EN中文

地理科学 >

2019 , Vol. 39 >Issue 5: 827 - 835

DOI: https://doi.org/10.13249/j.cnki.sgs.2019.05.014

内蒙古河套平原耕地盐碱化时空演变及其对产能的影响

  • 王俊枝 ,
  • 薛志忠 ,
  • 张弛 ,
  • 常屹冉
展开
  • 内蒙古自治区地图院,内蒙古 呼和浩特 010051
张弛,助理工程师。E-mail:

王俊枝（1979-）,女,内蒙古呼和浩特人,副高级工程师,硕士,主要从事测绘地理信息与遥感、测绘工程。E-mail:

收稿日期: 2018-05-04

  要求修回日期: 2018-08-20

  网络出版日期: 2021-03-17

基金资助

内蒙古自治区科技重大专项资助

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatio-temporal Evolution of Saline-alkali Cultivated Land and Its Impact on Productivity in Hetao Plain of Inner Mongolia

  • Wang Junzhi ,
  • Xue Zhizhong ,
  • Zhang Chi ,
  • Chang Yiran
Expand
  • Inner Mongolia Institute of Surveying, Mapping and Geoinformation, Hohhot 010051, Inner Mongolia,China

Received date: 2018-05-04

  Request revised date: 2018-08-20

  Online published: 2021-03-17

Supported by

Science and Technology Major Projects in Inner Mongolia Autonomous Region

Copyright

Copyright reserved © 2019.
Fold

摘要

以内蒙古自治区巴彦淖尔市河套平原为研究区,利用RS和GIS技术在野外样本采集的基础上,以第一次地理国情普查数据和LandsatTM/OLI、GF-1卫星影像为数据源,通过计算盐碱度与波段的相关性构建出反演模型,以专家决策树进行分类,对2006~2014年耕地盐碱化进行动态监测,并分析了不同盐碱化程度农田植被净初级生产力（NPP）时空变化特征。结论表明：2006~2014年研究区域非盐碱耕地和轻度盐碱耕地面积呈现持续减少的趋势,减少幅度为6.23%,占耕地总面积的3.55%,NPP先增后降,减少了2.06%;中度盐碱耕地面积呈先降后增的趋势,净增加幅度为22.40%,占耕地总面积的5.10%,NPP先不变后增加,增加了6.73%;而重度盐碱耕地面积呈现先增后降的趋势,净减少7.68%,占耕地总面积的1.55%,NPP则持续增加,增加了3.81%。总体上看,9 a间虽然因为自然、人为因素的影响,中度盐碱耕地面积增长,但可利用土地面积和有效耕地面积不断增加,且改良区域的NPP处于持续增长的趋势,在一定程度上说明盐碱地治理取得了成效。

关键词： 耕地盐碱化; RS; GIS; NPP; 河套平原

本文引用格式

王俊枝 , 薛志忠 , 张弛 , 常屹冉 . 内蒙古河套平原耕地盐碱化时空演变及其对产能的影响[J]. 地理科学, 2019 , 39(5) : 827 -835 . DOI: 10.13249/j.cnki.sgs.2019.05.014

Abstract

This study takes Hetao Plain of Inner Mongolia as the research area, based on the RS and GIS technical support and the field sample collection, and uses the China first national geoinformation survey data as the data source, constructs the inversion model through calculating the correlation between the salinity degree and the band, classifies it with expert decision tree, and carries out dynamic monitoring of cultivated land salinization-alkalization in 2006-2014, and analyzes the spatio-temporal characteristics of NPP in different salinization-alkalization degree of cultivated land. The results shows that: Between 2006-2014, the non-saline-alkali cultivated land and the light-saline-alkali cultivated land in the study area showed a decreasing trend, with a reduction of 6.23%, that accounts for 3.55% of the total area of cultivated land. During this period, NPP increases first and then decreases, with a reduction of 2.06%. The medium-saline-alkali cultivated land showed a trend of first decline and then increase, with a net increase of 22.40%, that accounts for 5.10% of the total area of cultivated land. During this period, NPP changed none first and then increased, with a increase of 6.73%. The severe-saline-alkali cultivated land showed a trend of increase first and then decline, with a net decline of 7.68%, that accounts for 1.55% of the total area of cultivated land. During this period, NPP continued to increase, with a increase of 3.81%. In general, although the area of medium-saline-alkali cultivated land increased in nine years because of natural and artificial factors, the available land area and effective cultivated land increased continuously, and the NPP in the improved area shows a trend of continuous growth. The results shows that the control of saline-alkali land has achieved success to a certain extent.

