种植7种牧草对北疆盐碱地土壤改良效果的评价

杜艺; 张玉林; 张志浩; 李向义; 李磊; 柴旭田; 曾凡江

doi:10.11829/j.issn.1001-0629.2022-0625

种植7种牧草对北疆盐碱地土壤改良效果的评价

杜艺^1,2,3,4,
张玉林^2,3,4,5,
张志浩^1,2,3,
李向义^1,2,3,
李磊^1,2,3,
柴旭田^1,2,3,4,
曾凡江^1,2,3,4,5

1.
中国科学院新疆生态与地理研究所 / 新疆荒漠植物根系生态与植被修复重点实验室, 新疆乌鲁木齐 830011
2.
中国科学院新疆生态与地理研究所 / 荒漠与绿洲生态国家重点实验室, 新疆乌鲁木齐 830011
3.
新疆策勒荒漠草地生态系统国家野外科学观测研究站, 新疆策勒 848300
4.
中国科学院大学, 北京 100049
5.
新疆大学生态与环境学院, 新疆乌鲁木齐 830046

基金项目: 新疆维吾尔自治区自然科学基金(2021D01D02)

摘要: 荒漠土地盐碱化已成为荒漠绿洲可持续发展的限制性因素。本研究于2021年5月10日在新疆北部野马繁殖研究中心种植稗草(Echinochloa crusgalli)、燕麦(Avena sativa)、苏丹草(Sorghum sudanense)、高丹草(Sorghum bicolor × S. sudanense)、墨西哥玉米草(Purus frumentum)、健宝(S. bicolor ‘Jumbo’)和甜高粱(S. dochna)改良盐碱地，分别于2021年7月14日(第60 天刈割)、2021年8月3日(第80 天刈割)和2021年8月24日(第100 天刈割)采收所有地上植物和并采集土壤样品测定分析，评价7种禾本科植物对土壤盐渍化的改良效果。结果表明，随着刈割时间的延长，稗草、燕麦、高丹草、墨西哥玉米草和甜高粱饲草的钾离子和钠离子含量无显著差异(P > 0.05)。稗草的钙离子含量呈增加趋势，氯离子含量呈下降趋势；燕麦的硫酸根离子和镁离子含量呈下降趋势；苏丹草的钾离子含量呈显著先下降后增加趋势(P < 0.05)，氯离子和镁离子含量呈下降趋势；高丹草的钙离子含量呈显著先下降后增加趋势(P < 0.05)，硫酸根离子含量呈显著下降趋势；墨西哥玉米草的镁离子含量在第80 天刈割显著最低；健宝的镁离子含量呈显著下降后增加趋势(P < 0.05)；甜高粱的钙离子含量呈下降趋势。除墨西哥玉米草外，其他6种饲草土壤的氯离子、钠离子和硫酸根离子含量呈下降趋势。稗草、燕麦、健宝和高丹草土壤的碳酸氢根离子含量呈增加趋势，甜高粱土壤碳酸氢根离子含量呈先增加后下降趋势，苏丹草和墨西哥玉米草土壤的碳酸氢根离子含量没有显著差异(P > 0.05)。7种禾本科饲草离子含量的盐碱地改良效果排序为稗草 > 高丹草 > 燕麦 > 健宝 > 苏丹草 > 墨西哥玉米草 > 甜高粱；7种禾本科饲草土壤离子含量的盐碱地改良效果排序为健宝 > 高丹草 > 墨西哥玉米草 > 甜高粱 > 稗草 > 燕麦 > 苏丹草。综合考虑，健宝和高丹草适宜作为北疆风沙区盐碱地土壤改良的禾本科饲草。

关键词:

English

Soil improvement effect of planting seven gramineous plants in saline-alkali soil in the northern Xinjiang

DU Yi^1,2,3,4,
ZHANG Yulin^2,3,4,5,
ZHANG Zhihao^1,2,3,
LI Xiangyi^1,2,3,
LI Lei^1,2,3,
CHAI Xutian^1,2,3,4,
ZENG Fanjiang^1,2,3,4,5

1.
Xinjiang Desert Plant Roots Ecology and Vegetation Restoration Laboratory / Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, Xinjiang, China
2.
State Key Laboratory of Desert and Oasis Ecology / Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, Xinjiang, China
3.
Cele National Station of Observation and Research for Desert-Grassland Ecosystem, Cele 848300, Xinjiang, China
4.
University of Chinese Academy of Sciences, Beijing 100049, China
5.
College of Ecology and Environment, Xinjiang University, Urumqi 830046, Xinjiang, China

Received Date: 2022-08-07
Accepted Date: 2022-12-26
Available Online: 2023-04-20
Publish Date: 2023-05-14

Abstract: Desert soil salinization restricts the sustainable development of the desert oasis. In this study, we evaluated whether the plantation of seven gramineous plants in a desert oasis improved soil salinization. Echinochloa crusgalli, Avena sativa, Sorghum sudanense, S. hybrid sudangrass, Purus frumentum, S. bicolor ‘Jumbo’, and S. dochna were planted on May 10, 2021. The aboveground plants and soil samples were collected on July 14, August 3 and August 24, 2021 (60, 80, and 100 days after seed sowing, respectively) for analysis. The results revealed no significant difference in the potassium ion and sodium ion contents in the forage grass of E. crusgalli, A. sativa, Sorghum bicolor × S. sudanense, P. frumentum, and S. dochna (P > 0.05). The calcium ion content in forage grass of E. crusgalli showed an increasing trend, whereas the chloride ion content showed a decreasing trend; the contents of sulfate ions and magnesium ions of forage grass of A. sativa showed a downward trend, the potassium ion content in forage grass of S. sudanense decreased first and then increased (P < 0.05), and the chloride ion and magnesium ion contents decreased. The calcium ion content in the forage grass of S. hybrid sudangrass first decreased and then increased (P < 0.05), whereas sulfate ion content significantly decreased. The magnesium ion content of forage grass of P. frumentum was the lowest at 80 days after seed sowing (P < 0.05). The magnesium ion content of the forage grass of S. bicolor ‘Jumbo’ decreased significantly and then increased, and the calcium ion content of the forage grass of S. dochna decreased. Except for P. frumentum, the chloride ion, sodium ion, and sulfate ion content in the soil of six forage species decreased. The bicarbonate ion content in the soil of E. crusgalli, A. sativa, S. bicolor ‘Jumbo’, and Sorghum bicolor × S. sudanense increased, and that in the soil of S. dochna first increased and then decreased. There was no significant difference in the bicarbonate ion content of soil between S. sudanense and P. frumentum (P > 0.05). The order of improvement effect in the ion contents in the forage grass of seven gramineae plants was E. crusgalli > Sorghum bicolor × S. sudanense > A. sativa > S. bicolor ‘Jumbo’ > S. sudanense > P. frumentum > S. dochna. The order of improvement effect in the soil ion content was S. bicolor ‘Jumbo’ > Sorghum bicolor × S. sudanense > P. frumentum > S. dochna > E. crusgalli > A. sativa > S. sudanense. When combined, S. bicolor ‘Jumbo’ and S. hybrid sudangrass were suitable as gramineous forage for soil improvement in saline-alkali soil in the northern Xinjiang.

Keywords:

HTML全文

草地资源具有重要的经济价值和生态功能，在畜牧业发展、生物多样性保护、缓解全球气候变化等方面起着至关重要的作用^[1-4]。青藏高原的高寒天然草地受人类干扰和气候变化的影响较大。近年来，供水不足、过度放牧、草地利用率低下等原因导致高寒草地出现了不同程度退化现象^[5]。灌丛化的加重，导致牧草生产减少，草地生态系统逐步遭到破坏。因此，利用遥感技术进行大面积、及时有效地评估草地地上生物量(aboveground biomass, AGB)，对高寒草地及青藏高原生境质量的保护具有重要现实意义。

