壤盐渍化进程的主要表征指标，主要在地下水因素的驱动作用下，直接反映了区域尺度的土壤盐渍化程度，属于盐渍化进程的结果因素，故对盐渍化进程的影响程度相对较弱；地表灌水量作为土壤盐分的起始驱动因素，主要影响着微观尺度盐分的再分布过程，故而对区域大尺度水盐运移过程的影响最弱。该量化结果与管孝艳等人研究得出的结论相符[30-31]，能够准确反映出灌区实际情况。

2.2 各指标因子时空分布

2.2.1 地表盐分时空分布

遥感解释利用误差矩阵法计算可得各典型年份分类总精度及Kappa系数见表2，可见总体分类精度均达到80%以上，Kappa系数也均大于0.80，可见分类结果的准确性较高[32-33]，分类结果见图5，提取得到的各时期盐碱地面积信息见表3。

表2 最大似然分类精度

图5 各时期地表盐分遥感影像分类结果

表3 研究区内各时期土地覆盖变化统计表

由图5可知，1994年研究区盐碱地分布较为稀疏，只在耕地周边有零星分布，在东南区域分布稍多，灌区耕地集中区总体分布较少，盐碱化类型以轻度为主，盐碱化程度不影响耕作。2001年研究区耕地集中区盐碱地出现了积聚现象，在最北端与中东侧较为明显，其中中度盐碱化的耕地斑块增加，耕地中心范围部分原有耕地逐渐发展成了轻度和中度盐碱地，同时盐碱化斑块呈现出向东南发展的趋势。2008年研究区原耕地范围内的盐碱地积聚现象持续加重，局部开始出现重度盐碱化土地，并且南侧区域出现了地表反盐的盐渍化现象。到2015年研究区盐碱地积聚现象继续加重，且在2008年的基础上发展迅速，最北端、东北端和中东侧已经发展成为中、重度盐碱化大面积带状分布的状态，灌区原有耕地大面积发展成为盐碱地，东南区域盐碱地面积也逐渐呈现出自西向东条带状分布。研究区西侧区域随续建配套工程的建设，伴随着耕地面积增加也有少许盐碱地出现，在研究区的南侧，重度盐碱化土地的地表反盐现象也伴随着排碱沟的疏浚和灌区内的淋洗压盐，呈现出盐碱地向东南侧推移的态势。

由表3知，研究区耕地面积在1994－2008年间呈缩减趋势，且缩减速率逐渐增大；2008－2015年间，受续建配套工程的建设和研究区西南部灌溉面积扩大，研究区耕地面积有所增加，年均增长率0.56%。研究区轻度、中度、重度盐碱地面积在1994－2015年间均呈持续增长趋势，尤其在2008－2015年间增长速度明显加快，2008－2015年间年均增长率分别达到5.57%、5.39%、4.31%。研究区其他类型土地面积在1994－2015年间呈持续减少趋势，2008－2015年间减少最快，2008－2015年间年均减少2.21%。

1994－2015年间，灌区内的次生盐碱化耕地面积基本均呈现出稳定发展期（1994－2008）和快速发展期（2008－2015）两个阶段。其中，经现场的走访和调查分析，其原因是1994－2008年间，人类干扰活动较弱，耕地和其他土地类型面积变化不大，盐碱地发展主要以侵占原有耕地为主；2008－2015年间随着灌区大规模的续建配套工程建设和区域内人口激增，人类活动的不断加剧，越来越多的土地被开发为耕地，研究区内其他类型土地面积大幅度减少，耕地面积相较之前有较大幅度增加，与此同时，盐碱地面积也呈现出快速增长的趋势，从监测资料的分析和解译结果可见轻度盐碱地的增长速度最快，中度次之，重度最慢。可见这一时期研究区内的土地利用类型受人为扰动明显，受灌溉因素的影响，盐碱地的扩张速度加剧，且原有盐碱耕地在未得到有效治理的情况下，盐渍化程度也在不断恶化。

