寧 娟， 丁建麗， 楊愛(ài)霞， 鄧 凱

(1.新疆大學(xué) 資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046；2.綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830046)

0 引 言

綠洲作為干旱、半干旱地區(qū)的一種獨(dú)特生態(tài)單元，是維系干旱地區(qū)人類生存、活動(dòng)與發(fā)展的基本場(chǎng)所。土壤鹽分含量是土壤質(zhì)量的重要指標(biāo)[1]，然而過(guò)高的土壤含鹽量不僅會(huì)降低土壤質(zhì)量,還會(huì)造成土壤鹽漬化，破壞土地的生產(chǎn)能力，成為干旱區(qū)綠洲農(nóng)牧業(yè)及經(jīng)濟(jì)發(fā)展的主要制約因子，對(duì)綠洲的生態(tài)環(huán)境及經(jīng)濟(jì)可持續(xù)發(fā)展造成嚴(yán)重影響[2]。因此,如何準(zhǔn)確獲取鹽漬化土壤鹽分信息，并掌握其分異規(guī)律，從而治理鹽漬土、防止其進(jìn)一步退化，成為當(dāng)今干旱區(qū)農(nóng)業(yè)可持續(xù)發(fā)展亟待解決的問(wèn)題[3]。

傳統(tǒng)的土壤理化性質(zhì)監(jiān)測(cè)雖然測(cè)試結(jié)果精確，但樣品量較大時(shí)，前期樣品預(yù)處理耗費(fèi)時(shí)間長(zhǎng)；并且當(dāng)研究區(qū)域較大時(shí)，樣品的數(shù)量和采樣深度均會(huì)受到人力、物力、財(cái)力的制約。遙感技術(shù)，解決了傳統(tǒng)的人工地面監(jiān)測(cè)方法無(wú)法滿足大面積鹽漬化土壤快速監(jiān)測(cè)需求的瓶頸。其中，高光譜遙感由于其光譜分辨率高，使地物在不同波長(zhǎng)范圍內(nèi)的反射值有較大差異，從而成為一些地物參數(shù)定量反演的理想監(jiān)測(cè)手段[4]。當(dāng)前，采用線性或非線性方法,借助可見光/近紅外光譜技術(shù)對(duì)土壤理化性質(zhì)的預(yù)測(cè)研究越來(lái)越多[5-13]。雷磊等[14]以HIS數(shù)據(jù)為數(shù)據(jù)源，采用曲線回歸分析方法，對(duì)土壤含鹽量進(jìn)行定量反演建模。Summers等、彭杰等、翁永玲等[15-17]利用偏最小二乘回歸方法對(duì)土壤的理化性質(zhì)進(jìn)行定量研究，證明該方法在土壤理化性質(zhì)研究中普適性較廣。Moussa、丁鐵山等[18，19]則利用機(jī)器學(xué)習(xí)方法對(duì)土壤理化性質(zhì)進(jìn)行定量研究，其中支持向量機(jī)方法具有較強(qiáng)的非線性逼近能力，在數(shù)據(jù)擬合、函數(shù)逼近方面優(yōu)勢(shì)明顯，具有良好的泛化性能，算法簡(jiǎn)練，普適性強(qiáng)。

近年來(lái)，可見光/近紅外光譜技術(shù)與地統(tǒng)計(jì)相結(jié)合為快速獲取土壤屬性及其空間變化提供了可能。McCarty等[20]利用近中紅外光譜技術(shù)與地統(tǒng)計(jì)相結(jié)合，在田塊尺度上分析了土壤碳素的空間異質(zhì)性；Cobo等[21]利用中紅外光譜和地統(tǒng)計(jì)相結(jié)合，研究景觀尺度土壤空間異質(zhì)性。目前，可見光/近紅外光譜技術(shù)與地統(tǒng)計(jì)方法相結(jié)合，開展干旱半干旱區(qū)大尺度土壤鹽分空間異質(zhì)性分析的研究還很少見。因此，本文在前人的研究基礎(chǔ)之上，利用2種方法建立土壤鹽分高光譜預(yù)測(cè)模型，通過(guò)精度對(duì)比，選擇最優(yōu)模型，并將預(yù)測(cè)的土壤含鹽量代替實(shí)驗(yàn)室測(cè)定的土壤含鹽量，運(yùn)用Universal Kriging方法對(duì)土壤含鹽量空間分布進(jìn)行分析，為快速、大面積獲取土壤含鹽量空間分異規(guī)律尋求一種精確、可行的方法。

