渭干—库车绿洲棉田土壤盐分反演及时空动态

《CATENA》：Soil salinity inversion and spatiotemporal dynamics in cotton fields in the Wei–Ku oasis

　　

**基于GEE的乌-库绿洲近20年棉花种植区制图多时相框架**

• 基于GEE的乌-库绿洲近20年棉花种植区制图多时相框架。
• BOSS–Mixup–CNN–LSTM提升了土壤盐分反演的精度与稳定性。
• 最优地理探测器–MGWR耦合识别了盐渍化的多因子驱动机制。

**引言**

土壤盐渍化是全球农业可持续发展的关键制约因素，影响着全球100多个国家和地区。全球盐渍土面积估计已达8.33×10? hm2。这对位于干旱和半干旱地区的国家（如中国、埃及、伊朗和巴基斯坦）构成了严峻的生态挑战（Attwa等，2016）。广泛的土壤盐渍化是中国西北地区干旱区最严重且最突出的农业挑战。盐离子在土壤中的积累导致生理性干旱，并限制植物对养分的吸收，从而影响作物生长并降低产量（Soni等，2023）。盐渍化还会破坏土壤水盐平衡，严重恶化整体土壤环境（Demo等，2025）。针对干旱绿洲地区持续性的土地退化问题，基于对土壤盐渍化形成过程和驱动机制的全面了解，制定优化的土壤改良策略至关重要（Kasim等，2018）。在此背景下，大规模、精确且及时的土壤盐渍化监测已成为研究热点，为盐渍化管理提供理论指导和科学支撑（Ge等，2022）。

干旱区绿洲是一种独特的生态系统，代表在干旱环境中形成的人类聚落。在新疆，绿洲是人类居住和农业活动的主要区域（Ma等，2024）。土壤盐渍化作为一种土地退化形式，严重制约了绿洲的可持续发展（Ali和Salem，2024）。值得注意的是，乌-库绿洲位于塔克拉玛干沙漠南缘，是主要的农业区，自20世纪50年代以来经历了大规模的耕地扩张（Shabiti等，2008）。棉花作为一种耐盐经济作物，在增加农民收入和促进地方经济发展方面发挥着关键作用，其种植已成为新疆利用盐渍土的主要策略（Li等，2024）。乌-库绿洲是新疆代表性的干旱区绿洲，是研究土壤盐渍化的理想区域。这对保障中国棉花产业和纺织行业稳定发展具有重要意义。

传统土壤盐分监测需要设计采样方案并通过实地采样收集土壤数据（Cui等，2025；Ma和Tashpolat，2023），耗时费力（Gao等，2026）。这促使人们开发高效、精确且低成本的方法来获取土壤盐渍化信息，以替代传统监测方法（Zhang等，2025a）。遥感卫星影像可用于构建多维特征信息系统，为快速监测土壤盐渍化提供手段（Nurmemet，2025）。特别是，多光谱遥感影像可作为土壤盐渍化监测的主要数据源；与各种机器学习算法相结合，这是提取土壤盐分信息的主流方法（Jiang等，2025；Shi等，2026）。Habibi等（2021）结合Landsat 8影像、实地观测数据和人工神经网络模型生成土壤盐分分布图。Wang等（2020a）使用Landsat影像，引入地表温度、植被指数、盐分指数和土壤相关指数等协变量，系统评估了13种算法在预测土壤盐分方面的性能，确定土壤盐分与环境变量之间的关系是影响模型性能的关键因素。Wang等（2020b）使用Landsat-8 OLI和Sentinel-2 MSI影像及盐分指数，有效估计了中国西北干旱荒漠地区的土壤盐分。这些研究表明，多光谱遥感数据与机器学习算法的融合仍然是监测土壤性质的常规方法。然而，海量遥感数据集的下载、存储和处理严重制约了大规模土壤盐渍化快速监测的效率。

时空综合分析可以更有效地捕捉土壤盐分的动态特征，有助于更深入地理解土壤盐渍化的复杂性和多样性，并为后续防治措施的发展提供科学支撑。全球研究者普遍采用地统计方法结合地理信息系统和遥感技术来研究土壤盐渍化的时空动态。Li等（2022）反演了吉林省西部1989年至2019年的土壤盐渍化情况，量化了其时空动态，分析了相关变量和影响因素，确定气象条件是驱动土壤盐渍化的关键因素。Li等（2025）利用长期数据集模拟了玛纳斯河灌区土壤盐渍化的时空演化，发现存在显著的空间差异，盐分水平随时间推移有所改善，盐渍化土地比例从2013年的98.9%降至2021年的63.3%。Song等（2022）使用经典统计方法分析了春夏季节土壤盐渍化特征，并利用GIS和地下水模型系统考察了二维和三维空间变异性，发现夏季表层土壤盐分较低且空间格局更为复杂。目前关于土壤盐分空间分布及其影响因素的研究主要关注气候、地形和土壤性质等自然条件，以及土地利用变化等人类活动（Jiang等，2026；Liu等，2025；Zeng等，2025）。这些多因子并非独立作用，而是通过复杂关系相互交互，共同影响特定区域，增加了土壤盐渍化的复杂性。因此，在探索驱动因素和制定有效控制措施时，需要综合考虑这些因素。尽管许多研究广泛考察了盐渍土的分布、成因和影响，但对棉田土壤盐渍化驱动机制的综合系统研究仍然有限。土壤盐渍化驱动因素复杂且难以精确量化（Su等，2020），且多数研究侧重于定性分析，缺乏定量理解。为此，最优参数地理探测器为定量分析驱动力、影响因素及其交互作用提供了有效方法。此外，多尺度地理加权回归（MGWR）模型能有效捕捉与不同驱动因子相关的空间异质性。与地理加权回归假设所有驱动因子具有统一空间尺度不同，MGWR允许每个因子在其最优空间尺度上运作（Lv等，2025）。该方法对识别棉田土壤盐渍化的主要驱动因素并制定有效的盐分管理策略具有重要的科学意义和实践价值。