2.2.2 土壤含盐量时空分布

图6a为各时期土壤含盐量时空分布图。在1994－2015年间，土壤含盐量低于0.5%的南部地区、土壤含盐量高于2.0%的东北部地区一直在扩张。灌区南部土壤含盐量低于0.5%的区域已向北扩张至灌区的边界，受含盐量低于0.5%的区域扩张的影响，研究区西部土壤含盐量为0.5%～1.0%的区域大幅缩减，这主要是由于人类干扰活动的加剧，并对中轻度盐碱地实施了一系列灌水洗盐、增设排碱沟等一系列脱盐改造措施，使得该区域处在一个持续脱盐的状态；灌区东北部土壤含盐量高于1.5%的区域虽然扩张不显著，但土壤含盐量的数值却表现为持续增加的状态，1994年土壤含盐量为2.0%～2.5%的区域，发展到2015年土壤含盐量已增长至2.5%～3.0%，并且中心区出现了土壤含盐量为3.0%～3.5%的区域。总体看，研究区的土壤含盐量总体表现为西南低东北高的分布特征，这主要是由于灌区地势东部地势较低，处于灌区内的封闭型水文地质单元[21]，加之景电二期工程的建成运行使得研究区东北部成为二期灌区的地下水排泄区，从而导致了该区域土壤次生盐渍化现象的不断加剧。

2.2.3 地下水矿化度时空分布

图6b为各时期地下水矿化度分布图，在1994—2015年间，研究区内地下水矿化度2～3 g/L的区域分布最广泛，在其北部与西南部分布有小部分矿化度为1～2 g/L的零散区域，且随着年限的不断推移，矿化度为1～2 g/L的区域总体呈现不断缩减的趋势。研究区地下水矿化度高于3 g/L区域逐年向西扩张，4 g/L以上区域扩张十分剧烈，且由1994发展至2008年东北和东南区域出现了地下水矿化度7～8 g/L的区域，且呈现不断升高的态势，至2015年出现了地下水矿化度为8～9 g/L的区域。总体看，研究区内的地下水矿化度分布总体呈现为西部低东部高的分布特征，且在灌区的东部地下水矿化度呈现出逐年升高的态势。主要原因是由于灌区东部地势较低，灌溉水入渗后不断向此处聚集，携带了大量的盐分，从而使该区域呈现出汇水聚盐的特点，地下水矿化度不断上升。

2.2.4 地表灌水量时空分布

由图6c各时期地表灌水量总体分布图可见，在1994－2015年间，随着时间的推移，仅2001年研究区灌水量总体分布呈现出减少趋势，其余各年份都呈现出增加趋势。这主要是受2001年研究区气候条件的影响，经走访可知，该年份年均降雨量较其他年份多，且集中在作物灌溉期，从而导致该年度灌水量有了显著减少。从研究区灌水量的总体分布情况来看，研究区西部及由北部延伸至中部的条带上灌水量分布最多，研究区东部整体灌水量分布较少。这主要受土地利用类型的影响，灌区西部及北部延伸至中部的区域为耕地的主要分布区，需水量较大。灌区东部则是土壤盐渍化现象比较严重的盐碱耕地分布区，受土壤盐渍化的影响，该区域仅种植有小面积耐盐作物，且部分盐渍化严重的盐碱耕地已逐渐被弃耕，故该区域需水量较少。