目前，光学遥感数据已被广泛用于基于统计模型的生物量估算^[6-7]。但光学影像易受云雾影响，使得传感器无法准确获取地物信息，且在中度或高度的植被密度中存在过饱和问题^[8]。相较于光学传感器，合成孔径雷达(synthetic aperture radar, SAR)波长较长，不受云雾影响，对地表植被有一定的穿透性，能较为准确地获取植被的结构信息。因此，SAR数据逐渐成为草地生物量研究中的重要数据源^[9]。Moreau和Toan^[10]发现C波段雷达数据 ERS-SAR的后向散射系数对植被生物量很敏感，并与草地生物量之间建立对数统计回归模型，反演了安第斯湿地牧草生物量。Santos等^[11]使用P波段多极化AirSAR数据，采用指数模型和多项式模型成功反演了巴西亚马逊河流域热带雨林的主生林和次生林植被生物量。随着遥感技术和研究方法的发展，有效地结合光学数据和微波数据的优势，利用经验模型、多元线性回归等方法反演植被生物量已成为一种研究趋势。同时，高空间分辨率的SAR和多光谱数据为提升AGB反演精度提供了更多可能性，如欧空局( https://www.esa.int/)哨兵系列卫星数据，其中Sentinel-1为SAR数据，Sentinel-2为多光谱数据，两者分辨率可增强到10 m，适用于AGB的估算^[12]。潘磊等^[13]结合Sentinel-1与Sentinel-2数据，以福建省三明市将乐国有林场为研究区，利用多元线性逐步回归方法，探索联合Sentinel-1与Sentinel-2在估算森林AGB方面的优势，其调整决定系数(R²_adj)达到了0.575，相较于仅使用Sentinel-2数据提升了0.064。而Chang和Shoshany ^[14]结合Sentinel-2 NDVI及Sentinel-1 VH极化的后向散射系数建立的半经验物理模型，联合估算了地中海灌木林AGB，融合模型的决定系数(R²)达到了0.866，也取得了很好的反演精度。综上，基于仅使用光学数据或微波数据估算草地AGB已有大量研究，但多模态数据和相应特征参数的选择对草地AGB反演建模仍有发展空间，另外关于草地AGB估算的研究方法多种多样，但旨在对比分析不同模型反演精度和区别的研究较少。

因此，本研究以红原县为研究区，联合Sentinel-2数据、Sentinel-1数据，利用多元线性回归、半经验物理模型等方式建立草地AGB遥感反演模型，用留一交叉验证法对反演精度进行评价，最终得到了红原县草地AGB，实现了红原县草地AGB的数字制图，以期为优化AGB遥感反演模型、青藏高原地区的草地保护与生态建设等提供科学依据和技术支持。

1. 材料与方法

1.1 研究区概况

红原县地处四川省西北部、阿坝藏族羌族自治州的中部，位于101°51′～103°22′ E， 31°51′～33°33′ N，属青藏高原的东南缘。年平均气温为1.1 ℃，无明显季节变化。境内平均海拔3 500 m左右，红原县地势由东南向西北倾斜，地貌由山原向丘状高原过渡，小盆地分布广泛。红原以寒草地和亚高山草地为主，境内天然草地面积达77.6 × 10⁴ hm²，占县境总面积的92.97%，属纯牧业县^[15]。

1.2 数据来源及预处理

1.2.1 样本采集与处理

野外数据采集时间为2021年8月。共设置了10个样区(图1)，样区的大小为1 000 m × 1 000 m，每个样区内设置3～5个样点。由于样区内草种类型较多，且空间分布不均匀，在一个样点(10 m × 10 m)大小范围内按等边三角形布设3个0.5 m × 0.5 m的样方。实测时使用GPS记录3个样方中心(等边三角形中心)坐标，并记录实测点位海拔、土壤类型和质地、草样本的株高等参数。草地AGB的获取方法：在设定样方内齐地刈割，并现场记录其鲜重，返回实验室后用烘箱烘干至恒重，并记录干草重，最后求取3个样方干草重量的平均值作为该样点的生物量。本次在10个样区内共设定132个样方，采集草地AGB样本共44个，剔除数据处理过程中造成AGB损失的数据，确定样本数据40个。从每个样区均选取2～4个样点(共30个样点)用于构建反演模型，其余10个样点用于模型精度检验。

图 1 研究区位置及样区示意图

Figure 1. Location of the study area and schematic diagram of the sample area

下载: 全尺寸图片幻灯片

1.2.2 遥感数据预处理

Sentinel-2数据获取及预处理。Sentinel-2影像为光学影像，受云层干扰较大。本研究以红原试验区域同一时期4景云量较少的Sentinel-2影像(云量 < 10%)为研究数据，数据来源于美国USGS网站( https://earthexplorer.usgs.gov/)。使用欧洲空间局SNAP 8.0对L2A级数据(已经过大气校正)进行超级分辨率增强，将影像分辨率增强至10 m，然后导入ENVI 5.3进行镶嵌、裁剪等操作。处理完成后，使用B12、B8A、B2波段合成显示，结果如图2(a)所示，从波段合成图可看出研究区内无大片云雾遮挡，色彩对比明显，数据质量较高。

Sentinel-1数据获取及预处理。Sentinel-1 卫星由两颗极轨卫星A星和B星组成，搭载有C波段的合成孔径雷达(SAR)，其空间分辨率为10 m × 10 m，包含VH和VV两种极化方式。为了减少由天气因素、Sentinel-2与Sentinel-1过境时间不同而引起的误差，选阿拉斯加数据中心( https://search.asf.alaska.edu/)提供的与Sentinel-2同日过境的Sentinel-1 GRD产品为研究数据，该影像覆盖了整个研究区，并用SNAP 8.0对GRD数据进行预处理和信息提取。将提取的VV、VH极化的C波段数据导入ENVI 5.3进行裁剪，并交叉合成显示，结果如图2(b)所示。

图 2 Sentinel 影像预处理结果

Figure 2. Results of Sentinel image pre-processing

下载: 全尺寸图片幻灯片

植被指数和叶面积指数。植被指数(vegetation index，VI)能反映植被生长和覆盖状况，可作为植被覆盖及变化监测的标志^[8]，能从宏观上快速准确地分析草地生长状况。本研究从Sentinel-2A影像中获取了5个植被指数(表1)。草地AGB与植被指数之间有着良好的正相关关系^[16]。因此，可用这5个植被指数与实测样本相结合，构建AGB估算模型。

叶面积指数(leaf area index，LAI)是监测植被生长状况和预测产量的重要变量，也常被用于全球空间尺度的作物生长监测、作物病虫害监测和产量估算等^[17]。针对Sentinel-2影像，SNAP 8.0提供了特定的模块来获取叶面积指数，步骤如下：先将影像重采样到10 m；再使用SNAP 8.0内置的生物物理处理器导出LAI。这个生物物理过程使用了Sentinel-2影像的8个波段(B3、B4、B5、B6、B7、B8A、B11、B12)并考虑了太阳天顶角、方位角等参数。SNAP反演的LAI和实测的LAI总体一致，表明可用于大规模的植被监测^[18-19]。

表 1 Sentinel-2植被指数及计算公式

Table 1. Sentinel-2 vegetation index and calculation formula

变量名称 Name of variable	属性 Attributes	计算公式 Calculation formula
$ {\rm{NDVI}} $	归一化植被指数 Normalized difference vegetation index	$NDVI = \dfrac{{\left ( {NIR - RED} \right)}}{{\left ( {NIR + RED} \right)}}$
$ {\rm{DVI}} $	差值植被指数 Difference vegetation index	$ DVI = NIR - RED $
$ {\rm{RVI}} $	比值植被指数 Relative vegetation index	$ RVI = \dfrac{{NIR}}{{RED}} $
$ {\rm{EVI}} $	增强型植被指数 Enhanced vegetation index	$ EVI = 2.5 \times \dfrac{{NIR - RED}}{{NIR + 6.0 \times RED - 7.5 \times BLUE + 1}} $
$ {\rm{GNDVI}} $	绿度植被指数 Green normalized difference vegetation index	$ GNDVI = \dfrac{{(NIR - GREEN)}}{{(NIR + GREEN)}} $
NIR代表Sentinel-2影像的B8 (近红外)波段，RED代表B4 (红)波段，BLUE代表B2 (蓝)波段，GREEN代表B3 (绿)波段。　NIR represents the B8 (Near Infrared) band of Sentinel-2 imagery; RED represents the B4 (Red) band; BLUE represents the B2 (Blue) band; GREEN represents the B3 (Green) band.