现有研究受限于单特征、小尺度的棉田识别，传统盐渍化反演模型面临样本不平衡和高维特征冗余等问题。此外，多数驱动分析侧重于全球格局而非局部空间变化。相比之下，很少有研究在统一的分析框架内系统关联长期棉田扩张、土壤盐渍化动态及其驱动机制，尤其是在干旱绿洲农业系统中。

本研究利用Google Earth Engine（GEE）平台和多时相光谱及纹理特征，构建了能够克服单特征和小尺度识别局限性的多时相棉田识别框架，支持近20年棉田的大规模动态精确提取，从而为分析盐渍化与棉田扩张之间的关系奠定基础。本研究开发了一种结合自举软收缩（BOSS）特征选择、Mixup样本增强和卷积神经网络（CNN）–长短期记忆网络（LSTM）混合模型的盐渍化反演框架，以解决干旱地区数据集的典型问题，显著提高土壤盐分反演的精度和稳定性，从而填补了面向棉田盐渍化反演的方法学空白。本研究还整合了最优参数地理探测器和MGWR模型，定量揭示了多因子交互驱动机制，刻画了各因子的空间异质性，克服了传统研究的局限性，为分区精细化管理提供了精准的科学支撑。作为一种拟合性能良好的可靠方法，MGWR能有效捕捉空间异质性。具体研究内容包括：（1）利用GEE平台，分析棉田和其他土地类型的光谱及植被指数特征，确定最佳识别时期，并结合纹理特征构建多种机器学习分类模型，制图识别近20年棉田面积变化。（2）采用Mixup数据增强方法扩展样本量，提取并选择多种光谱指数特征，构建机器学习和深度学习模型，确定棉田土壤盐分定量反演的最优模型。（3）整合气象、地形、地下水和人类活动变量等多源驱动因子数据，应用最优参数地理探测器和MGWR模型分析盐渍化驱动机制，明确各因子的贡献和交互类型。本研究旨在全面揭示乌-库绿洲棉田土壤盐分的时空演化格局和驱动机制。研究成果为该干旱区绿洲的盐渍化防治、定制化水肥管理和农业可持续发展提供了科学依据和技术支撑。

**研究区概况**

乌-库绿洲位于新疆塔里木盆地阿克苏地区渭干河–库车河流域（40°55′35″N–41°51′04″N，82°08′52″E–84°01′55″E），涵盖新和县、沙雅县和库车县。该地区面临严重且广泛的土壤盐渍化问题，三个县受盐渍化影响总面积达523.76×10? hm2；其中沙雅县平均每年有2667 hm2耕地无农业产出（图1）。土地盐渍化导致4.56×10?的退化……

**棉田识别最优物候期确定**

从Landsat影像中提取的棉花和非棉田的原始光谱波段曲线及计算的光谱指数（图S15–S22）显示，棉田在不同年份表现出相似的光谱波段特征。在生长季（7–9月），棉田与非棉田在红光波段、近红外波段和光谱指数方面存在显著差异，而种植前和收获后的时期则表现为相对……

**棉田识别方法分析**

准确确定棉田的空间分布是本研究后续分析的基础，因为识别精度直接影响结果的可靠性和科学有效性。单景遥感影像在棉田识别方面存在局限性，因为它们可能无法完全覆盖整个研究区域，且提供的光谱信息有限，可能导致分类错误。利用多时相遥感影像……

**结论**

基于GEE平台和多源数据，本研究建立了"分类–反演–驱动机制分析"框架，系统研究了乌-库绿洲棉田的土壤盐渍化情况，为该干旱区绿洲的盐渍化防治提供了科学支撑。主要发现如下：（1）所提出的框架确定7–9月为棉田识别的最佳时期，其中随机森林（RF）模型达到了最高精度（总体……

**作者贡献声明**

张金明：撰写–初稿、可视化、软件、方法学、概念化。丁建丽：撰写–审阅与编辑、方法学、经费获取。王金杰：撰写–审阅与编辑、形式分析、数据整理。张子涵：撰写–审阅与编辑、形式分析。石丽雅：撰写–审阅与编辑。葛祥宇：形式分析。

**利益冲突声明**

作者声明不存在任何已知可能影响本文所述工作的经济利益冲突或个人关系。

**致谢**

本研究由国家科技创新团队（天山创新团队）、干旱地区水资源高效利用创新团队（编号2022TSYCTD0001）、新疆维吾尔自治区自然科学基金重点项目（编号2021D01D06）和中国国家自然科学基金（编号41961059）资助。

张金明 | 丁建丽 | 王金杰 | 张子涵 | 石丽雅 | 葛祥宇