基于Sentinel2A影像的干旱區土壤鹽漬化監測研究

摘要? 以渭干河—庫車河三角洲綠洲為例，在5種鹽分光譜指數（NDSI、SI、SI1、SI2、SAVI）基礎上，選擇Sentinel2A多光譜影像中的3個紅邊波段和近紅外窄波段進行擴展，提出了新的基于紅邊和近紅外窄波段的光譜指數，用偏最小二乘回歸（PLSR）方法構建土壤電導率遙感反演模型。結果表明：相對傳統光譜指數，引入紅邊1波段（B5）和近紅外窄波段（B8a）的光譜指數與土壤電導率相關性顯著提高；基于Sentinel2A影像的PLSR的土壤電導率信息建模效果較好（R2=0.77），模型準確、可靠。鹽分反演結果表明研究區土壤鹽分含量整體較高，鹽漬化影響范圍廣泛。自綠洲內部向外圍由非鹽漬化向輕度—中度—重度鹽漬化過渡，綠洲西部、南部輕度鹽漬土分布較多，綠洲東部、東南及西南方向有重度鹽漬土及極重度鹽漬土分布，鹽漬化程度較高。

關鍵詞? Sentinel2A；土壤鹽漬化；光譜指數；干旱區

中圖分類號? TP79? 文獻標識碼? A? 文章編號? 0517-6611（2024）01-0051-05

doi：10.3969/j.issn.0517-6611.2024.01.012

開放科學（資源服務）標識碼（OSID）：

Research on Monitoring of Soil Salinization in Arid Area Based on Sentinel2A Image

NING An-xin

（XPCC Surveying & Designing Institute （Group） Co.，Ltd.， Urumuqi，Xinjiang 830000）

Abstract? Taking the Weigan-Kuqa River Delta Oasis as an example， based on five salt spectral indices （NDSI， SI， SI1， SI2， SAVI）， three red edge bands and near-infrared narrow bands in Sentinel2A multispectral images were selected for expansion. A new spectral index based on red edge and near-infrared narrow bands was proposed， and a partial least squares regression （PLSR） method was used to construct a soil conductivity remote sensing inversion model.The results showed that compared to traditional spectral index， the correlation between the spectral index introduced in the red edge 1 band （B5） and the near-infrared narrow band （B8a） and soil conductivity was significantly improved; the modeling effect of soil conductivity information using PLSR based on Sentinel2A images was good （R2=0.77）， and the model was accurate and reliable.The results of salt inversion indicated that the soil salt content in the study area was generally high， and the impact of salinization was extensive.There was a transition from non salinization-mild-moderate-severe salinization from the interior to the exterior of the oasis. There were more mild saline soils distributed in the western and southern parts of the oasis， while there were severe saline soils and extremely severe saline soils distributed in the eastern， southeast and southwest directions of the oasis， with a higher degree of salinization.

Key words? Sentinel2A;Soil salinization;Spectral index;Arid area

基金項目? 第三次新疆綜合科學考察項目（2021xjkk0202-02）；兵團科技創新人才計劃項目（2023CB011）。

作者簡介? 寧岸新（1984—），男，新疆吐魯番人，高級工程師，碩士，從事干旱區水土資源利用方面的研究。

收稿日期? 2022-12-09；修回日期? 2023-01-30

土壤鹽漬化是干旱區土地退化的主要類型，鹽漬化危害的土壤會造成農作物減產或絕收，影響植被生長并間接造成生態環境惡化，這已成為影響干旱半干旱區農業生產的第一障礙性問題。因此，及時、準確地獲取大范圍土壤鹽分信息，對土壤鹽漬化治理和綠洲農業可持續發展意義重大［1-2］。

遙感技術具有監測范圍廣、受地面限制少等優勢，成為區域土壤鹽漬化動態監測新的技術手段。土壤鹽漬化的遙感監測主要采用不同數據源結合光譜指數和地表反射率，構建土壤鹽分反演模型，實現土壤鹽漬化的高精度監測［3］。如Khan等［4］和Douaoui等［5］分別采用IRS-1B影像和Spot XS 影像，提出不同波段組合的鹽分指數提取土壤鹽分信息；Abbas等［6］在Khan的鹽分指數基礎上擴展出6種鹽分指數，并對農業區土壤鹽分監測取得較好的效果。Allbed等［7］基于IKONOS 影像數據提取多種鹽分指數和植被指數并進行鹽分反演對比分析，發現各種指數對鹽分預測效果并非固定的，而是隨不同環境條件、土壤類型、植被特征有所改變。由此可見，國內外利用光譜指數方法進行鹽漬土監測工作已取得一定成果，學者們多采用中高分辨率影像嘗試不同鹽分指數對鹽分信息進行定量表達。受制于影像時空分辨率及波譜分辨率共同影響，現有的與鹽分相關光譜指數僅涉及可見光、近紅外波段和短波紅外波段，研究成果暫時沒有取得更大的突破。