1 材料與方法

1.1 研究區(qū)概況

渭干河-庫(kù)車河綠洲位于新疆天山南麓、塔里木盆地北緣，隸屬于阿克蘇地區(qū)，包括庫(kù)車、沙雅、新河三縣，地理位置位于東經(jīng)82°10′～83°50′、北緯41°06′～41°40′之間，屬于溫帶大陸性干旱氣候。該區(qū)域的年均降水量?jī)H有43.1 mm，而年均蒸發(fā)量高達(dá)1 992.0～2 863.5 mm，蒸發(fā)量遠(yuǎn)遠(yuǎn)大于降水量，氣候極端干旱。隨著強(qiáng)烈的蒸發(fā)作用,地下水位不斷抬升，鹽分不斷聚集到地表，是該地區(qū)土壤鹽漬化形成的主要自然原因。加之當(dāng)?shù)毓喔燃夹g(shù)落后，方式不合理，加劇了當(dāng)?shù)卮紊}漬化的形成。

圖1 研究區(qū)地理位置圖及采樣點(diǎn)分布圖Fig.1 Geographical position map of study area and distribution of sampling points

1.2 數(shù)據(jù)采集

野外樣本采集時(shí)間是在2015年7月中旬，按照五點(diǎn)梅花狀進(jìn)行土壤樣本的采集，取土壤表層0～10 cm的土樣帶回實(shí)驗(yàn)室進(jìn)行風(fēng)干、碾磨，過(guò)孔徑為1 mm的土壤篩，再按照土水比例1∶5的比例配置土壤浸提液進(jìn)行土壤含鹽量的測(cè)定。土壤樣本的光譜采集是運(yùn)用美國(guó)ASD Field spec3 便攜式地物波譜儀，其波長(zhǎng)范圍為350～2 500 nm。觀測(cè)時(shí)風(fēng)力小于3級(jí)，云量小于5%，且太陽(yáng)輻射強(qiáng)烈，觀測(cè)時(shí)間為北京時(shí)間13∶00-16∶00。光譜測(cè)量時(shí)，光譜儀探測(cè)頭垂直于土壤表面，距土樣表面約20 cm，視場(chǎng)角為25°[22]。每個(gè)土樣測(cè)量10次，將每個(gè)土樣測(cè)得的10條光譜平均就得到該土樣的實(shí)際光譜反射率。

1.3 光譜數(shù)據(jù)預(yù)處理

運(yùn)用ASD ViewSpecPro軟件對(duì)土壤樣本的反射光譜進(jìn)行平均值的計(jì)算，得到土壤樣本的光譜反射率，為了突出光譜特征值，消除噪聲的影響，運(yùn)用OriginPro 9.0軟件，選用Savitzky-Golay濾波平滑法對(duì)土壤光譜反射率進(jìn)行平滑去噪處理，同時(shí)剔除水汽吸收影響嚴(yán)重的波段，被剔除的波段為：1 346～1 462 nm，1 796～1 970 nm和2 406～2 500 nm。

1.4 模型檢驗(yàn)