下载: 导出CSV

| 显示表格

1.3 研究方法

1.3.1 回归分析

回归分析(regression analysis)是生物量遥感估测中使用较广泛的分析方法，能够表现两个(多个)相关变量间的定量关系。其中多元线性回归模型(复线性回归模型)通常用于研究一个因变量与多个自变量的函数关系。其数学表达式为：

$$ Y = {a_0} + {a_1}{X_1} + {a_2}{X_2} + \cdots + {a_n}{X_n} + C 。 $$

(1)

式中：Y是因变量(生物量的值)，a₀是常数项，X是自变量(遥感影像因子)，X₁,…, X_n是随机的变量，a₁,…, a_n为回归系数，C为误差项。

逐步回归的基本方法是将变量逐一引入模型，并对引入变量计算偏回归平方和，经检验后剔除不显著的自变量，从而建立最优的多元线性回归模型^[20]。

1.3.2 半经验物理模型构建

半经验物理模型综合了经验统计模型和物理模型的优点。模型所用的参数既有经验参数，又具有一定的物理意义，且模型表达也较为简洁。在宏观上，草地的分布较为密集，植被覆盖度高。相较于Chang和Shoshany ^[14]研究的灌木，红原县草地植被更浅，8月份草层高度大部分介于0.15～0.45 m。因此，利用Sentinel-1影像C波段能穿透草层到达地表的特点，便能获取草层的结构信息。但草地上植被覆盖度(fractional vegetation cover, FVC)的空间差异不大，故在灌木AGB估算模型中调整FVC参数为LAI，构建了如下模型：

$$ AGB = f (S2) \times sqrt[ 1 + f (S1) \times LAI \times e] 。 $$

(2)

式中：AGB为预测草地AGB，f (S2)为根据Sentinel-2影像构建的草地AGB模型，f (S1)为根据Sentinel-1影像构建的体积回归函数，LAI为叶面积指数，e为系数。

1.3.3 精度评价

用均方根误差(root mean squared error，RMSE)、平均相对误差(mean relative error， MRE)和决定系数(R²)来评价反演预测值与实测值之间的精度和可信度。

$$ RMSE = \sqrt {\dfrac{{\displaystyle\sum\limits_{i = 1}^n {{{\left ( {{Y_i} - Y_i'} \right)}^2}} }}{{N - 1}}} \text{；} $$

(3)

$$ MRE = \dfrac{{\displaystyle\sum\limits_{i = 1}^n {\dfrac{{\left| {{Y_i} - Y_i'} \right|}}{{{Y_i}}}} }}{N} \text{；} $$

(4)

$$ {R^2} = 1 - \dfrac{{\displaystyle\sum\limits_{i = 1}^n {{{\left ( {{Y_i} - Y_i'} \right)}^2}} }}{{\displaystyle\sum\limits_{i = 1}^n {{{\left ( {{Y_i} - \overline {{Y_i}} } \right)}^2}} }} 。 $$

(5)

式中：Y_i、Y_i′分别为实测值、反演值，n为样本数量，Ｎ为预留样本数。R²反映反演值与实测AGB之间的拟合程度，当R²越趋近1，表示反演AGB与实测AGB相关性越好。

2. 结果与分析

2.1 草地地上生物量的模型构建

线性回归模型。经试验发现，研究区内，Sentinel-1 VH dB值与AGB之间的相关性优于VV dB值与AGB之间的相关性，于是采用VH dB值构建模型(表2)；将Sentinel-2影像与采样点位置相结合，提取出对应位置的NDVI、DVI、RVI、EVI、GNDVI，并结合实测生物量，采用最小二乘回归的方法分别构建红原县草地AGB与上述各个植被指数之间的线性模型(表2)。

表 2 回归模型建模精度

Table 2. Modeling accuracy of the regression model

类型 Type	模型名称 Name of model	模型 Model	决定系数 R²	均方根误差(RMSE) Root mean squared error/(g·m⁻²)	平均相对误差(MRE) Mean relative error/%
单一指标 Single indicator	AGB_NDVI	y = −1 456.80 + 2 130.80x	0.54	61.48	16.14
	AGB_DVI	y = −167.01 + 1 525.70x	0.33	74.11	20.01
	AGB_RVI	y = 138.61 + 19.645x	0.61	56.33	14.46
	AGB_EVI	y = −280.20 + 1 021.20x	0.44	67.26	17.70
	AGB_GNDVI	y = −922.91 + 1 800.00x	0.58	58.30	15.37
	AGB_LAI	y = −82.07 + 147.68x	0.54	61.51	16.11
	AGB_VHdB	y = −628.47 − 51.409x	0.44	68.54	16.91
多元回归 Multiple regression	AGB_Sentinel-2	y = −1 287.14 + 1 353.99NDVI− 6 207.69DVI −9.67RVI + 3 964.15EVI + 42.49GNDVI + 77.43LAI	0.74	46.36	11.96
多元回归 Multiple regression	AGB_Sentinel-1,2	y = −1 534.53 + 1 318.84NDVI − 3 980.34DVI − 4.26RVI + 2 520.66EVI − 126.58GNDVI + 53.21LAI − 28.26 ${\sigma }_{VH}^{0}dB$	0.83	36.99	9.35
逐步回归 Stepwise regression	AGB_Sentinel-2	y = 138.61 + 19.65RVI	0.61	56.33	14.46
逐步回归 Stepwise regression	AGB_Sentinel-1,2	y = −487.96 + 15.97RVI − 34.68 ${\sigma }_{VH}^{0}dB$	0.78	42.21	10.62
AGB_NDVI：基于归一化植被指数的地上生物量估算模型；AGB_DVI：基于差值植被指数的地上生物量估算模型；AGB_RVI：基于比值植被指数的地上生物量估算模型；AGB_EVI：基于增强型植被指数的地上生物量估算模型；AGB_GNDVI：基于绿色归一化植被指数的地上生物量估算模型；AGB_LAI：基于叶面积指数的地上生物量估算模型；AGB_VHdB：基于Sentinel-1 VH dB的地上生物量估算模型；AGB_Sentinel-2：基于Sentinel-2影像的地上生物量估算模型；AGB_Sentinel-1,2：基于Sentinel-1和Sentinel-2影像的地上生物量估算模型。　 AGB_NDVI: aboveground biomass model based on normalized difference vegetation index; AGB_DVI: aboveground biomass model based on difference vegetation index; AGB_RVI: aboveground biomass model based on relative vegetation index; AGB_EVI: aboveground biomass model based on enhanced vegetation index; AGB_GNDVI: aboveground biomass model based on green normalized difference vegetation index; AGB_LAI: aboveground biomass model based on leaf area index; AGB_VHdB: aboveground biomass model based on VH dB of sentinel-1 images; AGB_Sentinel-2: aboveground biomass model based on Sentinel-2 images; AGB_Sentinel-1,2: aboveground biomass model based on Sentinel-1 and Sentinel-2 images.

下载: 导出CSV

| 显示表格

结果显示，基于单一指标的线性回归模型中，NDVI、RVI、GNDVI以及LAI与生物量之间有较高的拟合性，其中，RVI模型的拟合性最高，决定系数R²达到0.61。多元回归模型中，用Sentinel-2影像提取的6个因子建立的多元线性回归六参数模型以及Sentinel-2影像提取的6个因子结合VH dB值建立的多元线性回归七参数模型，都有着较好的拟合精度，在加入VH dB值后，模型的R²提升了0.09，RMSE减小了9.37 g·m⁻²，MRE减小了21.82%。采用逐步回归保留了RVI和VH dB值两个参数，建立的模型相较于AGB_RVI模型，决定系数R²提升了0.17，RMSE减小了14.12 g·m⁻²，MRE减小了26.56%。

半经验物理模型。通过比较Sentinel-2影像的5个AGB估算模型，选取最佳的AGB_RVI模型，带入公式(2)，替换f (S2)参数，再将公式(5)带入公式(2)，替换参数f (S1)，便得到了一个包含5个系数[其中f (S2)含两个系数，f (S1)含两个系数，再加上系数e]的半经验物理模型，通过IDL 8.5程序设计平台，运用曲线拟合方式，以30个样本作为训练数据，解算出5个系数，分别为110.945、7.432 55、−21.071 6、−1.361 20、0.145 245,得到红原县草地AGB估算模型[公式(6)]。结果显示，基于Sentinel-2和Sentinel-1的半经验物理模型，R²达到0.77，RMSE为43.88 g·m⁻²，MRE为11.00%。

$$ \begin{split}&\;\\ AGB = &(7.432{\text{ }}55RVI + 110.945) \times sqrt [ 1 +\\ &( - 1{\text{.361 2}}\mathop \sigma \nolimits_{VH}^0 dB - 21{\text{.071 6)}}\; \times \\ &{\text{0}}{\text{.145 245}} \times {{LAI }}] 。 \end{split} $$

(6)

