摘要
盐碱地因其分布广泛、治理难度大以及对干旱区农业生产和生态安全构成的严重威胁，被俗称为“地球的癣疥”。塔里木河流域是我国西北干旱区盐碱地的主要分布区。因此，准确评估其分布和盐碱化发育程度对于该区域综合治理和维护区域生态安全具有重要意义。然而，由于传统土地调查方法的局限性，区域盐碱地的分布和特征尚不明确。为此，本研究在塔里木河流域开展了野外考察，采集了147个表层土壤样品并进行了电导率测定，并通过整合遥感技术和机器学习算法建立了盐碱土反演模型。结果表明，整合所有多源特征的随机森林（RF）模型在土壤盐分反演中表现最优，达到了最高精度（R2 = 0.73，RMSE = 3.58 dS m?1，MAE = 1.89 dS m?1），具有优异的鲁棒性和极值预测能力，而极端梯度提升（XGBoost）则补充了盐碱与非盐碱边界提取。宏观气候变量（MAT、MAP）以33.2%的联合贡献占据主导地位，这与极端干旱区土壤盐分受气候主导控制的规律相一致。包括光学指数、Sentinel-1 SAR（12.0%）和环境协变量在内的多源协同增强了物理可解释性。在空间上，土壤盐分表现出强烈的异质性（CV = 113.04%），集中于受人类活动影响的中下游平原和灌区，与上游低盐分山区形成鲜明对比。我们的研究结果表明，将土地调查、遥感与机器学习相结合，可支持对极端干旱的塔里木河流域盐碱地分布范围的筛查级反演，为其系统改良提供基础。
