渭-庫綠洲多尺度景觀格局與鹽度關系

曹　雷，丁建麗，于海洋（1.新疆大學資源與環境科學學院，烏魯木齊 830046；　2.新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046）

?

渭-庫綠洲多尺度景觀格局與鹽度關系

曹雷，丁建麗※，于海洋
（1.新疆大學資源與環境科學學院，烏魯木齊 830046；2.新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046）

摘要：中國鹽漬化土壤面積大，分布廣，對區域農業發展構成了嚴重的威脅。探索土壤景觀格局與鹽度的關系將有助于鹽漬化監測和評估。該研究選擇渭-庫綠洲GF-1影像為數據源，結合研究區同期38個樣點不同剖面土壤鹽度數據，對樣點緩沖區景觀格局與土壤鹽度做Pearson相關分析和逐步回歸分析，揭示土壤鹽度空間分布格局，探討景觀格局與鹽度的定量關系。結果表明：1）水平方向上，土壤鹽分高值區主要集中分布在綠洲東部荒漠地帶和綠洲西部農牧交錯區；垂直方向上，渭-庫綠洲表層土壤鹽漬化現象最為嚴重，其他各層土壤鹽漬化情況相對較輕，鹽漬化程度隨著深度下降呈降低趨勢；2）綠洲區域易受人類活動影響，景觀破碎化程度高，而同一區域不同梯度下，隨著緩沖距離的增加，區域景觀類型增多、均質性降低、多樣性增強；3）耕地利用數量指標能較好指示土壤鹽度狀況，而水體面積、鹽漬地面積、其他用地面積、最大斑塊指數（largest patch index，LPI）、蔓延度（contagion index，CONTAG）和分維數（perimeter-area fractal dimension，PAFRAC）對鹽度影響相對較弱；4）除0～10 cm層外，自＞10～20 cm至＞80～100 cm層逐步回歸方程的自變量中，耕地面積、水體面積和最大斑塊指數LPI為負效應，而鹽漬地面積、其他用地面積、CONTAG和PAFRAC為正效應，最優回歸方程決定系數為0.537。該研究確定了渭-庫綠洲土壤鹽度的分異規律，以及不同鹽度對綠洲景觀格局的影響程度。研究結果可為西北干旱區綠洲土壤鹽度預警提供理論依據，同時為干旱區景觀格局研究提供一定的參考價值。

關鍵詞：鹽分；回歸分析；遙感；景觀格局；渭-庫綠洲；高分一號

曹雷，丁建麗，于海洋. 渭-庫綠洲多尺度景觀格局與鹽度關系[J]. 農業工程學報，2016，32（3）：101－110.

Cao Lei, Ding Jianli, Yu Haiyang. Relationship between multi-scale landscape pattern and salinity in Weigan and Kuqa rivers delta oasis[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(3): 101－110. (in Chinese with English abstract)doi：10.11975/j.issn.1002-6819.2016.03.015http://www.tcsae.org

Email：watarid@xju.edu.cn

0　引　言

土壤鹽漬化是土地退化形式之一，土壤受水鹽運移的自然條件（氣候、地學、水文地質等）以及人類活動（灌溉農業等）的影響，導致易溶性鹽分在土壤表層積累的現象。土壤鹽漬化在氣候干旱、土壤蒸發強度大、地下水位高且含有較多的可溶性鹽類的地區較為常見[1]。與此同時，鹽漬化土壤抑制了土壤的質量狀況及其生產力水平，鹽漬土是中國最主要的中低產土壤類型之一[2]。新疆地處中國西北干旱區，近年來，人類活動加劇，而隨著城鎮化進程，水資源與土地資源濫用現象普遍存在，地區內原有的天然植被區域被開墾城鎮用地和農用地，區域環境逐漸惡化。在新疆，鹽漬土廣泛分布，嚴重制約著干旱區農業的發展，在許多地區鹽漬化現象多成片出現，不同鹽漬化程度的土壤上的土地覆被不同，景觀格局亦受其影響[3]。為了解土壤鹽漬化對干旱區農業的威脅程度，確保干旱區農業的可持續發展，對土壤鹽漬化的監測以及監測方法的研究十分必要[4]。

從景觀生態學出現以來，景觀格局與生態過程的關系一直都是該學科的關鍵論題[5]。傳統地學統計中，采集野外土壤的工作量大、耗時長，而將遙感手段應用與地學分析相結合，不僅省時且耗資少，更有利于數據獲取及野外工作的動態進展[6-9]。張飛等[10]以多期Landsat數據為基礎，揭示了新疆精河縣景觀格局變化的驅動因素；孫倩等[3]結合土地利用/覆被變化及鹽漬地重心轉移，表明不同程度鹽漬地對渭干河－庫車河流域三角洲綠洲景觀格局變化的影響程度；李鋮等[11]通過珠江三角洲表層重金屬含量對農用地樣點緩沖區景觀格局的影響研究，得出重金屬鎘對樣點緩沖區景觀格局影響較大。

因此，使用與鹽度顯著相關的景觀格局指數作為景觀尺度上的景觀環境指標，可以直接反映鹽度變化的原因，對于鹽度監測、區域土地管理、鹽漬化預警等有重要的意義[3,10]。本研究以渭干河－庫車河流域三角洲綠洲為研究對象，通過對樣點緩沖區景觀格局與不同剖面土壤鹽度做Pearson相關分析和逐步回歸分析，結合區域土壤鹽度分異規律探討土壤鹽度對區域景觀格局的影響。

1　研究區概況

渭干河－庫車河流域三角洲綠洲，簡稱渭-庫綠洲，位于塔里木盆地北緣，天山南麓，塔克拉瑪干沙漠以北（圖1）。地勢北高南低，自西北向東南傾斜。氣候屬于大陸性暖溫帶干旱氣候，多年平均氣溫10.5～11.4 ℃，極端最高溫度為40.8 ℃，極端最低溫度?27.8 ℃，多年平均蒸發量超過2 000 mm，多年平均降水量55.45 mm，降水少，蒸發強烈。自然植被稀疏，以檉柳、鹽節木、鹽穗木、花花柴等植被為主。綠洲及其外圍鹽類沉積規模大，礦化度及地下水位偏高，土層構成物顆粒細，透水性差，土壤普遍鹽漬化，尤其在綠洲外圍[12-13]。