Key words： cultivated land salinization-alkalization; RS; GIS; NPP; Hetao Plain

土壤盐碱化是当前全球性的生态环境问题之一,也是中国干旱、半干旱区域所面临的主要生态问题 [1]。土壤盐碱化既涉及到资源问题和生态环境问题,又与农业可持续发展息息相关,与人类活动密切关联,制约着土地的可持续利用与生态环境的稳定[2]。中国盐碱化土地分布广、面积大,是世界盐碱化危害最为严重的国家之一,尤其在中国的西北干旱和半干旱区,土壤盐碱化呈现出不断扩展态势,形势极为严峻。截止到2010年,河套地区不同程度的次生盐碱化耕地面积达到32.3万hm2,严重影响着当地粮食增产、农牧民增收及现代农业和畜牧业的发展。防治次生盐碱化、改造和治理中低产田已成为当今土地利用的重点[3]。当前,遥感技术作为重要的手段和方法之一,广泛应用于地球资源整治、环境地质灾害及土壤盐碱化研究,也是区域土壤盐碱化监测与研究先进的方法[4,5,6,7]。通过遥感技术可以实现对土壤盐碱化宏观、动态、快速实时地监测,从而获取盐碱化土地的性质、空间分布与盐碱化程度等方面的信息,掌握盐碱化的时空变异特征。
遥感技术应用于土壤盐碱化研究始于20世纪70年代,随着遥感、地理信息系统和测绘科学的发展,可以使用的地面信息及空间影像数据大量增加,对盐碱化土壤的光谱分析不断深入,出现了包括最大似然分类、神经网络亚像元分类、专家决策树分类等各类研究方法,并开始由定性向定量方向发展[8,9,10,11,12,13,14,15,16,17]。
植被净初级生产力（NPP）是光合作用积累的总初级生产力减去呼吸作用消耗后的剩余部分,它是生态系统中其他生物成员生存和繁衍的物质基础,是陆地植被碳固定能力的重要特征[18,19,20,21]。农作物的NPP代表了农田生态系统通过光合作物固定大气中CO2的能力,也体现了农田土壤中可获得的有机质的含量。VPM（Vegetation Photosynthesis Model）模型是一个基于卫星遥感数据和通量观测数据发展起来的光能利用率模型,相较其他同类模型,能够更好地模拟中国农业种植区的生态系统生产力,是基于MODIS数据估算NPP的重要方法之一[22,23]。
河套地区是中国和内蒙古自治区重要的粮、糖基地,有着“塞上江南”的美誉,其地势平坦,土质较好,有黄河灌溉之利,但因灌溉结构不够科学,多年排水不畅,地下水位升高,造成土壤次生盐碱化严重,盐渍土广泛分布于灌区其范围主要包括贺兰山以东的银川平原,内蒙古狼山、大青山以南的后套平原和土默川平原。本文选取内蒙古自治区巴彦淖尔市内的河套地区（为后套平原的主要部分）为研究区域。对巴彦淖尔市河套地区进行NPP估算并计算斜率,与盐碱化耕地监测结果进行空间叠加分析,分析不同程度盐碱化土壤对耕地产能的影响,从一定程度上可以反应盐碱耕地的综合治理情况。这有利于更好地摸清区域盐碱地变化特征和趋势,探寻盐碱地成因和内在驱动力,对当地盐碱化的形成和调控有着重要的指导意义,同时有利于维护区域生态安全和稳定。
本文通过计算盐碱度与波段的相关性构建出反演模型,以专家决策树进行分类[24,25,26,27,28,29,30,31,32],对2006~2014年间耕地盐碱化进行了动态监测,并估算NPP与盐碱化耕地进行叠加分析,研究成果可为当地“改盐增粮”工程的实施提供重要的子数据支撑,为更好地摸清区域盐碱化耕地变化特征和趋势提供科学参考。

1 研究区域概况与数据情况

1.1 研究区域概况

研究区位于106°35′~109°53′E ,40°27′~41°20′N。主要区域包含：磴口县、杭锦后旗、临河区（图克镇、新华镇、狼山镇、干召庙镇）、五原县、乌拉特前旗、乌拉特中旗（乌加河镇、德岭山镇）,总面积约1.59万km2（数据来自全国第一次地理国情普查）（图1）。地势由西南向东北倾斜,洪积平原面积约占总面积的1/4,其他为黄河冲积平原。山地向平地过渡较快,因此丘陵地较少。平地地势平坦,高差变化较小。该区域属于典型的大陆性半湿润半干旱气候,大部地区年降水量150~400 mm,四季气候变化明显,年温差大,日温差也大,年平均气温为6.7℃。
图1 研究区域范围