本文采用67個(gè)土壤樣本，按其土壤鹽分含量從高到低排序分為3個(gè)子集，其中38個(gè)土壤樣本(約1/2的樣本)作為光譜建模數(shù)據(jù)集，19個(gè)土壤樣本為光譜模型驗(yàn)證集，其余10個(gè)樣本作為土壤含鹽量預(yù)測(cè)圖的驗(yàn)證集。為了探討高光譜技術(shù)與地統(tǒng)計(jì)相結(jié)合進(jìn)行土壤鹽分空間異質(zhì)性分析的可行性，將建模集的38個(gè)樣點(diǎn)與預(yù)測(cè)集的19個(gè)樣點(diǎn)預(yù)測(cè)值同時(shí)用于下文統(tǒng)計(jì)分析與空間插值分析。

土壤含鹽量的描述性分析使用SPSS19.0數(shù)據(jù)統(tǒng)計(jì)分析軟件，利用多元逐步回歸分析、偏最小二乘回歸分析以及支持向量機(jī)分別建立土壤光譜與含鹽量的高光譜預(yù)測(cè)模型，利用GS+7.0進(jìn)行半方差函數(shù)分析，ArcGIS10.0軟件繪制空間插值分布圖，進(jìn)行空間異質(zhì)性分析。檢驗(yàn)?zāi)Ｐ途鹊闹笜?biāo)為決定系數(shù)R2、均方根誤差RMSE以及殘留預(yù)測(cè)偏差RPD。RPD是統(tǒng)計(jì)預(yù)測(cè)值和實(shí)測(cè)值相關(guān)性大小的指標(biāo)，是樣品實(shí)測(cè)值的標(biāo)準(zhǔn)差SD與RMSE的比值。當(dāng)RPD小于1.4時(shí)，模型預(yù)測(cè)精度極差；當(dāng)RPD在1.4～2時(shí)，預(yù)測(cè)精度尚可；當(dāng)RPD大于2時(shí)，預(yù)測(cè)精度極佳[24]。

2 結(jié)果與分析

2.1 土壤含鹽量描述性特征統(tǒng)計(jì)分析

將光譜建模與光譜驗(yàn)證的57個(gè)土壤含鹽量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，由表1可看出，研究區(qū)土壤含鹽量介于0.14～35.60 g/kg，鹽分平均值為19.18 g/kg，變異系數(shù)CV反應(yīng)參數(shù)變異程度，CV≤10 為弱變異性，10 0.05)，因此該數(shù)據(jù)適用于地統(tǒng)計(jì)分析。

表1 土壤含鹽量統(tǒng)計(jì)特征值Tab.1 Statistical characteristic values of soil salt content

2.2 土壤光譜與土壤含鹽量相關(guān)性分析

圖2 土壤光譜反射率及其變換形式與土壤含鹽量的相關(guān)系數(shù)Fig.2 The correlation coefficient between the soil spectral reflectance and soil salt content

2.3 土壤含鹽量高光譜建模分析

2.3.1 土壤含鹽量偏最小二乘回歸模型

偏最小二乘回歸方法是將主成分分析和方差分析引入傳統(tǒng)的回歸分析中，通過(guò)篩選出具有對(duì)土壤含鹽量具有最佳解譯能力的成分，剔除無(wú)解譯能力的信息，從而提高模型的反演精度。

表2 土壤含鹽量偏最小二乘回歸模型Tab.2 Partial least square regression model for soil salt content

2.3.2 土壤含鹽量支持向量機(jī)模型

支持向量機(jī)方法是目前最快的機(jī)器學(xué)習(xí)方法之一，全局最優(yōu)、泛化能力強(qiáng)等特點(diǎn)使其在學(xué)習(xí)效率及函數(shù)表達(dá)性方面都要比傳統(tǒng)統(tǒng)計(jì)學(xué)方法更強(qiáng)[26,27]。

從表2和表3可以看出，利用偏最小二乘回歸方法和支持向量機(jī)方法，基于A′所建模型的決定系數(shù)R2相對(duì)最高，且RMSE相對(duì)最低，模型的精度和穩(wěn)定性都相對(duì)較高。該結(jié)果與陶蘭花等[28]的土壤含鹽量建模結(jié)果一致。