圖1　研究區采樣點分布圖Fig.1　Distribution of sampling points in study area

2　數據來源與研究方法

2.1數據來源與處理

2.1.1土壤樣品采集與處理

土壤樣品采集以2013年Google地圖為工作底圖，結合原有土壤分布圖和地形圖，參考此前歷次考察采樣點，在渭-庫綠洲范圍內主要的土地利用/覆被類型上均勻布點，以便進行統計分析，共布設樣點數量為38個。野外采樣選擇在2014 年7月22日－7月28日進行，此時植被茂盛，土地覆被多、景觀多樣性強。根據高分一號（GF-1）影像的像元大小（16 m×16 m），設定每一個樣點的采樣區域范圍為16 m×16 m的樣區，以樣區中心為圓心，在半徑為8 m的圓上選取等距的4個點，呈梅花，取樣層為0～10、＞10～20、＞20～40、＞40～60、＞60～80、＞80～100 cm，從各層土壤5個點上取100 g左右，將大約500 g的土壤樣本混合封裝。

將野外帶回的土壤樣本，風干并除去植物或石子等雜質，進行研磨并過0.5 mm孔徑的篩子。再利用高精度電子精密天平按樣點號從已過篩的土樣中稱取20 g土壤，使用蒸餾水制備1:5土水質量比的溶液，靜置后，經過濾紙過濾，最終獲得土壤浸提液，然后使用德國Wissenschaftlich Technische Werkst?tten公司制造的inoLab? Cond 7310精密儀器來測定土壤樣點的含鹽量(g/kg)[14]。

2.1.2影像數據處理

本文以國產高分一號（GF-1）影像為數據源，影像時間為2014年7月19號，采用FLAASH模型對所用數據進行輻射校正[15]，將經過輻射校正的影像進行幾何精校正，利用研究區1:50000地形圖對影像各波段進行校正（選擇的地面控制點的誤差均小于0.5個像元）。影像所選取區域像元個數為9.228×106。

2.2研究方法

2.2.1景觀格局參數選取

結合實地調查和Google地圖，采用ENVI4. 8對2014年7月19日國產GF-1衛星影像數據最大似然監督分類，結合當地土地利用/覆被類型受人類活動的影響狀況及全國《土地利用現狀分類》GB/T 21010-2007，將研究區域的土地利用/覆被類型分為耕地、林草地（包括園地、自然林和草地）、水體、鹽漬地（重度）和其他（包括中輕度鹽漬地、荒漠、山體等），共5類。再通過軟件ArcGIS9.3對分類后影像進行預處理，最后景觀指數的選取和計算由軟件Fragstats 3.3實現。

本研究在以往研究的基礎上，結合區域特點舍棄了一些有爭議的指標[16-17]，選取了較常用且意義較為明確的指標[18-20]，見表1。

表1　景觀指數及其描述Table 1　Landscape indices and their descriptions

類型水平上表征斑塊數量組成和規模：斑塊面積（class area，CA）、斑塊數（number of patches）、最大斑塊指數（largest patch index，LPI）和景觀類型百分比（percentage of landscape，PLAND）；破碎化程度：斑塊密度（patch density，PD）；形狀復雜度：景觀形狀指數（landscape shape index，LSI）和分維數（perimeter-area fractal dimension，PAFRAC）；聚集度/連接度：聚集度指數（aggregation index，AI）和散布與并列指數（interspersion and juxtaposition index，IJI）。景觀水平景觀指數除上述指數外增加Shannon多樣性指數（shannon’s diversity index，SHDI）來表征不同土地利用/覆被類型的景觀格局和整體景觀多樣性，蔓延度指數（contagion index，CONTAG）用于表述景觀里不同拼塊類型的團聚程度和延展趨勢。這些指數數值越大（除CONTAG外），表明景觀格局各個維度（景觀類型的比例、破碎化程度等）的水平越高。

2.2.2建立樣點緩沖區

根據歐氏距離原理，利用軟件ArcGIS9.3中的Buffer Wizard工具選取土壤采樣點周圍不同距離緩沖區0.5（即以采樣點中心為圓心，以0.5 km為緩沖半徑的圓形緩沖區）、1、2、3、5 km共5個梯度作為分析單元[11]，通過軟件Fragstats 3.3統計并計算不同緩沖區類型水平和景觀水平的景觀指數。在軟件SPSS 19中使用Pearson相關分析探討不同緩沖區內景觀格局與土壤鹽度的關系[21]。

3　結果與分析

3.1多尺度下渭-庫綠洲景觀格局分析

首先通過目視解譯選取感興趣區（region of interest，ROI），利用最大似然法進行監督分類。影像分類后的總精度為96.98%＞80%，而分類后Kappa Coefficient為0.9592＞0.8，滿足研究精度要求，結合Google地圖上研究區影像與分類后影像進行對比，地物類型相吻合，為本研究的后期綜合分析提供了可靠的數據保障。分類后影像如圖2所示。

圖2　2014年渭-庫綠洲多尺度分類圖Fig.2　Weigan and Kuqa rivers delta oasis multi-scale classification image of 2014

3.1.1整體景觀格局分析

通過軟件ArcGIS9.3對分類后影像進行預處理，再利用軟件Fragstats 3.3計算景觀指數（表2）。

表2　渭-庫綠洲景觀格局指數Table 2　Landscape pattern index of Weigan and Kuqa rivers delta oasis

結合圖2和表2，渭-庫綠洲2014年7月的耕地面積為1 797.00 km2，約占研究區面積的24.17%，耕地多分布在研究區的中南部區域、水體附近，斑塊數1 065個，僅次于其他用地，破碎化程度較高；水體面積為70.75 km2，僅占研究區面積的0.95%，散布在綠洲區域，斑塊數和斑塊密度均較低；鹽漬地的景觀面積為214.78 km2，斑塊數436個，分布在綠洲邊緣；林草地面積為3 115.65 km2，約占研究區面積的41.90%，斑塊數966個，林草地為研究區面積最大的土地利用/覆被類型，多分布在綠洲北部及耕地與其他用地間的交錯帶；其他用地的面積僅次于林草地為2 237.44 km2，約占研究區面積的30.09%，斑塊數1 827個，斑塊密度最大。