Fig.1 The scope of study area

1.2 数据获取与处理

遥感影像数据主要使用LandsatTM/OLI数据,7个全色波段,最高分辨率30 m,回访周期为16 d。每个研究时段选取植被生长旺盛期（4~10月）每月各至少一期数据。对收集的遥感影像数据进行辐射定标、大气校正、正射校正、几何校正和投影信息转换,投影信息统一转换为高斯—克吕格投影系统。大气校正均采用Flaash校正模型。耕地数据采用第一次全国地理国情普查数据中的耕地范围。另外还用到了其中的遥感影像数据、DEM数据、主体功能区、水系网（河流、湖泊、池塘、水渠等）、道路以及行政区划等。
NPP数据采用VPM模型进行估算。VPM模型是一个基于卫星遥感数据进行生态系统生产力估算的光能利用率模型。自2004年模型建立以来已针对中国范围不同生态系统类型开展了一系列的模型校验和验证研究,表现出良好的模拟能力[22]。该模型首先利用Monteith方程原理对生态系统总初级生产力（GPP）进行模拟,进而根据自养呼吸与GPP的比例关系计算NPP。模型的输入数据为增强型植被指数EVI （enhanced vegetation index）以及地表水分指数LSWI （land surface water index）,利用空间分辨率500 m、时间分辨率8 d的MODIS地表反射率产品（MOD09A1）计算得到。气温数据来自于中国气象局的中国气象数据网（http://data.cma.cn/）提供的气象站点气温数据应用ANUSPLINE软件进行插值得到每8 d、500 m时空分辨率栅格数据。利用最小二乘法所得的线性拟合函数计算NPP斜率,体现NPP变化趋势,一定程度上能够消除气候波动对NPP的影响。
盐碱化土壤样品的采集选在每年的春季（4月）和秋季（10月）。土壤样品采集选用多点混合采集方法,在50 m×50 m的采样单元范围内均匀混合2~4份表层0~10 cm的土壤样本,最后用电导率法求出样点土壤中可溶盐分总量。共选取了均匀分布在研究区域内的1 378个样点与100个验证样点。

2 研究方法

本文以土壤含盐量作为土壤盐碱化分级标准,河套平原属于干旱-半干旱区,土壤主要盐碱类型为HCO-3+CO2-3、Cl-、Cl--SO2-4、SO2-4-Cl-,故对土壤盐碱化程度进行如下分类：① 非盐碱化及轻度盐碱化（土壤含盐量百分比小于20%）;② 中度盐碱化（土壤含盐量百分比在0.2~0.4之间）;③ 重度盐碱化（土壤含盐量百分比大于0.4）。
研究技术路线见图2。通过计算研究区域样点数据的光谱反射率曲线,可以看出曲线总体形态和趋势是一致的,TM影像从Band1到Band4、Band5呈上升趋势,而从Band5到Band7呈下降趋势;OLI影像从Band1到Band5、Band6呈上升趋势,而从Band6到Band7呈下降趋势。结合各波段DN值统计外业采样点发现,因土壤含水量不一致,将盐碱化耕地分为钙化盐碱耕地和潮化盐碱耕地。
图2 技术路线

Fig.2 Technology roadmap

计算Landsat数据的7个波段相应的反射率值和对应点位盐度值构成对照表。运用SPSS软件计算各坡段和盐度值的相关性,选取相关性大的波段。然后对相关波段反射率进行倒数、对数、对数倒数并对其进行一阶、二阶导数微分变化。运用外业样点数据和对应遥感数据进行分析,计算遥感影像各波段与外业样点盐碱度的相关性。可以发现TM影像的Band5、Band7和OLI数据的Band5、Band6、Band7与耕地水溶性全盐量相关性比较大（表1）。因此TM影像选用Band5和Band7进行盐碱度反演,OLI数据选用Band5、Band6和Band7进行盐碱度反演。且对数倒数和倒数的一阶微分都有提高相关系数。根据相关性计算各遥感影像对应的各程度盐碱耕地的分布,结合已解译的耕地面积进行叠加分类。
表1 水溶性盐分与波段DN值间的相关性分析

Table 1 Correlation analysis between water-solubility salinity and band DN value

Band1 Band2 Band3 Band4 Band5 Band7
皮尔森（Pearson）相关 0.441 0.275 0.491 -0.104 0.671 0.593
显著性（双尾） 0.001 0.05 0.001 0.05 0.001 0.001
样本数 1378 1378 1378 1378 1378 1378
河套平原耕地盐碱化监测对象为非盐碱化和轻度盐碱化耕地、中度盐碱化耕地和重度盐碱化耕地,监测时间为2006年、2009年和2014年。2006年和2009年的监测遥感影像数据源为Landsat-5,2014年监测遥感数据源为Landsat-8,分辨率皆为30 m。因各期遥感影像源不同,所以各年份构建的分类模型不一。根据各波段与盐碱度的相关性,确定TM影像选用Band5和Band7进行盐碱度反演,OLI数据选用Band5、Band6和Band7进行盐碱度反演。并对这些波段进行了15种算法计算,运用多元回归线性函数进行模型构建和反演。反演结果以专家决策树进行分类,并根据外业采集的验证样方数据进行精度评价（表2）。
表2 盐碱耕地监测模型精度评价与分类精度验证结果表

