張 旭，賈科利，魏慧敏，李小雨

(寧夏大學(xué) 地理科學(xué)與規(guī)劃學(xué)院，寧夏 銀川 750021)

土壤鹽漬化是地形、地貌、氣候、水文、植被、和人為干擾等自然和社會(huì)經(jīng)濟(jì)因子綜合作用形成的鹽分持續(xù)表聚現(xiàn)象[1-2]，多發(fā)生于中國(guó)干旱、半干旱農(nóng)業(yè)灌區(qū)和濱海鹽浸地區(qū)[3-4].鹽漬土所含各鹽基離子和氯化物致使土壤肥力降解和土壤活性退化乃至喪失，滋生一系列生態(tài)環(huán)境問(wèn)題，導(dǎo)致區(qū)域作物減產(chǎn)，農(nóng)業(yè)經(jīng)濟(jì)損失嚴(yán)重[5].因此，探究土壤鹽分空間分異及驅(qū)動(dòng)因子影響，對(duì)于研判鹽漬土開(kāi)發(fā)利用和風(fēng)險(xiǎn)，優(yōu)化國(guó)土空間，生態(tài)保護(hù)及修復(fù)具有重要意義和價(jià)值.

土壤鹽分作為土壤理化性質(zhì)的重要組成部分，其空間異質(zhì)性研究是土壤特性研究的一個(gè)重要內(nèi)容.眾多學(xué)者利用統(tǒng)計(jì)學(xué)、地統(tǒng)計(jì)學(xué)和“3S”相結(jié)合的方法對(duì)土壤鹽分空間分異進(jìn)行探究，取得了很多成果.如Panagopoulos 等[6]利用地統(tǒng)計(jì)學(xué)的方法結(jié)合GIS 分析對(duì)地中海地區(qū)進(jìn)行了土鹽變異性及分布規(guī)律的研究，為地中海農(nóng)業(yè)發(fā)展提供了科學(xué)依據(jù).Inakwu 等[7]用統(tǒng)計(jì)回歸法研究了土壤鹽分空間分布并有效預(yù)測(cè)了采樣區(qū)土壤鹽分含量.依克麗曼·阿布都米提等[8]應(yīng)用地統(tǒng)計(jì)分析方法中的普通克里金插值完成半變異函數(shù)計(jì)算以及理論模型的擬合，分析了渭?庫(kù)綠洲土壤鹽分空間分布特征.此外，作為一種空間要素，土壤鹽分空間異質(zhì)性是多種影響因子共同作用的結(jié)果，可通過(guò)不同的方法對(duì)其進(jìn)行解釋分析.沈浩等[9]用傳統(tǒng)統(tǒng)計(jì)學(xué)和地統(tǒng)計(jì)學(xué)相結(jié)合的方法分析瑪納斯河流域農(nóng)田土壤水鹽空間分布特征和影響因素.李艷菊等[10]利用灰色關(guān)聯(lián)度的方法定量分析了樣本點(diǎn)海拔、地形濕度指數(shù) (TWI)、地下水位、植被覆蓋度 (VFC)、地下水礦化度對(duì)土壤鹽漬化的作用程度.袁玉蕓等[11]選擇多個(gè)鹽分驅(qū)動(dòng)因子，利用GWR 模型對(duì)于田綠洲鹽分空間分布格局進(jìn)行了可視化表達(dá).但事實(shí)上各因素對(duì)土壤鹽分空間分布的影響具有一定的區(qū)域性，作用尺度也不盡相同，在目前土壤鹽分研究中，影響因素尺度差異往往被忽視.2017 年Fotheringham[12]提出多尺度地理加權(quán)回歸模型（MGWR），允許每個(gè)因子具備特定帶寬，建立更接近真實(shí)的空間過(guò)程模型，且各變量具有不同的空間平滑水平.近年來(lái)該模型被應(yīng)用于各領(lǐng)域，如沈體雁等[13]基于MGWR 模型探索了北京二手房房?jī)r(jià)的驅(qū)動(dòng)機(jī)制；周志凌等[14]基于MGWR 模型研究了全國(guó)297個(gè)地級(jí)市PM2.5影響因素的空間異質(zhì)性.由此可見(jiàn)，MGWR 模型在揭示多個(gè)自變量與單個(gè)因變量的響應(yīng)關(guān)系和空間分異特征時(shí)具有較好普適性.