從LPI來看，林草地的LPI指數最大，達24.32%，說明林草地呈大片連續分布；水體和鹽漬地LPI指數較小，不足1%，說明二者所有斑塊的面積均較小，散布在綠洲周圍。IJI指數排序為其他地類＞水體＞林草地＞鹽漬地＞耕地，說明其他地類、水體的分布聚集度高，彼此鄰近；而鹽漬地和耕地由于受人類活動的影響，分布很有規律，與之鄰接的斑塊類型基本上受人類活動的影響，IJI值較小。研究區所有景觀整體IJI值與林草地接近，說明該區域在一定程度上受人類活動影響較少。其他地類的聚合度在各類土地利用/覆被類型中為最大，其次是林草地和耕地，即是研究區域內大面積單一景觀，水體最小，說明水體在研究區內分布散亂且面積較小。耕地和林草地分維數最大為1.67，表明二者邊境曲折，受人類活動影響較大，而水體的分維數最小為1.44，這與水體景觀類型不易被影響有關。渭-庫綠洲整體的分維數為1.62，表明綠洲多數斑塊的形狀不規整、邊界線曲折。綠洲的蔓延度、Shannon多樣性指數分別為38.77和1.46，表明綠洲內部同一斑塊連通性較低，區域面積內有多種類型、不同面積的斑塊。總之，渭-庫綠洲景觀水平上破碎化較重，景觀分布受人為影響較大。

3.1.2綠洲主要土地利用和覆被景觀格局分析

本研究結合綠洲主要土地利用/覆被將其分為綠洲、綠洲-荒漠交錯帶和荒漠典型區域（圖2b～d）。通過在38個采樣點中篩選，選取1個點及其緩沖區可代表該種土地利用/覆被類型，并通過軟件計算不同緩沖距離的區域景觀指數（表3）。由表3可知，相同緩沖范圍情況下，斑塊數量：綠洲>交錯帶>荒漠，說明綠洲區域的景觀破碎化程度高，易受人類活動影響，而交錯帶和荒漠區域破碎化程度相對較低。相同緩沖范圍情況下，綠洲區域的PD大于交錯帶和荒漠區域，其中，隨著緩沖距離增大，綠洲和交錯帶的斑塊密度隨之減小，而荒漠區域變化不大，斑塊密度在7.50左右，說明荒漠區域景觀較為單一，破碎化程度低。LPI隨著緩沖距離增大呈減小趨勢，荒漠區域的LPI值大于交錯帶和綠洲，說明從荒漠到交錯帶、再至綠洲，區域景觀類型由簡單到復雜。相同緩沖范圍情況下LSI和PAFRAC：均呈綠洲>交錯帶>荒漠，說明綠洲內部各類景觀交錯復雜程度大于交錯帶和荒漠，這也是景觀格局受人類活動影響的體現。交錯帶的IJI指數大于綠洲和荒漠的，同時，相同緩沖范圍的綠洲和荒漠的IJI指數相差較小，但荒漠IJI指數2 km緩沖距離是為47.56，而3 km僅為27.05，5 km又上升至41.09，原因是3 km緩沖范圍較2 km多了大量鹽漬地，導致其各景觀類型間的公共距離相差更大。AI和CONTAG隨著緩沖距離增大呈減小趨勢，說明隨著緩沖距離的增大，區域景觀類型增多、均質性降低、多樣性增強，而荒漠區域的AI和CONTAG值大于交錯帶和綠洲，說明從荒漠到交錯帶、再至綠洲，區域景觀類型由簡單到復雜。交錯帶的SHDI值在相同緩沖范圍情況下為最大，其次是綠洲，表明交錯帶景觀多樣性強于綠洲和荒漠，隨著緩沖距離的增加，SHDI呈增大趨勢。

典型區域R e p r e s e n t a t i v e r e g i o n景觀格局指數L a n d s c a p e i n d e x 緩沖距離B u f f e r l e n g t h / k m 　N P 　P D 　L P I 　L S I 　P A F R A C 　 I J I 　A I 　C O N T A G 　 S H D I 0 . 5 　3 9 　4 9 . 7 5 　5 4 . 1 6 　4 . 8 9 　1 . 2 6 　3 3 . 9 4 　9 6 . 7 6 　5 9 . 2 8 　0 . 7 4綠洲O a s i s 1 　1 2 3 　3 9 . 2 2 　5 7 . 8 6 　8 . 6 2 　1 . 2 8 　3 8 . 1 7 　9 3 . 3 7 　5 3 . 7 1 　0 . 7 6 2 　2 9 1 　2 3 . 1 8 　3 6 . 9 5 　1 3 . 4 2 　1 . 3 5 　4 7 . 7 5 　8 9 . 0 4 　4 2 . 1 8 　0 . 8 9 3 　5 6 6 　2 0 . 0 4 　4 3 . 8 6 　1 8 . 1 5 　1 . 3 8 　4 7 . 7 6 　8 4 . 7 2 　3 9 . 5 0 　0 . 8 6 5 　1 1 8 4 　1 5 . 1 0 　4 8 . 7 1 　2 6 . 8 6 　1 . 4 4 　3 0 . 6 7 　7 6 . 8 2 　4 7 . 2 8 　0 . 8 5 0 . 5 　2 1 　2 6 . 7 8 　7 6 . 0 6 　3 . 2 0 　1 . 2 8 　4 7 . 2 5 　9 8 . 3 5 　7 4 . 2 1 　0 . 7 3綠洲-荒漠交錯帶O a s i s -d e s e r t f r i n g e 1 　7 9 　2 5 . 2 0 　5 8 . 9 1 　6 . 0 6 　1 . 3 0 　4 9 . 4 9 　9 5 . 8 2 　6 2 . 0 5 　1 . 0 2 2 　2 3 1 　1 8 . 4 1 　4 7 . 8 8 　9 . 9 8 　1 . 3 4 　5 1 . 2 7 　9 2 . 2 8 　5 4 . 3 0 　1 . 1 6 3 　4 7 5 　1 6 . 8 2 　4 5 . 3 0 　1 3 . 8 8 　1 . 3 9 　5 0 . 8 9 　8 8 . 7 3 　5 1 . 0 9 　1 . 1 7 5 　1 0 5 1 　1 3 . 4 1 　3 0 . 2 0 　2 3 . 5 9 　1 . 4 7 　5 3 . 0 9 　7 9 . 9 6 　4 1 . 0 1 　1 . 2 9 0 . 5 　5 　6 . 3 8 　9 9 . 7 3 　1 . 2 0 　1 . 0 3 　3 6 . 3 5 　9 9 . 9 0 　9 8 . 4 0 　0 . 0 2荒漠D e s e r t 1 　2 5 　7 . 9 6 　8 4 . 9 7 　2 . 6 4 　1 . 1 9 　3 8 . 3 2 　9 8 . 7 4 　7 7 . 1 6 　0 . 4 3 2 　1 0 2 　8 . 1 2 　7 9 . 5 6 　4 . 6 5 　1 . 3 0 　4 7 . 5 6 　9 6 . 9 3 　6 8 . 4 2 　0 . 5 5 3 　2 1 1 　7 . 4 7 　8 0 . 1 4 　6 . 2 4 　1 . 3 4 　2 7 . 0 5 　9 5 . 5 0 　7 6 . 2 8 　0 . 5 7 5 　5 8 6 　7 . 4 7 　8 1 . 3 3 　1 1 . 7 3 　1 . 4 5 　4 1 . 0 9 　9 0 . 5 8 　7 0 . 4 4 　0 . 6 3