Table 2 The monitoring model, accuracy evaluation and classification accuracy verification results of saline-alkali cultivated land

年份 盐碱类型 模型精度评价 分类精度
2006年 钙化 R=0.9145,F=216.085>1 通过验证样点验证,2006年模型总体精度为78.1%
潮化 R=0.8813,F=23.2099>1
2009年 钙化 R=0.9467,F=217.9>1 通过验证样点验证,2009年模型总体精度为77.6%
潮化 R=0.8688,F=8.712>1
2014年 钙化 R=0.9353,F=227.9>1 通过验证样点验证,2014年模型总体精度为83.6%
潮化 R= 0.9417,F=127.8>1
统计3期盐碱化耕地分布面积,生成不同程度盐碱地分布图,计算面积转移矩阵。并提取变化区域,1 km × 1 km格网,按照变化区域在每个格网中的占比,生成变化热点图。
基于VPM模型,利用Monteith方程原理对GPP进行模拟,进而根据自养呼吸与GPP的比例关系估算2006年、2009年、2014年巴彦淖尔市河套地区年平均NPP,并计算不同类别盐碱化耕地上的NPP平均值。
另外使用最小二乘法所得的线性拟合函数计算2006~2009年、2009~2014年与2006~2014年3个时间段间NPP的变化趋势（slope）。计算公式为：
slope = n × ∑ i = 1 n i × v i - ∑ i = 1 n i ∑ i = 1 n v i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2
式中,slope为斜率;i为年份;n为总年数;vi为第i年的变量。
参照中国科学院地理科学与资源研究所的研究方法,将NPP变化趋势分为7个等级,分别为严重减少（X≤-10）、中度减少（-10<X≤-5）、轻微减少（-5<X≤-1）、基本不变（-1<X≤1）、轻微增加（1<X≤5）、中度增加（5<X≤10）、明显增加（X>10）,将NPP趋势变化区域与盐碱地变化区域叠加进行分析。

3 结果与分析

3.1 盐碱化耕地面积变化分析

根据专家决策树分类方法,获得河套平原2006年、2009年和2014年不同程度盐碱耕地面积（表3、图3）。
表3 研究区不同年份各类型盐碱耕地面积变化(km2)

Table 3 Changes of saline-alkali cultivated land acreage in study area in different years (km2)

盐碱耕地类型 2006年 2009年 2014年 2006~2009年 2009~2014年
非和轻度 4468.34 4338.33 4266.23 -130.02 -72.1
中度 1784.86 1777.6 2224.47 -7.26 446.86
重度 1578.62 1768.01 1484 189.39 -284
耕地面积 7831.82 7883.94 7974.7 52.12 90.76
图3 2006~2014年不同程度盐碱耕地分布

Fig.3 Distribution of saline-alkali arable land in different degree in 2006-2014

从总体上看,研究区在2006~2014年间,非盐碱耕地和轻度盐碱耕地面积减少幅度为6.23%,占耕地总面积的3.55%;中度盐碱耕地面积净增加幅度为22.40%,占耕地总面积的5.10%;而重度盐碱耕地面积净减少幅度为7.68%,占耕地总面积的1.55%。

3.2 不同程度盐碱化耕地面积转移分析

表4为2006~2014年不同程度盐碱化耕地面积的转移矩阵,转移矩阵中对角线数值代表研究期内各类土地继承面积,其他元素表示一种土地转移成另一种的面积。
表4 2006~2014年不同程度盐碱化耕地面积变化的转移矩阵（km2）

Table 4 The transfer matrix of changes of saline-alkali arable land area in different degrees in 2006-2014（km2）

2009年 2006年
非和轻度盐碱耕地 中度盐碱耕地 重度盐碱耕地 耕地增加 2009年总面积
非和轻度盐碱耕地 2835.03 868.14 567.11 68.05 4338.33
中度盐碱耕地 866.90 494.38 363.97 52.35 1777.60
重度盐碱耕地 678.99 392.68 585.40 110.93 1768.00
耕地减少 89.13 30.10 59.87
2006年总面积 4470.05 1785.31 1576.35
2014年 2009年
非和轻度盐碱耕地 中度盐碱耕地 重度盐碱耕地 耕地增加 2014年总面积
非和轻度盐碱耕地 2362.11 1000.39 847.03 56.68 4266.21
中度盐碱耕地 1284.04 486.76 424.93 28.71 2224.44
重度盐碱耕地 646.50 263.30 474.77 99.42 1483.99
耕地减少 45.69 27.15 21.27
2009年总面积 4338.33 1777.60 1768.00
2014年 2006年
非和轻度盐碱耕地 中度盐碱耕地 重度盐碱耕地 耕地增加 2014年总面积
非和轻度盐碱耕地 2448.12 966.87 755.36 95.87 4266.21
中度盐碱耕地 1254.16 533.80 367.02 69.47 2224.44
重度盐碱耕地 671.64 253.00 413.00 146.34 1483.99
耕地减少 96.13 31.64 40.97
2006年总面积 4470.05 1785.31 1576.35
从变化速率上来看：1） 2006~2009年耕地盐碱化的速度约为386.47 km2/a,2009~2014年耕地盐碱化的速度约为386.11 km2/a。中度转化到重度的速率由98.17 km2/a减少到52.66 km2/a,后阶段监测区耕地盐碱化速率减缓,且中度盐碱耕地恶化的速度大幅减少。2） 2009~2014年耕地改良面积大于2006~2009年盐碱耕地改良面积,且改良速度加快。