本文以銀川平原為例，通過(guò)全局Moran’sI指數(shù)探究區(qū)域空間自相關(guān)特征，在了解土壤鹽分空間變異特征基礎(chǔ)上篩選多種驅(qū)動(dòng)因子，構(gòu)建銀川平原土壤鹽漬化MGWR 模型，揭示該區(qū)鹽分空間分異的主要驅(qū)動(dòng)因素，實(shí)現(xiàn)銀川平原土壤鹽分驅(qū)動(dòng)因子探究和空間可視化表達(dá)，以期為該地區(qū)土地資源保護(hù)和鹽漬化科學(xué)防治提供依據(jù).

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況銀川平原（圖1）地處寧夏北部（105°45′～106°56′E，37°46′～39°23′N），橫跨黃河兩岸，由黃河沖擊平原和賀蘭山東麓洪擊傾斜平原兩部分組成，南起青銅峽峽谷，北止石嘴山麻黃溝，西倚賀蘭山腳，東依鄂爾多斯高原[15-16]，南北長(zhǎng)165 km，東西寬42～60 km，面積7 615 km2，海拔1 100～2 200 m，總體地勢(shì)自西向東、由南向北微傾[17].銀川平原位于中溫帶干旱區(qū)，屬溫帶大陸性半干旱氣候，干旱少雨，日照充足，蒸發(fā)強(qiáng)烈[18].年平均氣溫8～9 ℃，多年平均降水量不足200 mm，且主要集中在夏季，平均蒸發(fā)量約1 800 mm，蒸降比約為10∶1.土地利用以耕地為主，主要種植玉米、水稻和小麥等農(nóng)作物.由于該區(qū)地勢(shì)低洼，地下水埋深較淺，降水少，蒸發(fā)強(qiáng)烈，土壤鹽堿含量較高，是影響農(nóng)業(yè)生產(chǎn)的“瓶頸”問(wèn)題.

圖1 銀川平原的地理位置及邊界Fig.1 Location and boundary of the Yinchuan Plain

1.2 數(shù)據(jù)采集

1.2.1 樣本采集和指標(biāo)測(cè)定 土壤樣本采集大體以5 km×5 km 間隔布設(shè)采樣點(diǎn)（如圖1）.于2021年3 月進(jìn)行，采樣時(shí)選取未翻整過(guò)的平坦地面.借助手持GPS 記錄樣點(diǎn)地理坐標(biāo)和高程，同時(shí)記錄樣點(diǎn)的對(duì)應(yīng)編號(hào)、土地利用、植被長(zhǎng)勢(shì)等信息，采集0～20 cm 表層土壤進(jìn)行密封，帶回實(shí)驗(yàn)室，立即采用烘干稱重法測(cè)定土壤含水率.然后剔除荒草和碎石塊等雜質(zhì)，自然風(fēng)干后，經(jīng)研磨、過(guò)2 mm 篩，配置土水質(zhì)量比1∶5 的浸提液.使用pH 計(jì)和電導(dǎo)儀測(cè)量樣本pH 值和電導(dǎo)率，利用電導(dǎo)率根據(jù)經(jīng)驗(yàn)公式換算得到土壤含鹽量[19].經(jīng)對(duì)測(cè)定結(jié)果分析，剔除異常值，得到166 個(gè)樣本供試.

根據(jù)樣本含鹽量及布雷迪等[20]分級(jí)方法，將土壤鹽漬化程度分為5 個(gè)等級(jí)，樣本描述性統(tǒng)計(jì)分析如表1 所示.可以看出，所采樣本土壤呈堿性，但堿化程度差異不大，土壤pH 變異系數(shù)小.不同鹽漬化等級(jí)土壤鹽分含量變異程度不同，鹽土樣本的變異系數(shù)近60%，變異程度最大；非鹽漬化樣本次之，變異系數(shù)超過(guò)40%；輕度鹽漬化和中度鹽漬化樣本變異系數(shù)約為20%；重度鹽漬化樣本變異系數(shù)最小.總樣本土壤含鹽量差異較大，變異系數(shù)為172.40%，屬?gòu)?qiáng)變異性，表明樣本數(shù)據(jù)離散程度大，具有普適性.