歐洲航天局（ESA）2020年發布的高分辨率光學成像衛星Sentinel2A投入使用，其高時空分辨率、高重訪周期等優良特性為鹽漬化遙感監測研究提供了新的前景，該影像也是目前唯一一個擁有3個紅邊波段的多光譜影像［8-9］。亦有研究指出紅邊波段對鹽生植物響應敏感，常被用于估測植被的生長狀態及植被鹽分脅迫［10］。Sentinel2A影像對不同土壤鹽漬化程度下耐鹽植被的分布監測具有潛在優勢，可間接反映土壤鹽分特征。可以預見Sentinel2A數據的應用將極大地推進區域土壤鹽漬化遙感監測研究進程，而目前國內關于該影像應用的相關文獻鮮見報道。

鑒于此，該研究選取受鹽漬化影響嚴重的渭干河與庫車河流域綠洲農業區（簡稱渭庫綠洲）為典型研究區，利用Sentinel2A高分辨率影像在現有應用廣泛的鹽分指數基礎上，引入紅邊波段和近紅外窄波段進行擴展；基于擴展后的最優光譜指數及顯著相關波段，結合實測電導率數據，用偏最小二乘回歸（PLSR）方法構建土壤電導率遙感反演模型，對研究區鹽漬化分布進行預測和評估，探索有效的土壤鹽漬化信息提取方法，為該地區土壤鹽漬化防治及農業可持續發展提供理論依據，同時也為Sentinel2A多光譜影像在相關領域的應用提供了參考。

1? 材料與方法

1.1? 研究區概況

渭庫綠洲位于新疆塔里木盆地的中北部，包括新河縣、沙雅縣和庫車縣，是我國干旱區范圍內較為完整和典型的扇形平原綠洲。渭庫綠洲屬于溫帶大陸性干旱氣候，年降水量51.3 mm，多年平均氣溫 10.6 ～14.8 ℃，年蒸發量為1 991.0～2 864.3 mm，干旱少雨的氣候特征加之微咸水的灌溉模式等使得該地區土壤鹽漬化現象普遍存在。在綠洲外圍及綠洲荒漠交錯帶鹽漬化現象較為嚴重，植被蓋度較低。植物以蘆葦、檉柳、駱駝刺、花花柴等鹽生植被為主。根據綠洲形狀及野外實地采樣區域，排除綠洲北部山地和大片的荒漠地區，確定研究區范圍為82°14′～83°30′E、41°01′～41°50′N（圖1）。

1.2? 土壤樣本采集及處理

根據研究區氣候特點和土壤鹽分的季節性變化，于2016年4月22—30日對研究區進行實地采樣。在考慮土壤鹽漬化程度、土地覆蓋類型和土壤質地差異前提下，選擇出具有代表性土壤測量單元35個。每個樣區均勻采集0～10 cm土層土樣，記錄相應環境信息。將土壤樣品密封后帶回實驗室，經風干研磨并過0.25 mm孔徑的細篩，用四分法取樣200 g，與蒸餾水按1∶5的比例配制浸提液，靜置過濾后，獲得土壤溶液，最后利用德國WTW公司制造的Cond7310儀器來測定土壤溶液的電導率，記作EC1∶5。

1.3? 遙感數據獲取及預處理

結合采樣時間，選擇2016年4月22日同步Sentinel2A多光譜影像為數據源，影像參數詳見表1。所下載影像為經過輻射校正和幾何校正的L1C級大氣層頂表觀反射率數據，校正精度在1個像元內。依據影像元數據文件提供的參數，選取覆蓋研究區域的2幅影像，進行鑲嵌處理，后采用暗像元法進行大氣糾正。該研究使用20和10 m分辨率的8個波段，進行不同空間分辨率波段間運算，將影像中20 m分辨率波段精細至10 m，最后根據研究區實際范圍，經圖像裁剪、掩膜等預處理后，得到研究區影像。