图6 各时期土壤含盐量、地下水矿化度、地表灌水量和地下水埋深空间插值结果图

2.2.5 地下水埋深时空分布

由图6d各时期地下水埋深分布图可见，在1994－2015年间，地下水埋深在15 m以上的区域主要分布在灌区中西部，随着年限的推移总体分布范围变化不大，在灌区西南部，地下水埋深最大值达到45 m以上；研究区地下水埋深在15 m以下的区域主要分布在灌区中东部，随着年限的不断推移，该区域内地下水位埋深在0～5 m范围内的区域由西北部逐渐向东南侧扩张，发展至2015年由西北向东南贯通整个研究区，这主要是由于该区域地势较低，加之灌水量不断增加且原本地下水埋深较浅，导致该区域地下水位不断抬升。受地下水埋深0～5 m区域扩张的影响，地下水埋深5～10 m的区域向西稍有扩张，向东扩张明显，地下水埋深10～15 m区域则在地下水埋深5～10 m区域的扩张影响下不断缩减，至2015年近乎消失。总体来看，灌区地下水埋深呈现出由西部到东部逐渐降低的趋势。对比图6c中研究区地表灌水量的总体分布情况可知，虽然灌水集中在灌区西部及由北部延伸至中部的条带上，但灌区西部地下水埋深受地表灌溉水量的影响变化较小，灌区东部地下水埋深受地表灌溉水量的影响较大，这主要是由于灌区地势西高东低，导致水分不断地向东部运移，从而导致了东部区域地下水位的不断抬升，而水分作为盐分的载体，在不断向东部聚集进而抬升地下水位的同时，也携带了大量盐分随之运移，从而导致该区域地下水矿化度的不断增加，在灌区高蒸发低降雨的气候条件下，地下水中的盐分随着毛管水不断上移，导致土壤含盐量的不断上升，在一些地势低洼的区域，甚至会出现地表反盐的现象。这与前述研究区地表盐分、土壤含盐量及地下水矿化度在研究区内的分布态势相吻合。

2.3 区域水盐时空叠加分布

由于影响景电灌区区域尺度水盐时空分异的各指标因子的量纲不同，因此在将影响因素叠加之前，运用ArcGIS中的重分类工具对指标因子栅格图件进行标准化处理以消除量纲。通过重分类将各指标因子分别按照一定的分类标准划分为1～10共10类：其中，地表盐分按照积盐程度由低到高进行划分，土壤含盐量与地下水矿化度按照由低到高进行划分、地表灌水量按照由少到多进行划分、地下水埋深按照由深到浅进行划分。遵照该划分原则叠加所得到的结果数值越高，表明相应区域整体含盐量与含水量越高，反之表明相应区域整体含盐量与含水量越低。依据表1所得权重系数，将重分类所得的各时期栅格图件，分别运用ArcGIS中栅格计算器进行嵌套叠加，得到各时期水盐总当量值叠加结果如图7所示。

图7 各时期水盐总当量值空间分布图

由图7水盐总当量值空间分布图可见，在1994－2015年间，研究区内水盐总当量值小于4.5的区域主要分布在灌区西部，随着时间的推移总体分布范围变化不大。其中，区域水盐总当量值为1.2～1.5的区域仅在灌区西南部有小范围分布，且在1994－2008年间，呈现出不断缩减甚至消失的趋势。而在2008－2015年间，又呈现出快速扩张趋势。区域水盐总当量值为1.5～3.0的区域在灌区西南部有较大范围分布，且随着时间的推移总体呈现向东部缓慢扩张的趋势。区域水盐总当量值为3.4～4.5的区域在整个西部均有分布，随着时间的推移总体呈现向东部缓慢扩张的趋势，其西南部受区域水盐总当量值为1.5～3.0的区域扩张的影响，呈现缩减趋势；区域水盐总当量值大于4.5的区域主要分布在灌区东部。其中，区域水盐总当量值为4.5～6.0的区域主要分布在灌区中东部，且呈现逐年缩减趋势。区域水盐总当量值为6.0～7.5的区域覆盖了整个东部区域，并呈现出逐渐向西部缓慢扩张的趋势。区域水盐总当量值为7.5～9.0区间基本分布在研究区东部，并且散布在区域水盐总当量值为6.0～7.5区间内部，在1994－2008年间呈现缓慢扩张趋势，在2008－2015年间呈现快速扩张趋势。且在2015年区域水盐总当量值为7.5～9.0区间内出现了小范围区域水盐总当量值为9.0～10.5区间，可见该区域盐渍化程度呈现出不断恶化现象。总体来看，研究区总体水盐总当量值分布呈现出西低东高，由西南向东北以弧线扩散状增加的发展趋势。随着时间的推移，在1994－2008年间呈现出稳定发展态势，2008－2015年间呈现出快速发展态势。值得引起注意的是，东部水盐总当量值较高的区域随着时间的推移呈现出不断向西部扩张的发展趋势，严重威胁着西部的耕地资源安全，对于灌区农业生产可持续发展构成了潜在的威胁。

3 结 论

1）运用可拓层次分析法确定了影响区域尺度水盐时空分异进程的各个因素权重，各因素权重的排序为地下水埋深（0.3190）＞地下水矿化度（0.2710）＞土壤含盐量（0.1971）＞地表盐分（0.1748）＞地表灌水量（0.0381），表明地下水埋深是驱动区域水盐时空分异发展进程的主要因素。