表1 銀川平原采樣點(diǎn)描述性統(tǒng)計(jì)Tab.1 Descriptive statistics of sampling points in Yinchuan Plain

1.2.2 遙感影像獲取與處理 研究使用的Landsat 8 OLI 遙感影像數(shù)據(jù)來(lái)源于美國(guó)地質(zhì)調(diào)查局官網(wǎng)（http://glovis.usgs.gov/），影像行列號(hào)為129/33、129/34，云量較少，數(shù)據(jù)質(zhì)量較好.每景影像包括陸地成像儀器的9 個(gè)波段和熱紅外傳感器TIRS 的2 個(gè)波段，主要參數(shù)見(jiàn)表2.本研究主要使用影像的前7 個(gè)波段進(jìn)行研究.

表2 遙感影像數(shù)據(jù)參數(shù)Tab.2 Parameters of the remote sensing image

1.2.3 指標(biāo)選取與數(shù)據(jù)獲取 依據(jù)銀川平原土壤鹽漬化形成條件、參考前人研究成果[11,21-26]及數(shù)據(jù)可獲取性，選取土壤屬性、地形、植被等與土壤鹽分密切相關(guān)的驅(qū)動(dòng)因子（表3）.其中土壤鹽分、土壤pH、土壤含水率數(shù)據(jù)通過(guò)室內(nèi)實(shí)測(cè)獲取，高程數(shù)據(jù)通過(guò)野外實(shí)測(cè)獲取，地下水?dāng)?shù)據(jù)為銀川平原地下水靜態(tài)水位監(jiān)測(cè)數(shù)據(jù).地表溫度利用ENVI5.3 通過(guò)Landsat 8 OLI 影像大氣校正算法反演所得.植被指數(shù)是植被生長(zhǎng)狀況指示因子，為更好地反映植被覆蓋度和生長(zhǎng)狀況，在傳統(tǒng)植被指數(shù)（NDVI）的基礎(chǔ)上引入短波紅外波段，構(gòu)建擴(kuò)展歸一化植被指數(shù)（ENDVI）[27]作為研究區(qū)植被因子，利用ENVI 5.3 經(jīng)波段運(yùn)算獲取.坡度數(shù)據(jù)利用通過(guò)高程數(shù)據(jù)提取得到.土地利用強(qiáng)度可被定量化描述為4 個(gè)等級(jí)，其等級(jí)越高則受人類活動(dòng)影響越大.強(qiáng)度指數(shù)采用莊大方等[28]土地利用分級(jí)方法，未利用地、林草地和耕地分級(jí)指數(shù)為1、2、3.常數(shù)項(xiàng)為模型截距，在一定程度上可表示為其他因子確定條件下，樣點(diǎn)所處不同位置對(duì)土壤鹽分的作用大小（即區(qū)位銀子對(duì)土壤鹽分的影響）[13].

表3 銀川平原鹽漬化影響因子Tab.3 The factors of soil salinization in the Yinchuan Plain

為避免各變量之間因存在多重共線問(wèn)題而造成估計(jì)結(jié)果偏差，利用SPSS 20 對(duì)上述解釋變量進(jìn)行方差膨脹因子（VIF）和容差檢驗(yàn).VIF 值越接近于1，多重共線性越輕，反之越重.通常以10 作為判斷邊界，大于10 則該變量存在多重共線性.容差是VIF 的倒數(shù)，取值界于0 至1 之間.當(dāng)容差值越接近于0，表示此自變量與其他自變量之間存在共線性.檢驗(yàn)結(jié)果如表4 所示，各變量VIF 值均小于10，且容差遠(yuǎn)大于0，表明選取的指標(biāo)因子不存在多重共線性現(xiàn)象.