1.4? 光譜指數

土壤的反射光譜是土壤理化性質的產物，選取對土壤鹽分較為敏感的波段構建適宜的光譜指數已經成為當今鹽漬化定量反演的主要途徑。而土壤鹽分作為影響植被分布的主要土壤化學因子［11］，直接決定著區域植被分布，因此，可利用影像植被指數作為分析土壤鹽漬化程度的間接指標，綜合運用土壤鹽分指數和植被指數來構建土壤含鹽量估算模型。

結合前人研究成果［12-13］，利用Sentinel2A影像反射率波段提取能夠較好反映土壤鹽漬化程度的5種光譜指數（歸一化鹽分指數NDSI、鹽分指數SI、鹽分指數SI1、鹽分指數SI2、土壤調節植被指數SAVI）。并在此基礎上考慮Sentinel2A紅邊波段及近紅外窄波段的光譜效應，分別用紅邊波段（B5、B6、B7）替換紅波段B4、近紅外窄波段（B8a）替換近紅外波段（B8），嘗試構建新的紅邊波段指數和近紅外窄波段指數，作為渭庫綠洲的土壤鹽漬化定量分析的備選指數，光譜指數公式如表2所示。

1.5? 偏最小二乘回歸方法

偏最小二乘回歸方法（partial least squares regression，PLSR）是一種新型的多元統計數據分析方法，集中了主成分分析、典型相關分析和線性回歸分析方法的特點。尤其是當變量存在多重相關性，而觀測樣本又較少時，仍然能取得較好的建模效果。該方法較傳統回歸分析更具優勢，也是目前光譜數據建模中的常用分析方法［14-16］。詳細計算原理參考文獻［17］。

1.6? 模型評價及檢驗

該研究采用單因變量最小二乘回歸方法，建立實測土壤電導率與各波段和鹽分指數的回歸模型，通過模型和遙感影像預測空間土壤電導率。為了保證建模樣本和驗證樣本能夠更具代表性，提高鹽漬化模型估算精度，將35個樣本按照從小到大順序排列，按照每隔2個挑出一個的方法分成兩組，其中22個樣本作為建模數據，其余13個用于模型驗證。估算模型的準確性和適用性采用通用的決定系數（R2）和均方根誤差（RMSE）2個指標進行評定，R2越接近1、RMSE越小時，表示該模型的準確性越高。同時，繪制預測值與實測值之間的1∶1關系圖，以直觀地顯示模型估算電導率的擬合度和可靠性。

2? 結果與分析

2.1? 土壤電導率與各波段及鹽分指數的相關分析

為了評估各光譜指數對土壤鹽分的反演效果，根據野外采樣點坐標，在GIS軟件中提取所有樣點位置的光譜指數，并分別將實測樣本電導率與其對應的光譜指數及影像波段進行相關分析，結果如表3所示。從表3可以看出，5種傳統土壤鹽分指數（NDSI、SI、SI1、SI2、SAVI）均與土壤電導率有較好的相關性，且相關性均在0.01水平下極顯著；其中，SAVI與電導率呈負相關，其余指數與電導率呈正相關，SI2相關性最高，為0.708；這些指數對該區域土壤鹽漬化的預測能力較強。其次，分析用Sentinel2A的3個紅邊波段（B5、B6、B7）替換原紅波段（B4），用近紅外窄波段（B8a）替換原近紅外寬波段（B8），擴展后的土壤光譜指數與電導率的相關關系，可以看出由紅邊1波段（B5）及近紅外窄波段（B8a）組合構成的光譜指數（NDSIre1、SIre1、SI1re1、SI2re1、SAVIre1、NDSIre1n、NDSIn、SAVIre1n、SAVIn）與土壤電導率的相關性較所對應的傳統光譜指數顯著提高，如NDSIre1n和NDSIn與土壤實測電導率的相關性（0.501、0.483）大于NDSI與其相關性（0.479），且均通過了0.01水平的顯著性檢驗，說明擴展后的土壤鹽分光譜指數對土壤電導率的預測能力優于傳統光譜指數。而由紅邊2波段（B6）、紅邊3波段（B7）參與擴展的光譜指數（SIre2、NDSIre2、SI1re2、SI2re2；SIre3、NDSIre3、SI1re3、SI2re3、SAVIre2、SAVIre3）與所對應的傳統光譜指數相比相關性明顯變弱，且紅邊3波段光譜指數（SIre3、NDSIre3、SI1re3、SI2re3、SAVIre3）與土壤電導率相關性更低，對土壤電導率的預測能力較差。分析以上擴展前后的光譜指數與電導率相關關系變化原因，紅邊波段對植被生長狀態及植被鹽分脅迫監測效果顯著。當引入Sentinel2A影像的3個紅邊波段，紅邊1波段（B5）因波長位置更靠近紅波段，具有更多紅光特性，且信息量大，與土壤電導率相關性高于紅波段（B4），該波段對土壤鹽分的波譜響應更敏感。這一結果并非偶然，Fernández-Manso等［18］嘗試用紅邊波段擴展植被指數NDVI時也得到了類似結論。與此同時，近紅外窄波段（B8a）的參與進一步提高了土壤鹽分光譜指數與土壤電導率的響應關系，主要是由于土壤的光譜特性在窄波段更容易體現。然而由于紅邊2、紅邊3波長與近紅外波段更靠近，表現出紅光光譜特征減弱，近紅外特性增強，再替換原紅光波段構建鹽分指數，將失去原指數的意義，無法對鹽分信息更有效表達。此外，Sentinel2A影像各波段對土壤電導率的光譜響應差異明顯，其中綠（B3）、紅（B4）、紅邊1（B5）、紅邊2（B6）、短波紅外1（B11）、短波紅外1（B12）波段顯著相關，可作為土壤鹽分反演的特征譜段參與建模。短波紅外波段B11（1 600 nm）相關性最大（0.756），主要是由于土壤鹽分的遷移和累積與土壤水分關系密切，而對水分響應敏感的短波紅外波段能夠很好地預測土壤鹽分。