2.2 模型反演生物量精度验证

为验证模型精度，本研究选用剩余的10个样本作为验证数据，并以Sentinel-2多元回归六参数模型、Sentinel-2结合Sentinel-1多元回归七参数模型、Sentinel-2结合Sentinel-1逐步回归模型以及半经验物理模型4个较优草地AGB反演模型为代表，获取10个样本对应的草地AGB反演值，将其与实测数据进行对比分析，使用误差值与实测值的百分比大小来评价反演的精度。

在Sentinel-2建立的多元回归六参数模型中 (图3)，反演值与实测值之间的误差有7个点在实测值的10%以内，有两个点在10%～20%，有1个点在20%～30%，实测值与估测值对比分析结果的R²为0.644 8，RMSE为37.32 g·m⁻²，MRE为8.20%；以Sentinel-2结合Sentinel-1建立的多元线性回归七参数模型，有4个点在实测值的10%以内，有5个点在10%～20%，有1个点在20%～30%，实测值与估测值对比分析结果的R²为0.714 5，RMSE为38.99 g·m⁻²，MRE为9.93%；以Sentinel-2结合Sentinel-1逐步回归模型，模型的反演值与实测值之间的误差有7个点在实测值的10%以内，有3个点在10%～20%，实测值与估测值对比分析结果的R²为0.789 1，RMSE为33.49 g·m⁻²，MRE为8.11%；用Sentinel-2结合Sentinel-1建立的半经验物理模型，模型的反演值与实测值之间的误差有5个点在实测值的10%以内，有5个点在10%～20%，实测值与估测值对比分析结果的R²为0.821 4，RMSE为36.89 g·m⁻²，MRE为8.37%。

总体上，上述的4个模型总体精度均较好，在加入Sentinel-1的影响因子后，与只用Sentinel-2建立的多元回归六参数模型相比，Sentinel-1结合Sentinel-2多元回归七参数模型精度更高，可用于红原县地区草地AGB的估算，为草地生物量提供精确的评估和研究。

图 3 模型反演生物量结果精度验证

Figure 3. Accuracy validation of model retrieval biomass results

下载: 全尺寸图片幻灯片

2.3 试验区域草地反演地上生物量制图

根据上述研究结果，采用模型反演精度较高的Sentinel-2多元回归六参数模型、Sentinel-2结合Sentinel-1多元回归七参数模型、Sentinel-2结合Sentinel-1逐步回归模型以及半经验物理模型反演研究区8月份草地AGB (图4)。制图结果与草地实际分布状况一致，在红原县境内大部分区域均有草地的分布，尤其以中北部丘状高原最为典型。同时表现出明显的空间分布差异：沙化地、裸地、水体内草地AGB接近于0；东南山原草地AGB大部分低于100 g·m⁻²；4种模型反演的生物量制图结果整体一致，均能准确展现红原县草地AGB的空间分布及其差异。

图 4 试验区草地地上生物量制图

Figure 4. Aboveground biomass mapping of grassland in the experimental area

下载: 全尺寸图片幻灯片

3. 讨论

从红原县草地AGB反演结果可以看出，草地AGB较高值分布在中部和北部丘状高原地区，其原因在于该区域有优质的牧草基地，为保护草地，合理利用草地资源，当地实行草地围栏，将草地划分为冬夏两季牧场，极大程度上减小了放牧压力，有利于推进牧场畜牧业可持续发展。东南山原草地AGB较低，可能与东南山地海拔高差较大、地势较陡有关，不利于牧草的生长。另外，在适合草地生长但草地AGB较低的区域，建议合理确定载畜量，实行合理放牧，继续加强防沙治沙、灭鼠种草等草地保护措施，研究不同栽种模式的固沙效果，改善土壤有机质及土壤水分状况。通过人力保护措施，使草地能够继续发挥防风固沙、涵养水源、净化空气的作用，提高草地植被盖度和草地生产力，实现红原县草地生态修复和畜牧业可持续发展。

本研究与前人的研究都证明了多光谱数据在估算AGB方面有较强的应用潜力^[6-7]，但受遥感技术、数据质量和建模方法等的限制，AGB反演效果仍有提升空间。本研究中基于Sentinel-2多光谱数据单一指标的线性回归模型能较好地反演AGB，结合Sentinel-1与Sentinel-2特征参数的反演模型能进一步提升反演精度，但对于生物量较大的样点，仍存在预测草地AGB值小于实测草地AGB值的问题(图3)，可能是Sentinel-1影像的C波段对植被生长旺盛、植被覆盖度较大区域的穿透能力有限，不能较好地解决Sentinel-2多光谱影像反演生物量存在的过饱和问题。后续研究可以考虑使用波长更长的L波段或P波段来反演草地AGB。

经验模型不涉及机理过程^[21] ，与简单经验统计模型相比，半经验物理模型所需参数较多，但其以物理机理为依据，并结合区域特征性参数，能较好地反映区域实际情况。模型精度主要受自变量与因变量间相互关系的显著程度的影响。如本研究中仅根据实测的草地AGB参数与遥感影像特征参数构建的经验模型，按照误差最小的原则筛选出构建模型所需的显著相关性因子，从而得到较好的模型反演效果，这在前人的研究中有所体现^[22-23]。而半经验模型既具有一定的物理学意义，又通过引入经验系数改进模型假设的不足，进而提升模型效果^[24]。如Chang和Shoshany ^[14]提出的基于植被的生长形态形成的融合生物量模型(半经验物理模型)的准确率较传统的融合模型高14%左右。本研究也根据红原县的草地植被形态结构调整了Chang和Shoshany ^[14]构建的反演模型中的FVC参数，再结合草地植被的叶面积指数构建了半经验物理模型，从而达到和经验模型等同的效果，证明了半经验物理模型在草地AGB反演中的实用性。

目前采用的反演模型相对传统，建模的数据来源较单一，后续可以基于Lidar、SAR、多光谱影像等遥感数据，使用机器学习方法以多模态遥感信息融合方式进行建模，挖掘多模态数据在估测草地地上生物量的潜力。另外，青藏高原东缘多为丘状高原，区域内湿地较多，地形起伏、土壤水分对雷达影像后向散射系数的影响较大，今后可根据研究区的实际情况，将地形、土壤水分的影响因素加入模型，进一步细化草地地上及地下生物量的反演研究，这对红原县乃至整个青藏高原的草地生态质量监测及其固碳效应研究等都具有重要意义。

4. 结论

本研究以青藏高原东缘阿坝藏族自治州红原县为研究区，结合 Sentinel-1、Sentinel-2主被动遥感影像和实测样地数据，采用单一指标线性回归、多元线性回归、逐步回归及半经验物理模型方式建模，对红原县草地AGB的反演模型效果和空间分布进行研究。结果表明：Sentinel-2多光谱数据单一指标线性回归模型、Sentinel-2多光谱数据多元线性回归模型与草地AGB之间有较高的拟合性；结合Sentinel-1影响因子VH dB值建立的多元回归模型能进一步提高建模精度，多元线性回归模型的模型精度R²从0.74增加到了0.83；逐步回归模型R²达到了0.78，RMSE为42.21 g·m⁻²；半经验物理模型R²达到了0.77，RMSE为43.88 g·m⁻²，MRE为11.00%，总体效果较好，精度可靠，可用于红原县草地AGB的估算；草地AGB制图结果显示，红原县草地AGB在中部和北部丘状高原地区较高(300 g·m⁻²以上区域较多)，东南山原草地AGB较低(100 g·m⁻²以下区域较多)，沙化地、裸地、水体内生物量接近于0。