3.2渭-庫綠洲土壤鹽度特征分析

3.2.1渭-庫綠洲土壤鹽度統計特征分析

按經典統計方法，不同梯度土壤鹽度的統計特征值列于表4。全部采樣點為38個，剔除其中的異常點后，0～10、>10～20、>20～40、>40～60、>60～80和>80～100 cm土壤鹽度的樣本數分別為38、37、38、37、30和29。基于渭-庫綠洲采樣點鹽度數據，據最新《新疆土壤》標準，將研究區鹽漬化地類劃分為4個等級，分別為非鹽漬化（含鹽質量分數＜3 g/kg）、輕度鹽漬化（3～6 g/kg）、中度鹽漬化（6～10 g/kg）和重度鹽漬化（含鹽質量分數＞10 g/kg）[22]。

由表4可以看出，研究區整個剖面土壤鹽度為0～28.100 g/kg，就最小值、最大值而言，6層土壤剖面的最小值均為0，是因為儀器無法測出鹽度小于0.1 g/kg的土壤溶液；而0～10 cm層的最大值是28.100 g/kg，遠大于其他剖面的最大值，為重度鹽漬化，另外，>20～40 cm層的最大值為重度鹽漬化，>80～100 cm層為輕度鹽漬化，其余層的最大值均為中度鹽漬化。各層土壤鹽度平均值為1.770～4.816 g/kg，隨著剖面深度的減小，呈現鹽分表層聚積的趨勢。從偏度和峰度兩項指標可看出，研究區各層土壤含鹽量正偏差數值較大，均呈右偏，除＞60～80 cm和＞80～100 cm層土壤鹽度呈“平頂峰”外，其他4層土壤均為“尖頂峰”。變異系數（coefficient variation，Cv）反映的是相對變異，即隨機變量的離散程度。根據相關研究，Cv≤0.1為弱變異性；0.1

表4　渭-庫綠洲不同梯度土壤鹽度統計特征值Table 4　Soil salinity characteristics of different soil depths in Weigan and Kuqa rivers delta oasis

3.2.2渭-庫綠洲土壤鹽度空間特征分析

通過對渭-庫綠洲38個樣點的取樣分析，在GPS和軟件ArcGIS9.3支持下，經過地統計學分析和普通Kriging插值，得到不同剖面深度鹽度空間插值圖（圖3）。圖3表明，在整個剖面中＞40～60、＞60～80和＞80～ 100 cm層的土壤鹽度相似，均較小；隨著剖面深度的減小，＞20～40、＞10～20和0～10 cm層的土壤鹽度逐漸增加，這與表4分析結果相同。結合圖2，在水平方向上，土壤鹽分高值區主要集中分布在綠洲東部荒漠地帶和綠洲西部農牧交錯區。

圖3　基于普通克里格插值不同剖面深度土壤鹽度空間分布Fig.3　Spatial distribution of soil salinity in different soil depths based on ordinary kriging interpolation

綠洲東部鹽漬化嚴重現象與3個上層剖面所呈現鹽漬化聚集現象大致相同，且輕度鹽漬化現象較多，而綠洲西部鹽漬化現象則隨著深度下降呈減少趨勢；而＞40～60、＞60～80和＞80～100 cm這3層剖面鹽漬化程度較輕，綠洲東北部的土壤含鹽量隨著深度的增加而降低的現象。非鹽土和輕鹽土則主要集中在中部和西北地區。研究區鹽分由深層土壤向表層聚集，在垂直方向上總的趨勢是表層土壤含鹽量高于深層土壤。

3.3景觀-鹽度的多變量相關分析結果

3.3.1土地利用/覆被-鹽度單因子相關分析結果

利用軟件SPSS19對渭-庫綠洲不同剖面深度的土壤鹽度與各采樣點緩沖區的土地利用/覆被類型面積做相關性分析（表5）。表5僅列出了各采樣點緩沖區的土地利用/覆被類型面積與鹽度相關性較好的2種地類：耕地和其他地類。其中，耕地3 km（采樣點3 km緩沖區范圍內耕地的面積）與＞60～80 cm相關性最優為?0.634，是中度極顯著負相關；采樣點不同緩沖區內的耕地面積與＞10～20、＞20～40、＞40～60、＞60～80和＞80～100 cm的土壤鹽度均有一定的顯著相關性，而與0～10 cm的土壤鹽度相關性較弱。其他地類3 km與＞60～80 cm相關性最優為0.613，是中度極顯著正相關；采樣點不同緩沖區內的耕地面積與＞40～60、＞60～80和＞80～100 cm的土壤鹽度均有一定的顯著相關性，而與0～10、＞10～20和＞20～40 cm的土壤鹽度相關性較弱。針對同一緩沖區的垂直水平而言，相關性由表至底呈不相關-中度相關-弱相關的趨勢；就同一剖面不同范圍緩沖區而言，隨著緩沖區范圍的增大，土壤鹽度與土地類型面積的相關程度呈弱相關-中度相關-弱相關的趨勢。表明在一定范圍內綠洲面積與其他地類面積的多寡與區域土壤鹽度有一定的量化關系。

表5　渭-庫綠洲樣點緩沖區土地利用/覆被與土壤鹽度Pearson相關系數Table 5　Pearson correlation coefficient between land use/cover and soil salinity in different buffer lengths of Weigan and Kuqa rivers delta oasis

3.3.2景觀指數-鹽度單因子相關分析結果

選取土壤樣點所在的緩沖區作為分析樣本，分析緩沖區內景觀格局與不同剖面深度的土壤鹽度的相關關系。Pearson相關分析顯示，不同梯度土壤鹽度與緩沖區內4種景觀指數均有較顯著的相關關系（表6）。

表6　渭-庫綠洲樣點緩沖區景觀指數與土壤鹽度Pearson相關系數Table 6　Pearson correlation coefficient between landscape index and soil salinity in different buffer lengths of Weigan and Kuqa rivers delta oasis