表4 影響因子多重共線性檢驗(yàn)Tab.4 Multicollinearity inspection of influencing factors

1.3 研究方法

1.3.1 Moran’sI自相關(guān)分析 Moran’sI指數(shù)是地理空間統(tǒng)計(jì)學(xué)中常用于度量地理數(shù)據(jù)空間自相關(guān)性的重要指標(biāo)，取值范圍為[?1,1]，值越趨近于1，則空間相關(guān)性越明顯，反之則空間差異性越大，當(dāng)值為0 時(shí)，數(shù)據(jù)空間分布呈隨機(jī)性.正負(fù)號(hào)決定其正相關(guān)和負(fù)相關(guān)屬性[8,29].Moran’sI指數(shù)計(jì)算公式如式（1）：

式中，n為變量總數(shù)，Dij為變量i和j的空間權(quán)重，Mi，Mj為變量i，j的屬性值，M為M的均值.我們利用GeoDa 軟件建立以樣點(diǎn)為中心，以土壤鹽分含量為空間屬性的泰森多邊形，基于公共邊界的一階ROOK 權(quán)重矩陣計(jì)算局部Moran’sI指數(shù)，分析銀川平原土壤鹽漬化空間自相關(guān)特征及其空間集聚程度.

1.3.2 多尺度地理加權(quán)回歸模型 最小二乘法線性回歸模型（OLS）是因變量與自變量的多元線性函數(shù)，其與地理位置無(wú)關(guān)，變量之間的關(guān)系是同質(zhì)的.地理加權(quán)回歸（GWR）為將數(shù)據(jù)空間結(jié)構(gòu)嵌入OLS 回歸模型中的一種空間統(tǒng)計(jì)技術(shù)，其變回歸參數(shù)為觀測(cè)點(diǎn)地理位置函數(shù)，從而探究變量空間分異特征[30].Fotheringham 等考慮到不同驅(qū)動(dòng)因子對(duì)因變量在不同空間尺度下作用不同即響應(yīng)尺度不同，在GWR 模型基礎(chǔ)上允許每個(gè)變量擁有不同的空間平滑水平，為每個(gè)變量指定專用帶寬以適應(yīng)模型校準(zhǔn)其多尺度效應(yīng)，結(jié)果產(chǎn)生的空間過(guò)程模型更加符合事實(shí)，同時(shí)降低了估計(jì)偏差，該模型就是多尺度地理加權(quán)回歸模型（MGWR）[31]，其公式如下：

式中，yi表示因變量，(ui,vi)表示樣點(diǎn)i的坐標(biāo)，bwj代表第j個(gè)變量回歸系數(shù)特定帶寬，βbwj為回歸系數(shù)，與地理位置有關(guān)，xij為第j個(gè)自變量，β0(ui,vi)為截距，εi為誤差.

MGWR 中每個(gè)回歸系數(shù)都是基于其特定帶寬通過(guò)局部回歸得到，各因子帶寬具有特異性.而MGWR 的核函數(shù)和帶寬選擇準(zhǔn)則仍與GWR 一致，本文采用二次核函數(shù)和更正的赤池信息準(zhǔn)則（AICc）.

2 結(jié)果與分析

2.1 銀川平原土壤鹽分空間格局采用Moran’sI指數(shù)探究銀川平原土壤鹽分空間自相關(guān)分布特征.由圖2 可知，銀川平原土壤鹽分Moran’sI指數(shù)為0.314，呈空間正相關(guān)性，Z值為7.94>1.96，在0.05水平下高度顯著.且觀測(cè)值大多分布在1、3 象限，在空間上呈集聚態(tài)勢(shì).由圖3 可知，銀川平原土壤鹽分總體呈現(xiàn)差異性分布，表現(xiàn)為北部高?高集聚，南部低?低集聚，中部不顯著的格局.