表3 土壤含鹽量支持向量機(jī)模型Tab.3 Support vector machine model for soil salt content

2.3.3 模型精度檢驗(yàn)

基于以上分析，選用光譜A′為最優(yōu)光譜指標(biāo)，利用偏最小二乘和支持向量機(jī)方法，分別對(duì)模型的實(shí)測(cè)值與預(yù)測(cè)值的進(jìn)行擬合，結(jié)果如圖3所示，基于偏最小二乘回歸模型，其驗(yàn)證樣點(diǎn)部分偏離1∶1的線，致使其模型的穩(wěn)定性下降；而支持向量機(jī)模型其驗(yàn)證樣點(diǎn)比較均勻地分布在1∶1線的兩側(cè)，預(yù)測(cè)效果較好，這與前面的結(jié)果相一致。

圖3 PLSR和SVM的實(shí)測(cè)值與預(yù)測(cè)值的比較Fig.3 Comparison of the measured and the values estimated by partial least square regression model and support vector machine model

2.4 土壤含鹽量空間異質(zhì)性

2.4.1 土壤含鹽量統(tǒng)計(jì)分析

利用GS+軟件對(duì)支持向量機(jī)模型預(yù)測(cè)得到的57個(gè)土壤含鹽量進(jìn)行半方差函數(shù)分析，半方差函數(shù)的理論模型及參數(shù)由參考文獻(xiàn)[29]確定。由表5可看出，土壤含鹽量決定系數(shù)R2為0.753,這表明理論與實(shí)驗(yàn)半方差函數(shù)的擬合程度較好。塊金值C0大于零，可認(rèn)定其內(nèi)部存在由短距離變異、固有和隨機(jī)變異以及采樣誤差引起的各種正基底效應(yīng)，但基地效應(yīng)較弱。塊金值/基臺(tái)值[C0/ (C0+C)]表示空間異質(zhì)性程度，一般認(rèn)為，小于25%變量具有強(qiáng)空間自相關(guān)性，25%～75%變量具有中等空間自相關(guān)性，大于75%變量空間自相關(guān)性弱[30]。本研究區(qū)土壤含鹽量的空間結(jié)構(gòu)比可以看出，由隨機(jī)因素引起的土壤含鹽量空間變異占總空間變異比例為23.13%，而由空間自相關(guān)因素所引起的空間變異占總空間變異的76.87% ，這充分說(shuō)明該研究區(qū)土壤含鹽量的空間變異主要是受到土壤自身因素的影響，受隨機(jī)因素影響較小，這與干旱區(qū)的實(shí)際情況相一致。

表4 土壤含鹽量半方差函數(shù)模型及參數(shù)Tab.4 Semivariance and their parameters of soil salt content

2.4.2 土壤含鹽量空間插值分析

本文利用Arcgis 10.0軟件，采用泛克里格法(Universal Kriging)對(duì)研究對(duì)象進(jìn)行空間插值，由于研究區(qū)土壤屬性具有非平穩(wěn)性，而泛克里格法是一種處理區(qū)域變量非平穩(wěn)性的最優(yōu)無(wú)偏線性估值方法[31]，對(duì)于不同樣點(diǎn)密度其保留空間信息能力好，預(yù)測(cè)精度高且局部變異明顯[32]。

在土壤含鹽量半方差函數(shù)理論及結(jié)構(gòu)分析的基礎(chǔ)上，利用泛克里格法對(duì)數(shù)據(jù)進(jìn)行空間插值，得到研究區(qū)的表層土壤含鹽量的空間分布圖(圖4)，從總體的空間分布上看，鹽漬地主要分布在研究區(qū)的東南、南和西南部綠洲外圍區(qū)域，由于該區(qū)域植被稀疏，下滲率高，含水量低，蒸發(fā)強(qiáng)烈，再加上該區(qū)域處于河流灌溉區(qū)的下游地區(qū)，地勢(shì)低洼，且地下水礦化度和水位均較高，因而鹽漬化較為嚴(yán)重。在研究區(qū)的西部和西北部的綠洲內(nèi)部，植被覆蓋度較高，土壤水分含量較高，呈輕度鹽漬化空間分布，此結(jié)論與文獻(xiàn)[31]結(jié)果相一致。

