关键词:
土壤盐渍化
表观电导率
空间变异
多尺度分割
管理分区
摘要:
土壤盐渍化程度是农田灌溉定额的关键参数,但土壤盐渍化无论在水平方向还是垂直方向均具有强烈空间变异。因此,区域尺度的盐渍化农田灌溉需考虑土壤盐渍化程度及其空间变异性进行管理分区,针对不同的管理分区采用变量灌溉,才能有效提高农业水资源利用效率。在南疆区域,农业灌溉用水常常忽视了不同田块的盐渍化程度差异,采用统一灌溉量进行灌溉,不仅易造成局部农田压盐不彻底导致盐害现象产生或过度淋洗浪费水资源。因此,以土壤盐渍化差异作为分区关键因子进行精准管理分区,从而根据田块所在的盐渍化分区指导农田的精准灌溉,以实现农业水资源高效利用的目的。本研究以新疆阿拉尔垦区为研究区,通过EM38-MK2获取的表观电导率和实测盐分数据,采用线性建模方法和机器建模方法,研究基于表观电导率的最佳盐分反演模型,并用不同深度土壤表观电导率数据,判别垦区内不同区域的盐分聚集类型,明确不同土地利用的土壤剖面盐分分布特征。同时利用盐分最佳反演模型反演出垦区表层土壤盐分数据,分析并研究土壤盐渍化的空间变异特征。据此综合利用星地多源信息,采用面向对象分割法划分了垦区农田的盐渍化精准管理分区。研究结果表明:(1)不论在线性模型还是机器学习模型下,以ECH和ECV的组合为自变量的模型性能最佳,以ECH为自变量的模型次之,以ECV为自变量的模型性能最差。在同一自变量下,机器学习模型的性能优于线性模型,线性模型的预测能力普遍较差,PRD均小于1.40,而机器学习模型中BPNN、SVM和RF的RPD均大于1.6,且以ECH和ECV的组合为自变量,RF为建模方法的模型精度最好,其验证集的R2、RPD均为最大,分别为0.84和2.53,BPNN为建模方法的模型精度次之,SVM为建模方法的模型精度最差。(2)表观电导率的平均值随着深度的增加而增大,变异系数随着深度的增加而减小,且变异系数均大于69%,均属于强变异,且土壤表观电导率的空间异质性是由随机性因素和结构性因素共同影响。在阿拉尔垦区,土壤盐分底聚型的剖面占比最大,约为64%,均匀型次之,表聚型占比最小,约为27%;在不同的土地利用方式下,耕地中土壤剖面盐分以底聚性为主,占耕地面积的58%,园地和林草地的土壤剖面盐分类型占比大致和耕地的剖面占比一样,而未利用地表聚型剖面占比最多,且底聚性剖面相对于其他土地利用类型的底聚性剖面减少了约35%,表聚型剖面增加了约41%,表明在不同的土地利用方式下土壤剖面盐分也存在一定差异。(3)利用多源信息对阿拉尔垦区进行管理分区后,各分区的平均变异系数均小于26%,较整个研究区的变异系数下降约67%,说明面向对象多尺度分割算法可有效地划分出均质性区域。对比分区结果发现,基于单一土壤信息的分区结果比其他分区结果较为破碎,且分区内同质性和分区间异质性均较低,也不利于水权分配方案的制定与有效实施。加入植被信息或者环境因子的分区,分区结果变得规整,且分区内同质性和分区间异质性有较大提升。基于多源信息的管理分区,分区结果较为规整,不仅分区内同质性和分区间异质性均最高,且有利于变量灌溉的实施。总之,基于多源信息的管理分区为最佳,该分区结果既有利于变量灌溉的实施,又融入了植被信息和影响盐渍化空间分布的环境因子,且分区内同质性和分区间异质性均最高。