圖2 土壤鹽分Moran’s I 散點(diǎn)圖Fig.2 Moran's I scatter plot of soil salinity

圖3 土壤鹽分LISA 集聚圖Fig.3 LISA concentration map of soil salinity

為更加直觀地揭示銀川平原土壤鹽分空間分布格局，利用普通克里金法在ArcGIS 中進(jìn)行插值，得到銀川平原土壤鹽分空間分布圖.如圖4 所示，銀川平原土壤鹽分整體表現(xiàn)為南低北高的分布格局，其中輕度鹽漬化土壤分布最廣，中度鹽漬化土壤與鹽土主要分布在平原北部的惠農(nóng)區(qū)、大武口、平羅縣等地區(qū).

圖4 銀川平原土壤鹽分空間分布圖Fig.4 Spatial distribution of Yinchuan plain soil salinity

2.2 模型指標(biāo)分析以土壤鹽分為因變量，地下水埋深（Depth）、地下水礦化度（Salinity）、擴(kuò)展歸一化植被指數(shù)（ENDVI）等因子為自變量分別建立最小二乘線性回歸模型（OLS）、經(jīng)典地理加權(quán)回歸模型（GWR）和多尺度地理加權(quán)回歸模型（MGWR）.通過(guò)AICc、R2和RSS 判定模型的優(yōu)劣性.

由表5 可知，MGWR 模型的R2最大，說(shuō)明MGWR 模型擬合效果更好.MGWR 模型與OLS和GWR 模型相比，AICc 值分別減小了65.780 和15.732，表明模型得到明顯改善.從RSS 值看，MGWR 模型的RSS 值較OLS 和GWR 模型都小，表明該模型得到了更精確的回歸結(jié)果.因此，MGWR 模型為本研究的最優(yōu)模型.

表5 不同模型擬合結(jié)果比較Tab.5 Comparison of fitting results of different models

變量帶寬是衡量因子作用尺度的重要指標(biāo)，可以反映出各因子對(duì)土壤鹽分作用尺度的差異.帶寬越小表明該因子作用效果空間異質(zhì)性越大，越大則異質(zhì)性越小.由表5 可知，GWR 模型的帶寬為110，占總樣本數(shù)的66.3%，只能反映出各個(gè)因子的平均作用尺度，而MGWR 模型各因子帶寬存在一定差異，直接反映出不同因子差異化的作用尺度.土地利用強(qiáng)度帶寬為43，作用尺度最小，具有較大空間異質(zhì)性；其次為地下水礦化度和地表溫度；坡度的作用尺度為89，約為總樣本數(shù)的一半，對(duì)土壤鹽分的作用效果在半個(gè)銀川平原范圍內(nèi)基本一致；土壤pH、高程帶寬分別為125、143，作用尺度較大，空間異質(zhì)性較??；地下水埋深、擴(kuò)展歸一化植被指數(shù)和土壤含水率的作用尺度均為165，基本上為總樣本數(shù)，屬于全局尺度，作用效果空間異質(zhì)性最弱.

各影響因子回歸系數(shù)結(jié)果如表6 所示.高程、地下水埋深、擴(kuò)展歸一化植被指數(shù)、土地利用強(qiáng)度與土壤鹽分呈負(fù)相關(guān)，地下水礦化度、土壤pH、土壤含水率正向作用于土壤鹽分，坡度、地表溫度整體與土壤鹽分呈正相關(guān)，但回歸系數(shù)最小值均小于0，表明在局部地區(qū)坡度與地表溫度負(fù)向作用于土壤鹽分.所有因子中，地下水礦化度回歸系數(shù)均值為0.384，且最大值可達(dá)0.945，與土壤鹽分的相關(guān)性最強(qiáng)，其次是土地利用強(qiáng)度、地下水埋深、擴(kuò)展歸一化植被指數(shù)、地表溫度、高程、土壤pH，土壤含水率和坡度回歸系數(shù)均值分別為0.037 和0.012，影響最小.