圖4 研究區(qū)表層土壤含鹽量空間分布圖Fig.4 Spatial distribution of top soil salinity in the studied are

2.4.3 土壤含鹽量空間分異圖精度評(píng)估

采用10個(gè)土壤樣本對(duì)土壤含鹽量空間分布圖進(jìn)行驗(yàn)證(圖5)，由樣點(diǎn)的實(shí)測(cè)值與預(yù)測(cè)值散點(diǎn)圖可知本研究的預(yù)測(cè)精度較高，土壤含鹽量的實(shí)測(cè)值與預(yù)測(cè)值的決定系數(shù)R2為0.786，RMSE為0.528。土壤含鹽量插值結(jié)果范圍小于實(shí)測(cè)值范圍，是由于Universal Kriging插值是對(duì)未測(cè)點(diǎn)給出最優(yōu)無(wú)偏估計(jì)的一種方法，具有空間平滑作用，減小了樣本集的波動(dòng)性，但仍會(huì)保留數(shù)據(jù)的整體走向趨勢(shì)性。由此得出，利用該方法對(duì)土壤含鹽量分異規(guī)律研究是可行的。

圖5 土壤含鹽量預(yù)測(cè)值與實(shí)測(cè)值散點(diǎn)圖Fig.5 Scatter plots of predicted and observed values of soil salt content

4 結(jié) 語(yǔ)

以渭干河-庫(kù)車河綠洲為研究區(qū)，利用2種方法建立土壤鹽分高光譜預(yù)測(cè)模型，通過(guò)精度對(duì)比，選擇最優(yōu)模型，將預(yù)測(cè)值代替實(shí)驗(yàn)室分析值進(jìn)行空間插值，對(duì)研究區(qū)土壤含鹽量空間異質(zhì)性進(jìn)行分析，為干旱區(qū)綠洲土壤鹽漬化監(jiān)測(cè)提供參考。研究結(jié)論如下。

(1)通過(guò)對(duì)反射率一階微分、對(duì)數(shù)一階微分、對(duì)數(shù)倒數(shù)一階微分、倒數(shù)對(duì)數(shù)一階微分、均方根一階微分、反射率平方一階微分6種光譜指標(biāo)進(jìn)行建模，最終利用原始光譜一階微分所建模型的精度最高，模型穩(wěn)定性最好。

(2)利用原始光譜一階微分建立的2種土壤含鹽量預(yù)測(cè)模型，最優(yōu)模型為支持向量機(jī)模型，其建模集相關(guān)系數(shù)R2高達(dá)0.980，RMSE僅為0.109；預(yù)測(cè)集相關(guān)系數(shù)R2為0.853 ，RMSE為0.381，RPD為2.1，該模型的建模精度較高，具有較好的預(yù)測(cè)能力，且模型穩(wěn)定性強(qiáng)，在干旱區(qū)綠洲土壤含鹽量遙感定量研究方面具有較好的應(yīng)用前景。

(3)本研究區(qū)土壤表層含鹽量屬于中等空間變異性，且空間結(jié)構(gòu)比小于25%，受結(jié)構(gòu)性因素影響具有強(qiáng)空間自相關(guān)。利用Universal Kriging空間插值方法對(duì)研究區(qū)土壤含鹽量進(jìn)行插值分析，得出鹽漬地主要分布在研究區(qū)的東南、南和西南部綠洲外圍區(qū)域，由于該區(qū)域植被稀疏，蒸發(fā)強(qiáng)烈，土壤下滲率高，且處于河流灌溉區(qū)的下游地區(qū)，地勢(shì)低洼，地下水位較高，因此該區(qū)域的鹽漬化現(xiàn)象嚴(yán)重。