参考文献

[1]	WILLIAMS J, WALKER G R, HATTON T J. Dryland salinization: A challenge for land and water management in the Australian landscape. In HAYGARTH P M, JARVIS S C. Agriculture, Hydrology and Water Quality. Devon, UK: CABI. 2002: 458-473.
[2]	胡明芳, 田长彦, 赵振勇, 王林霞. 新疆盐碱地成因及改良措施研究进展. 西北农林科技大学学报(自然科学版), 2012, 40(10): 111-117. HU M F, TIAN C Y, ZHAO Z Y, WANG L X. Salinization causes and research progress of technologies improving saline-alkali soil in Xinjiang. Journal of Narthwest A & F University (Nature Science Edition), 2012, 40(10): 111-117.
[3]	郗金标, 张福锁, 毛达如, 田长彦, 宋玉民, 刘德玺. 新疆盐渍土分布与盐生植物资源. 土壤通报, 2005(3): 299-303. XI J B, ZHANG F S, MAO D R, TIAN C Y, SONG Y M, LIU D X. Saline-soil distribution and halophyte resources in Xinjiang. Chinese Journal of Soil Science, 2005(3): 299-303.
[4]	张芸芸, 张利, 董高权, 韩忠玲, 程勇翔, 马淼. 玛纳斯河流域绿洲内部盐渍化土壤年际动态变化. 中国农学通报, 2020, 36(19): 93-103. ZHANG Y Y, ZHANG L, DONG G Q, HAN Z J, CHENG Y X, MA M. Salinized soil in oasis of manas river basin: Interannual dynamic change. Chinese Agricultural Science Bulletin, 2020, 36(19): 93-103.
[5]	LI N, KANG Y H, LI X B, WAN S Q, XU J C. Effect of the micro-sprinkler irrigation method with treated effluent on soil physical and chemical properties in sea reclamation land. Agricultural Water Management, 2019, 213: 222-230. doi: 10.1016/j.agwat.2018.10.023
[6]	GUERRERO C, MORAL R, GOMEZ I, ZORNOZA R, ARCENEGUI V. Microbial biomass and activity of an agricultural soil amended with the solid phase of pig slurries. Bioresource Technology, 2007, 98(17): 3259-3264. doi: 10.1016/j.biortech.2006.07.015
[7]	QADIR M, OSTER J D. Crop and irrigation management strategies for saline-sodic soils and waters aimed at environmentally sustainable agriculture. Science of The Total Environment, 2004, 323(1): 1-19.
[8]	SHANNON M C. Adaptation of plants to salinity. Advances in Agronomy, 1997, 60: 75-120.
[9]	YOKOTA S. Relationship between salt tolerance and proline accumulation in Australian acacia species. Journal of Forest Research, 2003, 8(2): 89-93. doi: 10.1007/s103100300010
[10]	陈义群, 董元华. 土壤改良剂的研究与应用进展. 生态环境, 2008(3): 1282-1289. CHEN Y Q, DONG Y H. Progress of research and utilization of soil amendments. Ecology and Environment, 2008(3): 1282-1289.
[11]	张鹏辉, 侯宪东, 王健. 新疆地区盐碱地成因及治理措施. 现代农业科技, 2017(24): 178-180. doi: 10.3969/j.issn.1007-5739.2017.24.103 ZHANG P H, HOU X D, WANG J. Causes and amelioration measures of saline-alkali land in Xinjiang region. Modern Agricultural Science and Technology, 2017(24): 178-180. doi: 10.3969/j.issn.1007-5739.2017.24.103
[12]	罗廷彬, 任崴, 谢春虹. 新疆盐碱地生物改良的必要性与可行性. 干旱区研究, 2001, 18(1): 46-48. LUO T B, REN W, XIE C H. Necessity and feasibility of biotic improving the saline and alkali land in Xinjiang. Arid Zone Research, 2001, 18(1): 46-48.
[13]	张龙德. 新疆地区盐碱地的成因及治理措施. 黑龙江水利科技, 2012, 40(8): 193-194. doi: 10.3969/j.issn.1007-7596.2012.08.082 ZHANG L D. Causes and control measures of saline-alkali land in Xinjiang. Heilongjiang Hydraulic Science and Technology, 2012, 40(8): 193-194. doi: 10.3969/j.issn.1007-7596.2012.08.082
[14]	努尔拉·吾守尔, 努尔克力迪·吾守尔. 新疆阿克陶县灌区盐碱地特征分析. 地下水, 2016, 38(6): 33-34. Nurlan·Oxur, Nurkelidi·Oxur. Characteristic analysis of saline-alkali land in irrigation area of Aketao County, Xinjiang. Ground Water, 2016, 38(6): 33-34.
[15]	程卫东, 张利民. 北疆盐碱地常规棉简化栽培技术. 农业科技通讯, 2016(8): 218-219. CHENG W D, ZHANG L M. Simplified cultivation techniques of conventional cotton in saline-alkali soil of Northern Xinjiang. Bulletin of Agricultural Science and Technology, 2016(8): 218-219.
[16]	邵华伟, 孙九胜, 胡伟, 王新勇, 罗广华. 新疆盐碱地分布特点和成因及改良利用技术研究进展. 黑龙江农业科学, 2014(11): 160-164. SHAO H W, SUN J S, HU W, WANG X Y. LUO G H. Research progress on distribution characteristics, causes and improved utilization technology of saline-alkali land in Xinjiang. Heilongjiang Agricultural Sciences, 2014(11): 160-164.
[17]	胡文杰, 李跃进, 刘洪波, 张昊, 蒙荣, 芦永兴. 土默川平原土壤盐渍化与盐生植物分布及盐分离子特征的研究. 干旱区资源与环境, 2012, 26(4): 127-131. HU W J, LI Y J, LIU H B, ZHANG H, MENG R, LU Y X. Soil salinization, halophyte distribution and salt-ion properties in the area a round Hasuhai of Tumochuan plain. Journal of Arid Land Resources and Environment, 2012, 26(4): 127-131.
[18]	范连连, 李耀明, NATALIIA T, 马学喜, 马杰. 冷荒漠草本植物数量特征对不同水分输入和气象因子的响应. 干旱区研究, 2019, 36(1): 139-146. FAN L L, LI Y M, NATALIIA T, MA X X, MA J. Response of herbaceous plant quantity to different water input and meteorological factors in a cold desert. Arid Zone Research, 2019, 36(1): 139-146.
[19]	周斌, 栗红, 李小明. 植物样品中盐分离子的几种分析方法比较. 干旱区研究, 2000(3): 35-39. ZHOU B, LI H, LI X M. Comparison of analyse methods on salt contents of plant. Arid Zone Research, 2000(3): 35-39.
[20]	鲍士旦. 土壤农化分析(第三版). 北京: 中国农业出版社, 2000. BAO S D. Analysis of Soil and Agrochemistry (3 Edition). Beijing: China Agriculture Press, 2000.
[21]	陶向新. 模糊数学在农业科学中的初步应用. 沈阳农学院学报, 1982(2): 96-107. TAO X X. A Preliminary application of fuzzy mathematics in agricultural science. Journal of Shenyang Agricultural University, 1982(2): 96-107.
[22]	龚明. 作物抗性鉴定方法与指标及其综合评价. 云南农业大学学报, 1989, 4(1): 73-81. GONG M. Screening methods and indexes of drought resistance in crops and comprehensive evaluation. Journal of Yunnan Agricultural University, 1989, 4(1): 73-81.
[23]	赵文举, 马宏, 豆品鑫, 郁文. 不同覆盖模式下土壤返盐及水盐运移规律. 干旱地区农业研究, 2016, 34(5): 210-214. ZHAO W J, MA H, DOU P X, YU W. Soil resalinization and water-salt movement under different mulching modes. Agricultural Research in the Arid Areas, 2016, 34(5): 210-214.
[24]	MARTIN P K, KOEBBER R M D. Sodium and chloride ions contribute synergistically to salt toxicity in wheat. Biologia Plantarum, 1995, 37(2): 265-271. doi: 10.1007/BF02913224
[25]	NYSTRAND M I, OSTERHOLM P, YU C, ASTROM M. Distribution and speciation of metals phosphorus sulfate and organic material in brackish estuary water affected by acid sulfate soil. Applied Geochemistry, 2016, 66: 264-274. doi: 10.1016/j.apgeochem.2016.01.003
[26]	KINGSBURY R W, EPSTEIN E. Salt sensitivity in wheat a case for specific ion toxicity. Plant Physiology, 1986, 80(3): 651-654. doi: 10.1104/pp.80.3.651
[27]	KINRAIDE T B. Interactions among Ca²⁺, Na⁺ and K⁺ in salinity toxicity: Quantitative resolution of multiple toxicand ameliorative effects. Journal of Experimental Botany, 1999, 50: 1495-1505. doi: 10.1093/jxb/50.338.1495
[28]	赵宏亮, 倪细炉, 侯晖, 谢沁宓, 程昊. 长苞香蒲对人工盐碱湿地Na⁺和K⁺的吸收与转运特征. 广西植物, 2022, 42(7): 1150-1159. doi: 10.11931/guihaia.gxzw202110041 ZHAO H L, NI X L, HOU H, XIE Q M, CHENG H. Characteristics of Na⁺ and K⁺ absorption and transport of Typha angustata in artificial saline wetlands. Guihaia, 2022, 42(7): 1150-1159. doi: 10.11931/guihaia.gxzw202110041
[29]	张玉林, 陆永兴, 尹本丰, 李永刚, 周晓兵, 张元明. 模拟降雨变化对古尔班通古特沙漠土壤养分及酶活性的影响. 生态学报, 2022, 42(5): 1739-1749. ZHANG Y L, LU Y X, YIN B F, LI Y G, ZHOU X B, ZHANG Y M. Effects of simulated rain fall on soil nutrient contents and enzyme activies in the Gurbantungut Desert, China. Acta Ecologica Sinica, 2022, 42(5): 1739-1749.
[30]	孙黎, 刘士辉, 师向东, 肖敏, 汤照云, 朱红伟, 陈建中. 10种藜科盐生植物的抗盐生理生化特征. 干旱区研究, 2006(2): 309-313. SUN L, LIU S H, SHI X D, XIAO M, TANG Z Y, ZHU H W, CHEN J Z. Sail-tolerant physiological and biochemical properties of ten species of chenopodiaceae halophytes growing in deserts, Xinjiang. Arid Zone Research, 2006(2): 309-313.
[31]	弋良朋, 马健, 李彦. 荒漠盐生植物根际土壤盐分和养分特征. 生态学报, 2007(9): 3565-3571. doi: 10.3321/j.issn:1000-0933.2007.09.003 YI L P, MA J, LI Y. Sail salt and nutrient concentration in the rhizosphere of desert halophytes. Acta Ecologica Sinica, 2007(9): 3565-3571. doi: 10.3321/j.issn:1000-0933.2007.09.003
[32]	杜艺, 邢鹏飞, 贾镇宁, 王子量, 赵祥, 董宽虎. 北方农牧交错带赖草草地斑块的土壤化学计量特征对植物多样性的影响. 草地学报, 2020, 28(3): 808-814. DU Y, XING P F, JIA Z N, WANG Z L, ZHAO X, DONG K H. Effects of soil stoichiometry on vegetation diversity characteristics in the Leymus secalinus patch in the northern agro-pastoral ecotone. Acta Agrestia Sinica, 2020, 28(3): 808-814.
[33]	马俊逸, 赵成章, 苟芳珍, 李子琴, 任杰. 盐沼湿地植物的群落分类及其空间分布格局对土壤水盐的响应. 干旱区研究, 2020, 37(4): 1001-1008. MA J Y, ZHAO C Y, GOU F Z, LI Z Q, REN J. Response of the spatial distribution and community types of wetland plants to soil moisture and salinity in a salt marsh. Arid Zone Research, 2020, 37(4): 1001-1008.
[34]	姜凌, 李佩成, 郭建青. 贺兰山西麓典型干旱区绿洲地下水水化学特征与演变规律. 地球科学与环境学报, 2009, 31(3): 285-290. JIANG L, LI P C, GUO J Q. Hydrochemical characteristics and evolution laws of groundwater in typical oasis of arid areas on the west of Helan Mountain. Journal of Earth Sciences and Environment, 2009, 31(3): 285-290.
[35]	付景丽, 冯若昂, 靖叔慧, 张天举. 滨海湿地土壤盐离子对植物群落的响应研究. 亚热带水土保持, 2017, 29(1): 15-19,33. FU J L, FENG R A, JING S H, ZHANG T J. Response study on the soil soluble salts to different plant communities in coastal wetlands. Subtropical Soil and Water Conservation, 2017, 29(1): 15-19,33.
[36]	段凯祥, 赵保卫, 张松林, 赵成章. 秦王川土壤酸碱度及盐离子对不同植物的响应. 兰州交通大学学报, 2021, 40(4): 102-107. DUAN K X, ZHAO B W, ZHANG S L, ZHAO C Z. Soil acidic-basic property and salt ion response to different plants in qin wang chuan wetland. Journal of Lanzhou Jiaotong University, 2021, 40(4): 102-107.
[37]	冯艳琼, 何彤慧, 陈向全, 崔乔, 何玉实. 盐生草甸群落的植物多样性与土壤质地、盐分关系的研究. 草地学报, 2020, 28(6): 1682-1689. FENG Y Q, HE T H, CHEN X Q, CUI Q, HE Y S. Study on the relationship between plant diversity and soil texture and salinity of saline meadow community. Acta Agrestia Sinica, 2020, 28(6): 1682-1689.
[38]	赵可夫, 范海, 江行玉, 宋杰. 盐生植物在盐渍土壤改良中的作用. 应用与环境生物学报, 2002(1): 31-35. doi: 10.3321/j.issn:1006-687X.2002.01.006 ZHAO K F, FAN H, JIANG X Y, SONG J. Improvement and utilization of saline soil by planting halophytes. Chinese Journal of Applied and Environmental Biology, 2002(1): 31-35. doi: 10.3321/j.issn:1006-687X.2002.01.006