3.3 盐碱化耕地变化热点分析

对研究区2006~2014年的盐碱化耕地位置和面积变化进行热点分析,可以发现：磴口县和乌拉特前旗盐碱程度最大,临河区、五原县次之,乌拉特中旗和杭锦后旗较轻。2006~2009年除了乌拉特前旗和临河区内非和轻度盐碱地有所增加、中度盐碱耕地减少,其他旗县非和轻度盐碱地都在减少、中度盐碱耕地都在增加;除了磴口县外,其他旗县重度盐碱耕地面积都在增大。2009~2014年除了乌拉特前旗和乌拉特中旗内非和轻度盐碱地有所增加,其他旗县非和轻度盐碱地都在减少;全监测区内的中度盐碱耕地面积都在增加;除了磴口县外,其他旗县重度盐碱耕地面积都在减少。2006~2014年间盐碱加重的区域主要分布在磴口县的西北部、黄河沿岸、磴口县和杭锦后旗相邻地区、干渠等水渠周围和乌梁素海等湖泊周围。通过图4可以看出,盐碱地改良减轻程度明显的红色与橙色区域主要分布在乌拉特前旗中东部、五原县北部、临河区中北部。
图4 2006~2014年内蒙古河套平原盐碱化耕地改良区热点图

Fig.4 The hot spot map of saline-alkali cultivated land improved region of Hetao Plain in Inner Mongolia in 2006-2014

3.4 盐碱化耕地与NPP叠加分析

对巴彦淖尔市河套地区2006年、2009年、2014年的年平均NPP（单位：gC/m2•a）进行估算,将NPP与盐碱化耕地按研究区域总范围和研究区域内各个旗县范围分别进行叠加分析,得到不同类别盐碱化耕地上的NPP平均值,见表5。
表5 2006~2014年不同程度盐碱化耕地NPP平均值[gC/m2·a]

Table 5 The NPP mean value of varying degrees saline-alkali cultivated land in 2006-2014 [gC/(m2·a)]

年份 区域 非盐碱化和轻度 中度 重度
2006年 磴口县 593.640 502.177 453.980
杭锦后旗 692.211 649.950 561.806
临河区 637.908 595.961 502.713
乌拉特前旗 444.829 422.317 388.870
乌拉特中旗 465.740 422.204 350.445
五原县 538.983 512.096 505.457
河套平原 552.508 495.437 448.838
2009年 磴口县 550.609 490.176 455.439
杭锦后旗 677.877 646.070 593.785
临河区 609.643 608.873 539.802
乌拉特前旗 498.913 395.664 378.981
乌拉特中旗 491.689 437.509 396.170
五原县 538.063 520.718 491.190
河套平原 558.409 495.225 453.230
2014年 磴口县 536.625 530.569 411.932
杭锦后旗 681.166 672.317 641.847
临河区 633.555 628.849 585.067
乌拉特前旗 461.022 460.726 421.898
乌拉特中旗 469.495 459.895 422.284
五原县 515.753 510.930 489.478
河套平原 541.124 528.764 465.918
通过3期数据对比可以发现,9 a间NPP在非盐碱耕地和轻度盐碱耕地中,增加的旗县有乌拉特前旗以及乌拉特中旗,增幅最大为乌拉特前旗;其余4个旗县NPP减少,减幅最大的为磴口县。在中度盐碱耕地中,除五原县外其他5个旗县均增加,增幅最大的为乌拉特前旗。重度盐碱耕地中,增加的旗县有杭锦后旗、临河区、乌拉特前旗、乌拉特中旗,增幅最大的为乌拉特中旗;磴口县、五原县NPP减少,减幅最大的为磴口县。
总体上看,研究区2006~2014年间非盐碱耕地和轻度盐碱耕地面积呈现持续减少的趋势,减少幅度为6.23%,占耕地总面积的3.55%,NPP先增后降,减少了2.06%;中度盐碱耕地面积呈现先降后增的趋势,净增加幅度为22.40%,占耕地总面积的5.10%,NPP先不变后增加,增加了6.73%;而重度盐碱耕地面积呈现先增后降的趋势,净减少幅度为7.68%,占耕地总面积的1.55%,NPP则持续增加,增加了3.81%。
通过计算巴彦淖尔市河套地区2006~2014年间的NPP斜率,一定程度上可以消除气温与降水对NPP变化的影响,得到NPP变化的趋势（图5）。可以看出NPP持续变好的绿色区域集中分布在乌拉特前旗东部、五原县北部、临河区北部,分布特征与盐碱地改良区域大体一致,说明此区域的农作物生产力在不断增加。
图5 2006~2014年内蒙古河套平原NPP变化趋势