(4)本文將可見光/近紅外光譜技術(shù)與地統(tǒng)計(jì)方法相結(jié)合，對(duì)土壤含鹽量空間異質(zhì)性進(jìn)行了初步研究，土壤鹽分分布的預(yù)測(cè)結(jié)果和研究區(qū)鹽分分布的實(shí)際情況具有一致性，希望該研究結(jié)果可為干旱區(qū)綠洲開展區(qū)域尺度的土壤鹽漬化監(jiān)測(cè)工作提供一種可靠、快速的方法。

□

[1] 冉 啟,洋貢璐，韓 麗，等.塔里木河上游綠洲土壤表層鹽分特征[J].中國(guó)沙漠,2013,33(4):1 098-1 103.

[2] 張 芳,熊黑鋼,欒福明,等.土壤堿化的實(shí)測(cè)光譜響應(yīng)特征[J].紅外與毫米波學(xué)報(bào),2011,30(1)：55.

[3] 姚 遠(yuǎn),丁建麗,張 芳,等.基于電磁感應(yīng)技術(shù)的塔里木盆地北緣綠洲土壤鹽分空間變異特[J].中國(guó)沙漠,2014,34(3):765-772.

[4] 游先祥.遙感原理及其在資源環(huán)境中的應(yīng)用[M].北京:中國(guó)林業(yè)出版社,2003:63-67.

[5] 李曉明,韓霽昌,李 娟.典型半干旱區(qū)土壤鹽分高光譜特征反演[J].光譜學(xué)光譜分析,2014,34(4):1 081-1 084.

[6] 龐國(guó)錦,王 濤,孫家歡,等.基于高光譜的民勤土壤鹽分定量分析[J].中國(guó)沙漠,2014,34(4)：1 073 -1 079.

[7] 侯艷軍,塔西甫拉提·特依拜,買買提·沙吾提,等.荒漠土壤有機(jī)質(zhì)含量高光譜估算模型[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(16):113-120.

[8] 吳雪梅,塔西甫拉提·特依拜,姜紅濤,等.基于CCA方法的于田綠洲土壤鹽分特征研究[J].中國(guó)沙漠,2014,34(6):1 568-1 575.

[9] Erzin Y, Gumaste S D, Gupta A K, et al. Artificial Neural Network (ANN) models for determining hydraulic conductivity of compacted fine-grained soils[J].Canadian Geotechnical Journal, 2009,46(8):955-968.

[10] Wang D, Chakraborty S, Weindorf D C, et al. Synthesized use of VisNIR DRS and PXRF for soil characterization:Total carbon and total nitrogen[J]. Geoderma, 2015,243-244:157-167.

[11] Brunner P, Li H T, Kinzelbach W, et al. Generating soil electrical conductivity maps at regional level by integrating measurements on the ground and remote sensing data[J].International Journal of Remote Sensing, 2007,28(15):3 341-3 361.

[12] 塔西甫拉提·特依拜,丁建麗.基于知識(shí)的衛(wèi)星遙感信息提取技術(shù)研究進(jìn)展綜述[J].新疆大學(xué)學(xué)報(bào)(自然科學(xué)版),2002,19(2):129-135．

[13] 趙振亮,塔西甫拉提·特依拜,丁建麗,等.新疆典型綠洲土壤電導(dǎo)率和pH值的光譜響應(yīng)特征[J].中國(guó)沙漠,2013,33(5):1 413-1 419.

[14] 雷 磊,塔西甫拉提·特依拜,丁建麗,等.基于HJ-1A高光譜影響鹽漬化土壤信息提取----以渭干河-庫(kù)車河綠洲為例[J].中國(guó)沙漠,2013,33(4):1 104-1 109.

[15] Summers D, Lewis M, Ostendorf B, et al. Visible near-infrared reflectance spectroscopy as a predictive indicator of soil properties[J].Ecological Indicators,2011,(11):123-131.