2）通过多指标因子耦合叠加分析，揭示了研究区总体水盐分布状况及变化趋势。结果表明，灌区区域水盐总当量值分布呈现出西低东高，由西南向东北以弧线扩散状增加的发展趋势。随着时间的推移，总体可以划分为稳定发展期（1994－2008年）与快速发展期（2008－2015年）2个阶段。受东部水盐总当量值较高的区域不断向西部扩张态势的影响，西部耕地资源安全受到了潜在的威胁，研究区水盐时空发展态势整体朝向不利于灌区农业生产可持续发展的方向。

3）本研究借助ArcGIS平台，结合可拓层次分析法，实现了研究区遥感影像数据、长序列监测数据的整合处理与分析，在单一驱动因子分析的基础上，提出了一种适合对多种驱动因子进行耦合叠加的重要手段，为全方位地展现研究区水盐时空分异的发展进程提供了一种可视化的新方法，可为研究区域水盐时空分异发展态势提供有益借鉴。

[1] 李素艳，翟鹏辉，孙向阳，等. 滨海土壤盐渍化特征及土壤改良研究[J]. 应用基础与工程科学学报，2014，22(6)：1069－1078.

Li Suyan, Zhai Penghui, Sun Xiangyang, et al. Saline-alkali soil characteristics and improvement in coastal area [J]. Journal of Basic Science and Engineering, 2014, 22(6): 1069－1078. (in Chinese with English abstract)

[2] 管孝艳，王少丽，吕烨，等. 土壤水盐空间变异性及其尺度效应的多重分形分析[J]. 水利学报，2013，44(S1)：8－14.

Guan Xiaoyan, Wang Shaoli, Lv Ye, et al. Analysis on spatial variability of soil water and salt its scale effect based on multifractal [J]. Journal of Hydraulic Engineering, 2013, 44(S1): 8－14. (in Chinese with English abstract)

[3] 吴亚坤，刘广明，杨劲松，等. 基于反距离权重插值的土壤盐分三维分布解析方法[J]. 农业工程学报，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] Ghassemi F, Jakeman A J, Nix H A. Salinisation of Land and Water Resources: Human Causes, Extent, Management and Case Studies [M]. Australia: University of New South Wales Press, 1995.

[7] 王佳丽，黄贤金，钟太洋，等. 盐碱地可持续利用研究综述[J]. 地理学报，2011，66(5)：673－684.

Wang Jiali, Huang Xianjin, Zhong Taiyang, et al. Review on sustainable utilization of salt-affected land [J]. Acta Geographica Sinica, 2011, 66(5): 673－684. (in Chinese with English abstract)

[8] 刘广明，吴亚坤，杨劲松，等. 基于电磁感应技术的区域三维土壤盐分空间变异研究[J]. 农业机械学报，2013，44(7)：78－82+66.

Liu Guangming, Wu Yakun, Yang Jinsong, et al. Regional 3-D soil salt spatial variability based on electromagnetic induction technology [J]. Transactions of the Chinese Society of Agricultural Machinery, 2013, 44(7): 78－82+66. (in Chinese with English abstract)

[9] 徐存东，程慧，王燕，等. 灌区土壤盐渍化程度云理论改进多级模糊评价模型[J]. 农业工程学报，2017，33(24)：88－95.

Xu Cundong, Cheng Hui, Wang Yan, et al. Application of improved multiple fuzzy evaluation model based on cloud theory in evaluation of soil salinization degree [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(24): 88－95. (in Chinese with English abstract)

[10] Krige D G. A statistical approaches to some basic mine valuation problems on the Witwatersrand [J]. Journal of the Chemical, 1951, 52: 119－139.

[11] Campbell J B. Spatial variation of sand content and pH within single contiguous delineation of two soil mapping units [J]. Soil Sci Soc Am J. 1978, 42: 460－464.

[12] Stein A, Sylla M. Spatial variability of soil salinity at different scales in themangrove rice agro-ecosystem in West Africa [J]. Agric-ecosyst-environ, 1995, 54(1): 1－15.