Fig.5 The NPP change trend of Hetao Plain in Inner Mongolia in 2006-2014

4 结论与讨论

从总体上看,研究区2006~2014年间,非盐碱地和轻度盐碱耕地面积呈现持续减少的趋势,中度盐碱耕地面积呈现先降后增的趋势,而重度盐碱耕地面积呈现先增后降的趋势。
1) 非盐碱地和轻度盐碱耕地面积呈现持续减少,向中、重度盐碱耕地转移。
由于区域内农业所占比例较大,且采用传统的农作方式,一方面由于不合理的大水漫灌使得表层土壤板结,无机盐离子高度聚集于土壤表层,且随着逐年盐离子的累积,造成盐碱化一直加重;另一方面由于频繁翻耕、耕种方式粗放、种植品种单一化等,也造成了新的盐碱耕地形成。
2) 中度盐碱耕地面积呈现先降后增的趋势,而重度盐碱耕地面积呈现先增后降的趋势。
主要是因自然盐碱地变化和人为治理相互作用的结果。自然条件方面,气候干旱,降雨量小,蒸发强烈,全年蒸发量是降水量的10倍,尤其是春季,蒸发量为降水量的38倍,使得随着水分蒸发,盐分聚集地表。该区域土壤母质含盐量和地下水矿化度都很高,是盐碱化另一个主要因素。且河套平原从属于半封闭洼地、地势平缓、地下水径流不畅,水平移动缓慢,天然排水能力低,再加上地下水受黄河水补给而升,又受强烈蒸发而降,造成地下水盐分不断上移积累。
人为活动方面,多年来人类活动对植被的破坏、农业灌溉渠道的渗漏、大水漫灌、有灌无排、清淤工作滞后以及种植品种单一化等原因造成盐碱化逐年的加重。且耕种管理粗放,例如土地不平整、灌溉不均匀、雨后不及时锄地松土,容易形成盐斑。
3) 盐碱化耕地的NPP在2006~2009年间保持不变,2009~2014年间增加,且NPP在盐碱地改良工程区有明显增长趋势。
多年来当地政府大量资金投入,用于盐碱地改良,改良手段包括兴建了大批的水利设施,比如先后建设了黄河三盛公枢纽工程,开挖了输水总干渠,疏通了总排干沟,建成扬水站,形成了完善了排灌系统。还有积极推进当地中低产田改造和土地整理项目,并调整农作物种植结构,兴建了林网、沟渠等基础设施,改善了农田生态环境。虽然因为自然、人为因素的影响,中度盐碱耕地面积增长,但可利用土地面积和有效耕地面积不断增加,且改良区域耕地上的NPP处于不断增长的趋势,在一定程度上说明治理取得了成效。
今后仍需继续加强河套平原农业基础设施建设,维护灌区内排干系统,加大节水灌溉、深松深翻、平地缩块、秸秆还田、上膜下秸、薄膜滴灌等技术的推进。并可针对不同程度（轻、中、重）盐碱耕地,突破传统仅以排盐洗盐来改良盐碱的方法,有目的探索种植耐盐碱植物等生物改良技术和化学改良技术,为全面治理盐碱土地提供技术支撑,从而改善当地生态环境,促进农业可持续发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
亢庆, 于嵘, 张增祥, 等. 土壤盐碱化遥感应用研究进展[J]. 遥感技术与应用, 2005,20(4):447-454.

[ Kang Qing, Yu Rong, Zhang Zeng xiang, et al. Advances in study on remote sensing application of soil salinization. Remote Sensing Technology and Application, 2005,20(4):447-454.]

[2]
李建国, 濮励杰, 朱明, 等. 土壤盐渍化研究现状及未来研究热点[J]. 地理学报, 2012,67(9):1233-1245.

[ Li Jianguo, Pu Lijie, Zhu Ming, et al. The present situation and hot issues in the salt-affected soil research. Acta Geographica Sinica, 2012,67(9):1233-1245.]