[16] 彭 杰,遲春明,向紅英,等.基于連續(xù)統(tǒng)去除法的土壤鹽分含量反演研究[J].土壤學(xué)報(bào),2014,51(3):459-469.

[17] 翁永玲,戚浩平,方洪賓,等.基于PLSR方法的青海茶卡-共和盆地土壤鹽分高光譜遙感反演[J].土壤學(xué)報(bào),2010,47(4):1 255-1 263.

[18] 丁鐵山,董汝瑞，溫 季. 基于支持向量機(jī)理論的土壤水分預(yù)測(cè)模型研究[J].人民黃河,2011,33(3):68-69.

[19] 賴 寧,李新國(guó),梁 東.開都河流域下游綠洲鹽漬化土壤高光譜特征[J].干旱區(qū)資環(huán)境,2015,29(2):151-154.

[20] MCCARTY G W,REEVES J B.Comparison of NFAR infrared and mid infrared diffuse reflectance spectroscopy for field-scale measurement of soil fertility parameters[J].Soil Science,2006,171(2):94-102.

[21] Cobo J G, Dercon G, Yekeye T, et al. Integration of mid-infrared spectroscopy and geostatistics in the assessment of soil spatial variability at landscape level[M]∥ The letters of the Republic :. Harvard University Press, 1990:398-411.

[22] 賴 寧,李新國(guó),梁 東.開都河流域下游綠洲鹽漬化土壤高光譜特征[J].干旱區(qū)資源與環(huán)境,2015,29(2):151-154.

[23] Tsai F, Philpot W D. A derivative-aided hyperspectral image analysis system for land-cover classification[J]. 2002,40(2):416-425.

[24] ossel R A V, Mcglynn R N, Mcbratney A B. Determining the composition of mineral-organic mixes using UV-vis-NIR diffuse reflectance spectroscopy[J]. Geoderma, 2006,137(1-2):70-82..

[25] 賈艷紅,趙傳燕,南忠仁．黑河下游地下水波動(dòng)帶土壤鹽分空間變異特征分析[J].干旱區(qū)地理,2008,31(3):379-388．

[26] 常軍,路振廣,李素平,等.基于SAV 方法的水文年型預(yù)報(bào)[J].人民黃河,2009,31(4):29-33．

[27] 邵曉梅,嚴(yán)昌榮,徐振劍.土壤水分監(jiān)測(cè)與模擬研究進(jìn)展[J].地理科學(xué)進(jìn)展,2004,23(3):58-65．

[28] 陶蘭花,塔西甫拉提·特依拜,姜紅濤,等.克里雅河流域土壤鹽分光譜定量分析[J].中國(guó)沙漠,2014,34(6):1 562-1 567.

[29] 宋新山,何 巖,汪永輝.水土化學(xué)場(chǎng)理論在松嫩平原鹽漬土研究中的應(yīng)用[J].地理科學(xué)，2003,23(1):72-76．

[30] Cambardella C A，Moorman T B，Novak J M，et al．Field scale variability of soil properties in central Iowa soils[J]．Soil Science Society of America Journal，1994,58(5):1 501-1 511．

[31] 王世稱,陳泳良,夏立顯,等．綜合信息礦產(chǎn)預(yù)測(cè)理論與方法[M]．北京：科學(xué)出版社，2002.

[32] 姚 遠(yuǎn),丁建麗,張 芳,等. 基于電磁感應(yīng)技術(shù)的塔里木盆地北緣綠洲土壤鹽分空間變異特性[J].中國(guó)沙漠,2014,34(3):765-772.

[33] 馬成霞,丁建麗，楊愛(ài)霞,等. 綠洲區(qū)域土壤鹽漬化主要參數(shù)的空間異質(zhì)性分析[J].干旱區(qū)資源與環(huán)境,2015,29 (2):144-149.

[34] 浦瑞良,宮 鵬.高光譜遙感及其應(yīng)用[M].北京:高等教育出版社,2003.