[13] Panagopoulos T, Jesus J, Antunes M D C, et al. Analysis of spatial interpolation for optimizing management of a salinized field cultivated with lettuce [J]. European Journal of Agronomy, 2006, 24(1): 1－10.

[14] Keshavarzi A, Sarmadian F. Mapping of spatial distribution of soil salinity and alkalinity in a semi-arid region [J]. Annals of Warsaw University of Life Sciences-SGGW. Land Reclamation, 2012, 44(1): 3－14.

[15] 姚荣江，杨劲松. 黄河三角洲地区浅层地下水与耕层土壤积盐空间分异规律定量分析[J]. 农业工程学报，2009，23(8)：45－51.

Yao Rongjiang, Yang Jinsong. Quantitative analysis of spatial distribution pattern of soil salt accumulation in plough layer and shallow groundwater in the Yellow River Delta [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 23(8): 45－51. (in Chinese with English abstract)

[16] 王云强，邵明安，刘志鹏. 黄土高原区域尺度土壤水分空间变异性[J]. 水科学进展，2012，23(3)：310－316.

Wang Yunqiang, Shao Mingan, Liu Zhipeng. Spatial variability of soil moisture at a regional scale in the Loess Plateau [J]. Advances in Water Science, 2012, 23(3): 310－316. (in Chinese with English abstract)

[17] 李彬，史海滨，妥德宝，等. 节水改造前后土壤盐分剖面特征及其空间分布—以内蒙古河套灌区中游临河区为例[J]. 干旱区研究，2015，32(4)：663－673.

Li Bin, Shi Haibin, Tuo Debao, et al. Soil salinity profile characteristics and its spatial distribution before and after water saving-taking the middle reach in Hetao Irrigation District of Inner Mongolia as an example [J]. Arid Zone Research, 2015, 32(4): 663－673. (in Chinese with English abstract)

[18] 赵明松，张甘霖，王德彩，等. 徐淮黄泛平原土壤有机质空间变异特征及主控因素分析[J]. 土壤学报，2013，50(1)：1－11.

Zhao Mingsong, Zhang Ganlin, Wang Decai, et al. Spatial varisbility of soil organic matter and its dominating factors in Xu-huai alluvial plain [J]. Acta Pedologica Sinica, 2013, 50(1): 1－11. (in Chinese with English abstract)

[19] 王卓然，赵庚星，高明秀，等. 黄河三角洲垦利县夏季土壤水盐空间变异及土壤盐分微域特征[J]. 生态学报，2016，36(4)：1040－1049.

Wang Zhuoran, Zhao Gengxing, Gao Mingxiu, et al. Spatial variation of soil water and salt and microscopic variation of soil salinity in summer in typical area of the Yellow River Delta in Kenli county [J]. Acta Ecologica Sinica, 2016, 36(4): 1040－1049. (in Chinese with English abstract)

[20] 宋南奇，王诺，吴暖，等. 基于GIS的我国渤海1952－2016年赤潮时空分布[J]. 中国环境科学，2018，38(3)：1142－1148.

Song Nanqi, Wang Nuo, Wu Nuan, et al. Temporal and spatial distribution of harmful algal blooms in the Bohai Sea during 1952－2016 based on GIS [J]. China Environmental Science, 2018, 38(3): 1142－1148. (in Chinese with English abstract)

[21] Ahmad N, Pandey P. Assessment and monitoring of land degradation using geospatial technology in Bathinda district, Punjab, India [J]. Solid Earth, 2017, 9(1): 1－28.

[22] 徐存东，翟禄新，王燕，等. 干旱灌区封闭型和开敞型水文地质单元的水盐动态监测研究[J]. 中国农村水利水电，2011(11)：149－152,163.

Xu Cundong, Zhai Luxin, Wang Yan, et al. Research on the monitoring of water-salt dynamic in closed and open hydrogeological units of arid irrigation areas [J]. China Rural Water and Hydropower, 2011(11): 149－152,163. (in Chinese with English abstract)

[23] 马驰. 基于HJ1A-HSI反演松嫩平原土壤盐分含量[J]. 干旱区研究，2014，31(2)：226－230.

