编辑推荐：
土壤盐渍化严重影响干旱区农业生产，遥感监测需解决裸土信息获取难题。本研究基于 Sentinel-2 数据，开发三种时间合成策略，构建 RF、GTB 模型。发现夏季（6-8 月）为最佳评估窗口（R2：0.41–0.45），中位合成法更优，光谱指数重要性高于波段。为精准监测提供新策略。
在广袤的干旱农业区，土壤盐渍化如同隐匿的 “耕地杀手”，悄然侵蚀着农田生产力。全球超五分之一的灌溉土地受其困扰，每年造成超 270 亿美元的经济损失。在中国新疆等内陆干旱区，不合理灌溉与气候干旱双重作用下，盐渍化问题尤为突出，90% 的新垦耕地受其制约。传统土壤监测依赖人工采样，耗时费力且覆盖范围有限，而遥感技术虽具备宏观监测优势，却面临两大棘手挑战：一是云雾等气象因素导致卫星数据缺失，二是农业活动频繁使裸土暴露期缩短，难以捕捉纯净的土壤光谱信号。如何从复杂的时空数据中精准锁定土壤盐渍化的 “最佳观测窗口”，成为全球农业与环境领域的研究焦点。
为突破这一困境，中国研究人员以新疆渭干河 - 库车河绿洲为研究区，依托 Google Earth Engine（GEE）云计算平台，开展了一场横跨时空的遥感监测探索。他们聚焦 “时间窗口” 这一核心变量，设计了三种时间合成策略：1 个月、2 个月及季节尺度（春、夏、秋）的中值与均值合成，并基于随机森林（Random Forest，RF）和梯度树 Boosting（Gradient Tree Boosting，GTB）机器学习算法构建土壤盐渍化估算模型，系统评估不同时段合成数据的监测效能。这场历时多年的研究，最终在《Ecological Indicators》期刊上揭示了干旱区土壤盐渍化遥感监测的时间密码。
研究团队主要采用了以下关键技术方法：首先，获取 2018-2023 年 Sentinel-2 卫星的低云量（<10%）影像，利用传感器不变大气校正算法（SIAC）对数据进行预处理，通过 QA60 掩码剔除云污染像元；其次，设计 16 种时间窗口方案（包括 9 个单月、4 个两月组合和 3 个季节组合），基于中值和均值合成法生成多时相合成影像；然后，计算包括增强植被指数（EVI）、归一化盐度指数（NDSI）等 9 种光谱指数，结合 Sentinel-2 原始波段（如红波段 B4、短波红外波段 B12），在 GEE 平台上训练与验证 RF 和 GTB 模型；最后，通过决定系数（R2）、均方根误差（RMSE）等指标评估模型性能，确定最佳时间窗口并分析光谱敏感性。
3.1 土壤电导率（EC）特征
研究采集的 292 份土壤样本显示，EC 值范围为 0.15-79.6 ds/m，均值 18.56 ds/m，变异系数高达 121.82%，表明研究区土壤盐渍化空间异质性显著。
3.2 合成影像质量评估
中值合成法在去除云影、保留细节方面表现更优，其生成的影像空间保真度更高，而均值合成易受异常值干扰，出现条带噪声，尤其在云污染较高的时段（如 7-8 月单月合成）更为明显。
3.3 模型性能对比
- 单月合成：中值合成的 RF 模型在 7 月表现最佳（验证 R2：0.40-0.42），GTB 模型次之；均值合成的 RF 模型则在 8 月略优。3-4 月裸土期模型精度最低，R2 较夏季低 36.51%。
- 两月合成：中值合成的 9-10 月组合与均值合成的 7-8 月组合表现相近（R2：0.40-0.42），但均不及夏季单月或季节合成。
- 季节合成：夏季（6-8 月）中值合成的 RF 模型精度最高（R2：0.44-0.45），显著优于春季（3-5 月）和秋季（9-11 月），验证了夏季作为最佳窗口的稳定性。
3.4 变量重要性与光谱相关性
光谱指数中，EVI、GYEX、TBI 等对模型贡献显著高于原始波段，红波段（B4）和短波红外波段（B12）与 EC 的皮尔逊相关系数达 0.56，表明植被胁迫信号与土壤盐分的强关联性。夏季合成影像中，植被光谱特征（如叶绿素含量、叶片含水量）成为盐渍化间接监测的关键指标。
3.5 空间分布与不确定性
夏季合成影像的盐渍化空间分布与实际地貌吻合，绿洲边缘因水文条件复杂导致预测不确定性较高，而绿洲内部因植被覆盖稳定，预测误差较小。中值合成的 RF 模型在夏季的不确定性最低，为精准制图提供了可靠依据。
研究明确了中国干旱农业区土壤盐渍化遥感监测的最佳时间窗口为夏季（6-8 月），突破了 “裸土期最优” 的传统认知，证实了利用植被生长期光谱信号间接反演土壤盐分的可行性。中值合成策略与 RF 模型的组合成为高效监测方案，光谱指数（如 EVI、NDSI）和关键波段（B4、B12）的筛选为模型优化提供了参数支撑。该研究为全球干旱区提供了可复制的时间窗口识别方法，尤其为遥感数据稀缺、裸土暴露不足的区域提供了新思路，助力精准农业管理与土地资源可持续利用。未来研究可进一步拓展至多源卫星数据融合，结合土壤 - 植被 - 大气相互作用模型，提升盐渍化动态监测的时空分辨率。