表6 MGWR 模型回歸系數(shù)統(tǒng)計(jì)描述Tab.6 Statistical description of MGWR coefficient

2.3 土壤鹽分影響因子的空間異質(zhì)性分析經(jīng)過(guò)MGWR 模型擬合之后所得的常數(shù)項(xiàng)反映了除確定自變量外，不同位置（即區(qū)位因素）對(duì)土壤鹽分作用效果，因此常數(shù)項(xiàng)可在一定程度上反映出未包含在模型中的距離溝渠距離、距離道路距離等區(qū)位因素對(duì)土壤鹽分的影響.如圖5(a)所示，回歸系數(shù)值整體小于0，與土壤鹽分全域呈現(xiàn)負(fù)相關(guān)效應(yīng).系數(shù)值與顯著性整體上呈現(xiàn)明顯的由南向北逐漸遞增的階梯狀分布，高值主要出現(xiàn)在惠農(nóng)區(qū)、大武口區(qū)和平羅縣地區(qū)，表明平原北部地區(qū)對(duì)區(qū)位因素更加敏感.

圖5 影響因子回歸系數(shù)與顯著性空間分布圖Fig.5 Regression coefficient and significance spatial distribution of influencing factors

由圖5(b)可知高程對(duì)土壤鹽分的影響也呈階梯狀分布，表現(xiàn)為平原東北部負(fù)相關(guān)效應(yīng)顯著且強(qiáng)烈.南部負(fù)相關(guān)效應(yīng)較弱且不顯著，但整體空間異質(zhì)性較低.地形起伏導(dǎo)致地下地表徑流隨地勢(shì)由高向低運(yùn)動(dòng)，進(jìn)而調(diào)控水鹽運(yùn)動(dòng)，導(dǎo)致土壤水鹽在低處匯集[32]，銀川平原整體地勢(shì)由西南向東北微傾.因此，高程對(duì)北部低海拔地區(qū)土壤鹽分的影響高于南部高海拔地區(qū).

坡度對(duì)土壤鹽分的影響無(wú)明顯分異規(guī)律，整體回歸系數(shù)P值均大于0.187，未通過(guò)顯著性檢驗(yàn)[圖5(c)]，對(duì)土壤鹽分作用不顯著.銀川平原地勢(shì)整體南部高于北部地區(qū)，但局部相對(duì)平坦坡度較小，對(duì)土壤鹽分幾乎沒(méi)有影響.

地下水埋深與土壤鹽分整體呈顯著負(fù)相關(guān)，作用強(qiáng)度由南到北遞增（圖5d），但系數(shù)取值在?0.163～?0.143，作用效果空間差異性較小.地下水埋深越淺，越有利于土壤中的鹽分跟隨水分上升到地表從而導(dǎo)致地表土壤鹽分含量增加，當(dāng)?shù)叵滤裆畹揭欢ǔ潭群笃鋵?duì)土壤積鹽作用逐漸變小[33].銀川平原北部地勢(shì)平坦，絕大部分區(qū)域地下水埋深在0～4 m，對(duì)土壤鹽分含量的影響相對(duì)較大；南部地區(qū)地下水埋深較北部深，最深可超過(guò)50 m，對(duì)土壤鹽分含量的影響相對(duì)較小.

地下水礦化度是土壤鹽分最主要的影響因素，如圖5(e)所示，回歸系數(shù)值在0.089～0.945 之間，不同區(qū)域其作用效果存在較大的異質(zhì)性.其中顯著性高值主要集中在平原北部的惠農(nóng)區(qū)、大武口和平羅縣等地，低值主要出現(xiàn)在平原中部以及南部的青銅峽和靈武市等地，系數(shù)顯著性也相對(duì)較低.地下水礦化度越高越容易導(dǎo)致鹽分的形成與積累[34].受地形背景控制，礦化物隨地表、地下徑流運(yùn)動(dòng)導(dǎo)致銀川平原北部地下水礦化度含量升高，正相關(guān)效應(yīng)顯著.受局部地形、人類活動(dòng)、土壤理化性質(zhì)等影響，青銅峽、永寧縣周邊區(qū)域地下水礦化度對(duì)土壤鹽分作用程度略高于周圍地區(qū).