图 1 刈割时间对7种禾本科植物饲草离子特性的影响

不同小写字母表示相同饲草不同刈割时间差异显著(P < 0.05)。下图同。

Figure 1. Effects of mowing time on ion characteristics of seven gramineous pasture

Different lowercase letters indicate significant differences among effects of different mowing time on ion characteristics of the same plant forage at the 0.05 level. This is applicable for the following figures as well.

下载: 全尺寸图片幻灯片

图 2 刈割时间对7种禾本科饲草土壤离子特性的影响

Figure 2. Effects of mowing time on soil ions characteristics of seven gramineous pastures

下载: 全尺寸图片幻灯片

表 1 不同刈割时间7种禾本科饲草离子特性影响的双因素方差分析

Table 1 Two-way ANOVA analysis of variance of effects of different mowing time and gramineous pastures on ionic characteristics of seven gramineous pastures

处理 Treatment	df	氯离子 Cl⁻	硫酸根离子 SO₄²⁻	钙离子 Ca²⁺	钾离子 K⁺	镁离子 Mg²⁺	钠离子 Na⁺
物种 Species (S)	6	20.22^***	60.08^***	8.30^***	8.43^***	16.43^***	10.43^***
刈割时间 Mowing time (M)	2	34.34^***	16.86^***	11.50^***	9.05^**	30.38^***	0.21
S × M	12	9.81^***	29.01^***	2.73^**	1.01	5.41^**	1.46
表中数值为F值；df，自由度；，P < 0.05；* ，P < 0.01；**， P < 0.001。下表同。　Values indicate results of F value; df, degrees of freedom; , P < 0.05; , P < 0.01; *, P < 0.001. This is applicable for the following tables as well.

下载: 导出CSV

表 2 不同刈割时间7种禾本科植物土壤离子特性影响的双因素方差分析

Table 2 Two-way ANOVA analysis of variance of effects of different mowing time and gramineous pastures on soil ionic characteristics of seven gramineous pastures

处理 Treatment	df	氯离子 Cl⁻	硫酸根离子 SO₄²⁻	钙离子 Ca²⁺	钾离子 K⁺	镁离子 Mg²⁺	钠离子 Na⁺	碳酸氢根离子 HCO₃⁻
物种 Species (S)	6	4.50^***	6.86^***	4.09^**	4.51^***	5.44^***	5.12^***	14.09^***
刈割时间 Mowing time (M)	2	24.93^***	27.00^***	16.76^***	21.64^***	25.55^***	32.16^***	18.75^***
S × M	12	4.54^***	7.27^***	4.72^***	4.45^***	4.24^***	5.41^***	4.67^***

下载: 导出CSV

表 3 7种禾本科饲草离子特性的隶属值

Table 3 Membership values of ionic characteristics of seven gramineous pastures

物种 Species	氯离子 Cl⁻	硫酸根离子 SO₄²⁻	钙离子 Ca²⁺	钾离子 K⁺	镁离子 Mg²⁺	钠离子 Na⁺	平均值 Mean	改良排序 Improved ranking
稗草 Echinochloa crusgalli	105.72	2.07	2.57	453.68	2.91	15.95	97.15	Ⅰ
高丹草 Sorghum bicolor × S. sudanense	96.53	37.36	10.59	212.18	6.91	8.40	61.99	Ⅱ
燕麦 Avena sativa	44.93	8.69	4.78	121.68	2.23	36.51	36.47	Ⅲ
健宝 Sorghum bicolor ‘Jumbo’	27.84	0.09	5.75	118.80	1.77	0.01	25.71	Ⅳ
苏丹草 Sorghum sudanense	21.11	21.11	2.42	63.32	0.70	0.15	18.13	Ⅴ
墨西哥玉米草 Purus frumentum	21.62	0.69	5.71	17.57	0.92	0.42	7.82	Ⅵ
甜高粱 Sorghum dochna	8.29	0.08	5.25	14.38	0.71	0.12	4.80	Ⅶ