2.2? 電導率與光譜指數的PLSR建模與檢驗

由上述分析可知，研究區土壤電導率與部分光譜指數及波段存在較好的響應關系。考慮到不同指數對土壤鹽分的反演適用性不同，單一變量對光譜信息的利用也不足，采用多指標相結合的方法可以有效提高土壤鹽漬化反演精度。為進一步研究Sentinel2A影像對土壤鹽漬化的定量表達能力，該研究以土壤電導率（EC）為因變量，以擴展后正負相關性更優的各類光譜指數（NDSIre1n、SIre1、SI1re1、SI2re1、SAVIre1n）和極顯著相關波段（B3、B4、B5、B6、B11、B12）為自變量，利用SIMCA-P11.0軟件進行偏最小二乘回歸建模；采用交叉有效性判別方法，最終確定提取3個主成分的偏最小二乘回歸模型，模型回歸系數見圖2。

從圖2可以看出，各變量的回歸系數差異各不相同，反映了不同的光譜指數在土壤電導率PLSR反演模型中的權重差異明顯，其中SWIR1波段（B11）、鹽分指數SI2re1、綠波段（B3）、鹽分指數SIre1權重較大，在土壤鹽分的PLSR回歸模型中對鹽分的解釋能力較強。其余光譜指數回歸系數較小，對土壤鹽分解釋能力較弱。

采用土壤電導率PLSR模型對樣本土壤電導率進行預測，結果如圖3所示，模型預測值與實測值呈現較好的線性關系。大部分樣本粗略分布在1∶1線的兩側，也有部分樣本偏離1∶1線，通過統計發現，在電導率低值端有略微高估的現象，在電導率高值端有低估的現象，主要是由于土壤鹽分的空間變異較大，而影像像元值反映的是覆蓋范圍內光譜特征的平均化水平，使得對單一像元鹽分的反演起到了平滑的作用。但從整體來看，該模型的檢驗樣本R2為0.78，RMSE為6.03；建模樣本預測值與實測值R2達到0.77，RMSE為9.13；預測值與實測值相關性高，擬合精度高于Bouaziz等［19］利用 MODIS 數據和多元線性回歸建模精度（R2=0.40），及 Fourati等［12］利用 Landsat 8 OLI 數據和 PLSR 建模精度（R2=0.58），建模效果良好，說明基于Sentinel2A影像的土壤電導率PLSR反演土壤鹽漬化可行。