[3]
王佳丽, 黄贤金, 钟大洋, 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 Dayang, et al. Review on sustainable utilization of salt-affected land. Acta Geographica Sinica, 2011,66(5):673-684.]

[4]
申文明, 王文杰, 罗海江, 等. 基于决策树分类技术的遥感影像分类方法研究[J]. 遥感技术与应用, 2007,22(3):333-338.

[ Shen Wenming, Wang Wenjie, Luo Haijing, et al. Classification methods of remote sensing image based on Decision Tree technologies. Remote Sensing Technology and Application, 2007,22(3):333-338.]

[5]
李彤, 吴骅. 采用决策树分类技术对北京市土地覆盖现状进行研究[J]. 遥感技术与应用, 2004,19(6):485-487.

[ Li Tong, Wu Ye. Application of Decision Tree Classification to Peking land cover. Remote Sensing Technology and Application, 2004,19(6):485-487.]

[6]
延森. 遥感数字影像处理导论(原书第3版).Jensen, J R著.陈晓玲等译[M]. 北京: 机械工业出版社, 2007.

[ Jensen J R. Introductory digital image processing Translated by Chen Xiaoling et al. Beijing: Machinery Industry Press, 2007.]

[7]
薄树奎, 丁琳. 训练样本数目选择对面向对象影像分类方法精度的影响[J]. 中国图象图形学报, 2010,15(7):1106-1111.

[ Bo Shukui, Ding Lin. The effect of the size of training sampleon classification accuracy in object-oriented image analysis. Journal of Image and Graphics, 2010,15(7):1106-1111.]

[8]
Mathur A, Foody G M. Crop classification by support vector machine with intelligently selected training data for an operational application[J]. International Journal of Remote Sensing, 2008,29(8):2227-2233.

[9]
Wardlow B D, Egbert S L. Large-area crop mapping using time- series MODIS 250m NDVI data: An assessment for the U. S. Central Great Plains. Remote Sens Environ, 2008,112:1096-1116.

[10]
Matsushita B, Tamura M. Integrating remotely sensed data with an ecosystem model to estimate net primary productivity in East Asia[J]. Remote Sensing of Environment, 2002,81(1):58-66.

[11]
McIver D K, Friedl M A. Estimating pixel-scale land coverclassification confidence using non-parametric machine learning methods[J]. IEEE Transactions on Geoscienceand Remote Sensing, 2001,39:1959-1968.

[12]
Hansen M, Dubayah R, DeFries R. Classification Trees,An alternative to traditional land cover classifiers[J]. International Journal of Remote Sensing, 1996,17:1075-1081.

[13]
Metternicht G I, Zink J A. Modelling salinity-alkalinity classes for mapping salt-affected topsoilsin the semi-arid valleys of Cochabamba(Bolivia)[J]. ITC Journal, 1996(2):125-135.

[14]
Taylor G, Dehaan R. Salinity mapping with hyperspectral imagery[R/OL]. www.geology. unsw.edu.au/ research/Rsensing2000.

[15]
关元秀, 刘高焕, 刘庆生, 等. 黄河三角洲盐碱地遥感调查研究[J]. 遥感学报, 2001,5(1):46-52.

[ Guan Yuanxiu, Liu Gaohuan, Liu Qingsheng, et al. The study of salt-affected soils in the Yellow River Delta based on remote sensing. Journal of Remote Sensing, 2001,5(1):46-52.]

[16]
邓小炼, 于嵘, 亢庆 等. 基于遥感的黄河三角洲地区盐碱地分布监测[J]. 遥感信息, 2006,5:34-36.

[ Deng Xiaolian, Yu Rong, Kang Qing, et al. Monitoring of the saline-alkali land distribution in Yellow River Delta based on remote sensing. Remote Sensing Information, 2006,5:34-36.]

[17]
骆玉霞, 陈焕伟. GIS支持下的TM图像土壤盐碱化分级[J]. 遥感信息, 2001(4):12-15.

[ Luo Yuxia, Chen Huanwei. Soil salinization classification based on TM Image supported by GIS. Remote Sensing Information, 2001(4):12-15.]

[18]
陈静清, 闫慧敏, 王绍强, 等. 中国陆地生态系统总初级生产力VPM遥感模型估算[J]. 第四纪研究, 2014,34(4):732-742.

[ Chen Jingqing, Yan Huimin, Wang Shaoqiang, et al. Estimation of total primary productivity of terrestrial ecosystem in China by VPM remote sensing model. Quaternary Studies, 2014,34(4):732-742.]

[19]
匡文慧, 闫慧敏, 张树文, 等. 呼伦贝尔农垦集团草畜平衡状况与粮经饲配置模式[J]. 科学通报, 2018,17:1711-1721.