不同梯度土壤鹽度與緩沖區內斑塊數（NP）、景觀形狀指數（LSI）呈負相關，而與聚合度（AI）和蔓延度（CONTAG）呈正相關。采樣點不同緩沖區內的NP與＞20～40、＞40～60、＞60～80和＞80～100 cm的土壤鹽度具有顯著負相關，其中，最優相關是NP_2 km（采樣點2 km緩沖區范圍內所有類型斑塊數）與＞60～80 cm中度極顯著負相關為?0.535，其次是NP_3 km與＞60～80 cm中度極顯著負相關為?0.511，而與0～10 cm和＞10～20 cm的土壤鹽度相關性較弱；采樣點不同緩沖區內的LSI與＞40～60、＞60～80和＞80～100 cm的土壤鹽度具有顯著負相關，其中，最優相關是LSI_5 km與＞60～80 cm低度極顯著負相關為?0.469，其次是LSI_3 km與＞60～80 cm低度極顯著負相關為?0.461，而與0～10、＞10～20和＞20～40 cm的土壤鹽度相關性較弱；采樣點不同緩沖區內的AI與＞40～60、＞60～80和＞80～100 cm的土壤鹽度具有顯著正相關，其中，最優相關是AI_5 km與＞60～80 cm低度極顯著相關為0.471，其次是AI_3 km與＞60～80 cm低度極顯著相關為0.464，而與0～10、>10～20和＞20～40 cm的土壤鹽度相關性較弱；采樣點不同緩沖區內的CONTAG與＞40～60、＞60～80和＞80～100 cm的土壤鹽度具有顯著正相關，其中，最優相關是CONTAG_2 km與＞60～80 cm中度極顯著相關為0.506，其次是CONTAG_2 km與＞80～100 cm低度極顯著相關為0.458，而與0～10、＞10～20和＞20～40 cm的土壤鹽度相關性較弱。4種景觀指數與＞40～60、＞60～80和＞80 100 cm具有較好相關性，而與其他3層相關性較弱，相關性由表至底呈不相關-中度相關-弱相關的趨勢。而比較不同緩沖區與不同梯度的相關性，2 km和3 km緩沖區與鹽度相關性優于另外3種緩沖區。

3.3.3多元線性回歸分析結果

由于鹽度可影響區域景觀指數，因此在單因子分析的基礎上，進行多變量相關分析（表7），在眾多被影響的景觀指數中找到關鍵景觀指數。

鹽度與景觀指數的多元線性逐步回歸模型除表層無法實現外，都達到顯著性水平（P＜0.05）。隨著緩沖區范圍的增大，各層回歸效果呈優化趨勢，各層鹽度與3 km緩沖區的景觀指數回歸效果最好，其中＞10～20 cm最優（R2=0.537），同時，5 km緩沖區建模效果弱于3 km緩沖區；就垂直方向而言，除表層鹽度與景觀指數無法進行回歸分析外，0.5、1、2和3 km緩沖區的景觀指數與鹽度建模，＞10～20 cm建模效果最優，并隨著剖面深度的增加，建模效果逐漸弱化，而5 km緩沖區與之相反，隨著剖面深度的增加，建模效果呈優化趨勢；就建模所用自變量而言，這些模型大多都有緩沖區內耕地面積，其次是景觀水平的LPI指數、PAFRAC指數；自＞10～20 cm至＞80～100 cm，隨著坡面深度的增加，模型自變量耕地面積的權重呈減小趨勢；模型中自變量耕地面積前均是負號，說明耕地面積對鹽度是負效應。

表7　景觀-鹽度的最優多元線性逐步回歸模型Table 7　Optimal multiple linear regression models with stepwise of landscape metrics and salinity index

4　討　論

4.1表層鹽度特殊性分析

本文對11種表征景觀空間格局屬性的景觀格局指數與鹽度進行相關分析，由于研究區域景觀格局分布的特殊性，表層鹽度與各緩沖區內的斑塊面積多寡、景觀指數高低均無顯著關系，甚至無法用多種景觀指數通過對其進行回歸分析得出回歸方程。因此，作者利用軟件SPSS 19對渭-庫綠洲不同梯度土壤鹽度做相關性分析（表8）。由表8可知，相關性最好的是＞60～80和＞80～100 cm，達到0.838為高度顯著相關，其次是＞10～20和＞20～40 cm為0.832，＞40～60和＞60～80 cm相關性為0.820。0～10與＞10～20、＞20～40和＞40～60 cm僅為中度顯著相關，而與＞60～80 cm和＞80～100 cm相關性不明顯。渭-庫綠洲不同剖面深度土壤鹽度相關性自上而下呈演替狀態，相鄰兩層剖面的土壤鹽度相關性優于不相鄰土層，而表層土壤鹽度與其他層的相關性較弱，鹽度低的土壤母質所演替的底層土壤鹽度相對較低，更利于植被生長；而植被茂盛的區域，綜合植被截流、改良土壤空隙等因素，土壤上層不易滯留大量鹽分。研究區干燥少雨、日照時間長、灌排及棄耕現象均是導致土壤表層鹽度與其他層區別較大的原因[13,25-27]。

表8　渭-庫綠洲不同剖面深度土壤鹽度Pearson相關系數Table 8　Weigan and kuqa rivers delta oasis in different soil salinity gradient Pearson correlation coefficient

4.2剖面梯度下鹽度與景觀指數變化分析

結合圖3綠洲東部鹽漬化嚴重現象與3個上層剖面所呈現鹽漬化聚集現象大致相同，且輕度鹽漬化現象較多，而綠洲西部鹽漬化現象則隨著深度下降呈減少趨勢；而＞40～60、＞60～80、＞80～100 cm這3層剖面鹽漬化程度較輕，綠洲東北部的土壤含鹽量隨著深度的增加而降低的現象，與以往研究成果相同[13,25]。非鹽土和輕鹽土則主要集中在中部和西北地區，由于該區域植被覆蓋度較高，是渭-庫綠洲的主要耕地區，區內排水設施完善，土壤鹽分較低。非鹽漬化土壤和輕度鹽漬化土壤主要集中在中部和西北地區，由于該區域植被覆蓋度較高，是渭-庫綠洲的主要耕地區，區內排水設施完善，土壤鹽分較低。而重度鹽漬化和中度鹽漬化土壤主要集中在渭-庫綠洲西部和東南的邊緣區域，結合研究區的地勢西北高、東南低，及排鹽渠的坐落區域，渭-庫綠洲東南區域的鹽分聚積源自地勢和排鹽渠共同作用，而西部區域則主要受排鹽渠影響。因此，就區域實際鹽分多寡而言（圖3），渭-庫綠洲東南區域要多于綠洲西部。綠洲內部鹽漬化現象不明顯，但綠洲邊緣卻成為鹽分的積聚地，即渭-庫綠洲鹽漬化重心在渭-庫綠洲西部和東南的邊緣區域[26-27]。在最近的實地考察中，筆者發現部分地區農田已經與荒漠接壤，交錯帶鹽漬化現象加重，導致交錯帶的功能喪失，綠洲所受鹽漬化和荒漠化的脅迫更為嚴重。因此，為減輕綠洲邊緣交錯帶的生態壓力，合理布局、修建排鹽渠將是一個很重要的環節。