2.3? 土壤鹽漬化信息提取

土壤學研究結果表明，土壤電導率與土壤含鹽量顯著線性相關，一般可用電導率EC1∶5數值代替土壤含鹽量進行分析［20-22］。按照聯合國糧農組織（FAO）土壤鹽漬化分類系統［20］，依據實測電導率將土壤鹽漬化分為5個等級：EC1∶5≥16 dS/m 為極重度鹽漬化，8 dS/m≤EC1∶5<16 dS/m為重度鹽漬化，4 dS/m≤EC1∶5<8 dS/m為中度鹽漬化，2 dS/m≤EC1∶5<4 dS/m為輕度鹽漬化，EC1∶5<2 dS/m為非鹽漬化。基于構建好的偏最小二乘回歸模型，結合Sentinel2A各波段反射率數據及光譜指數，實現渭庫綠洲各等級土壤鹽漬化分類圖（圖4）。

統計分類結果可知，研究區中非鹽漬化、輕度鹽漬化、中度鹽漬化、重度鹽漬化及極重度鹽漬化面積分別占總分類面積的49.74%、21.37%、22.56%、4.62%、1.71%。渭庫綠洲的土壤鹽分總體含量較高，梯度明顯，受鹽漬化影響面積較大，占總研究面積的50.26%。其中，中度鹽漬化面積最大，輕度鹽漬化面積次之，極重度鹽漬化面積最小。從空間分布（圖4）來看，非鹽漬化區域主要集中在植被覆蓋區，近年來渭庫綠洲農業發展迅速，前期鹽漬化土地整治力度較大以及灌溉和排水技術的改善，使得綠洲面積明顯擴大，已向南延伸至塔里木河北岸。自綠洲內部向綠洲外圍土壤鹽分含量增加，鹽漬化程度由非鹽漬化向輕度—中度—重度過渡。輕度鹽漬化主要分布在綠洲邊緣，是綠洲與較重鹽漬化土地的過渡區域，也是農業區發展規劃的重要后備耕地資源。可以看出綠洲西部、南部輕度鹽漬土分布較多，可作為今后綠洲發展的主要方向。而綠洲東部、東南及西南方向有重度及極重度鹽漬土分布，土壤鹽漬化程度較高，且緊挨綠洲區域，不利于綠洲擴張，也是今后需重點治理和防治的主要區域。

3? 結論與討論

（1）該研究嘗試使用Sentinel2A影像光譜指數用于土壤鹽漬化程度的遙感監測。在5種傳統反演土壤鹽分的光譜指數基礎上，引入Sentinel2A影像獨有的3個紅邊波段及近紅外窄波段進行擴展，發現紅邊1波段及近紅外窄波段參與擴展后的光譜指數（NDSIre1、SIre1、SI1re1、SI2re1、SAVIre1、NDSIre1n、NDSIn、SAVIre1n、SAVIn）與土壤電導率的相關性優于所對應的原傳統土壤鹽分光譜指數（NDSI、SI、SI1、SI2、SAVI），能夠更好地探測土壤鹽分的變化；而用紅邊2及紅邊3波段擴展的指數對鹽漬化信息表達較差。另一方面，Sentinel2A影像各波段光譜特征分析表明，短波紅外波段（B11、B12）、綠（B3）、紅（B4）、紅邊1（B5）、紅邊2（B6）波段與土壤電導率具有較好的相關性，可作為土壤鹽分反演的特征譜段參與建模。

（2）選取最優光譜指數及顯著相關波段，結合實測電導率，采用PLSR方法建立Sentinel2A鹽漬化信息反演模型，對渭庫綠洲土壤鹽漬化水平進行評估與制圖。模型反演值與實測值呈現較好的線性關系，驗證集R2為0.78，RMSE為6.03，對土壤鹽分含量具有較好的反演效果。

（3）基于光譜指數建模反演得到的研究區土壤電導率空間分布結果表明，渭庫綠洲土壤鹽分含量整體較高，受鹽漬化影響面積較大。其中，中度鹽漬化面積最大，輕度鹽漬化面積次之，極重度鹽漬化面積最小。自綠洲內部向綠洲外圍鹽漬化程度由非鹽漬化向輕度—中度—重度過渡，土壤鹽分含量增加。綠洲西部、南部輕度鹽漬土分布較多，而綠洲東部、東南及西南方向有重度及極重度鹽漬土分布，土壤鹽漬化程度較高，是今后亟待治理主要區域。該研究對渭庫綠洲鹽漬土的信息快速提取及其防治具有重要的實際意義。

參考文獻

［1］METTERNICHT G，ZINCK J A.Remote sensing of soil salinization：Impact on land management［M］.Boca Raton：CRC Press，2008.