Ma Chi. Quantitative retrieval of soil salt content in the Songnen Plain based on HJ1A-HIS images [J]. Arid Zone Research, 2014, 31(2): 226－230. (in Chinese with English abstract)

[24] 刘金鹏，高世铭，王得楷，等. 基于可拓层次分析法的区域泥石流灾害评价研究[J]. 干旱区地理，2015，38(3)：531－538.

Liu Jinpeng, Gao Shiming, Wang Dekai, et al. Debris flow disaster risk assessment based on extension AHP [J]. Arid Land Geography, 2015, 38(3): 531－538. (in Chinese with English abstract)

[25] Vahidnia M H, Alesheikh A, Alimohammadi A, et al. Fuzzy analytical hierarchy process in GIS application [J]. Int Arch Photogramm, 2008, 22(2): 593－596.

[26] Ognjanović I, Gašević D, Bagheri E. A stratified framework for handling conditional preferences: An extension of the analytic hierarchy process [J]. Expert Systems with Applications, 2013, 40(4): 1094－1115.

[27] 李莉，匡昭敏，莫建飞，等. 基于AHP和GIS的广西秋旱灾害风险等级评估[J]. 农业工程学报，2013，29(19)：193－201，293.

Li li, Kuang Zhaomin, Mo Jianfei, et al. Assessment of risk ranking for autumn drought in Guangxi province based on AHP and GIS [J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013, 29(19):193－201，293. (in Chinese with English abstract)

[28] 陈曦. 中国干旱区土地利用与土地覆盖变化[M]. 北京：科学出版社，2008：371－381.

[29] 李文昊，王振华，郑旭荣，等. 新疆绿洲盐碱地滴灌条件下地下水局部动态对荒地盐分的影响[J]. 干旱区研究，2016，33(5)：1110－1118.

Li Wenhao, Wang Zhenhua, Zheng Xurong, et al. Effects of local dynamic change of groundwater on soil salinity in wasteland under drip irrigation in saline or alkaline land of oasis in Xinjiang [J]. Arid Zone Research, 2016, 33(5): 1110－1118. (in Chinese with English abstract)

[30] 邓宝山，瓦哈甫·哈力克，党建华，等. 克里雅绿洲地下水埋深与土壤盐分时空分异及耦合分析[J]. 干旱区地理，2015，38(3)：599－607.

Deng Baoshan, Wahap Halik, Dang Jianhua, et al. Coupled analysis of spatio-temporal variability of groundwater depth and soil salinity in Keriya Oasis [J]. Arid Land Geography, 2015, 38(3): 599－607. (in Chinese with English abstract)

[31] 管孝艳，王少丽，高占义，等. 盐渍化灌区土壤盐分的时空变异特征及其与地下水埋深的关系[J]. 生态学报，2012，32(4)：1202－1210.

Guan Xiaoyan, Wang Shaoli, Gao Zhanyi, et al. Spatio-temporal variability of soil salinity and its relationship with the depth to groundwater in salinization irrigation district [J]. Acta Ecologica Sinica, 2012, 32(4): 1202－1210. (in Chinese with English abstract)

[32] 刘庆杰，荆林海，王梦飞，等. 基于克隆选择支持向量机高光谱遥感影像分类技术[J]. 光谱学与光谱分析，2013，33(3)：746－751.

Liu Qingjie, Jing Linhai, Wang Mengfei, et al. Hyperspectral remote sensing image classification based on SVM optimized by clonal selection [J]. Spectroscopy And Spectral Analysis, 2013, 33(3): 746－751. (in Chinese with English abstract)

[33] 杨凯歌，冯学智，肖鹏峰，等. 优化子空间SVM集成的高光谱图像分类[J]. 遥感学报，2016，20(3)：409－419.