從表7可知，自＞10～20 cm至＞80～100 cm層的逐步回歸方程的自變量中，耕地面積、水體面積和LPI為負效應，即這3種自變量的值越大，鹽度的值越小，而鹽漬地面積、其他用地面積、CONTAG和PAFRAC為正效應；所得鹽度回歸方程中，截距隨剖面深度的增加而減小，即單點鹽度隨剖面深度的增加而減小，與圖3表述相同。

4.3景觀指數與鹽度效應分析

相關性分析和逐步回歸分析的結果大致相同，但相關分析中鹽度與AI顯著正相關，而在逐步回歸分析中AI并未出現在逐步回歸模型中，另外景觀格局指數NP相關分析表明與鹽度顯著負相關，但也未出現在回歸模型中。表明相關關系并不能代表因果關系，但好的相關關系是因果關系的基礎。逐步回歸分析表明耕地是影響鹽度的最重要的土地利用/覆被類型，其次為其他用地和水體。而區域景觀指數LPI、CONTAG和PAFRAC也對逐步回歸結果具有一定的貢獻率。各層鹽度與3 km緩沖區的景觀指數回歸效果最好，除表層外，隨著深度的增加逐步回歸效果呈弱化趨勢，耕地面積呈顯著負效應，影響著區域鹽度，而水體面積、鹽漬地面積、其他用地面積、LPI、CONTAG和PAFRAC對鹽度影響相對較弱。區域耕地面積增加，灌溉用水會將區域鹽分帶離；而地表水的存在同樣會帶走鹽分；LPI是區域最大單一地類所占總面積比例，大片連續用地同樣可抑制鹽分的增加；區域鹽漬地面積和其他用地面積的增加，是區域土地退化的結果，因此會導致鹽分增加；PAFRAC是區域用地邊界的曲折程度，其值越大說明該區域用地類型間越是錯綜復雜，易導致土地退化；CONTAG是區域土地利用/覆被類型的連接程度，不同土地利用/覆被連接越緊密，也就更易被侵蝕。筆者嘗試將表層鹽度與其他層疊置結合，以期得出與表層鹽度數據有關的回歸方程，最終雖能夠得到回歸方程，但精度普遍偏低，故不予列出。在今后的工作中，可將已較為成熟的鹽度指數[28-30]引入，與景觀指數結合用于表層鹽度反演。

5　結　論

本研究以景觀學理論為基礎，結合國產GF-1衛星數據，通過建立實際采樣點不同梯度緩沖區，將渭-庫綠洲采樣點緩沖區內景觀格局與不同梯度土壤鹽度進行了逐步回歸分析，結論如下：

1）研究區以非鹽漬化土為主，輕度鹽漬化面積次之，土壤鹽分在水平方向的變異程度隨著深度的增加而降低。在水平方向上，土壤鹽分高值區主要集中分布在綠洲東部荒漠地帶和綠洲西部農牧交錯區，在垂直方向上，渭-庫綠洲表層土壤鹽漬化現象較重，其他各層土壤鹽漬化情況相對較輕，綠洲鹽漬化現象隨著深度下降呈減少趨勢。

2）針對所選3個典型樣區，相同緩沖范圍情況下，綠洲區域的景觀破碎化程度高，綠洲內部各類景觀交錯復雜程度大于交錯帶和荒漠，易受人類活動影響，而交錯帶和荒漠區域破碎化程度相對較低，但交錯帶景觀多樣性強于綠洲和荒漠；在同一樣區，隨著緩沖距離的增加，區域景觀類型增多、均質性降低、多樣性增強。

3）景觀水平上，耕地呈大片連續狀，林草地散布在耕地周圍，鹽漬地和水體呈零星狀分布在綠洲區域。耕地利用數量指標能對土壤鹽度有較好的解釋，而水體面積、鹽漬地面積、其他用地面積、LPI、CONTAG和PAFRAC對鹽度影響相對較弱。

4）除0～10 cm層外，自＞10～20 cm至＞80～100 cm層的逐步回歸方程的自變量中，耕地面積、水體面積和LPI為負效應，而鹽漬地面積、其他用地面積、CONTAG 和PAFRAC為正效應，最優回歸方程決定系數為0.537。

總之，區域景觀指數與鹽度具有較好的關系，景觀指數可反演不同深度的土壤鹽度。但本文只對研究區的一個時段進行了研究，對比其他時段的鹽度動態對于區域土壤鹽度時空運移具有重要意義，下一步希望利用鹽分指數反演表層鹽度，并繼續結合景觀指數，得出不同年份鹽度與景觀的變化規律。

[參考文獻]

[1] 塔西甫拉提?特依拜，張飛，丁建麗，等. 干旱區典型綠洲鹽漬化土壤空間信息研究[J]. 干旱區地理，2007，30(4)：544－551. Tashpolat·Tiyip, Zhang Fei, Ding Jianli, et al. Spatial information on salinization of typical oases in arid areas[J]. Arid land geography, 2007, 30(4): 544－551. (in Chinese with English abstract)

[2] 楊勁松. 中國鹽漬土研究的發展歷程與展望[J]. 土壤學報，2008，45(5)：837－845. Yang Jingsong. Development and prospect of the research on salt-affected soil in China[J]. Acta Pedologic Sincia, 2008, 45(5): 837－845. (in Chinese with English abstract)

[3] 孫倩，張飛，丁建麗，等. 渭干河-庫車河三角洲綠洲土地利用/覆被時空變化遙感研究[J]. 生態學報，2012，32(10)：3252－3265. Sun Qian, Zhang Fei, Ding Jianli, et al. Dynamics of land use/cover changes in the Weigan and Kuqa rivers delta oasis based on Remote Sensing[J]. Acta Ecological Sinica, 2012, 32(10): 3252－3265. (in Chinese with English abstract)

[4] 李建國，濮勵杰，朱明，等. 土壤鹽漬化研究現狀及未來研究熱點[J]. 地理學報，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[J]. Acta Geographica Sinica, 2012, 67(9): 1233－1245. (in Chinese with English abstract)

[5] Wu J, Hobbs R. Key issues and research priorities in landscape ecology: An idiosyncratic synthesis[J]. Landscape Ecology, 2002, 17(4): 355－365.