下载: 导出CSV

表 4 7种禾本科饲草土壤离子特性的隶属值

Table 4 Membership values of soil ionic characteristics of seven gramineous pastures

物种 Species	氯离子 Cl⁻	硫酸根离子 SO₄²⁻	钙离子 Ca²⁺	钾离子 K⁺	镁离子 Mg²⁺	钠离子 Na⁺	碳酸氢根离子 HCO₃⁻	平均值 Mean	改良排序 Improved ranking
健宝 Sorghum bicolor ‘Jumbo’	0.05	1.31	0.05	0.00	0.00	0.37	0.03	0.26	Ⅰ
高丹草 Sorghum bicolor × S. sudanense	0.09	1.63	0.09	0.00	0.00	0.47	0.13	0.34	Ⅱ
墨西哥玉米草 Purus frumentum	0.46	10.46	1.61	0.00	0.00	1.73	0.03	2.04	Ⅲ
甜高粱 Sorghum dochna	3.68	11.29	1.14	0.01	0.03	10.29	0.04	3.78	Ⅳ
稗草 Echinochloa crusgalli	3.03	15.01	1.22	0.01	0.02	10.53	0.05	4.27	Ⅴ
燕麦 Avena sativa	1.50	25.31	3.08	0.01	0.04	5.20	0.05	5.03	Ⅵ
苏丹草 Sorghum sudanense	14.49	25.15	5.30	0.01	0.11	17.11	0.11	8.90	Ⅶ

下载: 导出CSV

参考文献(38)