土壤pH 對(duì)土壤鹽分的影響與高程對(duì)土壤鹽分的影響空間分布特征相似，作用效果與回歸系數(shù)顯著性由南向北遞增[圖5(f)]，空間異質(zhì)性較弱.土壤堿化與鹽化是兩個(gè)不同的概念，并不是所有堿性土壤中都有較高的鹽分，真正與堿化土壤中鹽分密切相關(guān)的是成土過(guò)程[1].因此，土壤pH 與土壤鹽分雖表現(xiàn)為全域正相關(guān)，但相關(guān)程度較低，對(duì)土壤鹽分的影響較弱.

由圖5(g)可知，土壤含水率對(duì)土壤鹽分的影響呈現(xiàn)中部強(qiáng)南北弱的格局.雖然在統(tǒng)計(jì)上與土壤鹽分呈正相關(guān)，但回歸系數(shù)整體未通過(guò)顯著性檢驗(yàn)，對(duì)土壤鹽分影響不顯著.在返鹽時(shí)期，土壤中水分?jǐn)y帶鹽分向土壤表層運(yùn)動(dòng)，土壤含水率越高則攜帶的土壤鹽分越多.采樣時(shí)期銀川平原土壤剛剛解凍，各處情況不同，土壤含水率受隨機(jī)性因素干擾大，對(duì)土壤鹽分影響效果不顯著.

地表溫度對(duì)土壤鹽分主要為正向作用，占總樣本的92.7%，空間異質(zhì)性較為明顯，影響效果在空間上仍具有由南向北遞增的階梯狀結(jié)構(gòu).溫度是鹽分隨水分上升到地表的動(dòng)力[33]，地表溫度越高水分蒸發(fā)越強(qiáng)烈，水分中溶解的鹽分隨著水分的蒸發(fā)持續(xù)上升并積聚在土壤表層，造成土壤鹽分含量升高.由圖5(h)可知，地表溫度與土壤鹽分在惠農(nóng)區(qū)、平羅縣表現(xiàn)出較強(qiáng)的正向相關(guān)性，而在興慶區(qū)和賀蘭東部的局部地區(qū)表現(xiàn)為負(fù)相關(guān)效應(yīng)，回歸系數(shù)除惠農(nóng)與平羅北部地區(qū)顯著外，其它地區(qū)均不顯著，反映出地表溫度在空間上存在較大差異.

擴(kuò)展歸一化植被指數(shù)對(duì)土壤鹽分呈現(xiàn)顯著負(fù)向作用，空間上呈現(xiàn)由中間向兩側(cè)擴(kuò)散的格局，系數(shù)取值在?0.144～?0.114 之間，效果差異不明顯.中部賀蘭縣出現(xiàn)了較強(qiáng)的相關(guān)性[圖5(i)]，這可能是因?yàn)椴蓸訒r(shí)賀蘭縣部分地區(qū)種植冬小麥、苜蓿等作物對(duì)土壤鹽分較為敏感，而其它地區(qū)地表植被覆蓋程度低，導(dǎo)致擴(kuò)展歸一化植被指數(shù)不能較好地反映土壤鹽分.

土地利用強(qiáng)度可在一定程度上反映出人為因素對(duì)土壤鹽分的影響程度.由圖5(j)可知，土地利用強(qiáng)度影響效果表現(xiàn)為較強(qiáng)的空間異質(zhì)性，局部呈現(xiàn)明顯的由中心向四周擴(kuò)散的圈層結(jié)構(gòu).土地利用強(qiáng)度與土壤鹽分全域呈現(xiàn)負(fù)相關(guān)效應(yīng)，在賀蘭縣、利通區(qū)東部和靈武市南部影響最為顯著.導(dǎo)致該現(xiàn)象的主要原因是土壤鹽分在土地利用強(qiáng)度較低的未利用地范圍內(nèi)容易積聚，而在土地利用強(qiáng)度較高的耕地范圍內(nèi)由于深耕、灌溉等人為方式的影響，減緩了土壤鹽分積累速度，導(dǎo)致土壤鹽分含量較低.