［2］譚軍利，康躍虎，焦艷平，等.滴灌條件下種植年限對大田土壤鹽分及 pH 值的影響［J］.農業工程學報，2009，25（9）：43-50.

［3］丁建麗，伍漫春，劉海霞，等.基于綜合高光譜指數的區域土壤鹽漬化監測研究［J］.光譜學與光譜分析，2012，32（7）：1918-1922.

［4］KHAN N M，RASTOSKUEV V V，SHALINA E V，et al.Mapping salt-affected soils using remote sensing indicators-a simple approach with the use of GIS IDRISI［C］∥22nd Asian conference on remote sensing.Singapore：National University of Singapore，2001：9.

［5］DOUAOUI A E K，NICOLAS H，WALTER C.Detecting salinity hazards within a semiarid context by means of combining soil and remote-sensing data［J］.Geoderma，2006，134（1/2）：217-230.

［6］ABBAS A，KHAN S.Using remote sensing technology for appraisal of irrigated soil salinity［C］∥OXLEY L，KULASIRI D.Proceedings of the international congress on modelling and simulation（MODSIM’07）.Brighton，UK：Modelling and Simulation Society of Australia and New Zealand，2007：2632-2638.

［7］ALLBED A，KUMAR L，ALDAKHEEL Y Y.Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries：Applications in a date palm dominated region［J］.Geoderma，2014，230/231：1-8.

［8］歐洲航天局網站：the ESA Sentinels Scientific Data Hub［DB/OL］.［2022-05-25］.https：//scihub.copernicus.eu/.

［9］BAILLARIN S J，MEYGRET A，DECHOZ C，et al.Sentinel-2 level 1 products and image processing performances［C］∥2012 IEEE international geoscience and remote sensing symposium.Munich：IEEE，2012：7003-7006.

［10］LAO M T，PLAZA B M，JIMNEZ S.Impact of salt stress on micronutrients in Cordyline fruticosa var.‘Red Edge’［J］.Journal of plant nutrition，2013，36（6）：990-1000.

［11］王雪梅，柴仲平，塔西甫拉提·特依拜.渭干河—庫車河三角洲綠洲土壤鹽分對植被分布格局的影響［J］.干旱地區農業研究，2011，29（1）：219-223.

［12］FOURATI H T，BOUAZIZ M，BENZINA M，et al.Modeling of soil salinity within a semi-arid region using spectral analysis［J］.Arabian journal of geosciences，2015，8（12）：11175-11182.

［13］AZABDAFTARI A，SUNAR F.Soil salinity mapping using multitemporal landsat data［C］∥International archives of the photogrammetry，remote sensing and spatial information sciences.Prague，Czech Republic：ISPRS Congress，2016：3-9.

［14］曹雷，丁建麗，玉米提·哈力克，等.基于國產高分一號衛星數據的區域土壤鹽漬化信息提取與建模［J］.土壤學報，2016，53（6）：1399-1409.

［15］李微，李媛媛，田彥，等.基于包絡線法的濱海灘涂PLSR鹽分模型研究［J］.海洋科學進展，2014，32（4）：501-507.

［16］彭杰，劉煥軍，史舟，等.鹽漬化土壤光譜特征的區域異質性及鹽分反演［J］.農業工程學報，2014，30（17）：167-174.

［17］王惠文.偏最小二乘回歸方法及其應用［M］.北京：國防工業出版社，1999：1-3，78-82.

［18］FERNNDEZ-MANSO A，FERNNDEZ-MANSO O，QUINTANO C.SENTINEL-2A red-edge spectral indices suitability for discriminating burn severity［J］.International journal of applied earth observation and geoinformation，2016，50：170-175.

［19］BOUAZIZ M，MATSCHULLAT J，GLOAGUEN R.Improved remote sensing detection of soil salinity? from a semi-arid climate in Northeast Brazil［J］.Comptes rendus geoscience，2011，343（11/12）：795-803.

［20］ABROL I P，YADAV J S P，MASSOUD F I.Salt-affected soils and their management［M］.Rome：FAO Soils Bulletin，1988.

［21］吳亞坤，楊勁松，楊曉英，等.基于EM38 的封丘縣土壤鹽漬化調查研究［J］.干旱地區農業研究，2008，26（5）：129-133.

［22］姚遠，丁建麗，雷磊，等.干濕季節下基于遙感和電磁感應技術的塔里木盆地北緣綠洲土壤鹽分的空間變異性［J］.生態學報，2013，33（17）：5308-5319.