基于裸土期与环境因子的干旱区土壤盐分估算方法改进

本研究针对全球耕地盐渍化加剧背景下土壤盐分(SSC)精准监测的需求，创新性地结合裸土期划分与环境因子整合，提出了干旱区高精度盐分估算模型。通过分析播种前与收获后裸土期多光谱指数(SIs/VIs)与土壤机械组成(SMC)的敏感性差异，采用支持向量回归(SVR)算法构建模型，使R2提升10.2%-55.7%，最终实现0.77的预测精度，为河套灌区(HID)盐渍化动态监测提供了时空分辨率优化的解决方案。

　　

在全球耕地退化与盐渍化加剧的背景下，土壤盐分(SSC)的精准监测成为农业可持续发展的关键挑战。据统计，全球每年新增100-200万公顷盐渍化土地，预计205年将有50%耕地受到盐害威胁。传统人工采样方法难以满足大尺度监测需求，而光学遥感虽具成本优势，却受植被覆盖、环境异质性等因素干扰。尤其在干旱区，长期裸土期内耕作活动与水分运移导致的盐分时空变异，更增加了监测难度。

西北农林科技大学水利与建筑工程学院联合中国科学院烟台海岸带研究所的研究团队，在《iScience》发表研究，创新性地提出"裸土期细分+环境因子融合"的双重优化策略。研究以河套灌区(HID)为示范区，通过Sentinel-2卫星影像获取盐分指数(SIs)与植被指数(VIs)，结合土壤黏粒含量(Clay)等环境因子，采用递归特征消除(RFE)筛选变量，最终利用支持向量回归(SVR)构建估算模型。关键技术包括：1) 划分播种前(4月)与收获后(10月)裸土期分别建模；2) 整合298个采样点的土壤机械组成(SMC)空间分布数据；3) 采用4折交叉验证评估模型性能。

环境因子与光谱参数的敏感性差异

研究发现黏粒含量与SSC呈现稳定相关性(r=0.47-0.55)，而盐分指数SI1、SI6等在裸土期细分后相关系数提升0.4以上。通过RFE算法筛选显示，黏粒含量在完整数据集和收获后裸土期均为首要变量，印证了土壤质地通过影响盐分运移对估算模型的基础作用。

裸土期划分提升模型精度

将裸土期细分为播种前与收获后两个阶段后，所有机器学习模型精度显著提升。其中SVR模型表现最优，R²达0.77，RMSE为0.11%。模型对轻度盐渍化(0.2%≤SSC<0.4%)预测最准，而对重度盐渍化(SSC≥1%)存在轻微低估现象。

时空分布规律验证

空间制图显示，播种前裸土期盐渍化程度普遍高于收获后，东部近黄河区域盐渍化程度较高。这与当地"春灌压盐"的农事规律相符——冬季盐分随毛细作用上升至表层，而生长季灌溉将盐分淋洗至深层。

该研究通过裸土期动态细分与环境因子耦合，突破了传统遥感盐分估算的时空限制。提出的SVR模型在保持0.81的LCCC一致性同时，RPD值达1.92，具备优秀的预测能力。研究不仅为干旱区精准农业提供了可推广的技术框架，其建立的HID盐分时空数据库更为灌区盐渍化治理提供了决策依据。未来研究可进一步融合气候、地形等多源数据，并探索深度学习在跨时期盐分预测中的应用潜力。