[6] Wu W, Mhaimeed A S, Al-Shafie W M, et al. Mapping soil salinity changes using remote sensing in Central Iraq[J]. Geoderma Regional, 2014, 2: 21－31.

[7] Ding Jianli, Yu Danlin. Monitoring and evaluating spatial variability of soil salinity in dry and wet seasons in the Werigan–Kuqa Oasis, China, using remote sensing and electromagnetic induction instruments[J]. Geoderma, 2014, 235: 316－322.

[8] Kuenzer C, van Beijma S, Gessner U, et al. Land surface dynamics and environmental challenges of the Niger Delta，Africa: Remote sensing-based analyses spanning three decades (1986–2013)[J]. Applied Geography, 2014, 53: 354－368.

[9] Sidike A, Zhao S, Wen Y. Estimating soil salinity in Pingluo County of China using QuickBird data and soil reflectance spectra[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 26: 156－175.

[10] 張飛，丁建麗，王伯超，等. 干旱區綠洲土地利用/覆被及景觀格局變化特征：以新疆精河縣為例[J]. 生態學報，2009，29(3)：1251－1263. Zhang Fei, Ding Jianli, Wang Bochao, et al. The change of land use/cover and characteristics of landscape pattern in aridareas oasis: A case study of Jinghe County, Xinjiang Province[J]. Acta Ecological Sinica, 2009, 29(3): 1251－1263. (in Chinese with English abstract)

[11] 李鋮，李芳柏，吳志峰，等. 景觀格局對農業表層土壤重金屬污染的影響[J]. 應用生態學報，2015，26(4)：1137－1144. Li Cheng, Li Fangbai, Wu Zhifeng, et al. Impacts of landscape patterns on heavy metal contamination of agricultural top soils in the Pearl River Delta, South China[J]. Chinese Journal of Applied Ecology, 2015, 26(4): 1137－1144. (in Chinese with English abstract)

[12] 江紅南，丁建麗，塔西甫拉提?特依拜，等. 基于ETM+數據的干旱區鹽漬化土壤信息提取研究[J]. 土壤學報，2008，45(2)：222－228. Jiang Hongnan, Ding Jianli, Tashpolat·Tiyip, et al. Extraction of salinized soil information in arid area based on ETM+ data[J]. Acta Pedologic Sincia, 2008, 45(2): 222－228. (in Chinese with English abstract)

[13] 高婷婷，丁建麗，哈學萍，等. 基于流域尺度的土壤鹽分空間變異特征：以渭干河庫車河流域三角洲綠洲為例[J].生態學報，2010，30(10)：2695－2705. Gao Tingting, Ding Jianli, Ha Xueping, et al. The spatial variability of salt content based on river basin scale: A case study of the delta oasis in Weigan-Kuqa Watershed[J]. Acta Ecological Sinica, 2010, 30(10): 2695－2705. (in Chinese with English abstract)

[14] 中國科學院南京土壤研究所. 土壤理化分析[M]. 上海：上海科學技術出版社，1978：196－211.

[15] 陳趁新，胡昌苗，霍連志，等. Landsat TM 數據不同輻射校正方法對土地覆蓋遙感分類的影響[J]. 遙感學報，2014，18(2)：320－334. Chen Chenxin, Hu Changmiao, Huo Lianzhi, et al. Effect of different radiation correction methods of Landsat TM data on land-cover remote sensing classification[J]. Journal of Remote Sensing, 2014, 18(2): 320－334. (in Chinese with English abstract)

[16] Colby W Brungard, Janis L Boettinger, Michael C Duniway, et al. Machine learning for predicting soil classes in three semi-arid landscapes[J]. Geoderma, 2015(239/240): 68－83.

[17] Yuchu Xie, Jie Gong, Peng Sun, et al. Oasis dynamics change and its influence on landscape pattern on Jinta oasis in arid China from 1963a to 2010a: Integration of multi-aaasource satellite images[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 33(12): 181－191.

[18] Peter J McDonald, Anthony D Griffiths, Catherine EM Nano, et al. Landscape-scale factors determine occupancy of the critically endangered central rock-rat in arid Australia：The utility of camera trapping[J]. Biological Conservation, 2015, 191: 93－100.

[19] Bo Sun, Qiming Zhou. Expressing the spatio-temporal pattern of farmland change in arid lands using landscape metrics[J]. Journal of Arid Environments, 2016, 124(1): 118－127.

[20] Suman Sinha, Laxmi Kant Sharma, Mahendra Singh Nathawat. Improved Land-use/Land-cover classification of semi-arid deciduous forest landscape using thermal remote sensing[J]. The Egyptian Journal of Remote Sensing and Space Science, 2015, 18(12): 217－233.

[21] 徐建華. 現代地理學中的數學方法[M]. 北京：高等教育出版社，2002：37－40.

[22] 新疆農業廳，新疆土壤普查辦公室. 新疆土壤[M]. 北京：科學出版社，1996：51－52.

[23] 雷志棟，楊詩秀，許志榮. 土壤特性空間變異性初步研究[J].水利學報，1985，9(9)：10－21. Lei Zhidong, Yang Shixiu, Xu Zhirong. Preliminary investigation of the spatial variability of soil properties[J]. Journal of Hydraulic Engineering, 1985, 9(9): 10－21. (in Chinese with English abstract)

[24] 趙銳鋒，陳亞寧，洪傳勛，等. 塔里木河源流區綠洲土壤含鹽量空間變異[J]. 地理研究，2008，27(1)：135－143. Zhao Ruifeng, Chen Yaning, Hong Chuanxun, et al. Study on spatial variability and pattern of soil salinity of the oasis in the headstreams of the Tarim River Basin：A case study on Yuepuhu oasis[J]. Geographical Research, 2008, 27(1): 135－143. (in Chinese with English abstract)

[25] 馬成霞，丁建麗，楊愛霞，等. 綠洲區域土壤鹽漬化主要參數的空間異質性分析[J]. 干旱區資源與環境，2015，29(2)：144－150. Ma Chengxia, Ding Jianli, Yang Aixia, et al. Spatial variability of key parameters of soil salinization in oasis area[J]. Journal of Arid Land Resources and Environment, 2015, 29(2): 144－150. (in Chinese with English abstract)