3 討論與結(jié)論

3.1 討論土壤鹽分在空間的分布是由地下水、地形、土壤屬性、植被和人為干擾等諸多因素綜合作用的結(jié)果，且地下水埋深與地下水礦化度為主要影響因素[11,24-25,32].銀川平原灌渠縱橫，已有2 000多年灌溉歷史.長(zhǎng)期引黃灌溉使得地下水中大量鹽基離子集聚，尤其平原北部局部地區(qū)地下水埋深在1～2 m，礦化度大于3 g·L?1.本研究通過(guò)土壤鹽分空間自相關(guān)分析和MGWR 模型回歸分析證明了這一結(jié)論.影響因素中土壤含水率對(duì)土壤鹽分表現(xiàn)為正向作用，這與已有研究結(jié)果不一致[9,11,35].究其原因，可能在于不同時(shí)節(jié)土壤水分對(duì)土壤水分影響不同[2].在土壤鹽分積累階段，土壤鹽分隨水分運(yùn)動(dòng)，水分越多則攜帶的鹽分越多；而在表層土壤鹽分集聚階段，水去鹽留，表現(xiàn)為負(fù)相關(guān).此外，銀川平原每年冬季進(jìn)行冬灌，使土壤儲(chǔ)水，防止春旱.采樣時(shí)正值土壤解凍，土壤水分含量較高，返鹽情況存在一定差異，加之不同程度的人為干擾使得顯著性不高.

空間上地下水礦化度、地下水埋深、地表溫度、高程、土壤pH 對(duì)土壤鹽分的影響強(qiáng)度由南向北遞增.擴(kuò)展歸一化植被指數(shù)對(duì)土壤鹽分的影響強(qiáng)度中部強(qiáng)，南北兩側(cè)弱.銀川平原南部地勢(shì)較高，地下水埋藏深，排水較好，使得平原南部土壤處于脫鹽狀態(tài)，各因子對(duì)其影響程度較小.北部地區(qū)地勢(shì)較低，地下水埋深淺，礦化度較高，水鹽匯聚，土壤鹽漬化程度較為嚴(yán)重，受各影響因素影響較大.我們通過(guò)分析銀川平原土壤鹽分空間分布和驅(qū)動(dòng)因子，探明了各因子對(duì)土壤鹽分影響的空間分異規(guī)律.

3.2 結(jié)論以銀川平原為靶區(qū)，基于野外采樣數(shù)據(jù)，采用Moran’sI指數(shù)探究銀川平原土壤鹽分空間自相關(guān)分布特征，并通過(guò)MGWR 模型對(duì)銀川平原土壤鹽分影響因子進(jìn)行研究，得到以下結(jié)論.

（1）銀川平原土壤鹽分Moran’sI指數(shù)為0.314，表現(xiàn)為顯著的正空間自相關(guān)性及空間集聚特征，土壤鹽分空間分布總體上表現(xiàn)為南低北高分布格局.

（2）MGWR 模型較OLS 模型和GWR 模型更優(yōu)，適用于銀川平原土壤鹽分影響因子研究.地下水埋深、擴(kuò)展歸一化植被指數(shù)和土壤含水率帶寬為165，屬于全局尺度，空間異質(zhì)性很弱；其次為高程、土壤pH、坡度、地表溫度和地下水礦化度；土地利用強(qiáng)度帶寬為43，尺度最小，存在高度的空間異質(zhì)性.

（3）地下水礦化度、土壤pH 正向作用于土壤鹽分，土地利用強(qiáng)度、地下水埋深、擴(kuò)展歸一化植被指數(shù)、高程全部為負(fù)向作用，地表溫度主要為正向作用，占總樣本的92.7%，土壤含水率和坡度回歸系數(shù)顯著性均為通過(guò)顯著性檢驗(yàn)，對(duì)土壤鹽分影響不顯著.顯著性影響因子中地下水礦化度回歸系數(shù)均值為0.384 且最高達(dá)0.945，影響最強(qiáng)烈，其次是土地利用強(qiáng)度、地下水埋深、擴(kuò)展歸一化植被指數(shù)、地表溫度、高程、土壤pH 回歸系數(shù)均值為0.063，影響程度最小.空間上各因子對(duì)土壤鹽分的影響存在著不同程度的空間異質(zhì)性.