[1]	WILLIAMS J, WALKER G R, HATTON T J. Dryland salinization: A challenge for land and water management in the Australian landscape. In HAYGARTH P M, JARVIS S C. Agriculture, Hydrology and Water Quality. Devon, UK: CABI. 2002: 458-473.
[2]	胡明芳, 田长彦, 赵振勇, 王林霞. 新疆盐碱地成因及改良措施研究进展. 西北农林科技大学学报(自然科学版), 2012, 40(10): 111-117. HU M F, TIAN C Y, ZHAO Z Y, WANG L X. Salinization causes and research progress of technologies improving saline-alkali soil in Xinjiang. Journal of Narthwest A & F University (Nature Science Edition), 2012, 40(10): 111-117.
[3]	郗金标, 张福锁, 毛达如, 田长彦, 宋玉民, 刘德玺. 新疆盐渍土分布与盐生植物资源. 土壤通报, 2005(3): 299-303. XI J B, ZHANG F S, MAO D R, TIAN C Y, SONG Y M, LIU D X. Saline-soil distribution and halophyte resources in Xinjiang. Chinese Journal of Soil Science, 2005(3): 299-303.
[4]	张芸芸, 张利, 董高权, 韩忠玲, 程勇翔, 马淼. 玛纳斯河流域绿洲内部盐渍化土壤年际动态变化. 中国农学通报, 2020, 36(19): 93-103. ZHANG Y Y, ZHANG L, DONG G Q, HAN Z J, CHENG Y X, MA M. Salinized soil in oasis of manas river basin: Interannual dynamic change. Chinese Agricultural Science Bulletin, 2020, 36(19): 93-103.
[5]	LI N, KANG Y H, LI X B, WAN S Q, XU J C. Effect of the micro-sprinkler irrigation method with treated effluent on soil physical and chemical properties in sea reclamation land. Agricultural Water Management, 2019, 213: 222-230. doi: 10.1016/j.agwat.2018.10.023
[6]	GUERRERO C, MORAL R, GOMEZ I, ZORNOZA R, ARCENEGUI V. Microbial biomass and activity of an agricultural soil amended with the solid phase of pig slurries. Bioresource Technology, 2007, 98(17): 3259-3264. doi: 10.1016/j.biortech.2006.07.015
[7]	QADIR M, OSTER J D. Crop and irrigation management strategies for saline-sodic soils and waters aimed at environmentally sustainable agriculture. Science of The Total Environment, 2004, 323(1): 1-19.
[8]	SHANNON M C. Adaptation of plants to salinity. Advances in Agronomy, 1997, 60: 75-120.
[9]	YOKOTA S. Relationship between salt tolerance and proline accumulation in Australian acacia species. Journal of Forest Research, 2003, 8(2): 89-93. doi: 10.1007/s103100300010
[10]	陈义群, 董元华. 土壤改良剂的研究与应用进展. 生态环境, 2008(3): 1282-1289. CHEN Y Q, DONG Y H. Progress of research and utilization of soil amendments. Ecology and Environment, 2008(3): 1282-1289.
[11]	张鹏辉, 侯宪东, 王健. 新疆地区盐碱地成因及治理措施. 现代农业科技, 2017(24): 178-180. doi: 10.3969/j.issn.1007-5739.2017.24.103 ZHANG P H, HOU X D, WANG J. Causes and amelioration measures of saline-alkali land in Xinjiang region. Modern Agricultural Science and Technology, 2017(24): 178-180. doi: 10.3969/j.issn.1007-5739.2017.24.103
[12]	罗廷彬, 任崴, 谢春虹. 新疆盐碱地生物改良的必要性与可行性. 干旱区研究, 2001, 18(1): 46-48. LUO T B, REN W, XIE C H. Necessity and feasibility of biotic improving the saline and alkali land in Xinjiang. Arid Zone Research, 2001, 18(1): 46-48.
[13]	张龙德. 新疆地区盐碱地的成因及治理措施. 黑龙江水利科技, 2012, 40(8): 193-194. doi: 10.3969/j.issn.1007-7596.2012.08.082 ZHANG L D. Causes and control measures of saline-alkali land in Xinjiang. Heilongjiang Hydraulic Science and Technology, 2012, 40(8): 193-194. doi: 10.3969/j.issn.1007-7596.2012.08.082
[14]	努尔拉·吾守尔, 努尔克力迪·吾守尔. 新疆阿克陶县灌区盐碱地特征分析. 地下水, 2016, 38(6): 33-34. Nurlan·Oxur, Nurkelidi·Oxur. Characteristic analysis of saline-alkali land in irrigation area of Aketao County, Xinjiang. Ground Water, 2016, 38(6): 33-34.
[15]	程卫东, 张利民. 北疆盐碱地常规棉简化栽培技术. 农业科技通讯, 2016(8): 218-219. CHENG W D, ZHANG L M. Simplified cultivation techniques of conventional cotton in saline-alkali soil of Northern Xinjiang. Bulletin of Agricultural Science and Technology, 2016(8): 218-219.
[16]	邵华伟, 孙九胜, 胡伟, 王新勇, 罗广华. 新疆盐碱地分布特点和成因及改良利用技术研究进展. 黑龙江农业科学, 2014(11): 160-164. SHAO H W, SUN J S, HU W, WANG X Y. LUO G H. Research progress on distribution characteristics, causes and improved utilization technology of saline-alkali land in Xinjiang. Heilongjiang Agricultural Sciences, 2014(11): 160-164.
[17]	胡文杰, 李跃进, 刘洪波, 张昊, 蒙荣, 芦永兴. 土默川平原土壤盐渍化与盐生植物分布及盐分离子特征的研究. 干旱区资源与环境, 2012, 26(4): 127-131. HU W J, LI Y J, LIU H B, ZHANG H, MENG R, LU Y X. Soil salinization, halophyte distribution and salt-ion properties in the area a round Hasuhai of Tumochuan plain. Journal of Arid Land Resources and Environment, 2012, 26(4): 127-131.
[18]	范连连, 李耀明, NATALIIA T, 马学喜, 马杰. 冷荒漠草本植物数量特征对不同水分输入和气象因子的响应. 干旱区研究, 2019, 36(1): 139-146. FAN L L, LI Y M, NATALIIA T, MA X X, MA J. Response of herbaceous plant quantity to different water input and meteorological factors in a cold desert. Arid Zone Research, 2019, 36(1): 139-146.
[19]	周斌, 栗红, 李小明. 植物样品中盐分离子的几种分析方法比较. 干旱区研究, 2000(3): 35-39. ZHOU B, LI H, LI X M. Comparison of analyse methods on salt contents of plant. Arid Zone Research, 2000(3): 35-39.
[20]	鲍士旦. 土壤农化分析(第三版). 北京: 中国农业出版社, 2000. BAO S D. Analysis of Soil and Agrochemistry (3 Edition). Beijing: China Agriculture Press, 2000.
[21]	陶向新. 模糊数学在农业科学中的初步应用. 沈阳农学院学报, 1982(2): 96-107. TAO X X. A Preliminary application of fuzzy mathematics in agricultural science. Journal of Shenyang Agricultural University, 1982(2): 96-107.
[22]	龚明. 作物抗性鉴定方法与指标及其综合评价. 云南农业大学学报, 1989, 4(1): 73-81. GONG M. Screening methods and indexes of drought resistance in crops and comprehensive evaluation. Journal of Yunnan Agricultural University, 1989, 4(1): 73-81.
[23]	赵文举, 马宏, 豆品鑫, 郁文. 不同覆盖模式下土壤返盐及水盐运移规律. 干旱地区农业研究, 2016, 34(5): 210-214. ZHAO W J, MA H, DOU P X, YU W. Soil resalinization and water-salt movement under different mulching modes. Agricultural Research in the Arid Areas, 2016, 34(5): 210-214.
[24]	MARTIN P K, KOEBBER R M D. Sodium and chloride ions contribute synergistically to salt toxicity in wheat. Biologia Plantarum, 1995, 37(2): 265-271. doi: 10.1007/BF02913224
[25]	NYSTRAND M I, OSTERHOLM P, YU C, ASTROM M. Distribution and speciation of metals phosphorus sulfate and organic material in brackish estuary water affected by acid sulfate soil. Applied Geochemistry, 2016, 66: 264-274. doi: 10.1016/j.apgeochem.2016.01.003
[26]	KINGSBURY R W, EPSTEIN E. Salt sensitivity in wheat a case for specific ion toxicity. Plant Physiology, 1986, 80(3): 651-654. doi: 10.1104/pp.80.3.651
[27]	KINRAIDE T B. Interactions among Ca²⁺, Na⁺ and K⁺ in salinity toxicity: Quantitative resolution of multiple toxicand ameliorative effects. Journal of Experimental Botany, 1999, 50: 1495-1505. doi: 10.1093/jxb/50.338.1495
[28]	赵宏亮, 倪细炉, 侯晖, 谢沁宓, 程昊. 长苞香蒲对人工盐碱湿地Na⁺和K⁺的吸收与转运特征. 广西植物, 2022, 42(7): 1150-1159. doi: 10.11931/guihaia.gxzw202110041 ZHAO H L, NI X L, HOU H, XIE Q M, CHENG H. Characteristics of Na⁺ and K⁺ absorption and transport of Typha angustata in artificial saline wetlands. Guihaia, 2022, 42(7): 1150-1159. doi: 10.11931/guihaia.gxzw202110041
[29]	张玉林, 陆永兴, 尹本丰, 李永刚, 周晓兵, 张元明. 模拟降雨变化对古尔班通古特沙漠土壤养分及酶活性的影响. 生态学报, 2022, 42(5): 1739-1749. ZHANG Y L, LU Y X, YIN B F, LI Y G, ZHOU X B, ZHANG Y M. Effects of simulated rain fall on soil nutrient contents and enzyme activies in the Gurbantungut Desert, China. Acta Ecologica Sinica, 2022, 42(5): 1739-1749.
[30]	孙黎, 刘士辉, 师向东, 肖敏, 汤照云, 朱红伟, 陈建中. 10种藜科盐生植物的抗盐生理生化特征. 干旱区研究, 2006(2): 309-313. SUN L, LIU S H, SHI X D, XIAO M, TANG Z Y, ZHU H W, CHEN J Z. Sail-tolerant physiological and biochemical properties of ten species of chenopodiaceae halophytes growing in deserts, Xinjiang. Arid Zone Research, 2006(2): 309-313.
[31]	弋良朋, 马健, 李彦. 荒漠盐生植物根际土壤盐分和养分特征. 生态学报, 2007(9): 3565-3571. doi: 10.3321/j.issn:1000-0933.2007.09.003 YI L P, MA J, LI Y. Sail salt and nutrient concentration in the rhizosphere of desert halophytes. Acta Ecologica Sinica, 2007(9): 3565-3571. doi: 10.3321/j.issn:1000-0933.2007.09.003
[32]	杜艺, 邢鹏飞, 贾镇宁, 王子量, 赵祥, 董宽虎. 北方农牧交错带赖草草地斑块的土壤化学计量特征对植物多样性的影响. 草地学报, 2020, 28(3): 808-814. DU Y, XING P F, JIA Z N, WANG Z L, ZHAO X, DONG K H. Effects of soil stoichiometry on vegetation diversity characteristics in the Leymus secalinus patch in the northern agro-pastoral ecotone. Acta Agrestia Sinica, 2020, 28(3): 808-814.
[33]	马俊逸, 赵成章, 苟芳珍, 李子琴, 任杰. 盐沼湿地植物的群落分类及其空间分布格局对土壤水盐的响应. 干旱区研究, 2020, 37(4): 1001-1008. MA J Y, ZHAO C Y, GOU F Z, LI Z Q, REN J. Response of the spatial distribution and community types of wetland plants to soil moisture and salinity in a salt marsh. Arid Zone Research, 2020, 37(4): 1001-1008.
[34]	姜凌, 李佩成, 郭建青. 贺兰山西麓典型干旱区绿洲地下水水化学特征与演变规律. 地球科学与环境学报, 2009, 31(3): 285-290. JIANG L, LI P C, GUO J Q. Hydrochemical characteristics and evolution laws of groundwater in typical oasis of arid areas on the west of Helan Mountain. Journal of Earth Sciences and Environment, 2009, 31(3): 285-290.
[35]	付景丽, 冯若昂, 靖叔慧, 张天举. 滨海湿地土壤盐离子对植物群落的响应研究. 亚热带水土保持, 2017, 29(1): 15-19,33. FU J L, FENG R A, JING S H, ZHANG T J. Response study on the soil soluble salts to different plant communities in coastal wetlands. Subtropical Soil and Water Conservation, 2017, 29(1): 15-19,33.
[36]	段凯祥, 赵保卫, 张松林, 赵成章. 秦王川土壤酸碱度及盐离子对不同植物的响应. 兰州交通大学学报, 2021, 40(4): 102-107. DUAN K X, ZHAO B W, ZHANG S L, ZHAO C Z. Soil acidic-basic property and salt ion response to different plants in qin wang chuan wetland. Journal of Lanzhou Jiaotong University, 2021, 40(4): 102-107.
[37]	冯艳琼, 何彤慧, 陈向全, 崔乔, 何玉实. 盐生草甸群落的植物多样性与土壤质地、盐分关系的研究. 草地学报, 2020, 28(6): 1682-1689. FENG Y Q, HE T H, CHEN X Q, CUI Q, HE Y S. Study on the relationship between plant diversity and soil texture and salinity of saline meadow community. Acta Agrestia Sinica, 2020, 28(6): 1682-1689.
[38]	赵可夫, 范海, 江行玉, 宋杰. 盐生植物在盐渍土壤改良中的作用. 应用与环境生物学报, 2002(1): 31-35. doi: 10.3321/j.issn:1006-687X.2002.01.006 ZHAO K F, FAN H, JIANG X Y, SONG J. Improvement and utilization of saline soil by planting halophytes. Chinese Journal of Applied and Environmental Biology, 2002(1): 31-35. doi: 10.3321/j.issn:1006-687X.2002.01.006

资源附件(0)

图(2) / 表(4)

计量

PDF下载量:
文章访问数:
HTML全文浏览量:
被引次数: 0

1. 材料与方法
1.1 研究区概况
1.2 数据来源及预处理
1.2.1 样本采集与处理
1.2.2 遥感数据预处理
1.3 研究方法
1.3.1 回归分析
1.3.2 半经验物理模型构建
1.3.3 精度评价
2. 结果与分析
2.1 草地地上生物量的模型构建
2.2 模型反演生物量精度验证
2.3 试验区域草地反演地上生物量制图
3. 讨论
4. 结论
参考文献

1. 材料与方法
1.1 研究区概况
1.2 数据来源及预处理
1.2.1 样本采集与处理
1.2.2 遥感数据预处理
1.3 研究方法
1.3.1 回归分析
1.3.2 半经验物理模型构建
1.3.3 精度评价
2. 结果与分析
2.1 草地地上生物量的模型构建
2.2 模型反演生物量精度验证
2.3 试验区域草地反演地上生物量制图
3. 讨论
4. 结论
参考文献

参考文献(38)

资源附件(0)

种植7种牧草对北疆盐碱地土壤改良效果的评价

English