Yang Kaige, Feng Xuezhi, Xiao Pengfeng, et al. Optimal subspace ensemble with SVM for hyperspectral image classification [J]. Journal of Remote Sensing, 2016, 20(3): 409－419. (in Chinese with English abstract)

Spatial-temporal distribution of water and salt in artificial oasis irrigation area in arid area based on remote sensing analysis

Xu Cundong1,2, Wang Rongrong1, Cheng Hui3, Lian Haidong1, Gong Xuewen1, Liu Luyao4, Wang Yan1

(1.,450046,; 2.,,450046,; 3.100038,; 4.300457,)

The process of soil salinization in the artificial oasis in the arid area is a complex process involving multiple factors, multi-level driving and multi-process coupling. To reveal the spatial-temporal distribution of water and salt in arid pumping-irrigation areas, the first phase irrigation area of Jingtaichuan Electrical Pumping Irrigation District in Gansu Province, located at the edge of Tengger desert, was selected as the typical research area. A total of five indicators including surface salt, soil salinity, groundwater salinity, surface irrigation water, and groundwater depth were selected in 1994, 2001, 2008, and 2015. We determined the weights of each indicator factor by extension analytic hierarchy process. With the help of monitoring classification and spatial analysis technology in ArcGIS software, spatial distribution raster maps of each indicator factor were obtained, and each raster map is standardized, the space is nested and superimposed according to the weight of each index factor, so as to get the spatial-temporal distribution of water and salt in the regional scale. The results showed that: 1) The weight of each factor affecting the spatial-temporal differentiation process of water and salt on a regional scale was ranked as follows: groundwater depth (0.3190), > groundwater salinity (0.2710), > soil salinity (0.1971), > surface salinity (0.1748), and > surface irrigation (0.0381).Groundwater depth and groundwater salinity were the main driving factors affecting the spatial-temporal differentiation of water and salt at regional scales. 2) The saline land in the study area were mainly distributed in the eastern closed hydro-geological units. Overall, the area of mild saline land was the largest, accounting for 7.22%-11.12%, followed by moderate saline land, accounting for 3.19%-5.72%, the area of heavy saline land was the smallest, accounting for 3.03%-4.91% during 1994-2015. The saline land in the study area was still in the process of development, and showed an accelerating growth trend. Among them, the development speed was mild saline land area > the moderate saline land > the heavy saline land. 3) The spatial and temporal distribution of water and salt in the study area was related to the overall topography. The distribution of total equivalent value of water and salt was low in the west and high in the east, increasing from southwest to northeast in arc diffusion development trend, affected by natural geomorphology and topographic conditions. With the passage of time, the total can be divided into two stages: stable development period (1994-2008) and rapid development period (2008-2015).Affected by the continuous expansion of the regions with higher total water and salt content in the east to the west, the security of cultivated land resources in the west was potentially threatened, and the overall development trend of water and salt in the study area was not conducive to the sustainable development of agricultural production in the irrigated areas.Based on the analysis of single driving factors, this study proposes an important means for coupling and superimposing multiple driving factors, which provides a new visualization for the comprehensive development of the spatial-temporal differentiation of water and salt in the study area. It can provide useful reference for studying the development trend of spatial-temporal differentiation process of waterand salt in regional scale.

remote sensing; soils; salt; ArcGIS; extension analytic hierarchy process; regional scale; spatial-temporal distribution of water and salt; Jingdian irrigation district

10.11975/j.issn.1002-6819.2019.02.011

S156.4

A

1002-6819(2019)-02-0080-10

2018-07-09

2019-01-05

国家自然科学基金资助项目（51579102，31360204）、河南省科技厅科技创新人才支持计划（174200510020）；河南省高校创新团队支持计划（19IRTSTHN030）；宁夏回族自治区水利科技专项项目（TYZB-ZFGG-2017-31）；华北水利水电大学博士研究生创新基金

徐存东，博士，教授，博士生导师，主要从事灌区水盐调控方面的研究。Email：xcundong@126.com

徐存东，王荣荣，程 慧，连海东，龚雪文，刘璐瑶，王 燕. 基于遥感数据分析干旱区人工绿洲灌区的水盐时空分异特征[J]. 农业工程学报，2019，35(2)：80－89. doi：10.11975/j.issn.1002-6819.2019.02.011 http://www.tcsae.org

Xu Cundong, Wang Rongrong, Cheng Hui, Lian Haidong, Gong Xuewen, Liu Luyao, Wang Yan. Spatial-temporal distribution of water and salt in artificial oasis irrigation area in arid area based on remote sensing analysis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(2): 80－89. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.02.011 http://www.tcsae.org