[26] 王宏衛，塔西甫拉提?特依拜. 干旱區鹽漬地遙感動態監測及其驅動力研究：以渭干河-庫車河三角洲綠洲為例[J]. 干旱區地理，2009，32(3)：445－453. Wang Hongwei, Tashpolat·Tiyip. Remote sensing dynamic monitor and driving force of soil salinization in arid area:A case of delta oasis of Weigan and Kuqa River[J]. Arid Land Geography, 2009, 32(3): 445－453. (in Chinese with English abstract)

[27] 沙吾提?買買提，塔西甫拉提?特依拜，丁建麗. 基于遙感的渭干河一庫車河三角洲綠洲土地鹽漬化監測及成因分析[J]. 地理科學，2011，31(8)：976－981. Mamats awut, Tashpolat·Tiyip, Ding Jianli. The remote sensing investigation and causal analysis of salt-affected soils in the Weigan- Kuqa Reiver Delta[J]. Scientia Geographica Sinica, 2011, 31(8): 976－981. (in Chinese with English abstract)

[28] 王飛，丁建麗，伍漫春. 基于 NDVI-SI 特征空間的土壤鹽漬化遙感模型[J]. 農業工程學報，2010，26(8)：168－173. Wang Fei, Ding Jianli, Wu Manchun. Remote sensing monitoring models of soil salinization based on NDVI-SI feature space[J]. Transactions of the Chinese Society of Agricultural Engineering(Transaction of the CASE), 2010, 26(8): 168－173. (in Chinese with English abstract)

[29] 趙庚星，李靜，王介勇，等. 基于TM 圖像和 GIS 的土地利用/覆被變化及其環境效應研究[J]. 農業工程學報，2007，22(10)：78－82. Zhao Gengxing, Li Jing, Wang Jieyong, et al. Anylysis of land use/cover change and its environment effects based on TM imagery and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering(Transaction of the CASE), 2007, 22(10): 78－82. (in Chinese with English abstract)

[30] 劉廣明，楊勁松，何麗丹，等. 基于模糊綜合評判法的新疆典型干旱區土壤鹽漠退化風險評價[J]. 農業工程學報，2011，27(3)：1－5. Liu Guangming, Yang Jingsong, He Lidan, et al. Fuzzy comprehensive evaluation based assessment of soil alkaline desertification in typical arid area of Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering(Transaction of the CASE), 2011, 27(3): 1－5.(in Chinese with English abstract)

Relationship between multi-scale landscape pattern and salinity in Weigan and Kuqa rivers delta oasis

Cao Lei, Ding Jianli※, Yu Haiyang
(1. College of Resources and Environment Sciences, Xinjiang University, Urumqi 830046, China;
2. Key Laboratory of Oasis Ecology under Ministry of Education, Xinjiang University, Urumqi 830046, China)

Abstract:Saline soil occupies a large area and is widely distributed in China. Soil salinization poses a great threat to regional agriculture development. Exploring the relationship between landscape pattern and soil salinity will facilitate the monitoring and assessment of soil salinization. In this study, Weigan and Kuqa rivers delta oasis taken as a study area, the effects of soil salinity on regional landscape pattern was investigated through the analysis of multi-scale landscape pattern and soil salinity in different sections with the combination of regional soil salinity variation regularity. GF-1 satellite imagery (taken on July 19, 2014) was used as the main data source, land use/land cover types of the study area were divided into 5 categories using the maximum likelihood supervised classification: arable land, forest and grassland (including the garden, natural forests and grasslands), water, saline land (heavily) and others (including slightly and moderately saline land, desert, mountains, etc.). 11 landscape indices were selected including class area (CA), number of patches, largest patch index(LPI), percentage of landscape(PLAND), patch density(PD), landscape shape index(LSI), fractal dimension (perimeter-area fractal dimension, PAFRAC), aggregation index(AI), interspersion and juxtaposition index(IJI), shannon's diversity index(SHDI), contagion index(CONTAG). Combined with soil salinity data at different depths of 38 samples collected in 22-28 July 2014, to the center of a circle of sampling points, a total of 5 circular buffer gradients with 0.5, 1, 2, 3 and 5 km radius buffer was chosen as the unit of analysis. Pearson correlation analysis and stepwise regression analysis were applied to analyze the relationships between landscape pattern and soil salinity and reveal the spatial distribution pattern of soil salinity. In the end, the typical pattern of oasis, oasis-desert ecotone pattern, desert landscape pattern and Weigan and Kuqa rivers delta oasis overall landscape pattern were analyzed. The results showed that: 1) On the horizontal direction, highly salinized soil was mainly distributed in the eastern desert and western farming-pastoral zone of the oasis; On the vertical direction, soil salinization problem was most serious on soil surface and was less serious in the other soil layers. The degree of soil salinization decreased as the increase of depth; 2) The fragmentation index of oasis was higher than other landscape because of the oasis area easily affected by human activities. Under different gradient, the region landscape types increased, heterogeneity decreased, diversity increased, when buffer distance increased; 3) The amount of cultivated land could indicate soil salinity, but the other indexes including land area, saline land area, water area, LPI, CONTAG and PAFRAC exhibited limited influence on salinity; 4) For the independent variables from soil depth 10-20 to 80-100 cm, the arable land, water area and LPI had negative relationship with soil salinity while it became positive for indexes including salinized land area, CONTAG and other PAFRAC. The best regression model was obtained with R2= 0.537. The study confirmed that the character of soil salinity distribution and the degree of influence of different level of salinity on oasis landscape pattern. Our results can provide some basic information for soil salinity warning/alarming in arid area in northwest China. Meanwhile, it can serve as a reference to the research on landscape pattern in arid areas.

Keywords:salts; regression analysis; remote sensing; landscape pattern; Weigan and Kuqa rivers delta oasis; GF-1

作者簡介：曹雷，女，四川南充人，主要從事干旱區資源遙感研究。烏魯木齊新疆大學資源與環境科學學院，830046。Email：clhyesa@163.com※通信作者：丁建麗，男，山東成武人，教授，博士，主要從事干旱區資源遙感研究。烏魯木齊新疆大學資源與環境科學學院，830046。

基金項目：國家自然科學基金項目（U1303381、41261090、41130531）；高分辨率對地觀測重大專項（民用部分）（95-Y40B02-9001-13/15）

收稿日期：2015-08-10

修訂日期：2015-12-10

中圖分類號：S156.4；P901

文獻標志碼：A

文章編號：1002-6819(2016)-03-0101-10

doi：10.11975/j.issn.1002-6819.2016.03.015 10.11975/j.issn.1002-6819.2016.03.015http://www.tcsae.org