[ Kuang Wenhui, Yan Huimin, Zhang Shuwen, et al. Forage-livestock status in farms and ranches of ecological grass-animal husbandry construction and allocation model of grain-warp-feed in Hulunbuir Agricultural Reclamation Group. Chinese Science Bulletin, 2018,17:1711-1721.]

[20]
苏日古嘎, 苏根成, 闫慧敏, 等. 21世纪以来呼伦贝尔市植被净初级生产力时空变化特征分析[J]. 干旱区资源与环境, 2017,31(10):150-155.

[ Su Riguga, Su Gencheng, Yan Huimin, et al. Temporal-spatial characteristics of vegetation NPP in HulunBuir since the 21st century. Journal of Arid Land Resources and Environment, 2017,31(10):150-155.]

[21]
巩国丽, 刘纪远, 邵全琴. 草地覆盖度变化对生态系统防风固沙服务的影响分析—以内蒙古典型草原为例[J]. 地球信息科学, 2014,16(3):426-434.

[ Gong Guoli, Liu Jiyuan, Shao Quanqin. Effects of vegetation coverage change on soil conservation service of typical steppe in Inner Mongolia. Journal of Geo-information Science, 2014,16(3):426-434.]

[22]
牛忠恩, 闫慧敏, 黄玫, 等. 基于MODIS-OLI遥感数据融合技术的农田生产力估算[J]. 自然资源学报, 2016,31(5):875-884.

[ Niu Zhongen, Yan Huimin, Huang Mei, et al. Agricultural productivity estimation with MODIS-OLI Fusion Data. Journal of Naturnal Resources, 2016,31(5):875-884.

[23]
冀咏赞, 闫慧敏, 刘纪远, 等. 基于MODIS数据的中国耕地高中低产田空间分布格局[J]. 地理学报, 2015,70(5):766-778.

[ Ji Yongzan, Yan Huimin, Liu Jiyuan, et al. A MODIS data derived spatial distribution of high-, mediumand low-yield cropland in China. Acta Geographica Sinica, 2015,70(5):766-778.]

[24]
吴成东, 许可, 韩中华, 等. 基于粗糙集和决策树的数据挖掘方法[J]. 东北大学学报, 2006,27(5):481-484.

[ Wu Chengdong, Xu Ke, Han Zhonghua, et al. Approach to data mining based on Rough Sets and Decision Tree. Journal of Northeastern University, 2006,27(5):481-484.]

[25]
乔梅, 韩文秀. 基于Rough集的决策树算法[J]. 天津大学学报, 2005,38(9):842-846.

[ Qiao Mei, Han Wenxiu. Decision Tree algorithm baesd on Rough Set. Journal of Tianjin University, 2005,38(9):842-846.]

[26]
周兴东, 于胜文, 赵长胜, 等. 利用遥感图像进行土地利用分类方法的研究[J]. 煤炭学报, 2007,32(5):481-484.

[ Zhou Xingdong, Yu Shengwen, Zhao Changsheng, et al. Study on land use classification using remote sensing images. Journal of Coal Science, 2007,32(5):481-484.]

[27]
杨静, 张楠男, 李建. 决策树算法的研究与应用[J]. 计算机技术与发展, 2010(2):114-116.

[ Yang Jing, Zhang Nannan, Li Jian. Research and application of Decision Tree Algorithms. Computer Technology and Development, 2010(2):114-116.]

[28]
柯新利, 边馥苓. 基于C5.0决策树算法的元胞自动机土地利用变化模拟模型[J]. 长江流域资源与环境, 2010,19(4):403-408.

[ Ke Xinli, Bian Fuling. Land-use change CA Model based on C5.0 Decision Tree. Resources and Environment in the Yangtze Basin, 2010,19(4):403-408.]

[29]
汪海锐, 李伟. 基于关联规则的决策树算法[J]. 计算机工程, 2011,37(9):104-106.

[ Wang Hairui, Li Wei. Decision Tree Algorithm based on association rules. Computer Engineering, 2011,37(9):104-106.]

[30]
孙娟, 王熙照. 自适应模糊决策树算法[J]. 计算机工程与设计, 2013,34(2):649-653.

[ Sun Juan, Wang Xizhao. Adaptive fuzzy decision tree algorithms. Computer Engineering and Design, 2013,34(2):649-653.]

[31]
Fry J A, Xian G, Jin S, et al. Completion of the 2006 national land cover database for the conterminous United States[J]. Photogrammetric Engineering and Remote Sensing, 2011,77(9):858-864.

[32]
汪炜, 汪云甲, 连达军. 基于决策树分类的某市土地利用变化研究[J]. 测绘标准化, 2011,27(1):4-7.

[ Wang Wei, Wang Yunjia, Lian Dajun. Study on land use change in a city based on Decision Tree classification. Standardization of Surveying and Mapping, 2011,27(1):4-7.]

Options
文章导航

/

〈 〉